Integración de diferentes impactos del cambio climático a ...

1

Integración de diferentes impactos del cambio climático a nivel municipal en México, a través de métodos multicriterio y sistemas de información

geográfica

INFORME FINAL

2017

Documento generado a partir de los resultados

de la consultoría realizada por:

Mariano Alejandro Villalobos Delgado

2

Derechos Reservados © 2018

Programa de las Naciones Unidas para el Desarrollo (PNUD)

Montes Urales 440, Colonia Lomas de Chapultepec, Delegación Miguel Hidalgo, CP.11000, Ciudad de México.

Instituto Nacional de Ecología y Cambio Climático (INECC)

Boulevard Adolfo Ruiz Cortines No. 4209, Colonia Jardines en la Montaña, Delegación Tlalpan, CP. 14210, Ciudad de México.

Todos los derechos están reservados. Ni esta publicación ni partes de ella pueden ser reproducidas, almacenadas mediante cualquier

sistema o transmitidas, en cualquier forma o por cualquier medio, sea éste electrónico, mecánico, de fotocopiado, de grabado o de

otro tipo, sin el permiso previo del Programa de las Naciones Unidas para el Desarrollo y el Instituto Nacional de Ecología y Cambio

Climático.

El análisis y las conclusiones aquí expresadas no reflejan necesariamente las opiniones del Programa de las Naciones Unidas para

el Desarrollo, de su Junta Ejecutiva, de sus Estados Miembros, o del Instituto Nacional de Ecología y Cambio Climático.

Documento generado a partir de los resultados de la consultoría realizada por: Mariano Alejandro Villalobos Delgado.

Citar como:

PNUD México-INECC, 2017. Integración de diferentes impactos del cambio climático a nivel municipal en México, a través de

métodos multicriterio y sistemas de información geográfica. Proyecto 86487 “Plataforma de Colaboración sobre Cambio Climático

y Crecimiento Verde entre Canadá y México”. 52 pp. Mariano Alejandro Villalobos Delgado. México.

Esta publicación fue desarrollada en el marco del proyecto 86487 “Plataforma de Colaboración sobre Cambio Climático y

Crecimiento Verde entre Canadá y México” del Programa de Naciones Unidas para el Desarrollo (PNUD).

Agradecimiento:

Al gobierno de Canadá a través de Environment Canada por el apoyo financiero recibido para el desarrollo del proyecto 86487

“Plataforma de Colaboración sobre Cambio Climático y Crecimiento Verde entre Canadá y México”, durante 2014-2018. Al

Instituto Nacional de Ecología y Cambio Climático por el apoyo prestado para el buen desarrollo de la Plataforma.

3

CONTENIDO

1. Introducción 5

2. Descripción de productos clave para la determinación de la metodología de integración 7

2.1 Evaluación de impactos del cambio climático sobre los suelos de México. Proyecto

del que se derivaron insumos cartográficos 7

2.2 Evaluación del potencial productivo de los suelos de México que considere Cambio

Climático 8

2.3 Actualización y análisis del impacto del cambio climático en zonas bioclimáticas de

México con nuevos escenarios de cambio climático. 8

3. Descripción de métodos y ejercicios de aplicación para determinar la metodología de integración de información cartográfica 10

4.1 Método del Cociente de Localización 10

4.2 Método de integración de información mediante el cálculo de la Estructura

Porcentual 12

4.3 El método de análisis de Componentes Principales 18

4.3.1 Procedimiento para el análisis de correlación espacial por Componentes Principales. 20

4.4 Método de Clasificación 21

4. Integración de cada indicador por municipio 27

5. Anexo 28

5.1 Presentación del análisis de correlación espacial mediante la técnica de

Componentes Principales 28

5.1.1 Revisión de la tabla de atributos de las coberturas para identificar el valor y las categorías

de cada indicador 28

5.2 Anexo 2. Ejercicio de integración o síntesis de los indicadores del suelo asociados al

clima, mediante el proceso metodológico de clasificación (clustering) 34

5.2.1 Análisis de clasificación mediante la conformación de clúster 34

6. Bibliografía 51

4

Lista de Imágenes Imagen 3-1 Representación de las categorías predominantes y secundarias del Índice de aridez por municipio ................................................................................................................................................................................... 13 Imagen 3-2 Representación conjunta de las categorías predominantes, aplicando el criterio de 66% o más, y secundaria del Índice de aridez por municipio ........................................................................................ 13 Imagen 3-3 Clasificación del Índice de aridez del suelo ........................................................................................ 15 Imagen 3-4 Clasificación del indicador de productividad primaria neta del suelo .................................... 16 Imagen 3-5 Clasificación del indicador evapotranspiración potencial del suelo ........................................ 17 Imagen 3-6 Clasificación del indicador Erosión Hídrica del suelo .................................................................... 18 Imagen 3-7 Esquema que muestra la dispersión de dos variables y la línea que representa los componentes principales conformados........................................................................................................................ 19 Imagen 3-8 Archivo con el resumen estadístico que utiliza el método de clasificación o clustering . 22 Imagen 3-9 Comportamiento espacial de los 16 clúster conformados ........................................................... 23 Imagen 3-10 Representación de la correlación entre PPN e IA a partir del valor de la media de cada indicador según los 16 clúster conformados. En la gráfica de la derecha representación de la no correlación entre PPN y ETP ............................................................................................................................................. 23 Imagen 3-11 Comportamiento espacial de los 16 clúster conformados ......................................................... 24

Lista de Tablas Tabla 3-1 Tabla de atributos de la cobertura del Índice de Aridez, campos seleccionados. ................... 11 Tabla 3-2 Matriz espacial área por categoría del índice de aridez .................................................................... 11 Tabla 3-3 Caracterización de clúster según la estructura porcentual del índice de aridez .................... 25 Tabla 3-4 Caracterización de los clúster definidos por el método de clasificación .................................... 26

5

1. Introducción

El presente proyecto se inserta en el Acuerdo denominado Plataforma de Colaboración sobre Cambio

Climático y Crecimiento Verde entre Canadá y México 2013-2016, establecido entre el gobierno de

México y el gobierno de Canadá. Dicho Acuerdo busca “Contribuir a la reducción de la vulnerabilidad

ante el cambio climático, fortalecer las capacidades para la adaptación y el rastreo del financiamiento

climático a través del desarrollo de información, criterios y directrices como insumos de conocimiento

para los ámbitos de política, toma de decisiones e inversión pública en la materia en México”. Entre las

actividades planteadas en el marco de la Plataforma se destacan las siguientes:

a) Análisis espacial y temporal sobre los impactos potenciales y observados del cambio y la

variabilidad climáticos.

b) Generación de bases de datos actualizadas que servirán como insumo en cualquier estudio de

cambio y variabilidad climáticos.

Estas actividades son apoyadas por el Programa de las Naciones Unidas para el Desarrollo (PNUD),

que participa como agencia implementadora, y el Instituto Nacional de Ecología y Cambio Climático

(INECC) como instancia asociada en la implementación de proyectos en materia de cambio climático.

Hasta la fecha bajo este Acuerdo de Colaboración, en el INECC se han realizado una serie de estudios

sobre los impactos del cambio climático, por lo que se cuenta con una importante base de información

espacial, cartográfica y tabular. En este contexto se inserta el presente proyecto titulado Integración de

diferentes impactos del cambio climático a nivel municipal y a través de métodos multicriterio y de sistemas de información

geográfica para México; cuyo objetivo es:

Integrar impactos del cambio climático provenientes de diferentes temáticas y

resoluciones a nivel municipal, mediante funciones multicriterio y de sistemas de

información geográfica, para conocer los impactos previstos en los municipios de

México.

