Beruflich Dokumente
Kultur Dokumente
ESTUDIO PARA LA
IDENTIFICACION DE AREAS
DEGRADADAS Y
PROPUESTA DE MONITOREO
1. Introduccin .............................................................................................................................................. 4
2. Objetivos ................................................................................................................................................... 6
2.1 Objetivo general ................................................................................................................................. 6
2.1.1 Objetivos especficos .......................................................................................................... 6
3. rea de Estudio ........................................................................................................................................ 7
4. Adquisicin de datos y preprocesamiento ................................................................................................ 8
4.1 Indicadores para el anlisis de la degradacin de la tierra propuestos por UNCCD .......................... 8
4.2 Mapa de Cobertura Terrestre ........................................................................................................... 10
4.3 Datos de observacin de la tierra ..................................................................................................... 11
4.3.1 MOD13 ............................................................................................................................. 11
4.3.2 MOD11 ............................................................................................................................. 11
5. Mtodos .................................................................................................................................................. 11
5.1 ndices de vegetacin ....................................................................................................................... 11
5.2 Series temporales............................................................................................................................. 12
5.3 Procesamiento mediante Google Earth Engine................................................................................ 13
5.4 Tendencias lineales de ST ............................................................................................................... 15
5.5 Tcnicas de machine learning y deteccin de cambio ..................................................................... 17
5.6 Relacin entre el NDVI y la Temperatura de Superficie de Suelo .................................................... 17
5.7 Clculo de prdida de carbono en suelo del 2000 al 2010 ............................................................... 19
6. Resultados y discusiones ....................................................................................................................... 20
6.1 Cobertura de la tierra 2000-2010 ..................................................................................................... 20
6.1.1 Cambios en la cobertura de la tierra 2000-2010............................................................... 21
6.2 Dinmica de la productividad de la tierra (DPT) ............................................................................... 25
6.2.1 Dinmica de la productividad de la tierra y coberturas de la tierra ................................... 25
6.2.2 Dinmica de la productividad, NDVI y LST ....................................................................... 28
6.3 Tendencias en las reservas de carbono orgnico en el suelo .......................................................... 33
6.3.1 Estimacin de los cambios en el COS para las reas de cambio de la cobertura del 2000
al 2010 35
6.4 reas potenciales en degradacin ................................................................................................... 35
6.4.1 reas degradadas en ecosistemas .................................................................................. 36
7. Conclusiones .......................................................................................................................................... 38
8. Recomendaciones .................................................................................................................................. 39
TABLAS
FIGURAS
Fig. 1. El principio de la histresis. Al punto A, antes del estrs, la productividad es alta. Cuando el estrs
se incrementa, la productividad declina al punto B donde el estrs es reducido. Como el estrs esta
reducido, la productividad se incrementa. Un sistema completamente resiliente (curva verde) regresar a
su estado original (A). Un sistema poco resiliente (curva roja) solo regresar hasta el punto C. La
resiliencia del sistema R, est relacionado a la distancia entre A y C: cuanto menos sea el valor, mayor
ser la resiliencia. ......................................................................................................................................... 6
Fig. 2. Se muestra el rea de accin del Programa Presupuestal 144. ...................................................... 7
Fig. 3. En el panel A se muestra las precipitaciones para la costa norte de Per. Panel B, muestra las
precipitaciones medias mensuales para la zona andina central-sur y el panel C muestra la precipitacin
para la zona tropical de la Amazona peruana.............................................................................................. 8
Fig. 4. Se muestra la cobertura de la Tierra con 6 categoras segn las directrices del IPCC 2010
proporcionados por la Agencia Espacial Europea. ....................................................................................... 9
Fig. 5. Se muestra el mapa de carbono SoildGrids250 al ao 2000 elaborado por Hengl et al. (2016). ... 10
Fig. 6. En el panel A se muestra la Serie de Tiempo del ndice NDVI. Panel B la componente estacional,
Panel C la componente tendencial y en el Panel D, el ruido o tambin denominado el resto de la
ecuacin. .................................................................................................................................................... 12
Fig. 7. es la pendiente (si es negativa representa un indicador de la ocurrencia de un proceso
degradador). ............................................................................................................................................... 15
Fig. 8. En el panel A se muestra una serie de tiempo con pendiente negativa, Panel B una pendiente
positiva y Panel C se muestra una serie de tiempo estable, es decir, una pendiente aproximadamente
nula. Los tres tipos de pendientes estn rescaldados por un factor multiplicador de 10. ........................... 16
Fig. 9. Simplificado adaptado de (Lambin & Ehrlich, 1996). ..................................................... 18
Fig. 10. Cobertura de la tierra al 2000 (panel A) y 2010 (panel B) generado por la agencia espacial
europea mediante una constelacin de satlites (NOAA, AVHRR, SPOT-VEGETATION, PROV-V). ....... 21
Fig. 11. En el panel A se muestra los cambios en la cobertura desde el 2004-2010 detectados por Terra-i,
panel B muestra los cambios de cobertura entre los perodos 2000-2010 para el enfoque NDT, mientras
que el panel C muestra los cambios durante los periodos ......................................................................... 23
Fig. 12. Se muestra los cambios de cobertura entre los perodos 2000-2010. Panel A: prdida de
bosques, Panel B: incremento de arbustos y pastizales, Panel C incremento de las tierras de cultivo...... 24
Fig. 13. Dinmica de la productividad de la tierra por cobertura. ............................................................... 26
Fig. 14. Se muestra la dinmica de la productividad de la tierra para Per. Las categoras del anlisis
retrospectivo de la productividad muestras niveles de degradacin estudiados por Yengoh et al. (2015). 27
Fig. 15. Mapas de pendientes (NDVI y LST) de las regresiones lineales obtenidas de variables biofsicas
durante el rango de tiempo 2000-2013. Las pendientes para el NDVI tienen un factor de multiplicacin de
orden de 10. Panel izquierdo muestra las pendientes del NDVI y panel derecho muestra las pendientes
del LST. ...................................................................................................................................................... 28
Fig. 16. Leve incremento de la temperatura superficial (LST) en la banda LST_Day_1km del producto
MOD11A2 del sensor MODIS. .................................................................................................................... 29
Fig. 17. Leve decrecimiento del ndice de vegetacin en la banda NDVI del producto MOD13Q1 del
sensor MODIS. ........................................................................................................................................... 29
Fig. 18. Relacin de las tendencias entre el NDVI y LST para bosques secos. Tonalidades rojas indican
una alta densidad de puntos, mientras las tonalidades azules indican baja densidad. .............................. 30
Fig. 19. Leve decrecimiento del ndice de vegetacin en la banda NDVI del producto MOD13Q1 del
sensor MODIS. ........................................................................................................................................... 30
Fig. 20. Bosque tropical que pas a zona de produccin de palma aceitera. ............................................ 31
Fig. 21. Degradacin por actividad minera en la regin de Madre de Dios. Panel A muestra el
comportamiento temporal del NDVI y el panel B muestra la relacin entre las tendencias del NDVI y la
LST de los productos MODIS. .................................................................................................................... 31
Fig. 22. Se muestra las tendencias de la productividad de la tierra para las categoras i) bosques panel
izquierdo superior, ii) arbustos, pastizales y otras reas panel derecho superior y iii) tierras de cultivos
panel izquierdo inferior................................................................................................................................ 32
Fig. 23. Se muestra el carbono el mapa nacional de carbono en suelo proporcionados por Hengl et al.
