Upload
santiago-silva
View
257
Download
3
Embed Size (px)
DESCRIPTION
Estudio Multitemporal del Pueblo Shuar Arutam
Citation preview
CONSEJO DE GOBIERNO DEL PUEBLO SHUAR ARUTAM
CGPSHA
ESTUDIO
DETERMINACIÓN DE LOS PATRONES DE DEFORESTACIÓN EN EL
TERRITORIO DEL CGPSHA, A TRAVÉS DE UN ESTUDIO
MULTITEMPORAL PARA LOS AÑOS 1987 y 2009.
Febrero, 2010
ESTUDIO: DETERMINACIÓN DE LOS PATRONES DE DEFORESTACIÓN
EN TERRITORIO DE LA CGPSHA, A TRAVÉS DE UN ESTUDIO
MULTITEMPORAL PARA LOS AÑOS 1987 y 2009.
Técnicos encargados del estudio:
Dr. Luis Arévalo
Ing. Santiago Silva
Egsda. Elizabeth Minga
Seguimiento: Equipo técnico CPSHA
Supervisión: Equipo GIZ
Fundación Arcoiris , 2010
1
TABLA DE CONTENIDOS
TABLA DE CONTENIDOS
LISTA DE TABLAS
LISTA DE FIGURAS
LISTA DE ANEXOS
CAPÍTULO 1. ANTECEDENTES
CAPÍTULO 2. INTRODUCCIÒN
CAPÍTULO 3. REVISION DE LITERATURA
3.1 CONCEPTO DE DEFORESTACIÒN
3.1.1. Causas de la Deforestaciòn
3.1.2. Deforestacion en el Mundo
3.1.3. Deforestaciòn en America Latina
3.1.4. Deforestaciòn en el Ecuador
3.2. PRINCIPIOS Y FUNDAMENTOS DE TELEDECCIÒN
3.2.1. Resoluciòn de un Sistema Sensor
3.2.1.1. Resoluciòn Espectral
3.2.1.2. Resolucion Radiomètrica
3.2.1.3. Resoluciòn Espacial
3.2.1.4. Resoluciòn Temporal
3.2.2. Tratamiento Digital de Imágenes
3.2.2.1 Correcciones Geomètricas
3.2.2.2 Calculo de Reflectividad
3.2.2.3. Correcciones Atmosfericas
3.2.3. Metodos de Clasificaciòn Digital
3.2.3.1 Clasificacion Supervisada
3.2.3.2 Clasificaciòn no Supervisada
3.3. CONCEPTUALIZACION DE TIPOS DE COBERTURA
3.3.1. Definicion e Importancia
3.3.2. Enfoques Generales del Estado de la Vegetaciòn
3.3.3. Clases de Cobertura y Uso del Suelo
3.4. Tecnicas de Analisis Multitemporal
3.4.1. Composiciones de Color Multitemporal
3.4.2. Diferencia entre Imágenes
3.4.3. Cocientes Multitemporales
3.4.4. Regresiòn
3.4.5. Vectores Multitemporales
3.4.6. Problemas de Delimitar Umbrales
3.4.7. Analisis Multitemporal de Imágenes Clasificadas
3.5. Modelador de Cambios en el Terreno para la Sustentabilidad Ecológica
2
3.5.1. Fichas y Paneles
CAPÍTULO 4. METODOLOGIA
Descripcion del area de estudio
4.1. Materiales
4.2. Base de datos Geograficos de la Cobertura Vegetal
4.2.1.1. Recopilación de Información Primaria
4.2.1.2. Validación de la Información
4.2.1.3. Homologación de la Información
4.2.1.4. Depuración y Almacenamiento de la Base de Datos
4.2.1.5. Tratamiento de Imágenes de Satelite
4.2.1.5.1. Pre-Procesamiento De Imágenes
4.2.1.5.2. Búsqueda y Selección de Imágenes
4.2.1.5.3. Corrección geométrica
4.2.1.5.4. Correcciones Radiométricas
a) Corrección Atmosférica
b) Análisis de Componentes Principales (ACP)
4.2.1.6. Elaboración de Mosaicos
4.2.1.7. Procesamiento de Imágenes
4.2.1.7.1. Clasificación Supervisada
4.2.1.7.2. Trabajo de Campo
4.2.1.7.3. Recolección de Firmas Espectrales
4.2.1.7.4. Análisis Estadístico
4.2.1.7.5. Fase de Asignación
4.2.1.7.6. Análisis post Casificación
4.2.1.7. Validación
4.2.1.8. Edición de Resultados Geográficos
4.2.2. Determinar la Tasa de Deforestación en Base al Análisis Multitemporal de
Imágenes Satelitales, período 1987 y 2009
4.2.2.1. Identificación de Cambios en la Cobertura Vegetal y uso del Suelo
4.2.2.2. Cálculo de la Tasa de Deforestación
4.2.3. Elaboración del Modelo de Simulación del Proceso de Deforestación de la
Provincia
4.2.3.1. Preparación de Datos
4.2.3.2.Corrida del Modelo
CAPÍTULO 5. RESULTADOS Y DISCUSIÒN
5.1.1. Información Base Escala 1:50 000
3
5.1.1.2. Tratamiento de Imágenes Satelitales
5.1.2. Base de datos de Cobertura Vegetal de los Años 1987 y 2009
5.1.2.1. Génesis de la Cobertura Vegetal Actual
5.2.1.2. Cobertura Vegetal y Uso del Suelo
5.2.1.3. Imágenes Categorizadas para Analisis Multitemporal
5.2.1.3.1. Cobertura Vegetal año 1987
5.2.1.3.2. Cobertura Vegetal año 2009
5.2.3. Tasa de Deforestación en Base al Análisis Multitemporal de Imágenes
Satelitales en el Período 1987 y 2009
5.2.3.1. Cambios de la Cobertura Vegetal 1987-2009
5.2.4. Modelo de Simulación del Proceso de Deforestación
5.2.5. Análisis de los Patrones de Deforestación
5.2.6. Alternativas De Mitigación
CAPITULO 6. CONCLUSIONES Y RECOMENDACIONES
CAPITULO 7.BIBLIOGRAFIA
CAPITULO 8. ANEXOS
4
LISTA DE TABLAS
Cuadro1. Recursos Naturales 2000
Cuadro 2. Deforestación del Ecuador continental durante el periodo 1991- 2000
Cuadro 3. Bandas de imágenes Landsat TM (Tematic Maper)
Cuadro 4. Diccionario de la base datos geográficos del CGPSHA
Cuadro 5. Imágenes disponibles en el presente estudio.
Cuadro 6. Clasificación de cobertura vegetal utilizada
Cuadro 7.
Cuadro. 8. Descripción de la génesis de la cobertura vegetal por tipo de paisaje
Cuadro.9. Cobertura vegetal del territorio del CGPSHA
Cuadro 10. Descripción de atributos por tipo de cobertura vegetal existente en el
territorio del CGPSHA
Cuadro 11. Base de datos de la cobertura vegetal del territorio del CGPSHA del
año 1987
Cuadro 12. Base de datos de la cobertura vegetal del territorio del CGPSHA del
año 2009 simplificada.
Cuadro 13. Cambio que presentan las categorías en el período de 1987-2009
Cuadro 14. Estimación de la deforestación al 2025
Cuadro 15. Datos de población total del territorio del CGPSHA
5
LISTA DE FIGURAS
Figura 1. Gráfica del proceso en teledetección
Figura 2. Rango del espectro electromagnético (ERDAS 2001).
Fig. 3. Ubicación del área de estudio
Fig. 4. Modulo atmosc para realizar correcciones atmosféricas
Fig.5 Modulo ACP para realizar correcciones radiométricas
Fig.6. Mosaico elaborado para el año 2009, Imágenes ASTER
Fig.7. Mosaico elaborado para el año 2007, Imágenes Landsat TM5 año 2007 y
ETM+2002
Fig.8. Mosaico elaborado para el año 1987, Imágenes Landsat TM5
Fig. 9. Mapa de puntos de muestreo recolectados en campo
Fig.10. Marcara del territorio del CGPSHA
Fig.11. Modulo de Change analysis
Fig.12. Evaluaciòn de las àreas potenciales de transición
Fig.13. Generaciòn de los escenarios de predicción
Fig.14. Mapa de poblados actualizada
Fig.15. Mapa de puntos Altos actualizada
Fig.16. Mapa de red vial
Fig.17. Mapa de red hídrica
Fig.18. Mapa de curvas de nivel
Fig.19. Fragmento de imagen Aster con corrección atmosférica
Fig.20. Fragmento de imagen Aster con corrección topográfica
Fig.21. Niveles de transformación del paisaje en el territorio del CGPSHA
Fig.22. Mapa de cobertura vegetal y uso actual del suelo
Fig.23. Mapa de cobertura vegetal del año 1987
Fig.24. Mapa de cobertura vegetal del territorio CGPSha del año 2009
Fig.25. Tendencia de la deforestación para el periodo del 1987-2009
6
Fig. 26. Mapa de cambio de uso del suelo periodo 1987-2009
Fig.27. Anomalía detectada desde la imagen de Satélite
Fig.28. Apertura de trocha para tendido eléctrico sector las peñas.
Fig.29. Tendido eléctrico puesto en marcha en el sector las Peñas
Fig.30. Construcción de trocha para tendido eléctrico sector la Victoria.
Fig.31. Panorámica de corte a tala raza con fines de ampliación agrícola.
Fig.32. Potrero sin ningún tipo de manejo
Fig.33. Pastizales subutilizados
Fig.34. Pequeños depósitos de madera identificados a la largo del territorio.
Fig 35. Regeneración identificada en las imágenes de satélite
Fig 36. Mapa de predicción generado en el modulo LCM al 20020
Fig 37. Tendencia de la deforestación al año 2020.
7
LISTA DE ANEXOS
Anexo 1. Coberturas reconocidas en campo y análisis estadístico de imagenes
Anexo2. Características de las principales especies que se desarrollan dentro del
CGPSHA
Anexo 3. Características del área de estudio
Anexo 4. Variables generadas mediante modelación en Idrisi Taiga, como patrones
de deforestación.
8
CAPITULO 1. ANTECEDENTES
El Consejo de Gobierno del Pueblo Shuar Arutam CGPSHA, ubicado en los
cantones Tiwintza, Limón Indanza, San Juan Bosco y Gualaquiza, en la provincia de
Morona Santiago, se desarrolla sobre un territorio aproximado de 200.000 has en
la zona de la cordillera de El Cóndor; la CGPSHA ha recibido apoyo en los últimos
años de entidades de cooperación con el objetivo de apoyar a la conservación de
los recursos naturales de su territorio y fomentar alternativas de desarrollo y
seguridad alimentaria para el pueblo Shuar.
En este marco, el CGPSHA estableció un convenio de cooperación, con
Fundación Natura y el Proyecto El Cóndor (COSUDE –GTZ) quienes han venido
apoyando de manera conjunta, por ello es de fundamental importancia analizar de
qué modo las acciones orientadas al aprovechamiento sostenible de la madera, han
incidido de forma directa en la conservación del bosque natural y en el buen
manejo de los recursos de la Cordillera del Cóndor.
En este contexto se presenta los resultados del estudio sobre los patrones
de deforestación en el territorio de la CGPSHA, a través del estudio multi-
temporal para los años 1987 y 2009.
9
CAPITULO 2. INTRODUCIÒN
El estudio detalla los conceptos fundamentales de la deforestación sus causas,
efectos y su problemática a nivel mundial. Los temas relacionados con la aplicación
de técnicas para el cambio de uso del suelo. La importancia de la aplicación de los
Sistemas de Información Geográfica, como la proveedora de las herramientas para
desarrollar la Geomática en el campo del análisis del territorio.
La Técnica aplicada se fundamento en la interpretación de imágenes de satélite, la
que sirvió para generar y actualizar la base de datos geográfica del territorio del
CGPSHA.
Esta base sirvió para modelar el territorio, donde se utilizo el modulo Land
Change Modeler (LCM), disponible en el software Idrisi Taiga, la que está
programada para analizar las variables del territorio como patrones de cambio y
realizar las proyección a futuro.
El estudio determinó la tasa de deforestación para el periodo 1987-2009,
estableció los patrones de cambio y la proyección a 30 años, con intervalo de diez
años, dentro del territorio del Consejo de Gobierno del Pueblo Shuar Arutam
(CGPSHA).
Con esto se propuso acciones que ayuden a frenar el impacto de la deforestación, y
ayudar a la conservación del CGPSHA.
Se plantearon los siguientes objetivos
Objetivo General
Realizar un diagnóstico y análisis que permitan determinar los cambios en la
cobertura boscosa, las tasas y los patrones de deforestación en el territorio del
Consejo de Gobierno del Pueblo Shuar Arutam (CGPSHA).
10
Objetivos Específicos
Diseñar una base de datos geográfica del Consejo de Gobierno del Pueblo
Shuar Arutam CGPSHA, utilizando herramientas de geomática ambiental.
Determinar la tasa de deforestación en base al análisis multitemporal de
imágenes satelitales, en el periodo (1989-2009).
Elaborar un modelo de simulación del proceso de deforestación, que permita
analizar sus patrones de cambio.
Difundir el estudio de la deforestación y sus tendencias de la provincia al
Consejo de Gobierno del Pueblo Shuar Arutam CGPSHA.
11
CAPITULO 3. REVISIÒN BIBLIOGRÀFICA
A continuación se describe los conceptos que engloban la deforestación, la
teledetección y la modelación geográfica; como temas importantes en el desarrollo
del presente trabajo.
3.1 CONCEPTO DE DEFORESTACIÒN
De acuerdo al Programa de Evaluación de los Recursos
Forestales, FAO, define a la Deforestación como la conversión de bosques a otro
uso de la tierra o la reducción a largo plazo de la cubierta forestal por debajo del
límite del 10 por ciento (http://www.fao.org/mnts/glossary_es.asp#d).
Deforestación significa eliminar la cobertura de los árboles
en aras de la agricultura, actividades mineras, represas, creación y mantenimiento
de la infraestructura, expansión de las ciudades y otras consecuencias debidas a
un crecimiento rápido de la población
(http://www.aag.org/mycoe/student_guide/1%20Temas/4.Deforestacion.pdf).
Según el Programa de las Naciones Unidas para el Medio
Ambiente (PNUMA). Entiende por deforestación el desmonte total o parcial de las
formaciones arbóreas para dedicar el espacio resultante a fines agrícolas,
ganadero o de otro tipo. Esta concepción no tiene en cuenta ni la pérdida de
superficie arbolada por desmonte parcial, ni el entresacado selectivo de maderas,
ni cualquier otra forma de degradación
(http://www.pla.net.py/enlaces/cnelm/980617/deforefo.htm).
3.1.1 Causas de la Deforestación
Para el sector forestal debería ser una prioridad
absoluta afrontar las causas directas de la deforestación y la degradación
forestal. La deforestación no puede compensarse sencillamente plantando más
árboles. Si se toman en cuenta los numerosos problemas ecológicos, sociales y
12
económicos asociados a las grandes plantaciones de árboles. Algunas causan de la
destrucción de las selvas húmedas:
El crecimiento económico general, y su correspondiente incremento de la
demanda y el consumo de productos extraídos de la naturaleza en el trópico
húmedo, constituyen un importante factor que presiona por una mayor producción,
lo que también puede ser, a la vez, una oportunidad.
El crecimiento demográfico en las áreas selváticas, es en general, alto y en
muchas regiones constituye una aguda presión por parte de los nuevos
demandantes de tierra, lo cual ha ocasionado fuertes impactos destructivos.
La pobreza en la que viven una gran cantidad de indígenas y campesinos es un
factor que impulsa hacia el uso poco adecuado de los ecosistemas, ya que
representa múltiples limitaciones para el desarrollo productivo, reduce las
alternativas y fomenta el uso desesperado de recursos naturales.
Los macroproyectos privados y/o gubernamentales que dilapidan la
naturaleza, ya sea haciendo una extracción expoliadora de los recursos forestales
o sustituyendo las selvas por pastizales para el ganado o plantaciones
especializadas, o bien desarrollando proyectos con graves impactos ambientales,
como los hidráulicos mineros; en muchos casos, invadiendo territorios indígenas y
campesinos y desplazando de diversas formas a la población.
