103171 by UNIGIS América Latina

Master Thesis Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg Universidad de Salzbu rg

Delimitación del Páramo de Urráo, departamento de Antioquia – Colombia, apoyado en Sistemas de Información Geográfica Delimitation of Urrao Paramo, Department of Antioquia – Colombia, supported by Geographical Information Systems by/por

Ing. Sistemas Alexander Antonio Agudelo Velásquez 1223182

A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science (Geographical Information Science & Systems) – MSc (GIS)

Medellín - Colombia, noviembre de 2016

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.

MedellĂn â&#x20AC;&#x201C; Colombia, noviembre de 2016 (Lugar, fecha)

(Firma)

RESUMEN El presente trabajo de investigación se realizó con el objeto de delimitar el páramo de Urráo, localizado en el departamento de Antioquia – Colombia, a escala 1:25,000; atendiendo la necesidad de identificarlo y reconocerlo por su alto valor estratégico para la conservación de la diversidad ecológica y por la prestación de sus servicios ecosistémicos. Para el desarrollo de este trabajo, se partió de la “Guía Divulgativa de Criterios de Delimitación de Páramos de Colombia” (Rivera y Rodríguez, 2011). Esta guía plantea una propuesta metodológica para la delimitación, a partir de criterios y variables biofísicas que garantizan la integridad ecosistémica del páramo. Para representar estos criterios y variables biofísicas, se utilizaron diferentes fuentes de información secundaria disponibles, de tipo climática como precipitación y temperatura; de tipo topográfica con el modelo digital de elevación y algunos de sus derivados, coberturas vegetales y muestreos georreferenciados de flora. El análisis metodológico consistió en correr dos modelos espaciales: El modelo de Evidencia Binaria, el cual evalúo una serie de variables ambientales en función de la existencia o ausencia del criterio de páramo y el modelo de Máxima Entropía (Maxent), que calculó la distribución potencial geográfica de dos formas de crecimiento típicas de los páramos, la arbórea y la arbustiva, en función de un conjunto de variables ambientales y puntos de muestreo. El resultado de la modelación, con el análisis de Evidencia Binaria permitió establecer un área límite de páramo de 10,486.78 ha. Con el análisis de Máxima Entropía se determinó un área límite de páramo de 13,369.05 ha. Siendo este último, el límite propuesto para el páramo de Urráo, a partir de la cota altitudinal 2,850 m.s.n.m. Finalmente se concluyó que ambas metodologías empleadas son aplicables en la delimitación de este tipo de áreas, pero la validez de los resultados podría verse afectada, si no se cuenta con información más detallada y actualizada; problema que actualmente se presenta en gran parte del país. Palabras claves: Páramo, delimitación, Modelo de evidencia binaria, modelo de Máxima Entropía (Maxent).

ABSTRACT This research was undertaken to delimit the páramo of Urrao, located in the department of Antioquia - Colombia, at the scale 1:25,000. It addresses the need of identifying and recognizing its high strategic value for the preservation of ecological diversity and the provision of ecosystem services. To develop this work, we took into account the "Guía Divulgativa de Criterios de Delimitación de Páramos de Colombia" (Rivera and Rodríguez, 2011). It presents a methodological proposal for the delimitation of the páramos in Colombia, based on biophysical criteria and variables that ensure ecosystem integrity of the páramo. To represent this biophysical criteria and variables, various secondary sources of available information were used, such as climate, temperature and precipitation, topographic, digital elevation model, and some of its derivatives, vegetation cover and georeferenced sampling of flora. The methodological analysis consisted in running two spatial models: Binary Evidence model, which evaluated a number of environmental variables depending on the presence or absence of the criterion of páramo and Maximum Entropy model (Maxent), which calculated the potential geographic distribution of two forms of typical vegetation from páramo, tree and shrub, depending on a set of environmental variables and sampling points. The result of the modeling, based on the analysis of Binary Evidence allowed setting a limit area of páramo of 10,486.78 ha. Based on the analysis of Maximum Entropy the limit area of the páramo was 13,369.05 ha. The latter is the proposed limit for páramo of Urrao, from the altitude 2,850 m.a.s.l. Finally, it was concluded that the applied methodologies are both suitable for the delimitation of such areas, but the validity of results could be affected, if detailed and updated information is not available; a problem which currently occurs in most of the country.

Key words: Páramo, delimitation, Binary Evidence model, Maximum Entropy model (Maxent).

TABLA DE CONTENIDO 1. INTRODUCCIÓN .............................................................................................. 11 1.1. ANTECEDENTES ....................................................................................... 11 1.2. OBJETIVOS Y PREGUNTAS DE INVESTIGACIÓN .................................. 14 Objetivo general................................................................................. 14 Objetivos específicos ......................................................................... 14 Preguntas de investigación ................................................................ 14 1.3. HIPÓTESIS ................................................................................................. 14 1.4. JUSTIFICACIÓN ......................................................................................... 14 1.5. ALCANCE ................................................................................................... 17 2. REVISIÓN DE LITERATURA ............................................................................ 18 2.1. MARCO HISTÓRICO .................................................................................. 18 2.2. MARCO NORMATIVO ................................................................................ 19 2.3. MARCO METODOLÓGICO ........................................................................ 21 Concepto de páramo ......................................................................... 22 Criterios para definir un páramo ........................................................ 23 Análisis y modelado espacial ............................................................. 30 3. METODOLOGÍA................................................................................................ 36 3.1. ÁREA DE ESTUDIO ................................................................................... 36 3.2. ESQUEMA METODOLÓGICO.................................................................... 38 3.3. VARIABLES PARA DEFINIR EL PÁRAMO ................................................ 39 Variables topográficas ....................................................................... 39 Variable cuenca de orden cero. ......................................................... 42 Variables climáticas ........................................................................... 43 Variable ecosistema vegetal .............................................................. 46 3.4. MODELOS ESPACIALES ........................................................................... 47 Modelo espacial de evidencia binaria ................................................ 47 Modelo de máxima entropía (Maxent) ............................................... 53 4. RESULTADOS Y DISCUSIÓN .......................................................................... 59 4.1. RESULTADOS ............................................................................................ 59 Modelo de evidencia binaria .............................................................. 59 Modelo de máxima entropía (maxent) ............................................... 61 Franja de Transición bosque altoandino – páramo ............................ 69 4.2. DISCUSION ................................................................................................ 71 5

Análisis modelo de evidencia binaria ................................................. 71 Análisis modelo de máxima entropía (Maxent) .................................. 73 Análisis comparativo de límites.......................................................... 78 5. CONCLUSIONES .............................................................................................. 81 6. REFERENCIAS ................................................................................................. 83 7. ANEXOS ........................................................................................................... 91 7.1. ANEXO 1 REGISTROS BIOLÓGICOS ....................................................... 91 7.2. ANEXO 2 RESULTADOS MODELOS DE DISTRIBUCIÓN ........................ 94

INDICE DE FIGURAS Figura 2-1 Pisos Morfogénicos. ............................................................................. 27 Figura 3-1 Localización general del páramo de Urráo escala 1:100,000. ............. 37 Figura 3-2 Flujograma de trabajo en la delimitación del páramo de Urráo. ........... 38 Figura 3-3 Pendientes del terreno. ....................................................................... 40 Figura 3-4 Rangos altitudinales. ............................................................................ 42 Figura 3-5 Canales e inicio de canales y divisorias cuenca orden cero. ............... 42 Figura 3-6 Delimitación cuenca hidrográfica cero. ................................................ 43 Figura 3-7 Temperatura promedio anual. .............................................................. 44 Figura 3-8 Precipitación promedio anual. .............................................................. 46 Figura 3-9 Coberturas vegetales. .......................................................................... 47 Figura 3-10 Calificación cuenca orden cero. ......................................................... 49 Figura 3-11 Calificación umbral altitudinal. ............................................................ 50 Figura 3-12 Calificación umbral térmico. ............................................................... 51 Figura 3-13 Calificación ecosistema vegetal de páramo. ...................................... 52 Figura 3-14 Registros biológicos de flora. ............................................................. 54 Figura 3-15 Interfaz gráfica de Maxent. ................................................................. 57 Figura 4-1 Porcentaje de área de las claves binarias ............................................ 60 Figura 4-2 Límite páramo de Urráo modelo de evidencia binaria. ......................... 61 Figura 4-3 Esquemas de probabilidad formas de crecimiento............................... 62 Figura 4-4 Caja Box-Plot FC y su distribución altitudinal. ...................................... 63 Figura 4-5 Probabilidad de especies FC arbóreo. ................................................. 64 Figura 4-6 Caja Box-Plot nivel de probabilidad FC arbórea. ................................. 65 Figura 4-7 Probabilidad de especies FC arbustivo. ............................................... 66 Figura 4-8 Caja Box-Plot nivel de probabilidad FC arbustiva. ............................... 67 Figura 4-9 Probabilidad de presencia de especies FC herbáceo. ......................... 68 Figura 4-10 Caja Box-Plot nivel de probabilidad FC herbáceo. ............................. 69 Figura 4-11 Franja de transición bosque altonadino – páramo. ............................ 70 Figura 4-12 Propuesta límite del páramo de Urrao modelo Máxima Entropía. ...... 71 Figura 4-13 Curvas de respuestas variables más importantes FC arbóreo. ......... 73 Figura 4-14 Curva operacional (curva ROC) en FC arbórea. ................................ 74 Figura 4-15 Curvas de respuestas variables más importantes FC arbustiva. ....... 75 Figura 4-16 Curva operacional (curva ROC) en FC arbustiva. .............................. 75 Figura 4-17 Curvas de respuestas variables más importantes FC herbácea. ....... 76 Figura 4-18 Curva operacional (curva ROC) en FC herbácea. ............................. 77 Figura 4-19 Análisis comparativo de límites. ......................................................... 78 Figura 7-1 Prueba Jackknife para datos de entrenamiento FC arbóreo. ............... 94 Figura 7-2 Prueba Jackknife para datos de prueba FC arbóreo............................ 95 Figura 7-3 Prueba Jackknife para índice AUC para modelo FC arbóreo. ............. 95 Figura 7-4 Prueba Jackknife para datos de entrenamiento FC arbustivo. ............. 96 Figura 7-5 Prueba Jackknife para datos de prueba FC arbustivo. ........................ 97 Figura 7-6 Prueba Jackknife para índice AUC FC arbustivo. ................................ 97 7

Figura 7-7 Prueba Jackknife para datos de entrenamiento FC herbácea. ............ 98 Figura 7-8 Prueba Jackknife para datos de prueba FC herbácea. ........................ 99 Figura 7-9 Prueba Jackknife para índice AUC FC herbácea. ................................ 99

INDICE DE TABLAS Tabla 2-1 Resumen normativa internacional sobre protecciรณn del pรกramo. .......... 20 Tabla 2-2 Resumen normativa nacional sobre protecciรณn del pรกramo. ................. 21 Tabla 2-3 Zonas de vida del pรกramo Frontino โ Urrรกo. ......................................... 24 Tabla 3-1 Rangos de pendientes. ......................................................................... 40 Tabla 3-2 Rangos altitudinales para los pisos bioclimรกticos cordillera occidental. 41 Tabla 3-3 Estaciones hidrometeorolรณgicas ........................................................... 45 Tabla 3-4 Clave de evidencia binaria .................................................................... 48 Tabla 3-5 Calificaciรณn de variables para modelo ................................................... 48 Tabla 3-6 Ejemplo claves binarias. ........................................................................ 52 Tabla 3-7 Variables bioclimรกticas WorldClim. ....................................................... 56 Tabla 4-1 Evidencia binaria ................................................................................... 59 Tabla 4-2 ร reas en hectรกreas de las claves binarias. ........................................... 60 Tabla 4-3 Porcentaje de contribuciรณn variables FC arbรณreo. ................................ 63 Tabla 4-4 Pruebas Jackknife FC arbรณreo. ............................................................. 64 Tabla 4-5 Porcentaje de contribuciรณn de variables FC arbustivo. ......................... 65 Tabla 4-6 Pruebas Jackknife FC arbustiva. ........................................................... 66 Tabla 4-7 Porcentaje de contribuciรณn de variables FC herbรกcea. ......................... 67 Tabla 4-8 Pruebas Jackknife FC arbustiva. ........................................................... 68

ACRONIMOS ASCII

American Standard Code for Information Interchange.

AUC

Área bajo la curva.

BIOCLIM

Envuelta ambiental.

CORANTIOQUIA

Corporación Autónoma Regional del Centro de Antioquia.

CORNARE

Corporación Autónoma Regional Ríonegro – Nare.

CORPOURABA

Corporación para el Desarrollo Sostenible del Urabá.

EEAP

Estudios sobre el Estado Actual de los Páramos.

Formas de Crecimiento.

GARP

Algoritmos genéticos.

IDEAM

Instituto de Hidrología, Meteorología y Estudios Ambientales de Colombia.

IDW

Distancia Inversa Ponderada.

IGAC

Instituto Geográfico Agustín Codazzi.

MADS

Ministerio de Ambiente y Desarrollo Sostenible.

MARS

Multivariate adaptive regression splines.

MASL

Meters above sea level.

MAVDT

Ministerio de Ambiente Vivienda y Desarrollo Territorial

MAXENT

Máxima Entropía.

MDE

Modelo Digital de Elevaciones.

MSNM

Metros sobre el nivel del mar.

PMA

Plan de Manejo Ambiental de Páramos.

POMCA

Plan de Ordenación y Manejo de Cuencas Hidrográficas.

POT

Plan de Ordenamiento Territorial.

RLM

Regresión logística múltiple.

ROC

Receiver Operating Characteristic.

SIG

Sistemas de Información Geográfica.

SINA

Sistema Nacional Ambiental.

TIN

Red Irregular de Triángulos.

1. INTRODUCCIÓN 1.1. ANTECEDENTES La espacialización de los ecosistemas terrestres en Colombia no es nueva y siempre ha estado relacionada con iniciativas de clasificación de la vegetación. Se tienen reportes desde inicios del siglo XIX de estudios que han aportado elementos y conceptos para la espacialización de la biodiversidad en función de las coberturas vegetales; destacándose las expediciones de José Celestino Mutis, Francisco José de Caldas y Alexander Von Humboldt. Un aporte importante es el trabajo de Cuatrecasas (1958) que relacionó el gradiente altitudinal y el clima con la vegetación, dando lugar a una reclasificación vegetal de 12 categorías. Para el año de 1963 Espinel y Montenegro produjeron el mapa ecológico de formaciones vegetales de Colombia y el mapa de zonas de vida en 1977. El Instituto Geográfico Agustín Codazzi (IGAC) en 1984 generó el mapa de bosque de Colombia. Hernández y Sánchez (1992) presentaron la primera propuesta de Unidades Biogeográficas y Biomas Terrestres de Colombia. El Instituto de Hidrología, Meteorología y Estudios Ambientales de Colombia (IDEAM) realizó en 1996 el mapa de Cobertura Vegetal, Uso y Ocupación del Territorio. El primer mapa de ecosistemas del país a escala 1:2’000,000 lo elaboró Etter (1998), para el Instituto de Investigación de Recursos Biológicos Alexander von Humboldt. En éste se estableció el bioma como primer nivel, seguido del respectivo ecosistema, caracterizado por su composición florística y fisonomía; cuyo resultado fue la configuración de un mapa con 21 biomas, 62 ecosistemas naturales, y una serie de ecosistemas transformados o agroecosistemas. En 2005, Fandiño y Van Wijngaarden realizaron el mapa de ecosistemas continentales con el objeto de definir las prioridades de conservación biológica para Colombia; mediante una metodología que planteó los ecosistemas originales 11

y actuales, y su agregación en tipos cronológicos; a partir de las diferencias observadas en imágenes satelitales. En el 2007 dentro del Convenio marco de cooperación entre los institutos del Sistema Nacional Ambiental (SINA), IDEAM y el IGAC, se publicó el libro y el mapa de Ecosistemas Continentales, Marinos y Costeros de Colombia a escala 1:500,000 (IDEAM et al., 2007); el cual se constituye en el mapa oficial de ecosistemas del país, integrando información de geomorfología, suelos, zonificación climática y coberturas de la tierra. Los primeros acercamientos sobre la espacialización de los páramos en Colombia, se hace en el Informe Nacional del Estado de La Biodiversidad, hecho por Van der Hammen (1997), que generalizó el mapa de Unidades Biogeográficas de los páramos de Colombia y a través del cual se clasificaron los ecosistemas de páramos en Sectores, Distritos y Complejos, generando una delimitación de páramo por encima de los 3,000 m.s.n.m. En el 2007 el Instituto von Humboldt presentó el Atlas de páramos de Colombia (Morales et al., 2007), trabajo que retomó las directrices del Informe Nacional del Estado de La Biodiversidad de Van der Hammen (1997); presentando en este documento la cartografía de páramos a escala 1:250,000 e identificando 5 Sectores, 14 Distritos y 34 Complejos de páramos, con una superficie aproximada de 1’932,000 ha en todo el territorio nacional colombiano. En este trabajo también se identificaron las zonas paramunas y el bosque altoandino, a partir de herramientas de teledetección y modelos digitales de terreno. De igual forma, se trataron importantes temas de la composición de especies en flora y en fauna, como también diferentes aspectos socioculturales y otros elementos relevantes de la conservación y manejo, que han aportado en la transformación de estos ecosistemas. La cartografía del Atlas de páramos de Colombia 2007 suministrada por el Instituto von Humboldt (Morales et al., 2007), fue adoptada como referencia mínima para su delimitación por el Ministerio de Ambiente y Desarrollo Sostenible (MADS), según la Resolución No. 0937 de 2011, la cual continúa vigente.

