106833 by UNIGIS América Latina

Master Thesis

submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc Department of Geoinformatics - Z_GIS University of Salzburg

Análisis multitemporal de fragmentación de coberturas en áreas de actividad de hidrocarburos Campo Lisama, Santander, Colombia

Multitemporal Land Cover Fragmentation Analysis in Hydrocarbon Activity Areas Lisama Field, Santander, Colombia

Hernán Andrés Rincón 12041721

A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science – MSc Advisor I Supervisor: Leonardo Zurita Arthos PhD

Bogotá D.C. - Colombia, Noviembre de 2023

Compromiso de Ciencia Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente el resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.

Bogotá, 10 de noviembre de 2023 (Lugar, Fecha)

(Firma)

Dedicatoria

A mi chiquita Julieta, el motor de mi vida, gracias a ti quiero seguir mejorando cada día. A mi esposa Johanna, por su paciencia y apoyo. A mi mama Elena, a pesar de la distancia siempre ha estado para mí. A mi Suegra Jannette, su ayuda ha sido invaluable A mi cuñada Liliana, gracias por estar en esos momentos claves

Agradecimientos

A todo el equipo de UNIGIS, fue una experiencia muy enriquecedora poder estudiar con ustedes A Mi tutora Laure Collet, su guía, sus acertados comentarios hicieron posible lograr este documento A ECOPETROL S.A. en especial al personal del departamento de cumplimiento legal, por suministrarme la información necesaria para el desarrollo de este documento. Al Ecólogo Andrés Vergel, quien me dio una guía inicial de como enfocar este documento y proporciono igualmente una gran cantidad de bibliografía para enriquecer esta investigación Al Ingeniero forestal Jairo Moreno, con quien discutí aspectos de los resultados de esta investigación y aporto recomendaciones de análisis de resultados. Finalmente, a todos mis compañeros de grupo 2020A, con quienes compartimos durante estos últimos años.

Resumen La exploración/producción de hidrocarburos genera impactos positivos o negativos en el territorio donde se efectúa; entre los impactos negativos, se encuentra la fragmentación de las coberturas naturales, con las posibles pérdidas de biodiversidad, debido a que se requiere necesariamente de la remoción de coberturas naturales para su desarrollo. En la región del magdalena medio colombiano hay una gran presencia de la industria de hidrocarburos desde hace más de 100 años, lo cual ha dejado una huella de intervención en el paisaje. Este estudio cuantificó el impacto de las actividades antrópicas asociadas a uso del suelo en la fragmentación de las coberturas naturales, al interior del campo Lisama de ECOPETROL S.A. ubicado en el departamento de Santander, municipios de Barrancabermeja, Betulia y San Vicente de Chucurí. A través de la clasificación de coberturas de la tierra para los años 1987 y 2020, se realizó un análisis multitemporal del cambio de coberturas, identificando que la cobertura de explotación de hidrocarburos redujo su área pasando de 661.67 ha en 1987 a solo 39.19 en 2020. También se evaluaron 10 métricas de fragmentación, además se espacializó los distintos tipos de fragmentación presentados en el área de estudio. Los resultados indican que, si bien el paisaje está fragmentado en ambas épocas analizadas, dichos procesos no son generados exclusivamente por la actividad de hidrocarburos, sino que son el resultado de procesos de colonización humana y cambio de uso de la tierra, entre ellos las actividades agropecuarias, que sin embargo si fueron impulsadas indirectamente por la industria de los hidrocarburos. Por otro lado, se evidenció el aumento de las áreas con cobertura boscosa en 778.18 hectáreas, en parte debido a la disminución de las actividades de exploración/producción de hidrocarburos, pero también debido a la reglamentación de distritos de manejo integrado en la zona, que restringen actividades productivas en suelos protegidos. Palabras Clave: Fragmentación, Análisis Multitemporal, Hidrocarburos, Métricas, Espacialización de Fragmentación, Campo Lisama, ECOPETROL S.A.

Abstract Oil exploration/production generates both positive and negative impacts in regions where it is carried out in; among the negative impacts, we can find natural land cover fragmentation, potentially leading to biodiversity lost, because It is mandatory to remove natural cover to develop oil fields. The oil industry has been present for over 100 years in the Colombian Middle Magdalena region, leaving an intervention footprint at surrounding landscape. This study quantifies anthropic activities' impact on natural land cover fragmentation within Lisama Field (licensed to ECOPETROL S.A.) which is located in the department of Santander, across the municipalities of Barrancabermeja, Betulia, and San Vicente de Chucurí. Using a multi-temporal analysis based on land cover classification in 1987 and 2020, the study reveals substantial reduction decreased in the area occupied due to oil exploration/production from 661.67 ha to 39.19 ha. In addition to the multitemporal analysis, a fragmentation analysis was employed using ten metrics, and various types of fragmentation in the area were spatially analyzed; while results indicate a fragmented landscape for both years, this cannot be entirely attributable to oil exploration/production Instead, it is a complex interaction of factors, including human colonization and land cover changes including agricultural activities over the studied period, however oil exploration/production indirectly does indeed contribute to these changes. Additionally, this study identified an increase in forest cover through the analysis by 778,18 ha, partly attributed to the reduction in oil exploration/production activities, but also because, protected soil was designated through integrated management districts, which excludes productive activities at large areas in Campo Lisama. Keywords: Fragmentation, Multitemporal Analysis, Hydrocarbons, Metrics, Campo Lisama, ECOPETROL S.A.

TABLA DE CONTENIDOS 1

INTRODUCCIÓN ............................................................................................ 18 1.1

Antecedentes .................................................................................. 18

1.2

Objetivos ......................................................................................... 20 1.2.1 Objetivo General ...................................................................... 20 1.2.2 Objetivos Específicos ............................................................... 20

1.3

Preguntas de investigación ........................................................... 20

1.4

Hipótesis ......................................................................................... 21

1.5

Justificación ................................................................................... 21

1.6

Alcance ........................................................................................... 22

Revisión de literatura .................................................................................... 24 2.1

Teledetección ................................................................................. 24 2.1.1 Espectro electromagnético ....................................................... 24 2.1.2 Firmas espectrales ................................................................... 25 2.1.3 Sensores remotos pasivos ....................................................... 26 2.1.4 Corrección de imágenes satelitales.......................................... 27 2.1.4.1 Correcciones radiométricas ............................................... 28 2.1.4.2 Correcciones geométricas ................................................. 28 2.1.5 Clasificación de imágenes........................................................ 28

2.2

Análisis de fragmentación............................................................. 29 2.2.1 Métricas para medición de fragmentación del paisaje.............. 31 2.2.1.1 Métricas de parche ............................................................ 32 Distancia euclidiana al vecino más cercano (ENN) ............................. 33 2.2.1.2 Métricas de clase ............................................................... 33 2.2.1.3 Métricas de paisaje ............................................................ 38 2.2.2 Espacialización de la fragmentación ........................................ 38

2.3

Análisis Multitemporal ................................................................... 40

2.4

Casos de estudio............................................................................ 43 2.4.1 Casos de estudio de clasificación de imágenes satelitales ...... 43

2.4.2 Casos de estudio de fragmentación de coberturas .................. 45 2.4.3 Casos de estudio de análisis multitemporal de cobertura ........ 48 3

Metodología ................................................................................................... 50 3.1

Área de estudio .............................................................................. 50

3.2

Descripción de la metodología ..................................................... 52 3.2.1 Flujograma de la metodología empleada ................................. 54 3.2.2 Selección del área de estudio .................................................. 56 3.2.3 Selección de imágenes para primero periodo (1987) ............... 57 3.2.4 Correcciones geométricas ........................................................ 59 3.2.4.1 Georreferenciación de imagen multiespectral SPOT Periodo 1987

3.2.4.2 Fusión de imágenes .......................................................... 61 3.2.4.3 Georreferenciación de imagen SPOT 1987 fusionada ...... 62 3.2.5 Correcciones radiométricas ...................................................... 63 3.2.5.1 Revisión imagen estudio Mares 2020 ................................ 65 3.2.6 Clasificación supervisada imagen SPOT 1987 ........................ 66 3.2.7 Análisis Multitemporal de Coberturas ....................................... 78 3.2.8 Análisis de fragmentación de coberturas naturales .................. 81 3.2.9 Espacialización de categorías de fragmentación ..................... 83 3.3 4

Justificación de la metodología .................................................... 84

Resultados y Discusión ................................................................................ 86 4.1

Resultados ...................................................................................... 86 4.1.1 Análisis multitemporal de cambio de coberturas ...................... 89 4.1.1.1 Resultados de análisis por ubicación espacial................... 90 4.1.1.1.1 Bosque denso ............................................................ 90 4.1.1.1.2 Bosque fragmentado .................................................. 91 4.1.1.1.3 Bosque de galería ...................................................... 92 4.1.1.1.4 Vegetación secundaria ............................................... 93

4.1.1.2 Resultados de análisis cuantitativos .................................. 94 4.1.1.2.1 Análisis de áreas y tasa de cambio ............................ 94 4.1.1.2.2 Matriz de transición de coberturas ........................... 100 4.1.1.3 Análisis

multitemporal

coberturas

por

servicios

ecosistémicos ................................................................................... 97 4.1.2 Análisis de fragmentación ...................................................... 101 4.1.2.1 Métrica de parche ............................................................ 102 4.1.2.1.1 Distancia euclidiana (ENN) ...................................... 102 4.1.2.2 Métricas de Clase ............................................................ 103 4.1.2.2.1 Área de clase (CA) ................................................... 103 4.1.2.2.2 Número de parches (NP) ......................................... 104 4.1.2.2.3 Densidad de Borde (ED) .......................................... 105 4.1.2.2.4 Radio de giro (GYRATE) .......................................... 106 4.1.2.2.5 Índice de Forma (SHAPE) ........................................ 107 4.1.2.2.6 Índice de Dimensión Fractal (FRAC) ........................ 108 4.1.2.2.7 Índice de proximidad (PROX)................................... 108 4.1.2.2.8 Índice de Conectividad (CONNECT) ........................ 109 4.1.2.3 Métricas de Paisaje ......................................................... 110 4.1.2.3.1 Índice de diversidad Shannon (SHDI) ...................... 110 4.1.3 Espacialización de la Fragmentación de Coberturas Naturales. 111 4.2

Discusión ...................................................................................... 116 4.2.1 Análisis de objetivos de la investigación ................................ 117 4.2.2 Discusión de preguntas de investigación ............................... 118 4.2.3 Análisis de hipótesis de investigación .................................... 130 4.2.4 Comparación con casos de estudio ...................................... 131 4.2.5 Crítica a las metodologías usadas en este estudio ................ 133

Conclusiones y Recomendaciones ........................................................... 134 5.1

Conclusiones ................................................................................ 134

5.2

Recomendaciones........................................................................ 137

Lista de Referencias ................................................................................... 138

Anexos ......................................................................................................... 146 7.1

Tabla de clasificación de ganancias perdidas y permanencias de

acuerdo con servicios ecosistémicos .................................................. 146

ÍNDICE DE TABLAS Tabla 1 Especificaciones técnicas de imágenes satélites por sensor ....... 27 Tabla 2 Área del campo Lisama por municipio. ......................................... 51 Tabla 3 Sensores LANDSAT TM y SPOT 1 .............................................. 57 Tabla 4 Imágenes SPOT Seleccionadas ................................................... 58 Tabla 5 Especificaciones técnicas imagen SPOT 7 .................................. 66 Tabla 6 Clasificación CLC Nivel 4 Campo Lisama 2020............................ 70 Tabla 7 Polígonos de entrenamiento ......................................................... 74 Tabla 8 Descripción de identificación de polígono de entrenamiento ........ 76 Tabla 9 Métricas usadas en análisis de fragmentación ............................. 81 Tabla 10 Resultado de clasificación polígonos .......................................... 86 Tabla 11 Cobertura de la tierra año 2020 .................................................. 88 Tabla 12 Área de coberturas de la tierra por época y tasa de cambio ...... 99 Tabla 13 Matriz de transición de coberturas 1987 – 2020 ......................... 94 Tabla 14 Resumen análisis de perdidas, permanencias y ganancias ....... 95 Tabla 15 resumen clasificación de áreas para bosque .............................. 99 Tabla 16 resumen clasificación de áreas para vegetación secundaria .... 100 Tabla 17 Distancia euclidiana años 1987 y 2020 .................................... 102 Tabla 18 Análisis multitemporal métrica ENN.......................................... 103 Tabla 19 Área de clase años 1987 y 2020. ............................................. 103 Tabla 20 Número de parches años 1987 y 2020 ..................................... 104 Tabla 21 Análisis multitemporal de número de parches .......................... 105 Tabla 22 Densidad de borde años 1987 y 2020 ...................................... 105 Tabla 23 Análisis multitemporal de densidad de bordes ......................... 106 Tabla 24 Radio de giro años 1987 y 2020 ............................................... 106 Tabla 25 Análisis multitemporal de radio de giro ..................................... 107 Tabla 26 Índice forma años 1987 y 2020................................................. 107 Tabla 27 Análisis multitemporal de índice de forma ................................ 108 Tabla 28 Índice de dimensión fractal años 1987 y 2020 .......................... 108 Tabla 29 Índice de proximidad años 1987 y 2020 ................................... 109 Tabla 30 Análisis multitemporal de índice de forma ................................ 109 Tabla 31 Índice de conectividad años 1987 y 2020 ................................. 110

Tabla 32 Análisis multitemporal de índice de forma ................................ 110 Tabla 33 Índice SHDI 1987 y 2020 .......................................................... 111 Tabla 34 Área espacialización de fragmentación de bosque................... 111 Tabla 35 Área espacialización de fragmentación de vegetación secundaria ........................................................................................................................... 114 Tabla 36 Tipos de pozos identificados en el Campo Lisama ................... 121 Tabla 37 Clasificación de ganancias perdidas y permanencias de acuerdo a servicios ecosistémicos ........................................................................... 147

ÍNDICE DE FIGURAS Figura 1 Espectro electromagnético. ......................................................... 25 Figura 2 Reflectancia característica de distintas coberturas de la tierra .... 26 Figura 3 representación de pixeles con cobertura bosque no bosque en una grilla 3 x3 ................................................................................................... 39 Figura 4 Categorías de fragmentación ...................................................... 40 Figura 5 Localización del campo Lisama ................................................... 50 Figura 6 DRMI Humedal San Silvestre ...................................................... 52 Figura 7 Flujograma de actividades ........................................................... 54 Figura 8 Imagen SPOT Pancromática ....................................................... 59 Figura 9 Imagen SPOT Multiespectral ....................................................... 59 Figura 10 Flujo de trabajo correcciones geométricas ................................ 60 Figura 11 Georreferenciación imagen multiespectral ................................ 61 Figura 12 Imagen fusionada campo Lisama .............................................. 62 Figura 13 Georreferenciación de imagen fusionada .................................. 63 Figura 14 Flujo de trabajo de realce radiométrico de imágenes ................ 63 Figura 15 Imagen Spot 1987 sin realce y con realce Photography enhancements tools ................................................................................... 65 Figura 16 Flujo de trabajo de clasificación supervisada de imagen SPOT 1987 ........................................................................................................... 67 Figura 17 Coberturas de la tierra campo Lisama 2020 según clasificación CLC............................................................................................................ 71 Figura 18 Detalle de imagen segmentada. ................................................ 72 Figura 19 Resultado clasificación supervisada de imagen SPOT 1987. ... 77 Figura 20 Flujo de trabajo análisis multitemporal de coberturas................ 78 Figura 21 Flujo de trabajo análisis de fragmentación de coberturas ......... 83 Figura 22 Flujo de trabajo de análisis de fragmentación ........................... 83 Figura 23 Clasificación de cobertura de la tierra a partir de imagen segmentada para el año 1987. .................................................................. 87 Figura 24 Clasificación de cobertura de la tierra a partir de cobertura capturada para el año 2020. ...................................................................... 89 Figura 25 Bosque denso años 1987 y 2020. ............................................. 91

Figura 26 Bosque fragmentado años 1987 y 2020. ................................... 92 Figura 27 Bosque de galería años 1987 y 2020. ....................................... 93 Figura 28 Vegetación secundaria años 1987 y 2020 ................................. 94 Figura 29 Espacialización de análisis multitemporal ................................. 98 Figura 30 Ubicación de ganancias, perdidas y permanencias para cobertura de bosque. ................................................................................................. 99 Figura 31 Ubicación de ganancias, perdidas y permanencias para vegetación secundaria ............................................................................. 101 Figura 32 Espacialización de fragmentación para bosque época 1987 ... 112 Figura 33 Espacialización de fragmentación para bosque año 2020 ...... 113 Figura 34 Espacialización de fragmentación para vegetación secundaria época 1987 .............................................................................................. 115 Figura 35 Espacialización de fragmentación para vegetación secundaria época 2020 .............................................................................................. 116 Figura 36 Detalle de bosque en zona de preservación DRMI Serranía de los Yariguies .................................................................................................. 122 Figura 37 Zonificación de manejo ambiental campo Lisama ................... 123

LISTADO DE ACRONIMOS ANLA: Autoridad Nacional de Licencias Ambientales CA: Class Area (Área de clase) CLC: Corine Land Cover CONNECT: Índice de conectividad DMI: Distrito de manejo integrado ECOPETROL S.A.: Empresa Colombiana de Petróleos Sociedad Anónima ED: Edge density (densidad de borde). ENN: Distancia euclidiana ESRI: Environmental Systems Research Institute FNEA: Fractal Net Evolution Approach FRAC: Índice de dimensión fractal GYRATE: Radio de giro ND: Niveles digitales NP: Número de parches NLCD: National Land Cover Database NP: Número de parches PROX: Índice de proximidad SHAPE: Índice de forma SHDI: Shannon diversity index (índice de diversidad de Shannon) SPOT: Satellite Pour l'Observation de la Terre USGS: United States Geological Survey

GLOSARIO Celda: En términos del paisaje se define como la unidad espacial funcional de análisis cuantitativo (McGarigal et al., 2002). Clase: Corresponde a una variable que caracteriza polígonos del mismo tipo en un área determinada (Mateucci, 2004). Efecto borde: “Modificación de los patrones ecológicos y procesos que ocurren alrededor del borde de dos ecosistemas adyacentes” (Fonseca y Joner, 2007, p. 613). File geodatabase: Formato de almacenamiento de bases de datos geográficas nativo de ESRI. Home Range. Área donde regularmente un individuo o un grupo de individuos faunísticos se mueve (Valderrama y Kattan, 2006). Indeterminado: Categoría de la espacialización de la fragmentación del paisaje, en donde no es posible determinar claramente la categoría de fragmentación de la cobertura presente (Riitters et al., 2000). Interior: Categoría de la fragmentación del paisaje, donde un parche se encuentra alejado de los bordes del mismo (McGarigal et al., 2002). Matriz: “Tipo de ecosistema dentro del cual se insertan los parches y corredores” (Mateucci, 2004, p 5). Mosaico: Área donde se identifican un patrón de parches de corredores y matriz (Armenteras y Vargas, 2016). Núcleo: Pixeles interiores coberturas no se afectan por el efecto de borde (Padalia et al., 2020). Parche: Unidad espacial pequeña (Mateucci, 2004) Path: Dirección Norte – Sur en la cuadricula de ubicación de escenas de satélites SPOT Perforado: “Se considera como el área de bosque a lo largo del borde interior de una perforación de bosque pequeña” (Padalia et al., 2020, p 802). Píxel: Corresponde con la unidad mínima de información que se presentan en las imágenes (Chuvieco, 1995).

Row: Dirección Este – Oeste en la cuadricula de ubicación de escenas de satélites SPOT RMS: En ingles Root Mean Square, o error medio cuadrático, el cual calcula la desviación estándar en un conjunto de valores Servicios Ecosistémicos: Beneficios directos e indirectos que se obtienen de la naturaleza (Ministerio de Ambiente y Desarrollo Sostenible, 2012). Transicional: Estado intermedio las categorías de parche, perforado y borde (Araúz Morón, 2007).

INTRODUCCIÓN La exploración/producción de hidrocarburos es una actividad económica

extractiva que genera diversos impactos ambientales ya positivos y negativos, entre ellos, el cambio de cobertura de la tierra. Este consiste en la remoción parcial o total de la capa vegetal del área para llevar a cabo la construcción de una locación de exploración/producción y su infraestructura anexa. Dicho impacto trae consigo la fragmentación en las coberturas naturales, lo que implica un cambio en la calidad de vida, alteración del paisaje y en las condiciones bióticas y abióticas en el área. Por lo anterior, el presente documento de investigación se enmarca en el área del campo Lisama Bloque Mares de ECOPETROL S.A. ubicado en el área del Magdalena medio colombiano, donde desde principios del siglo 20 han construido locaciones de exploración/producción de hidrocarburos. El Bloque Mares inició actividades de exploración/producción en 1905 (ANH, s.f.), el campo Lisama inició actividades de perforación en el año 1935. Sin embargo, solo hasta 1958, se dice que se descubrió el campo por ECOPETROL, con la perforación del pozo No. 4 (Vazquez, 2012). Lo anterior indica que esta zona ha sido objeto de actividades petroleras por más de un siglo en el Bloque Mares y de más de 50 años en el Campo Lisama, lo que se traduce en una constante intervención del territorio y por consiguiente en el cambio de las coberturas naturales a cobertura artificializadas.

1.1

Antecedentes El área de estudio de esta investigación se ubica en la zona denominada

como Magdalena medio colombiano (correspondiente a la cuenca media del valle del Rio Magdalena), en el departamento de Santander, municipios de San Vicente de Chucuri, Barrancabermeja y Betulia.

El campo Lisama pertenece al bloque Mares el cual opera bajo la Resolución 01653 de 02 de agosto de 2022 (ANLA, 2022). Este campo tiene la característica de tener unos bajos niveles de actividad, y en donde la mayoría de su infraestructura

petrolera

finalizado

actividad

asociada

exploración/producción. Es importante indicar que antes de la Resolución 01653 de 02 de agosto de 2022 (ANLA, 2022), no existía un instrumento claro que indicará los procesos restaurativos que se debían realizar, durante el abandono de infraestructura petrolera, en la mayoría de los casos no se efectuaron manejos restaurativos en zonas donde se realizó la actividad de exploración/producción de hidrocarburos. En esta zona, no solo se presentan actividades económicas del tipo extractivas, sino que además se realizan actividades económicas agropecuarias, comercio y otros servicios. De acuerdo con ECOPETROL (2021b), las actividades económicas con mayor extensión en términos de área para el Campo Lisama son las asociadas a la ganadería con un 31.75%, seguido de agricultura con un 4,93%; la explotación de hidrocarburos presenta un 0,63% del total del área del Campo Lisama. Estas tres actividades, en su respectiva extensión, son las que más generan cambios a la cobertura naturales de la tierra, ya que sus usos incluyen la remoción de la capa vegetal existente. Esta dinámica económica es la generadora del cambio de coberturas naturales a coberturas artificializadas no solo en el área de estudio, sino en general en el valle del Magdalena. En este sentido, Pedraza Álvarez y Molina Portuguez (2006) señalan como la principal causa de destrucción de ecosistemas boscosos en el valle del Magdalena Medio, a la expansión de la frontera agropecuaria, además de una explotación inadecuada de los recursos, que han llevado a hablar en la zona de

relictos de bosques. Igualmente, Galvis Aponte y Quintero Fragozo (2017) indican que en el Magdalena Medio se evidencia como el ecosistema más alterado al bosque seco tropical, debido a actividades de ganadería y pastoreo.

1.2

Objetivos

1.2.1 Objetivo General Cuantificar el impacto de la actividad petrolera en el cambio de las coberturas boscosas, a través de la caracterización de las perdidas, ganancias o persistencias de dichas coberturas, en un Campo petrolero Lisama del Bloque Mares ubicado en el Magdalena Medio Colombiano para los años 1987 y 2020.

1.2.2 Objetivos Específicos Identificar los cambios de coberturas boscosas a través del análisis multitemporal en la zona de estudio del Campo Petrolero escogido para el trabajo de investigación para los años 1987 y 2020. Cuantificar el cambio de coberturas boscosas y su grado de fragmentación por cada cobertura y a partir de los servicios ecosistémicos que presentan dichas coberturas. Analizar los cambios de cobertura y fragmentación en términos de los servicios ecosistémicos que prestan las coberturas boscosas en el área de estudio

1.3

Preguntas de investigación ¿Cuánto

han

cambiado

las

coberturas

boscosas

analizadas

independientemente y por los servicios ecosistémicos que prestan, en el periodo de tiempo en el cual se enmarca esta investigación?

¿Qué coberturas de la tierra son las que generan más procesos de fragmentación de coberturas boscosas? ¿Cuánto influyo la cobertura de explotación de hidrocarburos en el cambio y fragmentación de coberturas boscosas? ¿Como es el comportamiento de los cambios de cobertura y fragmentación analizados por cobertura y a partir de los servicios ecosistémicos que prestan las coberturas boscosas? De acuerdo con el análisis espacial de la fragmentación de las coberturas boscosas ¿Cómo se dividen los distintos tipos de fragmentación evidenciados en el área de estudio?

1.4

Hipótesis La actividad de exploración/producción de hidrocarburos en el campo

petrolero Lisama, una vez finalizada, no afecta la regeneración natural de las coberturas boscosas en el largo plazo.