(2016) a 250m de resolucin espacial. Esta informacin solo se cuenta para el ao 2000. ...................... 34
Fig. 24. Se muestra las zonas potenciales en degradacin en base a los indicadores de cambio en la
cobertura de la tierra y la dinmica de la productividad de la tierra. ........................................................... 36
1. Introduccin
Los esfuerzos mundiales por detener y revertir la degradacin de la tierra y por lograr una
degradacin neta cero, son requisitos que se necesitan previamente para liberar a millones de
personas de la pobreza, permitir la seguridad alimentaria, salvaguardar las reservas de carbono
y alcanzar los objetivos del milenio y los objetivos de desarrollo sustentable. La tierra se define
como el conjunto de los constituyentes del suelo, los componentes biticos dentro y sobre l,
as como su entorno paisaijstico y sus atributos climticos (Vlek et al., 2010). La degradacin de
la tierra es un concepto que ha sido definido por diversas maneras por investigadores e
instituciones en este campo. Esto podra ser en parte como resultado de la diversidad de
procesos de degradacin de la tierra en su tipo, escala, tiempo y extensin; los procesos son
bien conocidos pero no siempre se entienden completamente (Yengoh et al., 2015). La
degradacin de la tierra es la prdida a lo largo plazo de la funcin y los servicios del
ecosistema, causadas por perturbaciones de las cuales el sistema no puede recuperarse sin
ayuda. La degradacin tambin puede considerarse en trminos de componentes especficos de
la tierra afectada. Por ejemplo, la degradacin de la vegetacin implica la reduccin de la
productividad, la disminucin de la diversidad de especies y la degeneracin del valor nutricional
de las poblaciones de plantas (Yengoh et al., 2015). Estos cambios pueden ser causados por
muchos factores (erosin, contaminacin, deforestacin y otros). Una vez ms, la degradacin
de la tierra puede considerarse respecto a sus aspectos fsicos, refirindose a los cambios en la
composicin del suelo, especialmente la prdida de materia orgnica del suelo y la estructura
como la compactacin o la formacin de costras. Las actividades locales que contribuyen a la
degradacin de la tierra incluyen la minera, las prcticas agrcolas no sostenibles, el
sobrepastoreo, la contaminacin de fuentes industriales y no industriales, as como la
modificacin del paisaje (Hoeskstra et al., 2005).
Renschler et al. (2010) han argumentado que los recursos ambientales y ecosistmicos podran
utilizarse como indicadores de la capacidad que tiene sistema ecolgico, para poder regresar o
acercarse a los estados previos al choque o previos al evento. La fuerte correlacin del
Normalized Difference Vegetation Index (NDVI) con la Net Primary Productivity (NPP) lo
convierte en un indicador til de la resiliencia de los ecosistemas (Yengoh et al., 2015; Phillips et
al., 2008). Actualmente algunas tcnicas de monitoreo de la degradacin se centran
principalmente en la evaluacin de la reduccin de la productividad en relacin con el potencial
del sitio, otros programas ven la degradacin de la tierra como una disminucin en la capacidad
del medio ambiente en satisfacer los bienes y servicios que demandan los usuarios (Kasperson
et al., 1995), permitiendo que la extensin y severidad de la degradacin vare en funcin de los
diferentes objetivos de gestin (Reed, 2011). El costo oneroso de recoleccin de los datos de
campo y la necesidad de plantear una metodologa consistente que permita monitorear la
prdida de las funcionalidades de los ecosistemas sugiere la teledeteccin como una solucin
razonable (Reeves & Baggett, 2014). En el contexto del monitoreo de la degradacin de la tierra
usando datos de deteccin remota, se prefiere una definicin ms precisa de la resiliencia que
puede ser operacionalizada por algo medible (la productividad de la tierra). Un concepto central
en la resiliencia ecolgica es la capacidad de un sistema para absorber y recuperarse de la
perturbacin o el estrs (Yengoh et al., 2015).
4
Un sistema elstico sujeto a estrs, tal como la sequa, puede reducir su productividad mientras
persista el estrs, pero luego vuelve a su productividad de pretensin (Fig. 1). Desde la dcada
de los ochenta, se han utilizado extensamente grandes series de datos de NDVI en el estudio de
la degradacin de la tierra en el Sahel (Fensholt et al., 2013; Anyamba & Tucker, 2005; Hickler et
al., 2005; Prince et al., 1998), confirmando un patrn general de recuperacin de vegetacin. Los
ndices de vegetacin (principalmente el NDVI) obtenida en base a reflectancia del espectro
visible e infrarrojo cercano como el Normalized Difference Vegetation Index (NDVI), o el
Enhanced Vegetation Index (EVI) han demostrado que se correlacionan con la biomasa vegetal,
rea foliar y la productividad primaria (Myneni, 1995). Muchos estudios han utilizado ndices de
vegetacin obtenidos por medio de sensores remotos (LANDSAT, MODIS, AVHRR, Spot-
Vegetation, etc) para monitorear las tendencias de la productividad primaria para la evaluacin
en los efectos de la degradacin de la tierra (Bastin, 1995; Diouf & Lambin, 2001).
Esfuerzos recientes para estudiar la degradacin fueron propuestos por Reeves & Baggett
(2014), Bai (2008), Wessels et al. (2012), Reed (2011), Fensholt et al. (2013), Anyamba &
Turcker (2005), Hickler et al. (2005), Prince et al. (1998) y otros. Estos han utilizado
extensamente largas series de datos de NDVI para el estudio de la degradacin de la tierra. El
propsito del NDVI es monitorear la degradacin de la tierra en trminos de prdida a largo plazo
de la productividad primaria de los ecosistemas. En esta lnea, United Nations Convention to
Combat Desertification (UNCCD) a travs del enfoque Land Degradation Neutrality (LDN) o
Neutralidad de la Degradacin de la Tierra (NDT), propuso una iniciativa para detener la prdida
permanente de la tierra saludable. Esta iniciativa plantea el uso de tres indicadores: i) cobertura
de la tierra, ii) dinmica de la productividad de la tierra y iii) stock de carbono en suelo. De estos
tres indicadores, la productividad dinmica de la tierra es de los ms importantes por su mayor
aporte (en trminos de rea) a la deteccin de la degradacin. La dinmica de la productividad
de la tierra propuesto por UNCCD y elaborado por Yengoh et al. (2015) nos proporciona cinco
categoras de clasificacin referido a los niveles de degradacin (muy declinado, levemente
declinado, estable pero estresado, estable no estresado y en crecimiento). De estas categoras,
las tres primeras permiten cuantificar las reas degradadas (Yengoh et al., 2015). El concepto de
NDT fue elaborado en base a series histricas de Normalized Difference Vegetation Index
(NDVI) del sensor SPOT-VEGETATION a una resolucin de 1.15km y con un rango de anlisis
desde 1999 al 2013.
Teniendo en cuenta la necesidad de avanzar hacia la determinacin de una lnea base nacional
de reas degradadas, de manera consistente y operativa para los fines y propsitos de reportar
ante la UNCCD, pero ms importante an es, orientar las iniciativas de restauracin de los
ecosistemas degradados del pas. Por lo tanto, nuestros objetivos fueron: (i) relacionar y analizar
los indicadores propuestos por la NDT complementados con series de tiempo de variables
biofsicas (NDVI y Land Surface Temperature (LST)) para la identificacin y la discusin de reas
potencialmente degradadas a nivel nacional y (ii) proponer un protocolo de monitoreo de reas
en degradacin con el objetivo de mejorar el alcance de la resolucin espacial.