En el marco de las resoluciones 0769 de 2002 y 0839 de 2003 del Ministerio del Medio Ambiente y bajo las cuales se busca contribuir a la protección, conservación y sostenibilidad de los páramos en el territorio nacional, se han desarrollado estudios diagnósticos que dan cuenta del estado actual de los páramos y se han formulado planes de manejo para su conservación; esto gestionado a través de las autoridades ambientales nacionales, regionales y locales, los centros de investigación universitarios e institutos de investigación. A partir de estos estudios el Instituto von Humboldt entre 2009 y 2010, se dio a la tarea de recopilar y evaluar la información secundaria existente a cerca de los páramos de Colombia, encontrando información altamente heterogénea en cuanto a la escala cartográfica de trabajo, fuentes de información y metodologías; las cuales debían ser homologadas y actualizadas, sobretodo la cartografía básica y elementos claves para la delimitación, caracterización y monitoreo, en especial de aspectos climáticos, geopedológicos, florísticos y de coberturas de la tierra. El resultado fue la actualización cartográfica de los páramos a escala 1:100,000 entregada por Sarmiento, Cadena, Sarmiento, Zapata, y León (2013). Mediante la Ley 1450 de 2011 (Plan de Desarrollo 2010-2014), Art. 202, que define “… los páramos deberán ser delimitados a escala 1:25.000 con base en estudios técnicos, económicos, sociales y ambientales, los cuales deben ser realizados por las autoridades ambientales”, en tal sentido la Corporación Autónoma Regional del Centro de Antioquia (CORANTIOQUIA) en 2013 contrató el estudio de delimitación de los páramos de su jurisdicción y las estrategias de conservación (Holos, 2013); en dicho estudio se definieron las áreas paramunas de la Cuchilla Jardín - Támesis- Caramanta, complejo montañoso Farallones de Citará, Cerro Plateado, Cerros Metropolitanos y Complejo Urrao; este último, definido como Cuchilla de las Alegrías, cuyo análisis se realizó por la ladera occidental del páramo de Urráo en los municipios de Abriaquí, Santafé de Antioquia y parte del municipio de Caicedo, donde su mayor extensión pertenece al municipio de Urráo, jurisdicción de la Corporación para el Desarrollo Sostenible del Urabá (CORPOURABA).

1.2. OBJETIVOS Y PREGUNTAS DE INVESTIGACIÓN Objetivo general Delimitar espacialmente el páramo de Urráo localizado en el departamento de Antioquia – Colombia.

Objetivos específicos 

Evaluar la pertinencia de los criterios físico-bióticos en la delimitación del páramo.



Definir modelos espaciales dirigidos a la identificación del ecosistema paramuno.



Identificar la franja de transición entre el bosque altoandino y el páramo.

Preguntas de investigación 

¿Se puede determinar la franja de transición del bosque altoandino y el páramo basándose en la evaluación de los criterios físico-bióticos?



¿Cómo varían espacialmente los modelos distribución geográfica en relación con el límite de páramo propuesto por Instituto von Humboldt a escala 1:100,000?



¿Qué límite tiene el páramo de Urráo (Antioquia, Colombia) a la escala 1:25,000?

1.3. HIPÓTESIS Los Sistemas de Información Geográfica (SIG) y técnicas de análisis espacial aplicadas a factores biofísicos permiten la construcción de diferentes modelos espaciales, para la delimitación de una zona de páramo.

1.4. JUSTIFICACIÓN En Colombia los ecosistemas de páramos son considerados únicos por los servicios ecosistémicos que prestan, en especial por la regulación y conservación del recurso hídrico. Estos son valorados por su gran diversidad biológica, cultural 14

y paisajística; pero, son ecosistemas muy frágiles y vulnerables que se encuentran en amenaza por actividades antrópicas y por los efectos del cambio climático (Sarmiento et al., 2013). El calentamiento global es un impacto que se ve reflejado en la disminución de la extensión del páramo. El aumento en las temperaturas promueve la migración de especies hacia zonas más altas y frías en busca de condiciones mejores para su supervivencia. Además, provoca la desaparición de especies endémicas de flora y fauna que viven únicamente en estas regiones (Greenpeace, 2009). La intervención humana ha provocado la degradación de estos ecosistemas, a razón de la colonización y asentamiento de numerosas poblaciones que han provocado la disminución progresiva de las condiciones naturales del ecosistema, cambiándolas por actividades agrícolas y ganaderas; siendo la deforestación con la quema y el pastoreo uno los efectos más graves en los páramos (Morales y Estévez, 2006). Otro impacto antrópico en los páramos es la minería, que ha venido creciendo en los últimos 20 años. Desde el momento en que Colombia trató de impulsar su modelo económico con base en la explotación de los recursos mineroenergéticos, el gobierno nacional reestructuró la regulación del sector minero para facilitar y fomentar la inversión extranjera, dándole relevancia al interés minero por encima del interés a la protección del medio ambiente (Greenpeace, 2013). Según este mismo autor, en el último periodo del Gobierno del Presidente Juan Manual Santos, se impulsó la mega minería denominada la locomotora minera que basa su operación en la explotación de oro, carbón y materiales para la construcción, provocando grandes daños al ecosistema, entre los cuales se destaca la contaminación de las aguas superficiales y subterráneas, la contaminación de la atmosfera, la pérdida de la biodiversidad y la destrucción del paisaje. Para el Instituto de Investigación de Recursos Biológicos Alexander von Humboldt (2013), los procesos de degradación del ecosistema paramuno han contribuido a que se presenten desastres, como inundaciones, deslizamientos, avalanchas y/o avenidas torrenciales, en las principales cuencas de Colombia; ocurridas en las últimas temporadas invernales del fenómeno de La Niña 2010-2011.

En vista de estos acontecimientos del fenómeno de La Niña, el Consejo Directivo del Fondo de Adaptación, acepta la propuesta presentada por el MADS de delimitar todos los complejos de páramos del país; que este límite sea adoptado por los municipios y autoridades autónomas regionales y que sean de esta manera determinantes ambientales en los Planes de Ordenamiento Territorial municipal, en los Planes de Manejo de Cuencas y principalmente que tengan una figura jurídica que no permita el desarrollo de ningún tipo de actividad productiva que contribuya a su degradación. Igualmente, se pretende que estos ecosistemas paramunos se les puedan generar lineamientos de manejo y planificación necesarios para su restauración, con acciones que puedan mitigar y prevenir los riesgos por inundaciones, deslizamientos y/o avalanchas. Con las recientes disposiciones legales, se pretende definir un espacio geográfico concreto que cuente con información actualizada, estandarizada y más detallada acerca de la localización y características socioecosistémicas de los páramos. Esta información debe ser generada por las instituciones públicas responsables de la información oficial; con base en los criterios e indicadores identificados por el instituto de Investigación de Recursos Biológicos Alexander von Humboldt en asocio con el MADS y consignados en la “Guía divulgativa de criterios para la delimitación de páramos en Colombia” (Rivera y Rodríguez, 2011). La guía aporta orientaciones generales y una base conceptual para el posterior desarrollo de metodologías dirigidas a la elaboración de estudios técnicos, sociales y ambientales, pertinentes a la delimitación de los páramos, como lo sugiere la legislación vigente. Siguiendo estas directrices, se pretende delimitar el complejo de páramos de Urráo con técnicas de modelamiento espacial con SIG, utilizando información actualizada disponible que determine una distribución espacial del ecosistema de páramo, de acuerdo con criterios climáticos, altitudinales, topográficos y biológicos de especies de flora. En conclusión, la delimitación de páramos en Colombia pretende contribuir al fortalecimiento de los procesos de ordenamiento ambiental del territorio, como estrategia fundamental para reducir las condiciones de riesgo en las principales 16

cuencas que fueron impactadas por el Fenómeno de La Niña en el período 20102011.

1.5. ALCANCE El alcance del estudio pretende evaluar modelos de distribución espacial del ecosistema del páramo de Urráo; que permitan su delimitación a una escala 1:25,000, siendo esta una escala más detallada que la obtenida por el Instituto de Investigación de Recursos Biológicos Alexander von Humboldt en la actualización de los páramos de Colombia 2013 a escala 1:100,000. Los modelos que se plantean en este estudio permitirán establecer diferentes escenarios de delimitación según las condiciones ecosistémicas de cada criterio utilizado, basado en métodos espaciales que combinan información de coberturas vegetales, aspectos topográficos y climatológicos, y aplicación de métodos de distribución potencial de especies propias del páramo. En este sentido, los modelos propuestos pueden ser aplicados en la delimitación de cualquier páramo del país; lo que lo constituye en una herramienta de delimitación de ecosistemas paramunos para las autoridades ambientales, como las Corporaciones Autónomas Regionales (CORPOURABA, CORANTIOQUIA y CORNARE) y las administraciones municipales; todo ello como instrumento de planificación en los Planes de Ordenación y Manejo de Cuencas Hidrográficas (POMCA), Planes de Ordenamiento Territorial (POT) y Planes de Desarrollo Municipal.

2. REVISIÓN DE LITERATURA 2.1. MARCO HISTÓRICO La noción de páramo es un poco compleja por sus innumerables connotaciones de tipo biofísico y sociocultural. Según Vareschi (1970), el término páramo proviene del latín “paramunos” que significa llano, voz que se considera de origen celta y en España se hizo referencia a las mesetas semidesérticas y áridas. Este concepto es confirmado por Real Academia Española (2001) en su diccionario de la lengua española, que definió el páramo como un terreno yermo, raso y desabrigado. Con la llegada de los españoles a América, según Vásquez y Buitrago (2012, p.14) “El contraste entre las verdes selvas y las altas regiones heladas y sin árboles, puede haber llevado a los españoles conquistadores a usar la palabra “páramo” en América del Sur”. Los páramos en Colombia, han sido explorados desde inicios del siglo XIX por grandes expedicionarios como Agustín Codazzi, Manuel Ancizar y José Jerónimo Triana, quienes participaron en la comisión cartográfica de la Nueva Granada con el objetivo de describir el país y sus riquezas y cuyo legado lo constituyeron los mapas de Colombia, oficiales hasta 1941, las ilustraciones de personas, plantas, animales y los diferentes paisajes de páramos (Vásquez y Buitrago, 2012). Para el siglo XX, la producción capitalista en Colombia se consolida, haciendo uso de los recursos naturales incluyendo las zonas paramunas para impulsar el desarrollo del país; donde el conocimiento acerca de la naturaleza era respetable en los ámbitos sociales, culturales y políticos, sin embargo se consideraba que no aportaban en nada al desarrollo de la nación y que por consiguiente debía ser descartado (González y Valencia, 2011).

Diversos fenómenos de antropización de las altas montañas, como asentamientos humanos, deforestaciones para cultivos, minería, asentamientos de grupos armados, instalación de bases militares, como también construcción de obras de infraestructura tales como hidroeléctricas, torres de comunicación, vías, entre otras, han forzado a las instituciones a tener una visión multidisciplinaria en el estudio de los páramos, que incluya la participación de la comunidad como actor principal para orientar y regular su interrelación de la comunidad con el páramo. Es así, como a mediados de los años 70s, el Estado toma una posición conservacionista y expide el Código de los Recursos Naturales y crea entidades descentralizadas para que gestione el control y vigilancia de los recursos naturales, incluidos los páramos. Puede decirse entonces, que el conocimiento de los páramos andinos es cada vez mayor por las numerosas investigaciones que han servido para entender sus orígenes, funciones y estructuras como ecosistemas. Destacándose en este ámbito, las investigaciones de Cuatrecasas (1958), donde se logró determinar el límite altitudinal de páramos, se describió las especies y sus comunidades vegetales. Igualmente, el aporte de Van der Hammen (2000), estuvo dirigido a la historia del clima y la vegetación altoandina; así como los trabajos sobre botánica en los páramos sobre la cordillera oriental de Colombia realizados por Cleef (1981) y los estudios de los páramos circundantes de la Sabana de Bogotá (Guhl, 1982).

2.2. MARCO NORMATIVO Existen en la actualidad instrumentos normativos ratificados por Colombia de orden nacional e internacional que son directamente aplicables a la protección del páramo, los cuales se encuentran compilados, tal como se presenta en las siguientes tablas. A nivel internacional se destacan las normas presentadas en la tabla 2-1.

Norma Ley 17 de 1981

Tema El Tratado de Washington sobre el Comercio Internacional de Especies de Fauna y Flora Silvestres en Peligro de Extinción –CITES.

Ley 45 de 1983

Protección del Patrimonio Mundial, Cultural y Natural de la UNESCO.

Ley 165 de 1994

Promover la conservación y el uso sostenible los componentes de la diversidad biológica, mediante su acceso adecuado y transferencia adecuada de tecnologías.

Ley 357 de 1997

Convención RAMSAR, relativa a los Humedales de importancia internacional.

Ley 164 de 1994

La Convención Naciones Unidas sobre Cambio Climático

Ley 629 de 2000

El Protocolo de Kyoto sobre Cambio Climático.

Tabla 2-1 Resumen normativa internacional sobre protección del páramo.

A nivel nacional se destacan las normas presentadas en la tabla 2-2. Norma Ley 2 de 1959

Tema Los nevados y las áreas que la circundan deben ser declarados como parques nacionales naturales

Decreto 2811 de Clasifica como bienes de dominio público las áreas 1974 – Artículo 83 ocupadas por los nevados y los cauces de los glaciares. Ley 99 de 1993 - Protección especial a las zonas relacionadas con los Artículo 1 páramos sub-páramos, nacimientos de agua y zonas de recarga de acuíferos. Ley 812 de 2003 - Las zonas de páramo, bosques de niebla y áreas de Artículo 89 influencia de nacimientos, acuíferos y de estrellas fluviales, deberán ser adquiridas o protegidas con carácter prioritario por las autoridades ambientales. Decreto 3600 de Constituye suelo de protección “Las áreas de especial 2007 - Artículo 4 importancia ecosistémicas, tales como páramos y subpáramos. Resolución 0839 de Fija términos de referencia para la elaboración de Estudios 2003 sobre el Estado Actual de los Páramos (EEAP) y del Plan de Manejo Ambiental de Páramos (PMA). Resolución 1128 de Faculta a las autoridades ambientales a la aprobación de 2006 los EEAP y PMA. Ley 1382 de 2010 - Las zonas declaradas y/o delimitadas como de zonas de Articulo 34 protección, no podrán realizar trabajos de exploración y explotación minera. Resolución 0937 de Adopta la cartografía elaborada a escala 1:250.000, para la 2011 identificación y delimitación de los ecosistemas de páramo. 20

Norma

Tema

Ley 1450 de 2011 - Los ecosistemas de páramos y humedales deberán ser Artículo 202 delimitados a escala 1:25.000 con base en estudios técnicos, económicos, sociales y ambientales. Decreto-Ley 3570 Elabora los términos de referencia para los estudios de 2011 - Artículo técnicos, económicos, sociales y ambientales en la 2, numeral 15 delimitación de los ecosistemas de paramos y humedales. Tabla 2-2 Resumen normativa nacional sobre protección del páramo.

2.3. MARCO METODOLÓGICO El Instituto Von Humboldt y el MADS elaboraron la Guía Divulgativa de Criterios de Delimitación de Páramos de Colombia (Rivera y Rodríguez, 2011), cuyo conjunto de criterios aporta de una forma integral la comprensión y la definición del ecosistema paramuno. A continuación, se presentan en forma de resumen los criterios biogeofísicos y de integridad ecológica priorizados en esta guía: Criterios biogeofísicos: 

Identificar la franja de páramo bajo o subpáramo y su variabilidad en el gradiente altitudinal.



Identificar el modelado y los procesos morfogénicos en los paisajes de páramo.



Reconocer la presencia de ecotonos y ecoclinas en el límite inferior del páramo.



Identificar las condiciones de orden local que han facilitado la ubicación de los páramos fuera de los límites de distribución esperados (páramos azonales).

Integridad ecológica: 

Considerar el rol de los ecosistemas de alta montaña en el ciclo hidrológico y la relación de estos procesos con la integridad del ecosistema.



Evaluar la conectividad entre el bosque altoandino y el páramo.



Reconocer la variabilidad de la franja inferior del páramo frente al cambio climático y las medidas de adaptación necesarias para la mitigación de los impactos.



Considerar franjas de ecosistemas adyacentes que faciliten la conectividad entre áreas de menor extensión de ecosistemas paramunos. 21

A partir de estos criterios el Instituto von Humboldt actualizó la cartografía de paramos a escala 1:100,000; utilizando diferentes técnicas de modelamiento espacial que lograron plasmar la distribución potencial del ecosistema con relación a diferentes factores abióticos y bióticos, como la temperatura, las precipitaciones, la vegetación, los suelos y la topografía. Estos modelos se construyeron mediante la extrapolación de la información disponible en ese momento y restricciones ecológicas.

Concepto de páramo Algunos de los siguientes investigadores definen el concepto de páramo como: Un ecosistema húmedo tropical zonal, una región muy elevada y descubierta de vegetación en las cordilleras tropandinas, cuyas condiciones climáticas, físicas y meteorológicas conforman un tipo de vegetación herbácea y arbustiva, ubicada principalmente a partir del límite superior del bosque (Cuatrecasas, 1958). Los páramos son regiones montañosas húmedas de condiciones ambientales extremas, limitadas desde el límite superior del bosque altoandino y límite periglacial (Guhl, 1982). Se destaca que los páramos son zonas naturales extensas de mucha biodiversidad en especies de plantas vasculares, briofitas y líquenes; también, ha registrado una importante variedad de fauna y hongos (Rangel, 2000). Por la complejidad de este ecosistema dentro de sus múltiples ámbitos físicos bióticos, sociales, culturales, económicos y políticos; Hofstede, Segarra y Mena (2003, p14), definen el páramo como “un ecosistema, un bioma, un paisaje, un área geográfica, una zona de vida, un espacio de producción, un símbolo, inclusive es un estado del clima”. Van der Hammen (1997), define al páramo como un área con vegetación abierta, semi-abierta, arbustiva y boscosa baja que se extiende más allá del límite altitudinal del bosque andino. La resolución 0769, artículo 2 de 2002 del MADS establece la definición de páramo como: “Ecosistema de alta montaña, ubicado entre el límite superior del bosque andino y, si se da el caso, con el límite inferior de los glaciares o nieves 22

perpetuas, en el cual domina una vegetación herbácea y de pajonales, frecuentemente frailejones y pueden haber formaciones de bosques bajos y arbustivos y presentar humedales como los ríos, quebradas, arroyos, turberas, pantanos, lagos y lagunas”. Al analizar los anteriores conceptos de páramos, se encuentra que existe una relación conceptual con todos los autores, coincidiendo que todas las áreas de páramos se caracterizan por la diversidad vegetal, sustentada en presencia y abundancia de especies de flora herbácea y arbustiva en el límite superior altoandino. En cuanto a la definición utilizada por el MADS, se considera la más completa, y para efectos del presente estudio se retoma esta definición como directriz en los criterios seleccionados para la delimitación del páramo de Urráo. A continuación, se presentan los criterios recomendados por Rivera y Rodríguez (2011), ajustados y complementados para esta propuesta.

