“DETERMINACIÓN DE LA COBERTURA ARBOREA Y DINAMICA
DE LA COBERTURA ARBOREA EN LOS SITIOS DE ESTUDIO
PROYECTO “ESTRATEGIAS EFECTIVAS DE ADAPTACION Y
REDUCCION DE RIESGOS POR FLUCTUACIONES EN PRECIOS Y
CAMBIOS CLIMATICOS: LECCIONES DE LA CRISIS DEL CAFÉ”
RESUMEN:
Este informe describe la metodología utilizada en la determinación de la cobertura
arbórea y dinámica de la misma, para los ocho sitios de estudio ubicados en los
países de Guatemala, Honduras y Costa Rica. En este proceso se aplicaron criterios
relativamente innovadores en cuanto al análisis digital realizado a sensores remotos
ópticos por medio de los Sistemas de Información Geográfica. Esto da un mejor
entendimiento sobre el comportamiento espacial de la cobertura arbórea en cada
sitio, sus variaciones y la proyección del posible uso hacia tres fechas futuras. Esto
puede ser un paso más que se da en la generación de información útil y que tenga
mira en la toma de decisiones para ayudar a resolver problemas de desarrollo en
cada zona.
1.INTRODUCCIÓN
El papel de la funcionalidad de la cobertura arbórea para en el sostenimiento del ser
humano es de suma importancia ya que incluye aspectos de productividad y
economía, ya que provee muchas especies de uso múltiple, leña, alimento para
ganado, madera para construcción entre otros. Suele ayudar además
ecológicamente en la conservación de suelos, refugio de flora y fauna silvestre y
posee características determinantes que influyen en el comportamiento de los
caudales superficiales y acumulación de agua subterránea.
Al determinar la cantidad de cobertura arbórea que para este caso se incluyó el
bosque primario, bosque secundario y plantaciones de café. En consenso
metodológico por parte de los expertos de cada país, en la determinación de la
cobertura de café y de acuerdo a la dificultad de discriminación se acordó evaluar
como un todo la cobertura arbórea de cada sitio de estudio.
Este análisis se realizó de alguna manera con técnicas relativamente nuevas en
donde se hace uso de una evaluación multitemporal apoyada con la combinación de
la banda Roja (B3), logrando determinar con esto dos fechas tasa de cambio por
país en donde generalmente la variación entre fechas está influenciada por las
acciones antrópicas y causas ambientales como el caso de Guatemala que tiene en
promedio un 0.88% de cambio en la primera fecha evaluada y en la segunda fecha
-0.80% periodo post Tormenta Tropical Están. En Honduras se tiene un promedio
para los dos sitios de estudio en un primer periodo de -0.23% y luego para el
segundo periodo de 0.05% que el sitio más estable es La Campa con un -0.08% en
la primera fecha y un aumento de 0.19% de la cobertura arbórea. En Costa Rica el
promedio de cambio de la cobertura arbórea es de -0.24 y el segundo es de 0.33%;
el sitio de la Península de Nicoya dio como resultado en ambas fechas un
incremento en de 0.4% en la primera fecha y en la segunda fecha un 0.10%.
Para la proyección del comportamiento de la cobertura arbórea y cambio de uso en
escenarios representa una importante oportunidad para poder anticipar, prevenir y
mitigar las dinámicas negativas que puede afectar un área determinada. Para esto
se hizo uso también de los Sistemas de Información Geográfica generando modelos
de transición espacial y técnicas estocásticas apoyadas por el método de cadenas
de Markov y Autómatas Celulares (Almeida, 2003) en la cual asume que cada área
vecina influye en la probabilidad de transición de cada celda central (Enriquez,
2007) proyectándose para cada sitio de estudio al 2015, 2025 y 2050 en donde al
evaluar la precisión del modelo desarrollado y aplicado para todos los sitios de
estudio. Esta validación se realizó en los sitios de estudio de Santiago y San Lucas
Atitlán en Guatemala, aportándonos como resultado un acierto del 90.5%.
Este análisis se creó para contar con información la cual no debe de perder a la
vista los posibles escenarios futuros y con ello sirva en la toma de decisiones para
tratar la resolución de problemas, formulando e implementando anticipadamente
políticas económicas y de desarrollo local.
2. METODOLOGIA
2.1.
