“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.