Criterios para definir un páramo 2.3.2.1 Criterio climático

El clima en los páramos colombianos es muy variable, en cuanto a su temperatura, precipitación, evapotranspiración, humedad y vientos; la temperatura promedio mensual es mínima, pero con mucha variación en el día y noche. En el día la temperatura tiende a subir por la radiación solar; mientras que en la noche baja la temperatura considerablemente. Según Morales et al. (2007), la temperatura promedio anual en la franja de transición

entre

el bosque

altoandino y el páramo

bajo

es de

8°C

aproximadamente, en el páramo alto las temperaturas son de 6°C y en el superpáramo los valores de temperatura están por debajo de los 3°C. Para el complejo de páramos Frontino – Urráo, se asignan valores de temperatura promedio anual entre 4°C y 12°C, según IGAC (1990). La clasificación de las zonas de vida está en función de la temperatura, precipitación y evapotranspiración; cuyo objetivo es determinar las zonas con condiciones similares, para agrupar las diferentes comunidades bióticas 23

(Holdridge, 1987). En la tabla 2-3, se resumen las zonas de vida en el complejo de paramos Frontino – Urráo: ALTITUD DESCRIPCIÓN (m.s.n.m.) bosque muy húmedo Montano bmh-MB Bajo 2,000 – 3,000 bosque pluvial bp-MB Montano Bajo 2,000 - 3000 bosque pluvial bp-M Montano 3,000 – 4,000 RANGO

PRECIPITACIÓN TEMPERATURA (mm) (°C) 2,000 – 4,000

12 - 17

4,000 – 8,000

12 - 17

2,000 – 4,000

6 - 12

Tabla 2-3 Zonas de vida del páramo Frontino – Urráo. Fuente: Holdridge (1987).

A nivel general en los páramos existe una diferencia marcada en la precipitación promedio multianual y mensual, con valores aproximados entre 700 mm y 5,000 mm (Morales et al., 2007); donde la humedad relativa es apreciablemente alta con valores de 80% y 98% durante el día y la noche. De acuerdo con Rivera et al. (2010) por la cantidad de lluvia que reciben los páramos, estos pueden ser pluviales con precipitación superior a los 4,400 mm, superhúmedos con precipitaciones entre 3,000 mm y 4,000 mm, húmedos con precipitaciones entre 1,771 mm y 2,344 mm y secos con precipitaciones entre 623 mm y 1,196 mm.

2.3.2.2 Criterios biogeográficos

La clasificación biogeográfica se fundamenta en el grado de aislamiento o de conexión de las coberturas vegetales paramunas, los procesos de distribución de semillas, la especiación y extinción, las transformaciones climáticas y el cambio en la franja de transición del bosque altoandino y el páramo; según lo explica la propuesta hecha por Hernández, Hurtado, Ortiz y Walschburger (1992). Esta propuesta presenta 26 áreas biogeográficas categorizadas jerárquicamente en sectores, distritos y complejos. De acuerdo con Rivera et al. (2010), la diferencia entre sectores se caracteriza por composición florística y género de especies, resultado del aislamiento geográfico

ocasionado por la separación de los valles interandinos durante las glaciaciones; los distritos se caracterizan por la composición de especies, la presencia de especies endémicas, la coincidencia de los límites en la distribución de especies y las relaciones de cambios históricos. Finalmente, a nivel de complejos el detalle es mayor, los criterios varían de acuerdo al contexto biofísico local de cada distrito. Con base en esta clasificación Morales et al. (2007) en la publicación del Atlas de Páramos de Colombia, actualizó la información del estado actual de los páramos y bajo un análisis más detallado en términos biofísicos y socioculturales; incluyó nuevos sistemas de complejos que pasan de 26 a 34 complejos de páramos, 15 distritos y 5 sectores.

2.3.2.3 Criterio cuenca de orden cero

El conocimiento e investigación sobre el comportamiento del agua en la alta montaña y el páramo en particular es muy limitado, como lo expresa Vásquez (2005), debido a la poca información y el escaso monitoreo de variables y parámetros fundamentales. Según Granados, Navarrete y Suárez (2005), casi todos los estudios sobre páramos se enfocan en los factores de flora y fauna y existen pocos estudios sobre los procesos hidrológicos propios de estos ecosistemas. El enfoque que tienen estos estudios hidrológicos se basa en los modelos tradicionales de hidrología de cuencas para cuantificar el balance hídrico. A pesar de la importancia del agua en estos ecosistemas, no se ha considerado la necesidad de espacializar las cuencas de orden cero, que para Vásquez (2005, p.3), son aquellas que: “No tienen un canal de corriente permanente o intermitente, en donde el agua de escorrentía se mueve a través del suelo o sobre la superficie del terreno y en casos extremos de lluvia, se mueve a través de líneas de flujo bien definidas tales como zanjas o canales incipientes”.

2.3.2.4 Criterios topográficos

En la cartografía básica, la caracterización de las elevaciones se hace por medio del mapa topográfico o en su defecto del Modelo Digital de Elevaciones (MDE), entendido como la representación visual y matemática de las alturas sobre el nivel mar, que permite describir la geoforma del terreno y los elementos existentes en la superficie del terreno. El MDE es utilizado para la elaboración de distintos modelos derivados como pendientes y orientación; o en modelos más complejos que requieren de información auxiliar. La influencia de la pendiente sobre la estructura y composición de la vegetación en los páramos es trascendente. Esta influencia se manifiesta en los factores edáficos a través de la posibilidad de evolución, de la capacidad de retención de agua y de la sensibilidad frente a la erosión. Además, influye en la misma geoforma de ladera (cóncava, recta o convexa); donde las laderas cóncavas tienen mayor profundidad de suelo y más humedad, al predominar el depósito sobre la erosión, al contrario que en las pendientes convexas en las que hay mayor facilidad de escorrentía, más erosión y suelos más pedregosos y de menor capacidad de retención de agua, por lo que predomina la vegetación más xerófila o de menor espesura. La distribución geográfica de los suelos en los páramos está condicionada por sus geoformas; definida por Derruau (1991), como el estudio de las formas del relieve terrestre y su propósito fundamental es describir, explicar y estudiar las formas y procesos que se presentan en la superficie de la Tierra. De manera más concreta, Sala y Batalla (1996, p.91), consideran que “las formas del terreno son el resultado de la interacción entre fuerzas endógenas, o procesos tectónicos de creación de volúmenes montañosos, y fuerzas exógenas, o procesos erosivos de destrucción y modelado de relieves”. El sistema morfogénico, lo definió el IDEAM (2010) como un conjunto de procesos interdependientes que generan un modelado específico en un espacio determinado; condicionados por factores como la morfoestructura geológica (litología y tectónica), las condiciones bioclimáticas, los modelados heredados y la formación superficial.

Las condiciones bioclimáticas permiten en la variación altitudinal, examinar factores como el clima, la vegetación, la geomorfología y suelos, que ayudan en la identificación de los sistemas morfogénicos ligados a ciertos procesos (IDEAM, 2010). En este sentido, el sistema morfogénico diferencia altitudinalmente los pisos bioclimáticos de páramo en: 

El modelo glacial heredado, que caracteriza el páramo bajo y páramo alto en el gradiente 3,200 al 4,100 m.



El periglaciar actual con el superpáramo, por encima del gradiente 4,100 m. hasta el límite glaciar.

Ver el sistema morfogénico en la figura 2-1.

Figura 2-1 Pisos Morfogénicos. Fuente: IDEAM (2010).

En la actualidad, la clasificación altitudinal de Cuatrecasas (1958) sigue siendo válida: 

Subpáramo o páramo bajo: Con límites altitudinales entre los 3,300 y 3,500 m.s.n.m.



Páramo propiamente dicho: Con límites entre los 3,500 y 4,500 m.s.n.m. 27



Superpáramo: Localizado a alturas superiores a 4,500 m.

Otra propuesta de delimitación para caracterizar las zonas de alta montaña, ha sido propuesta por Rangel (2000), quien sugiere las siguientes franjas: 

Bosque alto andino: Localizado entre 3,000 y 3,200 m.



Páramo bajo (subpáramo): Ubicado desde la cota de 3,200 hasta 3,500 (3,600 m).



Páramo propiamente dicho o páramo de Gramíneas: Se extiende entre 3,500 (3,600) y 4,100 m.



Superpáramo: Franja por encima de 4,100 m, que alcanza el límite inferior de las nieves perpetúas:

Otra clasificación es realizada por Van der Hammen (2007), en el Proyecto Estudios de Ecosistemas Tropandinos, donde determinó los umbrales altitudinales de los ecosistemas de alta montaña; presentó la siguiente clasificación. 

Bosque alto andino: Con una altitud mínima de 2,700 m hasta los 3,300 m.



Páramo bajo: Altitud comprendida entre los 3,300 m hasta los 3,800 m.



Páramo alto: Altitud comprendida entre los 3,800m hasta los 4,400 m.



Superpáramo: Se considera una altitud entre los 4,400 m hasta los 4,800 m.

Al tratar de identificar un límite de páramo altitudinalmente y según lo expuesto por los anteriores autores; Cuatrecasas (1958) y Van der Hammen (2007), coinciden ambos en definir el límite inferior del subpáramo o páramo bajo a los 3,300 m.

2.3.2.5 Criterios de vegetación

Las características ecosistémicas del ambiente paramuno, muestran una representación florística demarcada por el dominio de especies representativas de estos ecosistemas, diferenciada por varios tipos de cobertura y asociaciones vegetales: Con una vegetación abierta de tipo pajonal, sin árboles, con arbustos achaparrados. Allí se encuentran casi todos los tipos fisionómicos de vegetación presentes en los páramos.

En Colombia, según Rangel (2000) existen 327 comunidades vegetales paramunas, distribuidas básicamente en bosques, matorrales, pajonales y frailejones; distribuidos a lo largo del gradiente altitudinal: Bosque alto andino: Localizado entre 3,000 y 3,200 m, con vegetación cerrada a media montaña y abierta de la parte alta; con presencia de bosques altos y elementos florísticos del tipo Weinmannia, Clethra, Hesperomeles y Drymis. Páramo bajo (subpáramo): Ubicado desde la cota de 3,200 hasta 3,500 y 3,600. Con predominio de bosque bajo y vegetación arbustiva tipo matorral, donde dominan especies de Diplostephium, Monticalia, Ginoxys, Hypericum, Pernettya, Vaccinium, Bejaria y Gaultheria. Páramo propiamente dicho o páramo de Gramíneas: Se extiende entre 3,500 (3,600) y 4,100 m. en él se encuentran casi todos los tipos de vegetación; pero predominan los frailejonales o rosetales (Espeletia), los pajonales (Calamagrostis) y los chuscales (Chusquea). Superpáramo: Franja por encima de 4,100 m, que alcanza el límite inferior de las nieves perpetúas. La vegetación es discontinua y la diversidad y coberturas disminuyen notablemente. Para Rangel (2000) en el complejo Frontino - Urráo, se presenta vegetación abierta no boscosa, propia de páramo, la cual incluye matorrales, frailejones y herbazales; a partir del gradiente 3,500 m.s.n.m. Las coberturas de la tierra describen la vegetación natural y elementos antrópicos existentes sobre la superficie del suelo, bien sea, creados por actividades humanas para la satisfacción de las necesidades materiales o por la misma dinámica de las condiciones climáticas, topográficas, edáficas, socioeconómicas y culturales propias de cada región. No existía en Colombia antes del 2004 un sistema de clasificación y una metodología uniforme para levantar información de las coberturas de la tierra; luego el país adoptó el proyecto Corine Land Cover para Colombia, el cual estandarizó la clasificación de coberturas de la tierra, según las condiciones locales del territorio nacional. Este viene del proyecto “Corine Land Cover” desarrollado en Europa en 1990, el cual define una metodología específica para la clasificación de las coberturas de 29

la tierra que fueron interpretadas a partir de imágenes de satélite de resolución media (Landsat) a escala 1:100,000.

Análisis y modelado espacial El análisis espacial puede definirse, como un conjunto de técnicas cuyos resultados dependen de la localización de objetos o eventos analizados, que requieren acceso a la localización y atributos del objeto (Goodchild, 1987). En un sentido más amplio Fischer y Nijkamp (1992), lo definen como el análisis de información espacial y no espacial en sistemas espaciales o espacio-temporal, como una herramienta para describir, explicar o predecir. El análisis espacial se plantea como un método estadístico para solucionar cuestiones de tipo geográfico (Gatrell, 1987); dado que, para llevar a cabo investigaciones o solucionar problemas territoriales, el análisis espacial debe abarcar un amplio conjunto de técnicas. Es decir, el modelado espacial es la unión entre métodos basados en modelos y operaciones de los SIG, que generan herramientas adecuadas para apoyar la planificación (Birkin, Clarke, Clarke y Wilson, 1987). Según lo anterior, en el modelado espacial se integran operaciones de los SIG, como la superposición de capas con modelos espaciales y operaciones aritméticas o estadísticas no propias de los SIG. En la actualidad es indiscutible que los SIG y las técnicas estadísticas aplicadas han experimentado un gran desarrollo, lo que ha permitido la generación de nuevas herramientas para la investigación en diversas áreas como la ecología.

2.3.3.1 Modelos multicriterio

Se definen como el conjunto de técnicas orientadas a asistir procesos de toma de decisiones; a partir de un número de alternativas con múltiples criterios y objetivos en conflicto (Voogd, 1983). Los modelos multicriterios son una relación de conceptos, aproximaciones, modelos y métodos, para ayudar a entes decisores a describir, evaluar, ordenar, jerarquizar, seleccionar o rechazar objetos, con base en evaluaciones por puntuaciones o valoraciones categóricas, de acuerdo a varios

criterios; expresados en objetivos, metas, valores de referencia, niveles de aspiración o utilidad (Coloson y De Bruyn, 1989). Las alternativas están representadas por objetos o unidades de análisis, en los modelos

raster

representados

por

pixeles,

los

modelos

vectoriales

representados por polígonos, líneas o puntos, constituyendo así el conjunto global de alternativas de selección. En cuanto a los criterios, según Voogd (1983), son la base para la toma de decisiones, porque pueden ser medibles y evaluados; son las evidencias con las cuales se toma la decisión. Los criterios pueden ser de dos tipos: Factores o Limitantes; para Gómez y Barredo (2005) el criterio tipo factor, es el que realza o detracta la capacidad de asentamiento de una alternativa específica para la actividad en consideración; éste debe ser medido en una escala continua. El criterio de tipo limitante restringe la disponibilidad de algunas alternativas en función de la actividad evaluada; con este tipo de criterio se excluyen varias categorías de la capa analizadas para la evaluación. Una vez evaluadas las alternativas y definidos los criterios, se selecciona el método de ponderación y normalización, que normalmente utiliza el método de la matriz cuadrada o comparación por pares (Saaty, 1980), la cual permite asignar valores a los criterios de evaluación indicando su importancia relativa con respecto a otro criterio en consideración. Finalmente, mediante un procedimiento de una sumatoria lineal pondera y algebra de mapas en SIG, se obtiene el modelo espacial. El análisis multicriterio tiene muchas aplicaciones en diferentes campos, como lo hace en su investigación Esse et al. (2014), que mapeó los servicios ecosistémicos en cuencas forestales del sur de Chile. También Franco (2011) utilizó un modelo espacial multicriterio para la determinación de unidades de ordenación forestal.

2.3.3.2 Modelado ecológico

Según García (2008) el modelado ecológico se define como la generalización o simulación de una realidad que se conoce parcialmente; consiste en buscar una 31

relación estadística o matemática, para calcular la distribución potencial más factible de una especie, entre datos disponibles de la especie y diferentes variables que describen las condiciones ambientales, extrapolando esta relación al resto del área de estudio. Para la modelización, se requiere información georreferenciada de las especies a modelar y uno o varios programas, que hagan el modelamiento de distribución. El modelado de distribución de especies, tiene muchas aplicaciones según el objetivo de la investigación; dentro de muchos estudios se puede destacar, la estimación de la densidad de ocelotes para la Estación de Biodiversidad Tipuniti en la Amazonía ecuatorial (Mosquera, 2013), en el estudio de especies de aves y mamíferos categorizadas en riesgo (Longoria, 2008), en la comparación y optimización de modelos predictivos en la riqueza y diversidad vegetal (García, 2008), aplicación en la biogeografía con el estudio del estado y conservación de aves amenazadas (Fierro, 2012), aplicados al estudio de la probabilidad de presencia de 13 especies endémicas de reptiles presentes en Madagascar (Pearson, Raxworthy, Nakamura and Peterson, 2007), en la evaluación de la vulnerabilidad y escenarios futuros frente a la invasión de la especie Retamo Espinoso (Castillo, 2008), la utilización de métodos lineales para construir modelos de hábitat para la especie de ave paseriforme de la familia alaudidae (Seoane et al., 2006), etc. En cuanto a los métodos utilizados para los modelos de distribución de especies, se encuentran una gran variedad, entre estos se destaca: 

Regresión logística múltiple (RLM)

Es una regresión lineal que relaciona la variable dependiente con las variables ambientales, generando valores finales entre 0 y 1, adecuados para representar un modelo de probabilidad; su aplicabilidad se ha destinado básicamente al modelado ecológico. Algunas de sus ventajas más destacadas, es la fácil interpretación de los resultados desde punto de vista estadístico y ecológico; su desventaja, tiene que ver con el empleo de pseudo-ausencias y otros programas para correrlo (García, 2008).



Multivariate adaptive regression splines (MARS)

Es un método estadístico desarrollado por Friedman (1991), se basa en modelos flexibles, que ajustan los datos a regresiones lineales parciales; es decir, los modelos no lineales, utilizan las regresiones lineales parciales para su aproximación, donde la pendiente de la ecuación cambia en cada intervalo del conjunto de datos; genera modelos de salida con valores entre 0 y 1. La ventaja de este modelo radica en su fácil interpretación estadística, biológica y la interpretación de las variables en el modelo; su desventaja es que necesita otros programas para correr el modelo completo. 