1.5

Justificación Si bien la metodología de estudios ambientales del Ministerio de Ambiente y

Desarrollo Sostenible (2018) indica que se debe realizar análisis de fragmentación en dos épocas distintas, el enfoque que se da a esta investigación no se ha abordado en los estudios ambientales que ECOPETROL S.A. presenta a dicha autoridad, ya que el objetivo de dichos estudios es cumplir con lo solicitado en la mencionada metodología, y se diferencia porque: •

El periodo de análisis presentado en los estudios ambientales es corto, en promedio cinco (5) años. De acuerdo con ECOPETROL S.A. (2021a), el análisis se desarrolla en el periodo de tiempo del año 2015 a 2020 y en el

presente estudio se propone investigar una ventana de tiempo más amplia de alrededor de treinta (30) años. •

Por otro lado, los estudios ambientales mencionados no se centran en el análisis

zonas

donde

finalizado

actividad

exploración/producción de hidrocarburos, y donde no se ejecutó ninguna actividad de manejo restaurativo, para identificar si hay o no una restauración natural de la cobertura vegetal. •

Es importante agregar además que los impactos ambientales asociados a la actividad petrolera, como la remoción de la capa vegetal, o el cambio del uso del suelo, se han calificado constantemente como impactos negativos altos (ECOPETROL S.A. 2021c), debido a la capacidad del medio ambiente para poderse recuperar y la tendencia a mantenerse a lo largo del tiempo.

•

Sin embargo, no se ha planteado una investigación más de largo plazo, donde se pueda contrastar, el comportamiento de la cobertura natural de la tierra, en las zonas objeto del presente estudio, y en la cual se podría evidenciar procesos de regeneración de la vegetación propia de la zona. Este enfoque temporal, permitiría a ECOPETROL S.A. tener otra

herramienta de análisis del comportamiento de las coberturas naturales en las zonas donde realiza sus actividades de exploración/producción, para determinar la compatibilidad de dichas actividades, con la recuperación del entorno natural y por otro lado como soporte la presentación de estudios de carácter ambiental, a autoridades, que así lo requieran.

1.6

Alcance La zona escogida para realizar el estudio corresponde al campo Lisama el

cual es un campo de exploración/producción de hidrocarburos del Bloque Mares, ubicado en los municipios de Betulia, Barrancabermeja del departamento de Santander, república de Colombia. El Bloque mares (campos Llanito Lisama y

Centro) opera bajo autorización del plan de manejo ambiental dado por la Resolución 01653 de 02 de agosto de 2022 (ANLA, 2022). Por otro lado, como ejercicio académico, los análisis acá presentados, buscan estimar cual es el aporte de la actividad petrolera en la zona, a los cambios que se han presentado en la cobertura de la tierra, durante el periodo de tiempo seleccionado. Así mismo, al calcular el grado de fragmentación presente en la zona de estudio, se evidenciará el impacto de las actividades petroleras en la misma. Ahora bien, los resultados obtenidos pueden ser utilizados en la sustentación de requerimientos de las autoridades ambientales colombianas (nacionales regionales y/o locales), a la hora de evaluar impactos ambientales producto de la actividad petrolera, en términos de dar un escenario más amplio en términos temporales, en la evaluación de pérdidas de coberturas vegetales en la zona de estudio.

Revisión de literatura

2.1

Teledetección De acuerdo con Chuvieco (1995), la teledetección espacial es una técnica

de adquisición de imágenes de la tierra a partir de sensores remotos. La adquisición de dichas imágenes se puede clasificar en dos grandes grupos, a partir del tipo de sensor utilizado, los cuales se describen a continuación: •

Sensores pasivos: “Son aquellos que miden la energía, que está disponible naturalmente” (Canada Centre for Remote Sensing, s.f., p. 19).

•

Sensores activos: Dichos sensores “emiten radiación la cual es dirigida hacia el objetivo a ser investigado” (Canada Centre for Remote Sensing, s.f., p. 19).

Antes de ahondar en el tema de sensores remotos, es importante describir el fundamento por el cual son capaces de adquirir datos de la superficie terrestre.

2.1.1 Espectro electromagnético Según Elachi y Zyl (2021), la energía electromagnética es el medio por el cual la información viaja de un objeto a un sensor. Dicha información viaja en forma de onda electromagnética a la velocidad de luz, desde la fuente al sensor por reflexión, dispersión o erradicación. El espectro electromagnético se subdivide de acuerdo con la longitud de onda de cada uno de los tipos de energía. La luz del sol es la fuente de energía más comúnmente usada en teledetección. En la Figura 1, se puede observar cómo se clasifica el espectro electromagnético a partir de la longitud de onda, igualmente se muestra una ampliación de las longitudes de onda para la luz visible.

Figura 1 Espectro electromagnético. Fuente: Soria-Ruiz et al. (2016)

De acuerdo con Chuvieco (1995), es importante resaltar las bandas que más comúnmente se usan: •

Espectro Visible (0.4 a 0.7 μm): En este segmento del espectro electromagnético se encuentran las bandas azul, verde y rojo, Chuvieco (1995).

•

Infrarrojo próximo (0.7 a 1.3 μm): Es importante para poder identificar masa vegetales y concentraciones de humedad.

•

Infrarrojo medio (1.3 a 8 μm).

•

Infrarrojo lejano o térmico (8 a 14 μm).

2.1.2 Firmas espectrales Cada objeto en la superficie terrestre interactúa de una manera distinta con la energía electromagnética. En este sentido, Bautista et al. (2004, p. 457) afirman que la energía “puede ser reflejada, absorbida o transmitida. Si la proporción del flujo radiante que es reflejado, absorbido o transmitido es muy diferente para los distintos rasgos de la superficie terrestre, entonces es posible identificar objetos de acuerdo con sus propiedades espectrales”.

Como se puede observar en la Figura 2, la respuesta espectral de cada elemento varía de acuerdo con su porcentaje de reflexión y se comporta de manera distinta en las diferentes longitudes de onda (Bautista et al., 2004). Para efectos de esta investigación, es importante señalar el comportamiento de la vegetación, la cual refleja más radiación electromagnética en las longitudes de onda del infrarrojo cercano.

Figura 2 Reflectancia característica de distintas coberturas de la tierra Fuente: Bautista et al. (2004)

2.1.3 Sensores remotos pasivos En el marco de esta investigación, las imágenes obtenidas por sensores pasivos son clave para la clasificación de la cobertura terrestre, ya que permiten obtener información para las temporalidades seleccionadas, en las cuales se hizo el análisis de fragmentación propuesto. En el mercado, se puede acceder a una importante cantidad de imágenes de sensores remotos, las cuales varían de acuerdo con las características de cada

misión lanzada. En la Tabla 1, se relacionan algunos de los sensores pasivos utilizados en procesos de teledetección, los cuales cumplen con características específicas para el análisis multitemporal de imágenes, en términos de año de lanzamiento, resolución espacial, y resolución espectral. Tabla 1 Especificaciones técnicas de imágenes satélites por sensor Fuentes: CNES (2010) y USGS (s.f.) Misión

Sensor

LANDSAT MSS

LANDSAT TM

5 4 5

Bandas

Resolución espectral (µm)

Resolución espacial (m)

Fecha de Lanzamiento

0.5 – 1.1

16/06/1982

0.45 – 0.60

1/03/1984

LANDSAT TM+

0.45 – 2.35

30 – 60

15/04/1999

SPOT 1

2 HRV

0.51 – 0.89

10 – 20

21/02/1986

SPOT 5

2 HRG

0.48 – 1.75

2.5 – 20

4/05/2002

Desde el punto de vista del manejo y análisis las propiedades de las imágenes obtenidas por sensores remotos se relacionan a continuación, (Richards 2012): •

Resolución espectral: Definida como el número y localización de medidas espectrales (bandas espectrales) provistas por un sensor en particular.

•

Resolución espacial: Corresponde al tamaño de píxel de la imagen.

•

Resolución radiométrica: Descrita como el rango y el número discernible de valores discretos de brillo; dicho valor se expresa en términos de dígitos binarios.

•

Resolución temporal: De acuerdo con el Canada Centre for Remote Sensing (s.f.), corresponde al periodo de tiempo que le toma a un satélite en completar un ciclo entero orbital.

2.1.4 Corrección de imágenes satelitales Las imágenes obtenidas de sensores remotos pueden contener errores asociado a su geometría o en la medida de los valores de brillo de los pixeles.

Dichos errores deben ser corregido para que la exactitud de la interpretación de las imágenes no se vea perjudicada (Richards, 2012).

2.1.4.1

Correcciones radiométricas

Bautista et al. (2004 p. 473), indican que las correcciones radiométricas se realizan “para suprimir los efectos cuyas magnitudes no son conocidas, tales como la dispersión atmosférica”. El proceso consiste en convertir la información de los pixeles de una imagen cruda de niveles digitales (ND) a niveles de reflectancia, sin los efectos de la atmosfera (Cabrera Montenegro et al., 2011).

2.1.4.2

Correcciones geométricas

De acuerdo con Cabrera Montenegro et al. (2011), las correcciones geométricas se usan para ajustar desplazamientos y distorsiones que pueda presentar una imagen, los cuales pueden ser causados por varios factores, entre ellos, la inclinación del sensores y el relieve, entre otros.

2.1.5 Clasificación de imágenes La clasificación de imágenes incluye etiquetar los pixeles a una clase en particular, de acuerdo con su información espectral. Este proceso automáticamente categoriza todos los pixeles de una imagen, en clases de cobertura de la tierra (Long y Srihann, 2004). Existen dos métodos ampliamente utilizados en la clasificación de imágenes: el método de clasificación no supervisado y el método de clasificación supervisado. Según Chuvieco (1995), se pueden definir como se lista a continuación:

Método de clasificación no supervisado: Este método clasifica las imágenes de acuerdo con agrupaciones de clústeres con características espectrales similares, las cuales generaran clases temáticas. Este método no requiere de conocimiento del área de estudio. Método de clasificación supervisado: Este método supone un conocimiento del área de estudio, donde se debe escoger Training fields, o áreas de entrenamiento que suponen un reconocimiento de las distintas clases en las que se clasificará una imagen, una vez capturados estas áreas, serán asignadas al resto de pixeles de la imagen, de acuerdo con sus ND.

2.2

Análisis de fragmentación La fragmentación del paisaje es un proceso asociado la acción antrópica

negativa. Según Miao et al. (2021, p. 1), “se refiere en una continua conversión de paisajes continuo a parches discontinuos”, que afecta a las condiciones bióticas (fauna y flora) del lugar donde se realiza determinada intervención. Esta afectación se presenta al cambiarse la cobertura y el uso del suelo, generalmente por coberturas y usos asociados a actividades económicas; creando parches de áreas. El concepto de fragmentación se ha basado mayoritariamente en dos desarrollos teóricos: islas biogeográficas de Mac Arthur y Wilson (1967, citados en Collinge, 1996). La teoría de islas biogeográficas indica tanto como el tamaño como la distancia de dichas islas a zonas continentales es un factor determinante para la cantidad de especies presentes en ellas, tasas de extinción; aunque la teoría fue formulada para islas oceánicas, las predicciones pueden ser aplicables para especies de fauna y flora continentales. Por otro lado, también se explica a partir de la teoría de dinámicas de metapoblación de Levins (1969, citado en Collinge, 1996, p. 62), la cual se define como

“un

conjunto

grupos

espacialmente

separados

individuos

conespecíficos (de una misma especie), de acuerdo con esta teoría las poblaciones

de organismos pasan por periodos de colonización, así como de extinción, mientras que la metapoblación como un todo persiste indefinidamente”. Sin embargo, la idea fue introducida más temprano por Curtis (1956) y Moore (1962) citados en Fahrig (2019), exactamente cómo suena, la ruptura del hábitat. De acuerdo con EUROPARC (2009 p. 10): La fragmentación del paisaje es la última etapa de un proceso de alteración del hábitat en el que la disminución de su superficie, el aumento del efecto borde y la subdivisión se hacen mayores hasta llegar el punto en el que el paisaje pierde su funcionalidad, al quedarse los elementos aislados unos de otros. Según Andrén (1994); Fahrig (2003); Saunders et al. (1991); citados en Santos y Tellería (2006, p. 4): Con la fragmentación y destrucción de un hábitat se produce un cambio progresivo

configuración

del

paisaje

que

puede

definirse

adecuadamente mediante las tendencias de cinco variables paisajísticas que cambian simultáneamente y que tienen, en conjunto, una incidencia perniciosa sobre la supervivencia de las especies afectadas, las cuales son: •

Una pérdida regional en la cantidad de hábitat,

•

Una disminución del tamaño medio y un aumento del número de los fragmentos de hábitat resultantes

•

Un aumento de la distancia entre fragmentos

•

Por último, se produce un aumento de la relación perímetro/superficie y, por consiguiente, una mayor exposición del hábitat fragmentado a múltiples interferencias procedentes de los hábitats periféricos, conocidos genéricamente como “matriz de hábitat”. Se da así un creciente efecto de borde que origina un deterioro de la calidad del hábitat

en regresión, afectando a la supervivencia de las poblaciones acantonadas en los fragmentos Por otro lado, Fahrig (2019) afirma que se confunde la fragmentación del hábitat con la cantidad de hábitat, extrapolando los tamaños de los parches y los efectos de aislamiento a los efectos de fragmentación del hábitat. Lo anterior lo sustenta en el hecho del trabajo realizado en simulaciones las cuales no mostraron casi efectos de fragmentación, pero si mostraron efectos positivos en la cantidad de hábitat. En esta línea, Rybicki et al. (2020) afirman que los efectos positivos de la fragmentación han sido atribuidos a numerosas causas incluyendo y no limitando al aumento de la conectividad funcional, diversidad en los tipos de hábitat, persistencia de los sistemas de predador – presa y el descenso de la competencia intra e interespecífica.

2.2.1 Métricas para medición de fragmentación del paisaje Es importante indicar que, en el análisis del paisaje y según Armenteras y Vargas (2016), el modelo más aplicado para poder definir el mismo, es el de parchecorredor- matriz. Dichos elementos son definidos según McGarigal et al. (2002) así: •

Parche: desde la perspectiva ecológica, son áreas discretas y

homogéneas en términos de sus condiciones ambientales, donde se pude evidenciar sus límites a través de discontinuidades •

Corredor: Se define como paisajes lineales usualmente conectados

con parches de vegetación similar. •

Matriz: Es el elemento más conectado dentro de un paisaje, está

compuesto usualmente por parches, además en términos de área es el elemento dominante en paisajes con parches más pequeños. Gran cantidad de métricas han evolucionado para describir los patrones de paisaje, sin embargo, a pesar de esta diversidad de herramientas para describir

dichos patrones se enfocará esta revisión en algunas de las más ampliamente usadas. McGarigal et al. (2002) indican que las métricas de paisaje se pueden clasificar de acuerdo con aspectos del patrón de paisaje medidos así: •

Área y borde

•

Forma

•

Área interior

•

Contraste

•

Aislamiento

•

Agregación

Además, para cada uno de los grupos mencionados las métricas se pueden clasificar en tres grandes grupos que se indican a continuación (McGarigal et al., 2002): •

Métricas de parche: este grupo de métricas se calcula para cada parche en un paisaje dado

•

Métricas de clase (cobertura): este grupo de métricas se calcula para cada parche o clase en un paisaje dado

•

Métricas de paisaje: este grupo de métricas se calcula para el parche o mosaico entero.

2.2.1.1

Métricas de parche

Área interior: Mateucci (2004, p. 12) describe estas métricas como “una variable directa que se obtiene restando al tamaño del parche el espacio ocupado por el borde”. Dicha métrica se expresa a partir de la siguiente formula (McGarigal et al., 2002):

Donde:

A=a

1 10000

33 a = área interior (m²) del parche ij basado en a profundidad específica del borde (m).

Distancia euclidiana al vecino más cercano (ENN): McGarigal et al. (2002, p. 137) define esta métrica como “la distancia al parche vecino más cercano del mismo tipo, basado en la distancia más corta de borde a borde. Nótese que la distancia borde a borde se mide de centro a centro de cada celda”. Donde:

ENN = h

h = distancia (m) desde parche ij al parche vecino más cercano del mismo tipo (clase), basado en la distancia de borde a borde de parches, calculada centro a centro de cada celda.

2.2.1.2

Métricas de clase

Área y borde: identifican el tamaño de parches y la cantidad de bordes creados por los parches, con respecto al área es el índice más básico dentro de las métricas de medición al solo informar dicho valor por parche, sin embargo, tiene gran utilidad, en primera instancia por ser la base de otros índices, sino además porque a partir de este, se puede correlacionar la riqueza de las especies con el tamaño de cada parche. Para calcular el área se usa la siguiente formula (McGarigal et al., 2002):

1 10000

Donde:

a = área (m²) del parche ij.

Se divide en 10000 para expresar el valor en hectáreas. Por otro lado, el borde se puede definir como la suma de los perímetros de los parches, para este tipo de indicador se puede hablar específicamente de la densidad de borde la cual, de acuerdo con ECOPETROL S.A. (2021a), corresponde a la sumatoria de todos los perímetros de borde de una clase dividida entre el área total del paisaje, a medida que la densidad de borde es mayor se evidencia que

estas clases son más susceptibles a procesos de fragmentación. Este indicador se define de acuerdo con la siguiente formula (McGarigal et al., 2002): D=

ª (

)

Donde:

= longitud total (m) de bordes en paisaje envolviendo un tipo de

parche (clase). A = Total de área del paisaje (m²).

Numero de parches: número de parches correspondientes a una clase de parche y se define de acuerdo con la siguiente formula (McGarigal et al., 2002):

Donde:

NP = n

n =número de parches de tipo de parche (clase).

Radio de giro: corresponde a la distancia media entre cada celda en un parche y el centroide del parche, se define de acuerdo con la siguiente formula (McGarigal et al. 2002): GYRATE =

Donde:

& '

"#$% &

h ' = distancia (m) entre la celda ijr (localizada al interior del parche ij)

y el centroide del parche ij (ubicación promedio), basada en la distancia centro celda – centro celda. Forma: identifican la forma de los parches (geometría), entre ellos se puede

referenciar específicamente el índice de diversidad de forma de Patton que según Galván-Guevara et al. (2015), si el índice es 1 la forma será semejante a un círculo, y a medida que el valor de este indica aumente la forma será cada vez más compleja acentuado el efecto borde. La expresión matemática de este índice se relaciona a continuación:

DI =

Donde:

P × √Π × √a 2

P: Perímetro de cada fragmento. a: área de cada fragmento Este índice se agrupa en cinco intervalos así: Redondo: menor a 1.25. Oval redondo: entre 1.125 y 1.5. Oval oblongo entre 1.5 y 1.75. Rectangular: entre 1.76 y 2. Amorfo: mayor a 2. Índice de forma: De acuerdo con ECOPETROL S.A. (2021a, p. 43) “Este parámetro es equivalente a la relación del perímetro del fragmento dividido por la raíz cuadrada del área del fragmento ajustada con una constante para el ráster” se define de acuerdo con la siguiente formula (McGarigal et al. 2002): SHAPE = Donde:

p a

. 25p √a

= Perímetro (m) del parche ij. = área (m²) del parche ij.

Índice de dimensión fractal: De acuerdo con ECOPETROL S.A. (2021a) es una medida de que tan complejas pueden ser las formas de las teselas y es una de las métricas más acertadas para la cuantificación de la fragmentación. Se define de acuerdo con la siguiente formula (McGarigal et al., 2002): FRAC = Donde:

p a

2 ln( ⋅ 25p ) ln a

= Perímetro (m) del parche ij. = área (m²) del parche ij.

El rango de este índice varía entre 1 y 2 donde una dimensión fractal aproximándose a 1 corresponde a formas de parches muy simples (cuadrados) y al acercarse a dos las formas son más complejas (McGarigal et al., 2002). Área interior total: corresponde a la sumatoria de las áreas interiores (en métrica de parche), sobre todos los parches de una clase de parche especifica. Se expresa de acuerdo con la siguiente formula (McGarigal et al., 2002): 8

Donde:

1 10000

= área interior (m²) del parche ij basado en una profundidad de

borde especifica. Contraste: Se refiere al grado de diferencia entre parches adyacentes con respecto a atributos ecológicos entre más diferencia haya en los parches más se evidencia el efecto de borde. Ahora bien, para definir que atributos ecológicos se deben incluir para evaluar esta variable se debe tener en cuenta la función de los mismos, es así como se debe asignar valores ponderados llamado coeficientes de similitud, los cuales varia de 0 a 1 (Mateucci, 2004) Para evaluar esta variable se puede usar el índice densidad del contraste del borde ponderado (m/ha), el cual se calcula multiplicando la longitud de los bordes entre los parches de la cobertura focal y con el resto y se multiplica por el coeficiente de similitud. Se expresa de acuerdo con la siguiente formula (McGarigal et al., 2002): IDCB: =

Donde:

∑

(e d ) (10000) A

e d = Longitud total (m) del borde en paisaje entre tipos de parches

(clases) i y k; incluye segmentos de los límites del paisaje que involucran el parche tipo i. d

= Disimilitud (ponderación del contraste del borde) entre los

tipos de parche i y k. A

= Área total del paisaje (m).

Agregación: se refiere a la tendencia de los parches a estar espacialmente agregados. Entre estos índices se puede destacar el índice de proximidad, el cual cuantifica el grado de aislamiento entre los parches, teniendo en cuenta la totalidad de parches en un radio de búsqueda especifico y previamente definido (ECOPETROL S.A., 2021a). Cuando los valores del índice son cero se dice que no hay parches del mismo tipo en el radio de búsqueda definido; a medida que el vecindario está ocupado por parches de mismo tipo del parche focal, y esos parches son más cercanos y menos fragmentados el índice también aumenta Se define de acuerdo con la siguiente fórmula matemática (McGarigal et al., 2002): PROX =

a ?

h@ ?

Donde:

a ? = área m² del parche ijs al interior de un vecindario especificado

(radio de búsqueda).

H @? = distancia (m) entre el parche ijs, basada en la distancia de borde

a borde, computada desde el centro de una celda al centro de otra celda

También se destaca el índice de conectividad el cual corresponde al “grado de conexión física entre los parches que conforman un paisaje, siendo un indicador directo de conectividad espacial” (ECOPETROL S.A., 2021a, p. 46). Este índice se define de acuerdo con la siguiente fórmula matemática (McGarigal et al., 2002). CONNECT = B Donde:

∑D c F (100) n (n − 1) 2

c = conexión entre parche j y k (0 = a no conectado, 1 = conectado)

del correspondiente tipo de parche (i), basado en un umbral especificado

n = número de parches en el paisaje del correspondiente tipo de

parche (clase)

2.2.1.3

Métricas de paisaje

De acuerdo con ECOPETROL S.A. (2021a), el número de parches es la cantidad de parches de una clase determinada en un área objeto de estudio. Diversidad: según Ramos Bedaña (2004, p. 17), “los índices de diversidad son generalmente calculados en base a la riqueza de especies y la uniformidad (en ocasiones conocida como equitatividad) de la contribución de las diferentes especies a la comunidad”. Se destaca el índice de diversidad de Shannon, que según ECOPETROL S.A. (2021a), refleja la distribución proporcional de los distintos ecosistemas dentro de un área de estudio y es especialmente sensitivo a la rareza de algunos ecosistemas. Ahora bien, la cuando el valor de este índice es cero, esto indica que el paisaje solo contiene un parche (en consecuencia, no hay diversidad); el valor de este índice aumenta a medida que el número de diferentes parches aumenta y/o la distribución proporcional del área entre parches se vuelve más equitativa; se define de acuerdo con la siguiente expresión (McGarigal et al. 2002): GHIJ = 1 − Donde

KL =

KL@

Proporción del paisaje ocupado por un parche tipo (clase) i.

2.2.2 Espacialización de la fragmentación Usando un modelo que distingue distintas formas de fragmentación Riitters et al. (2000). exponen como se puede especializar dichas formas de fragmentación. En ese sentido, dicho modelo mide la cantidad de coberturas boscosas y su ocurrencia como pixeles forestales adyacentes al interior de ventanas de áreas fijas, que rodean cada píxel de cobertura boscosa.

El modelo define las siguientes variables: •

Pf: la proporción de pixeles en la ventana a evaluar, que corresponden a coberturas boscosas.

•

Pff: La proporción de todos los pares de pixeles adyacentes (en direcciones cardinales), que incluyen al menos un píxel con cobertura boscosa. Esta variable, estima la probabilidad condicional de que, dado un píxel de cobertura boscosa, su vecino también lo sea.

La Figura 3 representa una grilla de pixeles de 3 x 3 donde los pixeles sombreados corresponden a zonas con cobertura boscosa y los blancos a zonas con otras coberturas. Se observa que seis de los 9 pixeles corresponde a coberturas boscosas, lo que es equivalente a Pf = 6/9 o 0.67. Por otro lado, de acuerdo con la adyacencia de pares de pixeles en direcciones cardinales, se evidencia que el número total de pares de pixeles es 12 y 11 de estos pares incluyen al menos un píxel con cobertura boscosa; de esos 11 5 corresponde a pares con coberturas boscosas en ambos pixeles, por lo cual Pff = 5/11 o 0.45.

Figura 3 representación de pixeles con cobertura bosque no bosque en una grilla 3 x3 Fuente Riitters et al. (2000).

El modelo usado por Riitters et al. (2000) finalmente clasifica la fragmentación en seis categorías: 1. Interior: donde Pf = 1.0 2. Parche: donde Pf < 0.4

3. Transicional: donde 0.4 < Pf < 0.6 4. Perforado: donde Pf > 0.6 y Pf – Pff > 0 5. Borde: donde Pf > 0.6 and Pf – Pff < 0 6. Indeterminado: donde Pf > 0.6 y Pf = Pff De manera esquemática, Riitters et al. (2000) explican las variables utilizadas, así como su incidencia en los distintos tipos de fragmentación expuestos, en ese sentido expone que Pf es la proporción de coberturas boscosas y Pff es la probabilidad condicional de que un píxel dado de cobertura boscosa su vecino también lo sea (ver Figura 4).