Se trata, precisamente, de agregar de manera sistemática y estructurada información de naturaleza diversa

a nivel de municipio, diversa tanto por los temas abordados como por la unidad espacial de análisis con

la que se generó la información. Esto se deduce de los temas o productos propuestos para llevar a cabo

la integración a esta unidad espacial:

• Vulnerabilidad al cambio climático

• Índice de aridez

• Erosión de suelos

• Régimen humedad y temperatura de suelos

• Vegetación y zonas bioclimáticas

• Productividad primaria neta

• Cambio en vegetación

• Pérdidas no económicas

6

• Conflictos socio ambientales

• Acciones de adaptación

Dado el Acuerdo de Colaboración mencionado, los temas propuestos se enmarcan en el tema de

cambio climático, lo que implica que algunos de los productos cartográficos se han realizado bajo los

escenarios de cambio climático reportados para México. En este sentido, en el marco de la Plataforma

de Colaboración se ha puesto especial atención al medio biofísico y el medio productivo, los estudios

realizados al respecto han generado productos cartográficos que consisten en la conformación de un

escenario base (histórico) y tres escenarios radiativos para dos periodos futuros (2015-2039 y 2075-

2099); dicha información también será integrada a nivel de municipio.

Por otra parte, según lo expresado en el objetivo del proyecto, el fin último de la integración de la

información a escala municipal es identificar y cuantificar los impactos asociados al cambio climático

a los que están y estarán sujetos los territorios de cada municipio del país; con ello se pretende

contribuir al objetivo mismo de la Plataforma, en particular, en cuanto a la reducción de la

vulnerabilidad territorial frente al cambio climático. Precisamente, los territorios municipales son los

que experimentan las consecuencias inmediatas, por ejemplo, de eventos adversos de origen natural,

puesto que la mayoría de éstos suelen ser claramente localizables y de poca extensión espacial. De ahí

la importancia de proporcionar información simplificada, que sea útil y accesible y, por lo tanto, que

permita orientar la toma de decisiones a escala local, sobre todo en la formulación de medidas

preventivas y de adaptación frente al hecho del cambio climático.

La metodología y los métodos para desarrollar el presente trabajo, tiene en los Sistemas de Información

Geográfica un soporte importante, dada la naturaleza diversa de los productos cartográficos a integrar

y el ámbito espacial que abarcan, el cual es a nivel nacional.

7

2. Descripción de productos clave para la determinación de la metodología de integración

Como se mencionó, hasta el momento, a través del INECC se han desarrollado una serie de proyectos

que han generado información geográfica se ha abordado el medio biofísico y productivo, en particular,

se han generado indicadores básicos del suelo asociados a las condiciones del clima a nivel nacional.

2.1 Evaluación de impactos del cambio climático sobre los

suelos de México. Proyecto del que se derivaron insumos

cartográficos

Objetivo: Analizar y evaluar los impactos del cambio climático sobre los suelos de México a través del

comportamiento de algunas propiedades físicas, químicas y biológicas y con base en ello proponer

indicadores de monitoreo y evaluación de vulnerabilidad al cambio climático.

Productos cartográficos derivados:

Cobertura de Índice de aridez (escenario base).

Degradación de suelos por erosión hídrica (escenario base9).

Representación cartográfica de escenarios futuros:

Modelo regional CNRM; Forzamiento radiativo 8.5 Y 4.5; Horizontes Cercano (2015-2039),

Intermedio (2045-2069) y Lejano (2075-2099).

Modelo regional HADGEM, Forzamiento radiativo 8.5 Y 4.5; Horizontes Cercano (2015-2039),

Intermedio ((2045-2069) y Lejano (2075-2099).

Modelo regional MPI; Forzamiento radiativo 8.5 Y 4.5; Horizontes Cercano (2015-2039),


Modelo regional GFDL; Forzamiento radiativo 8.5 Y 4.5; Horizontes Cercano (2015-2039),


8

2.2 Evaluación del potencial productivo de los suelos de

México que considere Cambio Climático

Objetivos:

• Generar algunas variables importantes que determinan la capacidad productiva de los suelos bajo diferentes usos y manejos a partir de información reportada por fuentes oficiales.

• Estimar los impactos del cambio climático en algunas propiedades del suelo asociadas principalmente a balances de humedad y regímenes de temperatura para México

Productos cartográficos derivados:

• Régimen de temperatura del suelo (escenario actual)

• Régimen de humedad (escenario actual)

• Evapotranspiración (escenario actual)

• Productividad Primaria Neta (escenario actual)


Modelo regional CNRM; Forzamiento radiativo 8.5 Y 4.5; Horizontes Cercano (2015-2039), Intermedio (2045-2069) y Lejano (2075-2099).

Modelo regional HADGEM, Forzamiento radiativo 8.5 Y 4.5; Horizontes Cercano (2015-2039), Intermedio ((2045-2069) y Lejano (2075-2099).

Modelo regional MPI; Forzamiento radiativo 8.5 Y 4.5; Horizontes Cercano (2015-2039), Intermedio ((2045-2069) y Lejano (2075-2099).

Modelo regional GFDL; Forzamiento radiativo 8.5 Y 4.5; Horizontes Cercano (2015-2039), Intermedio ((2045-2069) y Lejano (2075-2099).

2.3 Actualización y análisis del impacto del cambio

climático en zonas bioclimáticas de México con nuevos

escenarios de cambio climático.

Objetivos:

• Determinar la distribución geográfica de las principales zonas bioclimáticas del país bajo las condiciones bioclimáticas prevalecientes en las últimas cuatro décadas (escenario base)

• Analizar el posible impacto que tendría el cambio climático sobre la distribución de los principales ecosistemas terrestres del país.

Los ecosistemas terrestres identificados a partir de las zonas bioclimáticas y de los cuales se proyectan

los escenarios de cambio climático, fueron: Bosque de coníferas; Bosque de latifoliadas; Matorral árido;

Matorral semiárido; Pastizal natural; Selvas húmedas; Selvas secas; Vegetación halófila; Vegetación

hidrófila.

9


Modelo regional MPI-ESM-LR; Forzamiento radiativo 8.5 Y 4.5; Horizonte lejano (2075-2099).

Modelo regional GFDL-CM3; Forzamiento radiativo 8.5 Y 4.5; Horizonte lejano (2075-2099).

Modelo regional HADGEM2-ES; Forzamiento radiativo 8.5 Y 4.5; Horizonte lejano (2075-2099).

La intención de resaltar los proyectos y productos referidos resulta del hecho de que, para el desarrollo del presente proyecto, constituyen la base cartográfica de partida para cumplir el objetivo de integrar impactos del cambio climático provenientes de diferentes temáticas y resoluciones a nivel municipal, mediante funciones multicriterio y de sistemas de información geográfica, para conocer los impactos previstos en los municipios de México.

10

3. Descripción de métodos y ejercicios de aplicación para determinar la metodología de integración de información cartográfica

A continuación se explican los métodos o técnicas que se aplicaron y, aunque algunas fueron

descartadas, sirvieron de base para determinar el procedimiento final con el que se llevó a cabo la

integración de la información a nivel de municipio.

4.1 Método del Cociente de Localización

Desde una perspectiva de análisis y representación espacial de información, este método se puede

considerar como parte de las técnicas de clasificación, ya que permite generalizar una serie de elementos

o características de una unidad espacial determinada (Del Canto, et. al., 1988). En este sentido, el

ejercicio práctico se desarrolló para integrar el Índice de Aridez, el método del cociente de localización

permite identificar aquellos lugares donde se localiza de manera preferencial el fenómeno o variable

analizada.

Este método compara el comportamiento de la variable en cuestión, al interior de cada municipio,

entre el comportamiento de la misma en el ámbito nacional, de tal forma que, si el resultado es igual a

1, significa que el comportamiento de la variable en el municipio es igual que a nivel nacional (o al

promedio nacional), si es mayor a 1 se considera que la variable se localiza preferentemente en tal

municipio. Para su aplicación se realizó lo siguiente:

1. La cobertura del Índice de Aridez se adecuó de tal forma que en la tabla de atributos sólo se

conservaron los campos básicos, como el relativo a la descripción de cada categoría según los diferentes

niveles de aridez del suelo y el campo de área correspondiente (Figura 2.1).