Máxima entropía (Maxent)

Es un modelo que calcula la distribución potencial de especies, con base al principio de Máxima Entropía (distribución más próxima a la uniforme), el valor esperado es el valor medio pronosticado por el modelo de cada variable independiente, este debe coincidir con su media empírica o valor medio observado al muestrear las variables independientes, con los datos de presencia de partida (Phillips, Anderson y Schapire, 2006). Este modelo genera una salida en formato ASCII (American Standard Code for Information Interchange), con valores de probabilidad de presencia entre 0 y 1; donde los valores cercanos a 1 denotan una alta probabilidad de presencia para la especie, los valores cercanos a 0.5 indican condiciones típicas de lugares donde la especie se encuentra y lo valores cercanos a 0 corresponden a bajas condiciones de presencia. Entre las ventajas destacadas de este modelo, se encuentra que permite la evaluación de cada una de las variables ambientales y su relación con el modelo; solo se necesitan datos de presencia y puede utilizar valores continuos o categóricos, es de fácil ejecución y funciona bien con tamaños y muestras pequeñas. 

Envuelta ambiental (BIOCLIM)

Es un método simple y geométrico que enmarca la presencia de la especie dentro de los límites observados para cada variable ambiental (Busby, 1986). Modela la distribución de la especie definiendo un espacio multidimensional, en el que cada dimensión viene expresada por el rango de cada variable independiente, después 33

de eliminar las observaciones del 5% comprendidas entre los rangos superior e inferior (García, 2008). El modelo resultante es una variable continua que representa la probabilidad de presencia de la especie (Hijmans, Guarino y Mathur, 2012). El modelo tiene una ventaja a su favor, es fácil de ejecutar y los resultados sencillos de interpretar; sin embargo es sensible a los errores en los datos de calibración, sobre todo si éstos contienen falsas presencias, fuera del rango de la especie y cuyas condiciones ambientales sean muy diferentes de las condiciones reales de presencia de la especie. 

Algoritmos genéticos (GARP)

Es un modelo desarrollado por Stockwell y Peters (1999), que genera un modelo mediante un conjunto de reglas (atómicas, regresión logística, entornos ambientales, reglas de rango, etc.) que reflejan los factores ambientales asociados con la presencia de la especie, emplea datos de presencia/ausencia o sólo de presencia, georreferenciados con longitud y latitud, y variables ambientales obtenidas de información climática y sensores remotos. Divide los datos de muestreo en dos grupos de datos: Uno para modelar y el otro para evaluar el modelo; este último, se evalúa mediante los errores de omisión y comisión. Funciona iterativamente, aplicando nuevas reglas para volver a producir otro modelo y evaluarlo; cada iteración es bucle, que calcula un nuevo modelo de distribución binario. Si este modelo es mejor que el anterior lo almacena, de esta forma se genera una gran cantidad de modelos, hasta que no mejoren la precisión predictiva o hasta que se llega a un número de iteraciones establecido por el usuario. Por ser un modelo muy aleatorio, el programa selecciona los modelos con mejor consistencia de valoración predictiva; o bien, combina todos estos en un único mapa final, cuyo resultado es un mapa binario de presencia (valor 1) y ausencia (valor 0) de la especie.

2.3.3.3 Modelo espacial de evidencia binaria

El modelo espacial de evidencia binaria es una técnica geoinformática usada en contextos de información escasa, en la cual la valoración de los factores involucrados se hace de una forma absoluta (Camarero y Rozas, 2006); es decir, para cada celda donde se corrobora la existencia se asigna el valor de 1 (uno) y cuando está ausente se asigna el valor de 0 (cero). La evaluación de evidencia binaria se puede realizar de dos formas; la primera consistente en la suma de los componentes binarios, con lo cual se obtendría un mapa con valoraciones entre 0 y 5, donde el valor 0 representan la ausencia de todos los criterios o la presencia de criterios con los valores de 1, 2, 3, 4 y 5. Esta agregación, a pesar que aporta una valoración jerárquica no permite identificar cual o cuales factores están presentes o asuntes en las combinaciones (Dorado, García y Zabala, 2009). La segunda forma de evaluación que se propone es basada en una clave binaria, que consiste en agregar al modelo un valor clave de índice a los diferentes modelos de distribución geográfica (CORPOURABA, 2012). Esta técnica de modelación espacial, fue utilizada para la delimitación de humedales asociados al Río León; a través de técnicas que permitieron modelar la función, estructura y composición de los humedales y evaluar la magnitud del daño generado por las modificaciones en el paisaje y en el cambio de uso del suelo.

3. METODOLOGÍA 3.1. ÁREA DE ESTUDIO El páramo de Urráo, se encuentra al norte de la Cordillera Occidental de Colombia y al suroccidente del departamento de Antioquia en la coordenada (latitud 6° 27’ norte y longitud 76° 5’ oeste), altitudinalmente está a 3,942 m.s.n.m. aproximadamente, en jurisdicción de los municipios de Urráo, Abriaquí, Santafé de Antioquia y Caicedo, con un área de 10,321 ha, según la cartografía de páramos a escala 1:100,000 generada por Sarmiento et al. (2013). Ver figura 3-1. De acuerdo con Morales et al. (2007) en Colombia existen 15 distritos de páramos, los cuales a su vez están divididos en 34 complejos; en la Cordillera Occidental, se encuentran los distritos del páramo de Paramillo, páramos Frontino-Tatamá y páramos del Duende-Cerro Plateado; dentro del distrito de páramos Frontino-Tatamá, se encuentra el complejo Frontino-Urrao y dentro de este complejo se encuentran el páramo de Cerro Plateado, el páramo del Alto de San José y el páramo de Urráo. El acceso al páramo de Urráo se puede hacer desde el municipio de Urráo vía hacia Caicedo hasta las veredas El Chuscal y Guapante de Urrao, trayecto de aproximadamente 17 km; desde la vereda El Chuscal se toma el camino que cruza por la quebrada Santa Bárbara, en dirección a los sitios conocidos como El Quince, Puente Largo y Llano Grande; recorrido que se hace a pie, por un camino que asciende hasta 3,600 m.s.n.m. (UAESPNN, 2004). Otro acceso, se hace desde el municipio de Santafé de Antioquia, hasta la vereda La Milagrosa parte baja en una distancia de 24 km aproximadamente; desde este punto, se realiza un recorrido a pie en ascenso de 7 km aproximadamente hasta llegar a la Chuchilla Las Alegrías. También, hay acceso desde el municipio de 36

Caicedo dirigiéndose a la vereda La Anocozca, por un camino menos extenso de 4 km aproximadamente, pero que presenta dificultades para su recorrido debido a lo denso de su vegetación.

Figura 3-1 Localización general del páramo de Urráo escala 1:100,000.

3.2. ESQUEMA METODOLÓGICO La metodología que se presenta, se fundamenta en el procesamiento de dos modelos espaciales; el Modelo de Evidencia binaria y el Modelo de Distribución de Especies. Estos se basan en el análisis de variables ambientales representando los criterios definidos por Rivera y Rodríguez (2011) y obtenidas de la recolección y evaluación de información secundaria básica y temática; cuyo proceso analítico de superposición de mapas y el algoritmo de máxima entropía, proporcionan una aproximación al límite de paramo objeto de estudio. Tal como se puede observar en el flujograma de trabajo figura 3-2.

Figura 3-2 Flujograma de trabajo en la delimitación del páramo de Urráo.

En base con lo expuesto en el marco metodológico de este estudio, se seleccionaron los modelos espaciales de Evidencia Binaria y Máxima Entropía; básicamente por su diferencia metodológica y geoprocesamiento. El modelo de 38

Evidencia Binaria, utiliza técnicas de superposición de mapas, reclasificados binariamente. El modelo de Máxima Entropía, es recomendado por algunos autores, como Elith et al. (2006) quienes afirman, que el modelo arroja mejores resultados en muestras pequeñas; al igual que García (2008), quien afirma, que el modelo de Máxima Entropía, produce mejores resultados que los modelos de Regresión Logística Múltiple (RLM), Multivariate Adaptive Regression Splines (MARS), Envuelta Ambiental (BIOCLIM) y Algoritmos Genéticos (GARP), etc.

3.3. VARIABLES PARA DEFINIR EL PÁRAMO A partir de deliberaciones en las que participaron más de cien especialistas que asistieron a diferentes eventos desarrollados durante el año 2010 y comienzos del 2011, se obtuvo como resultado la “Guía Divulgativa de Criterios de Delimitación de Páramos de Colombia” (Rivera y Rodríguez, 2011); esta guía plantea una propuesta metodológica para la delimitación a partir de criterios y variables biofísicas que garanticen la integridad ecosistémica del páramo. Basándose en los criterios presentados en el capítulo 2.3.2., de acuerdo con Rivera y Rodríguez (2011), a continuación, se presentan las variables propuestas para la delimitación del páramo de Urráo.

Variables topográficas El MDE, se construye a partir de curvas de nivel a escala 1:25,000, que genera una red irregular de triángulos (TIN), la cual se transforma a raster con la herramienta TIN To Raster (3D Analyst) con resolución de pixel 25x25 metros. A partir del MDE, se genera la variable ambiental Aspect, que permite ver el ángulo de orientación con respecto al norte, esta se construye con la herramienta Aspect (Spatial Analyst) y sus valores son asignados por defecto desde el ArcGis. De igual forma, con el MDE se genera el mapa de pendientes en porcentaje, con la herramienta Slope (Spatial Analyst) cuyos valores son asignados por defecto desde el ArcGIS, estos son reclasificados en los rangos propuestos, según la forma del relieve y el grado de inclinación, según el Instituto Colombiano de la Reforma Agraria (1995). Ver tabla 3-1 y figura 3-3. 39

Rango de Clasificación Pendiente % Relieve 0–3 Plano Ligeramente 3–7 Inclinado 7 – 12 Inclinado Fuertemente 12 – 25 Inclinado Fuertemente 25 – 50 Quebrado 50 – 75 Escarpado > 75 Muy escarpado

Rangos Propuesto

Grado de inclinación

0 - 25

Ligeramente inclinado

25 - 50 > 50

Medianamente inclinada Fuertemente inclinada

Tabla 3-1 Rangos de pendientes.

Figura 3-3 Pendientes del terreno.

En la zonificación altitudinal, se utilizarán los umbrales altitudinales identificados para los pisos bioclimáticos de media y alta montaña, sugeridos por Van der Hammen (2007) y donde se logra diferenciar el piso bioclimático para cada

vertiente del país. Específicamente, este trabajo utilizará los rangos altitudinales para la cordillera occidental. Ver tabla 3-2.

Piso bioclimático Glacial Superparamo Páramo alto Páramo bajo Bosque altoandino alto Bosque altoandino bajo Bosque subandino

Cordillera Occidental Rango Rango inferior superior m.s.n.m. m.s.n.m. 4,800 > 4,800 4,400 4,800 3,800 4,400 3,300 3,800 2,700 3,300 2,100 2,700 1,000 2,100

Tabla 3-2 Rangos altitudinales para los pisos bioclimáticos cordillera occidental. Fuente: Van der Hammen (2007)

A partir del MDE y la herramienta Reclassify (Spatial Analyst), se reclasifica o cambia los valores del MDE en función a la tabla de rangos altitudinales. Ver figura 3-4.

Figura 3-4 Rangos altitudinales.

Variable cuenca de orden cero. La metodología propuesta para la delimitación de cuencas de orden cero, hecha por Vásquez (2005) consiste en identificar los canales y puntos de inicio del canal en el plano base cartográfico. Como se está trabajando a escala 1:25,000 los canales identificados son los de primer orden en red hídrica; luego, se generan las divisorias topográficas desde el inicio del canal. Ver figura 3-5.

Figura 3-5 Canales e inicio de canales y divisorias cuenca orden cero.

Posteriormente, se traza una línea envolvente que abarque todas las áreas de divisoria de cuenca, tratando de conectarlas en lo posible por medio de curvas de nivel, de manera que conforme un área común en toda la zona de páramo. Ver figura 3-6.

Figura 3-6 Delimitación cuenca hidrográfica cero.

Variables climáticas 3.3.3.1 Temperatura promedio anual

Para la estimación espacial de la temperatura media anual se utilizó el método de regionalización, desarrollada para la zona Andina Colombiana por Chávez y Jaramillo (1998) donde la variación espacial de la temperatura media anual se estima de forma indirecta en función de la altura, según la siguiente expresión: T(°C) = 29.42 – 0.0061 * H Dónde: 

T(°C): Temperatura media anual, 43



H: Altura en metros sobre el nivel del mar, que se obtiene del modelo digital de elevación.

A partir de la expresión propuesta y del MDE generado para las variables topográficas, se utiliza la herramienta de algebra de mapas Raster Calculator (Spatial Analyst), que genera la distribución espacial de la temperatura en el área de estudio. Ver figura 3-7.

Figura 3-7 Temperatura promedio anual.

3.3.3.2 Precipitación media anual

Para este análisis, se revisó la información promedio anual del Modelo de Gestión del Recurso Hídrico DUBERDICUS de CORANTIOQUIA, la cual cuenta con 380 estaciones repartidas en todo el departamento de Antioquia. Se seleccionaron 22 estaciones relativamente cercanas al páramo, para realizar un análisis regional de precipitación; en la base de datos se encontró información como el código de la estación, tipo de estación, nombre de la estación, municipio al que pertenece,

altura sobre el nivel del mar, coordenadas (Latitud y Longitud) y la precipitación anual arrojada por estación. Ver tabla 3-3. CODIGO TIPO

NOMBRE_EST

MUNICIPIO

ELEV P_ANUAL

LATITUD

LONGITUD

1107003 PG

La Clarita

Urrao

2,150

2,686 6.51393665184 -76.16323798060

1107007 PG

Cruces

Urrao

950

4,937 6.48060496761 -76.34657102040

1107009 PG

Santa Bárbara

Urrao

2,595

2,000 6.39726880384 -76.06323938490

1107011 PG

Nendó

Urrao

960

3,714 6.33060432418 -76.31323921340

1107012 PG

Pabón

Urrao

1,920

1,955 6.14726886652 -76.12990816460

1107017 PG

San José

Urrao

1,870

1,691 6.24726924371 -76.14657385040

1107018 PG

Murrí

Frontino

810

4,603 6.73060551928 -76.34656865470

1107502 CO

Urrao

1,850

1,578 6.33060244405 -76.11323984750

1111001 PM

Urrao Normal Teres

Frontino

1,370

2,722 6.76393704695 -76.14656903290

1111002 PG

Abriaquí

1,920

2,019 6.63060264456 -76.06323722260

1111004 PM

Canasgordas

Cañasgordas

1,200

2,649 6.74726926774 -76.02990293850

1111005 PG

1,930

3,207 6.68060383717 -76.17990302560

1111011 PG

Musinga Grande Frontino Boquerón de Toyo Giraldo

2,000

2,102 6.71393555277 -75.99657002070

1111502 CO

Canasgordas

Cañasgordas

1,200

2,378 6.74726910607 -76.01323631550

2620506 CO

La Noque

Antioquia

450

1,219 6.39726665529 -75.82990679680

2621007 PM

Caicedo

1,750

1,800 6.41393473539 -75.97990617040

2621009 PM

Anzá

620

1,868 6.29726659788 -75.84657432620

2621013 PM

Guasabra

Antioquia

2,100

1,568 6.49726794169 -75.94657218110

2621014 PM

Altamira

Betulia

1,800

2,296 6.21393399572 -75.94657477380

2622001 PM

Antioquia

500

1,089 6.56393370447 -75.82990529950

2622009 PM

Giraldo

2,100

1,903 6.68060168543 -75.94657050140

2622503 AM

Hda Cotove

Antioquia

530

1,000 6.53060028814 -75.82990559050

Santa

Tabla 3-3 Estaciones hidrometeorológicas

Según un estudio realizado por Leguizamón (2003) donde comparó los métodos de interpolación Kriging y distancia inversa ponderada (IDW) para la precipitación promedio anual en Colombia, se concluyó que la geoforma es una variable física que influye mucho en el comportamiento de los modelos, donde el método IDW, presenta valores de precipitación más detallados, que el método Kriging, sobre todo en zonas donde los cambios altitudinales son más fuertes. En este sentido, y considerando la zona de estudio, se propone utilizar el método IDW, este método determina los valores de celda a través de una combinación ponderada linealmente de un conjunto de puntos de muestra, dándole mayor peso a los valores que se ubican más cerca y menor peso a los valores más lejanos de la ubicación de muestra. Ver figura 3-8. 45

Figura 3-8 Precipitación promedio anual.

Variable ecosistema vegetal Para la construcción del mapa de cobertura vegetal, se partió de información secundaria de coberturas de la tierra de IDEAM et al. (2011), suministrada por CORPOURABA en formato shape, esta capa proviene de una clasificación de imágenes satélite Landsat 2006 y 2007; y en paramo de Urráo cuenta con información coberturas hasta el nivel 4, de acuerdo a la clasificación metodológica Corine Land Cover adaptada para Colombia. El presente estudio, modificó y actualizó las coberturas a partir de una ortofoto de alta resolución a escala 1:10,000 de Catastro Departamental de Antioquia (2012), con el método de fotointerpretación en pantalla. Este proceso consistió en redelimitar las coberturas (bosque denso alto, herbazal denso y herbazal rocoso) que se encontraban en nivel 4 y llevarlo a nivel 5, donde se logró identificar coberturas de bosque denso alto de tierra firme, herbazal denso de tierra firme y arbustal denso. Ver figura 3-9. 46

Figura 3-9 Coberturas vegetales.

3.4. MODELOS ESPACIALES

Modelo espacial de evidencia binaria La técnica de análisis espacial de evidencia binaria, consistente en una valoración de las variables involucradas de forma absoluta; es decir, en cada celda o pixel se corrobora la existencia del criterio, asignándole el valor de 1 para los criterios que cumplen y el valor de 0 cuando hay ausencia del criterio o no cumple. Partiendo de esta premisa, se selecciona las variables que intervendrán en el modelo y se les asigna el índice binario basado en el orden presentado en la tabla 3-4.