Figura 4 Categorías de fragmentación Fuente Riitters et al. (2000)

2.3

Análisis Multitemporal Molina y Albarran (2013, p. 26) exponen que “la dimensión temporal de los

paisajes permite, a través del establecimiento de comparaciones entre momentos históricos diferentes, precisar el estado pasado y actual de determinados paisajes, lo que marcará la evolución del paisaje en el tiempo”. Según Jianya et al. (2008), se puede agrupar en dos grandes vertientes los análisis multitemporales: análisis de cambios bitemporales, el cual es el más ampliamente usado y corresponde a la comparación directa en dos épocas y, por

otro lado, análisis de trayectoria temporal; se basa en la captura de datos de fuentes con altas resoluciones temporales, pero con la condicionante de tener baja resolución espacial. Para expresar cuantitativamente los cambios que se evidencian en el análisis multitemporal, ECOPETROL S.A. (2021a, p. 3) indica que se puede evidenciar tres tipos de escenarios: perdida, ganancia o permanencia. Las perdidas en general se refieren al paso de una cobertura natural hacia una artificial o en otras palabras sucede cuando se da la transformación de la naturaleza o uso de cierta cobertura hacia una condición menos benéfica para los servicios ecosistémicos. Las ganancias tienen que ver con el cambio de una cobertura hacia una condición más natural que beneficia los ecosistemas locales. Finalmente, la permanencia tiene que ver con la persistencia de las condiciones de una cobertura, lo anterior cuantificado en cambios medidos en área. La cuantificación de cambios se puede expresar de acuerdo con la ecuación de tasa de cambio (FAO, 1996 citado en Velázquez et al., 2002) la cual se muestra a continuación

Donde

NOP = Q

G2 T S −1 G1

Tca = Tasa de cambio anual (medida en porcentaje) S2= Superficie en la fecha 2. S1= Superficie en la fecha 1. N= Número de años entre los periodos evaluados. Valores positivos de este indicador significan ganancias en área a través de las años evaluados y valores negativos significan perdidas. Otro enfoque del análisis multitemporal de coberturas para expresar las ganancias, pérdidas y permanencias es a través de la evaluación de los servicios

ecosistémicos que pueda proveer cada cobertura; Los servicios ecosistémicos se pueden definir de acuerdo con EMM (2005) citado en Ministerio de Ambiente y Desarrollo Sostenible (2012 p. 5) “Los servicios ecosistémicos son los beneficios directos e indirectos que la humanidad recibe de la biodiversidad y los cuales son el resultado de la interacción entre los diferentes componentes, estructuras y funciones que constituyen la biodiversidad.” Dichos servicios se clasifican de acuerdo con Assessment Millennium Ecosystem (2005 p. 40) en: •

“Servicios de aprovisionamiento: son aquellos productos que se obtienen de los ecosistemas, incluyendo: alimentos, fibras, madera, medicinas, ornamentos, agua”.

•

“Servicios de regulación: son los beneficios que se obtiene de la regulación de los procesos de los ecosistemas, incluyendo: regulación de la calidad del aire, regulación del clima, regulación del agua, regulación de la erosión, purificación del agua”, entre otros.

•

“Servicios culturales: son los beneficios que las personas obtiene del ecosistema, a través del enriquecimiento espiritual, desarrollo cognitivo, la reflexión, recreación y experiencias estéticas”.

•

“Servicios de soporte: Son aquellos necesarios para la producción de los otros servicios ecosistémicos. Difieren de los anteriores servicios en que los impactos sobre las personas son indirectos y ocurren en un largo tiempo, entre ellos tenemos: formación del suelo, fotosíntesis, producción primaria ciclos de nutrientes, ciclo del agua”, y también la provisión de hábitat o conservación de bosques.

De acuerdo con lo anterior para esta investigación es importante analizar los cambios de coberturas que generen servicios de soporte en especial de provisión de hábitat y conservación de bosques.

2.4

Casos de estudio

2.4.1 Casos de estudio de clasificación de imágenes satelitales La clasificación de coberturas de la tierra a partir de imágenes de sensores remotos es una técnica ampliamente utilizada en distintos estudios, ya que permite obtener información de dichas coberturas de una manera rápida y económica. Congalton et al. (2002) elaboraron un estudio llamado ‘Evaluación de técnicas de mapeo con señores remotos para vegetación riparia’, cuyos objetivos eran evaluar las técnicas de mapeo de coberturas riparias a partir de sensores remotos disponibles en la época del estudio y evaluar nuevas técnicas de captura para proyectos de clasificación de coberturas riparios futuros. Este estudio usó como insumos imágenes Landsat TM e imágenes ortorectificadas

fotografía aérea

convencional,

como software de

procesamiento ArcInfo. Se realizó una clasificación clásica de interpretación visual de coberturas a lo largo de las corrientes de las cuencas del área de estudio en la cuenca del río Yaquina en el estado de Oregon (Estados Unidos), para identificar las coberturas riparias, y se procedió a comparar que tan efectiva fue la captura de los polígonos con la imagen Landsat, contrastando la misma captura realizada con la imagen área. El resultado obtenido indicó que solo se obtuvo un porcentaje de coincidencia entre ambas imágenes que rondaba el 30%, debido principalmente a las limitaciones de resolución espacial de la imagen Landsat, la cual es de 30 metros, por lo que los autores sugieren no usar este tipo de imágenes en la toma de decisiones de política pública para el manejo de vegetación riparia.

Sin embargo, dejan la perta abierta al uso de imágenes de sensores más recientes (como por ejemplo IKONOS) con una resolución espacial mayor, que permitan identificar, con una mayor certeza las coberturas objeto del estudio. Liu y Xia (2010) elaboraron el estudio llamado ‘Evaluando la clasificación basada en objetos: ventajas y limitaciones’, el cual tenía como objetivo evaluar la clasificación de imágenes de acuerdo a la metodología basada en objetos, cuantificando los errores del potencial impacto de la baja segmentación de imágenes y por otro lado evaluaron las ventajas y limitaciones de la clasificación por objetos cuantificando el efecto en general al respecto de las unidades de clasificación y las características de la misma. Se usó una imagen multiespectral del sensor QuickBird del área de Oakland (California) con fecha del 24 de marzo de 2003, la cual se interpretó manualmente, para obtener una clasificación de coberturas de referencia. El proceso de clasificación inició utilizando un algoritmo de segmentación basado en Fractal Net Evolution Approach (FNEA), el cual segmenta las imágenes de regiones pequeñas a más grandes. Posteriormente se evaluó cuantitativamente las zonas sobre segmentadas (aquellas zonas donde un objeto es dividido en múltiples y más pequeños objetos) y zonas sub segmentadas (aquellas zonas donde un objeto cubre más de una clase de cobertura). También se evaluó el efecto general de las unidades de clasificación de pixeles a objetos en la imagen, el cual dio resultados positivos en términos de exactitud temática para escalas menores a 40 pixeles, caso contrario se evidenció en objetos mayores a 40 pixeles. De acuerdo con lo anterior, en el estudio se afirmó que los objetos clasificados a escalas pequeñas usualmente se presentan sobre-segmentados y en escalas grandes se presentan más objetos sub-segmentados.

2.4.2 Casos de estudio de fragmentación de coberturas Los análisis de fragmentación de paisaje son una herramienta muy utilizada en la actualidad. Permite inclusive a autoridades ambientales tomar decisiones de carácter legal, el Ministerio de Ambiente y Desarrollo Sostenible, (2018, p. 70), en su ‘Metodología General para la Elaboración y Presentación de Estudios Ambientales’, exige a un peticionario de licencia ambiental elaborar análisis de fragmentación, “que permitan definir el estado actual del área de estudio y la dinámica de la zona en términos de tamaño, número de parches, aislamiento, forma y de la identificación de los agentes que más contribuyen con el cambio”. A continuación, se relacionan algunos casos de estudio donde se evalúa la fragmentación de paisaje: Galván-Guevara

et al.

(2015)

realizaron

estudio

denominado

‘Determinación de la fragmentación del bosque seco del arroyo Pechelín, Montes de María, Caribe, Colombia’. Su objetivo era determinar en qué grado de fragmentación se encuentra el corredor biológico del arroyo Pechelín. En este estudio, se usaron tanto herramientas libres como licenciadas para el procesamiento digital de imágenes (entre ellas Google Earth Pro, PTGui, ArcGis). Para el estudio, se usó el índice de grado de fragmentación, el cual se determinó dividiendo el área del bosque por el área total, obteniendo valores para en el rango de 0 a 1, A mayor valor obtenido para este índice, menor es la fragmentación que presenta el bosque analizado. Por otro lado, se usó el índice de continuidad espacial; este índice arroja valores dentro de la escala logarítmica natural, donde valores máximos indican que hay mayor continuidad de coberturas) o mínimos (mayor fragmentación de estas). Además, se evaluó el índice de diversidad de forma de Patton, el cual indica que formas pueden presentar los fragmentos de las coberturas naturales, las cuales de acuerdo con el valor calculado pueden ir de circulares hasta amorfas.

La investigación arrojo datos de zonas fragmentadas en la categoría de insulares (alto grado de fragmentación de bosques), igualmente la cobertura se categoriza como discontinua, y con formas predominantemente irregulares, lo que se traduce en un aumento del efecto de borde, que afecta a las especies naturales de fauna y flora presentes en el área de estudio. De acuerdo con lo anterior, los autores concluyen que la cobertura de bosque seco se encuentra altamente fragmentada, debido a actividades económicas, que cambian el uso del suelo, en especial la ganadería, que introduce pastos en zonas naturales. Ramos Bedaña (2004) presentó el estudio ‘Estructura y composición de un paisaje boscoso fragmentado: Herramienta para el diseño de estrategias de conservación de la biodiversidad’, el cual tenía como objetivo “Contribuir al conocimiento en el manejo del paisaje dentro del Corredor Biológico Mesoamericano como base para la conservación de los bosques neotropicales y su biodiversidad y, en particular, como un aporte al diseño de corredores biológicos” (Ramos Bedaña, 2004, p. 2). Este estudio tiene un enfoque fuerte en la caracterización florística del área de estudio, y en ese sentido como primera parte a partir de levantamiento de información en campo se determinaron parcelas de muestreo de vegetación en cobertura boscosas, con la captura de información primaria, se obtuvo datos de parámetros dasométricos de las especies presentes en las parcelas realizadas, los cuales permitieron realizar una clasificación de os bosques a partir de dichos parámetros. El análisis de fragmentación realizado en este estudio se basó principalmente en métricas directas, como el número de parches, densidad de parches, áreas promedio de parche, a partir de estas métricas, se concluyó que la zona norte del área de estudio presentaba una baja fragmentación de las coberturas boscosas, en comparación con la zona sur.

Además, se evaluaron métricas de fragmentación que calculan la agregación de parches, entre ellas se puede mencionar promedio distancia euclidiana al vecino más próximo, Índice de disgregación, índice de contagio, entre otras. A partir de las mencionadas métricas, la autora del estudio indica que los valores obtenidos para los sectores norte y sur del área de estudio refuerzan los resultados de fragmentación obtenidos con las métricas directas, al encontrar una alta agregación de parches de bosque en la zona norte, y valores más bajos en la zona sur, lo que se traduce en valores mayores de fragmentación de coberturas boscosas. El estudio utilizó imágenes Landsat TM del año 2001 para realizar los análisis mencionados. Mas y Correa Sandoval (2000) elaboraron un estudio denominado ‘Análisis de la fragmentación del paisaje en el área protegida “Los Petenes” Campeche, México’. La interpretación de las coberturas de la tierra se realizó a partir de clasificación visual sobre fotografías áreas de la zona de estudio, y digitalizadas para ser incluidas en una base de datos geográfica. En este estudio se eligió utilizar métricas de fragmentación a nivel de parche y paisaje; entre las métricas a nivel de parche se utilizaron los índices de forma y la dimensión fractal, para determinar la forma de los parches y para medir la distancia entre parches se usó el índice de proximidad. A partir del área de los parches se identificó que en el área de estudio existen parches de áreas considerables con una riqueza importante de fauna y flora; la forma de los parches indicó que no se evidencia formas complejas presentes en paisajes deforestados. A nivel de paisaje se utilizó el índice de Simpson el cual varía entre 0 y 1, donde 0 es ausencia de diversidad y valores cercanos a uno cuando hay varios tipos de parches y la distribución entre ellos es más homogénea. De acuerdo con los resultados obtenidos, los autores encontraron área con una alta diversidad de coberturas, que redunda en parches más pequeños y menos especies, asimismo, encontraron zonas con una baja diversidad correspondientes

a grandes extensiones. Por otro lado, concluyen que los patrones de fragmentación en una zona de estudio son producto de procesos naturales.

2.4.3 Casos de estudio de análisis multitemporal de cobertura Marín Valencia et al. (2018) realizaron un análisis multitemporal para del paisaje para el municipio de Puerto Berrio (Magdalena medio antioqueño) en los años 1985, 2001 y 2011. Se utilizaron fotografías aéreas de 1985, imágenes SPOT de 2001 e imágenes RapidEye para el periodo 2011, para realizar la clasificación de cobertura de la tierra en el área de estudio. Igualmente, el procesamiento de estas se realizó en los softwares ERDAS, IDRISI y ArcGIS. La caracterización de la fragmentación del paisaje se realizó para cada uno de los periodos, usando métricas de paisaje y clase, entre las que se tiene, área de clase, número de parches, distancia al vecino más cercano. A nivel de paisaje se evidencio que el paisaje se encontró una mayor cantidad de parches y densidad de estos para el año 2001, lo cual a pesar de las distintas resoluciones espaciales de los insumos utilizados para la captura de las coberturas de la tierra (que posibilitan un mayor o menor detalle en la captura de estas), dan una idea del grado de transformación de las coberturas para este año. A nivel de clase, se identificó que la clase dominante del área de estudio corresponde a pastos, en los años 1985 y 2011, seguido por los bosques, los cuales presentaron un aumento en cobertura para el año 2011, sin embargo, distribuida en muchos parches, lo que se traduce en una gran fragmentación. Ahora bien, el análisis multitemporal realizado arrojo una pérdida de bosque para el periodo 1985-2001 y una tendencia homogeneizadora de coberturas para el periodo 2001-2011 donde se disminuyeron los parches de otras coberturas en favor de los pastos, lo cual se explica a partir de las actividades ganaderas de la zona.

Específicamente para la zona de estudio de esta investigación, ECOPETROL S.A. (2021a), presentó a la Autoridad Nacional de Licencias Ambientales (ANLA), un análisis multitemporal, de conectividad y de fragmentación, en el marco de la Modificación del Plan de Manejo Ambiental Integral de Mares, el cual pretende identificar los cambios y el efecto de la fragmentación en un periodo de 5 años (2015-2020). Como insumos principales este estudio usó la clasificación de coberturas de la tierra realizadas en el marco de la caracterización de la línea base ambiental del mismo. Específicamente para las coberturas boscosas, el análisis multitemporal del área de estudio, evidencio permanencias y perdidas de áreas de esta cobertura, en favor de coberturas como vegetaciones secundarias o pastos. Se explica dicha situación por las actividades madereras y de expansión agropecuaria que se presentan de la zona. El estudio realizó igualmente un análisis de fragmentación de coberturas naturales para los periodos anteriormente señalados, usando métricas a nivel de parche, clase y paisaje. A nivel de parche se evaluó la distancia euclidiana al vecino más cercano, encontrando que, las mayores distancias entre parches del mismo tipo corresponden a coberturas boscosas. A nivel de clase, al evaluar el área total de cada clase se evidencio un aumento en área de las coberturas boscosas, no necesariamente por procesos de regeneración naturales o inducidos, sino la mejor interpretación de coberturas realizada para el periodo 2020. Este estudio realizó también el análisis de la fragmentación a nivel espacial (de acuerdo con lo expuesto en el numeral 2.2.2), evidenciado que para toda el área de estudio solo se encuentra un 5.4% en la categoría de núcleo, las cuales, de acuerdo con los autores, son áreas importantes para hábitats de especie.

Metodología

3.1

Área de estudio El campo de exploración/producción Lisama se encuentra al interior del

bloque Mares (el cual también incluye el Bloque Centro y el Bloque Llanito), en el departamento de Santander (Colombia), específicamente en los municipios de San Vicente de Chucurí, Barrancabermeja y Betulia (ver Figura 5).

Figura 5 Localización del campo Lisama

El campo Lisama tiene un área de 15,812 hectáreas, distribuidas en tres municipios, de acuerdo con lo relacionado en Tabla 2.

Tabla 2 Área del campo Lisama por municipio. Campo

Lisama

Municipio San Vicente de Chucurí Barrancabermeja

Área HA

Betulia

644

Total

15,812

De acuerdo con ECOPETROL S.A. (2021d)

13,772 1,397

la temperatura media en la

zona es de 27.9 °C, y la precipitación media de 2,908.6 mm, ubicándose igualmente en las provincias de humedad Húmedo y Muy húmedo, y de acuerdo con la zonificación climática de Caldas-Lang, se ubica en las zonas Cálida húmeda y Cálida muy húmeda. El área del campo Lisama se superpone con áreas protegidas de orden regional, que restringen las actividades de exploración/producción de hidrocarburos las cuales se listan a continuación (ver Figura 6): •

Distrito Regional de Manejo Integrado Humedal San Silvestre.

•

Distrito Regional de Manejo Integrado Serranía de los Yariguies.

Figura 6 DRMI Humedal San Silvestre Basado en datos de ECOPETROL S.A. (2021e)

3.2

Descripción de la metodología Las metodologías usadas en esta investigación están enfocadas en la

determinación cuantificable del impacto que ha tenido la actividad de petrolera en el campo Lisama, sobre las coberturas vegetales. De acuerdo con los casos de estudio relacionados en el numeral 2.4, como punto de partida en común siempre se debe contar con imágenes de sensores remotos de las respectivas áreas de estudio, las cuales deben ser clasificadas para identificar qué tipo de coberturas están presentes.

Los métodos de clasificación de imágenes de sensores remotos pueden diferir en la técnica usada como la interpretación visual convencional usado en Congalton et al. (2002), o de clasificación supervisada por objetos el cual fue usado en Liu y Xia (2010). En esta investigación se optó por usar una combinación de las técnicas mencionadas, en primera instancia se hizo uso de la clasificación por objetos hasta llegar al nivel de segmentación, y posteriormente se realizó una interpretación y ajuste de polígonos por interpretación visual, esto ofreció un grado mayor de control y exactitud a la hora de obtener una clasificación más acertada, de las coberturas pernetes en el área de estudio. Con respecto a los análisis multitemporales y de fragmentación de las coberturas boscosas, los objetivos de esta investigación proponen dos enfoques: el primero el de la cuantificación per se de los cambios en las coberturas a través de los años tanto en área como de tipo de coberturas, así como de los grados de fragmentación presentados, el segundo enfoque es el de la agrupación de coberturas a partir de los servicios ecosistémicos que prestan, para también así evaluar los cambios a través de los años analizados. Para el primer enfoque todos los casos de estudio citados utilizaron métricas de fragmentación de tipo parche, clase y paisaje, identificando a partir de los índices de las mismas, que tan fragmentados están los paisajes en las respectivas áreas de estudio. Por

parte

ECOPETROL

S.A.

(2021a),

también

incluyó

una

espacialización de los distintos tipos de fragmentación presentes en el área de estudio, lo cual para efectos de esta investigación se optó igualmente por realizar dicha

espacialización,

para

poder

evidenciar

comportamiento

fragmentación en el área de estudio en los dos años analizados.

3.2.1 Flujograma de la metodología empleada La metodología propuesta se dividió en seis grandes grupos de actividades secuenciales (ver Figura 7):

Figura 7 Flujograma de actividades

Fase de adquisición de información: Se definió el área de estudio, de acuerdo con la disponibilidad de datos, tanto de información de actividades de

hidrocarburos en la zona escogida, así como de imágenes de sensores remotos para las dos épocas seleccionadas para los análisis multitemporales y de fragmentación de las coberturas naturales. Por otro lado, se obtuvo la información vectorial en formato file geodatabase de ‘Modificación del plan de manejo ambiental de Mares’ (ECOPETROL 2021f) como insumo para la segunda época de análisis. Dicha información vectorial consiste en la información temática del estudio, agrupada en datasets, de acuerdo al medio al cual pertenece cada capa; el dataset. T_20_BIOTICO_CONTI_COSTE cual incluye la capa de cobertura de la tierra para el año 2020; dicha capa contiene la clasificación de coberturas de acuerdo a la metodología Corine Land Cover – CLC, para la totalidad del área de influencia fisicobiótica del bloque Mares, el cual incluye el área del campo Lisama. Fase de ajuste de imágenes satelitales: en esta fase se evaluaron y se ajustaron las imágenes satelitales seleccionadas para el primer año analizado (1987), lo cual incluyo el ajuste geométrico (en posición) y radiométrico (si fuera necesario), de tal manera que este insumo sea en primera instancia más fácil usar en el proceso posterior de clasificación de coberturas, y además que sea comparable con el insumo usado para la segunda época de análisis. Fase Clasificación de imágenes satelitales: Se realizaron ejercicios de clasificación supervisada y clasificación manual en ArcGIS PRO; para la realización de la clasificación supervisada, se debió en principio seleccionar el método por objetos, elaborar polígonos de entrenamiento y posteriormente generar la clasificación. Se escogió esta alternativa debido a que este método tiene la ventaja de

agrupar

pixeles

acuerdo

los

elementos

que

representan,

independientemente de su respuesta espectral, lo que redunda también en la precisión en la clasificación de las coberturas. Por otro lado, para el ejercicio de clasificación manual, se generó una imagen segmentada de agrupación por pixeles, una posterior vectorización de la imagen, y la revisión y clasificación manual de polígonos. Para ambos procesos se seleccionó

la metodología Corine Land Cover adaptada para Colombia (IDEAM, 2010), como modelo de clasificación de coberturas de la tierra. Fase Análisis multitemporal: En esta fase se elaboraron los cálculos de áreas para todas las coberturas presentes en el área de estudio, e igualmente, se elaboró el análisis de pérdidas y ganancias para las coberturas naturales comparando los dos periodos analizados. Fase Análisis de fragmentación: Se calculan las métricas de paisaje, por parche, clase y paisaje, para las coberturas naturales objeto de este estudio, para las dos épocas de análisis, dichas métricas se calcularon en los softwares Fragstats y SAGA. La escogencia de estos softwares obedeció en primera instancia a su amplia utilización en distintos estudios de fragmentación de coberturas. Fragstats por ejemplo contiene una gran cantidad de métricas disponibles, haciendo de este software una herramienta muy potente a la hora de obtener datos de fragmentación y por el otro lado, SAGA permite especializar distintas categorías de fragmentación, siendo esta herramienta muy útil para cuantificar áreas afectadas por estos fenómenos. Fase Presentación de resultados: finalmente se analizan y presentan los resultados obtenidos (incluyendo su espacialización), tanto en el análisis multitemporal, como en los análisis de fragmentación.

3.2.2 Selección del área de estudio La selección el área de estudio obedeció a la búsqueda de campos de exploración/producción en actividad desde hace más de 30 años, por lo cual se optó por enfocarse en el Bloque Mares, el cual tiene cuenta con más de 100 años de operación (desde 1905) y al interior del bloque, el campo Lisama con operación desde 1935 (ANH, s.f.).

3.2.3 Selección de imágenes para primero periodo (1987) Para el año 1987, se logró identificar dos sensores que proveían cubrimiento de imágenes para el área de estudio: SPOT 1 y LANDSAT TM para los cuales a continuación se relacionan sus principales características (ver Tabla 3). Tabla 3 Sensores LANDSAT TM y SPOT 1 Fuente CNES (s.f.) y USGS (s.f.) Plataforma

Sensor

LANDSAT TM

SPOT 1

5 2 HRV

Bandas

Resolución espectral (µm)

Resolución espacial (m)

Fecha de Lanzamiento

0.45 – 0.60

1/03/1984

0.51 – 0.89

10 – 20

21/02/1986

Las imágenes seleccionadas corresponden al Sensor SPOT 1 del año 1987 con una resolución espacial de 20 m para la imagen multiespectral y de 10 metros para la imagen pancromática. Las imágenes fueron obtenidas a través de la página SPOT World Heritage (CNES, s.f.) la cuál es el repositorio de todas las imágenes del programa SPOT desde el año 1986, hasta el año 2015. Al realizar la consulta de imágenes se buscó que tuvieran una baja cobertura de nubes en el área de estudio; igualmente se buscó poder tener una imagen multiespectral y una pancromática de la misma fecha. Sin embargo, en el repositorio de imágenes no se obtuvo dichas imágenes para la misma fecha, se pudo acceder a imágenes con una diferencia de toma de 4 meses (el 19 de agosto para la imagen multiespectral y el 22 de diciembre para la imagen pancromática). Es importante anotar que para el mes de agosto de1987, el cual corresponde a un mes de transición de temporada lluviosa a seca se presentó un valor acumulado de 112.9 mm de lluvia, mientras que para el mes de diciembre se presentó un valor acumulado de 35 mm de lluvia, mes de transición de temporada lluviosa a seca, de acuerdo con los datos de precipitación de la estación sinóptica principal del Aeropuerto Los Yariguies (IDEAM, s.f.).

A pesar de la diferencia de precipitación, no se observó cambios significativos en los cuerpos de agua, ni en las coberturas naturales, por lo cual finalmente las imágenes seleccionadas son las siguientes (ver Tabla 4¡Error! No se encuentra el origen de la referencia.). Tabla 4 Imágenes SPOT Seleccionadas Fuente CNES (s.f.)

Resolución espacial

Imagen Multiespectral 001-005_S1_646-336-0_1987-08-19-15-30-00_HRV2_X_E2_TT 20 m

Numero de Bandas

Nombre de Escena

Verde Bandas

Rojo Infrarrojo cercano

Cobertura de nubes

Nivel de procesamiento Procesamiento geométrico Fecha

08/19/1987 15:30:00

Plataforma

SPOT 1

Instrumento

HRV2

Nombre de Escena Resolución espacial

Imagen Pancromática 002-002_S1_647-335-9_1987-12-22-15-26-07_HRV1_P_E2_TT 10 m

Numero de Bandas

Crudo

Bandas

Pancromática

Cobertura de nubes

11%

Nivel de procesamiento Procesamiento geométrico Fecha

12/22/1987 15:26:07

Plataforma

SPOT 1

Instrumento

HRV1

Crudo

A continuación, se visualizan las imágenes satelitales descargadas para el área de estudio (ver Figura 8 ¡Error! No se encuentra el origen de la referencia. y Figura 9¡Error! No se encuentra el origen de la referencia. ).