El cambio de uso de suelo, principalmente la expansión de la ganadería
extensiva; pero también la agricultura migratoria constituye uno de los factores
principales de la destrucción del trópico húmedo. La expansión de la frontera
agrícola, a través de estos agrosistemas, sustituye los complejos y muy
diversificados sistemas naturales tropicales, por agrosistemas extensivos y poco
productivos.
13
La expansión de la ganadería vacuna de pastoreo en las zonas tropicales
húmedas, para muchos países, ha constituido una causa fundamental que ha
provocado la destrucción de millones de hectáreas (ha) en los últimos años.
Otro factor de gran importancia en el proceso de deterioro es el
aprovechamiento forestal inadecuado y destructivo. Existe insuficiencia en el
establecimiento de sistemas sustentables de aprovechamiento forestal de las
selvas y de mecanismos de regulación y control que aseguren esquemas de manejo
sin destrucción.
La expansión de la infraestructura urbana y de comunicaciones constituye
también una causa importante. La ausencia de criterios ecológicos en el diseño y
construcción de la infraestructura tiene consecuencias destructivas, tanto por la
afectación directa de ocupación de espacio, como por los procesos socioeconómicos
y demográficos de uso del territorio que desencadena.
Problemas institucionales y de políticas públicas. En general, los esquemas
institucionales no se encuentran adecuados para enfrentar los problemas de
deterioro e impulsar alternativas integrales y de fondo. Es frecuente un fuerte
centralismo y una política sectorializada, descoordinada y que no permite una
participación de los campesinos e indígenas de las zonas de bosques tropicales.
Además existe, por lo común, una ausencia de esquemas de planeación regional de
mediano y largo plazo, por lo que se privilegia las visiones, muchas veces
depredadoras, del corto plazo. Existe además, una falta de políticas que logren la
valorización económica de la riqueza, los productos y los servicios ambientales de
las zonas del trópico húmedo (http://www.pnuma.org/forodeministros/12-barbados/bbdt03e-
BosquesTropicalesHumedos.pdf)
3.1.2 La Deforestación en el Mundo
El cambio neto anual de la cubierta forestal mundial
para la década de 1990–2005 se estimó en una disminución de 8,3 millones de
hectáreas de ese total 4,7 millones de hectáreas (el 55%) se percibió en América
14
Latina y el Caribe. La pérdida neta anual en América del Sur se estimó en 4,0
millones de hectáreas representando el 48% de la pérdida mundial y el 86% de la
pérdida anual de toda la región; Centroamérica y México experimentaron una
disminución anual de 667 000 hectáreas es decir el 14,5% del cambio regional,
México participó con una disminución anual de 318 000 hectáreas. En el Caribe, la
cubierta forestal aumentó en unas 41 600 hectáreas por año. Este incremento fue
consecuencia principalmente de la reforestación de unas 43 700 hectáreas anuales
en Cuba, y a la aparente estabilización de la superficie de bosques en la República
Dominicana, estos factores compensan el cambio negativo de los demás países
caribeños.
El cambio anual de cubierta forestal en el período
2000–2005 fue para el Caribe en positivo, es decir se ganaron 54 000 hectáreas,
mientras que para América Central y México se perdieron 545 000 y para América
del Sur 4,3 millones de hectáreas (FRA 2005).
Los países que presentan los mayores índices de
deforestación, registrando pérdidas anuales de más de 200 000 hectáreas son: el
Brasil, México, Venezuela y Bolivia. A nivel subregional, en América del Sur la
mayor reducción de la cubierta forestal se presentó en el Brasil, con una
disminución de 3,1 millones de hectáreas anuales, que corresponden al 37,3% de la
deforestación mundial y el 66% de la regional; en América Central, México y
Honduras fueron los países que experimentaron la mayor disminución con pérdidas
de 318 mil y 182 mil hectáreas anuales, respectivamente; y en el Caribe, Haití y
Trinidad y Tabago, con una disminución de 700 y 600 hectáreas anuales,
respectivamente (http://www.fao.org/docrep/007/ad680s/ad680soo.html).
15
3.2.2. La Deforestación en América latina
De acuerdo al Estudio Evaluación de los Recursos
Forestales Mundiales-2000" (ERF-2000) de la FAO estima que la pérdida anual
neta de bosques en la Región para el período 1990-2000, asciende a 4,28 millones
de hectáreas por año. En el resto del mundo la pérdida anual neta durante el mismo
período fue de 5,11 millones de hectáreas por año.
La cubierta forestal de América Latina y el Caribe
en 2005 es de 924 millones de hectáreas, correspondientes al 46% de la
superficie terrestre total de la región y al 23% del área forestal total del mundo.
Dentro la región el 90% del área forestal se encuentra en América del Sur, el 9%
en América Central y México y solo 1% en el Caribe.
Los cinco países con mayor cubierta forestal son el
Brasil (477,7 millones de hectáreas), el Perú (68,7 millones), México (64,2
millones), Colombia (60,7millones) y Bolivia (58,7 millones) totalizando 730 millones
de hectáreas o sea el 79% del área forestal total en América Latina y el Caribe. La
cubierta forestal en América Latina y el Caribe continúa decreciendo. La pérdida
neta anual durante el período 2000–2005 asciende a 4,7 millones de hectáreas, lo
que corresponde al 65% de la pérdida anual neta mundial.
En Trinidad y Tobago señalan, que hay una pérdida
permanente de bosques del Estado y de privados, debidos a otros usos de la tierra
tales como programas agrícolas, habitacionales, mineras, y debido a la explotación
de gas y petróleo. Además vastas extensiones de tierras forestales han sido
degradadas a causa de incendios forestales y la excesiva tala Haití informa que
debido a la continua presión de la agricultura, el bosque natural está retrocediendo
significativamente (http://www.fao.org/docrep/007/ad680s/ad680soo.html).
16
Cuadro1. Recursos Naturales 2000
Fuente: FAO, 2002. Evaluación de los recursos forestales mundiales-2000. Informe Principal,
Estudio FAO Montes Nº 140.
3.1.3. Deforestación en el Ecuador
La pérdida de bosques en el Ecuador y el cambio de
la cubierta vegetal natural, es producto de las actividades de aprovechamiento en
sí, las cuales en la mayoría de los casos han sido de tipo extractivo selectivo y por
la importancia económica y de subsistencia de las actividades agropecuarias. En
este país se ha producido un fuerte cambio del uso de la tierra, incluso en suelos
de aptitud forestal. Otras causas, tales como políticas de colonización mal
País,
región
Superfici
e
terrestre
(1000
ha)
Superficie forestal 2000 Volumen
de
madera
en los
bosques2
(m3/ha)
Biomasa
en los
bosques
3 (t/ha)
Total de
bosques(10
00 ha)
Porcentaje de
superficie
terrestre (%)
Superficie
percápita
(ha)
Plantaciones
forestales
(1000 ha)
Argentina 273 669 34 648 12,7 0,9 926 25 68
Bolivia 108 432 53 068 48,9 6,5 46 114 183
Brasil 845 651 543 905 64,3 3,2 4 982 131 209
Chile 74 881 15 536 20,7 1,0 2 017 160 268
Colombia 103 871 49 601 47,8 1,2 141 108 196
Ecuador 27 684 10 557 38,1 0,9 167 121 151
Guyana Francesa
8 815 7 926 89,9 45,6 1 145 253
Guyana 21 498 16 879 78,5 19,7 12 145 253
Paraguay 39 730 23 372 58,8 4,4 27 34 59
Perú 128 000 65 215 50,9 2,6 640 158 245
Suriname 15 600 14 113 90,5 34,0 13 145 253
Uruguay 17 481 1 292 7,4 0,4 622 - -
Venezuela 88 206 49 506 51,1 2,1 863 134 233
Total América del Sur
1 678 643 870 082 50,5 2,6 10 457 125 203
17
dirigidas acompañadas por leyes que han promovido la deforestación (como el caso
de la Ley de Reforma Agraria); las ventajas económicas de otros usos de la tierra
frente al uso forestal; la inseguridad en la tenencia de la tierra; la subvaloración
de los bosques y la madera; el débil control estatal; entre otras, conducen a una
alta presión sobre el bosque y al cambio del uso de la tierra.
De acuerdo a datos emitidos por el Ministerio del
Ambiente, en el Ecuador los bosques ocupan la mitad de todo el territorio nacional,
es decir, 130.002 km2 (http://www.rlc.fao.org).
Cuadro 2. Deforestación del Ecuador continental durante el periodo 1991- 2000
Tipo de bosque 1991 ha
2000 ha
Deforestación 1991 – 2000 (ha)
Tasa de deforestación
anual (%)
Bosque húmedo
12 114 299 10 489 756 1 624 543 1,49
Bosque seco 708 768 569 657 139 111 2,18
Manglares 162 197 150 002 12 195 0,84
Moretales 477 390 470 407 6 983 0,16
TOTAL 13 462 654 11 679 822 1 782 832 1,47
Fuente: www.dev.clirsen.com/pdfs/defo_ecuador.pdf.
Según los datos del “CLIRSEN”, Centro de
Levantamientos Integrados de Recursos Naturales por Sensores Remotos, en 1991
existían 13'462.654 hectáreas de bosques húmedos, secos y manglares, mientras
que para el 2000, el área con cubierta vegetal se registró en 11'679.822, lo cual da
una tasa anual del 1,47 % deforestando es decir 1´782.832 hectáreas
deforestadas, para el 2004 se estima que han desaparecido aproximadamente unas
792.000 hectáreas más, quedando así un total de 10´887.822 hectáreas de
cobertura forestal en el Ecuador.
Hasta hace 10 años, el 80% de la madera que se
utilizaba en el Ecuador provenía de los bosques de la provincia de Esmeraldas y el
18
20% de la Región Amazónica, pero esta relación ha cambiado, debido a que en los
últimos años ha sido sobre explotado por parte de las empresas madereras sin
correcto y oportuno control, es así que el tráfico de la madera, en la actualidad " el
60% sale posiblemente de Esmeraldas y el 40% de la Región Amazónica", lo que nos
da a entender que el gremio maderero busca otras áreas forestales para su
explotación.
De acuerdo a las cifras del Colegio de Ingenieros
Forestales de Pichincha indican que únicamente de la provincia de Esmeraldas salen
mensualmente entre 30.000 y 35.000 metros cúbicos de madera, esto equivale a
una columna aproximada de 1.000 trailers llenos con trozas y tablones de madera,
desconociendo el porcentaje legal e ilegal.
A nivel nacional y de acuerdo al monitoreo realizado
por el CLIRSEN se estima un promedio de deforestación de 198.000 hectáreas de
bosques durante cada año.
Si esta situación se mantiene, de acuerdo a los
cálculos, el Ecuador quedaría totalmente deforestado en el año 2050 a pesar de
que el 37% de los bosques están declarados como Reservas Naturales Protegidas,
que equivale al 18% del territorio Nacional (http://www.dev.clirsen.com/pdfs/defo
_ecuador.pdf).
3.2. PRINCIPIOS Y FUNDAMENTOS DE TELEDETECCIÓN
La Teledetección (Remote Sensing) se define como la ciencia
y arte de obtención de información acerca de un objeto, área, o fenómeno a través
del análisis de información adquirida por un dispositivo que no está en contacto con
el objeto, área, o fenómeno bajo investigación (Lillesand y Kiefer, 1994).
La teledetección es una técnica aplicada, que a través del tiempo y
espacio, permite obtener información sobre los objetos que se hallan en la
superficie terrestre (Chuvieco 2002).
19
Figura 1. Gráfica del proceso en teledetección
(i) Reflexión; (ii) emisión; (iii) emisión-reflexión (Chuvieco, 2002).
Cualquier sistema de Teledetección consta de tres elementos
fundamentales: el sensor, el objeto observado y un flujo energético que permita
poner a ambos en relación. Este flujo de energía puede proceder del objeto por
reflexión de la luz solar, por algún tipo de energía emitida por el propio objeto, o
incluso por el sensor. De este modo se derivan las tres formas de adquirir
información a partir de un sensor remoto: por reflexión, por emisión y por emisión-
reflexión (Chuvieco, 1996).
Los sensores remotos usualmente registran radiación
electromagnética. La radiación electromagnética (REM) es energía transmitida a
través del espacio en forma de ondas eléctricas y magnéticas (Star y Estes 1990).
Los sensores remotos están hechos de detectores que registran longitudes de
onda específicas del espectro electromagnético. El espectro electromagnético es
el rango de radiación electromagnético que se extiende de las ondas cósmicas
hasta las ondas de radio (Chuvieco 1996).
Un sensor remoto se define como un instrumento especial cuya
tecnología permite la obtención de información de objetos sin estar físicamente en
contacto con él. Estos instrumentos se conocen en conjunto como Sensores
(i)
(iii)
(ii)
20
M
E
DI
O
C
E
R
C
A
N
O
TÉRMIC
O
INFRARRO
JO U
L
T
R
A
VI
O
L
E
T
A
RAYOS -
X RAYO
S GAMM
A
1
2 1
0 9 8 7 6 5 4 3 2 1
3 1
1 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
0 1
4 Frecuencia
(MHz)
0,0
1 0,
1 1 1
0 10
0 1 1 1
0 1
0 10
0 1
0 0,
1 0,
1 1
Longitud de
onda (
Angstro
ms Micrómetr
os Centímetr
os Metr
os
UH
F VH
F
MICRO-
ONDAS RADA
R RADIO,
TV.
ESPECTRO
VISIBLE
0,
4 0,
5 0,
6 0,7
µm
AZUL VERDE ROJO
Remotos incluyendo aparatos como la cámara fotográfica, sistemas scanner y de
radar.
Todos los tipos de cobertura del suelo, absorben una porción del
espectro electromagnético y proporcionan una firma espectral única de radiación
electromagnética. El de las longitudes de onda que son adsorbidas por ciertos
elementos y de la intensidad de la reflectancia de ellos permite analizar una
imagen y hacer inferencias exactas a cerca de la escena (ERDAS 2001).
Figura 2. Rango del espectro electromagnético (ERDAS 2001).
3.2.1. Resolución de un sistema sensor.
De acuerdo con algunos autores podemos definir la
resolución de un sistema sensor como su habilidad para discriminar información de
detalle (Estes y Simonett 1975). En definitiva el concepto de resolución implica
cuatro manifestaciones: espacial, espectral, radiométrica y temporal (Chuvieco
1996).
21
3.2.2.1 Resolución espectral
Indica el número y anchura de las bandas
espectrales que puede discriminar el sensor. Los sensores del satélite Landsat TM
(Mapeador Temático) captan la energía reflejada por la superficie terrestre en 7
bandas o rangos del espectro electromagnético (Estes y Simonentt, 1975).
Cuadro 3. Bandas de imágenes Landsat TM (Tematic Maper)
Banda Espectro electromagnético
1 De 0,45 – 0,52 mµ, (micrómetros), corresponde al rango espectral del color azul. Banda
diseñada para penetrar en cuerpos de agua, y diferenciar entre agua y suelo, vegetación
2 De 0,52 – 0,60 mµ, corresponde al color verde. Se presenta la máxima reflexión de la
vegetación, siendo útil para estimar su vigor.
3 De 0,63 – 0,69 mµ, corresponde al rango espectral del color rojo.
Se da la mayor absorción por la clorofila de la vegetación, ayudando a su discriminación.
4 De 0,76 – 0,90 mµ, corresponde al rango espectral del infrarrojo cercano. Útil para la
determinación de biomasa y delineamientos de cuerpos de agua.
5 De 1,55 – 1,75 mµ, corresponde al rango espectral del infrarrojo medio. Indicativa del
contenido de humedad en la vegetación y en el suelo.
6 De 10,40 – 12,50 mµ, corresponde al rango espectral del infrarrojo térmico, útil para
mapeo de temperaturas y análisis del estrés en la vegetación.
7 De 2,08 – 2,35 mµ, corresponde al rango espectral de emisión del infrarrojo medio. Esta
banda fue diseñada para mapeo térmico y aplicaciones geológicas (estudio de rocas).
