Transferencia de Biotecnología al sector caprino de zonas ...

SIG-DESER, LaDyOT. 2008

1

“Transferencia de Biotecnología al sector caprino de zonas áridas y semiáridas como estrategia de lucha

contra la desertificación”

Determinación de la Cobertura Vegetal

El Nihuil, San Rafael

SIG-DESER, LADYOT:

Darío Soria Mario Salomón

Cecilia Rubio Ricardo Fernández


2

Determinación de la Cobertura Vegetal

Darío Soria Mario Salomón

Cecilia Rubio Ricardo Fernández

Introducción Establecer la cobertura vegetal en un área determinada es de gran utilidad, desde el conocimiento sobre el estado del campo, inferido a partir de este dato hasta establecer como un indicador de la evolución del mismo en relación a los procesos que afectan al mismo. Una actividad pastoril extensiva tiene un fuerte impacto en el territorio que sumado a diversos factores pueden afectar negativamente un área. Determinar la cobertura vegetal y evaluar en el tiempo su comportamiento es una herramienta válida para valorar el estado de ese espacio y evaluar temporalmente. Para lograr lo antes señalado, se realizaron trabajos de campo y de laboratorio, a fin de establecer la cobertura vegetal, en el área de trabajo. Estos consistieron en tareas de relevamiento de la vegetación considerando aspectos Fisonómico y Florístico y por otra parte el procesamiento de imágenes satelitales para el cálculo de índices de vegetación y cobertura vegetal. Área de trabajo El área focal de interés corresponde a la zona conocida como A° La Frazada e incorpora áreas vecina del distrito El Nihuil de San Rafael, provincia de Mendoza. En esta zona se sitúan los puestos que componen esta comunidad. Por ello, la zona se definió a partir de las Subcuencas hidrográficas que definen el área. En total son cuatro (4) Subcuencas. La definida por el A° La Frazada y escurre al sistema del dique Valle Grande, norte y otras tres (3) que escurren al este y todas forman parte del sistema del río Atuel. Los bordes quedan definidos por las siguientes coordenadas tabla, n°1 y se observan el la figura n°1.

Tabla n°1. Bordes del área de trabajo. Coordenadas planas

Gauss Krüger C. Ichaupe

Grados decimales

wgs84

Izquierdo: 2537708.381836 Oeste: -68.588221

Derecho: 2568471.841547 Este: -68.251257

Superior: 6145834.873842 Norte: -34.834469

Inferior: 6115247.490077 Sur: -35.110089


3

Figura n° 1. Área de trabajo Las cuatro Subcuencas, suman una superficie de 41.806,7 ha. En la tabla n° 2, se muestran los datos de superficie de cada una de ellas.

Tabla n° 2. Identificación de Sub cuenca y superficie Co

Subcuen Hectareas NB subcuenca

117 12128,2 A°. La Frazada 68 7623,6 Uno 69 12129,1 Dos 70 9925,8 Tres

Actividad de campo, datos relevados A partir de un análisis visual de las imágenes satelitales del área de trabajo, se establecieron los posibles sitios de relevamiento y de interés. Estos sitios fueron visitados en el terreno donde se realizo el relevamiento integral de paisaje y fundamentalmente la evaluación de la vegetación. En la tabla n°3, se muestra la identificación de los sitios de muestreo, dato de su posicionamiento y de cobertura vegetal observado en el terreno y los valores del índice SAVI obtenido del procesamiento digital de imagen. En la figura n° 2, se observa la distribución de los sitios de muestreo en el área de trabajo.