Figura 8 Imagen SPOT Pancromática

Figura 9 Imagen SPOT Multiespectral

Fuente CNES (s.f.)

3.2.4 Correcciones geométricas El flujo de trabajo para los procesos de correcciones geométricas de las imágenes utilizadas en este estudio se muestra en la Figura 10 ¡Error! No se encuentra el origen de la referencia.. Se procedió a realizar un análisis visual de las mismas para identificar cuáles eran las posibles correcciones geométricas a realizar. Se identificó que se debía en primera instancia realizar un ajuste en posición de ambas imágenes con respecto a la imagen SPOT 2020, en ese sentido y como primera medida se rectificaron las imágenes de 1987 entre sí, con la herramienta georreference de ArcGis Pro.

Figura 10 Flujo de trabajo correcciones geométricas

3.2.4.1

Georreferenciación de imagen multiespectral SPOT

Periodo 1987 El proceso de ortorectificación consistió en ajustar la imagen SPOT multiespectral con respecto a la imagen pancromática, lo anterior debido a que se evidencio que esta última imagen estaba desplazada con respecto a la pancromática, ya que las imágenes no corresponden a la misma fecha ni a los paths y rows (igualmente se verificó la ubicación de la imagen pancromática con respecto a la imagen SPOT 2020, evidenciando que no presentaba desplazamientos exagerados, por lo cual se tomó la decisión de ajustar la imagen multiespectral). El proceso se describe a continuación: •

Se exportaron las imágenes a formato tif.

•

Se usaron las herramientas de la pestaña Georreference de ArcGis Pro.

•

Se agregaron 6 puntos de control comunes, fácilmente identificables entre ambas imágenes (cruces de caminos, por ejemplo).

•

El valor de RMS (Error medio cuadrático) obtenido fue de 0.000136, lo cual es un valor bajo y aceptable para el proceso, de tal manera que se procede a rectificar la imagen salvándola con el respectivo ajuste (ver Figura 11¡Error! No se encuentra el origen de la referencia.).

Figura 11 Georreferenciación imagen multiespectral Basado en datos de CNES (s.f.)

3.2.4.2

Fusión de imágenes

Una vez hay una coincidencia espacial entre la imagen multiespectral y la imagen pancromática, se procedió a fusionar ambas imágenes para así obtener la resolución espacial de la imagen pancromática (10 m) y la resolución espectral de la imagen multiespectral (3 bandas); el proceso se describe a continuación (realizado en ArcGIS Pro): •

Como primera instancia se cortan las imágenes de acuerdo con el área del campo Lisama, para tal fin se usó la herramienta ‘Clip Raster’ de ArcGIS Pro

•

Una vez se obtuvo las dos imágenes (multiespectral y pancromática) cortadas al área del campo Lisama, se procedió a unirlas con la

herramienta ‘Create Pansharpened Raster Dataset’ (ver ¡Error! No se encuentra el origen de la referencia.).

Figura 12 Imagen fusionada campo Lisama Basado en datos de (CNES s.f.)

3.2.4.3

Georreferenciación de imagen SPOT 1987 fusionada

Para hacer comparables los análisis de fragmentación y multitemporal, es necesario igualmente hacer un ajuste en posición de la imagen fusionada, con respecto a la imagen SPOT 2020 del estudio ‘Modificación del Plan de Manejo Ambiental Integral de Mares’, siguiendo el mismo procedimiento utilizado para ajustar la imagen multiespectral del año 1987

•

Se agregaron 11 puntos de control comunes, fácilmente identificables entre ambas imágenes (cruces de caminos, por ejemplo).

•

El valor de RMS (Error medio cuadrático) obtenido fue de 0.000195, lo cual es un valor bajo y aceptable para el proceso, de tal manera que se procede a rectificar la imagen salvándola con el respectivo ajuste (ver Figura 13¡Error! No se encuentra el origen de la referencia.).

Figura 13 Georreferenciación de imagen fusionada

3.2.5 Correcciones radiométricas El Flujo de trabajo de las correcciones radiométricas realizadas a las imágenes SPOT de 1987 se relaciona a continuación (Figura 14¡Error! No se encuentra el origen de la referencia.)

Figura 14 Flujo de trabajo de realce radiométrico de imágenes

Las correcciones radiométricas se deben realizar para mejorar la información que estas contienen. Para ambas imágenes se evidencio un cubrimiento de nubes en el área de estudio, lo cual no afecta los posteriores procesos a realizar con las mismas. Por otro lado, también se evidencio que, a pesar de ser imágenes crudas con un nivel de procesamiento 1A, lo cual significa que para este nivel de procesamiento se ha realizado una corrección radiométrica por parte del proveedor de las imágenes, de tal manera que no se necesita ajustes radiométricos, y el usuario solo debe realizar los ajustes geométricos que considere pertinentes. Sin embargo, se optó por realizar un realce en el software ERDAS que corresponde a mejoramiento fotográfico, el cual mejora zonas con alta luminosidad y zonas con sombras de la imagen para hacer dichas zonas más fácilmente identificables; el flujo de trabajo y el resultado de la corrección radiométrica se puede visualizar en la Figura 15.

Sin realce

Con realce Photography enhancement tools

Figura 15 Imagen Spot 1987 sin realce y con realce Photography enhancements tools Basado en datos de CNES (s.f.)

3.2.5.1

Revisión imagen estudio Mares 2020

Paralelamente, se obtuvo información vectorial y ráster, de la segunda época de análisis solicitando la misma a la ANLA. De esta diligencia se entregó el anexo cartográfico de la Modificación del Plan de Manejo Ambiental Integral de Mares ECOPETROL S.A. (2021g), presentado a esa autoridad por ECOPETROL S.A. y el cual obtuvo su licencia ambiental por medio de la resolución 01653 de 02 de agosto de 2022 (ANLA, 2022).

En dicho anexo se encuentran, la imagen ráster usada para la interpretación de coberturas, para el año 2020, las geodatabases de cartografía básica y temática de estudio. En la geodatabase temática esta almacenada la capa CoberturaTierra, que es el insumo para utilizar en el análisis multitemporal y de fragmentación para la segunda época. Con respecto a la imagen usada en el Modificación del plan de manejo ambiental de Mares, a continuación, se relacionan sus especificaciones técnicas (Tabla 5¡Error! No se encuentra el origen de la referencia.). Tabla 5 Especificaciones técnicas imagen SPOT 7 Fuente ECOPETROL S.A. (2021g) y Astrium (s.f.) Imagen SPOT 2020 Nombre de Escena

co_vmm_s00_q_isa_03_20180220_01_1,5.img

Resolución Espacial

1,5 m

Numero de Bandas

Pancromática Azul Bandas

Verde Rojo Infrarrojo cercano

Fecha

20/02/2020

Plataforma

SPOT 7

3.2.6 Clasificación supervisada imagen SPOT 1987 El flujo de trabajo para los procesos de clasificación supervisada de la imagen SPOT 1987 se visualiza en la Figura 16¡Error! No se encuentra el origen de la referencia..

Figura 16 Flujo de trabajo de clasificación supervisada de imagen SPOT 1987

El proceso de realizar la clasificación de la imagen SPOT de 1987, se realizó en ArcGIS Pro, partiendo de escoger el enfoque de clasificación basada en objetos ya que este enfoque “agrupa los pixeles vecinos según su similitud en un proceso conocido como segmentación. La segmentación tiene en cuenta las características de color y de forma al decidir qué pixeles se deben agrupar” ESRI (s.f., ¶ parágrafo 5). Una vez se ajustó la imagen SPOT de 1987, se procedió a escoger una metodología de clasificación de coberturas, dicha escogencia obedeció a la búsqueda de una clasificación estandarizada1, y usada generalmente en Colombia,

Se verificó igualmente la metodología de clasificación NLCD (National Land Cover Database) de USGS - United States Geological Survey-b (s.f.), por ser está la metodología por defecto que usa ArcGis Pro. 1

es así como se resolvió utilizar la metodología CORINE Land Cover – CLC, adaptada para Colombia (IDEAM, 2010). Otro punto a favor para la escogencia de esta es que, el estudio de ECOPETROL S.A., fue presentado usando esta metodología, por lo cual la mejor opción era utilizar la misma para la primera época, de tal manera que todos los análisis fueran comparables. Un paso muy importante en la clasificación de la imagen es decidir hasta que nivel de detalle se pretende trabajar en la asignación de coberturas según CLC al resultado del proceso para la imagen SPOT 1987 (la clasificación CLC incluye hasta 6 niveles de posible asignación de coberturas); ya que la imagen obtenida tiene limitantes, en cuanto a su resolución espacial, se decidió por llegar hasta máximo el nivel 4 de clasificación de coberturas según CLC, pues son aquellos que por su detalle se pueden clasificar con este insumo. En ese sentido las coberturas clasificadas para el periodo de 2020, que tienen zonas codificadas hasta el nivel 6 de CLC, se sometieron a una generalización de sus polígonos, a partir de sus atributos, llegando máximo al nivel 4 de CLC, de tal manera que para los dos periodos analizados haya coincidencia en las coberturas clasificadas, ver ¡Error! No se encuentra el origen de la referencia.

Tabla 6 y ¡Error! No se encuentra el origen de la referencia.Figura 17.

Tabla 6 Clasificación CLC Nivel 4 Campo Lisama 2020 Fuente ajustado de ECOPETROL S.A. (2021h)

5. Superficies De Agua

4. Áreas Húmedas

3. Bosques Y Áreas Seminaturales

2. Territorios Agrícolas

1. Territorios Artificializados

NIVEL 1

NIVEL 2

NIVEL 3

1.1 Zonas urbanizadas

1.1.1 Tejido urbano Continuo

1.1.1

1.1.2 Tejido urbano Discontinuo

1.1.2

1.2 Zonas industriales o comerciales y redes de comunicación 1.4. Zonas verdes artificializadas, no agrícolas 2.1. Cultivos transitorios 2.2. Cultivos permanentes

2.3 Pastos

3.1. Bosques

3.2 3.2. Áreas con vegetación herbácea y/o arbustiva 3.3. Áreas abiertas, sin o con poca vegetación 4,1. Áreas húmedas continentales

5.1. Aguas continentales

NIVEL 4

CODIGO

1.2.2 Red vial, ferroviaria y terrenos asociados

1.2.2.1. Red vial y territorios asociados

1.2.2.1

1.3.1. Zonas de extracción minera

1.3.1.2. Explotación de hidrocarburos

1.3.1.2

1.4.2. Instalaciones recreativas

1.4.2

2.1.1. Otros cultivos transitorios

2.1.1

2.2.1. Cultivos permanentes herbáceos 2.2.3 Cultivos permanentes arbóreos

2.2.1 2.2.3

2.3.1 Pastos limpios

2.3.1

2.3.2 Pastos arbolados

2.3.2

2.3.3 Pastos enmalezados

2.3.3

3.1.1. Bosque denso

3.1.1

3.1.1. Bosque denso

3.1.1.2.2

3.1.3. Bosque fragmentado

3.1.3

3.1.4. Bosque de galería y ripario

3.1.4

3.1.5 Plantación forestal

3.1.5

3.2.3. Vegetación secundaria o en transición

3.2.3

3.3.1. Zonas arenosas naturales

3.3.1

3.3.3. Tierras desnudas y degradadas

3.3.3

4.1.1. Zonas pantanosas

4.1.1

5.1.1. Ríos 5.1.2. Lagunas, lagos y ciénagas naturales

5.1.1

5.1.4. Cuerpos de agua artificiales

5.1.4

5.1.2

Figura 17 Coberturas de la tierra campo Lisama 2020 según clasificación CLC Basado en datos de ECOPETROL S.A. (2021h)

También se tuvo en cuenta para la determinación de nivel de clasificación de coberturas de acuerdo con CLC, el conocimiento previo de las condiciones de la zona de estudio, la cual ha sido objeto de varias intervenciones por parte de ECOPETROL S.A., durante toda la existencia del campo Lisama. Para realizar el proceso de clasificación supervisada de la imagen SPOT 1987 se precisó realizar los siguientes pasos: •

Elaboración de esquema de clasificación: se creó un nuevo esquema de clasificación en ArcGIS Pro, de acuerdo con las categorías CLC

•

Paralelamente se creó una imagen segmentada a partir de la imagen fusionado SPOT de 1987, para la cual se ajustó el detalle espectral a 17 pixeles, el detalle espacial a 15 pixeles y el tamaño mínimo de segmento en 20 pixeles, de acuerdo con la resolución espacial de la imagen

(ver

¡Error!

encuentra

origen

referencia.Figura 18).

Figura 18 Detalle de imagen segmentada.

Por otro lado, se generaron 84 polígonos de entrenamiento, los cuales se crearon a partir de la forma de las coberturas identificadas en toda el área del campo Lisama, distribuidos aleatoriamente y garantizando que cubran en localización la mayor parte de las áreas del campo, ver ¡Error! No se encuentra el origen de la referencia.

•

Tabla 7.

Tabla 7 Polígonos de entrenamiento Código CLC

Nombre clase

Número de polígonos

221

Cultivos permanentes herbáceos

223

Cultivos permanentes arbóreos

231

Pastos limpios

232

Pastos arbolados

233

Pastos enmalezados

311

Bosque denso

313

Bosque fragmentado

314

Bosque de galería

323

Vegetación secundaria

511

Ríos

512

Lagunas

1221

Red vial y territorios asociados

1312

Explotación de hidrocarburos

Los polígonos de entrenamiento se crearon a partir de las características espaciales de cada cobertura (ver ¡Error! No se encuentra el origen de la referencia.

•

Tabla 8).

Tabla 8 Descripción de identificación de polígono de entrenamiento Nombre clase

Descripción de identificación

Cultivos permanentes herbáceos

Texturas uniformes y con patrones regulares de vegetación, ubicados cerca de infraestructura vial.

Cultivos permanentes arbóreos

Texturas uniformes y gruesas con patrones regulares de vegetación, ubicados cerca de infraestructura vial.

Pastos limpios

Zonas con texturas lisas que reflejan la luz especialmente en la región del infrarrojo por lo cual se ven en tonos claro, espacialmente se ubican cerca de infraestructura vial.

Pastos arbolados

Tienen un comportamiento similar al de los pastos limpios, pero con mayor absorción de luz asociadas a los individuos arbóreos.

Pastos enmalezados

Zonas con texturas más heterogéneas que los otros tipos de pastos, pero igual se visualizan en tonos claro.

Bosque denso

Zonas con texturas muy heterogéneas y compactas se visualizan en tonos más oscuros que los pastos; espacialmente se evidencian como polígonos de gran extensión.

Bosque fragmentado

Comparten características con los bosques densos con la salvedad que es fácilmente identificable las intervenciones antrópicas al interior de estos, que se evidencian como zonas de mayor reflectancia.

Bosque de galería

Su distribución se asocia a los cuerpos de agua y al carácter sinuoso los mismos, tiene iguales características de texturas que los bosques densos.

Vegetación secundaria

Zonas con texturas heterogéneas y compactas, pero con un mayo brillo que los bosques.

Ríos

Se identifican las corrientes de agua al interior del área de estudio de acuerdo a la forma de los mismas, y en este caso particular en el alto contenido de sedimentos que hace que haya una alta reflectancia de la luz.

Lagunas

Zonas con baja reflectancia y formas circulares.

Red vial y territorios asociados

Zonas de alta reflectancia y de forma alargada que forman redes.

Explotación de hidrocarburos

Zonas de alta reflectancia debido a la exposición del suelo, asociadas a infraestructura vial.

•

Una vez creados todos los polígonos de entrenamiento, se procedió a genera la imagen de clasificación supervisada, sin embargo, los resultados no fueron los esperados, al no tener una diferenciación clara entre coberturas, por ejemplo, la mayor parte del área de estudio

fue clasificada como bosque denso (ver Figura 19¡Error! No se encuentra el origen de la referencia.).

Figura 19 Resultado clasificación supervisada de imagen SPOT 1987.

Una vez analizada la imagen clasificada para el periodo de 1987, y luego de verificar la imagen segmentada, se optó por usar esta imagen como insumo principal para realizar la clasificación de las coberturas del área de estudio, la decisión se basó en las siguientes consideraciones: •

Al agrupar pixeles de acuerdo con características homogéneas de los mismos, permitió una buena precisión en la delimitación de coberturas

•

Mayor control en la asignación de las clases ya que el proceso se realizó manualmente.

•

Debido a que se realiza una interpretación visual, se puede editar y mejorar polígonos que no haya quedado correctamente delimitados

•

Se sopesó el tiempo adicional que se tomaría la clasificación del área de estudio a partir de la imagen segmentada, la cual se tomó un mes más de lo planeado, lo cual no es un inconveniente mayor, para seguir con el resto del estudio.

La imagen segmentada se vectorizó, y se le añadieron los campos de nomenclatura (NOMENCLAT) y área en hectáreas (AREA_HA), este proceso se realizó con el fin de poder editar y clasificar los polígonos resultantes.

3.2.7 Análisis Multitemporal de Coberturas El flujo de trabajo del análisis multitemporal de coberturas se visualiza en ¡Error! No se encuentra el origen de la referencia.Figura 20.

Figura 20 Flujo de trabajo análisis multitemporal de coberturas

El análisis multitemporal de coberturas consistió en la comparación de las áreas obtenidas para los dos años de análisis (1987 y 2020), el objetivo es cuantificar la cantidad de área que ganaron, perdieron, o mantuvieron las coberturas naturales del área de estudio. Dicha cuantificación se elaboró siguiendo dos enfoques: •

En el primero, se calcula las ganancias perdidas y permanencias, exclusivamente a partir del área calculada, a partir de la intersección de las capas de cobertura de la tierra en ambos periodos. Este enfoque, aunque es más general, permitió identificar los cambios de área únicamente según ubicación en los dos periodos.

•

El segundo enfoque se basa en la naturaleza de las coberturas y se realizó expresando las ganancias como el cambio de una cobertura artificial a una más natural, en este sentido los cambios entre coberturas boscosas (es decir entre bosque denso, bosque fragmentado y bosque de galería) se clasificaron como permanencia, al ser coberturas con una estructura que ofrece servicios ecosistémicos comparables. Las perdidas, por otro lado, se definieron como el cambio de una cobertura natural a una intervenida o antropizada (ECOPETROL S.A., 2021a). En este punto es de anotar que el cálculo de áreas de ganancias, perdidas y permanencias puede variar de acuerdo con el enfoque utilizado.

Ahora bien, antes de elaborar el análisis es importante estandarizar la clasificación de coberturas de la tierra en ambos periodos, por lo cual, como primera instancia,

procedió

reclasificar

las

coberturas

del

periodo

2020

generalizándolas al nivel 3 de CLC. Paso seguido se verificó que existiera total coincidencia entre las coberturas clasificadas en el periodo 1987 y el periodo 2020, para lo cual se encontró que existen diferencias, debido la interpretación de la imagen de 1987, la cual al ser de menor resolución (20 m) presenta un reto mayor para ser interpretada. En ese

sentido en el periodo 1987 se identifican las siguientes coberturas que no están presentes en el periodo 2020: •

Mosaico de cultivos con espacios naturales.

•

Mosaico de pastos con espacios naturales.

•

Mosaico de pastos y cultivos.

En el caso de las coberturas del periodo 2020, debido a que el insumo de captura es de mayor resolución (1.5 m), presenta un mayor detalle y facilidad de interpretación, por lo cual se identifican coberturas que no es posible interpretar en la época de 1987, las cuales son: •

Instalaciones recreativas

•

Otros cultivos transitorios

•

Plantaciones forestales

•

Zonas industriales o comerciales

Ya que para ambos periodos dichas coberturas son antropizadas, se optó por agruparlas en la categoría otros, de tal manera que al realizar el análisis en una matriz de transición de coberturas haya plena coincidencia en el cruce. Una vez se estandarizaron las categorías de coberturas de la tierra, se procedió a realizar una intersección de las capas de las dos épocas en ArcGIS Pro, además se calculó el área resultante (en hectáreas). Posteriormente se copió la información de la tabla de atributos de la capa resultante de la intersección a Excel, para poder calcular una matriz de transición de coberturas, donde se evidencian las ganancias, perdidas y permanencias de coberturas. Paralelamente, se realizó el análisis de ganancias, perdidas y permanencias (modificando manualmente la clasificación), de acuerdo con el tipo de cobertura. En ese sentido toda transición de una cobertura antropizada, a una más natural, se consideró como ganancia. Las permanencias, se identificaron de acuerdo a los

registros que coincidían en ambas épocas y como se explicó anteriormente, los bosques independientemente de su clasificación igualmente se identificaron como permanencias. Las perdidas por otro lado se identificaron por el cambio de coberturas más naturales a más antropizadas. Es de notar que este enfoque solo hace el ajuste para aquellas coberturas naturales objeto de esta investigación, por lo cual el análisis no aplica para coberturas no boscosas.

3.2.8 Análisis de fragmentación de coberturas naturales Antes de poder realizar los respectivos análisis, se debe preparar la información para poder usarse en el software Fragstat y SAGA. Dicha preparación consistió en exportar los archivos de formato vectorial a formato ráster, y se realizó en el software ArcGIS Pro. Ahora bien, como de acuerdo con los objetivos del estudio solo se tuvieron en cuenta coberturas naturales boscosas para los análisis (Bosque denso, Bosque fragmentado, Bosque de galería y vegetación secundaria), las cuales son las únicas coberturas que se exportaron a formato ráster. Para el análisis de fragmentación de coberturas naturales, se consideran aquellas que ayudan a cuantificar que tan fragmentadas están dichas coberturas en el área de estudio. A continuación, se relacionan las métricas agrupadas por Parche, Clase y Paisaje (ver Tabla 9¡Error! No se encuentra el origen de la referencia.). Tabla 9 Métricas usadas en análisis de fragmentación Fuente: adaptado de McGarrigal et.al. (2002). Nivel

Nombre

Unidades

Parche

Distancia euclidiana al vecino más cercano (ENN)

Metros

Área de clase (CA)

Hectáreas

Número de parches (NP)

Conteo

Densidad de borde (ED)

Hectáreas

Clase

Nivel

Nombre

Unidades

Radio de giro (GYRATE_MN)

Metros

Índice de forma (SHAPE_MN) Índice de dimensión fractal (FRAC_MN) Índice de proximidad (PROX_MN)

No aplica

índice de conectividad (CONNECT) Paisaje

Índice de diversidad Shannon (SHDI)

El cálculo de las métricas de distancia euclidiana al vecino más cercano, índice de proximidad, exigen para su análisis un radio de búsqueda, igualmente la métrica índice de conectividad exige un umbral de distancia, de tal manera que puedan ser ejecutadas. Dichos valores se establecieron en 500 m a partir de los rangos de movilidad de la especie de fauna Alouatta seniculus (Mono aullador), que de acuerdo con Valderrama y Kattan (2006 p. 24) “Se mueven principalmente entre árboles de descanso y parches de alimentación, viajando lo suficiente para monitorear y explotar los recursos disponibles en su territorio. Las tropas realizan recorridos diarios que van generalmente de 400 a 800 m”. La escogencia de esta especie de fauna obedeció a que es una especie común en el área de estudio, su hábitat es arbóreo, por lo cual se puede ver afectada en zonas con una alta fragmentación de coberturas naturales, ya su movilidad depende en gran medida de la conectividad entre parches, en ese sentido Fortes et al. (2014 p. 222) indican que “La distancia ha parche de hábitat vecinos puede también afectar el tamaño del home range” al cambiar los costos de moverse a través de ambientes altamente distorsionados o inapropiados, incluyendo la exposición a riesgos asociados (depredación, enfermedades, atropellamientos). El flujo de trabajo se puede visualizar en la ¡Error! No se encuentra el origen de la referencia.Figura 21.

Figura 21 Flujo de trabajo análisis de fragmentación de coberturas

3.2.9 Espacialización de categorías de fragmentación El flujo de trabajo de la espacialización de la fragmentación se puede visualizar en Figura 22¡Error! No se encuentra el origen de la referencia.¡Error! No se encuentra el origen de la referencia..

Figura 22 Flujo de trabajo de análisis de fragmentación

Para espacializar las categorías de fragmentación, se usó el software System for Automated Geoscioentific Analyses (SAGA GIS); el proceso consistió, como primer paso, en agrupar las coberturas boscosas en una sola categoría (los bosques densos, de galería y fragmentados) y las vegetaciones secundarias en otra. Dicha agrupación se hizo tenido en cuenta que las coberturas boscosas, presentan estructuras similares verticalmente hablando y son equiparables para poténciales hábitats, ECOPETROL S.A. (2021a), además de prestar el mismo servicio ecosistémicos (soporte); en ese mismo sentido, las vegetaciones secundarias no hacen parte del grupo de coberturas boscosas, por tener estructuras verticales más heterogéneas. El siguiente paso consistió en exportar desde ArcGIS Pro las capas de cobertura (en formato vector) de las dos épocas a formato ráster (se utilizó el formato tif). Una vez se cargaron las imágenes generadas en SAGA, se procedió a ajustar el espacio de trabajo, lo cual incluyo asignar el sistema de referencia MAGNA SIRGAS origen Bogotá. Se utilizó la herramienta Fragmentation (standard), en la cual se seleccionó cada una de las imágenes para su respectivo análisis. Los resultados de la tabla con el resumen de los resultados de la categorización de la fragmentación se exportaron a un archivo de texto para ser analizado posteriormente.