Fuente: Chuvieco, 1996
3.2.2.2. Resolución radiométrica.
Esta resolución depende de la sensibilidad
del sensor, en otras palabras, de su capacidad para detectar variaciones en la
radiancia espectral que recibe, y va del nivel (0) hasta (256); el cero equivale al
color negro y el 256 al color blanco, existiendo una gama de grises en el rango
indicado. Al conjunto de la resolución espectral y espacial se le conoce como
resolución radiométrica.
22
3.2.2.3. Resolución espacial
Este concepto designa al objeto más
pequeño el píxel que puede ser identificado en una imagen. El píxel es la medida
más generalizada de resolución espacial. Es la identificación de los objetos sobre la
superficie tierra y la discriminación de los mismos.
3.2.2.4. Resolución temporal
Relacionado con la frecuencia de
cobertura que proporciona el sensor, determinando la periodicidad en fechas con la
que se registran los datos de la misma porción de la superficie terrestre.
3.2.2. Tratamiento digital de imágenes
3.2.2.1. Correcciones geométricas
Las correcciones geométricas de la
imagen incluyen cualquier cambio en la posición que ocupan los píxeles que la
forman, los niveles digitales cambian solo su posición. La corrección geométrica
puede abordarse de acuerdo a dos procedimientos:
1. Corrección a partir de modelos orbitales: pueden corregirse errores
sistemáticos como son los derivados de de la rotación o curvatura terrestre y
de la inclinación de la órbita.
2. Corrección a partir de puntos de control: se asume que no se conoce la fuente
de los errores, pero que estos se pueden modelarse a un conjunto de puntos que
se conoce tanto las coordenadas de la imagen a corregir como las del mapa o
imagen de referencia
3.2.2.2. Cálculo de reflectividad
Para conocer la reflectividad de una
superficie es preciso relacionar dos magnitudes: la energía reflejada y la incidente.
A partir de los datos medidos por el sensor se puede obtener la primera, esa
medición se codifica a un valor numérico, que se denomina ND (nivel digital) de
acuerdo a unos coeficientes específicos para cada sensor. Ya que estos
23
coeficientes son conocidos puede realizarse el proceso inverso, obteniendo los
valores de radiancia espectral detectada por el sensor a partir de los niveles
digitales.
3.2.2.3. Corrección atmosférica y conversión a
reflectividad.
Empleando un procedimiento basado en un modelo
propuesto por Chávez (1996).
Este modelo se basa en la siguiente fórmula:
kdikiko
okkaksen
kEE
LLK
,,,
,,,
cos
/
Donde: Pk es la reflectividad para la banda k:
K se refiere a cada una de las bandas del sensor, es un factor que tiene en
cuenta la variación de la distancia Tierra-Sol, y se calcula a partir del día
juliano (D) siguiendo la siguiente fórmula:
K = (1 + 0,0167 (sen (2π (D - 93,5) / 365))²;
Lsen es la radiación que recibió el sensor.
Lak la radiancia atmosférica para esa banda;
Tk,o de transmisividad ascendente;
Eo,i es la irradiancia solar en el techo de la atmósfera;
Θi el ángulo cenital solar;
Tk,i la transmisividad para el flujo descendente, y
Ed.k la irradiancia difusa.
En el método simplificado de Chávez, los valores que propone para esta fórmula
son: Lsen,K = ao,k + a1,k ND
Lak = ao,k + a1,k NDmin
24
Tk,o = cos θo (1, para observaciones verticales)
Tk,i = 0,70; 0,78; 0,85; 0,91; 1; 1; para las bandas 1,2 ,3,4,5,7,
respectivamente.
Ed.k = 0 (ignora irradiancia difusa)
Con lo que la ecuación del cálculo de reflectividad quedaría:
ikiko
KMINkk
kE
NDNaK
,,
,,1
cos
El proceso de traducción de ND a reflectividad se realiza en dos fases:
a) Conversión de ND a valores de radiancia (Lsen,k), a partir de los
coeficientes de calibrado del sensor, y
b) Estimación de valores de reflectividad aparente (ρ*K), conociendo
la irradiancia solar y fecha de adquisición. (Chuvieco 1996).
3.2.3. Métodos de clasificación digital
La clasificación supone la fase culminante del
tratamiento digital de imágenes.
Como fruto de la clasificación digital se obtiene una
cartografía e inventario de las categorías objeto de estudio. La información multi –
espectral se condensa, en definitiva, en un documento cartográfico y en unas
tablas estadísticas, que definen la localización y ofrecen el inventario superficial
de las categorías de interés. La clasificación digital se dirige a obtener una nueva
imagen, en la cual cada uno de los píxeles originales venga definido por un ND, que
es el identificador de la clase en donde se haya incluido. Estas clases pueden
describir distintos tipos de cubierta (variable nominal o categórica), o bien
intervalos de una misma categoría de interés (variable ordinal) (Chuvieco 1990).
Tradicionalmente se han dividido los métodos de
clasificación en dos grupos: supervisado y no supervisado, de acuerdo a la forma en
25
que son obtenidas las estadísticas de entrenamiento. El método supervisado parte
de un conocimiento previo del terreno, a partir del cual se seleccionan las muestras
para cada una de las categorías. Por su parte, el método no supervisado procede a
una búsqueda automática de grupos de valores homogéneos dentro de la imagen
(Chuvieco 2002).
3.2.3.1. Clasificación supervisada
Para realizar la clasificación supervisada, se
sugiere tener un conocimiento somero de la cobertura y de los elementos
circundantes de la zona o área donde se desarrollará el estudio. Son muy útiles las
experiencias de campo que conlleven relevamientos florísticos, edáficos y
geológicos etc. Se delimitan áreas de entrenamiento, a partir de las cuales se
caracterizan cada una de las clases, para asignar más tarde el resto de los píxeles
de una imagen a una de esas categorías siendo esto una manera más puntual para
realizar el análisis (Chuvieco 2002).
3.2.3.2. Clasificación no supervisada
Otra opción para realizar una clasificación de la
cobertura se denomina clasificación no supervisada; en este caso existe un
programa que identifica patrones estadísticos en los datos sin utilizar ningún dato
introducido por el usuario. Se usa el algoritmo que utiliza la misma distancia
espectral para formar grupos ó “clusters” de píxeles con similares características.
El programa comienza usando los valores medios de
los grupos, que fija arbitrariamente y cada vez que el algoritmo se repite (y se
agregan nuevos píxeles a cada grupo) las medias de estos grupos son reemplazados
por un nuevo valor.
La nueva medida de cada grupo es usada entonces
para la próxima repetición. El algoritmo se repite hasta un número máximo de
repeticiones definido por el usuario o hasta que el porcentaje máximo de píxeles
permanecen sin cambios entre dos repeticiones sucesivas.
26
En general se usa este método cuando se conoce
poco sobre los datos antes del proceso de clasificación y se tiende a obtener el
número de clases posibles, que luego pueden ser analizadas y reagrupadas para
reducir el número final de clases.
La clasificación no supervisada esta en condición de
ofrecer una información subjetiva, basándose en la realidad del área de estudio.
Tanto en la clasificación supervisada como la no supervisada, las poblaciones de
píxeles de las diferentes categorías deben tener caracteres espectrales
homogéneos, lo que significa que cada unidad de la imagen (píxel) se asocia con
niveles contiguos similares (Chuvieco 2002).
3.3. CONCEPTUALIZACIÓN DE TIPOS DE COBERTURA
VEGETAL
3.3.1. Definición e importancia
Se entiende por vegetación el manto vegetal de un
territorio dado. Es, por tanto, la vegetación uno de los elementos del medio más
aparente y, en la mayor parte de los casos, uno de los más significativos. En
efecto, el hombre percibe el medio, principalmente, a través de este manto
vegetal que sólo falta, naturalmente, cuando el suelo está cubierto de nieves
perpetuas o de hielo; aún en los parajes desérticos casi siempre existe algún
componente vegetal
La importancia y significación de la vegetación en los
estudios del medio físico salta a la vista si se tienen en cuenta no sólo el papel
que desempeña este elemento como asimilador básico de la energía solar,
constituyéndose así en el productor primario de casi todos los ecosistemas; sino
también sus importantes relaciones con el resto de los componentes bióticos y
abióticos del medio; la vegetación es estabilizadora de pendientes, retarda la
erosión, influye en la cantidad y calidad del agua, mantiene microclimas locales,
filtra la atmósfera, atenúa el ruido, es el hábitat de las especies animales, etc.
27
Debido a todas estas circunstancias, la vegetación
ha sido siempre un foco de interés y de estudio para el hombre, tanto en sí
misma como por ser un componente relevante del paisaje y por el caudal de
conocimientos sobre el medio natural que de ella se infieren. En áreas poco
alteradas y con baja densidad de población, la vegetación corresponderá muchas
veces al óptimo ecológico o reflejará fielmente las condiciones del lugar: hay
características del terreno tales como las pendientes, la profundidad y humedad
del suelo, o el contenido en nutrientes, etcétera, a cuyas variaciones son muy
sensibles algunas especies; que resultan, por tanto, indicadoras de estas
condiciones. Incluso en aquellas áreas más actuadas por el hombre, donde la
vegetación ha sido sustituida por el uso agrícola, se puede hablar de relaciones
entre este uso y las características del medio donde se encuentra.
3.3.2. Enfoques generales del estudio de la vegetación
Es importante hacer notar que hablar de la
vegetación no es lo mismo que hablar de la flora. Son dos conceptos que conviene
definir, porque a menudo su utilización por los no especialistas es equivoca.
Flora.- Es el conjunto de las especies y
variedades de plantas de un territorio dado. El estudio de flora se refiere a la
clasificación de las especies según sus caracteres morfológicos o genéticos
(MOPT, 1992); se realiza para conocer la composición florística de una zona con
el fin de juzgar acerca de su riqueza florística en comparación con otros
estudios.
Vegetación (Cobertura Vegetal).- Es el conjunto
que resulta de la disposición en el espacio de los diferentes tipos de vegetales
presentes en una porción cualquiera del territorio geográfico. Es decir se refiere
a la organización en el espacio de los individuos que forman una muestra (y por
extensión la de los que forman un tipo de vegetación) (Danserau, 1957). La
Cobertura Vegetal (CV) o Vegetación.- puede ser definida también como el
28
resultado de la asociación espacio temporal de elementos biológicos vegetales
característicos, los cuales conforman unidades estructurales y funcionales que
trascienden el nivel de complejidad del organismo mismo (vegetal en este caso);
de manera que su estudio nos ubica fundamentalmente en el nivel ecosistémico.
De una forma simple se puede decir que el estudio
de la flora se refiere a la lista de las especies presentes sin incluir ninguna otra
información sobre ellas, fuera de la taxonómica, geográfica y de su uso e interés
cultural. Por su parte, el estudio de la vegetación se refiere al estudio de las
comunidades vegetales: a las relaciones de unas especies con otras y de todas
ellas con el medio.
Se considera tres enfoques básicos para el análisis
de la cubierta vegetal, con el fin de integrarlo en los estudios del medio físico.
Enfoque botánico.- Es el estudio de la flora, donde
se genera información muy importante, por una parte para desarrollar acciones
de conservación, y, por otra parte para conocer las relaciones probadas entre
ciertas especies y sus características con el medio. Las especies que sólo pueden
vivir en lugares que reúnen ciertas cualidades ambientales se convierten en
especies indicadoras de tales características.
Enfoque ecológico.- Clasifica la vegetación en grupos
o comunidades que tienen en común un mismo hábitat. Se ponen de manifiesto así
las relaciones de unas especies con otras y con el medio (por ejemplo, xerófitas,
plantas que toleran la sequedad del medio.)
Enfoque estructural o fisionómico.- Clasificación
basada en la apariencia externa de las plantas y comunidades (por ejemplo,
bosque denso, matorral, etc). No hace referencia al medio, pero puede
relacionarse con él. Los datos necesarios para esta clasificación son más
fácilmente cuantificables que los de los enfoques anteriores y puede ser de fácil
aplicación no sólo para botánicos sino también para otros profesionales afines.
29
3.3.3. Clases de cobertura y uso del suelo
Los diferentes elementos que se presentan, como
tipos de cobertura y uso se los puede considerar como una línea base para una
escala 1:50.000, a partir de la cual se puedan agrupar y representar a otras
escalas menores dichos elementos dependiendo del área de dicha cobertura; para
escalas mayores se podrá optar por aumentar la definición espacial de dichos
elementos o añadir otros atributos (CLIRSEN 2002).
Ejemplo de categorización por el tipo de cobertura y uso del suelo, para el Ecuador
utilizado por CLIRSEN:
EB000 VEGETACION NATURAL.- Se considera como vegetación natural, aquella
cobertura vegetal resultante de los procesos naturales de la interacción de clima
y el suelo, en una determinada zona.
EB010 BOSQUE HUMEDO.- Ecosistema arbóreo regenerado por sucesión
natural, que se caracteriza por la presencia de árboles de diferentes especies
nativas, edades con uno o más estratos; fisionómicamente se mantienen con un
verdor constante.
EB020 BOSQUE DE NEBLINA.- Aquel bosque que se ubica en las estribaciones
de las cordilleras en un rango altitudinal entre los 2000 y 2800 m.s.n.m., con una
presencia constante de neblina.
EB030 BOSQUE SECO.- Son formaciones boscosas que durante la temporada
seca, pierden sus hojas, parcial o totalmente; el número de especies forestales
es significativamente menor que la identificada dentro de un bosque húmedo.
30
EB040 MANGLARES.- Se trata de árboles y arbustos sempervirentes, con
adaptaciones para crecer sobre pantanos tropicales de agua salobre, predominan
los géneros de Rhizophora, Avicennia, Conocarpus y Laguncularia.
EBO50 ARBOLEDA.- Áreas o franjas de vegetación natural formando zonas de
protección orientados principalmente a la preservación de causes de agua.
EB060 MATORRAL HUMEDO.- Vegetación lignificada, que no posee un fuste
definido y que mantienen el verdor de sus hojas en forma constante.
EB070 MATORRAL SECO.- Vegetación lignificada de poca altura que pierden sus
hojas en la temporada seca, se presentan en ocasiones árboles aislados
dominantes.
EB080 CHAPARRO.- Formación arbustiva de pequeña altura, con una baja
densidad de cobertura vegetal natural, asociada por lo general en algunos casos
con vegetación herbácea, y en otros con cactáceas.
EB090 MORETALES.- Formación característica en la región amazónica, con
vegetación adaptada a zonas inundables, dominando principalmente la palma
morete
EB100 VEGETACIÓN DE PARAMO.- Ecosistema tropical altoandino,
caracterizado por una vegetación dominante no arbórea, que incluye fragmentos
de bosques nativos propios de este ecosistema.
EB110 HUMEDAL.- Asociación geobotánica de las zonas inundadas por largos
periodos de tiempo, en las que las especies hidrofíticas o hidro – halofíticas
pueden sobrevivir o prosperar.
EB120 HERBAZAL.- Áreas características de zonas con alta precipitación en que
se presenta una sucesión primaria de la vegetación natural, caracterizado por una
vegetación herbácea.)
EA000 AREAS AGROPECUARIAS.- Áreas dedicadas para la producción de
alimentos, fármacos e industria, incluyen principalmente cultivos, plantaciones,
huertas, tierras en descanso y barbecho, y áreas con especies herbáceas para la
31
alimentación animal.
EA100 CULTIVOS DE CICLO CORTO.- Son aquellas tierras cuyo uso está
dedicado principalmente a la explotación de cultivos, cuyo ciclo vegetativo es
estacional, pudiendo ser cumplido una o más al año.
EA120 ARROZ.- Áreas dedicadas al cultivo de gramíneas denominado arroz,
dedicadas principalmente para la alimentación del hombre.
EA130 MAIZ.- Superficies en las que se cultiva esta gramínea dedicadas a la
alimentación del hombre o con fines agroindustriales.
EA140 ALGODÓN.- Áreas en las que se realiza plantaciones de algodón para el
consumo industrial.
EA180 Horticultura EA190 brócoli ea200 papas ea210 oleaginosas ea220 soya
ea230 tomate riñón ea240 melón ea250 sandia ea260 cebolla ea270 ajo
EA400 CULTIVOS PERMANENTES Y SEMIPERMANENTES.- Comprenden
aquellas tierras dedicadas a la explotación de cultivos agrícolas de mayor a un
año, dedicados en su gran mayoría a la exportación y la agroindustria, como el
caso del café, cacao, banano y palma africana.