4

Tabla n° 3. Identificación de sitios de muestreo y atributos Sitio X Y Altura s.n.

mar SAVI Cobertura %

WP A01B 2545143 6136772 1120 113 10 WP A2B 2545099 6134539 1202 125 45 WP A03 2543837 6133977 1255 124 40 WP A04 2548109 6132727 1180 127 70

WP A05 2553664 6127584 1130 149 90

WP A06 2552720 6126901 1150 139 80

WP A07 2549054 6123563 1280 118 35

Figura n°2. Sitios de muestreo en el área de trabajo Procesamiento digital de imágenes Diversos índices son utilizados para la estimación masa vegetales de otras cubiertas, como el RVI, Relación del Índice de Vegetación (RVI); Índice de Vegetación Transformado (TVI), Índice Verde Normalizado (NDVI), Índice de Vegetación Transformado Corregido (CTVI), entre otros. Estos índices resultan de normalizar, mediante un cociente, bandas de imágenes satelitales y que permite discriminar dos cubiertas con diferente comportamiento como suelo y vegetación (Chuvieco, E. 2000). Para diferenciar masas vegetales a partir de estos índices, se utiliza la característica de la signatura espectral de la vegetación sana al mostrar un claro contraste entre las bandas visibles (0.6 a 0.7 μm) y el infrarrojo cercano (0.7 a 1.1 μm). “Por esta razón, se produce un notable contraste espectral entre la baja reflectividad de la banda roja del espectro y la del infrarrojo cercano, lo que permite separar, con relativa claridad, la vegetación sana de otra cubierta” (Chuvieco, ídem).


5

Así mismo, varios autores han puesto de relieve el efecto de factores externos en el valor del NDVI (Matsumoto, M. H. y Bittencourt, M. D. 2001), que es el índice más difundido. En el trabajo en zonas semiáridas, la contribución del suelo es muy importante y se ha comprobado que el NDVI no resulta una medida muy consistente de las condiciones de la vegetación. En consecuencia, se utilizó el índice de vegetación ajustado al suelo (SAVI) que incorporando un parámetro (L) relacionado con la alta reflectividad del suelo. (Soria D., 2007; Huete, 1987, en Chuvieco, E. ídem). El relevamientos de campo de los sitios muestrales ya señalados, consistió en cuantificar la cobertura vegetal mediante la aplicación de métodos Point Quadrat y Braun Blanquet para luego relacionar con los valores de SAVI calculados del procesamiento digital de imágenes. Para el procesamiento digital de imágenes (PDI) se utilizó la escena completa identificada como: PATH 231; ROW 084 del satélite "Landsat7" sensor “ETM+” con fecha 21/ 04/ 2001. El resultado del procesamiento de imágenes del el índice SAVI para el área de trabajo es una imagen con valores adimensionales y que se mueven entre valores de 1 a -1. Se interpreta con valores próximos al valor uno positivo (+1) una masa vegetal importante y con valores cercanos al valor uno negativo (-1) una pobre masa vegetal. Se observa en la figura n° 3 el histograma del área de trabajo, según el índice SAVI. Se realizaron conversión y transformación de los datos de este histograma para escalarlos a valores de unidades conocidas (ND) entre márgenes determinados a fin de disponer valores positivos y enteros que permitan la relación estadística con los datos de cobertura vegetal obtenidos en el terreno (Soria D., ibid.).

Figura n° 3. Histograma del área de trabajo según el índice SAVI.


6

Análisis de datos Se calibraron los resultados de dichos índices y los datos de observación de campo sobre la cubierta vegetal mediante análisis estadístico. Se analizó estadísticamente la serie de datos en la que se relacionan los valores obtenidos en el terreno y del análisis de imagen satelital, a fin de obtener el mapa de cobertura de la vegetación en el área focal o de trabajo. El análisis estadístico se centró en el test de correlación y de regresión que a continuación de detalla Análisis de correlación Se aplicaron diferentes modelos de correlación, estableciendo que el modelo conocido como Reciproco-Y es el que presenta mayor correlación entre las variables (r= -0.9666). Así mismo muestra el mejor ajuste a una curva teórica (r2=93.43%). Tabla n° 4. Por lo tanto, se puede confirmar que existe una correlación fuerte y completa entre las variables analizadas.

Tabla 4. Análisis de correlación

Modelo Correlación R2

Reciprocal-Y -0.9666 93.43% Exponential 0.9631 92.76% Square root-Y 0.9601 92.18% Linear 0.9563 91.45% Square root-X 0.9232 85.23% Multiplicative 0.8694 75.58% Logarithmic-X 0.8420 70.90% Double reciproca l 0.7191 51.71% S-curve -0.6841 46.80% Reciprocal-X -0.6483 42.03% Logistic No ajuste Log probit No ajuste

Análisis de regresión Según los resultados obtenidos anteriormente, se realizó el análisis de regresión para el modelo señalado, Reciproco-Y. Este modelo se explica según la expresión:

Y = 1/(a + b*X)


7

Fig. n° 4. Análisis de regresión.