5
Productividad
C
B
Perturbacin
Fig. 1. El principio de la histresis. Al punto A, antes del estrs, la productividad es alta. Cuando el estrs
se incrementa, la productividad declina al punto B donde el estrs es reducido. Como el estrs esta
reducido, la productividad se incrementa. Un sistema completamente resiliente (curva verde) regresar a
su estado original (A). Un sistema poco resiliente (curva roja) solo regresar hasta el punto C. La
resiliencia del sistema R, est relacionado a la distancia entre A y C: cuanto menos sea el valor, mayor
ser la resiliencia.
2. Objetivos
Identificar las reas degradadas en los ecosistemas del pas a travs de la aplicacin de una
metodologa con soporte tcnico-cientfico basado en el enfoque de NDT, para el desarrollo de
iniciativas de recuperacin o restauracin y su monitoreo.
2.1.1 Objetivos especficos
6
3. rea de Estudio
El estudio para el Programa Presupuestal 144 fue conducido en todo el territorio nacional
peruano, a excepcin de las reas Naturales Protegidas y los Bosques de Produccin
Permanente1., El rea de estudio est definida por cinco Tiles de imgenes MODIS (h009v009,
h010v009, h011v009, h010v010 y h011v010) con un rea total aproximado de 88 millones de
hectreas (Fig. 2). Las precipitaciones varan en intensidad y periodicidad segn las
caractersticas fsicas del territorio y en funcin a los vientos y circulacin general de masas de
aire. Para aspectos demostrativos, se muestran las precipitaciones medias mensuales para las
zonas tropicales, andinas y costeras obtenidas a partir del Tropical Rainfall Monitoring Mission
(TRMM) para los perodos 1998 al 2016 (Fig. 3).
1 Las reas Naturales Protegidas (ANP) y los Bosques de Produccin Permanente (NPP) estn considerados dentro
de los Programas Presupuestales PP 57 y PP 130 respectivamente. Dos programas presupuestales no pueden
tener accin en una misma rea, por lo tanto para el PP 144 se excluye las ANP y BPP.
7
Fig. 3. En el panel A se muestra las precipitaciones para la costa norte de Per. Panel B, muestra las
precipitaciones medias mensuales para la zona
A andina central-sur y el panel C muestra la precipitacin
B
para la zona tropical de la Amazona peruana.
8
Fig. 4. Se muestra la cobertura de la Tierra con 6 categoras segn las directrices del IPCC 2010
proporcionados por la Agencia Espacial Europea.
En cuanto al indicador de la cantidad de carbono orgnico de suelo (COS) todava sigue siendo
un desafo como fuente de informacin. Sin embargo, hay esfuerzos de la comunidad cientfica
por poner a disposicin estos datos a nivel global que son inputs para tener una lnea base de la
degradacin de la tierra. En este sentido, Hengl et al. (2016) puso a disposicin una lnea base
de stock al ao 2000 a nivel global denominado SoildGrids250 (Fig. 5). SoildGrids provee
predicciones globales del carbono de suelo de 0-30 cm. Las predicciones fueron basados en 150
000 perfiles de suelo como entrenamiento y una serie de 158 covariables de suelo basados en la
teledeteccin (e.g. productos primarios de MODIS, Modelos de Elevacin del Terreno y sus
derivados, imgenes climticas, mapas de litologa, etc) (Hengl et al., 2016).
9
Fig. 5. Se muestra el mapa de carbono SoildGrids250 al ao 2000 elaborado por Hengl et al. (2016).
10
4.3 Datos de NDVI y LST provenientes de satlites de observacin de la tierra
Para la discusin de resultados y una mejor interpretacin de los mismos, fue pertinente el uso
de variables biofsicas como el NDVI y LST en la medida que ambas variables brindan relacin
sobre la evapotranspiracin y fueron estudiados por Carlson et al. (1994), Gillies et al. (1997),
Lambin et al. (1996), Moran et al. (1994); Nemani et al. (1993), Smith et al. (1991), entre otros,
proporcionando una suficiente base de evidencia cientfica de la utilidad de estas variables.
4.3.1 MOD13
El anlisis de las tendencias y estimacin de la productividad de la vegetacin, biomasa y
secuestro de carbono sobre extensas reas, requiere adquisiciones de series de tiempo de datos
de observacin de la tierra de sensores con alta resolucin temporal y que tenga una cobertura
ancha (Li et al., 2013). El sensor MODIS es el instrumento ms avanzado que provee cobertura
global cada uno a dos das haciendo posibles largas series de tiempo de alta resolucin
temporal. El producto que usamos en este estudio fue MODIS Terra de 16 das. Son
composiciones de 250m de NDVI (MOD13Q1) adquirido de Land Processes Distributed Active
Archive Center (LP DAAC).
El producto MOD13 (Sensor MODIS) presenta dos ndices de vegetacin (IV): El ndice de
vegetacin de diferencia normalizada (NDVI), el ndice de vegetacin mejorado (EVI) y el anlisis
de calidad (QA) con datos estadsticos que indican la calidad en la reflectancia de entrada del
producto IV. Se producen actualmente en intervalos de 16 das a 500m y 1km de resolucin, y a
250m de resolucin espacial.
Los IVs se emiten en unidades de azulejos o tambin denominados Tiles, que son
aproximadamente 1200 por 1200 km en la proyeccin sinusoidal. El producto IV se basa en los
productos diarios de reflectancia de la superficie de nivel 2 (MOD09) que se corrigen la
dispersin molecular, la absorcin de la capa de ozono y los aerosoles (Vermote et al., 2002). El
algoritmo para generar el producto IV opera sobre mltiples observaciones durante un perodo
de 16 das.
4.3.2 MOD11
Los productos MOD11 brindan estimaciones de la temperatura y de la emisividad diurna y
nocturna de las coberturas terrestres. La temperatura se mide en grados Kelvin al contacto entre
la cobertura y la atmsfera. La emisividad, es un nmero adimensional igual al cociente entre la
radiacin emitida por un objeto y un cuerpo negro a la misma temperatura.
5. Mtodos
11
diferencia con el espectro rojo (RED, (0.6200.670 )) (Schultz et al., 2016). Los valores altos
de NDVI se refieren a plantas sanas, mientras que los valores bajos de NDVI se refieren a
ausencia o baja cantidad de vegetacin. El NDVI queda definido como:
(1)
Fig. 6. En el panel A se muestra la Serie de Tiempo del ndice NDVI. Panel B la componente estacional,
Panel C la componente tendencial y en el Panel D, el ruido o tambin denominado el resto de la
ecuacin.
12
Los sensores remotos pueden ser tiles en la evaluacin de los impactos de las actividades
humanas sobre la superficie terrestre. Los sensores de mediana resolucin proporcionan series
de tiempo de imgenes de informacin de la superficie, aunque la limitada resolucin espacial de
estas series de tiempo restringen la gama de cambios que se puede detectar (Coppin, 2004), sin
embargo su alta resolucin temporal ofrece la oportunidad de describir la evolucin de la
superficie de la tierra. Para los anlisis de series de tiempo hay muchas tcnicas como la
diferenciacin de imagen (Ingram, 2005), cambios vectoriales multitemporales (Bayarjrgal et al.,
2006), los modelos de regresin (Frase et al., 2005), el anlisis de componentes principales
(Singh et al., 1985), redes neuronales, wavelets (Woodcock et al., 2001), transformadas de
Fourier (Azzali et al., 2000), entre otros. Todas estas tcnicas actualmente son muy usados para
detectar cambios o breakpoints en las series de tiempo (e.g., se us el mtodo BFAST para
descomponer la serie de tiempo y detectar breakpoints).