2. Superposición de la cobertura de Índice de Aridez con la cobertura del Marco Geo estadístico

Municipal (en Arc/Gis con la herramienta Identity). En la estructura de tabla de atributos resultante

aparece primero el identificador de cada municipio (un campo con la clave numérica y un campo con

el nombre del municipio), puesto que es la unidad espacial para agregar o integrar las categorías del

Índice de Aridez. Se hace un acomodo de la tabla de atributos resultante, de tal forma que cada fila

corresponde a cada uno de los 2,456 municipios que conforman el territorio nacional mexicano;

mientras que las columnas corresponden a las categorías coincidentes espacialmente con cada

municipio.

11

Tabla 3-1 Tabla de atributos de la cobertura del Índice de Aridez, campos seleccionados.

3. Para aplicar la fórmula del Cociente de Localización, la estructura de la tabla se concibió tal cómo

se muestra en la siguiente matriz espacial:

Municipio

(j)

Categoría (i)

Área por categoría del Índice de aridez (IA)

Hiperárido

A

Árido

B

Semiárido

C

Subhúmedo

seco

D

Subhúmedo

Húmedo

E

Húmedo

F

Per-

húmed

o

G

Muy

húmed

o

H

Área

total del

municipi

o

1001 IAcat1001A IAcat1001B IAcat1001C IAcat1001D IAcat1001E IAcat1001F IAcat1001G IAcat1001H Atm1001





IAcattnA IAcattnB IAcattnC IAcattnD IAcattnE IAcattnF IAcattnG IAcattnH Atn

Tabla 3-2 Matriz espacial área por categoría del índice de aridez

12

De este modo, la conformación de la matriz facilitó la aplicación de la fórmula del Cociente de

Localización:

CLIA = Cociente de localización por categoría del índice de aridez

IAij = Área de la categoría i del municipio j

IAj = Área total del municipio j

IAi = Área total nacional en la categoría i

Atn = Área total nacional

Para los propósitos del presente proyecto, los resultados de la aplicación del Cociente de Localización

no resultaron convenientes, puesto que un número significativo de municipios resultó con dos o más

categorías de aridez superiores a 1. Si bien, mediante está técnica, es posible lograr una agregación

detallada de la distribución espacial de las categorías del Índice de Aridez en cada municipio, dada la

cantidad de combinaciones resultaba complicado conformar una leyenda que diferenciará con toda

claridad y simplicidad tales combinaciones, por lo que no se logró sintetizar o hacer más accesible y

útil la información revelada por el Índice de Aridez.

4.2 Método de integración de información mediante el

cálculo de la Estructura Porcentual

Se retomó la cobertura resultante de la superposición cartográfica realizada para aplicar el cociente de

localización; con la tabla de atributos correspondiente, que ya contaba con el área ocupada por las

categorías del Índice de Aridez para cada municipio, se obtuvo o calculó la estructura porcentual. Esto

se realizó con la intención de identificar, para cada municipio, la categoría de aridez que ocupaba el

mayor porcentaje de superficie en cada municipio. Para integrar la información del Índice de Aridez, a

partir de la estructura porcentual, se realizó el siguiente procedimiento:

1. Para cada municipio se identificó la categoría del Índice de Aridez con el máximo valor porcentual,

a partir de la cual se hizo la representación cartográfica y se denominó clase predominante (en el sentido

de que correspondía a la categoría o clase con la mayor superficie ocupada dentro de cada municipio).

2. También se identificó la categoría o clase con el segundo valor porcentual más alto dentro de cada

municipio, que se representó en otro mapa y se denominó como categoría secundaria (Imagen 3-1).

IAij/ATj

IAi/Atnt

CLIA =

13

3. Se realizó la representación cartográfica de ambas categorías o clases, predominante y secundaria en

un solo mapa. En este caso, se aplicó el criterio de que, si una categoría con el máximo valor era igual

o superior al 66% de la superficie total municipal, sólo ésta quedaría representada; mientras que, en los

casos en los que la categoría con el máximo valor porcentual fuera menor a 66, quedarían catalogados

con ambas categorías predominante y secundaria (Imagen 3-2).

Imagen 3-1 Representación de las categorías predominantes y secundarias del Índice de aridez por municipio

Imagen 3-2 Representación conjunta de las categorías predominantes, aplicando el criterio de 66% o más, y secundaria del Índice de aridez por municipio

Cabe mencionar que la integración de información a partir de la estructura porcentual por municipio

se presentó, ante el personal representante del Programa de las Naciones Unidas para el Desarrollo

(PNUD) y de la Coordinación General de Adaptación al Cambio Climático, como propuesta para

integrar el resto de la información, en especial, de las coberturas correspondientes a Erosión hídrica

de los suelos; Régimen de humedad de suelos; Régimen de temperatura de suelos; Zonas bioclimáticas;

y Productividad primaria neta. En la reunión de se expresó que de ser aprobado el procedimiento, éste

14

se debería realizar al menos 150 veces, ya que también se aplicaría a los escenarios futuros relativos a

cuatro modelos, dos RCP (4.5 y 8.5) y tres horizontes de tiempo.

Como resultado de la presentación se sugirió lo siguiente:

Al considerar que la tabla de atributos, de al menos cuatro de los productos cartográficos a integrar,

contenía el valor del índice, se sugirió hacer la integración a partir de dicho valor y no con las categorías

establecidas. La alternativa planteada fue hacer un análisis de correlación espacial entre los indicadores

antes de trasladar la información a nivel de municipio. La intención era tratar de rescatar el nivel de

detalle proporcionado por el valor del índice y su manifestación espacial, en particular se recomendó

hacer un análisis aplicando la técnica de Componentes Principales.

Con base en esta recomendación, se hizo una revisión más exhaustiva sobre el contenido de cada una

de las coberturas ya identificadas como básicas. Esto con el fin de conocer los aspectos valorados del

suelo con los que se conformó cada indicador; así como para comprender el sentido de la valoración

y clasificación, lo cual también resultaba relevante para la interpretación de los resultados. La primera

diferenciación, a partir de la revisión, fue en función del aspecto cuantificado, es decir, si se trataba de

una propiedad -física, química o biológica- del suelo o de la valoración del estado o condición del

mismo.

Indicadores de las propiedades del suelo asociados a la influencia del clima

• Régimen de temperatura (temperatura media anual del suelo/diferencia de temperatura entre

verano e invierno; a una profundidad de 50 cm a partir de la superficie).

• Régimen de humedad.

La representación cartográfica de ambos indicadores consiste en una clasificación cualitativa, realizada

principalmente en función del comportamiento, a lo largo del año, de los valores medios y mensuales

de precipitación y temperatura.

Indicadores de la condición del suelo asociados a la influencia del clima

• Índice de aridez

• Productividad Primaria Neta

• Evapotranspiración potencial

• Erosión hídrica

Estos últimos, consisten en indicadores cuantitativos, por lo que las clasificaciones representadas están

determinadas por intervalos de valores continuos, a partir de los cuales se valoró determinada

condición del suelo, como se describe a continuación:

15

Índice de aridez. Considera como criterio para definir las tierras secas, el establecido por la

Convención de Naciones Unidas de Lucha Contra la Desertificación (CNULD, 1994). En ésta se

plantea que “la definición de los tipos climáticos se realice a partir de la relación que guarda la

precipitación (P) y la evapotranspiración potencial (ETP), lo que se definió como Índice de Aridez. La

lluvia define la cantidad de humedad disponible mientras que la evapotranspiración potencial refleja el

consumo de ésta por los organismos del suelo y las plantas. De este modo, el criterio para definir las

tierras secas se determina a partir del cociente P/ETP, si el resultado es menor a 0.65 se trata de tierras

o suelos secos, si es igual o mayor a este parámetro, se trata de tierras o suelos húmedos. El resultado

se resume en el mapa correspondiente (Imagen4-3).