3.3

Justificación de la metodología Para este estudio se decidió realizar un proceso secuencial, desde la

selección del área de estudio, hasta la espacialización de la fragmentación, por las siguientes razones:

Selección del área de estudio: La selección del campo Lisama se justifica en principio ya que al interior de este se presentan actividades de exploración/producción de hidrocarburos, además de zonas ya abandonadas por la misma industria, lo cual permite analizar cómo ha sido la dinámica del cambio de coberturas. Selección de imagen satelital para el año 1987: Por otro lado, la selección de la imagen obedeció a una búsqueda de dicho insumo en un espacio de tiempo lo suficientemente extenso para poder evidenciar cambios en las coberturas. Si bien se pudo escoger imágenes del sensor Landsat, primó para esta investigación la mayor resolución espacial del sensor SPOT. Correcciones geométricas y radiométricas: Ahora bien a pesar de tener una imagen con correcciones de tipo geométrico y radiométrico, elaboradas por el productor de la misma, las correcciones realizadas a la imagen de 1987 permitieron mejorar la calidad de la misma, de tal manera que el proceso de clasificación de la imagen resultara más sencillo. Análisis multitemporales y de fragmentación: Estos análisis han sido constantemente utilizados en distintos estudios (como los citados en el numeral 2.4), usualmente se presentan en conjunto, ya que permiten analizar la dinámica de las coberturas de la tierra en el área de estudio seleccionada. Métricas de fragmentación Las métricas escogidas responden a la necesidad de abordar los análisis a nivel de parche, cobertura y mosaico, que permitió analizar la dinámica de la fragmentación en el área de estudio. Espacialización de la fragmentación: permite identificar qué áreas y como están afectadas por distintas categorías de fragmentación, lo que hace que esta herramienta de análisis complemente el cálculo de las métricas usadas en este estudio.

Resultados y Discusión

4.1

Resultados

Una vez se terminó el proceso de edición y clasificación de polígonos, se obtuvieron los siguientes resultados para el año 1987 (ver Tabla 10 y Figura 23). Tabla 10 Resultado de clasificación polígonos Cobertura de la tierra

Cantidad de polígonos

Área (HA) 1987

% de área

111 - Tejido urbano continuo

1.24

0.01

112 - Tejido urbano discontinuo

2.27

0.01

1221 - Red vial y territorios asociados

178.62

1.13

1312 - Explotación de hidrocarburos

158

661.67

4.18

221 - Cultivos permanentes herbáceos

23.34

0.15

223 - Cultivos permanentes arbóreos

441.40

2.79

231 - Pasto limpios

248

1,084.73

6.86

232 - Pastos arbolados

198

2,198.14

13.90

233 - Pastos enmalezados

240

835.72

5.29

242 - Mosaico de pastos y cultivos 244 - Mosaico de pastos con espacios naturales 245 - Mosaico de cultivos con espacios naturales 311 - Bosque denso

64.18

0.41

225

1,675.48

17.01

2,004.90

313 - Bosque fragmentado

1,447.94

9.16

314 - Bosque de galería

229.95

1.45

323 - Vegetación secundaria

324

4,606.90

29.13

331 - Zonas arenosas naturales

209.19

1.32

333 - Tierras desnudas y degradadas

68.81

0.44

411 - Zonas pantanosas

50.45

0.32

511 - Ríos

8.57

0.05

512 - Lagunas

1.04

0.01

514 - Cuerpos de agua artificiales

0.86

0.01

Total

1,774

15,812.41

100

10.60 0.11 12.68

Figura 23 Clasificación de cobertura de la tierra a partir de imagen segmentada para el año 1987.

La clasificación de coberturas de la tierra para el año 2020 (vectorizadas), se obtuvo de ECOPETROL (2021f), las áreas por cobertura, así como su espacialización se pueden observar en la Tabla 11 y Figura 24.

Tabla 11 Cobertura de la tierra año 2020

1.1.1 Tejido urbano Continuo

Área (HA) 2020 32.70

1.1.2 Tejido urbano Discontinuo

20.34

0.13

1.2.1 Zonas industriales o comerciales

61.98

0.39

1.2.2 Red vial, ferroviaria y terrenos asociados

247.96

1.57

1.3.1 Zonas de extracción minera

39.19

0.25

1.4.2 Instalaciones recreativas

0.37

0.00

2.1.1. Otros cultivos transitorios

31.72

0.20

2.2.1 Cultivos permanentes herbáceos

19.00

0.12

2.2.3 Cultivos permanentes arbóreos

729.05

4.61

2.3.1 Pastos limpios

2133.32

13.49

2.3.2 Pastos arbolados

596.94

3.78

2.3.3 Pastos enmalezados

2096.43

13.26

Cobertura de la tierra

% de área 0.21

3.1.1 Bosque denso

3638.29

23.01

3.1.3 Bosque fragmentado

1947.83

12.32

3.1.4 Bosque de galería y ripario

1096.71

6.94

3.1.5 Plantaciones forestales

167.48

1.06

3.2.3 Vegetación secundaria o en transición

2385.03

15.08

3.3.1. Zonas arenosas naturales

0.10

0.00

3.3.3 Tierras desnudas y degradadas

325.15

2.06

4.1.1 Zonas pantanosas

158.12

1.00

5.1.1 Ríos

24.59

0.16

5.1.2 Lagunas

24.40

0.15

5.1.4 Cuerpos de agua artificiales

35.71

0.23

Total

15812.41

100

Figura 24 Clasificación de cobertura de la tierra a partir de cobertura capturada para el año 2020.

4.1.1 Análisis multitemporal de cambio de coberturas Los resultados del análisis multitemporal de cambio de coberturas se presentan en primera instancia de acuerdo a la ubicación espacial de las coberturas analizadas (numeral 4.1.1.1), posteriormente se presenta los resultados del análisis cuantitativo del cambio de coberturas (numeral 4.1.1.2) y finalmente se presenta el análisis multitemporal de cambio de coberturas de menor a mayor importancia en términos de servicios ecosistémicos ofrecidos (numeral 4.1.1.3).

4.1.1.1

Resultados de análisis por ubicación espacial

Espacialmente, las coberturas objeto de esta investigación han sufrido cambios en su distribución espacial, al interior del campo Lisama. A continuación, se detallan dichos cambios.

4.1.1.1.1

Bosque denso

Como se puede observar en la Figura 25, el bosque denso experimentó cambios, sobre todo aumentos en su cobertura en toda el área del campo Lisama, especialmente en el centro y sur del mismo, y aunque se puede observar igualmente una disminución en la cobertura en la zona oriental, se evidencian nuevos parches hacia la zona norte del campo.

Figura 25 Bosque denso años 1987 y 2020.

4.1.1.1.2

Bosque fragmentado

Esta cobertura muestra una tendencia espacial de “desplazamiento” hacia el oriente del campo Lisama y aumentando un poco en la zona sur del campo (ver Figura 26).

Figura 26 Bosque fragmentado años 1987 y 2020.

4.1.1.1.3

Bosque de galería

Esta cobertura presenta una variación espacial significativa espacialmente en los dos años analizados, en términos de presencia de la misma en toda el área el campo, como se observa en la Figura 27 se evidencia un aumento notorio especialmente al sur del campo.

Figura 27 Bosque de galería años 1987 y 2020.

4.1.1.1.4

Vegetación secundaria

Esta cobertura presenta un comportamiento singular y diferente al resto de las coberturas objeto de este estudio, ya que para el año 2020, espacialmente sigue estando distribuida en toda el área del campo Lisama, pero de manera más fraccionada y con menos área que en el año 1987 (ver Figura 28).

Figura 28 Vegetación secundaria años 1987 y 2020

4.1.1.2

Resultados de análisis cuantitativos

4.1.1.2.1

Análisis de áreas y tasa de cambio

En este enfoque se realizó la cuantificación de cambio de coberturas, usando una matriz de transición, donde las filas de esta corresponden a la identificación y área de las coberturas de la tierra en el año 1987 y las columnas corresponden al año 2020, en la se evidencia la cantidad de área por cobertura en los dos años.

Para comenzar el análisis se visualiza en la

Tabla 12, las áreas por cobertura en los dos años de análisis. Como primera instancia, se observa la disminución en área de la cobertura de explotación de hidrocarburos, de un 4.18% de la superficie total en 1987 a un 0.25% en 2020. Con respecto a los bosques se observa que los tres tipos clasificados variaron positivamente, los bosques de galería aumentaron su área (dentro del área de estudio) desde 1.45% en 1987 a 6.94% en 2020, los bosques densos aumentaron de 12.68% en 1987 a 23.01% en 2020 y los bosques fragmentados de 9.16% en 1987 a 12.32% en 2020. Por otro lado, la vegetación secundaria presentó una disminución considerable de su área (dentro del área de estudio) de 29.13% en el año 1987 a 15.08% en el año 2020. Al respecto del indicador de tasa de cambio (ver columna Tasa de cambio% en

Tabla 12), se observa que las coberturas antropizadas de cuerpos de aguas artificiales, tejidos discontinuos y continuos y lagunas, variaron positivamente en 33 años a unas tasas de 41.91%, 26.13%, 22.96% y el 8.25% respectivamente y fueron las coberturas que más ganaron área, aunque no son las coberturas con mayor cubrimiento del área de estudio. Las coberturas que perdieron área durante los años de estudio fueron cultivos permanentes herbáceos, vegetación secundaria o en transición, pastos arbolados, otros, explotación de hidrocarburos, zonas arenosas naturales con unas tasas 0.16% al 1%. Para el resto de las coberturas se observa un comportamiento relativamente estable durante el periodo de estudio (ver columna Tasa de cambio% en

Tabla 12).

Tabla 12 Área de coberturas de la tierra por época y tasa de cambio Código CLC

Área 1987 (HA)

% Área 1987

Área 2020 (HA)

% Área 2020

5.1.4

0.86

0.01

35.71

0.23

34.86

41.91

1.1.2

1.24

0.01

32.70

0.21

31.45

26.13

5.1.2

1.05

0.01

24.40

0.15

23.35

22.96

1.1.1

2.27

0.01

20.34

0.13

18.08

8.25

3.1.4

229.95

1.45

1,096.71

6.94

866.76

3.92

3.3.3

68.81

0.44

325.15

2.06

256.34

3.87

4.1.1

50.45

0.32

158.12

1.00

107.66

2.23

5.1.2

8.57

0.05

24.59

0.16

16.02

1.96

Pastos enmalezados

2.3.3

835.72

5.29

2,096.43

13.26

1,260.71

1.59

Pastos limpios

2.3.1

1,084.73

6.86

2133.32

13.49

1,048.59

Bosque denso

3.1.1

2,004.90

12.68

3,638.29

23.01

1,633.39

1.03 0.87

Cultivos permanentes arbóreos

2.2.3

441.40

2.79

729.05

4.61

287.65

0.70

Red vial y territorios asociados

1.2.2.1

178.62

1.13

247.96

1.57

69.34

0.43

Bosque fragmentado

3.1.3

1,447.94

9.16

1,947.83

12.32

499.89

0.39

Cultivos permanentes herbáceos

2.2.1

23.34

0.15

19.00

0.12

-4.34

-0.16

Vegetación secundaria o en transición

3.2.3

4,606.90

29.13

2385.03

15.08

-2,221.87

-0.47

Pastos arbolados

2.3.2

2,198.14

13.90

596.94

3.78

-1,601.20

1,756.68

11.11

261.56

1.65

-1,495.12

-0.72 -0.85

1.3.1.2

661.67

4.18

39.19

0.25

-622.48

-0.94

3.3.1

209,19

1,32

0,10

0,00

-209,09

-1,00

15,812.41

100,00

15,812.41

100,00

Cobertura Cuerpos de agua artificiales Tejido urbano discontinuo Lagunas Tejido urbano continuo Bosque de galería y ripario Tierras desnudas y degradadas Zonas pantanosas Ríos

Otros Explotación de hidrocarburos Zonas arenosas naturales

Total general

Diferencia Tasa de (HA) cambio %

100

4.1.1.2.2

Matriz de transición de coberturas

De acuerdo con lo indicado en el numeral ¡Error! No se encuentra el origen de la referencia.3.2.7, al no tener coincidencia entre las coberturas identificadas en ambos años (Mosaico de cultivos con espacios naturales para el año 1987 e Instalaciones recreativas, Otros cultivos transitorios, Plantaciones forestales, Zonas industriales o comerciales, Mosaico de pastos con espacios naturales, Mosaico de pastos y cultivos para el año 2020), se optó por unir dichas coberturas en la categoría otros, de tal manera que se pueda hacer comparable a través de una matriz de transición de coberturas. La elección de esta alternativa se evalúa al verificar que las coberturas identificadas son de origen antrópico, lo cual no afecta, el análisis de ganancias perdidas o permanencias. A continuación, se visualiza la matriz de transición de coberturas de la tierra para los años 1987 y 2020 (ver Tabla 13). Como se puede observar en la matriz, se evidencia que la coberturas de bosques (galería y ripario, denso y fragmentado) perdieron área mayormente en favor de coberturas como cultivos permanentes arbóreos, pastos y vegetación secundaria, sin embargo el área ganada a otras coberturas hace que en total las ganancias sean mayores que la perdidas, en ese sentido por ejemplo se observa que los bosques de galería obtuvieron ganancias a expensas de coberturas como pastos arbolados (191.26 ha), o vegetación secundaria (320.43 ha). Igual comportamiento se evidencia en los otros tipos de bosques (denso y fragmentado), donde se puede resaltar el cambio de 1026.80 ha de vegetación secundaria a bosque denso. Es importante anotar la relación de ganancias y pérdidas que se relaciona en la Tabla 13, entre las coberturas boscosas y la cobertura de explotación de hidrocarburos, por ejemplo, la mayor pérdida de área coberturas boscosas en el

101

año 2020 frente a explotación de hidrocarburos se presentó para los bosques densos (1.04 ha), y en cambio presentó más ganancias de 99.96 ha, frente al área que en 1987 correspondía a explotación de hidrocarburos. Con respecto a la vegetación secundaria, igualmente se evidencia que las mayores pérdidas las presenta frente a coberturas de cultivos y de pastos; por otro lado, el cambio a coberturas boscosas, en el sentido estricto del análisis es una pérdida para la cobertura, no lo es en términos de la sucesión de esta a coberturas boscosas más consolidadas. La cobertura de explotación de hidrocarburos presenta perdidas en general uniformemente con el resto de las coberturas presentes en el área de estudio, destacándose el cambio a vegetación secundaria. Los resultados resumidos de pérdidas y ganancias para los dos años analizados, se presenta la Tabla 14.

Bosque de galería y ripario

Bosque denso

Bosque fragmentado

Cuerpos de agua artificiales

Cultivos permanentes arboreos

Cultivos permanentes herbáceos

Explotación de hidrocarburos

Lagunas

Otros

Pastos arbolados

Pastos enmalezados

Pastos limpios

Red vial y territorios asociados

Ríos

Tejido urbano continuo

Tejido urbano discontinuo

Tierras desnudas y degradadas

Vegetación secundaria o en transición

Zonas arenosas naturales

Zonas pantanosas

Tabla 13 Matriz de transición de coberturas 1987 – 2020 Total general 1987

Bosque de galería y ripario

72.26

27.04

31.70

0.52

28.77

0.00

0.28

3.77

24.59

21.55

1.40

3.67

0.07

0.01

0.87

13.26

0.00

0.18

229.95

157.69

Bosque denso

164.62

1,075.88

121.06

0.20

2.60

0.00

1.04

2.75

9.73

26.81

113.84

129.23

9.11

0.00

0.98

2.92

44.19

299.70

0.00

0.25

2,004.90

929.02

88.88

603.23

206.53

0.47

35.18

0.00

0.47

1.99

13.79

21.55

96.29

165.31

15.34

0.04

0.63

3.64

14.47

178.33

0.00

1.81

1,447.94

1,241.41

0.00

0.35

0.06

0.00

0.30

0.00

0.07

0.00

0.08

0.86

0.51

16.20

22.66

39.53

1.05

140.59

0.00

1.75

0.00

0.81

13.56

49.73

48.46

7.33

1.13

1.52

1.61

3.74

91.75

0.00

441.40

300.81

2.28

0.00

0.03

0.00

1.02

0.63

14.79

0.08

0.27

0.00

4.24

0.00

23.34

22.57

99.96

21.21

10.36

18.75

0.00

24.88

3.91

25.08

24.63

99.25

82.84

62.85

0.94

2.56

2.93

34.92

119.70

0.00

4.33

661.67

636.79

Cobertura 2020

Cobertura 1987

Bosque fragmentado Cuerpos de agua artificiales Cultivos permanentes arboreos Cultivos permanentes herbáceos Explotación de hidrocarburos

Perdidas

Lagunas Otros Pastos arbolados Pastos enmalezados

0.00 93.39

0.00 157.47

0.00 185.78

0.00 5.66

0.00 118.38

0.00 4.23

0.00 1.68

0.39 2.89

0.00 37.22

0.00 120.53

0.66 394.61

0.00 273.92

0.00 28.29

0.00 2.55

0.00 3.55

0.00 0.63

0.00 38.14

0.00 253.56

0.00 0.00

0.00 34.21

1.05 1,756.68

0.66 1,719.46

191.26

205.43

284.68

6.44

64.03

1.92

1.06

0.90

42.45

129.02

376.74

468.76

22.41

2.96

1.17

4.30

48.71

330.41

0.00

15.51

2,198.14

2,069.12

46.21

92.24

76.65

1.44

26.60

8.74

1.92

1.91

20.90

34.02

189.53

135.14

10.48

0.37

1.09

2.31

12.01

162.19

0.00

11.97

835.72

646.19

Pastos limpios

63.41

162.82

115.18

2.12

149.25

3.98

0.07

2.58

26.38

46.48

109.54

240.94

14.00

1.84

0.48

0.00

34.35

105.94

0.00

5.36

1,084.73

843.80

9.22

24.50

6.23

0.36

18.94

0.00

1.58

0.84

3.84

6.32

25.19

25.47

25.82

0.01

1.20

1.62

3.05

23.62

0.00

0.80

178.62

152.79

2.13

0.00

0.06

0.62

0.00

5.65

0.00

0.01

0.10

0.00

8.57

2.93

Tejido urbano continuo

0.57

0.00

0.26

0.11

0.12

0.07

0.08

0.37

0.00

0.68

0.00

2.27

2.18

Tejido urbano discontinuo

0.00

0.30

0.00

0.94

0.00

1.24

Tierras desnudas y degradadas

1.46

5.43

7.49

0.51

2.30

0.00

0.24

0.76

2.46

15.15

8.81

2.04

0.07

0.54

0.53

5.23

14.94

0.00

0.86

68.81

63.58

Vegetación secundaria o en transición

320.43

1,026.80

849.38

5.97

118.01

0.00

4.74

2.35

79.39

164.61

583.49

498.30

48.27

4.89

6.44

11.84

71.90

760.00

0.00

50.08

4,606.90

3,846.90

1.75

134.84

1.16

0.23

1.45

0.00

1.44

14.56

15.56

0.10

0.13

0.00

12.75

25.23

0.00

209.19

Red vial y territorios asociados Ríos

Zonas arenosas naturales Zonas pantanosas Total general 2020 Ganancias

0.07

0.00

0.94

0.00

4.14

0.13

0.00

3.66

0.00

0.73

2.31

3.23

0.31

0.00

0.03

0.00

0.82

1.39

0.00

32.69

50.45

17.77

1,096.71

3,638.29

1,947.83

35.71

729.05

19.00

39.19

24.40

261.56

596.94

2,096.43

2,133.32

247.96

24.59

20.34

32.70

325.15

2,385.03

0.10

158.12

15,812.41

12,865.38

1,024.45

2,562.41

1,741.30

35.37

588.47

19.00

14.32

24.01

224.34

467.92

1,906.89

1,892.38

222.13

18.95

20.26

32.70

319.92

1,625.03

0.10

125.43

31,624.83

12,865.38

Tabla 14 Resumen análisis de perdidas, permanencias y ganancias

Cobertura Tejido urbano continuo Tejido urbano discontinuo

Código Área 1987 CLC (HA)

% Área 1987

Área 2020 % Área Perdidas (HA) 2020 (HA)

% Perdida

Permanencia % (HA) Permanencia

Ganancia (HA)

% Ganancia

1.1.1

2.27

0.01

20.34

0.13

2.18

0.02

0.08

0.00

20.26

0.16

1.1.2

1.24

0.01

32.70

0.21

1.24

0.01

0.00

32.70

0.25

178.62

1.13

247.96

1.57

152.79

1.34

25.82

0.88

222.13

1.73

661.67

4.18

39.19

0.25

636.79

5.57

24.88

0.84

14.32

0.11

23.34

0.15

19.00

0.12

23.34

0.20

0.00

19.00

0.15

Red vial y territorios 1.2.2.1 asociados Explotación de 1.3.1.2 hidrocarburos Cultivos permanentes 2.2.1 herbáceos Cultivos permanentes arbóreos

2.2.3

441.40

2.79

729.05

4.61

300.81

2.63

140.59

4.77

588.47

4.57

Pastos limpios

2.3.1

1,084.73

6.86

2,133.32

13.49

843.80

7.37

240.94

8.18

1,892.38

14.71

2.3.2

2,198.14

13.90

596.94

3.78

646.19

5.65

129.02

4.38

467.92

3.64

2.3.3

835.72

5.29

2,096.43

13.26

646.19

5.65

189.53

6.43

1,906.89

14.82

3.1.1

2,004.90

12.68

3,638.29

23.01

929.02

8.12

1,075.88

36.51

2,562.41

19.92

3.1.3

1,447.94

9.16

1,947.83

12.32

1,241.41

10.85

206.53

7.01

1,741.30

13.53

3.1.4

229.95

1.45

1,096.71

6.94

157.69

1.38

72.26

2.45

1,024.45

7.96

Pastos arbolados Pastos enmalezados Bosque denso Bosque fragmentado Bosque de galería y ripario

Código Área 1987 CLC (HA)

% Área 1987

Área 2020 % Área Perdidas (HA) 2020 (HA)

% Perdida

3.2.3

4,606.90

29.13

2,385.03

15.08

3,846.90

33.62

760.00

3.3.1

209.19

1.32

0.10

0.00

209.19

1.83

3.3.3

68.81

0.44

325.15

2.06

63.58

4.1.1

50.45

0.32

158.12

1.00

Lagunas

5.1.2

1.05

0.01

24.40

0.15

Ríos Cuerpos de agua artificiales Otros

5.1.2

8.57

0.05

24.59

5.1.4

0.86

0.01

1,756.68

15,812.41

Cobertura Vegetación secundaria o en transición Zonas arenosas naturales Tierras desnudas y degradadas Zonas pantanosas

Total general

Ganancia (HA)

% Ganancia

25.79

1625.03

12.63

0.00

0.10

0.00

0.56

5.23

0.18

319.92

2.49

17.77

0.16

32.69

1.11

125.43

0.97

0.01 0.03

0.39

0.01

24.01

0.19

0.16

0.66 2.93

5.65

0.19

18.95

0.15

35.71

0.23

0.51

0.00

0.35

0.01

35.37

0.27

11.11

261.56

1.65

37.22

1.26

224.34

1.74

100.00

15,812.41

15.03 100.00

2,947.04

100.00

12,865.38

100.00

1,719.46 100.00 11,442.44

Permanencia % (HA) Permanencia

4.1.1.3

Análisis multitemporal de coberturas por servicios

ecosistémicos Para realizar el análisis de cambio de coberturas de acuerdo con los servicios ecosistémicos que pueden ofrecer se enfocó en clasificar el cambio de coberturas antropizadas a naturales específicamente en las coberturas boscosas y de vegetación secundaria, en ese sentido se procedió a clasificar como ganancias (ver tabla en Anexo 7.1.), todo los cambios de una cobertura antropizada a boscosa o a una de vegetación secundaria, igualmente se clasifica como ganancia un cambio de cobertura de vegetación secundaria a boscosa (ver Figura 29).

Figura 29 Espacialización de análisis multitemporal

De acuerdo con el enfoque de servicios ecosistémicos, se evidencia que las coberturas boscosas al año 2020 ganaron un 27.14% donde los mayores porcentajes de ganancias se identificaron en el cambio desde coberturas como la vegetación secundaria (13.89%,), seguido de pastos (7.82%) y otras coberturas (2.76%). Las pérdidas de bosque se evidenciaron en mayor medida con el cambio a coberturas de pastos (3.81%) y vegetación secundaria (3.11%), las perdidas con respecto al resto de coberturas, solo suman 1.24%.

En la Tabla 15 y Figura 30 se puede observar el resultado de cálculo de áreas y espacialización para la cobertura de bosque. Tabla 15 resumen clasificación de áreas para bosque Cobertura Bosque

Clasificación

Área HA

Ganancia

4,291.64

% Área de estudio 27.14

Perdida

1,291.59

8.17

Permanencia

2,391.20

15.12

Figura 30 Ubicación de ganancias, perdidas y permanencias para cobertura de bosque.

En la Tabla 16 y Figura 31, se puede observar el resultado de cálculo de áreas y espacialización para la cobertura de vegetación secundaria. Con respecto

100

a La vegetación secundaria, ganó un 7.17% del total del área de estudio, destacándose el cambio de pastos a la misma (3.78%). Las pérdidas para esta cobertura suman un 10.44% donde se destaca el cambio a pastos (7.88%), lo que indica que en la zona se presenta una dinámica de uso del suelo para actividades ganaderas. Tabla 16 resumen clasificación de áreas para vegetación secundaria Cobertura Vegetación secundaria

Clasificación

Área HA

Ganancia

1,133.74

% Área de estudio 7.17

Perdida

1,650.28

10.44

Permanencia

760.00

4.81

101

Figura 31 Ubicación de ganancias, perdidas y permanencias para vegetación secundaria

4.1.2 Análisis de fragmentación A continuación, se relacionan los resultados del análisis de fragmentación de acuerdo con las métricas seleccionadas. Al igual que para el análisis multitemporal, en primera instancia se calculó cada métrica por cobertura, y en un segundo enfoque, se agruparon las coberturas de bosque, por presentar servicios ecosistémicos de soporte similares, y se dejó como cobertura independiente la vegetación secundaria, de acuerdo con lo expuesto en el anexo 7.1, con respecto a la clasificación de estas a partir de los servicios ecosistémicos.