Los cdigos usados para el procesamiento y obtencin de las pendientes de las regresiones
lineales de los ndices de vegetacin se muestran en el Anexo 1.
13
Tabla 1. Datasets frecuentemente usados en el catlogo de datos de Earth Engine
14
5.4 Tendencias lineales de ST
Las pendientes de una regresin lineal nos da la inclinacin de un conjunto de puntos que estn
correlacionados (Eq. 1). La pendiente desde el punto de vista matemtico puede ser positiva o
negativa. El anlisis de la pendiente de una regresin lineal es muy usada para estudios de
monitoreo de la dinmica de los cambios en la cobertura vegetal de la tierra (Fig. 7). La lgica es
simple, una tendencia decreciente paulatina (Fig. 8A) (e.g., de una variable biofsica) indica una
pendiente lineal negativa. Por otro lado, una tendencia positiva creciente paulatina o abrupta,
indica un incremento en la actividad fotosinttica (Fig. 8B), mientras que una tendencia horizontal
con una pendiente casi nula indica la estabilidad del ecosistema (Fig 8C). Las series con
pendientes nulas ( ) son series tericas, es decir, en realidad las series estable oscilarn
entre +/- .
(1)
Y: La funcin de degradacin
X: Ao
: Intercepto
: Parmetro o influencia asociada a la variable independiente (pendiente)
Armnico
Pendiente la
regresin lineal
( )
Amplitud
Enero 1
Constante
(DOY=0)
15
A
Outlier
Fig. 8. En el panel A se muestra una serie de tiempo con pendiente negativa, Panel B una pendiente
positiva y Panel C se muestra una serie de tiempo estable, es decir, una pendiente aproximadamente
nula. Los tres tipos de pendientes estn rescaldados por un factor multiplicador de 10.
16
5.5 Tcnicas de machine learning y deteccin de cambios
En trminos generales, la deteccin de cambios en la cobertura de la tierra est relacionada
cuando la cobertura de un lugar determinado ha experimentado un cambio de un tipo a otro,
estos cambios contribuyen al cambio climtico y el desequilibrio ecolgico y hacen que la
capacidad de la Tierra como apoyo a las necesidades humanas sean cada vez menos. Por lo
tanto la ubicacin de los cambios en la superficie de la tierra y la cuantificacin de su tiempo y
magnitud, as como la evaluacin de sus efectos sobre los ecosistemas son difciles (Lambin,
2006). Los cambios pueden consistir en las transformaciones de la superficie de la tierra (los
cambios en las coberturas de la tierra) o de las conversiones y pueden estar relacionados con
las dinmicas naturales o por las actividades humanas. Adems puede presentarse cambios
abruptos o graduales (Coppin, 2004).
Hay muchos mtodos diferentes para detectar los cambios en las coberturas de la tierra que
fueron desarrollados sobre muchas dcadas aplicados a la teledeteccin (Coppin et al., 2004;
Hussian et al., 2013; Lu et al., 2004; Radke et al., 2005; Warner et al., 2009), sin embargo, los
mtodos ms amplios y ms usados son las detecciones en base a pxeles y objetos (Chen et
al., 2012; Hussian et al., 2013). Se propone una taxonoma de las unidades de deteccin de
cambio (Tabla 2.)
Tabla 2. Una revisin breve de las unidades de anlisis comnmente usados en la teledeteccin para
estudios de deteccin de cambios.
Tipo Descripcin
Pxel Pxeles individuales de imgenes son comparados
Kernel Grupo de pxeles son comparados dentro de un
kernel o una ventana mvil
Superposicin de objeto de imagen Objetos de imgenes son generados por la
segmentacin de una de las imgenes de las
series de tiempo
Por otro lado, el potencial de obtener informacin sobre el estado de la energa y el agua de una
superficie o para la clasificacin de la cubierta vegetal a travs de la relacin entre la
17
temperatura de superficie (Ts) y el ndice de vegetacin (por ejemplo, el ndice de diferencia
normalizada NDVI) ha sido investigado por varios autores (Carlson et al., 1994; Gillies et al.,
1997; Lambin et al., 1996; Moran et al., 1994; Nemani et al., 1993; Smith et al., 1991). La
informacin complementaria en la banda trmica y las longitudes de onda del infrarrojo visible ha
demostrado ser muy adecuado para el seguimiento de estado de la vegetacin y el estrs,
especficamente el estrs hdrico. El ndice de vegetacin es un indicador ms bien conservador
de estrs hdrico, ya que la vegetacin se mantiene verde despus de la tensin inicial del agua.
En contraste, la temperatura de la superficie puede aumentar rpidamente con el estrs de agua.
Una variedad de tipos de vegetacin y las cosechas se han estudiado bajo una variedad de
condiciones climticas, la gama de escalas estudiadas van desde metros a lo global (Ingram,
2005). Por tanto, puede que no sea de extraar que las interpretaciones difieran ampliamente. El
enfoque descrito por Moran, M. S., Clarke, T., Inoue, et al. (1994) representa superficies
parcialmente con vegetacin.
No Transpiracin
No Evaporacin
Suelo
desnudo
Cobertura
parcial
Cubierta
completa
Max. Transpiracin
Borde Hmedo
Max. Evaporacin
NDVI
18
5.7 Clculo de prdida de carbono en suelo del 2000 al 2010
Las estimaciones de los cambios de COS fueron generados aplicando ecuaciones, valores de
referencia predeterminados ( ) y factores de cambio ( ) obtenidos de las
directrices del IPCC (2006) volumen 4, el cual brinda orientacin para la preparacin de los
inventarios anuales de gases de efecto invernadero en el sector de agricultura, silvicultura y otros
usos de la tierra.
(3)
Donde,
D = dependencia temporal de los factores de cambio de existencias, que es el lapso por defecto
para la estimacin entre los valores de equilibrio del SOC, ao. Habitualmente son 20 aos, sin
embargo depende de las hiptesis que se apliquen en el clculo de los factores FLU, FMG y FI.
Si T es mayor que D, sese el valor de T para obtener la tasa anual de cambio durante el tiempo
de inventario (0 T aos).
c= representa las zonas climticas, s los tipos de suelo e i el conjunto de sistemas de gestin
que se dan a un pas dado.
A = superficie de tierra del estrato que se estima (ha). Toda la tierra del estrato debe tener
condiciones biofsicas (es decir, clima y el tipo de suelo) y una historia de gestin durante el
perodo de inventario en comn para que se le pueda considerar en su conjunto con fines
analticos.
19
6. Resultados y discusiones
Se presenta los resultados y discusin de los resultados de los indicadores a escala regional
para la identificacin de tierras en degradacin a nivel nacional para la poblacin objetivo, es
decir en 87 millones de hectreas que comprende el Programa Presupuestal 144 Conservacin
y uso sostenible de ecosistemas para la provisin de servicios ecosistmicos.