𝑷 𝑬𝑻𝑷⁄

P = Precipitación

ETP = Evapotranspiración Potencial

Imagen 3-3 Clasificación del Índice de aridez del suelo

Productividad Primaria Neta (PPN). “A nivel regional la productividad primaria neta puede

visualizarse como un indicador generalizado del potencial ecológico” (Gómez y Gallopín, 1991). Se

considera un indicador de la capacidad de “producir cierta cantidad de biomasa” (De Paepe y Álvarez,

2013); la PPN “corresponde a la energía que queda después de la respiración y que es almacenada en

forma de materia orgánica” (Smith y Smith, 2001, citado en Gómez, et. al., 2008), se expresa en kg de

materia seca (MS) por hectárea al año (Imagen 4-4). La fórmula para su cálculo fue la siguiente:

Log(10)PPN = (1.66*Log(10)ETR)-1.66.

PPN = Producción Primaria Neta (gMS/m2/año)

ETR = Evapotranspiración Real (mm/año)

16

Evapotranspiración Potencial (ETP). “Se define como el agua devuelta a la atmósfera en estado de

vapor por un suelo que tenga la superficie completamente cubierta de vegetación y en el supuesto de

no existir limitación en el suministro de agua (por lluvia o riego) para obtener un crecimiento vegetal

óptimo” (MMA, 2004). La ETP se estimó por medio de un modelo físico, se calculó la

evapotranspiración potencial diaria sobre la superficie de agua libre y poco profunda expresada en

milímetros por día (ETo) y para la estimación de la evapotranspiración potencial mensual (ETP), se

multiplicó este parámetro por el número de días del mes (Imagen 4-5). La fórmula consta de un término

de radiación y de un término aerodinámico, y se expresa como (UACh, 2016):

𝐸𝑇𝑜 = 𝑘 ∗ (𝑊 ∗ (𝑅𝑛 + 𝐺) + (1 − 𝑊) ∗ (𝑢) ∗ (𝑒0 − 𝑒))

Donde:

ETo = Evapotranspiración sobre superficie agua libre (mm/día)

k = coeficiente de conversión de energía por unidad de superficie en mm de agua que es capaz de

evaporar esa energía.

De acuerdo con la fórmula otros parámetros que se utilizaron para estimar la ETP son: calor de

vaporización del agua (con factor de ponderación de los efectos de radiación); pendiente de la curva

de saturación de vapor; calor específico del aire seco a presión constante; flujo advectivo de calor;

radiación neta; radiación global en el límite superior de la atmósfera; radiación solar en un día sin nubes;

velocidad del viento (km/día) a una altura de 2 metros; déficit de saturación de vapor; y humedad

relativa.

Imagen 3-4 Clasificación del indicador de productividad primaria neta del suelo

17

Imagen 3-5 Clasificación del indicador evapotranspiración potencial del suelo

Erosión hídrica (EH). Se refiere a la pérdida de suelo debida a la “disgregación y transporte de las

partículas del suelo por la acción del agua” (MMA, 2004). La ecuación utilizada para estimar la EH, se

basa en el modelo RUSLE (Revised Universal Soil Loss Equation), se trata de un modelo de tipo

paramétrico que usa cinco factores referentes a las interacciones de los elementos que propician la

erosión del suelo como la lluvia, escurrimiento superficial, suelo, topografía, vegetación e intervención

humana. La ecuación general es la siguiente:

𝑨 = 𝑹 𝑲 𝑳𝑺 𝑪 𝑷

Dónde:

A.- Pérdida anual de suelo (t ha-1 año-1).

R.- Factor de erosividad de la lluvia (MJ mm ha-1 h-1 año-1)

K.- Factor de erosionabilidad del suelo (t ha h MJ-1 mm-1 ha-1)

LS.- Factor topográfico. Longitud de la pendiente (L) y grado de inclinación de la misma (S)

(Adimensional)

C.- Factor asociado al uso y manejo del suelo (Adimensional)

P.- Factor de prácticas mecánicas de control de la erosión (Adimensional)

18

Imagen 3-6 Clasificación del indicador Erosión Hídrica del suelo

Por lo tanto, el análisis de Componentes Principales se realizó sobre estas cuatro coberturas que

contenían, como parte de su tabla de atributos, el valor del índice respectivo.

4.3 El método de análisis de Componentes Principales

El método de Componentes Principales tiene como objetivo “resumir un grupo amplio de variables

en un nuevo conjunto, más pequeño, sin perder, una parte significativa de la información original”

(Chuvieco, 1995). El resumen o síntesis se realiza a partir de la “combinación lineal de los indicadores

originales, por lo tanto, los primeros nuevos componentes generados explican el máximo de la

variabilidad total” (Ruiz, 2013); así cada componente representa la varianza máxima común entre el

conjunto de indicadores analizados. De esta forma, las componentes resultantes se distinguen por

(Imagen 4-7):

a) La primera componente explica o contiene la máxima varianza del conjunto de indicadores

originales.

b) Cada componente subsecuente explica la mayor varianza posible no explicada por las

componentes anteriores.

c) Las componentes no están correlacionadas entre sí (son ortogonales entre sí).

19

Imagen 3-7 Esquema que muestra la dispersión de dos variables y la línea que representa los componentes principales conformados.

Fuente: Imagen extraída de Ruiz, 2013.

En el presente trabajo, además de los principios estadísticos que implica el uso del método de

Componentes Principales se considera el carácter espacial de la información, precisamente, el método

se incluye como herramienta de análisis espacial en Arc/Gis. La aplicación del método en teledetección

conserva el propósito de detectar información redundante (entre los valores de reflactancia en las

distintas bandas espectrales), en este campo, el análisis de Componentes Principales “permite sintetizar

las bandas originales creando nuevas bandas” (Chuvieco, 1995); esto, sin perder información de

manera sustancial. En este caso, las Componentes resultantes también se conforman en bandas,

aquellas que capturan la mayoría de la varianza se concentran en las primeras bandas de salida.

En Arc/Gis el resultado del análisis estadístico se presenta en un archivo de texto, donde se incluye la

matriz de covarianza y la matriz de correlación. En particular, la matriz de correlación tiene gran

relevancia puesto que el análisis de Componentes Principales tiene significancia sólo si existe alta

correlación entre los indicadores o variables, lo que implicaría que hay redundancia de información.

También se incluye la matriz de correlación de las Componentes con los indicadores o variables en

cuestión.

20

4.3.1 Procedimiento para el análisis de correlación espacial por Componentes Principales.

Para la aplicación del análisis de Componentes Principales, la primera condicionante es que la

información espacial deberá estar en formato raster. Como se había mencionado, las coberturas

disponibles presentan un formato vectorial, un sistema de referencia geográfica (geográficas) y datum

WGS84. Por lo tanto, para llevar a cabo el análisis, parte del procedimiento consistió en la adecuación

cartográfica:

1. La base de datos tabular quedó conformada sólo con los campos que contienen el valor del

índice y la descripción de las clases correspondientes.

2. Se constató que la proyección de las coberturas corresponda al Sistema de Referencia

Geográfica

3. Definición del tamaño de pixel (30” x 30” de arco equivalentes en el terreno a un km2)

4. Transformación de cada cobertura a formato ráster

Con las coberturas transformadas a formato ráster, se realizaron varias pruebas de análisis de

Componentes Principales hasta llegar al ejercicio final, donde los valores de los indicadores

Productividad Primaria Neta (PPN), Índice de Aridez (IA), Evapotranspiración Potencial (ETP) y

Erosión Hídrica (EH) fueron estandarizados, ya que la herramienta de Componentes Principales en

Arc/Gis, no estandariza de manera automática los valores del índice. El procedimiento de

estandarización fue necesario debido a las diferencias entre la amplitud de los valores de cada indicador,

así como por la diferencia en las unidades de medida; por ejemplo, el índice de PPN presentaba una

amplitud de 43.65 a 4,897.78, mientras que el IA registraba una amplitud entre 0.04 y 7.13.