EA420 BANANO.- Áreas sembradas con banano, conocidas como bananeras,
dedicadas principalmente a la exportación o con fines agroindustriales
EA430 PLATANO.- Superficies conocidas como plataneras, en donde se tiene
sembrado plátano para consumo nacional o de exportación.
32
EA440 ABACA.- Superficies sembradas de matas de abacá cuyas fibras son
utilizadas con fines industriales.
EA450 PLANTACIONES DE CAÑA DE AZUCAR.- Tierras en las que se presenta
el cultivo de la caña de azúcar dedicadas principalmente a la industrialización del
azúcar.
EA460 CULTIVOS DE CAÑA DE AZUCAR.- Áreas dedicadas al cultivo de la caña
de azúcar para la producción artesanal de alcohol y panela.
EA470 PALMA AFRICANA.- Superficies sembradas y cultivadas con palma
africana, cuyo fruto es industrializado.
EA480 PLANTACIONES DE PALMITO.- Tierras dedicadas al cultivo de palmas
para la producción de palmito.
EA490 COCOTEROS.- Plantaciones de palmas dedicadas a la producción de cocos
para consumo o uso industrial.
EA500 CAFÉ.- Áreas en las que se tiene con plantas de café, bajo un sistema de
cultivo intensivo, con fines principalmente industrial
EA510 CACAO.- Áreas dedicadas al cultivo del cacao, cuya producción se
encuentra dedicada al uso industrial.
EA520 PLANTACIONES DE TE.- Comprende aquellas superficies en las que se
cultiva y maneja plantaciones de té.
EA530 CABUYA.- Son aquellas superficies en las que se encuentran plantaciones
de cabuya para uso industrial.
EA540 PIMIENTA
EA550 FRUTALES.- Áreas cubiertas por plantaciones sistemáticas de árboles
que producen frutos, almendras u otros productos.
33
EA551 TOMATE DE ARBOL
EA560 VIÑEDOS
EA570 HUERTOS.- Son superficies en las que se realiza una actividad agrícola
en forma intensiva de varios productos del agro, como tomate, pepino,ajo fréjol,
hortalizas, plátano, yuca, cítricos, y frutales entre otros, de acuerdo con la zona
climática.
EA580 INVERNADEROS.- Superficies bajo cubiertas de plástico u otro material
acrílico en las que se cultivan de forma intensiva principalmente flores.
EA700 PASTOS.- Son tierras cuya vegetación dominante está constituida por
especies predominantemente herbáceas, dedicadas en la mayoría de los casos a la
alimentación de animales.
EA710 PASTO NATURAL.- Son tierras cuya vegetación dominante está
constituida por especies herbáceas, que tienen un crecimiento espontáneo y que
no reciben cuidados especiales, utilizados con fines de alimentación, vida
silvestre y protección.
EA720 PASTO CULTIVADO.- Comprende aquellas tierras dedicadas a la
explotación de especies predominantemente herbáceas, que para su
establecimiento, requieren de labores de cultivos y manejo conducidas por el
hombre.
EA800 ASOCIACIONES AGROPECUARIAS.- Son asociaciones de cultivos en su
mayor caso de consumo interno, con áreas de pastos o relictos de bosques
natural.
EA810 CULTIVOS DE ALTURA.- Son cultivos asociados de altura en donde
predominan, generalmente la papa y cereales con áreas de pastos.
EA820 CULTIVOS DE ZONA TEMPLADA.- Son asociaciones de cultivos de clima
34
templado en las que se tiene principalmente cereales, gramíneas, leguminosas, y
maíz
EA830 CULTIVOS DE ZONA CALIDA.- Asociaciones de cultivos de clima cálido
(maíz, higuerilla, soya, arroz, caña de azúcar, yuca, abacá, plátano y cítricos)
EA840 CULTIVOS/PASTO.- Predominio de los cultivos anuales o de ciclo corto
sobre áreas de pastos.
EA850 PASTO/CULTIVO.- Corresponde aquellas áreas en las que los pastos
dedicados a la ganadería predominan sobre los pequeños espacios dedicados a
cultivos en su mayor caso de carácter anual.
EA860 PASTO/BOSQUE.- Predominio del pasto sobre el bosque, constituyendo
un sistema silvopastoril.
EA900 SILVICULTURA.- Áreas dedicadas a la actividad forestal mediante la
generación de plantaciones forestales con árboles de especies nativas o
introducidas, y en las que se aplica alguna técnica de manejo forestal.
DA040 BANCOS DE ARENA.- Son áreas cubiertas por depósitos minerales, que
se forman en el mar o en los ríos, por los sedimentos que estos arrastran.
DA050 PLAYAS Y CORDÓN LITORAL
BH000 CUERPOS DE AGUA.- Son superficies naturales o artificiales cubiertas
permanentemente por agua.
BH100 DEPOSITOS DE AGUA NATURAL.- Superficies naturales o artificiales
cubiertas permanentemente por agua.
BH120 LAGOS.- Cuerpos de agua continental de gran tamaño que se ubica en
35
depresiones del terreno que, con el pasar del tiempo se van llenando de
sedimentos y perdiendo por lo tanto su profundidad
BH130 LAGUNAS.- Cuerpos de agua continental de tamaño mediano que se
mantiene por un significativo período de tiempo sin perder sus características
limnológicas y su biota lacustre.
BH150 RIOS (dobles)
AL000 INFRAESTRUCTURA.- Son todas aquellas manifestaciones construidas o
creadas por el hombre que generan un servicio y que incluyen obras de
infraestructura física y otras
AL010 CENTROS POBLADOS.- Son asentamientos humanos en conglomerados
habitacionales, que por su densidad y extensión pueden constituir ciudades,
pueblos y otros tipos de infraestructura
3.4. TÉCNICAS DE ANÁLISIS MULTITEMPORAL
Una de las aportaciones más destacadas de la teledetección
espacial al estudio del medio ambiente es su capacidad para seguir procesos
dinámicos. Al tratarse de información adquirida por un sensor situado en una
órbita estable y repetitiva las imágenes de satelital constituye una fuente
valiosísima para estudiar los cambios que se producen en la superficie terrestre, ya
sean debido al ciclo estacional de las cubiertas, y a catástrofes naturales o
alteraciones de origen humano.
El análisis multitemporal tiene como objetivo detectar los
cambios entre dos o más fechas, para lo que suele partirse de imágenes adquiridas
en distintos años que se comparan visualmente o digitalmente (Chuvieco 1996).
Las técnicas más empleadas en la teledetección de cambios
son las siguientes:
36
3.4.1. Composiciones de Color Multitemporal
En esta técnica se tratara de detectar las
áreas de cambio mediante el análisis visual de cambios en color proveniente de
varias fechas, si la imagen resultante aparece en tonos de color es debido a que las
tres bandas que se combinan presentan comportamientos espectrales diferentes.
Si vemos un píxel de color es porque cuenta un nivel digital distinto en las tres
bandas, que estamos utilizando, ya que de otra manera se verían en tonos de gris
(Chuvieco 2002).
3.4.2. Diferencia entre Imágenes
Una simple resta entre las imágenes de las dos
fechas previamente homogeneizadas radiométrica y geométricamente permite
discriminar aquellas zonas que han experimentado cambios entre estas fechas, las
zonas estables presentaran valores estables cercanos a cero, mientras las que
hayan experimentado cambios ofrecerán valores significativamente distintos a
cero (positivos o negativos) (Chuvieco 2002).
3.4.3. Cocientes Multitemporales
La diferencia entre imágenes resulta una técnica
sencilla para observar cambios entre fechas, si bien tiene el problema de reflejar
únicamente las diferencias absolutas, pero no ofrece la significación del cambio
frente a los valores originales (Chuvieco 2002).
3.4.4 Componentes principales
En el caso de aplicaciones multitemporales del análisis de componente principales
se utiliza de un modo tanto particular ya que no se pretender retener la
información común entre fechas, si no precisamente la que cambia, para aplicar
esta técnica en la detección de cambios se genera un archivo multitemporal en las
bandas correspondientes a las dos fechas sobre el que se aplica el análisis de
componentes principales (Chuvieco 2002).
37
3.4.5. Regresión
Las técnicas de regresión se utilizan para estimar
cuales serían los ND de la imagen de la segunda fecha caso de que no hubiera
cambios entre ellos. En definitiva se considera que la segunda fechas es una
función de la primera, y que toda desviación de la función estimada estaría
representando el cambio, siguiendo la notación convencional los niveles digitales de
la segunda fecha se estiman a través de la primera, utilizando:
NDt2 = a + b. NDt1
Donde:
NDt2: indica el valor estimado de segunda fecha (t2), calculado a partir de los
coeficientes de regresión (a, b) sobre los niveles digitales de la primera fecha (t1)
3.4.6. Vectores Multitemporales
Es una técnica que intenta incorporar no solo la
importancia sino también la dirección del cambio entre imágenes. Si representamos
en un eje bivariado con dos bandas originales (La rojo e infrarrojo cercano), cada
píxel viene definido por un punto (Localización de sus ND en las dos bandas). Si
este píxel cambia su cobertura entre dos fechas, también modificara su
emplazamiento espectral. La magnitud de cambio vendrá dado por la longitud del
vector que separa ambos puntos, por su parte el sentido del cambio se define por
el ángulo que forma con el eje de referencia (Chuvieco, 2002).
3.4.7. Problema de Delimitar los Umbrales
Se ha propuesto ajustar los umbrales de cambio
considerando la función señal/ruido de un determinado sensor, un segundo criterio
38
parte de señalar umbrales de cambio a partir de valores críticos de incremento o
decremento de una determinada variable física (Chuvieco, 2002).
3.4.8. Análisis Multitemporal de Imágenes Clasificadas
La detección de cambios a partir de técnicas de
clasificación puede abordarse empleando dos grupos de técnicas: 1) Por un lado,
comparar imágenes previamente clasificadas, y 2) por otro, clasificar las imágenes
de las dos fechas.
En el primer caso se aborda una clasificación para
cada imagen por separado, cuidando de emplear la misma leyenda temática en las
dos fechas, con objeto de que pueda compararse posteriormente, a continuación se
genera una tabla multitemporal de cambios, en donde se presentan las transiciones
que se producen entre las dos fechas. En la diagonal de esta tabla aparecen los
píxeles estables (que cuentan con la misma categoría de las dos fechas), mientras
los cambios se detectan en el resto de las celdillas. El gran interés de esta tabla
es ofrecernos las transiciones que se han producido. En otras palabras no solo
observaremos las zonas estables y dinámicas sino también cual era la cobertura
original y cuál es la actual, lo que nos indica las tendencias del cambios en la zona
de estudio, en un estudio de deforestación, esto permitirá conocer que tipos de
especies forestales están más afectadas; en una evaluación de incendios que
especies se han quemado, o en un estudio urbano que espacios está experimentando
un mayor proceso de urbanización (Adeniyi et al citado por Chuvieco, 2002).
3.5. Modelador de Cambios en el Terreno para la
Sustentabilidad Ecológica
El Modelador de Cambios del Terreno para la
Sustentabilidad Ecológica está orientado al constante problema de la
transformación del terreno acelerada y las necesidades analíticas bien específicas
de conservación de la biodiversidad.
39
El análisis y la predicción de cambios en el LCM están organizados en
submodelos de transición. Un submodelo de transición puede consistir de
una sola transición de cubierta de terreno o un grupo de transiciones que se
supone tienen las mismas variables conductoras.
Todos los submodelos de transición seleccionados deben ser modelados
antes de poder llevar a cabo la predicción de cambios.
El LCM incorpora la opción de variables dinámicas de cubierta de terreno y
desarrollo dinámico de caminos.
Todos los archivos utilizados por el LCM deben estar contenidos en la
Carpeta de Trabajos (Working Folder) o en una de las Carpetas de Recursos
(Resource Folders) del proyecto.
3.5.1. Fichas y Paneles
El LCM está organizado en un grupo de cinco áreas
de tareas principales representadas como fichas para:
Analizar cambios anteriores de cubierta de terreno
Modelar el potencial para transiciones de terreno
Predecir el curso de cambios en el futuro
Evaluar sus implicaciones para la biodiversidad, y
Evaluar intervenciones de planificación para mantener la sustentabilidad
ecológica.
Dentro de cada ficha, se presenta una serie de
tareas o pasos analíticos en forma de paneles desplegables. Usted puede tener
tantos paneles desplegables abiertos como desee; son presentados con este
formato simplemente para acomodar resoluciones de pantalla cambiantes.
Las primeras tres de las cinco fichas del LCM están diseñadas para el análisis
integrado de cambios de terreno y su proyección en el futuro. Como resultado, el
acceso a casi todos los paneles en estas fichas requiere la especificación de un
40
grupo mínimo de parámetros del proyecto ubicados en el primer panel de la primera
ficha.
Advierta que los paneles de las primeras tres fichas
por lo general están organizados en un grupo secuencial de operaciones que deben
seguirse una detrás de la otra. (Clark Labs, 2006).
41
CAPITULO 4. METODOLOGÌA
En el presente capítulo se describe todos los procesos
metodológicos aplicados en el estudio; en donde se empleo técnicas de percepción
remota y sistemas de información geográfica, empleadas para la elaboración de la
base de datos de cobertura vegetal, la identificación de cambios en un periodo de
veinte y dos años y la simulación del proceso de deforestación a treinta años en
intervalos de cinco años.
El área de estudio se encuentra ubicado en los
cantones Tiwintza, Limón Indanza, San Juan Bosco y Gualaquiza, al sur de la
provincia de Morona Santiago.
Con respecto a la ubicación geográfica se encuentra
entre las siguientes coordenadas planas: Proyección UTM, Datum WGS 84, Zona
18S
Xmin: 112535 Ymin: 9611489
Xmax: 188255 Ymax: 9678745
Fig 3. Ubicación del área de estudio
42
4.1. MATERIALES
Para el presente estudio se utilizó los siguientes materiales:
4.1.1. Materiales de campo
Navegador GPS (Sistema de posicionamiento global),
Cámara fotográfica
Libreta de apuntes
Vehículo
Imágenes satelitales impresas del área de estudio
4.1.2. Materiales de Gabinete
5 escenas Landsat TM5, con resolución de 30 metros
2 escenas Landsat ETM+7, con resolución de 30 metros
1 escena de radar SRTM
2 escenas aster del año 2009
Software Idrisi Taiga, una Licencia (Programa tratamiento digital de
imágenes y análisis geomático)
Sftware Erdas 9,1 Programa tratamiento digital de imágenes y
análisis geomático)
Software ArcGis 9,3 Manejo de base datos y edición cartografica
2 computadoras, escritorio y portátil.
43
4.2. MÈTODOS
4.2.1. BASE DE DATOS GEOGRÁFICA DE LA
COBERTURA VEGETAL DEL CONSEJO GOBIERNO DEL PUEBLO SHUAR
ARUTAM DEL AÑO 2009 Y UTILIZANDO TÉCNICAS DE INTERPRETACIÓN
DE IMÁGENES SATELITALES
4.2.1.1. Recopilación de información primaria
Se recopiló toda la información base
existente en formato digital procedentes de las cartas topográficas del Instituto
Geográfico Militar IGM escala 1:50 000 en formato shp. Se verificó en que
sistemas de referencia se encontraba la información teniendo que realizar ciertas
transformaciones, puesto que algunas fuentes de información se encontraran en
Psad 56. Siendo necesario transformar a WGS 84, de acuerdo al requerimiento
del estudio.
La información primaria que se partió
como línea base para el presente estudio consto de la siguiente información:
Cuadro 4. Diccionario de la base datos geográficos del CGPSHA
Archivo(shp) Tipo Descriptor Fuente Tipo de dato
Centro
poblado(1987)
Punto shape IGM texto
Curvas de nivel Línea Shape IGM
texto
numérico
División
cantonal,
provincial
Polígono Shape
IGM
texto
numérico
Red vial (1987)
Línea
Shape IGM
Texto
numérico
Cotas Punto Shape IGM numérico
Red hídrica Línea Shape IGM texto
Ubicación de las
comunidades
Punto Shape CGPSHA
texto
Limite de
CGPSHA
Polígono Shape CGPSHA
texto
numérico
Fuente: Equipo de Trabajo, 2010.