Por otro lado, los Bosques para el mapa de cobertura de la tierra para el ao 2010 ocupan el
, mientras que la segunda categora con mayor extensin siguen siendo los Arbustos,
pastizales y reas de escasa vegetacin con el . Las tierras de cultivo para el ao 2010
ocup alrededor del , mientras que las reas artificiales ocuparon el . Los
humedales y cuerpos de agua categorizados como una sola categora, y los suelos desnudos y
otras reas ocuparon el y respectivamente (Tabla 4).
20
A B
Fig. 10. Cobertura de la tierra al 2000 (panel A) y 2010 (panel B) generado por la agencia espacial
europea mediante una constelacin de satlites (NOAA, AVHRR, SPOT-VEGETATION, PROV-V).
21
coberturas del territorio nacional. El enfoque NDT tiene como inputs a , Terra-i genera
cambios a .
Tabla 5. Porcentaje de cambio en la cobertura de la tierra entre los aos 2000 y 2010.
Por otro lado, los cambios en los bosques tropicales del Programa Nacional de Conservacin de
Bosques (PNCB) (Fig. 11C) del Ministerio del Ambiente desde el 2001 al 2010 fue de
. Estos cambios superan en a las detecciones de Terra-i. Las
detecciones de PNCB fueron solo para los bosques tropicales, lo cual este nmero podra ser
mayor si consideramos todos los cambios que pudieron haber ocurrido en todo el territorio
nacional entre el 2000-2010. Tanto PNCB como Terra-i detectaron mayores cambios en la
cobertura de la tierra debido a que sus procesos de deteccin usan imgenes de mayor
resolucin espacial (250m para Terra-i y 30m para PNCB).
22
Fig. 11. En el panel A se muestra los cambios en la cobertura desde el 2004-2010 detectados por Terra-i,
panel B muestra los cambios de cobertura entre los perodos 2000-2010 para el enfoque NDT, mientras
que el panel C muestra los cambios durante los periodos
23
La prdida de bosques del 2000 al 2010, pasaron a ser i) arbustos, pastizales y reas de escasa
vegetacin, ii) tierras de cultivos y iii) suelos desnudos y otras reas (Fig. 12). Para la ganancia
de arbustos y pastizales y reas de escasa vegetacin entre el 2000-2010, estos provinieron de
bosques. Mientras que para la ganancia de tierras de cultivo, estas provinieron de la categora
bosques tambin (Fig. 12). Por ltimo, el de bosques pas a suelos desnudos y otras
reas (Tabla 5).
Fig. 12. Se muestra los cambios de cobertura entre los perodos 2000-2010. Panel A: prdida de
bosques, Panel B: incremento de arbustos y pastizales, Panel C incremento de las tierras de cultivo.
24
6.2 Dinmica de la productividad de la tierra (DPT)
La dinmica de la productividad de la tierra, obtenido a partir de imgenes de Normalized
Difference Vegetation Index (NDVI) del sensor Spot-Vegetation con una resolucin temporal de
10 das, proporciona la tendencia de la biomasa de la cobertura vegetal durante 10 aos (2000-
2010) para Per (Fig. 14). Las estadsticas sobre las tendencias que abarca cada categora de la
DPT muestran que el del territorio nacional presenta una tendencia declinado o en
deterioro, lo cual es un indicador de la prdida de la biomasa para el perodo de anlisis, y por
ende, un estado de degradacin. La categora seal temprano de declive abarc solo el
, mientras que la categora estable pero estresado representa un a nivel
nacional. Por otro lado, la mayor extensin con un fue estable no estresado y el
incremento de la productividad entre el 2000-2010 fue de (Tabla 6). Las tres primeras
categoras que suman en total , conducen a un estado de deterioro de la PDT, lo cual
implica indirectamente una seal de degradacin de la tierra.
25
cuya dinmica de la productividad de la tierra se encuentra entre Estable no estresado y
Productividad en Aumento a nivel de la poblacin objetivo (Fig. 13). Sin embargo, aunque en
menor proporcin, existe una tendencia en la reduccin de la productividad de la tierra para las
categoras de bosques, arbustos pastizales y reas de escasa vegetacin, que podra ser una
consecuencia de la degradacin que tienen estas coberturas debido a factores antrpicos
principalmente, aunque factores naturales sin duda tambin son parte de la ecuacin (Fig. 13).
Seal Incremento de
Clase Categoras Declinado temprano de Estable pero Estable no la
declive estresado estresado productividad
(km2)
1 Bosque 15421.9 11127.9 22621.5 365761.8 27073.5
Por otro lado, la Fig. 13 nos da una idea que porcentaje de cada categora tiene productividad
declinada, seal temprana de declive, estable pero estresada y estable no estresada.
rea artificial
Humedales
Tierras de cultivo
Bosque
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
1-Declinado 2-Seal temprano de declive 3-Estable pero estresado
4-Estable no estresado 5-Incremento de la productividad
26
Fig. 14. Se muestra la dinmica de la productividad de la tierra para Per. Las categoras del anlisis
retrospectivo de la productividad muestras niveles de degradacin estudiados por Yengoh et al. (2015).
27
6.2.2 Dinmica de la productividad (LDP), NDVI y LST
La dinmica de la productividad de la tierra nos dio las reas en posible degradacin,
especficamente las categoras que nos dieron esa representatividad fueron: la clase declinada,
ligeramente declinada y estable pero estresada. Sin embargo, los indicadores globales solo nos
proporcionan el rea, ms no la dinmica temporal que ocurri en dicho perodo. Bajo este
criterio y con la finalidad de discutir con rigurosidad tcnico cientfico los datos de LDP, fue
necesario procesar las mismas reas con variables biofsicas y climticas, es decir, usando el
NDVI y LST obtenidos del producto MODIS a 250m y 1000km de resolucin espacial
respectivamente.
LDP fue analizado entre los perodos 1999-2013, este mismo perodo fue tomado en
consideracin para procesar series histricas de NDVI y LST. Las pendientes de las regresiones
lineales se muestran en las Fig. 15.
Fig. 15. Mapas de pendientes (NDVI y LST) de las regresiones lineales obtenidas de variables biofsicas
durante el rango de tiempo 2000-2013. Las pendientes para el NDVI tienen un factor de multiplicacin de
orden de 10. Panel izquierdo muestra las pendientes del NDVI y panel derecho muestra las pendientes
del LST.
28
Del mapa de tendencias del NDVI, se identific tres tipos de degradacin. Primero, una cada
gradual del NDVI al norte de la regin de Piura, que en trminos generales muestra un estrs
hdrico en la vegetacin, especialmente en los bosques secos. El comportamiento de la
temperatura superficial muestra un leve incremento en la tendencia originado por la liberacin de
calor latente por medio de la evaporacin (Fig. 16). Este incremento en la temperatura implica
menos humedad en el suelo que conducir a una disminucin en el verdor de la vegetacin
captada en los ndices de vegetacin (Fig. 17). Las condiciones de humedad del suelo y la
evapotranspiracin entre el NDVI y LST queda representado por un grfico de dispersin 1:1
mostrado en la Fig. 18. Segundo, las zonas agrcolas que sufrieron prdida de suelo por la
salinizacin, tambin muestran una cada leve pero paulatina en los ndices de vegetacin (Fig.
19). Gran parte de los valles agrcolas de la costa de Per tienen problemas de salinizacin
debido a la topografa y el mal manejo de riego no tecnificado. Tercero, los bosques
deforestados para convertirlas en zon-
(K)
Tiempo
Fig. 16. Leve incremento de la temperatura superficial (LST) en la banda LST_Day_1km del producto
MOD11A2 del sensor MODIS.