Variables

Hidrología

Umbral altitudinal

Umbral térmico

Ecosistema vegetal

Índice binario 1 10 100 1000

Tabla 3-4 Clave de evidencia binaria

Cada variable por si sola explica la probabilidad de presencia de páramo, se evalúa la presencia o ausencia del criterio de páramo para su calificación de índice binario. En forma resumida se genera una tabla que identifica la variable, caracteriza y evalúa el criterio. Ver tabla 3-5. Variable

Descripción

Criterios

Cuenca orden Para esta variable, el área de divisoria Con área de cuenca= cero de la cuenca de orden cero, es el 1. criterio de presencia de páramo y la Sin área de cuenca= 0 ausencia lo determina el área por fuera de la divisoria. Umbral altitudinal

Umbral térmico

Ecosistema vegetal

El umbral altitudinal más aceptado por varios autores como Cuatrecasas (1958) y Van der Hammen (2007), es de 3,300 m donde afirman el inicio de ecosistema de páramo.

Con área de páramo > a 3,300 m.s.n.m.= 10.

Según Holdridge (1987), el inicio de vegetación de páramo se da en el umbral térmico de los 12°C. Donde en la temperatura menor o igual a los 12°C hay presencia de páramo y temperaturas mayores a 12°C, hay ausencia de páramo.

Temperatura >12°C = 0

La elección de este criterio, lo determina la ausencia o presencia de cobertura vegetal de páramo; las categorías de herbazal denso de tierra firme y arbustal denso, indican presencia de páramo. El resto de coberturas no es páramo.

Vegetación paramo= 1000

Sin vegetación páramo= 0

Sin área de páramo < a 3,300 m.s.n.m. = 0

Temperatura <= 12°C = 100

Tabla 3-5 Calificación de variables para modelo

Una vez identificadas las variables, se procede a construir los mapas raster binarios para el modelo, con herramientas de geoprocesamiento, álgebra de mapas y reglas de decisión de lógica booleana.

3.4.1.1 Calificación cuenca de orden cero

El shape de cuenca de orden cero, se le agrega un campo atributivo de calificación, donde el área que contiene la cuenca de orden cero se le asigna el valor índice de 1 y el área por fuera del límite se le asigna el valor de índice 0. Seguidamente se hace la conversión a raster con la herramienta Polygon to Raster (Conversion). Ver figura 3-10.

Figura 3-10 Calificación cuenca orden cero.

3.4.1.2 Calificación umbral altitudinal

La construcción del mapa umbral altitudinal, inicia con el MDE, el cual reclasifica los rangos altitudinales, por medio la herramienta Raster Calculator (Spatial Analyst); se aplican reglas de decisión para seleccionar el criterio de gradiente 49

altitudinal mayor a 3,300 m.s.n.m. que cumple como área de páramo y se califica con índice binario de 10; al gradiente altitudinal menor a 3,300 m.s.n.m. que no cumple como área de páramo, se califica con índice 0. Ver figura 3-11.

Figura 3-11 Calificación umbral altitudinal.

3.4.1.3 Calificación umbral térmico

Con el mapa de temperatura promedio anual, se pretende obtener el umbral térmico de 12°C, donde se supone el inicio de la vegetación de páramo, según metodología basada en la ecología de las zonas de vida (Holdridge, 1987). La herramienta Raster Calculator (Spatial Analyst) se aplica al mapa de temperatura promedio anual y con las reglas de decisión se selecciona el criterio de rango térmico menor o igual a 12°C, que cumple como inicio de la vegetación de páramo y se califica con índice binario de 100; al rango térmico mayor de 12°C, que no cumple con el criterio de vegetación de páramo, se califica con índice 0. Ver figura 3-12.

Figura 3-12 Calificación umbral térmico.

3.4.1.4 Calificación ecosistema vegetal

El mapa de ecosistema vegetal, sale directamente del mapa de coberturas vegetales, donde se identifican las categorías de Herbazal denso de tierra firme y Arbustal denso, como vegetación de páramo; las demás categorías de cobertura, no se consideran vegetación de páramo. Al shape de cobertura vegetal se le agrega un campo atributivo de calificación, donde las coberturas identificadas como vegetación de páramo, se les asigna el valor de índice binario 1000; mientras que, las coberturas que no son vegetación de paramo se le asigna el valor de índice 0. Posteriormente, se hace la conversión a raster con la herramienta Polygon to Raster (Conversion). Ver figura 3-13.

Figura 3-13 Calificación ecosistema vegetal de páramo.

Finalmente con la herramienta Raster Calculator (Spatial Analyst), se hace la sumatoria raster de variables generando las diferentes combinaciones de índices como clave binaria; donde, cada clave binaria tendría una combinación de 1 y 0, que dependiendo de la ubicación del 1, mirándolo de derecha a izquierda, se podría identificar cuáles y cuantas variables están involucradas, como ejemplo, ver tabla 3-6. Combinación

Variables

1010

V2 y V4

V1 y V2

1011

V1, V2 y V4

1100

V3 y V4

1111

V1, V2, V3 y V4

Tabla 3-6 Ejemplo claves binarias.

Donde: 52

V1 = Cuenca orden cero V2 = Umbral altitudinal V3 = Umbral térmico V4 = Ecosistema vegetal Como se puede apreciar en el ejemplo de la tabla anterior, en las diferentes combinaciones se pueden identificar cuales variables intervienen en el proceso; Si se observa de derecha a izquierda, se deduce que la combinación 11, intervienen las variables 1 y 2; la combinación 1100, indica que se superpone la variable 3 y la variable 4 y con la combinación 1111, se indica que todas las variables incluyeron todos los criterios de definición del páramo. Para definir el límite del páramo de Urráo, mediante el modelo de evidencia binaria, se propone, que sea el área correspondiente de las combinaciones de dos o más variables ambientales involucradas en el proceso. Esto a razón, que cada variable por sí sola, explica la probabilidad de presencia de páramo, y un área con dos o más variables presentes en el mismo sitio, aumenta la probabilidad de presencia de páramo.

Modelo de máxima entropía (Maxent) La propuesta del Modelo de Máxima Entropía es un modelo de distribución potencial basado en el modelamiento del nicho ecológico, porque permiten predecir la distribución geográfica de una entidad biológica, en este caso las formas de crecimiento (FC) de la vegetación de páramo, a nivel herbáceo, arbustivo y arbóreo, usando registros de presencia en un conjunto de variables ambientales de tipo climáticas y topográficas; derivadas de información sobre precipitación, temperatura y modelo de elevación digital.

3.4.2.1 Obtención de la información

Para las formas de crecimiento herbáceas y arbustivas se recolectó información de presencia de especies típicas entre el bosque altoandino y el páramo. Estos registros de vegetación provienen de diferentes fuentes de colecciones botánicas, como El Herbario de la Universidad de Antioquia, El Herbario del Instituto de

Ciencias Naturales de la Universidad Nacional de Colombia y el Sistema de Información sobre la Biodiversidad de Colombia. En total se recopilaron 70 registros asociados a una coordenada geográfica, distribuidos de la siguiente forma: 

Formas de crecimiento Herbáceas 39 registros de especies.



Formas de crecimiento arbustivas 31 registros especies.

Para las formas de crecimiento arbóreas se obtuvo datos de presencia con la ayuda de las coberturas vegetales; a partir del muestreo sobre el bosque denso alto de tierra firme y bosque fragmentado con vegetación secundaria. Para esta forma de crecimiento se obtuvo 53 registros. Ver anexo 1 para listado de registros biológicos y figura 3-14 que muestra la distribución espacial.

Figura 3-14 Registros biológicos de flora.

La lista de registros biológicos de flora consolidada se exportó a formato csv, con tres campos principales, forma de crecimiento y coordenadas geográfica de longitud y latitud. En cuanto a las variables bioclimáticas, ante la imposibilidad de contar con información actualizada de estaciones climáticas por parte de las Instituciones encargadas, se optó por utilizar la base de datos WorldClim Hijmans, Cameron, Parra, Jones, y Jarvis (2005) descargadas de www.worldclim.org en formato GRID y resolución 1 Km², con cubrimiento global. Estas variables climáticas son obtenidas de los registros de estaciones climáticas entre los años 1950 y 2000 (Hijmans et al., 2005); están comprendidas por 19 variables que se derivan de la temperatura promedio mensual y la precipitación promedio mensual (Ver tabla 3-7). Los datos de WorldClim, han sido empleados con éxito en numerosas modelaciones con Maxent; como en la modelación de los complejos de páramos a escala 1:100,000 generada por Sarmiento et al. (2013), quienes utilizaron las variables WorldClim para correr los modelos. También, García (2008) en su estudio de modelados ecológicos de patrones de diversidad vegetal y su aplicación al diseño de zonas protegidas, utilizó las variables WorldClim como datos climáticos. Variable Bioc1 Bioc2 Bioc3 Bioc4 Bioc5 Bioc6 Bioc7 Bioc8 Bioc9 Bioc10 Bioc11 Bioc12 Bioc13 Bioc14 Bioc15 Bioc16 Bioc17

Descripción Temperatura media anual Rango medio diurno (media mensual (T° máx.- T° min.)) Isotermalidad (B2/B7) (* 100) Temperatura Estacional (desviación estándar *100) Temperatura máxima del mes más cálido Temperatura mínima del mes más frío Rango de Temperatura Anual (B5 - B6) Temperatura media del mes más húmedo Temperatura media del mes más seco Temperatura media del trimestre más cálido Temperatura media del trimestre más frío Precipitación anual Precipitación del mes más húmedo Precipitación del mes más seco Precipitación estacional (Coeficiente de variación) Precipitación del trimestre más húmedo Precipitación del trimestre más seco 55

Variable Bioc18 Bioc19

Descripción Precipitación del trimestre más cálido Precipitación del trimestre más frío

Tabla 3-7 Variables bioclimáticas WorldClim.

Para las 19 variables bioclimáticas del proyecto WordClim y las variables topográficas de MDE, pendientes y orientación de las pendientes (Aspect), además del mapa de coberturas vegetales, se requiere que todas tengan el mismo tamaño de pixel. Las variables WorldClim necesitan un proceso (Resample), que consiste en cambiar el tamaño de pixel de 1000 mt a 25 mt, esto a razón de cumplir con un requerimiento técnico del programa Maxent 3.3.3 (Phillips et al., 2006), el cual exige en la modelación, que todos los raster a trabajar tengan el mismo tamaño de pixel. En esa medida para lograrlo se utiliza la herramienta Resample (Data Management) y por medio de una máscara del área de estudio se recorta cada variable bioclimática. Por último, se exportan las 19 variables a formato ASCII con la herramienta Raster to ASCII (Conversion).

3.4.2.2 Distribución geográfica potencial de formas de crecimiento

La modelación de distribución geográfica potencial utilizará el programa MaxEnt, donde se cargan las variables ambientales y se listan los registros de especies. Se escogió el formato de salida logístico, que proporciona un estimado de probabilidad de presencia entre 0 y 1. Ver figura 3-15.

Figura 3-15 Interfaz gráfica de Maxent.

En la configuración del programa, se debe tener en cuenta los datos de entrenamiento (training data), que son un porcentaje del total de datos de la variable dependiente que se emplean para generar el modelo y los datos de prueba (test data), que son el porcentaje restante del total de datos de la variable dependiente, utilizados para validar y evaluar el comportamiento del modelo final, en términos de ajuste y consistencia. Según Sarmiento y Ungar (2014), la decisión de qué tantos datos se dejen como prueba, depende de la certeza que se tenga sobre la calidad de su georreferenciación, sobre todo de registros provenientes de colecciones botánicas; cuando no hay certeza total de la calidad de los datos, resulta conveniente dejar un porcentaje de esos datos por fuera del área predicha y sugiere, que para los tres modelos de distribución se use el 80% como datos de entrenamiento y el 20% restante como datos de prueba. Se utilizó la salida acumulativa, la creación de curvas de respuesta y estadísticos Jacknife; esto, para estimar las variables que más importancia tienen en el modelo, con el fin de conocer el comportamiento de la variable en relación con los valores de probabilidad de presencia. Para correr el modelo en Maxent, algunos autores recomiendan utilizar todas las variables, para que el programa por sí mismo identifique las variables ambientales

que contribuyen en mejor medida al modelo (Lira, Barve, Soberón, y Peterson, 2012). Se parte de la idea, que el límite del páramo se encuentra en la franja de transición del bosque altoandino y el páramo, caracterizada por tener una cobertura discontinua de parches boscosos que ascienden altitudinalmente, mezclándose con las formas de crecimiento arbustivas propias del subpáramo bajo. Para llegar a la franja de transición, se utilizan los modelos resultantes en formato ASCII generados en Maxent. Se reclasifican en tres valores umbrales cada modelo, para establecer cuatro niveles de probabilidad, estos son: Sin probabilidad, baja, media y alta. Lo que permite diferenciar en cada forma de crecimiento la potencialidad para ascender o descender en el gradiente altitudinal. Los resultados por defecto dan una estimación entre 0 y 1 de la probabilidad de presencia, los cuales se dividen en cuatro rangos iguales: Los valores de 0 a 0.25 sin probabilidad presencia, los valores entre 0.25 y 0.50 con probabilidad baja, los valores entre 0.5 y 0.75 probabilidad media y los valores entre 0.75 y 1 es probabilidad alta. Esta reclasificación se realiza a las formas de crecimiento arbustiva y arbórea; y el procedimiento espacial se realiza en ArcGis con la herramienta Reclassify (Spatial Analyst). El paso siguiente, es la superposición espacial de la distribución potencial de especies de las formas de crecimiento arbórea y arbustiva para construir la franja de transición; para este análisis se tuvieron en cuenta los siguientes criterios: 

Se selecciona la menor altitud del nivel de probabilidad media de las formas de crecimiento arbóreas.



Se selecciona la menor altitud del nivel de probabilidad baja de las formas de crecimiento arbustivas.

La intersección de ambas franjas según los criterios anteriores, conforman la franja de transición del bosque Altoandino y el páramo.

4. RESULTADOS Y DISCUSIÓN 4.1. RESULTADOS Modelo de evidencia binaria Una vez realizado el geoprocesamiento raster de las variables ambientales incluidas en el modelo, se obtiene el mapa de evidencia binaria con las diferentes combinaciones de clave; en la tabla 4-1 se resume para cada clave binaria las variables ambientales que intervienen en el proceso. Clave 0 1 100 101 110 111 1000 1100 1101 1110 1111

Variables V1 V3 V1 y V3 V2 y V3 V1, V2 y V3 V4 V3 y V4 V1, V3 y V4 V2, V3 y V4 V1, V2, V3 V4

Interpretación Ninguno de los criterios existe Cuenca orden cero Umbral térmico Cuenca orden cero y umbral térmico Umbral altitudinal y umbral térmico Cuenca orden cero, umbral altitudinal y umbral térmico Ecosistema vegetal Umbral térmico y ecosistema vegetal Cuenca orden cero, umbral térmico y ecosistema vegetal Umbral altitudinal, umbral térmico y ecosistema vegetal y Cuenca orden cero, umbral altitudinal, umbral térmico y ecosistema vegetal térmico

Tabla 4-1 Evidencia binaria

En la tabla 4-2 se presenta las áreas en hectáreas de participación de cada clave binaria en el modelo: Clave 1 100 101 110 111 1000

Hectáreas 657.13 4,902.21 4,743.63 221.20 1,346.63 64.19 59

Clave 1100 1101 1110 **1111

Hectáreas 208.26 184.45 239.67 3,674.36

Tabla 4-2 Áreas en hectáreas de las claves binarias.

El comportamiento porcentual de las claves binarias como resultado de la modelación, muestra una importante participación de tres claves binarias en el modelo. La clave binaria (100) correspondiente a la variable umbral térmico con un área de 4,902.21 ha en un porcentaje del 30,18% de presencia de la variable en la zona de páramo. La clave binaria (101) combina las variables cuenca orden cero y umbral térmico con área de 4,743.63 ha contribuyendo en un 29,21% dentro del área de páramo y la clave binaria (1111) que combina cuatro variables ambientales en un área de 3,674.36 ha que representa un porcentaje del 22,62% en el páramo; no menos importante el resto de claves binarias aportando un poco menos del 10% cada una. Ver figura 4-1.

29,21

30,18

VALORES DE % CLAVE BINARIA

100

101

22,62

20 15

1,48

1,14

0,40

1,36

4,05

1,28

8,29

PORCENTAJE

0 1

110

111

1000 1100 1101 1110 1111

CLAVE BINARIA

Figura 4-1 Porcentaje de área de las claves binarias

El mapa que representa la propuesta de límite para el páramo de Urrao utilizando el método de evidencia binaria, define entonces un área de 10,486.78 ha. Ver figura 4-2.

Figura 4-2 Límite páramo de Urráo modelo de evidencia binaria.

Modelo de máxima entropía (maxent) En forma general los esquemas arrojados por Maxent, muestran los valores probabilísticos de distribución de especies por cada forma de crecimiento, donde pueden interpretarse como “puntos calientes” las áreas en color rojo, que son condiciones adecuadas de probabilidad, en verde para condiciones típicas o de media probabilidad y en color cian para condiciones de probabilidad baja. Ver la figura 4-3.

Figura 4-3 Esquemas de probabilidad formas de crecimiento.

El comportamiento altitudinal para cada forma de crecimiento, se representa en un gráfico de caja Box-Plot; donde la distribución de las formas de crecimiento, se muestran como una caja sólida continua, las líneas de máximos corresponden a la cobertura que va disminuyendo a medida que asciende el gradiente altitudinal; mientras que la línea de mínimos, también representa la disminución de la cobertura, pero a medida que se desciende en el gradiente altitudinal. En la figura 4-4, la forma de crecimiento arbórea representa la zona de bosque, cuyos máximos y mínimos, llegan hasta 3,300 y 2,650 m.s.n.m.; en las formas de crecimiento arbustivas que corresponde al subpáramo bajo, los máximos y mínimos van desde los 3,624 a 2,795 m.s.n.m.; y las formas de crecimiento herbáceo, páramo propiamente dicho, los máximos y mínimos encontrados, van desde los 3,832 a 2,912 m.s.n.m.

Figura 4-4 Caja Box-Plot FC y su distribución altitudinal.