44
4.2.1.2. Validación de la información.
Luego de unificados los datos en un
mismo sistema de referencia, se realizo la validación de la información cuadrícula
por cuadrícula, de la siguiente manera:
En lo que se refiere a nombres
geográficos de los centros poblados, se verificó en las hojas topográficas
1:50.000. En cuanto a la categorización por cabeceras cantonales y cabeceras
parroquiales, se utilizó como lo indica el libro de la división política administrativa
del INEC y los mapas de las provincias inmersas en la zona editados por el IGM,
escala 1:250.000; a demás utilizando el GPS se actualizo ciertos poblados que no
constaban en la base recopilada.
En lo referente a la red hídrica de igual
forma se valido la respectiva base de datos en lo concerniente a la categoría y
nombre asignado a cada elemento cartográfico tomando en cuenta las cartas
topográficas. Para el caso de la red vial se verificó el tipo de vía asignado en la
base digital y se comprobó con el material impreso por el IGM; a demás se
actualizó las vías faltantes con el GPS e imagen satelital corregida. Por último para
el caso de la topografía y puntos altos acotados también se verificó su base digital
con la información impresa por el IGM.
Se trabajo una imagen de Radar SRTM,
en donde se pudo obtener el modelo de elevación digital del terreno (MDT), el que
sirvió para generar contornos con intervalos de 40 metros entre línea de altitud.
4.2.1.3. Homologación de la información
Terminada la fase de recopilación y
validación, se procedió de acuerdo a las especificaciones cartográficas 1:50.000, a
clasificar de la siguiente manera:
Red vial:
45
Carretera pavimentada dos o más vías
Carretera sin pavimentar dos o más vías
Carretera sin pavimentar angosta
Caminos de herradura
Red Hidrográfica:
Ríos de primer orden
Ríos de segundo orden
Quebradas:
Quebradas Intermitentes
Quebradas Secas
Centros Poblados:
Capital de provincia
Cabeceras cantonales
Cabeceras parroquiales
Centros poblados
Curvas de nivel:
200 metros
40 metros
En esta clasificación se reviso que
todas las variables de las diferentes fuentes de datos estén dentro de la clase de
entidad correspondiente, esto es importante en un sistema de información
geográfica (SIG) donde los elementos que conforman el mundo real se denominan
46
entidades y se caracterizan por una posición (georeferencia) y por su forma
geométrica (punto, línea, polígono, superficie).
4.2.1.4. Depuración y almacenamiento de la
Base de Datos
Las entidades representan los elementos
que se almacenan y manipulan para poder llevar a cabo los diferentes procesos de
análisis en SIG; para lo cual se debe tomar en cuenta otra característica básica de
las entidades que es sus atributos, los mismos que se almacenan en bases de datos
y permiten describir las entidades.
Toda la información recopilada, validada
y homologada se almaceno en una geodatabase personal bajo el software ArcGis
9.3
4.2.1.5. Tratamiento de Imágenes de Satélite
4.2.1.5.1. Pre-Procesamiento De
Imágenes
Esta etapa consistió en
elegir de las mejores imágenes satelitales disponibles, la importación al formato de
trabajo del programa Idrisi Taiga, realizar las correcciones geométricas y
radiométricas. Para finalmente concluir con la elaboración de mosaicos del área de
estudio.
4.2.1.5.2. Búsqueda y selección de
imágenes
Se realizó la búsqueda
minuciosa de imágenes disponibles en la base de datos de la NASA y de la
Universidad de Maryland de los Estados Unidos disponibles en el internet;
obteniendo el siguiente material disponible de imágenes Landsat TM5, TM7 y
ASTER.
47
Cuadro 5. Imágenes disponibles en el presente estudio.
Path y row Fecha Sensor
09/62 1987-03-19
1987-09-11
2002-09-12
2007-02-06
TM5
TM5
TM7
TM5
10/62 1987-03-26
2001-11-03
TM5
TM7
09/62
Proceso de adquisición
SC: AST_L1A.003: 2075351962
SC: AST_L1A.003: 2076870161
2009/08/14
2009/08/14
ASTER
ASTER
Fuente: Equipo de Trabajo, 2010.
4.2.1.5.3. Corrección geométrica
Las imágenes de satélite
Landsat TM5 y ETM+7, seleccionadas fueron corregidas geométricamente a la
zona de Ecuador, ya que inicialmente al momento de importar para su trabajo
tenían el problema que constaban con la posición al norte. Este problema se lo
corrigió en la metadata de cada una de las imágenes.
Las imágenes Aster fueron
tratadas de modo diferente a las Landsat, ya que fue necesario hacer la
ortorectificación de cada escena, esto con el fin de corregir el problema de la
topografía de la zona de estudio, en este trabajo se utilizo el MDT, generado a
partir de la imagen de radar SRTM del año 2000.
4.2.1.5.4.Correcciones radiométricas
a) Corrección atmosférica
Se procedió a realizar
correcciones atmosféricas a cada imagen con la finalidad de obtener mejores
resultados al momento de realizar las clasificaciones, se trabajo con el modulo de
Atmosc disponible en el software Idrisi taiga, la información requerida por el
modulo se obtuvo de la metadata de cada imagen.
48
Los datos que el modulo requiere de cada imagen son:
Elevación solar, Offset, gain, Lmin/Lmax, centro de la longitud de onda,fecha de
adquisición de la imagen
Fig 4. Modulo atmosc para realizar correcciones atmosféricas
b) Análisis de Componentes
Principales (ACP)
Los componentes
principales se utilizo para corregir la imagen Landsat TM5 del año 1987, debido a
que una de sus bandas tenía un bandeamiento pronunciado y no era permisible para
la interpretación digital, además este método permite corregir el efecto
atmosférico en cada imagen.
Este método se le aplico
a las imágenes ASTER del año 2009, dando buenos resultados.
49
Fig 5. Modulo ACP para realizar correcciones radiométricas
4.2.1.6. Elaboración de mosaicos
Terminado todo el proceso de correcciones geométricas y radiométricas en forma
individual a cada imagen, ASTER y Landsat; se elaboró un mosaico normalizado; con
el fin de obtener una vista global de todo el territorio y disminuir el porcentaje de
nubes existentes en cada escena. Todas las escenas constan con la misma
proyección UTM WGS-84, Datum WGS-84, Zona 17 y 18Sur y remuestreadas con
el mismo tamaño del píxel.
50
Fig 6. Mosaico elaborado para el año 2009, Imágenes ASTER
Fig 7. Mosaico elaborado para el año 2007, Imágenes Landsat TM5 año 2007 y ETM+2002
Fig 8. Mosaico elaborado para el año 1987, Imágenes Landsat TM5
51
4.2.1.7. Procesamiento de imágenes
Consistió en el análisis de las
respectivas imágenes de satélite, en lo que fundamentalmente se refiere al
proceso de extraer la información que se encuentra almacenada dentro de los ND
(Niveles Digitales) en cada imagen; en el caso de este estudio se basó en la
identificación de coberturas para su respectiva clasificación apoyándose en el
análisis estadístico, y su trabajo de campo.
4.2.1.7.1. Clasificación supervisada
Este método requiere un
previo conocimiento de las categorías existentes en la zona de estudio para
proceder a extraer las muestras de entrenamiento, con el fin de obtener una
imagen clasificada.
Para clasificar las
imágenes se definió previamente la escala de trabajo y las clases de cobertura.
Como las imágenes Landsat y ASTER son imágenes para trabajar a nivel regional y
tomando en cuenta el tamaño del píxel de 30 x 30 m y 15 x 15 m. La escala que se
definió fue a 1: 50 000 y las coberturas que se identificaron fueron las siguientes
para las tres imágenes:
52
Cuadro 6. Clasificación de cobertura vegetal utilizada
CDG Cobertura
1 Bosque sobre tepuis
2 Bosque denso
3 Agricultura(Pastos y cultivos)
4 Pastizal degradado
5 Asociación bosque cultivos mixtos
6 Asociación bosque pastizal
7 Matorral bajo
8 Matorral alto
9 Matorral sobre tepuis
10 Infraestructura civil
11 Bancos de arena
12 Ríos dobles
13 Lagunas
Fuente: Equipo de Trabajo, 2010.
Los tipos de cobertura identificados y enumerados
en la tabla anterior, se visualizan a través de fotografías en el anexo 1.
4.2.1.7.2. Trabajo de campo
El procedimiento que se utilizó fue la
interpretación visual de imágenes de satélite, con la combinación de bandas 4/5/3
RGB, utilizada para estudios de vegetación en imagnenes Landsat TM5 y ETM+7, y
3/2/1 en imágenes Aster. Todas las muestras fueron almacenadas con un punto de
GPS realizando una descripción de la categoría muestreada y detalladas en el mapa
impreso.
Con el recorrido de campo que se realizó
se pudo definir zonas que presenta la mismas características espectrales, como
bosques, pastizales, cultivos, aéreas intervenidas, etc.
53
Fig 9. Mapa de puntos de muestreo recolectados en campo
4.2.1.7.3. Recolección de firmas
espectrales
Utilizando el módulo Clasificador
(Classifier-Signatura Editor), del software Erdas 9,1; se identificaron por cada
área de entrenamiento un total de 30 firmas espectrales por categoría, para
obtener una separabilidad de clases entre bandas.
4.2.1.7.4. Análisis estadístico
Algunos de los métodos estadísticos
para determinar la separabilidad de firmas con propósitos de clasificación son:
Divergencia, Divergencia Transformada, Jeffreys-Matusita y Bhattacharyya.
Siendo Divergencia Transformada y Bhattacharyya las mejores técnicas según
Mausel, et al., (1990).
En ERDAS imagine 8.5, se utilizó la
técnica de Divergencia Transformada, para la cual se utilizó el criterio propuesto
por Jensen (1996); donde menciona que valores de 2000 (entre categorías) son
54
considerados excelentes, valores sobre 1900 son de alta separabilidad, y valores
menores a 1700 son considerados pobremente separables. Otros autores señalan
que valores sobre 1700 las categorías alcanzan un aceptable nivel de precisión y
que bajo este umbral, las firmas evaluadas no son separables y por ende
representan las mismas características (Perkins 1997).
4.2.1.7.5. Fase de asignación
Una vez analizadas y reagrupadas las
firmas se ejecutó la clasificación teniendo en cuenta algunos tipos de
clasificadores:
1) Clasificador de mínima distancia
2) Clasificador de paralepípedos
3) Clasificador de Mahalanobis distance
4) Clasificador de Máxima Probabilidad
Se utilizó el clasificador de Máxima Probabilidad, debido a que fue el mejor que
discrimino las coberturas de uso del suelo.
4.2.1.7.6. Análisis post clasificación
Este análisis se lo utilizó para
reorganizar aquellos píxeles que se categorizaron en forma incorrecta, agrupar
categorías y ordenar las clases finales.
4.2.1.7.7. Validación
Con el fin de obtener una precisión
aceptable del trabajo realizado, se procedió a tomar muestras con los datos de
campo para comprobar la valides de la clasificación, y mediante análisis estadístico
obtener el porcentaje de certeza con que se realizó la clasificación.
Los resultados del análisis
estadístico de la clasificación y validación se observan en el anexo 1.
55
4.2.1.8. Edición de resultados
geográficos
La edición de resultados se
la realizó en el software ArcGis 9,3; en donde se elaboró la base de datos y toda la
presentación de mapas para su impresión.
4.2.2. DETERMINAR LA TASA DE DEFORESTACIÓN EN BASE AL
ANÁLISIS MULTITEMPORAL DE IMÁGENES SATELITALES,
PERÍODO 1987 y 2009
4.2.2.1. Identificación de cambios en la cobertura Vegetal y uso del
Suelo
Utilizando la metodología para generar la imagen clasificada del
año 2009, se procedió a clasificar el mosaico de las imágenes Landsat TM5 del año
1987. Donde se identificaron las clases que fueran comparables con las clases de la
imagen del año 2009, haciendo una simplificación en las categorías de la imagen de
coberturas actuales; la leyenda que se utilizó para las dos imágenes fue:
- Bosque
- Agricultura
- Matorral
- Infraestructura Civil
- Banco de Arena
- Cuerpos de Aguas
Para identificar los cambios producidos en el período de
veinte dos años, se utilizó la técnica de tabulación cruzada, utilizando la tabla de
datos de cobertura de cada imagen.
Esto se logró haciendo un cruce entre las dos imágenes de cobertura de las
dos fechas, en donde se generó una imagen de cambios debido a la sobreposición de
56
los dos mapas de cobertura generados del año 1987, 2009; el cambio se lo observó
de acuerdo al valor que registra la imagen actual con respecto de su valor anterior.
En la siguiente tabla se muestra el cruce de los dos periodos
Cuadro 7. Cambios debido a la sobreposición de los dos mapas cobertura año de
1987-2009.
Cambios Cobertura 2002
Bosque Agricultura Matorral Infraestructura Banco de arena Cuerpos de agua
Cobertura 1987 1987 1 2 3 4 5 6
Bosque 1
Agricultura 2
Matorral 3 Infraestructura 4 Banco de arena 5 Cuerpos de agua 6 Fuente: Equipo de Trabajo, 2010.
4.2.2.2. Cálculo de la tasa de deforestación
La tasa de deforestación se calculó aplicando la fórmula que
se describe a continuación:
Donde:
t= tasa de deforestación estimada en %
S1= Superficie inicial ha.
S2= Superficie final ha.
n= Número de años
100*1
*2
1 1
nS
St
57
4.2.3. ELABORACIÓN DEL MODELO DE SIMULACIÓN DEL PROCESO DE
DEFORESTACIÓN DE LA PROVINCIA
Para la simulación de los patrones de deforestación, se trabajo con el
modulo LCM Land Change Modeler for Ecological Sustainability (Modelador de
Cambios en el Terreno para el Sustento Ecológico), disponible en el software
Idrisi Taiga; integrado para analizar los cambios en la cubierta de terreno,
proyectar su curso en el futuro y evaluar sus implicaciones en el cambio del hábitat
y la biodiversidad.
4.2.3.1. Preparación de datos
Los datos que el modulo LCM requieren, se adecuaron a la zona de estudio para la
cual se construyo una máscara con los limites de las asociaciones que conforman los
centros shuar que están dentro del CGPSHA, todos los mapas generados en la base
de datos, se proyectaron a cuadriculas de 100 x 100, con el fin de optimizar la
capacidad de las computadoras.
A continuación se muestra la máscara que se utilizo para realizar la modelación.
Fig 10. Marcara del territorio del CGPSHA
Ver anexo 3, se describe las características de la máscara.
58
Las variables a utilizar fueron importadas al software Idrisi, en donde de acuerdo
a la aplicabilidad como factor de cambio se fueron creando. Ver anexo 4.
Las variables a utilizar como patrones de deforestación son:
Variables ambientales
- Mapa de cobertura vegetal del año 1987
- Mapa de cobertura vegetal del año 2002
- Mapa de cobertura vegetal del año 2009
- Mapa de pendientes
- Modelo de elevación digital del terreno
- Mapa de evidencia de cambio del terreno
- Mapa de distancia a areas de cambio
Variables socioeconomicas
- Distancia a rios
- Distancia a poblados
- Distancia a vias
- Mapa de densidad poblacional
- Mapa de centro de desarrollo rural
4.2.3.2.Corrida del modelo
El primer paso realiza el analisis de los cambios entre dos fechas
1987-2002, y hacer una evaluacion de los cambios ocurridos en forma global, y con
esto analizar la tendencia de los cambios entre 1987-2002. Ver anexo 4.
59
Fig 11. Modulo de Change analysis
En en el segundo panel se hizo una analisis de las potenciales
areas de transicion, obteniendo mejores resultados con las transiciones de bosque
a agricultura y agricultura a bosque, obsevandose en el analisis estas como las de
mayor influencia en la tendencia de la deforestación. Ver anexo 4.
Aquí se genera una imagen de evidencia del cambio utilizando, la
imagen de cambios de cada transición, con la imagen de la priemra fehca; genradas
en el primer panel. Seguido se hace el test a cada variable a utilizar como patron
de deforestación, el modulo valida si las variables son o no aceptadas como validas
para ingresarlas. El valor minimo que se necesita para ingresar la variable y el
programa asuma que pueda influenciar en la deforestacion en un valor de 0.15, y el
ideal 0.40.