Fig. 17. Leve decrecimiento del ndice de vegetacin en la banda NDVI del producto MOD13Q1 del
sensor MODIS.
29
.
Fig. 18. Relacin de las tendencias entre el NDVI y LST para bosques secos. Tonalidades rojas indican
una alta densidad de puntos, mientras las tonalidades azules indican baja densidad.
Fig. 19. Leve decrecimiento del ndice de vegetacin en la banda NDVI del producto MOD13Q1 del
sensor MODIS.
30
Fig. 20. Bosque tropical que pas a zona de produccin de palma aceitera.
Sin embargo, la actividad minera se incrementa para finales del ao 2005 acrecentando una
cada en el valor del ndice y por consiguiente esto signific una prdida de la cobertura vegetal.
De la misma manera que ocurre en los casos anteriores, Las condiciones de humedad del suelo
y la evapotranspiracin entre el NDVI y LST queda representado por un grfico de dispersin 1:1
mostrado en la Fig. 21 Panel B.
A B
Fig. 21. Degradacin por actividad minera en la regin de Madre de Dios. Panel A muestra el
comportamiento temporal del NDVI y el panel B muestra la relacin entre las tendencias del NDVI y la
LST de los productos MODIS.
31
Fig. 22. Se muestra las tendencias de la
productividad de la tierra para las categoras i)
bosques panel izquierdo superior, ii) arbustos,
pastizales y otras reas panel derecho superior
y iii) tierras de cultivos panel izquierdo inferior.
32
6.3 Tendencias en las reservas de carbono orgnico en el suelo
Per no dispone de informacin de tendencias de SOC a nivel nacional espacialmente bien
distribuidas. Sin embargo, los conjuntos de datos globales que puso a disposicin el programa
UNCCD fueron utilizados para el estudio de una lnea base de las reas degradadas, puesto que
las estimaciones de SOC de dicha fuente son adecuadas con la definicin de las metas NDT, lo
cual corresponde a nivel 13 (Fig. 23).
Tabla 8. Resumen estadstico del carbono del ao 2000 por tipo de cobertura.
Cdigo Categoras SOC min SOC max SOC media SOC desv.stan
(Tn/ha) (Tn/ha) (Tn/ha) (Tn/ha)
1 Bosque 8.0 261.0 79.78 33.86
2 Arbustos, pastizales y reas de escasa vegetacin 1.0 248.0 74.41 31.62
3 Tierras de cultivo 4.0 227.0 83.40 31.52
4 Humedales y Cuerpos de agua 1.0 237.0 74.57 29.41
5 rea artificial 1.0 187.0 40.66 23.85
6 Suelos desnudos y otras reas 1.0 189.0 29.49 25.35
La Tabla 8 muestra las estadsticas del mapa de carbono extradas de SoildGrid250 del ao
2000 por cada tipo de cobertura de la tierra. Las reservas de carbono de los bosques tiene un
valor mximo de 261 y una media de 79.78 tn/ha, mientras que los arbustos, pastizales y las
tierras de cultivo presentan una media de 74.41 y 83.40 tn/ha. Como era de esperarse, las tierras
de cultivo presentan los valores ms altos de carbono almacenado con 83.40 como media,
mientras que los bosques 79.78 tn/ha. Esto se debe al manejo y la dinmica productiva
caractersticos de estos tipos de cobertura. Las reas agrcolas presentan gran cantidad de
materia orgnica en el suelo, lo cual es un indicador clave de la calidad del suelo, tanto en sus
funciones agrcolas como en sus funciones ambientales entre ellas la captura de carbono y
calidad del aire. Mientras que los bosques, pastizales la cantidad de materia orgnica es menor,
afectando la cantidad de carbono en suelo que pueda existir.
3 Los mtodos del Nivel 1 estn diseados para que resulten los ms simples de usar, para lo cual se suministran
las ecuaciones y los valores de los parmetros de cambio por defecto. En este nivel, a menudo se dispone
mundialmente de fuentes de estimaciones de datos de la actividad (e.g. tasas de deforestacin, mapas de cobertura
de la tierra a nivel global, uso de fertilizantes, datos sobe la poblacin ganadera, etc.) aunque, en general, estos
datos son poco preciso a nivel de espacio. En el Nivel 2 se emplea el mismo abordaje metodolgico que en el Nivel
1, pero se aplican factores de emisin y de cambio en las existencias que se basan en datos especficos del pas o
de la regin a lo referido a las categoras ms importantes de uso de la tierra o de ganado. Los factores de emisin
definidos por pas son ms apropiados para las regiones climticas, los sistemas de uso de la tierra y las categoras
de ganado del pas de que se trata. El Nivel 3, se utilizan mtodos de orden superior, incluidos modelos y sistemas
de medicin de inventario, hechos a medida para satisfacer las circunstancias nacionales que se repiten con el
tiempo, basados en datos de la actividad de alta resolucin y desagregados a nivel sub-nacional. Estos mtodos de
orden superior ofrecen estimaciones de mayor certeza que los niveles ms bajos.
33
Fig. 23. Se muestra el carbono el mapa nacional de carbono en suelo proporcionados por Hengl et al.
(2016) a 250m de resolucin espacial. Esta informacin solo se cuenta para el ao 2000.
6.3.1 Categoras y reas del cambio en la cobertura de la tierra del 2000 al 2010
Las categoras de cambio del 2000 al 2010 se dio de bosque a tres usos de suelo: i) arbustos,
pastizales y reas de vegetacin escasa, ii) tierras de cultivos y iii) terrenos desnudos y otras
reas.
El mayor porcentaje de cambio del total del rea de bosques fue al uso del suelo por arbustos,
pastizales y reas de vegetacin escasa con un 70.37% tierras de cultivo con 29.38% y otras
reas con 0.25% (Tabla 9).
34
6.3.2 Estimacin de los cambios en el COS para las reas de cambio de la cobertura del
2000 al 2010
El mayor porcentaje en el cambio del COS del 2000 al 2010 est dado por el uso del suelo de
bosque a arbustos, pastizales y reas de vegetacin escasa con un 82.06%, le sigue las tierras
de cultivo con un 17.94% y finalmente terrenos desnudos y otras reas con un 0.0%. Por lo
tanto, la mayor prdida del COS se da por el cambio del uso de bosques a arbustos, pastizales y
reas de vegetacin escasa (Tabla 10).
Tabla 10. Prdida anual y total del SOC por cambio de uso del suelo del 2000 al 2010 para la poblacin
objetiva del PP 144.
* ** % prdida
Categora tnC al 2000 Categora tnC SOC
al 2000 de cambio al 2010 (2000-2010)
(2000-2010)
2 Arbustos, 1,820,886.11 82.06%
pastizales y Prdida
reas de Prdida total del
vegetacin anual SOC SOC (2000-
1 Bosque 2,667,731.35 escasa (tnC) 2010)***
3 Tierras de 398,069.30 17.94% (tnC)
cultivo
6 Terrenos 0 0
desnudos y
otras reas
Total 2,667,731.35 Total 2,218,955.41 100% -22,438.80 -224,387.97
35
Fig. 24. Se muestra las zonas potenciales en degradacin en base a los indicadores de cambio en la
cobertura de la tierra y la dinmica de la productividad de la tierra.