Referencias de interés consideradas para el proceso de clasificación:
2.1.1 Cobertura Vegetal
Árbol = Planta leñosa con fuste y copa definida con crecimiento
secundario que en su estado de madurez alcanza una altura mínima
de 5 metros y un diámetro mínimo de 10 cm. Con este concepto se
excluyen los bambúes y las palmas.
Arbusto = Planta leñosa con uno o varios troncos o tallos principales
pero que no alcanza los 5 metros de altura en su madurez.
Bosque= Superficie cubierta por árboles con un mínimo de cobertura
de copa del 30-40%, formando una masa continua de un mínimo de
0.5 hectárea (5 pixeles) con un ancho mínimo de 60 metros (2
pixeles). Se denomina Bosque Nativo a aquél que no ha sido plantado y que
se encuentra en su lugar desde hace muchos años. Además, debe estar
formado por especies autóctonas del país. También se le llama bosque
espontáneo o bosque natural.
Bosque secundario= Vegetación leñosa de carácter sucesional que se
desarrolla sobre tierras, originalmente degradadas por actividades
humanas. Su grado de recuperación dependerá mayormente de la
duración e intensidad del uso anterior por cultivos agrícolas o pastos,
así como de la proximidad a fuentes de semillas para recolonizar el
área alterada.
Plantación= es aquélla que ha sido creado por la intervención humana.
Tomado espectralmente el café con sombra tiene un comportamiento
ecológicamente de forma muy similar al bosque considerándose para
este proyecto clase importante, la cual se encuentra muchas veces
mezclada con especies nativas de la región, por lo que en consenso
dada la dificultad de discriminar con sensores ópticos generar una
capa de cobertura arbórea.
2.2. Información digital de referencia:
Se obtuvo información vectorial por parte de los coordinadores de área e
investigadores asociados de los límites políticos y administrativos para cada sitio en
formato vectorial y posibles zonas con cobertura de café generalizada a cobertura
arbórea, En formato Raster se obtuvo las hojas cartográficas a escala 1:50,000 y 1:
25,000 para los países de Guatemala y Costa Rica, ortofotos para Guatemala del
año 2006 y fotografías aéreas en infrarrojo para Costa Rica del año 2005.
2.3. Selección de imágenes e intervalo de tiempo:
Para este estudio se hizo uso de los sensores Landsat TM, ETM+ y ASTER L1B.
Las escenas por país y fechas utilizadas fueron las siguientes:
Cuadro 1. Escenas por país y tipo de sensor utilizados
Pais
Guatemala
Municipios
Imágenes
Fecha
Santa María Ixhuatan
Landsat TM p20r50
21 de febrero de 1996
Nueva Santa Rosa
Landsat TM p20r50
08 de diciembre de 2000
Santiago Atitlán
Landsat ETM+p20r50
12 de marzo de 2006
Landsat p19r50
17 de marzo de 1996
Landsat p19r50
21 de noviembre de 1999
Landsat ETM+ p19r50
16 de enero de 2006
Landsat p18r50
10 de diciembre de 1997
Landsat p18r50
29 de marzo de 2000
Aster L1B
11 de mayo de 2007
Landsat TM p15r53
04 de febrero de 1997
Landsat TM p15r53
13 de febrero de 2000
Aster L1B
08 de febrero de 2007
Landsat TM p16r53
27 de febrero de 1997
Landsat TM p16r53
06 de febrero de 2001
Landsat ETM+p16r53
12 de febrero de 2006
San Lucas Tolimán
La Campa
Honduras
Concepción Sur
Leon Cortez
Costa Rica
Península de Nicoya
Fuente: Elaboración CEAB
Se trató de encontrar imágenes durante la época seca y de acuerdo a la
disponibilidad de catálogo, para garantizar consistencia fenológica, así como que
tuvieran la mayor ausencia de nubes y otros artefactos atmosféricos como humo,
bruma, etc
Las imágenes utilizadas para relleno Landsat SLC-off fueron las siguientes:
Cuadro 2. Escenas por país e imágenes de relleno
Guatemala Landsat ETM+ p20r50
12 de marzo de 2006
Península de Nicoya Landsat ETM+ p16r53
12 de febrero de 2006
SENSOR
FECHA DE RELLENO
ETM+
23 noviembre 2006
TM
08 diciembre 2000
SENSOR
FECHA DE RELLENO
ETM+
27 de febrero de 2007
TM
06 de febrero de 2001
Fuente: Elaboración CEAB
2.3. Normalización radiométrica:
Este proceso se realizó por medio de PIF´s (Pseudo Invariant Features):
En este proceso se diferenciaron y se extrajeron elementos que no presentaban
variación alguna o que tuvieran una mínima variación espectral buscando en
lagos profundos, parques en poblados (planchas de cemento), rocas expuestas
(como en volcanes) y bosques maduros alejados de cualquier intervención. Se
generó una imagen de 18 bandas y exportaron los números digitales a una hoja
de cálculo para realizar las regresiones lineales tratando con esto de homologar
los números digitales de cada escena a la imagen base, esta es la imagen de
fecha central para cada sitio considerando que aún no tiene SLC-off y las
imágenes a igualar fueron las de fechas extremas.