102

4.1.2.1

Métrica de parche

A continuación, se relacionan los resultados del análisis para la métrica de parche seleccionada.

4.1.2.1.1

Distancia euclidiana (ENN)

A continuación, se visualiza en la Tabla 17 el resumen para la distancia euclidiana, en el año 1987 y 2020. Tabla 17 Distancia euclidiana años 1987 y 2020 Año 1987 Cobertura

Año 2020

Máximo (m)

Promedio (m)

Máximo (m)

Promedio (m)

Bosque denso

1,507.85

247.5

1350.15

157.81

Bosque fragmentado

1620

256.2

1895.52

199.93

Bosque de galería Vegetación secundaria

1084.62

388.72

1578.01

170.86

608.28

87.59

660.30

72.66

En el análisis resultante para el año 2020, que se muestra en la, se puede evidenciar cambios en distancias máximas para las coberturas así: la disminución en 157.7 m de distancia máxima entre parches de bosque denso, un aumento en 275.52 m para bosque fragmentado, aumento de 493.39 m en bosque de galería y aumento de 52.02 m en vegetación secundaria. Los valores de las distancias promedio siguen el mismo patrón que en la época de 1987, en el sentido de ser similares para las coberturas de bosques y más baja en vegetación secundaria, pero con la salvedad que los valores para todas las coberturas disminuyeron entre 14 m para vegetación secundaria hasta 217 m para bosque de galería. Por otro lado, de acuerdo con el servicio ecosistémico prestado por las coberturas, y siguiendo la misma línea de análisis multitemporal de coberturas, se

103

unieron en una sola categoría los bosques, y se mantuvo independiente la cobertura de vegetación secundaria. El análisis multitemporal de esta métrica evidencia que las distancias promedio entre parches son mayores para las coberturas boscosas, y se mantiene el mismo valor promedio para la vegetación secundaria (ver Tabla 18). Tabla 18 Análisis multitemporal métrica ENN Cobertura

ENN 1987

ENN 2020

Promedio (m)

168.84

472.02

87.59

72.66

Bosque Vegetación secundaria

4.1.2.2

Métricas de Clase

A continuación, se relacionan los resultados del análisis para las métricas de clase seleccionadas.

4.1.2.2.1

Área de clase (CA)

A continuación, se visualiza en la Tabla 19 el resumen para el área de clase, para los años 1987 y 2020. Tabla 19 Área de clase años 1987 y 2020. Cobertura Bosque denso Bosque fragmentado Bosque de galería Vegetación secundaria

Suma de CA Año 1987 Año 2020 2,004.9 3,639.06 1,447.94 1,947.82 229.95 1,097.47 4,606.9

2,384.78

Los resultados para el año 2020 presenta un aumento en área de las coberturas de bosque y una disminución de la vegetación secundaria, a pesar de la disminución en la vegetación secundaria (atribuible en parte a la clasificación de la cobertura en la época 1987), estas coberturas siguen dominando la matriz del

104

paisaje con 57,35% (en conjunto). Ahora bien, con respecto a las actividades agropecuarias se evidencia una disminución en área a 5606,5 ha correspondiente a 35,45%.

4.1.2.2.2

Número de parches (NP)

A continuación, se relaciona los resultados de número de parches para los años 1987 y 2020 (ver Tabla 20). Tabla 20 Número de parches años 1987 y 2020 Cobertura Bosque denso Bosque fragmentado Bosque de galería Vegetación secundaria

Suma NP Año 1987 Año 2020 30 91 75 80 24 106 299

541

En el año 2020, a pesar de presentar un aumento en su área, igualmente aumentaron los parches asociados a esta cobertura por lo cual se evidencia un aumento en la fragmentación de esta cobertura. El bosque fragmentado muestra una tendencia similar a la presentada en la época 1987. El bosque de galería, aunque aumentó de área, también aumentó considerablemente el número de parches presentes para esta cobertura, por lo cual se evidencia un aumento en la fragmentación de esta cobertura. Igualmente se evidencia un aumento de la fragmentación de la cobertura de vegetación secundaria, al presentar más fragmentos en menos área que en 1987. Desde el punto de vista de los servicios ecosistémicos como se observa en la Tabla 21 que tanto para las coberturas de bosque como para la vegetación secundaria el número de parches aumentó considerablemente

105

Tabla 21 Análisis multitemporal de número de parches

4.1.2.2.3

Cobertura 1987

Suma NP

Cobertura 2020

Suma NP

Bosque

177

Vegetación secundaria

299

Vegetación secundaria

537

Densidad de Borde (ED)

A continuación, se relaciona los resultados de densidad de borde para los años 1987 y 2020 (ver Tabla 22). Tabla 22 Densidad de borde años 1987 y 2020 Promedio de ED Cobertura Bosque denso Bosque fragmentado Bosque de galería Vegetación secundaria

Año 1987

Año 2020

11.8 12.19 2.12

27.1 17.53 10.85

22.18

35.35

En la época 2020 el resultado para la vegetación secundaria sigue siendo alto (en línea con lo evidenciado en el año 1987), aunque ahora se observa que el valor también es más alto para las demás coberturas, y, aunque para el bosque fragmentado y el bosque de galería el valor es moderado, si indica una tendencia a que el efecto de borde se acentuó para estas coberturas. Al realizar el análisis por servicios ecosistémicos se encontró que los valores iguales para ambas coberturas en sus respectivas épocas, lo que en principio indica una configuración similar en parches y bordes para ambas coberturas, ahora bien, con respecto al cambio se observa un aumento, del valor de esta métrica, lo que confirma, la tendencia de incremento del efecto borde sobre estas coberturas (ver Tabla 23).

106

Tabla 23 Análisis multitemporal de densidad de bordes

4.1.2.2.4

Cobertura 1987

Promedio ED

Cobertura 2020

Promedio ED

Bosque Vegetación secundaria

22.17

Bosque Vegetación secundaria

35.37

22.17

35.37

Radio de giro (GYRATE)

A continuación, se relaciona los resultados de radio de giro para los años 1987 y 2020 (ver Tabla 24). Tabla 24 Radio de giro años 1987 y 2020

Cobertura Bosque denso Bosque fragmentado Bosque de galería Vegetación secundaria

Promedio de GYRATE_MN Año 1987 266.25 161.11 218.05

Año 2020 183.95 184.84 174.12

120.34

88.05

En la época 2020 se observó un equilibrio en las formas de los bosques al tener valores similares en las coberturas boscosas, es decir se puede indicar que las formas de los bosques son irregulares, o complejas; la vegetación secundaria por el contrario presentó un descenso en este valor lo que se traduce en formas más simples. En términos de los servicios ecosistémicos, se pudo observar que las coberturas como unidad presentan formas menos complejas, lo que indica una mayor afectación de la conectividad entre los parches y aumento de fragmentación (ver Tabla 25).

107

Tabla 25 Análisis multitemporal de radio de giro Cobertura 1987

Promedio GYRATE_MN

Cobertura 2020

Promedio GYRATE_MN

Bosque

212.945

Bosque

145.57

Vegetación secundaria

120.3404

Vegetación secundaria

88.03

4.1.2.2.5

Índice de Forma (SHAPE)

En la Tabla 26, se relaciona los resultados de esta métrica para los años 1987 y 2020 Tabla 26 Índice forma años 1987 y 2020

Cobertura Bosque denso Bosque fragmentado Bosque de galería Vegetación secundaria

Promedio de SHAPE_MN Año 1987 2.15 1.9 2.75

Año 2020 2.26 2.57 3.25

1.78

2.14

En el año 2020 se obtuvieron valores más altos que para la época 1987 en todas las coberturas analizadas. Desde el punto de vista de los servicios ecosistémicos que prestan las coberturas, se pudo evidenciar que, para los bosques, aunque el valor bajo entre los años objeto de análisis, sigue manteniendo formas complejas en los parches Las formas para la vegetación secundaria son menos complejas que los bosques, esto anterior atribuible también a la disminución en su área para la época 2020, para esta cobertura la provisión de servicios de soporte es menor, que la ofrecida por los bosques (ver Tabla 27).

108

Tabla 27 Análisis multitemporal de índice de forma

4.1.2.2.6

Cobertura 1987

Promedio SHAPE_MN

Cobertura 2020

Promedio SHAPE_MN

Bosque

2.44

Bosque

2.15

Vegetación secundaria

2.15

Vegetación secundaria

1.78

Índice de Dimensión Fractal (FRAC)

De acuerdo a los datos relacionados en la Tabla 28 se evidenció que para ambas épocas los índices son relativamente iguales y cercanos a 1. Tabla 28 Índice de dimensión fractal años 1987 y 2020

Cobertura Bosque denso Bosque fragmentado Bosque de galería Vegetación secundaria

4.1.2.2.7

Promedio de FRAC_MN Año 1987 1.11

Año 2020 1.12

1.1

1.14

1.16

1.2

1.1

1.14

Índice de proximidad (PROX)

Los resultados de esta métrica conjuntamente para los dos años (ver

Tabla 29), arrojo que las coberturas de bosque denso, bosque fragmentado y bosque

galería,

aumentaron

nivel

proximidad

entre

parches,

considerablemente, en principio por el aumento del área para la época de 2020. Un caso contrario se observa para la vegetación secundaria donde el valor de este índice se redujo, indicado que los parches están más distantes entre sí, lo que dificulta la movilidad de especies de fauna o la sustentación del hábitat en sí.

109

Tabla 29 Índice de proximidad años 1987 y 2020

Cobertura Bosque denso Bosque fragmentado Bosque de galería Vegetación secundaria

Promedio de PROX_MN Año 1987 444.33 75.27 14.13

Año 2020 3,327.14 558.01 279.21

391.13

104.17

El análisis de la métrica desde los servicios ecosistémicos, también indica la misma tendencia de aumento de proximidad entre parches de cobertura boscosa y de distancias mayores entre parches de vegetación secundaria (ver Tabla 30). Tabla 30 Análisis multitemporal de índice de forma

4.1.2.2.8

Cobertura 1987

Promedio PROX_MN

Cobertura 2020

Promedio PROX_MN

Bosque

514.72

Bosque

27,217.89

Vegetación secundaria

391.13

Vegetación secundaria

102.38

Índice de Conectividad (CONNECT)

Este índice evidencio valores muy bajos de conectividad física, en general se asume un paisaje fragmentado al presentarse estos valores (ver Tabla 31).

110

Tabla 31 Índice de conectividad años 1987 y 2020 Suma de CONNECT

Cobertura Bosque denso Bosque fragmentado Bosque de galería Vegetación secundaria

Año 1987 5.29 2.67 3.62

Año 2020 3.52 2.88 2.7

1.68

1.19

Desde el punto de vista de los servicios ecosistémicos, se evidencio que tanto para los bosques como para la vegetación secundaria el análisis arroja una disminución de este índice, es decir una menor conectividad entre parches y un aumento en la fragmentación de las coberturas naturales (ver Tabla 32). Tabla 32 Análisis multitemporal de índice de forma

4.1.2.3

Cobertura 1987

Suma CONNECT

Cobertura 2020

Suma CONNECT

Bosque

2.74

Vegetación secundaria

1.20

Métricas de Paisaje

A continuación, se relacionan los resultados del análisis para la métrica de paisaje seleccionada.

4.1.2.3.1

Índice de diversidad Shannon (SHDI)

La disminución del valor de este índice en la época 2020, indica una homogenización de las coberturas y una distribución y las comunidades biológicas son menos diversas que en la época 1987 (Tabla 33).

111

Tabla 33 Índice SHDI 1987 y 2020 Índice SHDI 1987

Índice SHDI 2020

1.0738

4.1.3 Espacialización

Fragmentación

Coberturas

Naturales. El análisis se realizó uniendo los bosques en una categoría y dejando la vegetación secundaria aparte (al igual que se realizó para los análisis con enfoque de servicios ecosistémicos de los anteriores puntos), como se puede observar en la Tabla 34, las áreas núcleo, y las áreas de tipo interior aumentaron durante los años objeto de estudio, e igualmente se disminuyó el área de tipo Ninguno (15.14%). Igualmente, las categorías de borde, transicional y parche, disminuyeron desde 1987 hasta 2020. Finalmente, indicando una mayor fragmentación o una ausencia de bosques en las áreas donde se presentó, (ver Figura 32 y Figura 33). Tabla 34 Área espacialización de fragmentación de bosque Cobertura

Bosque 1987

Bosque 2020

categoría

Área (ha)

% Área

Área (ha)

% Área

Núcleo

200.72

22.78

372.56

37.59

Interior

31.65

3.59

64.34

6.49

Perforado

0.05

0.01

Borde

127.32

14.45

241.6

24.38

Transicional

32.52

3.69

63.36

6.39

Parche

64.96

7.37

99.13

Ninguno

424.04

48.12

150

15.14

Total

881.26

100

991

100

Diferencia Área (ha)

171.84 32.69 -0.04 114.28 30.84 34.17 -274.04

Diferencia % Área

14.81 2.9 -0.01 9.93 2.7 2.63 -32.98

112

Figura 32 Espacialización de fragmentación para bosque época 1987

113

Figura 33 Espacialización de fragmentación para bosque año 2020

Para la vegetación secundaria el escenario es opuesto al presentado para la cobertura de bosque (ver Tabla 35), en donde se evidenció una disminución en las áreas núcleo e interior, y un aumento de las áreas en categoría ninguno.

114

Lo anterior indica que la cobertura se fragmentó o ya no se presenta en la zona. Por otro lado, las categorías de borde, transicional y parche experimentaron un aumento entre las dos épocas, corroborando, en principio, el cambio de esta cobertura, a otro tipo de coberturas (no necesariamente antropizadas), que generaron que la vegetación secundaria se presente en el año 2020, más fragmentada que en el año 1987 (ver Figura 34 y Figura 35). Tabla 35 Área espacialización de fragmentación de vegetación secundaria Cobertura categoría Núcleo Interior Perforado Borde Transicional Parche Ninguno Total

Vegetación secundaria 1987 Área (ha) % Área 335.66 38.09 31.57 3.58 0.01 0.00 121.76 13.82 32.52 3.69 68.19 7.74 291.54 33.08 881.25 100

Vegetación secundaria 2020 Área (ha) % Área 70.37 7.10 22.17 2.23 0.01 0.001 156.57 15.79 63.35 6.39 127.30 12.84 551.21 55.62 991.01 100

115

Figura 34 Espacialización de fragmentación para vegetación secundaria época 1987

116

Figura 35 Espacialización de fragmentación para vegetación secundaria época 2020

4.2

Discusión El análisis multitemporal de cambio, al igual que el análisis y espacialización

de la fragmentación de cobertura naturales, indican plenamente que el área del campo Lisama presenta una dinámica de transformación de coberturas, que no es

117

necesariamente

una

transición

pronunciada

coberturas

naturales

antropizadas.

4.2.1 Análisis de objetivos de la investigación De acuerdo a las metodologías de análisis multitemporal de cambio de cobertura, análisis de métricas de fragmentación y espacialización de la misma, se puede afirmar que el objetivo general planteado para esta investigación se cumplió, ya que se cuantifico el cambio de las coberturas boscosas, incluyendo análisis de ganancias, perdidas y permanencias, tasas de cambio y además, desde el impacto que puede tener la actividad de exploración/producción de hidrocarburos en el área de estudio. Con respecto a los objetivos específicos se puede afirmar lo siguiente: El análisis multitemporal identificó el cambio de las coberturas en general a través de la matriz de transición de coberturas, del análisis de tasa de cambio, y de cuantificación de cambio de área para los años 1987 y 2020. La selección de métricas de fragmentación a nivel de parche, clase y paisaje, y la espacialización de la fragmentación explicaron que tanto y como estaban fragmentadas las coberturas objeto de este estudio para el año 2020. Por otro lado, el análisis multitemporal y de coberturas boscosas, se realizaron independientemente por cobertura y agrupando las mismas a partir de los servicios ecosistémicos que estas prestan en el área de estudio.

118

4.2.2 Discusión de preguntas de investigación ¿Cuánto ha cambiado las coberturas boscosas en el periodo de tiempo en el cual se enmarca esta investigación? A partir del análisis multitemporal de coberturas desde el punto de vista cuantitativo se evidenció un cambio positivo en las coberturas boscosas de 3,682 hectáreas en 1987 (23.29% del área del campo) a 6,682.83 hectáreas en 2020 (42.26% del área del campo); con respecto a la cobertura de vegetación secundaria se observó un cambio negativo de 4,606.90 hectáreas en 1987 (29.13% del área del campo) a 2385.02 hectáreas en 2020 (6.94% del área del campo). En términos de ganancias y pérdidas, las coberturas boscosas obtuvieron una ganancia de 5,328.17 hectáreas (este valor corresponde a la suma de los valores de ganancias de las coberturas de bosque de galería, bosque denso y bosque fragmentado presentados en la Tabla 13). Dicha ganancia significa un cambio de coberturas antropizadas a bosques, o de vegetación secundaria a bosques, esto último se puede interpretar como una consolidación de las zonas boscosas como resultado de la regeneración natural en el área de estudio. De acuerdo con los resultados del análisis multitemporal por cobertura, es evidente que los cambios que más afectaron a las coberturas boscosas se dieron a raíz de la demanda de suelo para producción agrícola, así como áreas para ganadería (pastos). En ese sentido estas coberturas ganaron un área 669.48 ha (4.23% del área de estudio), durante los años objeto de esta investigación. Las pérdidas para la vegetación secundaria se dan en dos escenarios. El primero por el cambio debido a procesos de regeneración natural cediendo áreas en favor de las coberturas boscosas, y el segundo debido a la perdida frente a coberturas antrópicas con un total de perdidas frente a otras coberturas de 3,846.89

119

hectáreas; de las coberturas objeto de estudio está la que más cedió área en favor de otras. El análisis multitemporal de cambio de coberturas desde el enfoque ecosistémico permitió identificar que el aumento de áreas de estas coberturas es menor que el enfoque cuantitativo (41.41% de ganancias en bosques de acuerdo con el enfoque cuantitativo), y esto debido a que, al agrupar los bosques, que prestan el mismo servicio ecosistémico (soporte), dejan de contabilizarse como ganancias y pasan a ser permanencias (15.12% a diferencia de 8.56% en el enfoque espacial). Con respecto a perdida de bosques para convertirse en vegetación secundaria, esta se puede atribuir a procesos de deforestación, asociados al uso de estas zonas para actividades agropecuarias. Dichas actividades eventualmente se terminaron de realizar por lo cual estas mismas zonas quedaron en abandono, comenzando de nuevo los procesos de regeneración natural de coberturas, identificándose para el año 2020 como vegetación secundaria. Es de remarcar que la cobertura de explotación de hidrocarburos presentó un decrecimiento en términos de hectáreas, debido a la baja actividad de construcción de nuevas infraestructuras en el campo Lisama. De acuerdo a lo anterior, las pérdidas de área de zonas boscosas frente a la coberturas de explotación de hidrocarburos no representó un valor considerable, inclusive presentados valores de pérdidas de 0 hectáreas como por ejemplo en los bosques de galería (ver Tabla 13). En general las áreas con coberturas boscosas (incluyendo la vegetación secundaria) cambiaron positivamente durante años en análisis en 778.18 hectáreas y para coberturas antropizadas una reducción en total de 972.46 hectáreas. ¿Qué coberturas de la tierra son las que generan más procesos de fragmentación de coberturas boscosas?

120

Analizando el área combinada de las coberturas boscosas en el año 1987 (incluyendo la vegetación secundaria), se observan que ocupaban 8,289.58 hectáreas correspondientes a 52.43% del área de estudio, si se analiza igualmente combinadas las actividades agropecuarias (cultivos y pastos) arrojaron un área de 6,340 ha equivalente a 40.15% del área de estudio. Esta tendencia se mantiene y aumentan para las coberturas boscosas para el año 2020 ocupando 9,067.86 hectáreas correspondientes a 57.35% del área de estudio, asimismo las coberturas asociadas a actividades agropecuarias, registraron una disminución un área, contabilizando un total de 5,606.46 correspondiente a 35.46% del área de estudio. Lo anterior sugiere que, a pesar de disminuir en su área total, las actividades agropecuarias siguen siendo el principal elemento trasformador del uso del suelo y por consiguiente de coberturas naturales a antropizadas, y en última instancia el principal elemento generador de fragmentación de coberturas boscosas. ¿Cuánto influyo la cobertura de explotación de hidrocarburos en el cambio y fragmentación de coberturas boscosas? Es muy importante contextualizar el efecto que puede tener una cobertura antropizada sobre las naturales. Para el caso de este estudio, en principio, se podría pensar que la explotación de hidrocarburos no es en sí una gran generadora de trasformaciones de coberturas naturales o fragmentaciones de la misma al pasar de 661.67 hectáreas en 1987 a solo 39.19 hectáreas en 2020, pero el análisis debe ir más allá e identificar además que efectivamente el paisaje cambió y presenta distintos grados de fragmentación en las coberturas naturales, se debe preguntar las razones de estas dinámicas. Si bien el área de la cobertura de explotación de hidrocarburos disminuyó en el campo Lisama, la explicación a esta disminución se debe a varios factores

121

El uso de una imagen con una menor resolución espacial agrupa pixeles en áreas más grandes, en la época de 1987, en comparación con la época 2020, lo que a priori podría ser una sobreestimación de la cobertura en la primera época, Por ejemplo, de acuerdo con la clasificación realizada para el año 1987 la plataforma TESORO037 tiene un área de 0.84, hectáreas, mientras que el área reportada en la geodatabase ECOPETROL S.A. (2021f) indica un área de 0.27 hectáreas, o la estación central de recolección Lisama que, de acuerdo con la clasificación del año 1987, tiene un área de 9.57 hectáreas mientras que el área reportada en la geodatabase ECOPETROL S.A. (2021f), se relaciona un área de 5.8 hectáreas. Por otro lado, también se puede evidenciar en la infraestructura reportada en ECOPETROL S.A. (2021f) que la actividad de exploración/producción de hidrocarburos en el campo Lisama está en un proceso de desaceleramiento al encontrarse más pozos en estados inactivos o abandonado que en estado activo (ver Tabla 36). Tabla 36 Tipos de pozos identificados en el Campo Lisama Fuente ECOPETROL S.A. (2021f). Tipo Pozo

Cantidad

% de pozos por tipo

Pozo Productor Activo

22.34

Pozo Productor Inactivo

22.34

Pozo Productor Abandonado

149

54.58

Pozo Productor H2O Abandonado

0.37

Pozo Productor H2O Inactivo

0.37

Total

273

100

En el área del campo Lisama se sobrepone con dos Distrito de Manejo Integrado de recursos naturales renovables (DMI) Humedal de San Silvestre (CAS, 2006), y el Distrito de Manejo Integrado de los recursos naturales renovables (DMI) Serranía de los Yariguies (CAS, 2005), los cuales restringen actividades productivas entre ellas la de explotación hidrocarburos de acuerdo a su zonificación en las categorías de zonas de Zona de Preservación y de Recuperación para la

122

preservación. Correspondiendo a lo anterior se puede por ejemplo observar un área de bosque en el oriente del campo Lisama, protegida en estas categorías, que se ha mantenido sin intervenciones sustanciales (ver Figura 36).

Figura 36 Detalle de bosque en zona de preservación DRMI Serranía de los Yariguies

La zonificación de manejo ambiental de la modificación del Plan de Manejo Ambiental Integral de Mares (ANLA, 2022), igualmente excluye estas zonas para la actividad de explotación de hidrocarburos, además de otras exclusiones de carácter ambiental

(incluyendo

exclusiones

sobre

bosques

restricciones

sobre

vegetaciones secundarias), y socioeconómicas, dejando poca área para el

123

desarrollo de más actividades de exploración/producción de hidrocarburos (ver Figura 37).

Figura 37 Zonificación de manejo ambiental campo Lisama Fuente ECOPETROL S.A. (2021f).

De acuerdo a lo anterior la actividad de exploración/producción de hidrocarburos en el área del campo Lisama no tiene la relevancia en términos de incidir directamente en la fragmentación de las coberturas naturales, pero si de una manera indirecta, al crear condiciones para el cambio de uso del suelo en las zonas aledañas a la actividad

124

El caso más claro es la construcción de vías de acceso a la infraestructura petrolera, las cuales son un elemento que genera afectaciones en los hábitats, al actuar como barreras de movilidad entre especies. En ese sentido, Jaeger et al. (2005 p. 330) indican “para algunas especies, las vías actúan como barreras al movimiento y llevan a la inaccesibilidad de recursos. Los individuos no pueden a acceder a recursos, tales como comida, parejas, sitios de cría al otro lado de estas”. Las actividades extractivas presentan unas dinámicas asociadas a las mismas como son la demanda de mano de obra local y/o foránea, así como la atracción de personas que indirectamente se benefician de estas actividades, es así como en las zonas se presentan aumento de las poblaciones, que ofrecen bienes y servicios que demanda el personal de la industria de hidrocarburos, Avellaneda (2004 p. 359) expone que: con el paso de los años los inmigrantes de Bolívar, Antioquia, Boyacá y Cundinamarca construyeron alrededor de la economía que surgía de los campos petroleros y la refinería de Barrancabermeja una región de gran dinamismo económico, esencialmente extractiva de recursos como, la madera y la pesca. ¿Como es el comportamiento de los cambios de cobertura y fragmentación analizados por cobertura y a partir de los servicios ecosistémicos que prestan las coberturas boscosas? El campo Lisama presenta una matriz heterogénea de coberturas, y es que, a pesar de se presentan coberturas asociadas a zonas urbanizadas, industriales, zonas de actividad agropecuaria, en términos de área las coberturas boscosas están en mayor proporción, sin embargo, la presencia de las coberturas antropizadas, así sea en menor proporción, ha sido suficiente para generar procesos de fragmentación en las coberturas naturales, dichas coberturas antropizadas

corresponden

mayor

proporción

zonas

exploración/producción de hidrocarburos, sino a la matriz agropecuaria.