La fórmula utilizada para estandarizar fue la siguiente:

𝑧𝑖 =Xi − �̅�

S(i)

Donde:

i = es el indicador o variable determinada

Xi = es el valor de cada caso de la variable i

�̅� = es el valor de la media aritmética de la variable i

S(i) = es la desviación típica de la variable i

z = es el valor estandarizado o normalizado resultante de la variable i en cada caso

21

Con la estandarización de los indicadores es posible hacer la comparación, puesto que las magnitudes

de los valores numéricos correspondientes son similares. Por lo tanto, los resultados del análisis de

Componentes Principales que se presentan corresponden al análisis definitivo, a partir del cual se

determinó si era posible reducir o sintetizar los cuatro indicadores en uno sólo.

En el Anexo 1 se presentan los resultados estadísticos y cartográficos del análisis de Componentes

Principales.

Del análisis de Componentes Principales se concluyó:

• Sólo se logró resumir dos coberturas, la correspondiente a PPN y el IA, ya que fueron las que aportaron

la mayor varianza en la primera Componente.

• Los indicadores ETP y EH conformaron Componentes independientes entre sí, en este caso resulta

conveniente trabajar con los indicadores originales.

• De las cuatro coberturas, sólo se reduciría un producto cartográfico, por lo tanto, no se logró el

propósito de resumir a un solo producto los cuatro indicadores.

4.4 Método de Clasificación

Otro procedimiento metodológico con el que se intentó simplificar el número de coberturas fue el de

clasificación que, en el ámbito del análisis multivariado, destacan las técnicas enfocadas a la

conformación de grupos denominados clustering (agrupamiento). En Arc/Gis se incluye la

herramienta Isocluster, mediante ésta es posible conformar grupos homogéneos (clúster) de un conjunto

de unidades espaciales, en este caso, celdas o pixeles en los cuales se encuentra agregada la información

de cada uno de los indicadores.

El análisis de Clúster es una técnica de clasificación en la cual cada banda o cobertura ráster es

segmentada para identificar grupos o clases, para ello emplea algoritmos y parámetros de control

(Chuvieco, 1995). La herramienta aplicada emplea la media y la matriz de covarianza para conformar

y distinguir cada grupo. El algoritmo utilizado para delimitar los valores homogéneos del conjunto de

coberturas ráster, es el ISODATA (Datos auto-asociados iteractivamente), el cual consiste en calcular

la media de las clases o agrupaciones generalmente a partir de una muestra de pixeles. En cada una de

las iteracciones recalcula los promedios y reclasifica los pixeles de las bandas o coberturas con respecto

a estos nuevos promedios (Rejas, 2014). Este procedimiento se repite hasta que el cambio del número

de pixeles en cada clase o clúster es mínimo respecto a un valor de tolerancia o hasta que se realiza

cierto número de iteracciones predefinidas.

22

Finalmente, para la conformación de clúster o clases, el procedimiento consiste en comparar cada uno

de los pixeles de cada cobertura ráster con los valores de referencia de las categorías establecidas (a

partir de la muestra de pixeles) asignándoles la de mayor similitud. Para esto utiliza la medida de

semejanza como la distancia euclidiana (matriz de covarianza). En Arc/Gis los resultados estadísticos

finales se presentan en un archivo de extensión GSG; el resultado del proceso de clasificación es la

cobertura con el total de pixeles asignados a los diferentes clúster o clases generadas (Imagen 4-8). En

la siguiente figura se muestra una fracción de las estadísticas que calcula la herramienta para conformar

los grupos o clases, a cada uno de éstos se asigna un número sólo con el propósito de diferenciarlos

entre sí, pero no indican algún orden.

Imagen 3-8 Archivo con el resumen estadístico que utiliza el método de clasificación o clustering

El análisis de clúster se realizó con las coberturas de los cuatro indicadores con los valores

estandarizados. En la figura 4-9 se muestra el comportamiento conjunto del valor de la media de cada

indicador según las 16 clases o clúster conformados. En términos generales no se observa una relación

lineal entre los cuatro indicadores, dicha relación sólo se detecta entre la Productividad Primaria Neta

y el Índice de Aridez, sobre todo en los primeros nueve clúster; mientras que el comportamiento de la

Evapotranspiración Potencial refleja un comportamiento independiente respecto al comportamiento

de los otros indicadores, lo mismo que los valores de la Erosión Hídrica, cuyo comportamiento

también se muestra indiferente al comportamiento de los tres indicadores restantes.

23

En las gráficas de dispersión se representa el valor de la media de la PPN y el IA con lo que se constata

la correlación entre ambas variables en la conformación de los clúster (Imagen 4-10), como lo indica

la línea de tendencia central. Mientras que en la gráfica de la derecha, se verifica la independencia del

indicador Evapotranspiración Potencial, en este caso, respecto al indicador de Productividad Primaria

Neta; donde la línea de tendencia es casi horizontal, lo que es indicativo de la no correlación entre tales

indicadores.

Imagen 3-9 Comportamiento espacial de los 16 clúster conformados

Imagen 3-10 Representación de la correlación entre PPN e IA a partir del valor de la media de cada indicador según

los 16 clúster conformados. En la gráfica de la derecha representación de la no correlación entre PPN y ETP

24

En términos espaciales, los polígonos que representan cada clúster conforman una tipología de

espacios según las características asociadas en cada clúster, lo que se refleja en la fragmentación y

distribución dispersa de dichos polígonos. En la parte central, sur y sureste del país, los polígonos son

más pequeños y están más fragmentados, en comparación con los clúster predominantes en la porción

norte de México.

Imagen 3-11 Comportamiento espacial de los 16 clúster conformados

Debido a que la intención de aplicar el análisis de clúster era tratar de sintetizar la información de los

cuatro indicadores en un solo producto cartográfico, además de considerar los aspectos antes

señalados, se realizó la caracterización o descripción de cada uno de los clúster o clases definida para

valorar si tal propósito se había conseguido. Como se ha manifestado, el número de clases establecido

fue de 16, esta cantidad se eligió con el fin de disminuir la generalización de la información

proporcionada por cada uno de los indicadores, además de considerar que el análisis tenía como ámbito

espacial de estudio el territorio nacional.

25

En este caso se realizó la caracterización de cada uno de los clúster identificados, bajo el siguiente

procedimiento:

1. La cobertura ráster clasificada se transformó a formato vectorial, para obtener los polígonos

correspondientes a cada clúster.

2. La cobertura clasificada en formato vectorial se sobrepuso con cada una de las coberturas

correspondientes a los indicadores de PPN, IA, ETP y EH con su respectiva clasificación.

3. Se generaron tablas de frecuencia en las que se obtuvo, para cada clúster, la distribución espacial

de las clases de cada uno de los indicadores.

4. Se obtuvo la estructura porcentual por indicador y para cada clúster (ejemplo con el Índice de

Aridez).

5. A partir de la estructura porcentual se caracterizó cada clúster con la categoría o categorías de

cada indicador que ocuparon más del 50% de la superficie total de cada clúster (ver la tabla con

la caracterización).