2.3.1. Bandas sintéticas e imágenes compuestas multifecha.
Generadas las imágenes compuestas multitemporales en el proceso de
extracción de PIF´s. se realizaron regresiones lineales,
para luego con una
calculadora de mapas realizar las regresiones resultantes diferenciadas por la fecha
y ecuación por banda resultante.
Obteniendo un resultado satisfactorio se procedió a la imagen compuesta
con las bandas sintéticas normalizadas, que ayuden a la discriminación de la
vegetación y a los cambios multitemporales.
Esta puede hacerse en combinación con las bandas Roja o la Infrarroja
cercana (por sus siglas en ingles R-NIR). El resultado es una tablilla de colores que
evalúa el uso y dinámica, ver tabla No.3 y No. 4
Tabla 1. Imagen sintética perteneciente a Banda 3
Imagen sintética
B3
Clase
Rojo
Verde
Azul
Fecha 1
Fecha 2
Fecha 3
CA
CA
NC
NC
CA
CA
NC
NC
CA
CA
CA
CA
NC
NC
NC
NC
CA
CA
II
NC
III
CA
IV
NC
V
CA
VI
CA
VII
NC
VIII
Fuente: Elaboración CEAB
I
CA= Cobertura arbórea; NC = No cobertura arbórea
Tabla 2. Imagen sintética perteneciente a Banda 4
Imagen sintética
B4
Clase
Rojo
Verde
Azul
Fecha 1
Fecha 2
Fecha 3
CA
CA
NC
NC
CA
CA
NC
NC
CA
CA
CA
CA
NC
NC
NC
NC
I
CA
II
NC
III
NC
IV
CA
V
NC
VI
CA
VII
CA
VIII
CA
Fuente: Elaboración CEAB
CA= Cobertura arbórea; NC = No cobertura arbórea
2.4. Clasificación y vectorización:
Este proceso tuvo como objetivo la agrupación de pixeles en un número finito
de clases individuales o de categorías de datos con base a los números digitales. El
algoritmo a utilizar es el Isodata (Interactive Self Organizing Data Analysys)
(Ruppert.1997) por medio del “isodata clustering” el cual usa la formula de la
distancia espectral mínima para formar cúmulos, los cuales han generado
automáticamente las firmas espectrales.
Para la generación del Isodata se tomó la teoría de generar sobre la imagen
sintética 100 clases con 1000 iteraciones el cual corresponde al número de veces
que se repite el algoritmo de entrenamiento y umbral de convergencia del 98%. En
este caso se realizaron generalmente los isodatas para 50 clases y el umbral de
convergencia del 98%
Las clases meta fueron las siguientes:
1. Cobertura arbórea (incluyendo bosque primario, bosque secundario,
plantaciones forestales y café).
2. No cobertura arbórea
3. Sin datos (nube o sombra)
4. Agua (lagos y ríos visibles a la escala de mapeo)
Se migró la capa raster a vectorial y en esta forma se procedío a generar la
edición manual de clases por sitio, en este caso se utilizó el programa ArcGiS de la
casa ESRI el cual es un programa de análisis y edición vectorial.