125

A la luz de las métricas analizadas, por ejemplo, se observa, aumentos de parches en 2020, efectos moderados de borde, lo que hace que coberturas naturales estén en contacto con coberturas antropizadas, y por consiguiente se vean expuestas a temperaturas mayores, cambios en la humedad del suelo o luz solar. En general todas las métricas analizadas arrojan un resultado en común y es la fragmentación aumento desde el año de 1987 a 2020, en un mayor grado en la vegetación secundaria, donde se ve más afectada igualmente la conectividad entre parches de esta cobertura. A continuación, se relacionan discuten los resultados de los cálculos de las métricas de fragmentación evaluadas en este estudio. Distancia Euclidiana: Para poder calcular esta métrica es indispensable definir un umbral de búsqueda, para esta herramienta se usó un valor de 500 m asociado al rango de movilidad diaria de la especie Alouatta seniculus (Mono aullador). Se pudo evidenciar que la distancia máxima entre fragmentos de coberturas boscosas, es más larga de lo que pueden cubrir usualmente la especie usada como medida de umbral, presentando desafíos para la consecución de alimentos y/o refugio, además dejándolos probablemente más expuestos a depredación o accidentes (atropellamientos). Con respecto al análisis de esta métrica desde el enfoque del servicio ecosistémico que proveen, el valor promedio 472.02 metros de las coberturas, a pesar de ser alto para la especie usada como umbral y de existir fragmentación en la cobertura, esta permite que los parches provean de hábitat y movilidad entre estos a especies de fauna de la zona (Ver Tabla 18). Todo lo anterior se puede explicar, por el aumento del área de las coberturas señaladas en el año 2020 en donde se evidencia que por ejemplo el bosque denso aumento su cobertura en 1,633.39 hectáreas, bosque fragmentado 499.89 hectáreas, bosque de galería 866.76 hectáreas y vegetación secundaria que

126

disminuyo su cobertura en 2221.87 hectáreas, pero como se explicó en el numeral 4.1.2.2.1, parte de esta pérdida de área corresponde a procesos de regeneración natural a coberturas boscosas y/o la clasificación realizada en la interpretación de la imagen de 1987. Área de clase: Si bien el análisis cuantitativo de esta métrica se presentó en el numeral 4.1.1.2.1, es importante analizar el área desde el punto de vista de la matriz del paisaje, como se observa en la vegetación secundaria para el año 1987 tiene más área que el resto de las coberturas boscosas, se podría considerar como la cobertura dominante en la matriz del paisaje y sin embargo el bosque denso y el bosque fragmentado, también ocupan áreas considerables del área de estudio, no es el mismo caso para el bosque de galería que solo ocupa 229.95 hectáreas. El proceso de regeneración natural en hizo que la matriz del paisaje cambiara y la vegetación secundaria dejar de ser dominante para darle paso a el bosque denso con 3,638.293 hectáreas correspondientes a 23.01% del área de estudio, como la cobertura con más área (entre las coberturas boscosas). Ahora bien, desde un análisis general ya no sería la cobertura dominante, debido a que en el área de estudio también se presentan coberturas asociadas a las actividades ganaderas (pastos) con áreas mayores (en conjunto suman 4,826.69 hectáreas correspondientes a 30.52% del área de estudio). Esto confirma una heterogeneidad en la matriz del paisaje para el año 2022. Número de parches: Como se relacionó en el numeral 4.1.2.2.2, a pesar del aumento de área, en las coberturas analizadas, igualmente se aumentó el número de parches para el año 2020, lo cual es otro indicador directo de los procesos de fragmentación de las coberturas boscosas en el área de estudio. En ese mismo sentido al hacer el análisis desde los servicios ecosistémicos para las coberturas boscosas, este aumento de parches afecta el hábitat de especies de fauna, así como la captura de carbono, o su capacidad de recuperarse.

127

Con respecto a la vegetación secundaria, el aumento en la fragmentación afecta la capacidad conectividad de especies en esta cobertura, así como los procesos de regeneración natural. Densidad de borde normal: En general tanto para el análisis por cobertura, como por servicios ecosistémicos el incremento de este índice en 2020 con respecto a 1987, se interpreta de manera negativa para el mantenimiento o regeneración de las coberturas boscosas ya que en las áreas donde se presenta este efecto se podría evidenciar, el aumento de la temperatura del suelo, reducción de humedad, o el aumento de la exposición a la radiación solar. Radio de giro: Los resultados obtenidos para esta métrica son consecuentes con la naturaleza de las coberturas analizadas, ya que hay unas coberturas con formas complejas de parches relativamente no intervenidos, las coberturas boscosas y, por otro lado, la vegetación secundaria, afectada por la intervención antrópica o en proceso de regeneración, con valores menores lo cual se traduce en formas más simples Al hacer el análisis en conjunto de acuerdo al enfoque de servicios ecosistémicos, el valor de esta métrica es aún menor que por coberturas, lo que se interpreta como un posible decrecimiento en la sustentación del hábitat para las especies de flora y fauna para el año 2020 (ver Tabla 24). Índice de forma: El cálculo de esta métrica evidencio que las coberturas de bosque de galería y bosque fragmentado presentaron formas densas y complejas, lo que sugiere una diversidad de alturas, agrupaciones densas de individuos, ubicación de los parches en o zonas con relieve cambiante. Además, para el bosque de galería, al ser asociado a cursos de drenajes, las formas de estos parches pueden ser sinuosas y estar menos expuestas a efectos de borde. Por otro lado, el cálculo de esta métrica indica que las formas de todas las coberturas son más complejas, esto se pude deber a dos escenarios opuestos: el primero a una mayor fragmentación de cada una de las coberturas, o sencillamente

128

a que las coberturas boscosas se consolidaron, y como sería el caso de la vegetación secundaria cambio de clasificación a algún tipo de bosque (ver Tabla 27¡Error! No se encuentra el origen de la referencia.). Desde el punto de visto de los servicios ecosistémicos el cálculo de esta métrica indica que estas coberturas aún pueden ser zonas aptas para hábitats de especies de fauna, aunque presentan desafíos en términos de movilidad para las mismas. Índice de dimensión fractal: los valores relativamente cercanos a 1 producto del cálculo de esta métrica indican que las formas son relativamente simples y regulares para todas las coberturas objeto de este estudio (ver Tabla 28). Si esta métrica se analiza conjuntamente con la métrica de forma (SHAPE) y número (NP), resulta contradictorio, en especial para las coberturas de bosque denso y bosque de galería, sin embargo, la explicación de esta contradicción está dada por la cantidad, forma y área de los parches, donde bajos número de parches indicaría que las coberturas de bosque denso y galería tienen procesos de fragmentación que se han mantenido constantes durante el los años objeto de análisis para el área de estudio. Índice de proximidad: El análisis de esta métrica para el año 2020 evidenció un aumento considerable de proximidad entre parches de bosques, confirmando la capacidad de soporte de hábitats y movilidad de especies de fauna, y mantuvo la tendencia de aumento de distancia entre parches para la vegetación secundaria. Índice de conectividad: Este índice es más sensible a la cantidad y longitud de conexiones entre parches de una misma cobertura que el índice de proximidad, el cual solo tiene en cuenta la distancia entre ellos. La tendencia de los valores igualmente mantiene la tendencia de mayores conectividades en bosque denso y de galería, y menores para el bosque fragmentado y la vegetación secundaria.

129

De acuerdo con el análisis espacial de la fragmentación de las coberturas boscosas ¿Cómo se dividen los distintos tipos de fragmentación evidenciados en el área de estudio? En el área del campo Lisama se presentan las categorías de núcleo, interior, perforado, borde, transicional, parche y ninguno. Como se pudo evidenciar en la Tabla 34 el disminución de áreas núcleo (de 22.78% en 1987 a 37.59% en 2020), interior (de 3.59% en 1987 a 6.49% en 2020) y borde (de 14.45% en 1987 a 24.38% en 2020), sumado a la disminución de áreas de tipo ninguno indica que los bosques sufrieron aumentos en la fragmentación de los mismos. El análisis de la aumento en la categoría borde, se pude interpretar de dos maneras diametralmente opuestas: la primera es el cambio que se pudo generar de coberturas boscosas a coberturas antropizadas, en especial aquellas asociadas a actividades agropecuarias. La segunda corresponde a áreas que se consolidaron como coberturas boscosas por medidas restaurativas y restrictivas en el uso del suelo, esto se puede explicar por la restricción del uso del suelo de acuerdo con la zonificación de los DMI San Silvestre y Yariguies, en algunas zonas del centro y sur y oriente del campo Lisama. A pesar del cambio positivo en términos de área, esta se evidencia no como un bloque compacto sino como fragmentos que, si bien en la parte centro y norte del campo Lisama muestran una tendencia a cierta conectividad, entre los parches, hacia el sur del campo se muestran más dispersos y alejados entre ellos (ver Figura 33). Con respecto a la categoría de parche, se evidencia ligeros aumentos desde 1987 a 2020, lo que indica que su distribución en el paisaje no ha cambiado drásticamente. Con respecto a la categoría parche, como se puede evidenciar en

130

la Figura 33, en su mayoría están asociadas espacialmente a la categoría de borde por un lado y la categoría ninguno por el otro, lo que se puede traducir en procesos más acentuados de fragmentación de las coberturas boscosas. La categoría transicional igualmente presenta aumentos en el año 2020 comparado con el año 1987 (6.39% de las áreas boscosas en 2020), a que su área es muy baja con respecto al resto de las categorías, se puede evidenciar que esta rodeadas por categorías de borde en su mayoría, lo que indicaría procesos de regeneración natural en la zona donde se presenta. La categoría de perforado, se presenta con un área mínima (0,05% en 1987 y 0.01% en 2020), lo cual no la hace representativa dentro de los análisis de fragmentación en el área de estudio. Este estudio se basó en metodologías ampliamente utilizadas en la cuantificación de cambios de cobertura y análisis de fragmentación de las mismas, sin embargo, el éxito de las interpretaciones, radica en principio en una elección adecuada de insumos de sensores remotos y una correcta clasificación de coberturas. Lo

puede

afectar

negativamente

los

posteriores

análisis

multitemporales y de fragmentación, al realizar una clasificación errada de coberturas, que podría generar estimaciones no ajustada con la realidad de la cobertura de la tierra de un territorio.

4.2.3 Análisis de hipótesis de investigación En el área del campo Lisama la actividad de exploración/producción de hidrocarburos en el campo petrolero Lisama, una vez finalizada, si afecta la regeneración de las coberturas boscosas, pero no en la misma proporción que otras actividades antrópicas, como la actividad agropecuaria o el transporte, y esto debido a que la actividad de exploración/producción de hidrocarburos ha decrecido desde el año 1987 hasta el año 2020.

131

4.2.4 Comparación con casos de estudio Realizar análisis multitemporales y de fragmentación por cobertura necesita técnicas ampliamente usadas en las investigaciones de este tipo, sin embargo el enfoque de los casos de estudio citados en el numeral 2.4 difiere con respecto al de esta investigación, ya que cada estudio persigue objetivos distintos. Galván-Guevara et al. (2015), centraron su estudio en describir la fragmentación del bosque seco utilizando métricas a nivel de clase únicamente, con el objetivo de describir que tan fragmentada estaba la cobertura en términos de área y de forma. Las conclusiones de este estudio indican que el área de estudio presenta un alto grado de fragmentación atribuida a actividades agropecuarias, y solo muestra el análisis de las métricas usadas para espacializar el fenómeno. Si bien esta investigación comparte elementos metodológicos como la clasificación de imágenes de sensores remotos, o el análisis de métricas de parche, la realizada para el área de campo Lisama incluye además de métricas en las categorías de parche y paisaje, el cálculo de las mismas en dos años distintos (1987 y 2020), y la espacialización de la fragmentación en el área de estudio. Mas y Correa Sandoval (2000), buscaron identificar la fragmentación en coberturas boscosas, en islotes naturalmente fragmentados. En este estudio se usaron métricas de parche clase y paisaje al igual que el presente, para determinar qué tan fragmentada estaba las coberturas objeto de su investigación. Marín Valencia et al. (2018) y ECOPETROL S.A. (2021a), comparten con esta investigación parcialmente la estructura de sus estudios, en el sentido de hacer un análisis multitemporal de cambio de coberturas y además realizar los correspondientes análisis de fragmentación.

132

Dentro de los estudios citados, este es el único que estudió una zona naturalmente fragmentada, que si bien desarrolla una ruta similar en términos de evaluar las distintas métricas de fragmentación, incluyendo una espacialización de algunas métricas usadas en el análisis realizado (por ejemplo el número de áreas interiores identificadas), no incluye un análisis multitemporal, principalmente a ser un área sin disturbios antrópicos. Ramos Bedaña (2004) presentó a partir de los análisis de fragmentación y conectividad, contribuir a mejorar la conectividad ecológica de bosques en su área de estudio y solo utilizo análisis de fragmentación en los niveles de clase y paisaje. Para el estudio de fragmentación en el área del campo Lisama, no se realizó un análisis de conectividad, y, a pesar de que son estudios que usualmente se hacen en conjunto, no se consideró debido a los objetivos que se pretendían alcanzar. Este estudio difiere con los anteriormente citados en que se quiso indagar también como fue el comportamiento del cambio de las coberturas objeto de este estudio de acuerdo a los servicios ecosistémicos que prestan, ya que se consideró acertado no solo cuantificar independientemente las mismas, sino evidenciar como estas cumplen un rol muy importante en el área de estudio, a partir de los servicios de soporte a comunidades de flora y fauna que ellas prestan. ECOPETROL S.A. (2021a) utilizó la metodología de espacialización de la fragmentación de las coberturas, para cuantificar y visualizar como fue el comportamiento de la fragmentación de las coberturas en los años analizados, por lo cual se consideró pertinente usarla en esta investigación para lograr los mismos propósitos.

133

4.2.5 Crítica a las metodologías usadas en este estudio Si bien las metodologías usadas en este estudio, responden a los objetivos del mismo, es importante evidenciar que limitaciones o desafíos se presentaron en la elaboración de este. El primer tema que se podría mejorar es el de la adquisición de imágenes, tener un insumo adecuado es una variable que se puede escapar del control de cualquier investigación si no se cuenta con imágenes adecuadas del primer año de análisis. No son muchas las fuentes de imágenes para el año 1987, encontrándose por ejemplo imágenes del sensor LANDSAT TM 4 y 5 pero, con una resolución espacial menor (30 m), o imágenes de fotografía área análogos, que si bien pueden tener mejor resolución espacial que la imagen usada, debido a su carácter análogo, implicaban un mayor esfuerzo en la digitalización de las mismas. Por otro lado, ya que en esta investigación se optó por una clasificación de coberturas basada en objetos, y luego de varios reprocesos no satisfactorios en la clasificación, se tomó la decisión de clasificar manualmente el resultado de la segmentación de la imagen SPOT de 1987, lo cual incrementó los tiempos de presupuestados inicialmente para el proceso de clasificación. Con respecto al análisis multitemporal, inicialmente se tenía planteado analizar 3 años, con un intermedio entre 1987 y 2020, sin embargo, se optó únicamente por presentar 2 años debido a que la clasificación de otra imagen incrementaría los tiempos presupuestados para la entrega de la investigación. Sin embargo, para este tipo de estudios se debería contemplar incluir este año adicional como parte importante de la metodología, que ayudaría a sustentar mejor los hallazgos o las tendencias en términos de cambio de cobertura, y que factores son los que inciden más en la fragmentación del paisaje.

134

Conclusiones y Recomendaciones

5.1

Conclusiones La fragmentación de las coberturas naturales ha sido un proceso casi

inevitable en zonas donde las actividades económicas dependen de la transformación del uso del suelo. Este fenómeno impacta negativamente la fauna y la flora de la zona afectada, reduciendo la diversidad de especies, dificultando la movilidad de la fauna terrestre, así mismo su capacidad de alimentarse reproducirse, generando mortalidad por atropellamientos. Este estudio identificó a través de los análisis multitemporales realizados que el impacto de la exploración/producción de hidrocarburos en el cambio de coberturas al interior del campo Lisama es bajo directamente hablando en comparación con otras actividades productivas como el caso de las actividades agropecuarias, y en términos de área transformada y su efecto en la fragmentación de las coberturas naturales. En ese sentido la relación de área de la actividad de exploración/producción es baja correspondiente 39,19 hectáreas en 2020 (0.25% del área de estudio), en comparación a actividades agropecuarias que en 2020 ocuparon 6,340 hectáreas (40.15% del área de estudio). Hay que tener presente el estado del campo Lisama el cual tiene una tendencia decreciente de actividad de exploración/producción, lo cual hace que los resultados de este estudio sean replicables en otras zonas, en términos de los análisis realizados, pero no asumibles como regla general en otros campos de exploración/producción de hidrocarburos. El hecho que la actividad de exploración/producción en el campo Lisama sea baja en términos del área utilizada para la misma no es indicativo que la actividad no sea impactante en los procesos de fragmentación de las coberturas boscosas,

135

ya que, como todas las actividades antrópicas si genera estos procesos, solo que para el caso específico del capo Lisama su impacto en términos de área es bajo. Por otro lado, la actividad petrolera no se puede evaluar como un solo elemento impactante en el marco de este estudio, ya que, como se evidencio, dicha actividad incluye otras asociadas como el transporte y la producción agropecuaria, producto de la colonización de zonas al interior del campo. A pesar que el impacto cuantificable de la infraestructura petrolera per se no es en proporciones significativo al del resto de las actividades productivas al interior del campo Lisama, se abre la ventana a identificar otros tipos de impactos de carácter socioeconómico asociados indirectamente a la industria, como el aumento de la población por mejora en las expectativas económicas o los conflictos entre la población y la industria de hidrocarburos por el manejo de los recursos naturales. Como se ilustró en la justificación de esta investigación, los impactos asociados a

remoción de la cobertura natural por actividades de

explotación/producción de hidrocarburos se han evaluado constantemente como altos (ECOPETROL S.A., 2021c). De acuerdo a lo anterior y con los resultados obtenidos en este estudio, se plantea la necesidad de reevaluar el enfoque de calificación de impactos, como el de remoción de cobertura de la tierra, en principio por la escala de tiempo en términos de la recuperabilidad de las coberturas naturales como se indica en (ECOPETROL, 2021i). Es importante anotar que el enfoque debería pensarse en términos locales (y no aplicar de manera general) ya que las características de las regiones donde hay actividades de exploración/producción son muy distintas entre sí, teniendo por ejemplo distintos climas, suelos, geoformas, que afectan la regeneración natural de distintas maneras.

136

El campo Lisama tiene unas características especiales que lo hace más complejo a la hora de poder realizar la actividad de exploración/explotación, entre ellas las exclusiones legales para poder desarrollar la actividad, lo que ha incidido en que los mayores generadores de cambio de coberturas y fragmentación de coberturas naturales sean las actividades agropecuarias y de transporte. En el campo Lisama, el abandono de la mayoría de su infraestructura no ha tenido un manejo restaurativo, por lo cual se presentaron regeneraciones naturales de coberturas que durante los años objeto de estudio terminaron convirtiéndose en coberturas boscosas. El uso de herramientas GIS para realizar estudios multitemporales y de fragmentación es pieza fundamental en el análisis de fenómenos que afectan el paisaje, al integrar información de distintas fuentes, entre ella datos ráster, vector o alfanuméricos, los cuales, como insumos, permiten elaborar distintos análisis, en distintos softwares, permitiendo obtener información interoperable entre los mismos. Es así como para esta investigación se usó el software ERDAS, para el procesamiento digital de imágenes, ArcGIS Pro, para la captura clasificación, edición de coberturas, además de análisis geoespaciales como intersecciones o corte entre capas, además de generar salidas gráficas para ilustrar este documento. Igualmente se usó Fragstats, para la elaboración de métricas de paisaje, a partir de las coberturas elaboradas en ArcGisPro, y SAGA GIS para la espacialización de categorías de fragmentación, igualmente usando como insumo las coberturas elaboradas en ArcGIS Pro. Seleccionar imágenes de sensores remotos adecuadas para este tipo de estudios es un factor decisivo en especial en las épocas donde las resoluciones espaciales eran menores, incidiendo en la clasificación de las mismas al generar errores en la asignación de clases, y por consiguiente en los cálculos asociados, igualmente al no ser tan precisos.

137

5.2

Recomendaciones Este tipo de estudios se sustentan en una correcta identificación de las

coberturas presentes en el área de estudio, por esto, es importante tener unos insumos adecuados que permitan la clasificación de las coberturas de la tierra de una manera confiable y acertada. La adquisición de imágenes de sensores remotos que cumplan con las especificaciones mínimas de escala de captura, cubrimiento de nubes, resolución espectral, espacial y temporal, debe ser el punto de partida para lograr unos resultados confiables. Es clave si se opta por el método de clasificación supervisada de imágenes, una adecuada y suficiente escogencia de polígonos de entrenamiento, de tal manera que aumente la exactitud y confianza de la clasificación realizada. Si bien esta investigación no contempló trabajo de campo, ya que este fue realizado en el marco de la Modificación del Plan de Manejo Ambiental Integral de Mares ECOPETROL S.A. (2021h), se debe evaluar las visitas de campo para la corroboración de coberturas que resulten conflictivas al momento de su clasificación. De acuerdo a los objetivos de este estudio solo se planteó llegar hasta los análisis de fragmentación de coberturas boscosas, sin embargo es ideal también realizar los análisis de conectividad del paisaje, de tal manera que se puede identificar también, como se afecta la movilidad de especies de fauna, entre los distintos parches de coberturas boscosas.

138

6 Lista de Referencias

ANH, Agencia Nacional de Hidrocarburos. (s.f.). Historia del Petróleo en Colombia . Programa de Regionalización - ANH. Recuperado el 16 de enero de 2022, a partir de https://www.anh.gov.co/es/ambiental-ysocial/regionalización/historia-del-petróleo-en-colombia/ ANLA - Autoridad Nacional de Licencias Ambientales. (2022). RESOLUCIÓN N° 01653 (03 de agosto de 2022) (Núm. 01653; p. 627). Araúz Morón, G. E. (2007). Aplicación de un Modelo Geoespacial para el Análisis de la Fragmentación de Bosques en el Suelo de Conservación del Distrito Federal (SCDF), México. Centro de Investigación en Geografía y Geomática “ING. Jorge L. Tamayo”. Recuperado el 18 de octubre de 2023, a partir de https://centrogeo.repositorioinstitucional.mx/jspui/bitstream/1012/19/1/8-2007Tesis-Ara%C3%BAz%20Mor%C3%B3n%2C%20Guisselle%20EuniceMaestra%20en%20Geom%C3%A1tica.pdf Armenteras, D. y Vargas, O. (2016). Patrones del paisaje y escenarios de restauración: acercando escalas. Acta Biológica Colombiana, 21, 229–239. https://doi.org/10.15446/abc.v21n1sup.50848 Assessment Millennium Ecosystem. (2005). Ecosystems and human well-being: Synthesis. Recuperado el 15 de junio de 2023 a partir de https://www.millenniumassessment.org/documents/document.356.aspx.pdf Astrium. (s.f.). SPOT 6 | SPOT 7 Ficha técnica . Recuperado el 22 de abril de 2023, a partir de https://www.intelligenceairbusds.com/files/pmedia/public/r12785_9_spot6-7_ficha_tecnica.pdf Avellaneda, A. (2004). Petróleo, ambiente y conflicto en Colombia. Guerra, Sociedad y Medio Ambiente, 455–501. Recuperado el 02 de julio de 2023, a partir de https://library.fes.de/pdf-files/bueros/kolumbien/01993/11.pdf Bautista, F., Delfín, H., Delgado, M. C. y Palacio, J. L. (2004). Técnicas de muestreo para manejadores de recursos naturales. The Geotourism Industry in the 21st Century The Origin, Principles, and Futuristic Approach View project (INE, Ed.; 1a ed.). Universidad Nacional Autónoma de Méxicoinstituto Nacional de Ecología y Universidad Autónoma de Yucatán.