Tabla 3-3 Caracterización de clúster según la estructura porcentual del índice de aridez

Hiperárido Árido SemiáridoSubhúmedo

Seco

Subhúmedo

húmedoHúmedo

Muy

húmedo

Per-

húmedo

1 0.0 28.2 19.4 14.6 37.7 0.0 90,719

2 0.0 0.2 0.5 41.9 57.4 0.0 49,183

3 0.0 28.4 71.6 23,544

4 1.2 1.9 5.3 84.1 7.5 79,356

5 0.1 44.4 34.0 18.4 3.2 0.0 151,794

6 0.0 1.9 22.7 29.9 44.8 0.7 163,804

7 2.8 91.0 6.2 0.1 0.0 206,142

8 0.0 59.8 40.0 0.1 0.0 0.0 290,833

9 0.0 40.1 59.5 0.3 0.0 182,716

10 1.0 23.0 36.0 39.8 0.0 249,554

11 0.0 0.0 0.0 6.8 91.3 1.9 59,801

12 0.1 32.3 45.6 20.8 0.8 0.4 0.0 85,276

13 0.1 42.0 55.4 2.5 0.0 0.0 138,373

14 0.0 7.7 6.3 58.2 27.4 0.0 81,914

15 24.7 51.8 23.2 0.0 52,128

16 0.3 5.0 30.4 6.6 9.2 20.9 18.9 8.6 22,004

Total nacional 0.7 19.0 33.5 10.8 10.0 18.5 6.4 1.0 1,927,141

Clasificación del Índice de AridezIdentificador

de cluster

Supericie

Total (km2)

26

Tabla 3-4 Caracterización de los clúster definidos por el método de clasificación

Con base en la caracterización porcentual no se observó una conformación de tipos o clúster

claramente diferenciales a partir de la asociación entre los cuatro indicadores, si bien reflejan la

coincidencia espacial de las características que los describen. Sin embargo, no se logró una síntesis que

facilitará su posterior integración a nivel municipal, haciendo también una lectura compleja del mapa

resultante.

Lo anterior se constató al hacer un análisis comparativo aplicado al caso del Estado de Chiapas. En el

Anexo 2, se muestran los resultados de dicha comparación, a partir de la cual se detectó la

generalización de la información que implicó la conformación de 16 clúster para todo el país. Se

comparó la descripción de

Por lo que la metodología de clasificación tampoco fue adecuada para intentar resumir los cuatro

indicadores en cuestión. Para el caso de Chiapas se observó que:

a) de los 118 municipios que lo constituyen sólo dos coinciden en la descripción de indicadores,

tanto la correspondiente al clúster como la obtenida a partir de la sobre posición de la cobertura

municipal con cada una de las coberturas de los indicadores

b) Al comparar lo descripción de los clúster, pero considerando cada indicador por separado, en

cuanto a la Productividad Primaria Neta coincidió la descripción en 74 municipios; en cuanto

al Índice de Aridez la coincidencia fue de 56 municipios; de la Evapotranspiración Potencial

de 43; y de la Erosión Hídrica de 38.

Por lo anterior, se determinó que el procedimiento para la integración de la información proporcionada

por los indicadores a nivel de municipio, se haría de manera individual, es decir, por cada indicador.

En la presentación se incluye el procedimiento aplicado para dicha integración y algunos ejemplos ya

aplicados para todo el país.

Como parte del informe se incluyen las coberturas, bases de datos y los mapas con el resultado de

integración de cinco indicadores del suelo bajo este último procedimiento.

Km2 %

1 90,719 4.7 De 500 a 1500 68.1 De 0.201 a 0.500/De 0.751 a 1.250 65.9 De 801 a 1200 99.4 < a 5 74.2

2 49,183 2.6 De 2000 a 5000 86.9 De 0.751 a 2.500 99.3 De 801 a 1200 94.6 < a 5/De 10 a 49.9 71.1

3 23,544 1.2 De 2500 a 5000 80.3 > 2.500 71.6 De 1001 a 1400 89.7 De 10 a 199.9 67.0

4 79,356 4.1 De 2000 a 5000 78.2 De 0.751 a 1.250 84.1 De 1001 a 1400 99.0 < a 5/De 10 a 49.9 69.7

5 151,795 7.9 De 500 a 15400 78.4 De 0.201 a 0.650 78.3 De 1001 a 1400 99.5 < a 5 71.2

6 163,804 8.5 De 1500 a 2000/De 2500 a 5000 63.8 De 0.651 a 1.250 74.6 De 1201 a 1400 92.6 < a 5/De 10 a 49.9 73.6

7 206,143 10.7 De 300 a 400/De 500 a 1000 84.6 De 0.201 a 0.500 91.0 De 1201 a 1400 95.2 < a 5 80.1

8 290,831 15.1 De 100 a 200/De 300 a 400 70.7 De 0.051 a 0.500 99.8 De 1401 a 1600 98.6 < a 5 76.0

9 182,716 9.5 De 100 a 200/De 300 a 400/De 500 a 1000 86.4 De 0.051 a 0.500 99.5 De 1401 a 1600 89.5 < a 5 80.3

10 249,556 12.9 De 2000 a 5000 77.8 De 0.651 a 1.250 75.9 De 1401 a 1600 96.8 < a 5 70.7

11 59,801 3.1 De 2500 a 5000 99.7 De 1.251 a 2.500 91.3 De 1201 a 1600 90.9 < a 5/De 10 a 49.9 59.2

12 85,277 4.4 De 100 a 200/De 300 a 400/De 500 a 1000 59.1 De 0.051 a 0.500 77.9 De 1601 a 1800 82.1 < a 5/De 10 a 49.9 71.6

13 138,373 7.2 De 200 a 300/De 500 a 1000 67.9 De 0.051 a 0.500 97.4 De 1601 a 1800 84.2 < a 5 79.1

14 81,915 4.3 De 2500 a 5000 91.2 De 0.751 a 2.500 85.6 De 1601 a 1800 74.5 < a 5 85.6

15 52,128 2.7 De 0 a 100/De 200 a 300 60.2 De 0.000 a 0.200 76.6 De 1801 a 2000 87.3 < a 5 77.3

16 22,004 1.1 De 500 a 1000/De 2000 a 5000 72.6 De 0.201 a 0.500/De 0.751 a 2.500 70.1 De 1201 a 1600 67.4 De 50 a 199.9/> a 200 81.7

Total 1,927,143 100

GRUPO

(CLUSTER) RANGO (en mm) RANGO (ton/ha/año)

ÁREA TOTALÁREA

OCUPADA

(%)

ÁREA

OCUPADA

(%)

ÁREA

OCUPADA

(%)

ÁREA

OCUPADA

(%)

PRODUCTIVIDAD PRIMARIA NETA ÍNDICE DE ARIDEZ EVAPOTRANSPIRACIÓN POTENCIAL EROSIÓN HÍDRICA

RANGO (KgMS/ha/año) RANGO

27

4. Integración de cada indicador por municipio

A partir de los resultados de los métodos aplicados, respecto a que no fue posible sintetizar la

información de los cuatro indicadores, y a partir del ejercicio que se realizó para el Estado de Chiapas,

en el cual se integró la información de cada indicador por separado a nivel de municipio, se determinó

aplicar este procedimiento para el desarrollo del trabajo.

Por lo tanto, el procedimiento de integración de información por municipio, que a continuación se

describe, se realizó para los siete indicadores relativos a ciertas características y condiciones del suelo

asociadas al clima, esto en el ámbito nacional. Para cada indicador se calculó la estructura porcentual

por clase o categoría. Dicho procedimiento consiste en:

a) Sobre posición espacial de la cobertura del marco geo estadístico municipal de la República

Mexicana, con cada una de las coberturas de los indicadores del suelo

b) La tabla de atributos resultante de la sobre posición espacial desagrega a cada municipio según

la categoría o categorías coincidentes de cada indicador

c) A partir de la generación de una tabla de frecuencias, se organizaron los datos en una matriz

espacial, esto para el cálculo de la distribución porcentual por categoría o clase de cada

indicador por municipio

d) A partir de la estructura porcentual por categoría de cada indicador municipio, se identificó y

seleccionó la categoría o categorías con los dos valores de mayor participación porcentual

respecto a la superficie total de cada municipio

e) El valor porcentual máximo de una categoría o clase se denominó como categoría

predominante; el segundo valor porcentual más alto se consideró como categoría o clase

secundaria.

f) En el mapa con la representación de la clase secundaria, ésta sólo se representó en los

municipios donde la categoría o clase predominante registraba una participación máxima de

69% de la superficie municipal. Es decir, que en los municipios donde no se presenta la clase

secundaria, el 70% o más de la superficie municipal es ocupada por la categoría predominante.