2.5. Cambios o Dinámica de la cobertura:
Haciendo uso de la combinación entre las bandas sintéticas banda 3 (R) o 4 (NIR)
de tres fechas se genera una guía visual bastante efectiva para el proceso de
dinámica vea la tabla 1 o tabla 2, en la cual cada tabla nos muestra 8 clases
diferenciadas por colores con tienen una firma espectral diferenciable entre cada
fecha. Así por ejemplo si se quiere conocer que áreas tienen perdida de bosque
durante la tercera fecha evaluada, utilizando la banda No.3 (R), mostrará las áreas
color azul o azul obscuro, los lugares con cambios con ganancias y perdidas
consecutivamente aplicables a las 3 fechas evaluadas.
2.6. Filtros:
Este paso se aplicó luego de regresar la clasificación editada en vector a
formato raster nuevamente, con el objetivo de poder limpiar las dispersiones de
pixeles sueltos y pequeños grupos de píxeles, para ello se aplica un identificador de
pixeles desprendidos dentro de una clase homogenea (Clump) y luego una función
para eliminar los píxeles (eliminate) (Erdas, 2008) que no queden comprendidos en
un cierto tamaño mínimo definido y de una misma categoría, en este caso se toma
en cuenta el tamaño mínimo cartografiable que es de 0.5 Ha, o 6 pixeles.
2.7. Verificación de campo:
Se realizó una serie de visita de campo para los países de Guatemala, Honduras y
Costa Rica para elaborar los mapas de cobertura arbórea y de dinámica. En la
figura siguiente se muestran los sitios visitados.
2.8. Modelo Predictivo para la cuantificación del Cambio de Uso en la Cobertura
Arbórea:
Si concebimos como modelo a la representación de un componente o un proceso de
la realidad y si existe alguna forma de poder generar escenarios futuros de cambio
de uso del suelo, la información puede resultar muy útil ya que puede dar
información de algún indicador de sostenibilidad (Almeida, 2003). Existen dos
aproximaciones para la creación de modelos predictivos a) Modelos basados en
análisis de regresión los cuales utilizan varias variables para generar la predicción y
b) Modelos basados en Transición Espacial. Estos Modelos comprenden básicamente
las técnicas estocásticas basada en el método de cadenas de Markov y automatas
celuláres (AC) en donde asumen principalmente que las áreas vecinas influyen en la
probabilidad de ser transmitida a otra área o celda central (Enriquez y Azócar G.
2007)
Este análisis se realizó en base al Modelo de Transición Espacial por medio de
Cadenas de Markov (Eastman, 2009), el software utilizado es Idrisi Taiga de Clark
Labs, en donde se analizó los eventos en serie del uso de la cobertura arbórea,
considerando la probabilidad de que ocurriera un evento dependía del evento
inmediato anterior por medio de una secuencia x1, x2, x3,..n, de variables
aleatorias. El espacio estado (rango de las variables), el valor de Xn es el estado del
proceso y el tiempo n, da una distribución de probabilidad condicional de Xn+1 en
estados pasados es una función de Xn por sí sola, quedando la formula:
(Fuente: Eastman, 2009)
La fase de cambio de uso del suelo para cada sitio correspondió de acuerdo entre
los años
1996/1997/2000/2001 y los años 2006/2007, por medio de la
reclasificación proveniente del análisis realizado a los mismos sitios, asignando las
clases de 1= cobertura arbórea y 2= no cobertura arbórea.
Para el proceso de simulación se determino las probabilidades de transición para las
distintas coberturas del suelo para simular la situación en un año x, en base al
perído x-1 por medio de Cadenas de Markov. Luego se generó el proceso
estocasticamente para distribuir el complementariamente el Algoritmo de
automatismo celular (AC) el cual midió la contigüidad local, logrando simular la
cobertura arbórea para los ocho sitios de estudio a los años 2015, 2025 y 2050.
Para este proceso no se realizó ninguna Evaluación Multi-Criterio (EMC) ya que el
objetivo del análisis era el de determinar el comportamiento de la cobertura
arbórea sin tomar en cuenta la aptitud que tendría al considerar una serie de
factores y restricciones para cada uso.
Para poder validar el modelo se contrasto el uso simulado al año 2006 respecto al
uso verdadero realizado en la clasificación que data del mismo año, para los
municipios de Santiago Atitlán y San Lucas Tolimán en el país de Guatemala.
3. RESULTADOS.
Los resultados globales se encuentran definidos en la siguiente tabla No.3
Tabla 3. Resultados por país y sitio de estudio
SITIO
COB
ARBOREA
FECHA 1
ha.