139

Recuperado el 20 de julio de 2022, a partir de https://www.researchgate.net/publication/236954619 Cabrera Montenegro, E., Vargas Galvis, D. M., Galindo García, G., García Dávila, M. C. y Ordóñez Castro, M. F. (2011). Protocolo de Procesamiento Digital de Imágenes para la Cuantificación de la Deforestación en Colombia Nivel Nacional - Escala Gruesa y Fina. (E. C. Montenegro, D. M. V. Galvis y G. Galindo García, Eds.). IDEAM - Instituto de Hidrología, Meteorología y Estudios Ambientales. Recuperado el 25 de julio de 2022, a partir de http://www.ideam.gov.co/documents/13257/13817/Protocolo_para_la_cua ntificación_Deforestación_Nivel_Nacional.pdf Canada Centre for Remote Sensing. (s.f.). Fundamentals of Remote Sensing. Canada Centre for Remote Sensing (CCRS). Recuperado el 4 de julio de 2022, a partir de https://www.nrcan.gc.ca/sites/www.nrcan.gc.ca/files/earthsciences/pdf/resour ce/tutor/fundam/pdf/fundamentals_e.pdf CAS, Corporación Autónoma Regional de Santander. (2005). Acuerdo 00007. Recuperado el 01 de julio de 2023 a partir de https://runapadmin.parquesnacionales.gov.co/default/general/descargardocu mento?did=1382 CAS, Corporación Autónoma Regional de Santander. (2006). Acuerdo 0058. Recuperado el 01 de julio de 2023 a partir de https://runapadmin.parquesnacionales.gov.co/default/general/descargardocu mento?did=534 Chuvieco, E. (1995). Fundamentos de teledetección espacial (2a ed.). Rialp. CNES - Centre National d’Etudes Spatiales. (2010). Spot satellite technical data. CNES - Centre National d’Etudes Spatiales. Recuperado el 24 de julio de 2022, a partir de https://www.intelligenceairbusds.com/files/pmedia/public/r329_9_spotsatellitetechnicaldata_en_sept2 010.pdf CNES - Centre National d’Etudes Spatiales. (s.f.). swh Data center. Recuperado el 22 de abril de 2023, de https://regards.cnes.fr/user/swh/modules/60 Collinge, S. K. (1996). Ecological consequences of habitat fragmentation: Implications for landscape architecture and planning. Landscape and Urban Planning, 36(1), 59–77. https://doi.org/10.1016/S0169-2046(96)00341-6

140

Congalton, R. G., Birch, K., Jones, R. and Schriever, J. (2002). Evaluating remotely sensed techniques for mapping riparian vegetation. Computers and Electronics in Agriculture, 37(1–3), 113–126. https://doi.org/10.1016/S01681699(02)00108-4 ECOPETROL S.A. (2021a). Modificación del Plan de Manejo Ambiental Integral de Mares - Caracterización del Área de influencia del Proyecto Capítulo 3 3.3.2.1.6 Análisis multitemporal de ecosistemas del área de influencia 3.3.2.1.7 Conectividad y Fragmentación de ecosistemas. ECOPETROL S.A. ECOPETROL S.A. (2021b). Modificación del Plan de Manejo Ambiental Integral de Mares - Caracterización del Área de Influencia Socioeconómica Capítulo 3.4.4 Componente Económico. (p. 110). ECOPETROL S.A. ECOPETROL S.A. (2021c). Modificación del Plan de Manejo Ambiental Integral de Mares - Evaluación ambiental Capítulo 5.1 identificación evaluación impactos (p. 515). ECOPETROL S.A. ECOPETROL S.A. (2021d). Modificación del Plan de Manejo Ambiental Integral de Mares - Caracterización del Área de influencia del Proyecto Capítulo 3 - 3.2.9 Atmosfera 3.2.9.1 Clima. ECOPETROL S.A. (2021e). Modificación del Plan de Manejo Ambiental Integral de Mares - Caracterización del Área de influencia del Proyecto Capítulo 3 3.3.1 Ecosistemas estratégicos, sensibles y/o áreas protegidas. ECOPETROL S.A. (2021f). Geodatabase de Modificación de Plan de Manejo Ambiental de Mares. ECOPETROL S.A. (2021g). Anexo Cartográfico Modificación Plan de Manejo Integral de Mares. ECOPETROL S.A. (2021h). Modificación del Plan de Manejo Ambiental Integral de Mares. Caracterización del Área de Influencia del Proyecto Capítulo 3.2.2 Ecosistemas Terrestres Parte I. ECOPETROL S.A. (2021i). Guía para la Elaboración de Estudios Ambientales. Anexo 2. Identificación y Evaluación de Impactos Ambientales.

141

Elachi, C. y Zyl, J. (2021). Introduction to the Physics and Techniques of Remote Sensing. En Introduction to the Physics and Techniques of Remote Sensing, Third Edition. Wiley. https://doi.org/10.1002/9781119523048 ESRI. (s.f.). Descripción general de la clasificación de imágenes—ArcGIS Pro | Documentación. Recuperado el 28 de abril de 2023, a partir de https://pro.arcgis.com/es/pro-app/latest/help/analysis/image-analyst/overviewof-image-classification.htm EUROPARC. (2009). Conectividad ecológica y áreas protegidas. Herramientas y casos prácticos. (Fundación Interuniversitaria Fernando González Bernáldez para los espacios naturales. (FUNGOBE), Ed.; 1a ed.). FUNGOBE. Recuperado el 31 de enero de 2022, a partir de https://redeuroparc.org/wpcontent/uploads/2022/03/monografia2.pdf Fahrig, L. (2019). Habitat fragmentation: A long and tangled tale. Global Ecology and Biogeography, 28(1), 33–41. https://doi.org/https://doi.org/10.1111/geb.12839 Fonseca, C., y Joner, F. (2007). Two‐Sided Edge Effect Studies and the Restoration of Endangered Ecosystems. Restoration Ecology, 15, 613–619. https://doi.org/10.1111/j.1526-100X.2007.00273.x Fortes, V., Bicca-Marques, J. C., Urbani, B., Fernandez, V. y da Silva Pereira, T. (2014). Ranging Behavior and Spatial Cognition of Howler Monkeys (pp. 219– 255). https://doi.org/10.1007/978-1-4939-1960-4_9 Galván-Guevara, S., Ballut-Dajud, G. y de la Ossa-V, J. (2015). Determinación de la fragmentación del bosque seco del arroyo Pechelín, Montes de María, Caribe, Colombia. Biota Colombiana, 16(2), 2015. Recuperado el 31 de enero de 2022, a partir de http://repository.humboldt.org.co/handle/20.500.11761/9439 Galvis Aponte, L. A. y Quintero Fragozo, C. A. (2017). Geografía económica de los municipios ribereños del Magdalena. Recuperado el 13 de julio de 2022, a partir de http://www.banrep.gov.co/es/dtser. IDEAM. (2010). Leyenda Nacional de Coberturas de la Tierra. Metodología CORINE Land Cover adaptada para Colombia Escala 1:100.000.

142

IDEAM. (s.f.). Consulta y Descarga de Datos Hidrometeorológicos. Recuperado el 31 de julio de 2023, a partir de http://dhime.ideam.gov.co/atencionciudadano/

Jaeger, J., Bowman, J., Brennan, J., Fahrig, L., Bert, D., Bouchard, J., Charbonneau, N., Frank, K., Gruber, B. y Toschanowitz, K. (2005). Predicting when animal populations are at risk from roads: An interactive model of road avoidance behavior. Ecological Modelling, 185, 329–348. https://doi.org/10.1016/j.ecolmodel.2004.12.015 Jianya, G., Haigang, S., Guorui, M. y Qiming, Z. (2008). A review of multi-temporal remote sensing data change detection algorithms. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 37(B7), 757–762. Recuperado el 10 de agosto de 2022, a partir de https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.184.182&rep= rep1&type=pdf Long, W. y Srihann, S. (2004). Land cover classification of SSC image: unsupervised and supervised classification using ERDAS Imagine. IGARSS 2004. 2004 IEEE International Geoscience and Remote Sensing Symposium, 4, 2707–2712 vol.4. https://doi.org/10.1109/IGARSS.2004.1369859 Liu, D., y Xia, F. (2010). Assessing object-based classification: advantages and limitations. Remote Sensing Letters, 1(4), 187–194. https://doi.org/10.1080/01431161003743173 Marín Valencia, A., Álvarez Hincapié, C., C, Giraldo. y Uribe Soto, S. (2018). Análisis multitemporal del paisaje en el Magdalena Medio en el periodo 19852011: una ventana de interpretación de cambios históricos e implicaciones en la conectividad estructural de los bosques. Cuadernos de Geografía: Revista Colombiana de Geografía, 27, 10–26. https://doi.org/10.15446/rcdg.v27n1.55783 Mas, J.-F. y Correa Sandoval, J. (2000). Análisis de la fragmentación del paisaje en el área protegida “Los Petenes”, Campeche, México. Investigaciones Geográficas, 1(43). https://doi.org/10.14350/rig.59123 Mateucci D., S. (2004). Los índices de configuración del mosaico como una herramienta para el estudio de las relaciones patrón - proceso. Memorias Del Primer Seminario Argentino de Geografía Cuantitattiva, 27.

143

McGarigal, K. S., Cushman, S., Neel, M. y Ene, E. (2002). FRAGSTATS: Spatial pattern analysis program for categorical maps (Núm. 4; p. 183). University of Massachusetts. Recuperado el 31 de enero de 2022, a partir de https://www.researchgate.net/publication/259011515_FRAGSTATS_Spat ial_pattern_analysis_program_for_categorical_maps Miao, Y., Dai, T., Yang, X. y Song, J. (2021). Landscape fragmentation associated with the Qingzang Highway and its influencing factors—A comparison study on road sections and buffers. Geography and Sustainability, 2(1), 59–67. https://doi.org/https://doi.org/10.1016/j.geosus.2021.03.001 Ministerio de Ambiente y Desarrollo Sostenible. (2012). Informe de Gestión al Congreso 2012. Recuperado el 15 de junio de 2023 a partir de https://www.minambiente.gov.co/wpcontent/uploads/2021/10/Informe_Congreso_MINAMBIENTE_2012.pdf Ministerio de Ambiente y Desarrollo Sostenible. (2018). Metodología General para la Elaboración y Presentación de Estudios Ambientales (p. 228). Ministerio de Ambiente y Desarrollo Sostenible. Recuperado el 22 de abril de 2021, a partir de http://www.anla.gov.co/documentos/normativa/manuales_guias/metodolo gia_estudios_ambientales_2018_0.pdf Molina, G. y Albarran, A. (2013). Análisis multitemporal y de la estructura horizontal de la cobertura de la tierra: Parque Nacional Yacambú, estado Lara, Venezuela. Cuadernos de Geografía: Revista Colombiana de Geografía, 22, 25–40. https://doi.org/10.15446/rcdg.v22n1.36305 Padalia, H., Ghosh, S., Chintala, S. R., Nandy, S., Singh, S., y Kumar, S. (2020). Assessment of historical forest cover loss and fragmentation in Asian elephant ranges in India. Environmental Monitoring and Assessment, 191. https://doi.org/10.1007/s10661-019-7696-5 Pedraza Álvarez, J. y Molina Portuguez, L. (2006). Diversidad y Caracterización Florística de la Vegetación en el Centro Experimental Santa Lucía, Magdalena Medio, Colombia. Colombia Forestal, 10(20), 249. https://doi.org/10.14483/UDISTRITAL.JOUR.COLOMB.FOR.2007.1.A13) Ramos Bedaña, Z. S. (2004). Estructura y composición de un paisaje boscoso fragmentado: herramienta para el diseño de estrategias de conservación de la biodiversidad [Centro Agronómico de Investigación y Enseñanza]. Recuperado el 31 de enero de 2022, a partir de https://repositorio.catie.ac.cr/handle/11554/4976

144

Richards, J. A. (2012). Remote Sensing Digital Image Analysis: An Introduction (5th ed.). Springer Publishing Company, Incorporated. https://doi.org/https:/doi.org/10.1007/978-3-642-30062-2 Riitters, K., Wickham, J., O’Neill, R., Jones, B. y Smith, E. (2000). Global-Scale Patterns of Forest Fragmentation. Conservation Ecology, 4(2). Recuperado el 7 de agosto de 2022, a partir de http://www.jstor.org/stable/26271763 Rybicki, J., Abrego, N. y Ovaskainen, O. (2020). Habitat fragmentation and species diversity in competitive communities. Ecology Letters, 23(3), 506– 517. https://doi.org/10.1111/ELE.13450 Santos, T. y Tellería, J. L. (2006). Pérdida y fragmentación del hábitat: efecto sobre la conservación de las especies: Ecosistemas, 15(2), 3–12. Recuperado el 22 de febrero de 2022, a partir de https://www.revistaecosistemas.net/index.php/ecosistemas/article/view/18 0 Saunders, D. A., Hobbs, R. J. y Margules, C. R. (1991). Biological Consequences of Ecosystem Fragmentation: A Review. Conservation Biology, 5(1), 18–32. https://doi.org/https://doi.org/10.1111/j.1523-1739.1991.tb00384.x Soria-Ruiz, J., Ramírez-Rojas, S., Quijano-Carranza, J., Rocha, R., Varela-Loza, V., Bartolo, J. C., Vazquez, J. M. P. y Gonzalez, A. (2016). PERCEPCIÓN REMOTA Y TECNOLOGÍA SATELITAL COMO APOYO A LOS SISTEMAS DE ALERTA TEMPRANA EN MÉXICO (p. 63–74). Recuperado el 20 de julio de 2022, a partir de https://www.researchgate.net/publication/317350193_PERCEPCION_REMO TA_Y_TECNOLOGIA_SATELITAL_COMO_APOYO_A_LOS_SISTEMAS_DE _ALERTA_TEMPRANA_EN_MEXICO_In_Conceptos_y_herramientas_que_s ustentan_el_Sistema_Nacional_de_Alertas_sobre_Eventos_Bioticos_y_Abioti USGS - United States Geological Survey. (s.f.). Landsat Satellite Missions | U.S. Geological Survey. USGS - United States Geological Survey. Recuperado el 6 de septiembre de 2022, a partir de https://www.usgs.gov/landsatmissions/landsat-satellite-missions Valderrama, C. y Kattan G. (2006). Plan de Conservación del Mono Aullador Rojo (Alouatta Seniculus) en la región del Sirap-Eje Cafetero y valle del Cauca. Recuperado el 05 de mayo de 2023, a partir de

145

http://repository.humboldt.org.co/bitstream/handle/20.500.11761/31435/108.p df?sequence=1&isAllowed=y Vazquez C., H. (2012). La historia del petróleo en Colombia. Revista Universidad EAFIT, 30(93), 99–109. Recuperado el 18 de julio de 2022, a partir de https://publicaciones.eafit.edu.co/index.php/revista-universidadeafit/article/view/1418 Velázquez, A., Mas, J. F., Díaz Gallegos, J. R., Mayorga-Saucedo, R., Alcántara, P. C., Castro, R., Fernández, T., Bocco, G., Ezcurra, E., y Palacio, J. L. (2002). Patrones y tasas de cambio de uso del suelo en México. Gaceta Ecológica, ISSN-e 1405-2849, No. 62, 2002, Págs. 21-37, 62, 21–37. Recuperado el 15 de junio de 2023, a partir de https://dialnet.unirioja.es/servlet/articulo?codigo=2897113

146

Anexos

7.1

Tabla de clasificación de ganancias perdidas y permanencias

de acuerdo con servicios ecosistémicos A continuación, se relaciona la tabla completa de calificación de coberturas de acuerdo con los servicios ecosistémicos que prestan, teniendo una prelación para el servicio de soporte. Para la clasificación de las ganancias perdidas y permanencias se tuvo que el cambio entre épocas (1987 – 2020) así: •

Ganancias: cambio de coberturas más intervenidas o antropizadas a más naturales, o cambios en la sucesión de la regeneración en coberturas naturales (ej. Cambio de vegetación secundaria a bosque, por el cambio de aprovisionamiento a soporte, ya que en vegetación secundaria se podrían realizar talas en caso donde la autoridad ambiental regional lo autorice).

•

Perdidas: cambio de coberturas más naturales a coberturas intervenidas o antropizadas (ej. Cambo de bosques a cultivos o pastos, por el cambio de servicio ecosistémicos de soporte a aprovisionamiento).

•

Permanencias: desde este punto de vista la permanencia se caracteriza como aquella donde el servicio ecosistémico prestado permanece invariable independientemente del tipo de este (además de las permanencias por coincidencia en el tipo de cobertura), es de anotar que las permanencias se pueden presentar entre distintos tipos de cobertura ya que su servicio ecosistémico, no varía, y además no cambia a un servicio de soporte (como puede ser el de brindar hábitat a especies de fauna).

147

Tabla 37 Clasificación de ganancias perdidas y permanencias de acuerdo a servicios ecosistémicos Cobertura de la tierra 1987 Bosque Bosque Bosque Bosque Bosque Bosque Bosque Bosque Bosque Bosque Bosque Bosque Bosque Cuerpos de agua artificiales Cuerpos de agua artificiales Cuerpos de agua artificiales Cuerpos de agua artificiales Cuerpos de agua artificiales Cultivos Cultivos Cultivos Cultivos Cultivos Cultivos Cultivos Cultivos Cultivos Cultivos Cultivos Explotación de hidrocarburos Explotación de hidrocarburos Explotación de hidrocarburos Explotación de hidrocarburos

Cobertura de la tierra 2020

Estado

Bosque Permanencia Pastos Pérdida Vegetación secundaria o en Pérdida transición Cultivos Pérdida Tierras desnudas y Pérdida degradadas Red vial y territorios Pérdida asociados Otros Pérdida Tejido urbano Pérdida Lagunas Pérdida Ríos Pérdida Zonas pantanosas Pérdida Explotación de Pérdida hidrocarburos Cuerpos de agua artificiales Pérdida

2,391.20 602.93

% Área 15,12 3,81

491.29

3,11

66.56

0,42

59.53

0,38

25.85

0,16

23.80 8.24 4.74 3.71 2.24

0,15 0,05 0,03 0,02 0,01

1.51

0,01

1.19

0,01

Área (HA)

Cuerpos de agua artificiales

Permanencia

0.35

0,00

Cultivos

Ganancia

0.06

0,00

Pastos

Ganancia

0.30

0,00

Vegetación secundaria o en transición

Ganancia

0.07

0,00

Zonas pantanosas

Ganancia

0.08

0,00

Cultivos Pastos Cuerpos de agua artificiales Explotación de hidrocarburos Otros Red vial y territorios asociados Tejido urbano Tierras desnudas y degradadas Bosque Ríos Vegetación secundaria o en transición

Permanencia Permanencia Pérdida Pérdida Pérdida

140.59 128.17 1.08 1.75 0.81

0,89 0,81 0,01 0,01 0,01

Pérdida

7.41

0,05

Pérdida

3.13

0,02

Pérdida

3.74

0,02

Ganancia Ganancia

80.67 1.40

0,51 0,01

Ganancia

95.99

0,61

10.36

0,07

Cuerpos de agua artificiales Permanencia Explotación de hidrocarburos

Permanencia

24.88

0,16

Otros

Permanencia

25.08

0,16

Red vial y territorios asociados

Permanencia

62.85

0,40

148

Cobertura de la tierra 1987 Explotación de hidrocarburos Explotación de hidrocarburos Explotación de hidrocarburos Explotación de hidrocarburos Explotación de hidrocarburos Explotación de hidrocarburos Explotación de hidrocarburos Explotación de hidrocarburos Explotación de hidrocarburos Lagunas Lagunas Otros Otros Otros Otros Otros Otros Otros Otros Otros Otros Otros Otros Otros Otros Pastos Pastos Pastos Pastos Pastos Pastos Pastos Pastos Pastos Pastos Pastos Pastos

Cobertura de la tierra 2020

Estado

Área (HA)

% Área

Tejido urbano

Permanencia

5.49

0,03

Tierras desnudas y degradadas

Permanencia

34.92

0,22

Bosque

Ganancia

143.74

0,91

Cultivos

Ganancia

18.75

0,12

Lagunas

Ganancia

3.91

0,02

Pastos

Ganancia

206.72

1,31

Ríos

Ganancia

0.94

0,01

Vegetación secundaria o en transición

Ganancia

119.70

0,76

Zonas pantanosas

Ganancia

4.33

0,03

Lagunas Pastos Cuerpos de agua artificiales Explotación de hidrocarburos Otros Red vial y territorios asociados Tejido urbano Tierras desnudas y degradadas Zonas arenosas naturales Bosque Cultivos Lagunas Pastos Ríos Vegetación secundaria o en transición Zonas pantanosas Cultivos Pastos Cuerpos de agua artificiales Explotación de hidrocarburos Otros Red vial y territorios asociados Tejido urbano Tierras desnudas y degradadas Zonas arenosas naturales Bosque Lagunas Ríos

Permanencia Pérdida Permanencia Permanencia Permanencia

0.39 0.66 5.66 1.68 37.22

0,00 0,00 0,04 0,01 0,24

Permanencia

28.29

0,18

Permanencia

4.18

0,03

Permanencia

38.14

0,24

Permanencia Ganancia Ganancia Ganancia Ganancia Ganancia

0.00 436.63 122.61 2.89 789.06 2.55

0,00 2,76 0,78 0,02 4,99 0,02

Ganancia

253.56

1,60

Ganancia Permanencia Permanencia Pérdida Pérdida Pérdida

34.21 254.51 1,730.16 9.99 3.06 89.72

0,22 1,61 10,94 0,06 0,02 0,57

Pérdida

46.90

0,30

Pérdida

9.35

0,06

Pérdida

95.07

0,60

Pérdida Ganancia Ganancia Ganancia

0.00 1,237.89 5.39 5.16

0,00 7,83 0,03 0,03

149

Cobertura de la tierra 1987 Pastos

Cobertura de la tierra 2020 Vegetación secundaria o en transición Zonas pantanosas

Pastos Red vial y territorios Cuerpos de agua artificiales asociados Red vial y territorios Explotación de hidrocarburos asociados Red vial y territorios Otros asociados Red vial y territorios Red vial y territorios asociados asociados Red vial y territorios Tejido urbano asociados Red vial y territorios Tierras desnudas y asociados degradadas Red vial y territorios Bosque asociados Red vial y territorios Cultivos asociados Red vial y territorios Lagunas asociados Red vial y territorios Pastos asociados Red vial y territorios Ríos asociados Red vial y territorios Vegetación secundaria o en asociados transición Red vial y territorios Zonas pantanosas asociados Ríos Ríos Ríos Pastos Ríos Zonas arenosas naturales Ríos Bosque Vegetación secundaria o en Ríos transición Tejido urbano Otros Red vial y territorios Tejido urbano asociados Tejido urbano Tejido urbano Tejido urbano Bosque Tejido urbano Pastos Tejido urbano Ríos Vegetación secundaria o en Tejido urbano transición Tierras desnudas y Cuerpos de agua artificiales degradadas Tierras desnudas y Otros degradadas Tierras desnudas y Red vial y territorios degradadas asociados

Estado

Área (HA)

% Área

Ganancia

598.54

3,79

Ganancia

32.84

0,21

Permanencia

0.36

0,00

Permanencia

1.58

0,01

Permanencia

3.84

0,02

Permanencia

25.82

0,16

Permanencia

2.82

0,02

Permanencia

3.05

0,02

Ganancia

39.95

0,25

Ganancia

18.94

0,12

Ganancia

0.84

0,01

Ganancia

56.97

0,36

Ganancia

0.01

0,00

Ganancia

23.62

0,15

Ganancia

0.80

0,01

Permanencia Pérdida Pérdida Ganancia

5.65 0.68 0.10 2.13

0,04 0,00 0,00 0,01

Ganancia

0.01

0,00

Permanencia

0.94

0,01

Permanencia

0.12

0,00

Permanencia Ganancia Ganancia Ganancia

0.45 0.87 0.38 0.07

0,00 0,01 0,00 0,00

Ganancia

0.68

0,00

Permanencia

0.51

0,00

Permanencia

0.76

0,00

Permanencia

2.04

0,01

150

Cobertura de la tierra 1987 Tierras desnudas y degradadas Tierras desnudas y degradadas Tierras desnudas y degradadas Tierras desnudas y degradadas Tierras desnudas y degradadas Tierras desnudas y degradadas Tierras desnudas y degradadas Tierras desnudas y degradadas Tierras desnudas y degradadas Vegetación secundaria o en transición Vegetación secundaria o en transición Vegetación secundaria o en transición Vegetación secundaria o en transición Vegetación secundaria o en transición Vegetación secundaria o en transición Vegetación secundaria o en transición Vegetación secundaria o en transición Vegetación secundaria o en transición Vegetación secundaria o en transición Vegetación secundaria o en transición Vegetación secundaria o en transición

Cobertura de la tierra 2020

Estado

Área (HA)

% Área

Tejido urbano

Permanencia

1.06

0,01

Tierras desnudas y degradadas

Permanencia

5.23

0,03

Bosque

Ganancia

14.38

0,09

Cultivos

Ganancia

2.30

0,01

Lagunas

Ganancia

0.24

0,00

Pastos

Ganancia

26.42

0,17

Ríos

Ganancia

0.07

0,00

Vegetación secundaria o en transición

Ganancia

14.94

0,09

Zonas pantanosas

Ganancia

0.86

0,01

760.00

4,81

Vegetación secundaria o en Permanencia transición Pastos

Pérdida

1,246.40

7,88

Cultivos

Pérdida

118.01

0,75

Otros

Pérdida

79.39

0,50

Tierras desnudas y degradadas

Pérdida

71.90

0,45

Zonas pantanosas

Pérdida

50.08

0,32

Red vial y territorios asociados

Pérdida

48.27

0,31

Tejido urbano

Pérdida

18.28

0,12

Cuerpos de agua artificiales

Pérdida

5.97

0,04

Ríos

Pérdida

4.89

0,03

Explotación de hidrocarburos

Pérdida

4.74

0,03

Lagunas

Pérdida

2.35

0,01

151

Cobertura de la tierra 1987 Vegetación secundaria o en transición Zonas arenosas naturales Zonas arenosas naturales Zonas arenosas naturales Zonas arenosas naturales Zonas arenosas naturales Zonas arenosas naturales Zonas arenosas naturales Zonas arenosas naturales Zonas pantanosas Zonas pantanosas Zonas pantanosas Zonas pantanosas Zonas pantanosas Zonas pantanosas Zonas pantanosas Zonas pantanosas Zonas pantanosas

Cobertura de la tierra 2020

Estado

Área (HA)

% Área

Bosque

Ganancia

2,196.61

13,89

Cuerpos de agua artificiales

Permanencia

0.23

0,00

Permanencia

0.10

0,00

Permanencia

12.75

0,08

Bosque

Ganancia

137.75

0,87

Cultivos

Ganancia

1.45

0,01

Pastos

Ganancia

31.56

0,20

Ríos

Ganancia

0.13

0,00

Ganancia

25.23

0,16

Permanencia Pérdida

32.69 6.27

0,21 0,04

Pérdida

0.31

0,00

Pérdida

0.03

0,00

Pérdida

0.82

0,01

Ganancia Ganancia Ganancia

1.01 4.27 3.66

0,01 0,03 0,02

Ganancia

1.39

0,01

Red vial y territorios asociados Tierras desnudas y degradadas

Vegetación secundaria o en transición Zonas pantanosas Pastos Red vial y territorios asociados Tejido urbano Tierras desnudas y degradadas Bosque Cultivos Lagunas Vegetación secundaria o en transición Total general

15,812.41 100.00