Este mismo procedimiento se aplicó para integrar la información de los escenarios futuros de los

indicadores para los que se generaron tales escenarios. La consideración de las categorías o clases

predominante y secundaria.

28

5. Anexo

5.1 Presentación del análisis de correlación espacial

mediante la técnica de Componentes Principales

5.1.1 Revisión de la tabla de atributos de las coberturas para identificar el valor y las categorías de cada indicador

Indicadores del suelo asociados a la influencia del clima

• Régimen de temperatura (temperatura media anual del suelo/diferencia de temperatura entre

verano e invierno; a una profundidad de 50 cm a partir de la superficie).

• Régimen de humedad

• Evapotranspiración potencial

Indicadores de la condición del suelo asociados a la influencia del clima

• Índice de aridez (precipitación media anual/evapotranspiración potencial)

• Erosión hídrica (precipitación media anual/erodabilidad inherente al suelo/longitud e

inclinación de la pendiente/manejo del suelo/prácticas de control de la erosión)

• Productividad Primaria Neta (evapotranspiración real –evapotranspiración

potencial/déficit de humedad)

30

Análisis de Componentes Principales

Se aplicó con el propósito de reducir la cantidad de indicadores, puesto que la virtud del método

consiste en transformar el conjunto original de indicadores en otro conjunto de nuevos indicadores

correlacionados entre sí, denominados Componentes Principales.

Las Componentes se conforman a partir de la combinación o correlación lineal de los indicadores

originales

La primer Componente concentra o abarca la mayor varianza del total de indicadores, por lo tanto es

la que concentra la mayor proporción de ésta

34

5.2 Anexo 2. Ejercicio de integración o síntesis de los

indicadores del suelo asociados al clima, mediante el

proceso metodológico de clasificación (clustering)

5.2.1 Análisis de clasificación mediante la conformación de clúster

• Se aplicó con el propósito de combinar en una sola banda o cobertura los cuatro indicadores

del suelo referentes a Productividad Primaria Neta (PPN), Índice de Aridez (IA),

Evapotranspiración Potencial (ETP) y Erosión Hídrica (EH)

• Lo anterior a partir de la conformación de grupos o clases homogéneas (clúster) de un conjunto

de unidades espaciales, en este caso, las celdas o pixeles correspondientes a las coberturas ráster

de cada indicador

• Se aplicó la función o herramienta de Isocluster en Arc/Gis a las coberturas con los valores de

cada indicador normalizados

37

Km2 %

1 90,719 4.7 De 500 a 1500 68.1 De 0.201 a 0.500/De 0.751 a 1.250 65.9 De 801 a 1200 99.4 < a 5 74.2

2 49,183 2.6 De 2000 a 5000 86.9 De 0.751 a 2.500 99.3 De 801 a 1200 94.6 < a 5/De 10 a 49.9 71.1

3 23,544 1.2 De 2500 a 5000 80.3 > 2.500 71.6 De 1001 a 1400 89.7 De 10 a 199.9 67.0

4 79,356 4.1 De 2000 a 5000 78.2 De 0.751 a 1.250 84.1 De 1001 a 1400 99.0 < a 5/De 10 a 49.9 69.7

5 151,795 7.9 De 500 a 15400 78.4 De 0.201 a 0.650 78.3 De 1001 a 1400 99.5 < a 5 71.2

6 163,804 8.5 De 1500 a 2000/De 2500 a 5000 63.8 De 0.651 a 1.250 74.6 De 1201 a 1400 92.6 < a 5/De 10 a 49.9 73.6

7 206,143 10.7 De 300 a 400/De 500 a 1000 84.6 De 0.201 a 0.500 91.0 De 1201 a 1400 95.2 < a 5 80.1

8 290,831 15.1 De 100 a 200/De 300 a 400 70.7 De 0.051 a 0.500 99.8 De 1401 a 1600 98.6 < a 5 76.0

9 182,716 9.5 De 100 a 200/De 300 a 400/De 500 a 1000 86.4 De 0.051 a 0.500 99.5 De 1401 a 1600 89.5 < a 5 80.3

10 249,556 12.9 De 2000 a 5000 77.8 De 0.651 a 1.250 75.9 De 1401 a 1600 96.8 < a 5 70.7

11 59,801 3.1 De 2500 a 5000 99.7 De 1.251 a 2.500 91.3 De 1201 a 1600 90.9 < a 5/De 10 a 49.9 59.2

12 85,277 4.4 De 100 a 200/De 300 a 400/De 500 a 1000 59.1 De 0.051 a 0.500 77.9 De 1601 a 1800 82.1 < a 5/De 10 a 49.9 71.6

13 138,373 7.2 De 200 a 300/De 500 a 1000 67.9 De 0.051 a 0.500 97.4 De 1601 a 1800 84.2 < a 5 79.1

14 81,915 4.3 De 2500 a 5000 91.2 De 0.751 a 2.500 85.6 De 1601 a 1800 74.5 < a 5 85.6

15 52,128 2.7 De 0 a 100/De 200 a 300 60.2 De 0.000 a 0.200 76.6 De 1801 a 2000 87.3 < a 5 77.3

16 22,004 1.1 De 500 a 1000/De 2000 a 5000 72.6 De 0.201 a 0.500/De 0.751 a 2.500 70.1 De 1201 a 1600 67.4 De 50 a 199.9/> a 200 81.7

Total 1,927,143 100

ÁREA

OCUPADA

(%)

PRODUCTIVIDAD PRIMARIA NETA ÍNDICE DE ARIDEZ EVAPOTRANSPIRACIÓN POTENCIAL EROSIÓN HÍDRICA

RANGO (KgMS/ha/año) RANGO

GRUPO

(CLUSTER) RANGO (en mm) RANGO (ton/ha/año)

ÁREA TOTALÁREA

OCUPADA

(%)

ÁREA

OCUPADA

(%)

ÁREA

OCUPADA

(%)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

• Obtenida a partir de la superposición de la cobertura correspondiente a la conformación de

clúster, en formato vectorial, con cada una de las coberturas de los indicadores del suelo

• El porcentaje de área ocupada corresponde a los rangos o clases que caracterizan a cada clúster

GRUPOS(CLUSTER)

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

COMPORTAMIENTO ESPACIAL DE LAS CLASES O CLUSTER CONFORMADAS

Caracterización de clúster o clases conformadas*

39

Integración de cada indicador por municipio

• A partir de la superposición cartográfica de la cobertura de municipios del Estado de Chiapas

con cada una de las coberturas correspondientes a cada indicador del suelo.

• Del tabulado obtenido de cada superposición, se calcula la estructura porcentual por clase, de

cada indicador, según la superficie ocupada.