COB
ARBOREA
FECHA 2
ha.
COB
ARBOREA
FECHA 3
ha.
TASA
CAMBIO
ANUAL
FECHA 1
%
TASA
CAMBIO
ANUAL
FECHA 2
%
San Lucas Tolimán
Santiago Atitlán
Santa María Ixhuatán
Nueva Santa Rosa
La Campa
Concepción Sur
5,032
8,548
5,615
5,126
7,057
3,508
5,284
8,748
5,791
5,504
7,036
3,478
4,952
8,680
5,602
5,192
7,119
3,454
1.00
0.48
0.63
1.43
-0.08
-0.37
-1.27
-0.15
-0.64
-1.14
0.19
-0.10
León Cortéz
4,139
4,032
4,200
-0.88
0.57
Península de Nicoya
6,348
6,450
6,481
0.40
0.10
PAIS
Guatemala
Honduras
Costa Rica
Los resultados por sitio se definen a continuación:
3.1. Guatemala
Los resultados generales en combinación de la Banda 3 para Guatemala se
muestran en la tabla No.4
Tabla 4. Resultados en Hectáreas (ha) para los cuatro sitios de Guatemala
COMBINACION DE BANDAS
MUNICIPIO
San Lucas Tolimán
Santiago Atitlán
Santa María Ixhuatán
Nueva Santa Rosa
I
4,826
8,295
5,532
4,876
II
43
256
59
238
III
31
73
4
37
IV
53
56
6
42
V
288
31
141
220
VI
127
165
58
170
VII
26
30
18
38
VIII
1,965
2,670
10,652
7,578
3.1.1. Cobertura Arbórea
3.1.1.1. San Lucas Tolimán
Los resultados para este sitio de estudio muestran que para el año 1996 existía una
cobertura arbórea de 5,032 ha., luego hubo un incremento hacia el año 2000 con
5,284 ha., mostrando un descenso para la tercera fecha de 4,952 ha. La tasa global
de cambios para este sitio entre 1996 y el 2000 de 4.78% lo que equivale a una
ganancia del 1.0%.
No obstante existe una disminución en la cobertura arbórea global para el periodo
2000-2006 con -6.70% lo que da una tasa de cambio anual de -1.27%. Es notable
mencionar que para este sitio existe un incremento (clases II, III y V) de cobertura
arbórea entre los años 1996 y 2000 de 43 ha., y 31 ha., para la segunda fecha
evaluada. Los cambios negativos (clase V, VI y VII) ocurren generalmente en la
parte sur del municipio, la considerada de clase V (NC-CA-NC) posiblemente dado
por el paso de la Tormenta Tropical Stan a finales del año 2005.
Gráfica 1. Relación cobertura arbórea (ha) para 3 años. San Lucas Tolimán
5400
5300
5200
ha
5100
5000
4900
4800
4700
1996
2000
2006
Cobertura arborea
3.1.1.2. Santiago Atitlán
En este sitio de estudio muestra que para el año 1996 existía una cobertura
arbórea de 8,548 ha., luego hubo un incremento hacia el año 2000 con 8,748 ha.,
descendiendo hacia la tercera fecha evaluada (2006) a 8,680 ha. La tasa global de
cambios para este sitio entre 1996 y el 2000 de 2.29% lo que equivale a una
ganancia del 0.48%.
Como se menciona en el análisis anterior para este sitio también existe una
disminución en la cobertura arbórea global de -0.78 (67 ha), lo que se traduce a
una perdida anual -0.15%, muy posiblemente dado por el paso de la Tormenta
Tropical St
Gráfica 2. Relación cobertura arbórea (ha) para 3 años. Santiago Atitlán
8800
8750
8700
ha
8650
8600
8550
8500
8450
8400
1996
2000
2006
Cobertura arborea
3.1.1.3. Santa María Ixhuatan
Para la región sur oriente donde se encuentran ubicados este y el siguiente
municipio, Santa María Ixhuatán tiene una cobertura arbórea en el año de 1996 de
5,615 ha., al calcular nuevamente la cobertura al año 2000 muestra un aumento
de 176 ha., lo que da como resultado 5,791 ha., y para la tercera fecha evaluada
entre los años 2000-2006 tiene una cobertura total de 5,602 ha., lo que índica que
tiene una perdida de 189 ha.