36
Tabla 11. Degradacin por tipo de cobertura vegetal
37
7. Conclusiones
Este estudio permiti utilizar y comprobar la consistencia del enfoque NDT en la deteccin de
tierras potenciales en degradacin4 usando tres indicadores medibles como: i) la cobertura de la
tierra, ii) la productividad dinmica de la tierra y iii) el carbono en suelo. Respecto al primer
indicador, este permiti identificar de reas potenciales en degradacin debido al
cambio en el uso de la tierra entre los perodos 2000 y 2010, sin embargo, los cambios
detectados por este enfoque fueron solo el 12.4% respecto a los cambios detectados por Terra-i,
mientras que solo el 4.7% respecto a los cambios detectados por PNCB. La resolucin espacial
de 250m y 30m de Terra-i y PNCB respectivamente jug un papel importante en la precisin de
la cuantificacin de los cambios en las coberturas. No as, el enfoque NDT tiene imgenes con
inputs a 1.15km, lo cual implica detectar menos reas de cambio. De otro lado, los tipos de
cambios obtenidos con el primer indicador permitieron obtener las prdidas de carbono que
fueron calculados con el tercer indicador mediante las directrices del IPCC.
El segundo indicador relacionado al uso de series histricas del ndice NDVI utilizado
implcitamente como la productividad primaria neta debido a la alta correlacin con el NPP,
permiti detectar el 99% del total de reas potenciales en degradacin. Principalmente, las
categoras de este indicador que permitieron identificar la degradacin fueron: i) muy inclinado, ii)
levemente inclinado y iii) estable pero estresado. Por tanto, la resiliencia de un ecosistema,
entendida como la capacidad de este de regresar a su punto inicial luego de ser afectado por
una perturbacin, pudo ser operacionalizada a travs del uso de variables biofsicas como el
NDVI. Sin embargo, es importante sealar que las tendencias lineales de la productividad
dinmica de la tierra son influenciadas por el inicio del perodo de anlisis. Si este inicio coincide
con el fin o inicio de un periodo de variabilidad climtica, entonces la tendencia no ser
representativa. De la misma manera, la componente estacional presente en las series de tiempo
puede ser confundida con un proceso degradador. Por lo tanto, se recomienda usar los Mximos
Compuestos Anuales5para calcular las tendencias lineales de manera que se minimice el efecto
estacional en las series de NDVI.
Por otro lado, el gran potencial de adquirir informacin sobre el estado de la energa y el agua de
una superficie a travs de la informacin complementaria en la banda trmica y las longitudes de
onda del infrarrojo visible ha demostrado ser muy adecuado para el monitoreo del estado de la
vegetacin y el estrs, especficamente el estrs hdrico. Esta relacin entre el NDVI y LST
permiti discutir el comportamiento de las tendencias negativas graduales del ndice NDVI al
norte de Per, sobre todo en los bosques secos donde la productividad presenta una cada leve
pero constante y donde las caractersticas fsicas y climticas se ajustan al comportamiento entre
el NDVI y LST.
4
Entindase como zonas potenciales en degradacin a aquellas zonas que siendo identificadas como reas
degradadas bajo indicadores y criterios tcnicos cientficos, presentan todava una incertidumbre. Estas zonas
potenciales en degradacin podran ser consideradas reas degradadas si se realizara una categorizacin y
caracterizacin, lo cual implica un riguroso trabajo de campo.
5 La disponibilidad de algoritmos complejos que detecten perturbaciones en las series temporales que trabajen con
las componentes de las series temporales son muchos. Sin embargo, eliminar la componente estacional
maximizara la posibilidad de detectar con mayor precisin el comportamiento de las perturbaciones que dan origen
a la degradacin de la tierra. Estos son representan el mximo verdor anual de un ndice de vegetacin (e.g. para el
sensor MODIS tendramos un mximo anual de un total de 26 datos anuales de ndices de vegetacin)
38
Respecto al tercer indicador (i.e., el carbono en suelo) que est relacionado directamente con la
cobertura de la tierra, la mayor prdida fue para el cambio en la cobertura de bosques a arbustos
pastizales y reas de vegetacin escasa con un 81.38%, a tierras de cultivo un 18.25% y a otras
reas con un 0.37%. La prdida total de COS por el cambio en la cobertura del 2000 al 2010 fue
de -224, 387.97 tn, siendo anualmente -22, 438.80 tn. Sin embargo, no es imprescindible contar
con este indicador debido a que no suma reas degradadas al total detectado, pero s permiti
caracterizar de algn modo el nivel de degradacin en funcin a la prdida de carbono para los
cambios en la cobertura.
Los tres indicadores usados para la identificacin de las tierras degradadas a nivel nacional, as
como las ecuaciones y factores recomendados por el IPCC son de un nivel 1 (i.e., escala
regional) y que permiti identificar las tierras degradadas como lnea base a nivel nacional.
Finalmente, es necesario mencionar que la teledeteccin por satlite sigue siendo el nico medio
asequible y no oneroso para el seguimiento de la dinmica de la cobertura a diferentes escalas,
por ello el anlisis tendencial resulta hasta ahora un enfoque accesible y oportuno para el
monitoreo de la degradacin a escala regional o global.
8. Recomendaciones
Primero, el programa UNCCD puso a disposicin indicadores globales para el monitoreo de la
degradacin con la finalidad de tener una lnea base del estado de degradacin de cada pas.
Sin embargo, se recomienda el uso de informacin ms fina en lo posible que ayude la
incertidumbre en la deteccin de la degradacin. En esta lnea, se dispone de informacin de
series histricas de NDVI a una resolucin espacial de 250m lo que permitira aterrizar las
detecciones a nivel ms detallado en cuanto a la productividad dinmica de la tierra o
productividad primaria de la vegetacin, asimismo se dispone de un mapa nacional de cobertura
vegetal al 2011 que debera usarse como el segundo indicador (cobertura de la tierra), sin
embargo, es necesario contar con dos mapas de este tipo en tiempos distintos.
Segundo, se recomienda tambin calcular las pendientes de las regresiones lineales de las
series histricas de ndices NDVI del producto MOD13Q1 del sensor MODIS), usando la
plataforma Google Earth Engine, siendo estas series de variables biofsicas, siendo este un
indicador que juega un rol importante en el monitoreo de la degradacin. En esta misma lnea, se
recomienda tambin tener en consideracin, el clculo de las pendientes de las regresiones
lineales usando los ndices NDVI proporcionados por Terra-i debido a que estas presentan un
nivel de limpieza y suavizado ms ptimo a diferencia de los ndices usados en la plataforma de
Google Earth Engine.
39
Finalmente, para efectos de la categorizacin de la degradacin, se recomienda calcular las
pendientes seguido de su nivel de confiabilidad, ya que estudios recientes muestran que la
confiabilidad de las pendientes de las regresiones lineales permite establecer niveles de
categorizacin bajo un criterio tcnico cientfico.
Agradecimientos
Anexo 1
Se muestra los cdigos utilizados para calcular las pendientes de las regresiones lineales en
Google Earth Engine a partir de series histricas de NDVI-MODIS.
40
Bibliografa
Anyamba, A., & Tucker, C. J. (2005). Analysis of Sahelian vegetation dynamics using NOAA-
AVHRR NDVI data from 19812003. Journal of Arid Environments, 63, 596614.
Bai, Z. D. (2008). Proxy global assessment ofland degradation. Soil Use and Management(24),
223-234.
Bastin, G. N. (1995). Utility of AVHRR data for land degradation assessment:A case study.