• Se identifican los dos valores porcentuales máximos por clase de cada indicador

40

MPIONUM PPN_0 PPN_7 PPN_8 PPN_9 PPN_10 AREA_TOT PPNVP_0 PPNVP_7 PPNVP_8 PPNVP_9 PPNVP_10 PPNVPMX1 PPNCLMX1 PPNVPMX2 PPNCLMX2

7001 2 248 250 0.7 99.3 99.3 10 0.7 9

7002 379 92 12 483 78.6 19.0 2.5 78.6 8 19.0 9

7003 2 564 565 0.3 99.7 99.7 10 0.3 0

7004 958 958 100.0 100.0 10 0

7005 2 314 316 0.7 99.3 99.3 10 0.7 9

7006 4 10 3 239 256 1.4 3.8 1.3 93.4 93.4 10 3.8 8

7007 27 126 153 17.6 82.4 82.4 10 17.6 9

7008 586 586 100.0 100.0 10 0

7009 13 799 812 1.6 98.4 98.4 10 1.6 0

7010 1 1 77 79 1.2 1.2 97.6 97.6 10 1.2 9

7011 215 215 100.0 100.0 10 0

7012 155 14 184 353 43.9 4.0 52.1 52.1 10 43.9 8

7013 29 179 159 366 7.8 48.8 43.4 48.8 9 43.4 10

7014 159 159 100.0 100.0 10 0

7015 46 0 6 16 108 176 25.9 0.1 3.6 9.2 61.2 61.2 10 25.9 0

7016 629 629 100.0 100.0 10 0

7017 1,028 277 1,142 2,448 42.0 11.3 46.7 46.7 10 42.0 8

7018 21 11 124 155 13.3 6.8 79.9 79.9 10 13.3 8

7019 247 383 352 983 25.1 39.0 35.9 39.0 9 35.9 10

7020 1 2,587 2,588 0.0 100.0 100.0 10 0

7021 49 22 276 347 14.1 6.3 79.6 79.6 10 14.1 8

7022 186 186 100.0 100.0 10 0

7023 106 239 345 30.7 69.3 69.3 10 30.7 9

7024 123 286 408 30.0 70.0 70.0 10 30.0 9

7025 182 182 100.0 100.0 10 0

7026 1 251 252 0.3 99.7 99.7 10 0.3 9

7027 359 404 71 834 43.1 48.4 8.5 48.4 9 43.1 8

7028 40 11 52 78.3 21.7 78.3 8 21.7 9

7029 109 6 116 94.6 5.4 94.6 8 5.4 9

7030 9 12 982 1,003 0.9 1.2 97.9 97.9 10 1.2 9

7031 0 1,682 1,682 0.0 100.0 100.0 10 0

7032 2 419 421 0.4 99.6 99.6 10 0.4 9

ESTRUCTURA O DISTRIBUCIÓN PORCENTUAL POR CLASE VALOR MÁXIMO VALOR MÁXIMO 2

EJEMPLO DE INTEGRACIÓN POR MUNICIPIO DE LA PRODUCTIVIDAD PRIMARIA NETA

42

Procedimiento mediante el cual se integrará la información proporcionada por los indicadores a nivel de municipio El procedimiento de integración consiste en:

a) Sobre posición de la cobertura del marco geo estadístico municipal de la República Mexicana, con cada una de las coberturas de los indicadores del suelo

b) La tabla de atributos resultante de la sobre posición desagrega a cada municipio según la categoría o categorías coincidentes, esto se obtiene para cada indicador

c) A partir de la generación de una tabla de frecuencias, se organizan los datos en una matriz espacial, esto para el cálculo de la distribución porcentual por categoría de indicador en cada municipio

d) A partir de la estructura porcentual de cada municipio, se identifica y selecciona la categoría o categorías con los dos valores de mayor participación porcentual

e) En este caso, el valor máximo de cada municipio se identifica o denomina como la categoría o clase predominante; el segundo valor porcentual más alto se considera como la categoría o clase secundaria.

f) Para la representación cartográfica, se consideró que en los municipios donde una categoría contribuye con el 70% o más de la superficie municipal, sólo se representará esta categoría, por lo que no se incluye la categoría o clase secundaria

En las siguientes láminas se muestra la aplicación del procedimiento descrito Para cada indicador:

• El primer mapa representa al indicador en su conformación original

43

• El segundo mapa representa la integración de cada indicador por municipio, en el cual sólo se representa la categoría con el valor porcentual máximo, es decir, la categoría predominante

• El segundo mapa muestra la categoría con el segundo valor porcentual más alto, en este caso, sólo para los municipios en los que ninguna categoría, por sí sola, contribuyó con el 70% o más

Productividad primaria neta actual

44

Productividad primaria neta actual por municipio

Productividad primaria neta actual secundaria por municipio

45

Índice de aridez de los suelos

Índice de aridez actual predominante por municipio

46

Índice de aridez actual secundario por municipio

Evapotranspiración potencial actual

47

Evapotranspiración potencial actual por municipio

Evapotranspiración potencial actual secundaria por municipio

48

Erosión hídrica de los suelos actual

Erosión hídrica del suelo actual predominante por municipio

49

Erosión hídrica del suelo actual, secundaria por municipio

Régimen de humedad de los suelos actual

50

Régimen de humedad de los suelos predominante por municipio

Régimen de humedad de los suelos actual secundario por municipio

51

6. Bibliografía

Chuvieco, Emilio (1995), Fundamentos de Teledetección Espacial, Segunda Edición, Ediciones

RIALP, Madrid, España.

De Paepe, J. L. y Álvarez, R. (2013), Desarrollo de un índice de productividad de suelo regional a través

de una red neuronal artificial, Informaciones Agronómicas de Hispanoamérica, Versión Cono Sur, pp.

23-26, Buenos Aires, Argentina.

Gómez, I. A. y Gallopín, G. C. (1991), “Estimación de la productividad primaria neta de ecosistemas

terrestres del mundo en relación a factores ambientales”, Ecología Austral, Asociación Argentina de

Ecología, pp. 24-40, Argentina.

Gómez, J.; Monterroso, A. I.; Toledo, M. L. y Tinoco, J. A., (2008), Generación de escenarios de

cambio climático a escala regional, al 2030 y 2050; evaluación de la vulnerabilidad y opciones de

adaptación de los asentamientos humanos, la biodiversidad y los sectores ganadero, forestal y pesquero,

ante los impactos de la variabilidad y el cambio climáticos; y fomento de capacidades y asistencia

técnica a especialistas estatales que elaborarán programas estatales de cambio climático, Informe sobre

Impactos del cambio climático en el sector ganadero a nivel país, Instituto Nacional de Ecología -

SEMARNAT, Centro de Ciencias de la Atmósfera - UNAM, y Universidad Autónoma Chapingo,

México. http://www.inecc.gob.mx/descargas/cclimatico/2008_ecc_inf_ganadero.pdf

MMA, (2004), Guía para la elaboración de estudios del medio físico. Contenido y Metodología,

Ministerio de Medio Ambiente, Secretaría General para la Prevención de la Contaminación y del

Cambio Climático, Serie Monografías, 5ta reimpresión, España.

Rejas A., Juan Gregorio (2014), Detección de patrones y anomalías espectrales del terreno mediante

espectrometría de imagen de alta resolución. Reconocimiento, optimización y evaluación

multiescenario, Tesis Doctoral, Escuela Técnica Superior de Ingenieros de Caminos, Canales y

Puertos, Universidad Politécnica de Madrid, España.

http://oa.upm.es/25545/1/Juan_Gregorio_Rejas_Ayuga.pdf

Ruiz Fernández, Luis Ángel (2013), Fundamentos del método de análisis de componentes principales

orientado al análisis de imágenes multiespectrales. Aplicaciones más relevantes en teledetección,

Repositorio Institucional, Universidad Politécnica de Valencia, España.

https://riunet.upv.es/bitstream/handle/10251/30616/ACP_teledeteccion.pdf?sequence=5

Universidad Autónoma de Chapingo (2016), Informe Final. Servicios de consultoría para la evaluación

del potencial productivo de los suelos de México que considere el Cambio Climático, en el marco del

Proyecto 00086487 Plataforma de colaboración sobre Cambio Climático y Crecimiento Verde entre

Canadá y México 2013-2016, Programa de las Naciones Unidas para el Desarrollo, Environnement

Canada, Instituto Nacional de Ecología y Cambio Climático, México.

Integración de diferentes impactos del cambio climático a ...

Documents

Transcript of Integración de diferentes impactos del cambio climático a ...