Fig 12. Evaluacion de las areas potenciales de transición
60
Finalmente se desplega el modulo Change Prediction, donde se
genera los escenarios de deforestación, en este caso se creo un escenario de
deforestacion al 2009,
El escenario creado al 2009, se le aplico la validacion utilizando
el modulo ROC, donde se obtuvo el porcentaje de aceptación del modelo generado
con las variables utilizadas, mediante el analisis estadistico donde sugiere obtener
valores sobre el 80%. Para hacer este analisis fue necesario hacer una imagen
boleana de las categorias analizadas, utilizando el modulo crosstab y reclas. Ver
anexo 4.
La validación tambien incluye comparar con la imagen actual de
cobertura del año 2009, en donde se identifica mediante el mapa los pixeles que
con certeza fueron bien modelados, y tambien donde no hubo certeza en lo
generado como predicción. Ver anexo 4.
Fig 13. Generacion de los escenarios de predicción
El siguiente paso fue ir generando los escenarios previstos hasta el
año 2025, en intervalos de cinco años.
61
CAPITULO 5. RESULTADOS Y DISCUSION
En el presente capítulo se da a conocer el análisis de los datos
que se obtuvieron al terminó de aplicar las metodologías diseñadas para el
desarrollo de este estudio.
5.1. BASE DE DATOS GEOGRÁFICA DE COBERTURA
VEGETAL DEL CGPSHA DE LOS AÑOS 1987 Y 2009
5.1.1. INFORMACIÓN BASE ESCALA 1:50 000
La información base recopilada y actualizada, se
encuentra almacenada en formato digital con extensión shp. Se encuentran
separadas por capas o temas con su respectiva base de datos o atributos, la misma
que puede ser desplegada, consultada y actualizada según sea el caso. A
continuación se ilustra en las siguientes imágenes la estructura espacial y
descriptiva de cada tema:
Fig 14. Mapa de poblados actualizada
62
Fig 15. Mapa de puntos Altos actualizada
Fig 16. Mapa de red vial
63
Fig 17. Mapa de red hídrica
Fig 18. Mapa de curvas de nivel
64
5.1.1.2. Tratamiento de imágenes satelitales
Con la aplicación de las correcciones
geométricas y atmosféricas a las imágenes de satélite descritas en la metodología,
se muestra el cambio que hay tanto en la imagen original y la corregida.
Cabe mencionar que la corrección geométrica
sirve para asignar coordenadas geográficas a la imagen y ubicarse espacialmente
en el terreno.
Otro de los tratamientos radiométricos que se
realizo fue la aplicación de componentes principales, al mosaico de imágenes de
1987, donde se pudo corregir el bandeamiento que presentaba una de las bandas.
La fórmula simplificada del método de Chávez
utilizada para la corrección atmosférica, ayudó a eliminar los efectos atmosféricos
de absorción y dispersión como son la bruma, polvo, vapor de agua, aerosoles,
mezcla de gases, etc. Ya que estos afectan a las longitudes de onda que captan los
satélites al momento que realizan la toma.
A continuación en las figuras 18 y 19 se
muestra un fragmento de la imagen satelital Aster, aplicada las correcciones
geométricas y atmosféricas.
65
a) Sin corrección
b) Con corrección
Fig 19. Fragmento de imagen Aster con corrección atmosférica
En la siguiente grafica se muestra el tratamiento de ACP (Componentes
Principales), al mosaico Landsat TM5 del año 1987.
66
a) Sin corrección
b) Con corrección ACP
Fig.20. Fragmento de imagen Landsat con corrección de análisis de componentes
Es muy evidente el cambio que se observa en las dos imágenes después de aplicar
los componentes principales, se aumenta considerablemente la calidad visual de la
imagen con respecto a la original y se elimina el problema del bandeado.
5.1.2. Base de datos de cobertura vegetal
de los años 1987 y 2009
La base de datos que se muestra a
continuación, es el resultado del riguroso proceso al tratamiento de las imágenes
de satélite como se describe en el capitulo anterior, donde se ha llegado a obtener
los datos de coberturas geográficos para las tres fechas de estudio.
67
5.1.2.1. Génesis de la cobertura
vegetal actual
Partiendo de la génesis de la
cobertura vegetal, como origen del paisaje puede visualizarse como un proceso de
transformación de la cobertura vegetal natural original a una cobertura vegetal
actual en la que se encuentran diferentes niveles de interacción antropogénica.
En el territorio del CGPSHA
se diferencian cinco tipos de paisaje: Cultivado, manejado, natural, suburbano y
otras coberturas en el cuadro se presenta la descripción de la cobertura vegetal
por tipo de paisaje.
Cuadro. 8. Descripción de la génesis de la cobertura vegetal por tipo de paisaje
Tipo de
paisaje
Cobertura vegetal Área/ha % Uso actual Tipo de uso
recomendado
Génesis de
cobertura
Área/ha %
Cu
ltiv
ado
Agricultura(Pastos y cultivos) 12540.19 5.61 Sistema de
produccion con intensidad de
desarrollo económico bajo
Técnicas de producción con
bajo nivel de impacto ecológico
Cobertura vegetal cultural
23190 10.37
Pastizal degradado 2917.85 1.30
Asociación bosque cultivos mixtos 7317.30 3.27
Asociación bosque pastizal 414.85 0.19
Man
ejad
o
Matorral bajo 9.91 0.00
Sistemas seminaturales de
protección por sucesión natural
Sistema de conservación
restauración de areas de en proceso de deterioro
Cobertura vegetal
seminatural
209.9 0.09 Matorral alto 200.01 0.09
Nat
ura
l Bosque sobre tepuis 7628.29 3.41 Sistemas de conservación natural
con alto interes ecológico
Sistemas de conservación permanente
Cobertura vegetal natural
2E+05 87.85
Bosque denso 187825.43 83.98
Matorral sobre tepuis 1039.72 0.46
Suburbano Infraestructura civil
346.48 0.15
Sistemas de asentamientos con
crecimiento demográfico y alto
nivel económico
Asentamientos humanos y desarrollo
socioeconómico
Cobertura vegetal cultural
346.7 0.46
Otras coberturas
Bancos de arena 127.79 0.06
Otras coberturas Otras coberturas Otras
coberturas 3425 1.54
Ríos dobles 3284.79 1.47
Lagunas 12.28 0.01
TOTAL 223664.89
Fuente: Equipo de Trabajo, 2010.
A nivel general la vegetación
se agrupó en 3 tipos de cobertura vegetal clasificada en base a su génesis, donde
se observa que:
68
La cobertura vegetal cultural
(o antrópica) cuya fisonomía, estructura y composición es el resultado de procesos
predominantemente antropogénicos, donde se encuentran elementos vegetales
intencionalmente introducidos y cultivados, está representada por A mixtos,
asociación agricultura(Pastos y cultivos), pastizal degradado, asociación bosque
cultivos mixtos, representan el 10% de la superficie del CGPSHA, lo cual indica una
moderada intervención antrópica que ha transformado la cobertura natural original
en cobertura antrópica.
La cobertura vegetal
seminatural se refiere a aquellas coberturas vegetales cuya Fisonomía, estructura
y composición es el resultado de procesos naturales y antropogénicos, pero donde
no se encuentran elementos vegetales intencionalmente introducidos. Está
representada por las siguientes coberturas: Matorral alto, Matorral bajo. Tiene un
porcentaje muy bajo en relación al area de estudio con solo el 0.09%.
Le sigue la cobertura vegetal
natural cuya fisonomía, estructura y composición, es el resultado de procesos
fundamentalmente no antropogénicos, está representada por coberturas naturales
como: Bosque denso, bosque sobre tepuis, matorral sobre tepuis. Representa el 87
% del total de la cuenca, esta vegetación natural se distribuye en toda las partes
de la zona con topografías muy escarpadas, y siendo de difícil acceso para su
aprovechamiento en sectores bien pronunciados.
69
Fig 21. Niveles de transformación del paisaje en el territorio del CGPSHA
En el mapa se puede observar
los sitios donde se está desarrollando actividades de cambio del paisaje, especial
interés se encuentra en los sectores donde el desarrollo socioeconómico se está
poniendo en marcha como es la ampliación de la vía a la ciudad de Santiago de
Tiwintza, con un 10 % del total del territorio. Sin embargo la cobertura vegetal
natural muestra un alto nivel de conservación con un 87% del total del territorio.
5.2.1.2. COBERTURA VEGETAL Y
USO DEL SUELO
El mapa de cobertura vegetal
y uso de la tierra, da una aproximación importante, para evaluar la cubierta vegetal
actual de los ecosistemas existentes o que han sido transformados o mayormente
afectados y en función de los cuales puede definirse una serie de estrategias
encaminadas a la conservación y desarrollo del territorio del CGPSHA, dando un
énfasis a la conservación y manejo, con fines de protección hídrica para el
70
suministro de agua en cantidad y calidad, y a la vez que se garantiza la
conservación de la biodiversidad en este sector amazónico.
En el cuadro siguiente se
presenta la superficie en hectáreas y porcentaje, ordenadas de mayor a menor,
referente a los tipos de cobertura vegetal presentes en el territorio.
Cuadro 9. Cobertura vegetal del territorio del CGPSHA
Cobertura vegetal Área/ha %
Bosque denso 187825.43 83.98
Agricultura(Pastos y cultivos) 12540.19 5.61
Bosque sobre tepuis 7628.29 3.41
Asociación bosque cultivos mixtos 7317.30 3.27
Ríos dobles 3284.79 1.47
Pastizal degradado 2917.85 1.30
Matorral sobre tepuis 1039.72 0.46
Asociación bosque pastizal 414.85 0.19
Infraestructura civil 346.48 0.15
Matorral alto 200.01 0.09
Bancos de arena 127.79 0.06
Lagunas 12.28 0.01
Matorral bajo 9.91 0.00
Fuente: Equipo de Trabajo, 2010.
Es importante mencionar que
el bosque denso tiene el mayor porcentaje de superficie con el (84%) distribuido
en todo el territorio con un buen nivel de conservación, le sigue la categoría de
Agricultura (Pastos y cultivos) con el 5.6%, donde se están desarrollando
actividades productivas tanto por las centros Shuar y aéreas de Colonos.
Un buen remanente de bosque
sobre tepuis alcanza un valor de 3.41%, se observa también el matorral que se
desarrolla sobre este con un 0.46%, siendo este ecosistema de gran importancia
como hábitat de flora y fauna se encuentra ubicado en sectores donde su geología
está compuesto por areniscas, muy fácil de identificar en las imágenes de satélite,
algunas de las especies importantes de este ecosistema se puede revisar en anexo
2.
71
La asociación bosque cultivos
ocupa el 3.47%, siendo estas aéreas donde las comunidades shuar mayormente
trabajan estos bosques, teniendo en su interior mezclas con cacao, café, guadua,
palma, etc. Es importante recalcar la gran cantidad de bosque en regeneración por
la poca ocupación a la agricultura que han sido abandonados.
El potencial hídrico se puede
diferenciar con un 1.47%, del territorio son ríos grandes y navegables, donde se
desarrollan actividades de pesca para consumo interno de la población.
Esta categoría es de interés
ecológico por el impacto que está causando al territorio, el pastizal degradado con
1.30%, son sitios discriminables donde la cobertura vegetal a perdido vigorosidad
debido al sobrepastoreo del ganado en sitios con pendiente fuerte, o actividades
de desarrollo humano como minería, quemas, tala raza. Es un fuerte indicar de
erosión de los suelos.
La asociación bosque pastizal
con 0.2% no es discriminable en el análisis digital de las imágenes de satélite, pero
observado con los recorridos de campo es el resultado de bosques que han sido
intervenidos para actividades agrícolas, que con el tiempo han sido aprovechadas
para la ganadería en forma limitada, y más bien se denota sectores donde la
regeneración está dando origen a nuevos bosques.
La infraestructura civil con un
0.15% está desarrollando un importante crecimiento en el territorio y con un
impacto ecológico muy notorio, como es la ampliación de la vía de cuatro carriles
hacia San José de Morona.
Las coberturas vegetales
mencionadas arriba son las principales entre la totalidad del territorio, que
representan una mayor superficie y que deben ser contempladas en la planificación
del manejo.
72
Cuadro 10. Descripción de atributos por tipo de cobertura vegetal existente en el territorio del CGPSHA
Carácter (aplicable sólo a vegetación natural, pero adaptable a vegetación artificial)
Cobertura vegetal
presente en el
territorio del
CGPSHA
Fisonomía Cubierta Biotipo dominante Tamaño Funcionalismo Fenológico
Asociación
bosque/cultivos
mixtos
Formación compuesta por
pequeños relictos de bosque
natural intervenido y
vegetación cultivada
(Theobroma cacao, Coffea spp., Musa spp., Carica
papaya) Manihot sculenta
La vegetación característica del bosque
es cerrada y la de los cultivos
entrelazada en su mayor parte pero
tambien discontinua
En bosque dominan
los árboles, y en
cultivos generalmente
las hierbas, y arbustos
Medio: Arboles: 10-30 m ;
arbustos: 1,1-2,50 m ; hierbas:
0,51-2 m
En zona muy lluviosas los
árboles son el tipo biológico
dominante; la mayoria son
perennifolios
Generalmente en zonas
con constante
precipitación la
vegetación es
siempreverde.
Agricultura
pastizal/cultivo
Formación artificial o cultivada dominada por pasto
(Setaria sphacelata, Melinis
minutiflora) y cultivos de Theobroma cacao, Coffea
spp., Musa spp., Carica
papaya, Psidium guajaba, Zea mays, Allium cepa
Vegetación abierta o claro, cuyos individuos característicos no se tocan
entre sí
Mayormente dominado por hierbas
y a veces arbustos
cultivados
Bajo: Arboles: (>5,1 m) 8-15 m ; arbustos: < 5 m ; hierbas: < 0,5
m.
Los cultivos generalmente son de ciclo corto y anuales;
y, en menor superficie
permanentes, y los pastos generalmente perennes
La vegetación es siempreverde
Pasto degradado Formación artificial dominada por cultivos de pasto (Pennisetum clandestinum, Setharia sphacelata, Eragrostis curvala, Festuca spp., Lolium spp., Azonopus spp., Cynodon, spp., Panicum spp. Entre otros)
Matorral alto Matorral: Formación dominada
por plantas leñosas, generalmente ramificadas desde abajo, de más
de 0,5 y menos de 5 metros de
altura, el dosel es generalmente irregular.
Vegetación
característica individualmente
entrelazada
Arbustos: Planta leñosa de tamaño mediano
generalmente de menos de cinco metros de altura, que se ramifica desde la base (a veces
ya en la porción hipogea) sin que exista un
tronco preponderante.
Alto: arbustos: > 2,51
m ; Medio: arbustos: 1,1-2,50 m ; Baja:
arbustos: < 1 m
Generalmente perennifolias: Especies
que tienen hojas durante todo el año
Siempreverde
carcaterístico de bosques
amazonicos
Matorral bajo Matorral: Formación dominada
por plantas leñosas, generalmente
ramificadas desde abajo, de más de 0,5 y menos de 5 metros de
altura, el dosel es generalmente
irregular.
Vegetación
característica
individualmente entrelazada
Arbustos: Planta leñosa de tamaño mediano
generalmente de menos de cinco metros de
altura, que se ramifica desde la base (a veces ya en la porción hipogea) sin que exista un
tronco preponderante. Identificable en la
composición 4/5/3 del Landsat, puede confundir con areas quemadas y pastiza
degradado
Alto: arbustos: > 2,51
m ; Medio: arbustos:
1,1-2,50 m ; Baja: arbustos: < 1 m
Generalmente perennifolias: Especies
que tienen hojas durante todo el año
Siempreverde
carcaterístico
de bosques amazonicos
73
Matorral sobre
tepuis
Matorral: Formación dominada
por plantas leñosas, generalmente ramificadas desde abajo, de más
de 2,5 y menos de 5 metros de
altura, el dosel es generalmente irregular . Entre las especies mas
representativas se pueden
encintrar: Ilex sp, Weinmania sp., Clusia sp., Schefflera sp., Miconia
sp., Steospermatium robustum.