Estos resultados nos muestran tasa global de cambios para este sitio entre 1996 y
el 2000 de 3.04% y para el periodo 2000-2006 tiene una perdida de -3.39%. la
tasa de cambio anual es de 0.63% para el primer periodo y -0.64% para el periodo
del 2000-2006.
Gráfica 3. Relación cobertura arbórea (ha) para 3 años. Santa María Ixhuatan
5850
5800
5750
ha
5700
5650
5600
5550
5500
1996
2000
2006
Cobertura arborea
3.1.1.4. Nueva Santa Rosa
Gráfica 4. Relación cobertura arbórea (ha) para 3 años. Nueva Santa Rosa
5600
5500
5400
ha
5300
5200
5100
5000
4900
1996
2000
Cobertura arborea
2006
3.2. Honduras
Los resultados generales en combinación de la Banda 3 para Honduras se muestran
en la tabla No.5
Tabla 5. Resultados en Hectáreas (ha) para los sitios de Honduras
COMBINACION DE BANDAS
MUNICIPIO
La Campa
Concepción Sur
I
6,746
3,353
II
168
39
III
16
13
IV
190
49
V
58
10
VI
64
77
VII
58
29
3.2.1. Cobertura Arbórea
3.2.1.1. La Campa
Gráfica 5. Relación cobertura arbórea (ha) para 3 años. La Campa
7,140
7,120
7,100
ha
7,080
7,060
7,040
7,020
7,000
6,980
1996
1999
Cobertura arborea
2006
VIII
3,526
2,897
3.2.1.2. La Concepción Sur
Gráfica 6. Relación cobertura arbórea (ha) para 3 años. Concepción Sur
3,520
3,510
3,500
3,490
ha
3,480
3,470
Serie1
3,460
3,450
3,440
3,430
3,420
1997
2000
2007
cobertura arborea
3.3. Costa Rica
Los resultados generales en combinación de la Banda 3 para Costa Rica se
muestran en la tabla No.6
Tabla 6. Resultados en Hectáreas (ha) para los sitios de Costa Rica
COMBINACION DE BANDAS
MUNICIPIO
León Cortez
Península Nicoya
I
3,707
6,220
II
51
113
III
289
123
IV
152
26
V
5
47
VI
268
70
VII
11
33
VIII
7,795
9,934
Gráfica 7. Relación cobertura arbórea (ha) para 3 años. León Cortez
4,250
4,200
4,150
ha
4,100
4,050
4,000
3,950
3,900
1997
2000
2007
Cobertura arborea
3.3.1.2. Península de Nicoya
Gráfica 8. Relación cobertura arbórea (ha) para 3 años. Península de Nicoya
6,500
6,450
ha
6,400
6,350
6,300
6,250
1997
2001
Cobertura arborea
2006
3.4. Modelo de Simulación de cobertura arbórea hacia los años 2015-2025 y 2050
3.4.1 Guatemala
Tabla 7. Simulación de cobertura arbórea, años 2015-2025-2050 para los sitios de
Guatemala
SITIO
COBERTTURA
ARBOREA (ha)
4,020
3,232
2,605
7,560
6,881
6,352
5,757
5,463
4,664
5,485
5,001
4,154
AÑO
2015
2025
2050
2015
2025
2050
2015
2025
2050
2015
2025
2050
San Lucas Tolimán
Santiago Atitlán
Santa María Ixhuatán
Nueva Santa Rosa
TASA DE
CAMBIO ANUAL
%
-2.58
-2.44
-0.96
-1.65
-0.99
-0.33
0.30
-0.54
-0.68
0.59
-0.97
-0.82
3.4.2. Simulación de Cobertura Arbórea
3.4.2.1. San Lucas Tolimán años 2015-2025-2050
Gráfica 9. Simulación de la cobertura arbórea 2015-2025-2050, San Lucas Tolimán
4,500
4,000
3,500
3,000
ha
2,500
2,000
1,500
1,000
500
0
2015
2025
Año
2050
3.4.2. Santiago Atitlán años 2015-2025-2050
Gráfica 10. Simulación de la cobertura arbórea 2015-2025-2050, Santiago Atitlán
7,800
7,600
7,400
7,200
ha
7,000
6,800
6,600
6,400
6,200
6,000
5,800
5,600
2015
2025
2050
Año
3.4.2.3. Santa María Ixhuatán años 2015-2025-2050