International Journal of Remote Sensing, 16, 651-672.
Boegh, E., Soegaard, H., Hanan, N., Kabat, P., & Lesch, L. (1998). A remote sensing study of the
NDVITs relationship and the transpiration from sparse vegetation in the Sahel based on
high resolution satellite data. Remote Sensing of Environment, 69 (3), 224-240.
Carlson, T. N., Gillies, R. R., & Perry, E. M. (1994). method to make use of thermal infrared
temperature and NDVI measurements to infer surface soil water content and fractional
vegetation cover. Remote Sensing Reviews, 9, 161-173.
Chen, G., Hay, G.J., Carvalho, L.M.T., & Wulder, M.A. (2012). Object-based change detection.
International Journal of Remote Sensing, 33(14), 4434-4457.
Coppin, P., Jonckheere, I.,Nackaerts, K., Muys, B., & Lambin, E. (2004). Digital change detection
methods in ecosystem monitoring: A review. International Journal of Remote Sensing,
25, 1565-1596.
Diouf, A., & Lambin, E. (2001). Monitoring land-cover changes in semi-arid regions:Remote
sensing data and field observations in the Ferlo, Senegal. Journal of Arid Environments,
48, 129-148.
Fensholt, R., Rasmussen, K., Kaspersen, P., Huber, S., Horion, S., Swinnen, E. (2013).
Assessing land degradation/recovery in the African Sahel from long-term earth
observation based primary productivity and precipitation relationships. Remote Sensing,
5(2), 664-686.
Gillies, R. R., Carlson, T. N., Gui, J., Kustas, W. P., & Humes, K. S. (1997). A verification of the
triangle method for obtaining surface soil water content and energy fluxes from remote
measurements of the Normalized Difference Vegetation Index (NDVI) and surface radiant
temperature. International Journal of Remote Sensing, 15, 3145-3166.
Goetz, S., & Dubayah, R. (2011). Advances in remote sensing technology and implications for
measuring and monitoring forest carbon stocks and change. Carbon Management, 2,
231-244.
Gorelick, N., Hancher, M., Dixon, M., Ilyshchenko, S., Thau, D., Moore, R. (2017). Google Earth
Engine: Planetary-scale geoespatial analysis for everyone. Remote Sensing of
Environment.
41
Hengl, T., de Jesus, J. M., Heuvelink, G. B., Ruiperez, M., Gonzalez, M. K., Blagotic, A., ... &
Guevara, M. A. . (2016). SoilGrids250m: Global Gridded Soil Information Based on
Machine Learning. PLOS One .
Hickler, T., Eklundh, L., Seaquist, J.W., Smith, B., Ard, J., Olsson, L., Sykes, M.T., Sjstrm, M.
(2005). Precipitation controls Sahel greening trend. Geosphys Res Lett, 32(21).
Hoekstra, J.M., Boucher, T.M., Ricketts, T.H., Roberts, C. (2005). Confronting a biome crisis:
global disparities of habitat loss and protection. Ecol Lett, 8(1), 23-29.
Hussain, M., Chen, D., Cheng, A., Wei, H., & Stanley, D. (2013). Change detection from remotely
sensed images: From pixel-based to object-based approaches. ISPRS Journal of
Photogramemetry and Remote Sensing, 80, 91-106.
Kasperson, J.X., Kasperson, R.E., Turner II, B.L. (Eds.). (1995). Regions at Risk: Compar-isons
of Threatened Environments. United Nations University Press, Tokyo/NewYork/Paris.
Lambin, E. F., & Ehrlich, D. (1996). The surface temperature vegetation index space for land
cover and land-cover change analysis. International Journal of Remote Sensing, 17, 463-
487.
Li, Z., Huffman, T., McConkey, B., Townley-Smith, L. (2013). Monitoring and modeling spatial and
temporal patterns of grassland dynamics using time-series MODIS NDVI with climate and
stocking data. Remoet Sensing of Environment, 138, 232-244.
Lu, D., Mausel, P., Brondizio, E.S., & Moran, E. (2004). Change detection techniques.
International Journal of Remote Sensing, 25(12), 2365-2401.
Moran, M. S., Clarke, T. R., Inoue, Y., & Vidal, A. (1994). Estimating crop water deficit using the
relation between surface-air temperature and spectral vegetation index. Remote Sensing
of Environment, 49, 246-263.
Nemani, R., Pierce, L., Running, S., & Goward, S. (1993). Developing satellite-derived estimates
of surface moisture status. Journal of Applied, 32, 548-557.
Prince, S.D., Colstoun, D., Brown, E., Kravitz, L. (1998). Evidence from rainuse efficiencies does
not indicate extensive Sahelian desertification. Glob Chang Biol, 4(4), 359-374.
Radke, R.J., Andra, S., Al-Kofahi, O., & Roysam, B. (2005). Image change detection algorithms:
A systematic survey. IEEE Transactions on Image Processing, 14(3), 294-307.
42
Reed, M. B.-S. (2011). Cross-scale monitoringand assessment of land degradation and
sustainable land management: amethodological framework for knowledge management.
Land Degradation & Development, 22, 261-271.
Reeves, M.C., Baggett, L.S. (2014). A remote sensing protocol for identifying rangelands with
degraded productive capacity. Ecological Indicators, 43, 172-182.
Renschler, C.S., Frazier, A., Arendt, L., Cimellaro, G.P., Reinhorn, A.M., Bruneau, M. (2010). A
framework for defining and measuring resilience at the community scale: the PEOPLES
resilience framework. MCEER, Buffalo.
Schultz, M., Clavers, J.G.P.W., Carter, S., Verbeselt, J., Avitabile, V. (2016). Performance of
vegetation indices from Landsat time series indeforestation monitoring. International
Journal of Applied Earth Observation and Geoinformation, 52, 318-327.
Smith, R. C. G., & Choudhury, B. J. (1991). Analysis of normalized difference and surface
temperature observations over southeastern. International Journal of Remote Sensing,
10, 2021-2044.
Smith, R. C. G., & Choudhury, B. J. (1991). Analysis of normalized difference and surface
temperature observations over southeastern. International Journal of Remote Sensing,
12 (10), 20212044.
Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring
vegetation. Remote Sensing of Environment, 150, 127-150.
Vermote, E., El Saleous, N., & Justice, C. (2002). Atmospheric correction of the MODIS data in
the visible to middle infrared: First results. Remote Sensing of Environment, 83, 97-111.
Vlek, P., Le, Q., Tamene, L. (2010). Assessment of land degradation, its possible causes and
threat to food security in Sub-Saharan Africa. In: Lal R, Stewart BA (eds) Food security
and soil quality, Advances in soil science. Taylor & Francis, 57-86.
Warner, T., Almutairi, A., & Lee, J.Y. (2009). Remote sensing of land cover change. In T.A.
Warner, D.M. Nellis, & G.M. Foody (Eds.),. The SAGE handbook of remote sensing, 459-
472.
Wessels K., F. v. (2012). Limits to detectability of land degradation by trend analysis of vegetation
index data. Remote Sensing of Evironment, 125, 10-22.
Yengoh, G.T., Dent, D., Olsson, L., Tengberg, A.E., Tucker III, C.J. (2015). Use of the Normalized
Difference Vegetation Index (NDVI) to Assess Land Degradation at Multiple Scales.
Current Status, Future Trends, and Practical Considerations. London: Springer.
43