4.1.2.1 Modelo de distribución potencial forma de crecimiento arbóreo

Las variables ambientales con mayor contribución porcentual en el modelo la distribución de especies arbóreas fueron el MDE con 47.4% y las coberturas vegetales (cober) con 42%, como se aprecia en la tabla 4-3.

Variable mde Cober pendiente bioc17 bioc14 bioc18 aspecto bioc19 bioc7 bioc1

Contribución % 47.4 42 5.9 1.4 1.3 0.9 0.7 0.1 0.1 0.1

Tabla 4-3 Porcentaje de contribución variables FC arbóreo.

Los resultados de estimación del modelo en las pruebas Jackknife, para los datos de entrenamiento, prueba y área bajo la curva (AUC), se resumen en la tabla 4-4.

Variables modelo digital de elevación (mde) Coberturas vegetales (cober) Precipitación del trimestre más seco (bioc17)

Datos Datos entrenamiento prueba 0.7 0.65 0.42 0.45

Índice auc 0.8

0.45

0.78

Tabla 4-4 Pruebas Jackknife FC arbóreo.

El mapa resultado para la probabilidad de presencia de especies en formas de crecimiento arbóreas, clasificadas en probabilidad alta, media y baja; se observa en la figura 4-5.

Figura 4-5 Probabilidad de especies FC arbóreo.

Los extremos altitudinales de la probabilidad alta se encuentran entre los 3,050 y 3,300 m.s.n.m., los extremos de la probabilidad media se encuentran entre los

2,804 y 3,268 m.s.n.m. y la probabilidad baja está entre 2,650 y 3,079 m.s.n.m. Ver figura 4-6.

Figura 4-6 Caja Box-Plot nivel de probabilidad FC arbórea.

4.1.2.2 Modelo de distribución potencial, forma de crecimiento arbustivo

Las variables ambientales con mayor contribución porcentual en el modelo de la distribución de especies arbustivas fueron las variables ambientales: Precipitación del trimestre más seco (bioc17) con 64.7% y la variable Rango de Temperatura Anual (bioc7) con 14.4%, como se aprecia en la tabla 4-5. Variable bioc17 bioc7 bioc1 bioc10 Cober mde bioc19 bioc15 bioc16

Contribución % 64.7 14.4 4.7 4.6 3.9 3.3 3 1 0.4

Tabla 4-5 Porcentaje de contribución de variables FC arbustivo.

Los resultados de estimación del modelo en las pruebas Jackknife, para los datos de entrenamiento, prueba e índice AUC, se resumen en la tabla 4-6.

Variables Precipitación del trimestre más seco (bioc17) Temperatura promedio anual (bioc1) Temperatura media del trimestre más cálido (bioc10) modelo digital de elevación (mde) temperatura mínima del mes más frío (bioc6) precipitación del trimestre más húmedo (bioc16)

Datos entrenamiento 1.45 1.40 1.40 1.35

Datos prueba

Índice auc

1.45

0.92

1.33

0.90 0.90

1.38 0.92

Tabla 4-6 Pruebas Jackknife FC arbustiva.

En la figura 4-7, se aprecia el mapa con la probabilidad presencia de especies de las formas de crecimiento arbustivo, clasificadas en probabilidad alta, media y baja.

Figura 4-7 Probabilidad de especies FC arbustivo.

En las formas de crecimiento arbustivo, el máximo y mínimo de la probabilidad media son a 3,624 y 3,087 m.s.n.m.; y en la probabilidad baja, el máximo y mínimo corresponde a los gradientes altitudinales 3,546 y 2,795 m.s.n.m., como se aprecia en la figura 4-8.

Figura 4-8 Caja Box-Plot nivel de probabilidad FC arbustiva.

4.1.2.3 Modelo de distribución potencial forma de crecimiento herbáceo

Para las formas de crecimiento herbácea, las variables ambientales con mayor contribución porcentual en el modelo de distribución son las variables ambientales precipitación del trimestre más seco (bioc17) con 51.2% y la variable temperatura promedio anual (bioc1) con 16.3%, como se aprecia en la siguiente tabla 4-7.

Variable bioc17 bioc1 bioc7 Cober mde bioc14 bioc16 aspecto

Contribución % 51.2 16.3 13.1 4.5 4.5 4 3.3 3.2

Tabla 4-7 Porcentaje de contribución de variables FC herbácea.

Los resultados de estimación del modelo en las pruebas Jackknife, para los datos de entrenamiento, prueba e índice AUC, se resumen en la tabla 4-8.

Variables Temperatura promedio anual (bioc1) Precipitación del trimestre más seco (bioc17) precipitación del trimestre más húmedo (bioc16) modelo digital de elevación (mde)

Datos Datos Índice entrenamiento prueba auc 1.5 1.45 0.91 1.4

1.45

0.91 0.91 0.91

Tabla 4-8 Pruebas Jackknife FC arbustiva.

El siguiente mapa (figura 4-9), muestra la probable presencia de especies en formas de crecimiento herbáceas, clasificadas en probabilidad alta, media y baja.

Figura 4-9 Probabilidad de presencia de especies FC herbáceo.

En las formas de crecimiento herbáceo, los máximos y mínimos de la probabilidad baja se encuentran a los 3,578 y 2,912 m.s.n.m., para la probabilidad media, los máximos y mínimos están a los 3,800 y 3,109 m.s.n.m.; y en la probabilidad alta, los máximos y mínimos, se encuentran a los 3,832 y 3,582 m.s.n.m. Ver figura 410.

Figura 4-10 Caja Box-Plot nivel de probabilidad FC herbáceo.

Franja de Transición bosque altoandino – páramo El resultado de la franja de transición, sale de la intersección de las probabilidades de presencia de las formas de crecimiento arbórea y arbustiva, moviéndose en un rango altitudinal entre 2,850 m.s.n.m. y 3,250 m.s.n.m.; como se ilustra en la figura 4-11.

Figura 4-11 Franja de transición bosque altonadino – páramo.

La propuesta del límite del páramo de Urráo, se presenta en la figura 4-12, delimitado por la cota 2,850 (límite bajo de la franja de transición entre bosque altoandino y páramo), con un área de 13,369.05 ha.

Figura 4-12 Propuesta límite del páramo de Urrao modelo Máxima Entropía.

4.2. DISCUSION

Análisis modelo de evidencia binaria El análisis del modelo de evidencia binaria muestra, que la cuenca de orden cero (V1), se encuentra superpuesta en cinco combinaciones de clave binaria con un área de 10,606.20 ha. En este sentido, la real y verdadera importancia de este criterio en el páramo de Urrao es la conexión hidrogeológica en estas zonas planas de recarga, donde se localizan nacimientos y humedales (Cogollo, Parra, Sánchez, Tuberquia y Pérez, 2000). Este páramo, alberga numerosas áreas pantanosas o turberas en estado de encharcamiento permanente, que se hallan cubiertas por vegetación hidrófila; siendo una importante estrella fluvial, que suministra el agua a una numerosa población, como lo describe en su trabajo Jaramillo y Parra (1993) y donde nacen

los ríos Urrao y La Encarnación en el municipio de Urrao, el río La Herradura en el Municipio de Abriaquí y la quebrada La Anocozca del municipio de Caicedo. El umbral altitudinal (V2), cuenta con un área de 5,481.86 ha, relacionado en cuatro combinaciones de clave binaria. Su aporte en la delimitación del páramo de Urrao, lo determina la cota 3,300 como gradiente altitudinal del subpáramo bajo identificado para los pisos bioclimáticos de media y alta montaña, sugeridos por Van der Hammen (2007), una área menor e inmersa en el límite de páramo a escala 1:100,000. En cuanto al umbral térmico (V3), éste se encuentra en 8 combinaciones de clave binaria con un área total de 31,577.7 ha; variable de mayor aporte porcentual para explicar el modelo con un 30.18%. Al revisar el límite de paramo de Urrao a escala 1:100,000 se observa que se mueve en un rango 10.30°C por el costado occidental y 11.5°C por el costado oriental; consistente con Castaño (2002) quien afirma que el sistema montañoso de Colombia y las variaciones altimétricas determinan el clima, a razón de 1°C por cada 187 m en promedio; de tal forma que el valor vertical de la temperatura aumenta o disminuye 0.0625 °C por cada 100 m y de este modo a 3,000 m de altitud se tendría un temperatura de 10.7 °C. Las coberturas vegetales (V4) cuentan con un área de 4,370.93 ha, en cinco combinaciones de clave binaria, siendo la menor área de las cuatro variables analizadas, a razón del tipo de cobertura identificada como indicadoras de vegetación paramuna herbazal denso de tierra firme y Arbustal denso. Todo lo expuesto anteriormente, ratifica y valida la metodología empleada, aportando criterios importantes que sirvieron para la propuesta de delimitación del páramo, como la posibilidad de identificar por cada clave binaria; las variables que la conforman y cuantificar su aporte al modelo y que cada variable por si sola explica muy bien el criterio de páramo. Según la figura 4-2, el área del límite del páramo de Urráo propuesto es de 10,486.78 ha, mayor que el área del límite de páramo a escala 1:100,000, que tiene 10,321.48 ha; donde su trazado es muy similar, pero que no lo contiene por completo, solo en algunos sectores del área norte y sur. 72

Análisis modelo de máxima entropía (Maxent) 4.2.2.1 Modelo de distribución potencial forma de crecimiento arbóreo

En términos de identificar cuáles fueron las variables ambientales que más le aportaron al modelo de distribución potencial, se analizaron los resultados, donde se evidenció una contribución porcentual muy importante del modelo digital de elevación (mde) y la variable cobertura vegetal (cober). También, se analizaron las pruebas Jackknife para comprobar qué variables estiman mejor la distribución del modelo, en los datos entrenamiento y prueba, las variables MDE y las coberturas vegetales (cober) son las que mejor estiman el modelo por sí solas; en los datos del índice AUC, también son importantes estas dos variables, lo mismo que la temperatura promedio anual (bioc1) y precipitación del trimestre más seco (bioc17). Ver anexo 2. El modelo digital de elevación analizado bajo curva de respuesta, muestra que la forma de crecimiento arbórea se mueve en rango altitudinal 2,700 a 3,000; con una respuesta máxima de predicción de 0.65, para las coberturas vegetales la máxima predicción del herbazal llega a 0.50. Ver figura 4-13.

Figura 4-13 Curvas de respuestas variables más importantes FC arbóreo.

En el siguiente gráfico (figura 4-14), se analiza la curva operacional (curva ROC), para los datos de entrenamiento, los datos prueba y el área por debajo de la curva AUC. La curva roja representa el ajuste al modelo de datos de entrenamiento y la curva azul indica el grado de ajuste del modelo a los datos de prueba; si observamos ambas curvas, están por encima del área la curva ROC muy cerca al extremo superior izquierdo, con valores de los datos de entrenamiento (AUC =

0.875) y datos de prueba (AUC 0.806); lo que indica un grado de ajuste muy alto al modelo de predictivo.

Figura 4-14 Curva operacional (curva ROC) en FC arbórea.

4.2.2.2 Modelo de distribución potencial forma de crecimiento arbustivo

Al analizar los resultados del modelo de distribución, encontramos que las variables ambientales precipitación del trimestre más seco y el rango de temperatura anual, son las que porcentualmente aportan más al modelo, pero no necesariamente, las más importantes, como lo muestra los resultados de las pruebas Jackknife; particularmente con la variable rango de temperatura anual, que por sí sola, no es importante para estimar la distribución del modelo. A diferencia de las variables temperatura promedio anual (bioc1), temperatura media del trimestre más cálido (bioc10), precipitación del trimestre más húme*do (bioc16), precipitación del trimestre más seco (bioc17) y el modelo de digital de elevación (mde), que por alto aporte de ganancia son muy importantes por si solas para estimar el modelo de distribución. Ver anexo 2. En este sentido, las curvas de respuesta corroboran la importancia de las variables en función de la probabilidad de presencia; es así, como la variable altitudinal (mde) en el rango altitudinal 3,100 a 3,800 tiende a aumentar la repuesta de predicción hasta 0.8. La temperatura promedio anual en los rangos 74

entre 6°C y 8°C, también aumenta su respuesta de predicción a 0.75 aproximadamente. Ver figura 4-15.

Figura 4-15 Curvas de respuestas variables más importantes FC arbustiva.

El análisis de la curva operacional (curva ROC) en el modelo de distribución arbustiva, muestra que la curva de datos de entrenamiento tiene un valor índice AUC de 0.934 y la curva de datos de prueba un valor índice AUC de 0.923; ratificando un buen grado de ajuste predictivo al modelo. Ver figura 4-16.

Figura 4-16 Curva operacional (curva ROC) en FC arbustiva.

4.2.2.3 Modelo de distribución potencial forma de crecimiento herbácea

La variable precipitación del trimestre más seco (bioc17), fue la que mayor contribución porcentual aportó al modelo; sin embargo, en las pruebas Jackknife, se mostró que las demás variables tuvieron un aporte de ganancia importante, y

que por sí solas estiman muy bien la distribución del modelo; exceptuando la variable aspect que su aporte no fue importante. Ver anexo 2. En la curvas de respuesta figura 4-17, se puede observar que la precipitación del trimestre más seco (bioc17) tiene una alta probabilidad de presencia con un valor aproximado de 0.8; los mismo se presenta con la temperatura promedio anual (bioc1) que su rango de temperatura de 6°C se encuentra en máximo de probabilidad de 0.8.

Figura 4-17 Curvas de respuestas variables más importantes FC herbácea.

Según lo muestra la figura 4-18 de la curva operacional (curva ROC) en el modelo de distribución arbustiva, la curva de datos de entrenamiento tiene un valor índice AUC de 0.954 y la curva de datos de prueba un valor índice AUC de 0.938; siendo este modelo el que mayor grado de ajuste predictivo tiene en comparación de los otros dos modelos.

Figura 4-18 Curva operacional (curva ROC) en FC herbácea.

4.2.2.4 Franja de transición bosque altoandino – páramo

Los resultados mostrados en el mapa y la caja Box-Plot de la probabilidad en las formas de crecimiento arbóreo, indica aproximadamente el comportamiento altitudinal de la probabilidad media, que se mueve en un rango entre los 2,800 y 3,270 m.s.n.m.; en las formas de crecimiento arbustiva, el comportamiento en el gradiente altitudinal de la probabilidad baja se encuentra entre los 2,795 y 3,550 aproximadamente. Según la metodología trabajada para hallar la franja de transición, la intersección de los criterios de las probabilidades media y baja de las formas de crecimiento arbórea y arbustiva respectivamente, proporcionó la franja, que luego de superponerle las curvas de nivel, se dedujo que la modelación de la franja de transición en el páramo de Urráo, se mueve en un rango altitudinal entre 2,850 m.s.n.m. y 3,250 m.s.n.m. Además, se encontró que la franja tiene una variación a lo largo del páramo, al occidente en inmediaciones del municipio de Urráo, la franja tiende a desaparecer, sólo notándose unos pocos pixeles de franja; caso contrario al oriente en los límites de los municipios de Santafé de Antioquia y Caicedo, donde la franja transicional se demarca muy bien.

Es de resaltar que el resultado da respuesta al primer interrogante de este estudio, en el cual se pudo determinar la franja de transición del bosque altoandino y el páramo basándose en la evaluación de criterios físico-bióticos. En comparación con otros estudios, el rango altitudinal de la franja de transición paramuna encontrado en este estudio es coincidente; por ejemplo, Molano (2002) ubica el fenómeno de transición alrededor de los 3,000 m.s.n.m. +/-200 m. Análisis comparativo de límites Los modelos espaciales de Evidencia Binaria y Máxima entropía aplicados a las formas de crecimiento asociadas a la franja de transición, aportaron cada uno de ellos una propuesta de límite, muy similar en su trazado general, con diferencia marcada al sur del páramo, como se aprecia en la figura 4-19.

Figura 4-19 Análisis comparativo de límites.

El análisis comparativo de los límites, muestra el límite de Evidencia Binaria inmerso en su totalidad dentro del límite de Máxima entropía, con un área de 10,486.78 ha, frente a un área de paramo de 13,369.05 ha. Es evidente, que ambos límites tienen una mayor ganancia en área frente a la propuesta de “Actualización de la cartografía de los complejos de páramo a escala 1:100,000”; donde Sarmiento et al. (2013), propusieron el límite del complejo de paramos Frontino – Urráo por el gradiente altitudinal 3,000 m.s.n.m. y con un área de 10,321.48 ha para el páramo Urráo. De esta forma se da respuesta a la segunda pregunta de investigación formulada para este estudio, donde la variación espacial de las áreas resultado de las metodologías planteadas, son mayores y por ende más conservacionistas frente lo propuesto por Instituto von Humboldt a escala 1:100,000. El objeto de esta investigación es determinar la propuesta de límite para el páramo de Urráo a escala 1:25,000 a partir de la aplicación de dos modelos espaciales de delimitación, resultando el modelo de Máxima Entropía como la opción que más se ajusta a lo requerido por la normatividad vigente; los resultados arrojados en esta investigación dan cuenta de una mayor extensión bajo el modelo seleccionado frente al modelo de Evidencia Binaria, tal como lo define la resolución 0937 de 2011 que argumenta, que toda delimitación de páramos que sea igual o más detallada que la escala 1:25,000, no debe disminuir la extensión total del área ya definida por esta Resolución, así como también al compararlo con el límite a escala 1:100,000 su diferencia en el gradiente altitudinal es superior. En este sentido, el límite inferior identificado en la franja de transición, constituye el mejor indicador desde el punto de vista biofísico, para proponer el límite del ecosistema de páramo, donde se sugiere que se delimite por el gradiente altitudinal más bajo de la franja, en este caso 2,850 m.s.n.m. En base en este análisis, se da respuesta a la última pregunta de investigación que plantea la mejor propuesta de límite para el páramo de Urráo (Antioquia, Colombia) a escala 1:25,000. En aras de mejorar y obtener un límite de páramo que garantice la sostenibilidad de los servicios ecosistémicos, se debe contar información más actualizada y 79

detallada en cada páramo del país; sobre todo la relacionada con estaciones hidroclimáticas dentro de las áreas de páramo, estudios hidrogeológicos y de suelos, que puedan ser integrados en los modelo expuestos en el presente estudio. Una mejora sustancial al modelo de Máxima Entropía, sería la inclusión de parcelas a lo largo del área de paramo; las cuales, no serían incluidas como los registros biológicos para correr el modelo, sino, utilizadas como un umbral de probabilidad en cada forma de crecimiento, es decir, a cada parcela se la asignaría el valor de probabilidad por cada forma de crecimiento arbórea o arbustiva; estos valores se promedian para obtener los umbrales de probabilidad de presencia en ambas formas de crecimiento, y mediante un geoproceso de intersección, se construye la franja de transición.