Vegetación abierta o
claro, cuyos individuos
característicos no se
tocan entre sí
Arbustos: Planta leñosa de tamaño mediano
generalmente de menos de cinco metros de altura, que se ramifica desde la base (a veces
ya en la porción hipogea) sin que exista un
tronco preponderante.
Alto: arbustos: > m ;
Medio: arbustos: 1,1-2,50 m ; Baja:
arbustos: < 1 m
Constituye esta una formación en que
los árboles de hoja caduca son el tipo biológico dominante, representado por
un gran número de especies diferentes,
especies que pierden sus hojas durante la estación seca.
Las
condiciones climáticas, y el
piso altitudinal
la ubican en zonas
siempreverdes.
Matorral ralo alto Matorral: Formación dominada
por plantas leñosas, generalmente
ramificadas desde abajo, de más
de 0,5 y menos de 5 metros de
altura, el dosel es generalmente irregular.
Vegetación abierta o
claro, cuyos
individuos
característicos no se
tocan entre sí
Arbustos: Planta leñosa de tamaño mediano
generalmente de menos de cinco metros de
altura, que se ramifica desde la base (a veces
ya en la porción hipogea) sin que exista un
tronco preponderante.
Alto: arbustos: > 2,51
m ; Medio: arbustos:
1,1-2,50 m ; Baja:
arbustos: < 1 m
Constituye esta una formación en que
los árboles de hoja caduca son el tipo
biológico dominante, representado por
un gran número de especies diferentes,
especies que pierden sus hojas durante la estación seca.
Generalmente
son
siempreverdes
Matorral ralo bajo Matorral: Formación dominada
por plantas leñosas, generalmente
ramificadas desde abajo, de más de 0,5 y menos de 5 metros de
altura, el dosel es generalmente
irregular.
Vegetación abierta o
claro, cuyos
individuos característicos no se
tocan entre sí
Arbustos: Planta leñosa de tamaño mediano
generalmente de menos de cinco metros de
altura, que se ramifica desde la base (a veces ya en la porción hipogea) sin que exista un
tronco preponderante.
Alto: arbustos: > 2,51
m ; Medio: arbustos:
1,1-2,50 m ; Baja: arbustos: < 1 m
Generalmente caducifolias: Constituye
esta una formación en que los arbustos
de hoja caduca son el tipo biológico dominante, representado por un gran
número de especies diferentes,
especies que pierden sus hojas durante la estación seca.
Generalmente
Son deciduos
Bosque denso Bosque: Formado por árboles de
más de 5 - 30 metros de altura,
forma por lo menos un estrato o dosel más o menos continuo,
cubriendo al menos el 40% de la
superficie siempre o al menos durante una época del año. Las
especies caracteristicas de esta
formacion son: Elaeagia pastoensis, Ceiba pentandra,
Cinchona sp., Compsoneura
morona-santiagoensisi; Dacryodes peruviana
Vegetación cerrada o
densa: Vegetación
característica individualmente
entrelazada
Arboles: Planta leñosa y vivaz de por lo
menos cinco metros de altura. El tronco
comunmente simple, se ramifica a una cierta altura formando una copa de aspecto más o
menos característico para cada especie. A
veces el tallo o tronco no se ramifica y termina en un penacho de hojas que se
denomina estipite. Planta perenne, de tronco
leñoso y elevado, que se ramifica a cierta altura del suelo (Microsoft® Encarta® 2007).
Arboles: > 25,1 m ;
arbustos: > 2,51 m ;
hierbas: > a 2,1 m.
Generalmente perennifolias: Especies
que tiene hojas durante todo el año
Generalmente
Siempreverde
de coordillera amazonica
74
Bosque sobre tepuis Bosque: Formado por árboles de
más de 10 a 20 metros de altura, forma por lo menos un estrato o
dosel más o menos continuo,
cubriendo al menos el 40% de la superficie siempre o al menos
durante una época del año. Las
especies caracteristicas tenemos Stenopadus (Asteraceae),
Digomphia (Bignoniaceae),
Everardia (Cyperaceae), Euceraea (Flacourtiaceae), Phainantha
(Melastomataceae), Pterozonium
(Pteridaceae), Perissocarpa (Ochnaceae), Retiniphyllum
(Rubiaceae), Bonnetia
(Theaceae), y Aratitiyopea (Xyridaceae).
Vegetación cerrada o
densa: Vegetación característica
individualmente
entrelazada
Arboles: Planta leñosa y vivaz de por lo
menos cinco metros de altura. El tronco comunmente simple, se ramifica a una cierta
altura formando una copa de aspecto más o
menos característico para cada especie. A veces el tallo o tronco no se ramifica y
termina en un penacho de hojas que se
denomina estipite. Planta perenne, de tronco leñoso y elevado, que se ramifica a cierta
altura del suelo (Microsoft® Encarta® 2007).
Arboles: 10-20 m ;
arbustos: 1,1-2,50 m ; hierbas: 0,51-2 m.
Generalmente perennifolias: Especies
que tiene hojas durante todo el año
Generalmente
Siempreverde: se encuntran
en la
estribación de la coordillera
amazonico
Vialidad/actividades
civiles Desarrollo de actividades socioeconomicas y crecimiento demografico
Bancos de arena Siempre formado en los margenes de los rios
Lagunas Son embalses de origen natural
Ríos Afuentes naturales de gran importancia hidrica
Fuente: Equipo de Trabajo, 2010.
75
Fig 22. Mapa de cobertura vegetal y uso actual del suelo
76
Para observar cada tipo de cobertura ver anexo 1.
5.2.1.3. Imágenes Categorizadas
para Analisis Multitemporal
Con el objetivo de obtener
las áreas de cambio se procedió a simplificar la leyenda temática de la
clasificación del 2009 en seis tipos de clases que se detallan a continuación:
Bosque, Agricultura, Matorral, Infraestructura Civil, Banco de Arena, agua. En lo
que respecta a la clasificación de la cobertura para este análisis, no se tomó en
cuenta la descripción de bosque denso y bosque sobre tepuis, solo se clasificó en
un solo tipo de bosque y matorral. Esto con el fin de obtener las áreas de cambio, a
sabiendas que la deforestación es el resultado de la pérdida total o parcial del
bosque a otro tipo de cobertura. Con estas leyendas se procedió a clasificar los
mosaicos de las imágenes Landast del año 1987 y 2002
5.2.1.3.1.Cobertura Vegetal
año 1987
La cobertura vegetal que
se determinó para el año 1987, se describe en el cuadro donde se muestra toda la
información de la base geográfica del área de estudio para este año.
Cuadro 11. Base de datos de la cobertura vegetal del territorio del CGPSHA del año 1987.
Cobertura 1987
Clase ha %
Bosque 235377.8 91.9
Agricultura 14583.9 5.6
Matorral 1893.8 0.7
Infraestructura 53.7 0.02
Banco de arena 88.5 0.03
Agua 3962.5 1.54
255960.5 100
Fuente: Equipo de Trabajo, 2010.
77
En este periodo se
determina que el bosque cubre el 92% del total del territorio, la agricultura el 5.6,
la infraestructura civil apenas el 0,02% llegando a establecer que la agricultura era
la principal actividad de desarrollo a lo interno de las comunidades Shuar, casi sin
ningún impacto con obras civiles a excepción de la pista de aterrizaje como los más
representativo de este categoría. Los ríos y los bancos de arena son categorías que
están presentes en el territorio pero no tienen ninguna importancia sobre la
deforestación. Netamente todo el territorio presenta para la fecha un importante
recurso forestal.
A continuación se muestra el mapa de cobertura vegetal
Fig 23. Mapa de cobertura vegetal del año 1987
78
5.2.1.3.2. Cobertura vegetal año 2009
Cuadro 12. Base de datos de la cobertura vegetal del territorio del CGPSHA del año 2009
simplificada.
Cobertura 2009
Clase ha %
Bosque 229596.9 89.6935134
Agricultura 20517.3 8.01523574
Matorral 1600.3 0.62514984
Infraestructura 348.3 0.13607455
Banco de arena 171.1 0.06682382
Agua 3745.5 1.46320261
255979.3 100
Fuente: Equipo de Trabajo, 2010.
Para este periodo
el Bosque posee el 89% del territorio, la agricultura con el 8%, el matorral con el
0.6%, la infraestructura civil con el 0.13%, donde se sigue manteniendo el recurso
forestal, la agricultura sigue siendo la principal actividad de desarrollo económico
de la zona, y no se muestra tanto impacto el desarrollo de las actividades civiles
dentro del territorio.
A continuación se muestra en la figura 23, el mapa de cobertura vegetal del
añ0 2009 con categorías agrupadas.
79
Fig 24. Mapa de cobertura vegetal del territorio CGPSha del año 2009
5.2.3. TASA DE DEFORESTACIÓN EN BASE AL ANÁLISIS
MULTITEMPORAL DE IMÁGENES SATELITALES EN EL PERÍODO
1987 Y 2009
5.2.3.1. Cambios de la cobertura vegetal 1987-2009
El cambio que se registra para la provincia en el
periodo de 1987-2002, se detallan en el cuadro 13.
Cuadro 13. Cambio que presentan las categorías en el período de 1987-2009
Cambios Cobertura 2009
Bosque Agricultura Matorral Infraestructura Banco arena Agua
Cobertura 1987 1987 1 2 3 4 5 6
Bosque 1 222269.57 12504.39 129.57 190.33 21.85 255.19
Agricultura 2 6684.51 7616.47 1.18 100.92 41.03 138.17
Matorral 3 301.89 115.51 1469.01 2.71 0.38 4.27
Infraestructura 4 0.44 14.82 0 38.54 0 0.01
Banco arena 5 29.79 26.21 0.32 2.79 18.75 10.67
Agua 6 285.29 237.88 0.17 13.02 89.02 3337.14
Fuente: Equipo de Trabajo, 2010.
80
Fuente: Equipo de Trabajo, 2010.
Analizando las tablas en este periodo se puede evidenciar
una pérdida del bosque es 12824.29 ha, lo que representa alrededor de 583
ha/año, transformadas actividades de desarrollo agrícola como pastizales y
cultivos representando el 5% del territorio, la construcción de vías y
asentamientos humanos con el 0,1%, sigue siendo bajo en comparación para el
territorio total.
Se observa que durante este periodo se regeneró alrededor
de 6988 ha, representando el 2.7% de áreas agrícolas a bosques, esto es muy
evidente constatarlo, debido a que se puede observar gran cantidad de potreros
abandonados y que se encuentran en proceso de recuperación esto dentro del
territorio y en su zona de influencia.
Las áreas no evaluadas corresponden a los sitios de la parte
baja de los ríos donde hay un cambio pronunciado de los cauces en las fechas de
estudio, produciendo un cambio no provocado por el hombre.
El cambio neto a otras coberturas es de 6069.7 Ha,
representando el 2.6% de pérdida total de bosque.
La tasa de deforestación para el periodo es de -0.11 %, con una pérdida de 262,7
ha/año, no recuperables.
Cambios Ha %
Cambio negativo(Deforestación) 12824.2 5.01
Cambio negativo(Desarrollo socioeconómico 233.9 0.10
Cambio positivo(Regeneración) 6988.0 2.73
No evaluado(Movimiento cauce ríos) 4511.9 1.75
Sin cambio
231393.5900 100
81
Fig 25. Tendencia de la deforestación para el periodo del 1987-2009
La gráfica nos indica claramente que el proceso de
deforestación en la zona del CGPSHA, se da con un ritmo de deforestación no
acelerado.
A continuación en la siguiente figura 25 se muestra el mapa de cambios
Fig 26. Mapa de cambio de uso del suelo periodo 1987-2009
El mapa nos indica claramente que los sectores donde más
deforestación se ubica son en las zonas de propiedad de colonos.
229000.000
230000.000
231000.000
232000.000
233000.000
234000.000
235000.000
236000.000
1985 1990 1995 2000 2005 2010 2015
Tendencia de la deforestación
82
Una de las actividades importantes que se detecto como
causa de la deforestación es la construcción de una trocha de 43 km de largo por
40 metros de ancho, para el tendido eléctrico desde el sector la Victoria hacia
Banderas, en donde el bosque fue cortado a tala raza.
En la siguiente figura 26 se muestra la apertura de trocha
detectada como anomalía en la imagen Aster del 2009.
Fig 27. Anomalía detectada desde la imagen de Satélite
83
Fig 28. Apertura de trocha para tendido eléctrico sector las peñas.
En la siguiente imagen se puede observar el impacto
producido en el bosque, por la apertura de la trocha.
Fig 29. Tendido eléctrico puesto en marcha en el sector las Peñas
84
Fig 30. Construcción de trocha para tendido eléctrico sector la Victoria.
En la foto se observa el impacto negativo producido al
bosque por la construcción de la trocha, en donde se ha cortado a tala raza.
A continuación se muestran algunos de los cambios más significativos detectados
en las imágenes de satélite.
a) Año 1987
85
b) Año 2009
Es evidente el cambio producido entre la una fecha y la otra
según como se analiza las imágenes de satélite.
Muy evidente identificar los cortes del bosque con fines de
ampliación de la frontera agrícola, aunque no en gran medida.
86
Fig 31. Panorámica de corte a tala raza con fines de ampliación agrícola.
Algo importante es la regeneración con que en algunos
sectores se está desarrollando, por el abandono de potreros y cultivos sin ningún
manejo, esto da lugar a nuevas formaciones de bosques.
Fig 32. Potrero sin ningún tipo de manejo
87
En la figura 31 se muestra uno de los sitios identificados
como regeneración, donde se observa su recuperación.
Cabe mencionar que la ganadería si bien es cierto existe en
la zona pero no en la cantidad que se pudiera esperar, por las áreas abiertas como
potreros.
Esto es un problema ya que no se está aprovechando de
buena manera su territorio para esta actividad, esto también se evidencia en su
zona de influencia.
En las siguientes figuras se muestra algunos de estos sitios identificados en
campo.
Fig 33. Pastizales subutilizados
Como se muestra en las figuras en el sector de la parte baje
de Santiago, se identificaron muchos potreros con poca cantidad de ganado, esto
provoca que haya una subutilización de estas tierras para algún tipo de desarrollo
agroproductivo.
A lo largo del territorio no se observo sitios específicos para
el apilamiento de madera en cantidades mayores, sino pequeños bloques para
consumo interno.
Como es evidente los sectores donde existió madera de gran
valor comercial han sido explotados hace tiempos atrás.
88
Fig 34. Pequeños depósitos de madera identificados a la largo del territorio.
En las siguientes figuras se puede observar el proceso de regeneración que se
observa en la zona de estudio
Fig 35. Regeneración identificada en las imágenes de satélite
89
5.2.4. MODELO DE SIMULACIÓN DEL PROCESO DE DEFORESTACIÓN.
La simulación del proceso de deforestación genero el siguiente
escenario que se muestran en la siguiente figura.
Fig 36. Mapa de predicción generado en el modulo LCM al 2020
En este periodo se estima se perderán alrededor de 34753.000 ha, con una tasa de
crecimiento de -1,34%, elevándose substancialmente, esto debido al gran avance
que se está desarrollando en el territorio, la construcción de nuevas vías siempre
trae más desarrollo pero a su vez muy perjudicial para los bosque.
En el siguiente cuadro se presenta los valores de bosque estimado hasta el año
2025, en intervalos de cinco años.
90
Cuadro 14. Estimación de la deforestación al 2025
Cantidad Año Bosque/ha
Determinada 1987 235377
Determinada 2009 229596
Estimada 2010 201536
Estimada 2015 201136
Estimada 2020 200624
Estimada 2025 200416
Fuente. Equipo de trabajo
En el siguiente grafico se muestra la tendencia que se predice seguirá la
deforestación.
Fig 37. Tendencia de la deforestación al año 2020.
El escenario es desalentador si no se toman las medidas de corrección
necesarias.