Gráfica 11. Simulación de la cobertura arbórea 2015-2025-2050, Santa María Ixhuatán
7,000
6,000
5,000
ha
4,000
3,000
2,000
1,000
0
2015
2025
Año
2050
3.4.2.4. Nueva Santa Rosa años 2015-2025-2050
Gráfica 12. Simulación de la cobertura arbórea 2015-2025-2050, Nueva Santa Rosa
6,000
5,000
ha
4,000
3,000
2,000
1,000
0
2015
2025
2050
Año
3.4.2 Honduras
Tabla 8. Simulación de cobertura arbórea, años 2015-2025-2050 para los sitios de
Honduras
SITIO
La Campa
Concepción Sur
AÑO
2015
2025
2050
2015
2025
2050
COBERTTURA ARBOREA
(ha)
4,020
3,232
2,605
3,258
3,129
2,830
TASA DE
CAMBIO
ANUAL %
-1.28
-0.39
-0.39
-0.67
-0.41
-0.42
3.4.3 Costa Rica
Tabla 9 . Simulación de cobertura arbórea, años 2015-2025-2050 para los sitios de Costa
Rica
SITIO
León Cortez
Península de Nicoya
AÑO
2015
2025
2050
2015
2025
2050
COBERTTURA
ARBOREA (ha)
5,557
5,221
4,488
7,542
7,096
6,196
TASA DE CAMBIO
ANUAL %
-0.36
-0.64
-0.65
-0.26
-0.63
-0.58
BIBLIOGRAFIA
1. Almeida, C; Batty, M; Vieira, M; Cámara, G; Soares, B; Coutinho, G; Lopes, C. 2003.
Stochastic cellular automata modeling of urban land use dynamics: empirical
development and estimation. Computers Environment and Urban System Volume
27. Issue 5. Science Direct.
2. Alves, L., Santos, F. 2002. Tree allometry and crown shape of four tree species in
Atlantic rain forest, south-east Brazil. Journal of Tropical Ecology, 18. pp 245-260
3. Campbell, J.B, 1987. Introduction to remote sensing. New York: The Guillford Press.
pp 670
4. Chuvieco, E. 2000. Fundamentos de teledetección especial. 3ed. Españo. Rialp. pp
568
5. Enriquez, C. y Azócar G. 2007. Patrones de crecimiento en ciudades intermedias
chilenas y su impacto en la sostenibilidad urbana. Ciudades Médias: espaços em
transição. M. BELTRÃO. Presidente Prudente, CIMPEDE. 2007: En prensa.
6. ERDAS. 2008. Field Guide. Thecnical Documentation. Volume Two. pp. 384
7. Eastman, R.J. 2009. Idirisi Taiga. Guide to GIS and Image Processing. Clark
Labs.Clark University. USA. 342pp
8. Henríquez Ruiz, C., Azócar Garcia, G. 2007. Propuesta de Modelos Predictivos en la
Planificación Territorial y Evaluación de Impacto Ambiental. Los Problemas del
Mundo Actual Soluciones y Alternativas desde la Geografía y las Ciencias
Sociales.IX Coloquio Internacional de Geocrítica. Universidade Federal do Rio
Grande do Sul.
9. King, D. 1996. Allometry and Life History of Tropical Trees. Journal of Tropical
Ecology, Vol. 12, No. 1, pp. 25-44
10. Poorter, L., Bongers, L., Bongers, F. 2006. Architecture of 54 moist forest tree
species: traits, trade-offs, and functional groups. Ecology: Vol. 87, No. 5, pp. 12891301
11. Ruppert, G.S. 1997. A hybrid classifier for remote sensing applications. En:
International Journal of Neural Systems. Vol.8, No.1, pp.63-68
12.UVG, INAB, CONAP. 2006. Dinámica de la Cobertura Forestal de Guatemala
durante los años
1991, 1996 y 2001 y Mapa de Cobertura Forestal 2001. UVG,
INAB, CONAP, Guatemala.
Descargar

Resultados del análisis de cambio de uso de la tierra con imágenes