5. CONCLUSIONES El análisis metodológico de este estudio, se basó en dos modelos espaciales, el primero denominado modelo de Evidencia Binaria, el cual evalúo una serie de variables ambientales en función de la existencia o ausencia del criterio de paramo. El segundo, es el modelo de Máxima Entropía, que calcula la distribución potencial geográfica de una especie, en función de un conjunto de variables ambientales y puntos de muestreo. Este estudio demostró que ambos modelos espaciales fueron prácticos en la delimitación del ecosistema de páramo, el primero es funcional cuando la información es escasa o se carece de información primaria e histórica de registros biológicos, donde la importancia de cada variable que interviene en el modelo explica por sí sola su grado de probabilidad de presencia en el páramo; además, la posibilidad de identificar cada combinación de variables presentes en una misma área, entre más combinaciones más probabilidad de presencia de páramo. El Modelo de Máxima Entropía fundamentó su análisis en la generación de una franja de transición de bosque alto andino y páramo alto, cuya principal característica es la presencia de vegetación leñosa de porte arbustivo, según lo reportado en los registros biológicos (recientes e históricos) y la fotointerpretación de la coberturas vegetales; siendo una franja de amplitud dinámica, desde el punto vista espacial y temporal, a partir de la interacción de diferentes factores y procesos de intervención antrópica. Los resultados de la modelación arrojaron dos límites muy cercanos en cuanto a su trazado, ambas propuestas metodológicas fueron válidas para determinar límite de páramo a escala 1:25,000; el límite de Evidencia Binaria reportó un área de 10.486,78 ha, el límite mediante la Máxima Entropía un área 13,369.05 ha. áreas superiores a las planteadas con el límite a escala 1:100,000. 81

En base a los resultados de este estudio se demostró, que la utilización de los SIG a un conjunto de criterios ambientales físico-bióticos, aporta de una forma integral en la delimitación de los páramos; que mediante la aplicación de geoprocesos a modelos espaciales se puede identificar la existencia del ecosistema paramuno y determinar la franja de transición que diferencia el bosque altoandino del ecosistema de páramos. Es así, como el límite generado a partir del modelo

Máxima

Entropía

es el más apropiado

como

criterio

conservacionista del ecosistema paramuno y la metodología da cumplimiento con todos los objetivos de investigación de este estudio, confirmando la hipótesis planteada. Las metodologías presentadas son un aporte fundamental aplicable a otros páramos del país; de igual forma el límite resultado de este estudio puede ser declarado área protegida por el Ministerio de Ambiente y Desarrollo Sostenible, encargado de dictar las disposiciones para contribuir a la protección, conservación y sostenibilidad de los páramos. De esta forma las autoridades ambientales y regionales CORPOURABA y CORANTIOQUIA, tendrían la posibilidad de generar los términos de referencia para la elaboración del Estudio sobre el Estado Actual de Páramo y del Plan de Manejo Ambiental para el páramo de Urráo. Como recomendación final de este estudio, se sugiere la actualización de la información temática y básica; además, se necesitan de estaciones climatológicas localizadas dentro del páramo, se requiere de estudios de suelos, estudio de hidrogeología y la actualización de las coberturas vegetales. Sin importar la metodología utilizada, cuando no se tiene información actualizada, no se podrá llegar a un límite cercano a la realidad del territorio.

6. REFERENCIAS Birkin, M., Clarke, P., Clarke M. & Wilson G. (1987). GIS and spatial modelling: ships in the night, or the beginnings of a relationship? Working Paper 498. School of Geography, University of Leeds. Busby, J. (1986). Bioclimate Prediction System (BIOCLIM). User's Manual Version 2.0. Australian Biological Resources, Study Leaflet. Camarero, J. y Rozas, V. (2006). Técnicas de análisis espacial de patrones de superficies y detección de fronteras aplicadas en ecología forestal. Investigación Agraria: Sistemas y Recursos Forestales 15(1):66-87. Castaño, C. (2002). Colombia alto andina y la significancia ambiental del bioma páramo en el contexto de los andes tropicales: una aproximación a los efectos futuros por el cambio climático global (global climatic tensor). Congreso mundial de páramos. Memorias Tomo I, pp 24-49. Castillo, C. (2008). Modelamiento de la Distribución de los Nichos Adecuados para la Invasión Biológica del Retamo Espinoso (Ulex europaeus) en la Cuenca Alta del Río Bogotá, Vulnerabilidad y Escenarios Futuros. Pontificia Universidad Javeriana, Bogotá, Colombia. Catastro Departamental de Antioquia (2012). Ortofoto escala 1:10.000 páramo de Urráo. Medellín, Colombia. Cleef, A. (1981). The vegetation of the páramos of the Colombian Cordillera Oriental. Diss. Botan. 61. 320 pp. Accedido el 13 febrero de2015, en http://issuu.com/jpintoz/docs/1981_cleef_paramos-col-cordillera-oriental Chávez, B. y Jaramillo, A. (1998). Regionalización de la temperatura media del aire en Colombia. Cenicafé. 49(3):224-230. Código Nacional de Recursos Naturales Renovables y de Protección al Medio Ambiente, Colombia. Decreto 2811, Artículo 83 (18, diciembre, 1974). Son bienes inalienables e imprescindibles del Estado, Las áreas ocupadas por los nevados y los cauces de los glaciares. Diario Oficial No. 34.243, Bogotá. Cogollo, A., Parra, L., Sánchez, D., Tuberquia, D. y Pérez, J. (2000). Caracterización florística y cartográfica como elementos para una propuesta de ampliación del Parque Nacional Natural Las Orquídeas, incluyendo el Páramo de Frontino y otras zonas de influencia. Convenio. Fundación Jardín Botánico Joaquín Antonio Uribe de Medellín, Universidad Nacional de Colombia sede Medellín y Unidad de Administrativa especial del Sistema Parques Nacionales Naturales del Ministerio del Medio Ambiente. Medellín. pp. 67. Coloson, G. y De Bruyn, C. (1989). Models and Methods in Mulpiple Objective Decision Makin. London, Pergamon. 83

Congreso Nacional de Colombia. Ley 2, Artículo 13, parágrafo (16, diciembre, 1959). Los nevados y las áreas que los circundan se declaran "Parques Nacionales Naturales". Bogotá. Congreso Nacional de Colombia. Ley 17 (22, enero, 1981). Se aprobada la Convención sobre el Comercio Internacional de Especies Amenazadas de Fauna y Flora Silvestres -CITES-, suscrita en Washington D.C. el 3 de marzo de 1973. Bogotá. Congreso Nacional de Colombia. Ley 45 (15, diciembre, 1983). Se aprueba la "Convención para la Protección del Patrimonio Mundial Cultural y Natural", hecho en París el 23 de noviembre de 1972 y se autoriza al Gobierno Nacional para adherir al mismo. Diario Oficial No. 36.415, Bogotá. Congreso Nacional de Colombia. Ley 99, Artículo 1 (22, diciembre, 1993). Establece los principios generales ambientales. Diario Oficial No. 41.146, Bogotá. Congreso Nacional de Colombia. Ley 164 (27, octubre, 1994). Por medio de la cual se aprueba la "Convención Marco de las Naciones Unidas sobre el Cambio Climático", hecha en Nueva York el 9 de mayo de 1992. Diario Oficial No. 41.575, Bogotá. Congreso Nacional de Colombia. Ley 357 (21, enero, 1997). Se aprueba la "Convención Relativa a los Humedales de Importancia Internacional Especialmente como Hábitat de Aves Acuáticas", suscrita en Ramsar el 2 de febrero de 1971. Diario Oficial No. 42.967, Bogotá. Congreso Nacional de Colombia. Ley 629 (27, diciembre, 2000). Se aprueba el "Protocolo de Kyoto de la Convención Marco de las Naciones Unidas sobre el Cambio Climático", hecho en Kyoto el 11 de diciembre de 1997. Diario Oficial No. 44.272, Bogotá. Congreso Nacional de Colombia. Ley 812, Artículo 89 (26, junio, 2003). Protección de zonas de manejo especial. Bogotá. Congreso Nacional de Colombia. Ley 1382, Artículo 34 (9, febrero, 2010). Por la cual se modifica la Ley 685 de 2001 Código de Minas - Zonas excluibles de la minería. Diario Oficial No. 47.618, Bogotá. Congreso Nacional de Colombia. Ley 1450, Artículo 202 (16, junio, 2011). Por la cual se expide el Plan Nacional de Desarrollo 2010-2014 – Delimitación de Ecosistemas de Páramos y Humedales. Diario Oficial No. 48.102, Bogotá. CORPOURABA. (2012). Delimitación de los humedales asociados al Río León en el área de influencia de los municipios de Apartadó, Carepa, Chigorodó y Turbo. Universidad de Medellín, Medellín, Colombia. Cuatrecasas, J. (1958). Aspectos de la vegetación natural de Colombia. Revista Academia Colombiana de Ciencias Exactas, Físicas y Naturales, No 10, pp. 210-264. Bogota, Colombia. 84

Derruau, M. (1991). Geomorfología. Ed. Ariel, Barcelona, España. Dorado, G., García, M. y Zabala, J. (2009). Fundamentos de los sistemas de información geográfica – Operaciones de superposición. Universidad Politécnica de Madrid. Madrid, España, en: http://ocw.upm.es/proyectos-deingenieria/fundamentos-de-los-sistemas-de-informaciongeografica/contenidos/Material-declase/tema39.pdf/view?searchterm=None. Elith J., Graham C.H., Anderson R.P., Dudik M., Ferrier S., Guisan A., Hijmans R.J., Huettmann F., Leathwick J.R., Lehmann A., Li J., Lohmann L.G., Loiselle B.A., Manion G., Moritz C., Nakamura M., Nakazawa Y., Overton J..M, Peterson A.T., Phillips S.J., Richardson K., Scachetti R., Schapire R.E., Soberon J., Williams S., Wisz M.S., Zimmermann N.E. (2006). Novel methods improve prediction of species' distributions from occurrence data. Ecography 29: 129-151. Espinel, T. y Montenegro, E. (1963). Formaciones Vegetales de Colombia. Memoria explicativa sobre el mapa ecológico de Colombia. Instituto Geográfico Agustín Codazzi, Bogotá, Colombia. Esse, C., Valdivia, P., Encina-Montoya, F., Aguayo C., Guerrero M. y Figueroa D. (2014). Modelo de análisis espacial multicriterio (AEMC) para el mapeo de servicios ecosistémicos en cuencas forestales del sur de Chile. Bosque (Valdivia), vol.35, no.3, p.289-299. ISSN 0717-9200. Etter, A. (1998). Mapa General de Ecosistemas de Colombia. Escala 1:2.000.000. Instituto de Investigación de Recursos Biológicos Alexander von Humboldt, Bogotá, Colombia. Fandiño, M. y Wyngaarden, W. (2005). Prioridades de conservación biológica para Colombia. Grupo ARCO, Unidad de Parques. Bogotá, Colombia. Fierro, E. (2012). Biogeografía y estado de conservación de dos especies de aves amenazadas en el Chocó Biogeográfico. Universidad San Francisco de Quito, Quito, Ecuador. Fischer, M. y Nijkamp, P. (1992). Geographic Information Systems and Spatial Analysis. The Annals of Regional Science, Springer. No 26, pp 3-17. Franco, C. (2011). Desarrollo de un modelo basado en análisis espacial multicriterio para la determinación de unidades de ordenación forestal. Caso departamento del Casanare. Universidad Nacional de Colombia, Bogotá, Colombia. Friedman, J. (1991). Multivariate adaptive regression splines. Annals of Statistics. Vol. 19, No 1, pp 1-141. García, M. (2008). Modelos predictivos de riqueza de diversidad vegetal. Comparación y optimización de métodos de modelado ecológico. Universidad Complutense, Madrid, España. 85

Gatrell, A. (1987). On putting some statistical analysis into geographical information systems: whit special reference to problems of map comparison and map overlay. University of Lancaster: Northern Regional Research Laboratory Research. No 5, Lancaster, Inglaterra. Gómez, M. y Barredo, J. (2005). Sistemas de información geográfica y evaluación multicriterio en la ordenación del territorio. 2da Ed, Madrid, España: Editorial Ra-Ma. González, F. y Valencia, J. (2011). Los Páramos en la Historia. Revista Colombia tiene Páramos. No 1, pp 04-21. Goodchild, M. (1987). A spatial analytical perspective on geographical information systems. International Journal of Geographical Information Science. No 1, pp 327-334. Granados, M., Navarrete, J. y Suárez, T. (2005). Páramos: Hidrosistemas Sensibles. Revista de Ingeniería. Universidad de los Andes. No 22, pp 6475. Greenpeace (2009). Cambio Climático: Futuro Negro para los Páramos. Bogotá, Colombia, en: Accedido el 15 de mayo de 2016 http://www.greenpeace.org/colombia/Global/colombia/informes/informe_tod o3.pdf. Greenpeace (2013). Páramos en peligro. El caso de la minería de carbón en Pisba. Bogotá, Colombia. Guhl, E. (1982). Los páramos circundantes de la Sabana de Bogotá. Jardín Botánico José Celestino Mutis, Bogotá, Colombia. Hernández, J. y Sánchez, H. (1992). Biomas Terrestres de Colombia. En: La Diversidad Biológica de Iberoamérica. México. Hernández, J., Hurtado, A., Ortiz, R. y Walschburger, T. (1992). Unidades Biogeográficas de Colombia. En: La Diversidad Biológica de Iberoamérica. México. Hijmans, R. J., Cameron, S. E., Parra, J. L., Jones, P. G., y Jarvis, A. (2005). Very high resolution interpolated climate surfaces for global land areas. International journal of climatology. No 25(15), 1965-1978. Hijmans, R. J., Guarino, L. y Mathur P. (2012). DIVA-GIS Version 7.5. Manual. Accedido el 20 octubre de 2015, en: http://www.diva-gis.org/docs/DIVAGIS_manual_7.pdf. Hofstede, R., Segarra, P. y Mena, P. (2003). Los Páramos del Mundo. Proyecto Atlas Mundial de los Páramos, Global Peatland Initiative/NCIUCN/EcoCiencia, Quito, Ecuador.

Holdridge, R. (1987). Ecología basada en zonas de vida. 5ª ed. San José de Costa Rica: Servicio Editorial. Holos. (2013). Delimitación de las áreas de páramo en la jurisdicción de Corantioquia y definición de las estrategias de planificación y conservación. Medellín, Colombia. IDEAM, Instituto de Hidrología, Meteorología y Estudios Ambientales. (1996). Mapa de Coberturas vegetales, uso y ocupación del espacio en Colombia. Bogotá, Colombia. IDEAM, IGAC, IAvH, INVEMAR, SINCHI e IIAP. 2007. Ecosistemas continentales, costeros y marinos de Colombia. Instituto de Hidrología, Meteorología y Estudios Ambientales, Instituto Geográfico Agustín Codazzi, Instituto de Investigación de Recursos Biológicos Alexander von Humboldt, Instituto de Investigaciones Ambientales del Pacífico, Instituto de Investigaciones Marinas y Costeras e Instituto Amazónico de Investigaciones Científicas. Bogotá, Colombia. IDEAM, Instituto de Hidrología, Meteorología y Estudios Ambientales. (2010). Sistemas Morfogénicos del Territorio Colombiano. Bogotá, Colombia. IDEAM, IGAC, IAvH, SINCHI, UAESPNN, INVEMAR y UPTC. (2011). Mapa de coberturas de la Tierra CORINE Land Cover adaptada para Colombia, escala 1:100.000. Instituto de Hidrología, Meteorología y Estudios Ambientales, Instituto Geográfico Agustín Codazzi, Instituto de Investigación de Recursos Biológicos Alexander von Humboldt, Instituto Amazónico de Investigaciones Científicas, Unidad Administrativa Espacial del Sistema de Parques Nacionales Naturales, Instituto de Investigaciones Marinas y Costeras y Universidad Pedagógica y Tecnológica de Colombia. Bogotá, Colombia. Instituto Colombiano de la Reforma Agraria, Colombia. Resolución 2965 (12, septiembre, 1995). Avalúos Reforma Agraria – Capítulo II Criterios y Definiciones – Condiciones Topográficas. IGAC. Bogotá, Colombia. Instituto de Investigación de Recursos Biológicos Alexander von Humboldt. (2013). Insumos para la delimitación de ecosistemas estratégicos Páramos y Humedales. Recuperado de http://www.humboldt.org.co/investigacion/ecosistemas-estrategicos-2 IGAC, Instituto Geográfico Agustín Codazzi. (1984). Mapa de bosques de Colombia, escala 1:500000. Bogotá, Colombia. IGAC, Instituto Geográfico Agustín Codazzi. (1990). Métodos analíticos de laboratorio de suelos. Subdivisión agrológica. 5ª ed. Bogotá, Colombia. Jaramillo, D. y Parra, L. (1993). Aspectos biofísicos generales del Páramo de Frontino en: Revista ICNE. No. 4 (2), pp 81-96.