Calculados las constates para la expresión Reciproco-Y, permitió realizar un interpolación de datos y agrupar en clases de cobertura vegetal con una amplitud de clase del 10%. Esto se observa en la tabla n° 4, a la que se agrega el valor de superficie expresado en píxel y convertido hectárea para cada clase resultante.

Tabla 4. Clasificación de cobertura vegetal. Área focal La figura n° 5 muestra la distribución especial de la cobertura vegetal del área focal, luego de ajustar la imagen al procesamiento y análisis señalado.

Orden Clase Frecuencia pixel

Superficie en ha

0 s/desnudo 11842 1065.781 1-10 7365 662.852 11-20 7580 682.23 21-30 18366 1652.944 31-40 31535 2838.155 41-50 52419 4717.716 51-60 85574 7701.667 61-70 109411 9846.998 71-80 76128 6851.529 81-90 42708 3843.72

10 91-100 21589 1943.01 total 41806.53


8

Figura n° 5. Cobertura vegetal del área focal Finalmente, la figura n° 6, muestra un gráfico que expresa la distribución de la cobertura vegetal del área focal según las clases establecidas. Este gráfico se establece que el estado de la cobertura de la vegetación para la fecha de toma de la imagen y que puede ser comparado en momentos anteriores o posteriores en un proceso de monitoreo del fenómeno, a fin de establecer el comportamiento de la vegetación en diferente situaciones temporales.


9

Figura n° 6, Distribución de la cobertura vegetal según clases para el área focal

Conclusión Se realizaron tareas para el desarrollo de la cartografía base, procesamiento digital de imágenes satelitales y relevamientos integral del paisaje. Estos relevamientos, permitieron disponer de un mejor conocimiento del estado general del área en diversos aspectos temáticos como geomorfología, suelo y agua, entre otros y que informados en estudios temáticos correspondientes. Se logra determinar la cobertura vegetal que indica el porcentaje del suelo cubierto por la masa vegetal, Esta determinación se realizó para el área focal o de estudio correspondiente a la zona conocida como A° La Frazada y vecinas en el distrito de El Nihuil, San Rafael. Establecer la cobertura vegetal de esta área es de gran utilidad, desde el conocimiento sobre el estado del campo, inferido a partir de este dato hasta introducir como un indicador de estado y seguir su evolución en relación a los procesos que afectan al mismo.