Leguizamón, A. (2003). Modelos geoespaciales de la distribución de las variables climatológicas en el territorio colombiano. Meteorología colombiana, No 7, pp 81-89. Bogota, Colombia. Lira, A., Barve, N., Soberón, J., y Peterson, A. (2012). Nichos y área de distribución. Recuperado en junio 2015 en http://nicho.conabio.gob.mx Longoria, C. (2008). Distribución hipotética de especies de aves y de mamíferos con categoría de riesgo en la NOM-059-SWMARTNAT-2001 registradas en el Estado de Durango. Instituto Politécnico Nacional, Ciudad de México, D.F., México. MADS, Ministerio de Ambiente y Desarrollo Sostenible, Colombia. Ley 165 (9, noviembre, 1994). Por medio de la cual se aprueba el "Convenio sobre la Diversidad Biológica", hecho en Río de Janeiro el 5 de junio de 1992. Diario Oficial No. 41.589, Bogotá. MADS, Ministerio de Ambiente y Desarrollo Sostenible, Colombia. Resolución 0769, Artículo 2 (5, agosto, 2002). Por la cual se establece la definición de páramo. Bogotá. MADS, Ministerio de Ambiente y Desarrollo Sostenible, Colombia. Resolución 0839 (1, agosto, 2003). Establece los términos de referencia para la elaboración del Estudio sobre el Estado Actual de Páramos y del Plan de Manejo Ambiental de los Páramos. Diario Oficial No. 45.269, Bogotá. MADS, Ministerio de Ambiente y Desarrollo Sostenible, Colombia. Resolución 1128 (15, junio, 2006). Por la cual se modifica el artículo 10 de la Resolución 0839 de 2003. Diario Oficial No. 46.305, Bogotá. MADS, Ministerio de Ambiente y Desarrollo Sostenible, Colombia. Decreto 3600. Artículo 4 (20, septiembre, 2007). Por el cual se reglamentan las disposiciones de las Leyes 99 de 1993 y 388 de 1997 relativas a las determinantes de ordenamiento del suelo rural en las categorías de protección del suelo rural. Diario Oficial No. 46.757, Bogotá. MADS, Ministerio de Ambiente y Desarrollo Sostenible, Colombia. Decreto-Ley 3570, Artículo 2, Numeral 15 (27, septiembre, 2011). Define “Elaborar los términos de referencia para los estudios técnicos, económicos, sociales y ambientales en la delimitación de los ecosistemas de paramos y humedales…”. Diario Oficial No. 48.205, Bogotá. MAVDT, Ministerio de Ambiente Vivienda y Desarrollo Territorial, Colombia. Resolución 0937 (2011). Por la cual se adopta la cartografía elaborada a escala 1:250.000, proporcionada por el Instituto de Investigaciones de Recursos Biológicos Alexander Von Humboldt para la identificación y delimitación de los Ecosistemas de Páramo y se adoptan otras determinaciones. Diario Oficial No. 48.082, Bogotá. Molano, J. (2002). El páramo: producción social del espacio en las altas montañas ecuatoriales. Bogotá, Colombia: Ediciones Uniandes. 88

Morales, J. y Estévez, J. (2006). EL PÁRAMO: ¿ECOSISTEMA EN VÍA DE EXTINCIÓN?. Revista Luna Azul, Enero-Junio, 39-51, en: http://www.redalyc.org/articulo.oa?id=321727224004. Morales, M., Otero, J., van der Hammen, T., Torres, A., Cadena, C., Pedraza, C.,… Cardenas, L. (2007). Atlas de Páramos de Colombia. Instituto de Investigación de Recursos Biológicos Alexander von Humbolt, Bogotá, Colombia. Mosquera, D. (2013). Estimación de densidades de Ocelotes (Leopardus pardalis) en la Amazonía ecuatoriana a través de análisis captura-recaptura, trampas cámara y Sistemas de Información Geográfica. Universidad San Francisco de Quito, Quito, Ecuador. Pearson, R., Raxworthy, C., Nakamura, M., y Peterson, A. (2007). Predicting species distributions from small numbers of occurrence records: a test case using cryptic geckos in Madagascar. Journal of Biogeography. No 34, pp 102–117. Phillips, S., Anderson, R. y Schapire, R. (2006). Maximum entropy modeling of species geographic distributions. Ecological Modelling. (190), 231-259. Rangel, Ch. (2000). Colombia Diversidad Biótica III. La región de vida paramuna. Universidad Nacional, Bogotá, Colombia. Real Academia Española. (2001). Diccionario de la lengua española. 22ª ed. Madrid, España: Autor. Rivera, D., Arellano, H., Pinilla, M, Trimiño, C., Rodriguez, C., Rubio, F…Gómez, A. (2010). Definición de criterios para la delimitación de páramos del país y de lineamientos para su conservación. Ministerio de Ambiente, Vivienda y Desarrollo Territorial e Instituto de Investigación de Recursos Biológicos Alexander von Humboldt. Parte 1. Bogotá, Colombia. Rivera, D. y Rodríguez, C. (2011). Guía divulgativa de criterios para la delimitación de páramos de Colombia. Ministerio de Ambiente, Vivienda y Desarrollo Territorial e Instituto de Investigación de Recursos Biológicos Alexander von Humboldt, Bogotá, Colombia. Saaty, T. (1980). EtThe analitycal hierarchy process. New York, United States: McGraw-Hill. Sala, M. y Batalla, R. (1996). Teorías y Métodos en Geomorfología Física. Ed. Síntesis, Madrid, España. Sarmiento, C., Cadena, C., Sarmiento, M., Zapata, J. y León, J. (2013). Aportes a la conservación estratégica de los páramos de Colombia: Actualización de la cartografía de los complejos de páramo a escala 1:100.000. Instituto de Investigación de Recursos Biológicos Alexander von Humboldt, Bogotá, Colombia. 89

Sarmiento, C. y Ungar P. (2014). Aportes a la delimitación del páramo mediante la identificación de los límites inferiores del ecosistema a escala 1:25.000 y análisis del sistema social asociado al territorio: Complejo de Páramos Jurisdicciones – Santurbán – Berlín Departamentos de Santander y Norte de Santander. Instituto de Investigación de Recursos Biológicos Alexander von Humboldt, Bogotá, Colombia. Seoane, J., Justribó, J., García, F., Retamar, J., Rabadán, C. y Atienza, J. (2006). Habitat-suitability modelling to assess the effects of land-use changes on Dupont’s lark Chersophilus duponti: A case study in the Layna Important Bird Area. Biological Conservation. (128), 241-252. Stockwell, D. y Peters, D. (1999). The GARP modelling system: problems and solutions to automated spatial prediction. International Jornal of Geographical Information Science, No 13, pp 143-158. UAESPNN, Unidad Administrativa Espacial del Sistema de Parques Nacionales Naturales (2004). Propuesta de ampliación del PNN Las Orquídeas incluyendo el páramo de frontino y el corredor montañoso que conecta al páramo con el parque. Van der Hammen, T. (1997). Ecosistemas Terrestres-Páramos. Informe Nacional sobre el Estado de la Biodiversidad. Instituto de Investigación en Recursos Biológicos Alexander von Humboldt, PNUMA, Ministerio de Medio Ambiente, Bogotá, Colombia. Van der Hammen, T. (2000). Aspectos de historia y ecología de la biodiversidad norandina y amazónica. Revista Academia Colombiana de Ciencias Exactas, Físicas y Naturales, No 91, pp. 231-245. http://www.accefyn.org.co/revista/Vol_24/91/231-245.pdf Van der Hammen, T. (2007). Estudio de ecosistemas tropandinos. La cordillera Oriental colombiana, Transecto Sumapaz. 7ª ed. Bogotá, Colombia. Vareschi, V. (1970). Flora de los Páramos de Venezuela. Universidad de Los Andes, Ediciones del Rectorado, Mérida, Venezuela. Vásquez, A. y Buitrago, A. (2012). El Gran Libro de los Páramos. Proyecto Páramo Andino; Instituto de Investigación de Recursos Biológicos Alexander von Humboldt, Bogotá, Colombia. Vásquez, G. (2005). Cuencas de Hidrográficas de Orden Cero Concepto, Consideraciones Ambientales y Planificación territorial. Accedido el 10 de octubre de 2014, en http://es.calameo.com/read/000214445bb824bd200f1 Voogd, H. (1983). Multicriteria Evaluation for Urban and Regional Planning. London. England.

7. ANEXOS 7.1. ANEXO 1 REGISTROS BIOLÓGICOS COBERTURA Arbustiva Arbustiva Arbustiva Arbustiva Arbustiva Arbustiva Arbustiva Arbustiva Arbustiva Arbustiva Arbóreo Arbustiva Arbustiva Arbustiva Herbácea Arbustiva Herbácea Herbácea Arbustiva Herbácea Arbustiva Herbácea Arbustiva Herbácea Herbácea Herbácea Herbácea Herbácea Herbácea Herbácea Herbácea Arbustiva Herbácea Arbustiva Herbácea Herbácea Arbustiva Arbustiva

ESPECIE Gaiadendron punctatum Ternstroemia meridionalis Gaiadendron punctatum Gaultheria erecta Bejaria resinosa Gaiadendron punctatum Diplostephium rupestre Disterigma empetrifolium Disterigma empetrifolium Gaultheria erecta Morella pubescens Gaiadendron punctatum Bejaria aestuans Gaiadendron punctatum Bryum argenteum Tibouchina mollis Leptodontium viticulosoides Huperzia ecuadorica Tococa symphyandra Hypnum amabile Antidaphne viscoidea Leptodontium viticulosoides Vaccinium corymbodendron Marchantia polymorpha Metzgeriaceae Metzgeria liebmanniana Holomitrium flexuosum Huperzia dianae Hedwigidium integrifolium Phyllogonium fulgens Huperzia dianae Diplostephium floribundum Campylopus jamesonii Diplostephium floribundum Campylopus benedictii Arcytophyllum nitidum Berberis psilopoda Gynoxys tolimensis

LONGITUD -76.023325 -76.035991 -76.096314 -76.073950 -76.132889 -76.096636 -76.097431 -76.091942 -76.117133 -76.119564 -76.110839 -76.119994 -76.049089 -76.036472 -76.116800 -76.120000 -76.073900 -76.074400 -76.150000 -76.066700 -76.083333 -76.081700 -76.116667 -76.098600 -76.123600 -76.118300 -76.121100 -76.115800 -76.120800 -76.115000 -76.114200 -76.084300 -76.113100 -76.106500 -76.096700 -76.086100 -76.066667 -76.068333

LATITUD 6.507694 6.508048 6.418239 6.450364 6.455500 6.470558 6.480481 6.481022 6.483467 6.493706 6.498217 6.485072 6.445675 6.491567 6.409310 6.420000 6.428890 6.430000 6.430000 6.433330 6.433333 6.433610 6.436111 6.437220 6.437220 6.4890 6.440560 6.442220 6.442500 6.443330 6.445000 6.447170 6.447220 6.447710 6.448060 6.449160 6.450000 6.450000 91

COBERTURA Herbácea Arbustiva Herbácea Arbustiva Herbácea Herbácea Herbácea Arbustiva Herbácea Arbustiva Herbácea Herbácea Herbácea Herbácea Arbustiva Herbácea Herbácea Herbácea Herbácea Herbácea Herbácea Herbácea Arbustiva Herbácea Arbustiva Herbácea Herbácea Herbácea Arbustiva Arbustiva Herbácea Herbácea Arbustiva Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo

ESPECIE Begonia kalbreyeri Ageratina glyptophlebia Huperzia eversa Ageratina glyptophlebia Breutelia brittoniae Isoetes triquetra Huperzia capellae Ageratina tinifolia Calamagrostis effusa Ageratina tinifolia Arenaria soratensis Huperzia capellae Huperzia dianae Hypnum amabile Ageratina tinifolia Huperzia hohenackeri Huperzia capellae Lachemilla orbiculata Ceratodon stenocarpus Anthoxanthum odoratum Huperzia ocanana Chorisodontium mittenii Ageratina glyptophlebia Funaria calvescens Schefflera bogotensis Danthonia secundiflora Andreaea brevipes Isoetes triquetra Acroporium pungens Conyza bonariensis Huperzia taxifolia Leptodontium flexifolium Ageratina popayanensis Aegiphila bogotensis

LONGITUD -76.070000 -76.076667 -76.080000 -76.083333 -76.135300 -76.072800 -76.083600 -76.116700 -76.120600 -76.120600 -76.121000 -76.121100 -76.135600 -76.135700 -76.105700 -76.125300 -76.127800 -76.120000 -76.088100 -76.141000 -76.141100 -76.066700 -76.083333 -76.083300 -76.090556 -76.120600 -76.135300 -76.106400 -76.070000 -76.116700 -76.080000 -76.130000 -76.116667 -76.118000 -76.028267 -76.016946 -76.014690 -76.032664 -76.028569 -76.037841 -76.076174 -76.072708 -76.058083

LATITUD 6.450000 6.450000 6.450000 6.450000 6.450280 6.452500 6.452500 6.455560 6.455550 6.455560 6.455560 6.455560 6.455560 6.455560 6.456090 6.458610 6.458610 6.460000 6.464440 6.465560 6.465560 6.466670 6.466667 6.466670 6.466667 6.466670 6.468060 6.468610 6.470000 6.469820 6.470000 6.470000 6.483333 6.491220 6.560565 6.574006 6.546210 6.553850 6.540722 6.520085 6.531309 6.517800 6.493971 92

COBERTURA Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo Arbóreo

ESPECIE

LONGITUD -76.053628 -76.055121 -76.026285 -76.028502 -76.033148 -76.042528 -76.025138 -76.022174 -76.096569 -76.096022 -76.095732 -76.129614 -76.067168 -76.078376 -76.057579 -76.031458 -76.150933 -76.147335 -76.123789 -76.096678 -76.100239 -76.070495 -76.056912 -76.054944 -76.037958 -76.041977 -76.132753 -76.120933 -76.068824 -76.048131 -76.059151 -76.073433 -76.138299 -76.079296 -76.017921 -76.066158 -76.010915 -76.028567 -76.019000 -76.031991 -76.007981 -76.054175

LATITUD 6.517875 6.512055 6.505595 6.490547 6.483072 6.490493 6.568160 6.553511 6.512397 6.501909 6.492432 6.497351 6.490776 6.481000 6.461872 6.437707 6.457961 6.443063 6.399558 6.412303 6.418482 6.404191 6.420168 6.434077 6.419482 6.413148 6.429726 6.412081 6.461954 6.469112 6.476273 6.412521 6.488975 6.522070 6.532169 6.522881 6.550522 6.474622 6.582339 6.575464 6.576189 6.528615

7.2. ANEXO 2 RESULTADOS MODELOS DE DISTRIBUCIร N

Forma de crecimiento arbรณrea Las pruebas Jackknife para los datos de entrenamiento, muestran que las variables ambientales de aspect y slope tienen valores de ganancia muy bajos, por debajo del 0.1, mientras que la variable mde tiene una ganancia alrededor de 0.7, seguida de la variable cober con una ganancia de 0.42 aproximadamente. Ver figura 7-1.

Figura 7-1 Prueba Jackknife para datos de entrenamiento FC arbรณreo.

En los datos de prueba para las formas de crecimiento arbรณrea, se observa la variable ambiental aspect con una ganancia muy baja cercana a 0.1, y la variable slope con valores negativos. La variable MDE presenta una ganancia cercana al 0.65 y le siguen con menor ganancia las variables cober y bioc17 con 0.45 aproximadamente. Ver figura 7-2.

Figura 7-2 Prueba Jackknife para datos de prueba FC arbóreo.

En la prueba Jackknife para el índice AUC, la variable ambiental con menor ganancia es slope aproximadamente con 0.5; la variable MDE presenta una ganancia de 0.8 aproximadamente, seguida muy de cerca la variable bioc17. Ver figura 7-3.

Figura 7-3 Prueba Jackknife para índice AUC para modelo FC arbóreo.

Forma de crecimiento arbustiva En los datos de entrenamiento de las pruebas Jackknife, las variables ambientales: Precipitación del trimestre más seco (bioc17) obtuvo una ganancia 1.45, Temperatura promedio anual (bioc1) y Temperatura media del trimestre más cálido (bioc10) tienen valores de ganancia en 1.40 aproximadamente y la variable MDE con una ganancia de 1.35; por el contrario la variable rango de temperatura anual (bioc7) con una ganancia de 0.5. Ver figura 7-4.

Figura 7-4 Prueba Jackknife para datos de entrenamiento FC arbustivo.

En los datos de prueba las variables con mayores valores de ganancia son la precipitación del trimestre más seco (bioc17) con 1.45 de ganancia, la temperatura mínima del mes más frío (bioc6) con 1.38 de ganancia aproximadamente y el MDE con una ganancia del 1.33 aproximadamente. Con respecto a la variable con menos ganancia se encuentra la precipitación estacional con 0.4 de ganancia. Ver figura 7-5.

Figura 7-5 Prueba Jackknife para datos de prueba FC arbustivo.

Para los índices AUC los aportes en ganancia mayores están relacionados con las variables temperatura media del trimestre más cálido (bioc17) con 0.92 de ganancia, precipitación del trimestre más húmedo (bioc16) cerca de 0.92 de ganancia aproximadamente, Temperatura media del trimestre más cálido (bioc10) con 0.90 aproximadamente y con la misma ganancia la variable MDE; con la más baja ganancia se encuentra la variable rango de temperatura anual (bioc7). Ver figura 7-6.

Figura 7-6 Prueba Jackknife para índice AUC FC arbustivo.

Formas de crecimiento herbáceo En las pruebas Jackknife para los datos de entrenamiento las variables con mayores ganancias son el MDE y la temperatura promedio anual (bioc1) con valores cercanos a 1.5 de ganancia aproximadamente, y la variable precipitación del trimestre más seco (bioc17) con un poco menos del 1.4 de ganancia. En cuanto a la variable con menos ganancia, se tiene el aspect con 0.1 aproximadamente. Ver figura 7-7.

Figura 7-7 Prueba Jackknife para datos de entrenamiento FC herbácea.

Para los datos de prueba las variables temperatura promedio anual (bioc1), precipitación del trimestre más húmedo (bioc16) y precipitación del trimestre más seco (bioc17) tienen los valores mayores de ganancia sobre las otras variables, alrededor de 1.45 de ganancia aproximadamente. La variable con menor aporte en ganancia es el aspect con menos de 0.1. Ver figura 7-8.

Figura 7-8 Prueba Jackknife para datos de prueba FC herbácea.

Para el índice AUC las variables temperatura promedio anual (bioc1), precipitación del trimestre más húmedo (bioc16), precipitación del trimestre más seco (bioc17) y el MDE con una ganancia por encima del 0.91 aproximadamente, son las variables con mayor ganancia; el aspect se encuentra como la variable de menor ganancia con 0.5 aproximadamente. Ver figura 7-9.

Figura 7-9 Prueba Jackknife para índice AUC FC herbácea.