10

Bibliografía Alianza Jatun Sacha - Cdc Ecuador. Departamento de información Ambiental. Cobertura vegetal y uso actual del suelo. En: http://uazuay.edu.ec/promsa/metadatos/c-uso_de_suelo.doc BOSQUE SENDRA, J. (1992), Sistemas de información geográfica. Madrid, Rialp. Brunk H.D. An Introduction to Mathematical Statistics. Third Edition. John Wiley & Sons. New York. 1975. Chuvieco, E. Fundamentos de Teledetección Espacial. Ediciones Rialp, S.A. Madrid. 2000. Cicero, Aldo Roberto. Evaluación Agrometeorológica de Indicadores de esquía en la provincia de Mendoza. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Escuela de Graduados. Córdoba. 2005. Del Valle, H. F., N. O. Elizalde; D. A. Gagliardini y J. Milovich. (1996) Distribución y cartografía de la desertificación en la región patagónica. Lab. de Teledetección y SIG. INTA EEA Chubut. Centro Regional Patagonia Sur: 19 pp. En: RIA. v. 28, no. 1 (1997)p. 1-24 GAMIR ORUETA, A., RUIZ PEREZ, M. y j. SEGUI PONS (1994), Prácticas de análisis espacial. Barcelona, oikos-tau. García-Haro et al. 1999. Validación de una estrategia basada en el análisis de mezclas espectrales a partir de datos ATM. En: Revista de Teledetección. HUNT, D.J. (1996), Sistemas de Gestión medioambiental. Principios y prácticas. Series Mc Gran Hill de Management, Madrid. Información Climática. Provincia de Mendoza. Laboratorio de Ambiente Humano y Vivienda (LAHV). Instituto de Ciencias Humanas, Sociales y Ambientales. INCIHUSA – CONICET. Indicadores espectrales. En: http://www.fao.org/ag/agl/agll/lada/arg/Archivos/07%20-%20Degradacion/Indicadores/Indicador10.htm Matsumoto, M. H. y Bittencourt, M. D. 2001. Correlação Entre Algumas Fisionomias de Cerrado, no Vale do Paraíba, e Classes de Índices de Vegetação Obtidos Espectralmente Anais X SBSR, Foz do Iguaçu, 21-26 abril 2001, INPE, p. 1665-1672, Sessão Poster - Iniciação Científica. http://marte.dpi.inpe.br/col/dpi.inpe.br/lise/2001/09.24.10.23/doc/1665.1672.284.pdf Maccagno, P., Abraham, E. y Navone, S. Principales Indicadores por Proyecto. En: http://www.fao.org/ag/agl/agll/lada/arg/Archivos/07%20-%20Degradacion/Indicadusasos.htm MAO, C., PERDOMO, R., PALACIOS, E. y D.NIETO (1997), Ciencia y tecnología para analizar el espacio. SIG y GPS. Contribuciones Científicas GAEA, 58 Semana de Geografía, Corrientes, Sociedad Argentina de Estudios Geográficos, pp.177-190.


11

MINKOSKI. (1970).Citado en: DACEY, M.F. 1970. Linguistic aspects of maps and geographic information. Ontario Geography. Murai, S. (1996). Libro de Trabajo SIG. Vol. 1: Curso Básico. Universidad de Tokio. Japón. En: Revista SELPER. Vol. 15 N° 1. Nuria Cortada de Kohan, Jose Manuel Carro. Estadística Aplicada. Ediciones Previas. Ediciones Universitarias de Buenos Aires. 1978. OLIVARES, O. (1997) Geoinformática aplicada a estudios ambientales de acuíferos en el conurbano bonaerense. Contribuciones Científicas GAEA, 58 Semana de Geografía, Corrientes, Sociedad Argentina de Estudios Geográficos, pp.243-252. Robinson, A.H. et al. (1987). Elementos de cartografía. Ed. Omega. Barcelona. SORIA, N. D., Abraham, E., Salomón, M., Fernández, R. y Rubio C. (2007). Estimación de la cobertura vegetal en el Departamento de Lavalle, Mendoza Instituto Argentino de Zonas Áridas. Argentina. En: XII Congreso de la Asociación Española de Teledetección. Mar del Plata - ARGENTINA SORIA, D., LLORENS, R. y LENZANO, L. (1997), Monitoreo y análisis espacial de fenómenos naturales adversos. Un caso: la tormenta de granizo del 6/1/94 en el este de la provincia de Mendoza. 6º Encuentro de Geógrafos de América Latina. Buenos Aires. Publicado en C.D.Rom. Teodoro Lasanta, S. M., et al. 2004. Influencia de la topografía en la Estacionalidad de la actividad vegetal: Análisis en el pirineo occidental aragonés A partir de imágenes Noaa-Avhrr. En: Boletín de la A.G.E. N.º 38 - 2004, págs. 175-197. Vegetation Indices. En: http://sonora.itson.mx/garatuza/VIs.pdf Vegetación, Inventario y Análisis. En: Anexo 7. Segundo Informe de Avance, Estudio de Caso Sitio Piloto Mendoza. Departamento de Lavalle. Marzo de 2005. Evaluación de Degradación de Tierras En Zonas Áridas. Proyecto Lada-Fao Argentina. En: http://www.cricyt.edu.ar/institutos/iadiza/ladyot/lava_carto/index.htm

Transferencia de Biotecnología al sector caprino de zonas ...

Documents

Transcript of Transferencia de Biotecnología al sector caprino de zonas ...