200000.000
205000.000
210000.000
215000.000
220000.000
225000.000
230000.000
235000.000
240000.000
1985 1990 1995 2000 2005 2010 2015 2020 2025
91
5.2.5. Análisis de los Patrones de Deforestación
Variables ambientales
Son las que ayudan a diagnosticar el estado actual del territorio, en este
sentido se observa los sitios donde los humanos han venido realizando actividades
agropecuarias, y de conservación del bosque. Esto se debe a que el humano siempre
está buscando explotar los mejores sitios; como lo es terrenos con pendientes
planas, suelos aptos para agricultura, buenas condiciones del clima, ríos con gran
cantidad de peces, etc.
Por eso se utilizo estas variables como patrón de deforestación, y combinando con
las herramientas SIG, se logro identificar las zonas donde presta las
características idóneas para su explotación y determinar el avance de la frontera
agrícola.
Variables socioeconómicas
Las variables analizadas como patrones de deforestación, son el resultado
de las acciones del hombre y su influencia en el desarrollo de este sector. El
desarrollo de la vialidad va a causar un impacto muy fuerte en el territorio debido
a la ampliación de la vía, con una capacidad de cuatro carriles; esto ha hecho que
este importante sector poseedor de un recurso natural muy bien cuidado, empiece
a verse alterado. La ciudad de Santiago de Tiwintza en el año 2002 estaba
conformado por 24 familias, lo que da una aproximado de 400 personas,
actualmente habitan cerca de 2500 personas, siendo esta la cabecera cantonal del
cantón tiwintza. Aquí se están desarrollando actividades de comercio con la salida
92
hacia la ciudad de Macas y otros sectores, existe transporte interprovincial lo que
facilita el intercambio de productos y mercancías. Este punto va a convertirse en
el paso para la salida al río amazonas, previsto para el comercio internacional.
Las comunidades que están dentro del CGPSHA, alrededor de 48 centros
Shuar y cinco zonas donde habitan los colonos, se ubican cerca a la proximería de
los ríos, el total de habitantes que habitan el territorio se puede ver en el
siguiente cuadro.
Cuadro 15. Datos de población total del territorio del CGPSHA
ASOCIACION NOMBRE TOT_FAM TOT_HAB
Nunkui Shuar Ampam 11 63
Nunkui Unión Zamora (Kuakus) 18 54
Nunkui Kuankus 29 163
Sinip Uwints 11 62
Nunkui Warints 65 381
Nunkui Maikiuants 23 156
Sinip Tinkimints 18 117
Sinip Numpatkaim 33 219
Sinip Kunkuk 22 205
Sinip Banderas 21 189
Arutam Piunts 51 316
Arutam Ayantas (Piunts) 18 54
Santiago Jempekat 24 154
Santiago Palomino (Tayunts) 8 25
Santiago Tayunts 16 80
Santiago Yapapas 15 81
Santiago Kiim 15 105
Santiago Kushapuk 10 46
Santiago Chichis 20 109
Santiago Peñas 14 92
Santiago La Frontera 16 115
Mayaik Kaputna 24 116
Mayaik Kusumas 24 165
Mayaik Mayaik 29 239
Mayaik Tsapa 22 187
Mayaik Yumisim 22 158
Mayaik Paantan 17 77
93
Mayaik Tsuis 24 172
Mayaik Chimius 26 130
Mayaik Nantip 15 100
Mayaik Kapisunk 19 124
Arutam Tiink 34 215
Arutam Apunkius (Tiink) 18 54
Arutam Tsuntsuim (Tiink) 11 70
Arutam Waapis (Tiink) 12 81
Arutam Yukutais (Tiink) 41 297
Santiago Waje 4 20
Santiago Suritiak 15 65
Santiago Chinkianas 18 54
Nunkui Yunkumas 9 66
Arutam Nankints 18 54
Santiago Yukiakas 18 54
Santiago San Miguel 18 540
Cabezera cantonal Santiago de Tiwintza 2500
Total 8324
Fuente, Equipo de tierras del CGPSHA
Total son 8324 personas las que están desarrollando actividades en la zona,
una característica importante es que el CGPSHA, tiene establecido un plan de vida
para sus habitantes, donde le dan mayor importancia a la conservación del bosque
como su sustento de vida. Igualmente desarrollan actividades para el consumo
interno de sus miembros, como es el cultivo de yuca, plátano, guadua, van cortando
por partes pequeñas de bosque y posterior a esto realizan rotación de sus cultivos.
En el plan de vida del CGPSHA, se elaboro un reglamento a lo interno donde
tienen realizada una zonificación por centro, donde el 25%, de cada parcela
muestrea será utilizada para el buen aprovechamiento de cultivos y ganadería.
Analizadas estas variables se concluye con el siguiente mapa donde nos
indica el potencial riesgo de deforestación.
94
Fig 38. Potencial de deforestación en el CGPSHA
5.3. ALTERNATIVAS DE MITIGACIÒN
Las alternativas que se presentan son el resultado de todo el
diagnostico previsto en el presente estudio.
A) Identificados los sectores donde más se está deforestando, se
encuentran los asentamientos de colonos.
Aquí lo ideal será tomar acciones conjuntas con los miembros del
CGPSHA, donde se pueda implementar acciones de recuperación
de terrenos forestales, a través de planes de reforestación;
considerando para el mismo se lo haga con especies nativas.
B) El segundo es utilizar los terrenos que ya han sido trabajados
para la agricultura y ganadería. Y aquí emprender programas para
mejoramiento de cultivos y la inserción de ganado de excelente
calidad.
95
C) Otra alternativa para mitigar el impacto de la deforestación, es
emprender con actividades de turismo comunitario, hacer un
invenrtario de recursos escenicos para empezar a traer turistas,
y paguen por la visita a estos sectores, con recurso escenico
invaluable.
Las alternativas aquí propuestas se enmarcan dentro del
PLAN DE VIDA DEL PUEBLO SHUAR ARUTAM, como medida de mitigación al
proceso de deforestación.
En la siguiente figura se muestra los sectores donde se
debería concentrar las alternativas de manejo aquí propuestas.
Fig 39. Alternativas propuestas para mitigar el impacto de la deforestación
96
CAPITULO 6. CONCLUSIONES Y RECOMENDACIONES
CONCLUSIONES
- El territorio del CGPSHA, mantiene una cobertura boscosa en la
actualidad del 89,6%, siendo muy importe para la conservación de
especies de flora y fauna silvestre.
- Las actividades de infraestructura civil como la ampliación de la vía y
el crecimiento de la ciudad de Santiago de Tiwintza, es de apenas el
0.13%, en relación al territorio.
- En el periodo de 22 años se perdió 12824.29 ha, de bosque nativo lo que
representa alrededor de 583 ha/año,
- La construcción de la trocha para la colocación de postes de luz desde el
sector la Victoria hasta Banderas fue de 43 km de largo por 40 metros de
ancho, dando una pérdida de bosque de 190 ha.
- La regeneración del bosque es situó alrededor de 6988 ha, representando el
2.7% de áreas agrícolas a bosques,
- La tasa de deforestación determinada para el periodo de estudio 1987-
2009 es de -0.11 %
- El modulo Land Change Modeler (LCM), estimo una pérdida de 34473 ha de
bosque al año 2025, dando una tasa de deforestación de -1.34%.
RECOMENDACIONES
- Actualizar el monitoreo de la deforestación, con estudios cada cinco
años.
- Proveer de imágenes de satélite anualmente, para obtener una mejor
homogeneización de los datos en menor tiempo, y así poder evaluar el
cambio continuo de uso del suelo.
- Capacitar a los técnicos del grupo de tierras, para que puedan
manejar la información y actualizarla permanentemente.
- Tomar medidas de acción, para evitar en lo posible la destrucción
total del bosque, con la construcción de trochas para tendido
eléctrico.
97
CAPITULO 7. BIBLIOGRAFIA
CHUVIECO E. 1996. Fundamentos de la Teledetección Espacial. Ediciones
RIALP S.A. Madrid-España. 115. p.
CHUVIECO E. 2002. Teledetección Ambiental. La observación de la tierra
desde el espacio.1era.Edición –Mayo. Editorial Ariel S.A.-España.
CLIRSEN 2002. Propuesta de clasificación y Leyenda sobre Cobertura
Vegetal y Uso del Suelo. Versión a.2. Quito, Ecuador.
CHAVEZ, EW. 1988. An Improved Dark-Object Susbtraction Technique
for Atmospheric Scatteing Correctiong of Multiespectral Data. Remote
Sensing of Environment 24, pp 459-479.
ESTES, J.E.; SIMONETT. D.S., 1975. Fundamentals of Imagen
Interpretation, em R.G. Reeves (Ed), Manual of Remote Sensing, Falls
Church, American society of fotogrammetry pp. 869-1076.
ERDAS, 2001. Field Guide, Spanish. Bogotá, Colombia
FAO, 2005. Situación Forestal en la Región de América Latina y el
caribe-2004. Oficina. Regional para América latina y el Caribe. Santiago,
http://www.pla.net.py/enlaces/cnelm/980617/deforefo.htm
http://www.aag.org/mycoe/student_guide/1%20Temas/4.Deforestacion.pdf
http://www.fao.org/mnts/glossary_es.asp#d
http://www.pnuma.org/forodeministros/12-barbados/bbdt03e-
BosquesTropicalesHumedos.pdf
http://www.fao.org/docrep/007/ad680s/ad680soo.html.
http://www.rlc.fao.org
LILLESAND, T.M. Y KIEFER, R. W. 2000. Remote Sensing and Imagen
Interpretation, Nueva York, Jhon Wiley & Sons
www.dev.clirsen.com/pdfs/defo_ecuador.pdf
98
CAPITULO 7. ANEXOS
99
Anexo 1. Coberturas reconocidas en campo
1) Bosque sobre tepuis
Vista del bosque que se encuentra en las mesetas denominadas tepuis,
sector de la cordillera del cóndor.
Bosque sobre tepuis, la formación geológica de areniscas, sector parte alta
de la unión, apertura de mina de explotación.
2) Bosque denso
100
Vista del bosque denso distribuido en todo el territorio del CGPSHA
3) Agricultura (Pastos y cultivos)
Dentro de esta categoría se puede evidenciar las actividades de pastoreo con
pequeños cultivos, que nos son interpretables en las imágenes.
101
4) Pastizal degradado
Actividad producida por el sobrepastoreo del ganado, quemas y otras como
se identifica en las imágenes.
5) Asociación bosque cultivos mixtos
Algunos de los ejemplos identificados donde se mezcla el bosque con diferentes
tipos de cultivos.
102
6) Asociación bosque pastizal
Vista de los sitios donde la cobertura forestal está mezclada con pastizales.
7) Matorral bajo
Esta tipo de cobertura no es muy notoria en el sector pero se puede discriminar en
pequeños sectores donde habido intervención antròpico sobre los bosques o
también producto de la apertura de vías.
8) Matorral alto
103
Encontrado principalmente en los sectores donde la topografía es muy fuerte con
pendientes mayores al 45 %, en especial en los márgenes de los ríos.
9) Matorral sobre tepuis
10) Infraestructura civil
Explotación de canteras para la obtención de material petreo para el lastrado de
vías. Sector Yaupi.
11) Ríos dobles y bancos de arena
104
Río Zamora Río Santiago
Una de las características importantes de sus ríos que son anchos y muy
caudalosos
12) Lagunas
Una de las dos lagunas más grandes existentes en el territorio, con una belleza
escénica única.
13) Análisis estadístico
Mosaico imagen Landsat TM5 2009
Distance measure: Jefferies-Matusita
Using bands: 1 2 3
Taken 3 at a time
Class
105
1 Bosque sobre tepuis
2 agricultura dos
3 agricultura tres
5 agua
6 banco de arena
7 bosque
8 bosque dos
9 civil
10 matorral bajo
11 nube
12 pastodegradado
13 sombras
Separability Listing
Bands AVE MIN Class Pairs:
1: 2 1: 3 1: 5 1: 6 1: 7 1: 8 1: 9
1:10 1:11 1:12 1:13 2: 3 2: 5 2: 6
2: 7 2: 8 2: 9 2:10 2:11 2:12 2:13
3: 5 3: 6 3: 7 3: 8 3: 9 3:10 3:11
3:12 3:13 5: 6 5: 7 5: 8 5: 9 5:10
5:11 5:12 5:13 6: 7 6: 8 6: 9 6:10
6:11 6:12 6:13 7: 8 7: 9 7:10 7:11
106
7:12 7:13 8: 9 8:10 8:11 8:12 8:13
9:10 9:11 9:12 9:13 10:11 10:12 10:13
11:12 11:13 12:13
1 2 3 1396 838 1414 1414 1414 1414 1317 1413 1414
1402 1414 1410 1414 1299 1414 1414
1414 1355 1414 1414 1414 1414 1414
1414 1414 1388 838 1414 1414 1414
1413 1414 1414 1414 1414 1414 1414
1414 1414 1414 1414 1414 1414 1414
1414 1414 1414 1336 1414 1404 1414
1401 1414 1414 1414 1414 1414 1414
1414 1411 1258 1414 1414 1342 1414
1414 1414 1414
Best Minimum Separability
Bands AVE MIN Class Pairs:
1: 2 1: 3 1: 5 1: 6 1: 7 1: 8 1: 9
1:10 1:11 1:12 1:13 2: 3 2: 5 2: 6
2: 7 2: 8 2: 9 2:10 2:11 2:12 2:13
3: 5 3: 6 3: 7 3: 8 3: 9 3:10 3:11
3:12 3:13 5: 6 5: 7 5: 8 5: 9 5:10
5:11 5:12 5:13 6: 7 6: 8 6: 9 6:10
107
6:11 6:12 6:13 7: 8 7: 9 7:10 7:11
7:12 7:13 8: 9 8:10 8:11 8:12 8:13
9:10 9:11 9:12 9:13 10:11 10:12 10:13
11:12 11:13 12:13
1 2 3 1396 838 1414 1414 1414 1414 1317 1413 1414
1402 1414 1410 1414 1299 1414 1414
1414 1355 1414 1414 1414 1414 1414
1414 1414 1388 838 1414 1414 1414
1413 1414 1414 1414 1414 1414 1414
1414 1414 1414 1414 1414 1414 1414
1414 1414 1414 1336 1414 1404 1414
1401 1414 1414 1414 1414 1414 1414
1414 1411 1258 1414 1414 1342 1414
1414 1414 1414
Best Average Separability
Bands AVE MIN Class Pairs:
1: 2 1: 3 1: 5 1: 6 1: 7 1: 8 1: 9
1:10 1:11 1:12 1:13 2: 3 2: 5 2: 6
2: 7 2: 8 2: 9 2:10 2:11 2:12 2:13
3: 5 3: 6 3: 7 3: 8 3: 9 3:10 3:11
3:12 3:13 5: 6 5: 7 5: 8 5: 9 5:10
108
5:11 5:12 5:13 6: 7 6: 8 6: 9 6:10
6:11 6:12 6:13 7: 8 7: 9 7:10 7:11
7:12 7:13 8: 9 8:10 8:11 8:12 8:13
9:10 9:11 9:12 9:13 10:11 10:12 10:13
11:12 11:13 12:13
1 2 3 1396 838 1414 1414 1414 1414 1317 1413 1414
1402 1414 1410 1414 1299 1414 1414
1414 1355 1414 1414 1414 1414 1414
1414 1414 1388 838 1414 1414 1414
1413 1414 1414 1414 1414 1414 1414
1414 1414 1414 1414 1414 1414 1414
1414 1414 1414 1336 1414 1404 1414
1401 1414 1414 1414 1414 1414 1414
1414 1411 1258 1414 1414 1342 1414
1414 1414 1414
Mosaico imágenes Landsat tm 1987
Distance measure: Jefferies-Matusita
Using bands: 1 2 3 4
Class
1 agricultura
2 agriculturados
109
3 bosque humedo
4 bosque sobre tepuis
5 matorral bajo
6 nubes
7 sombra
8 agua
9 banco de arena
10 pasto degradado
Separability Listing
Bands AVE MIN Class Pairs:
1: 2 1: 3 1: 4 1: 5 1: 6 1: 7 1: 8
1: 9 1:10 2: 3 2: 4 2: 5 2: 6 2: 7
2: 8 2: 9 2:10 3: 4 3: 5 3: 6 3: 7
3: 8 3: 9 3:10 4: 5 4: 6 4: 7 4: 8
4: 9 4:10 5: 6 5: 7 5: 8 5: 9 5:10
6: 7 6: 8 6: 9 6:10 7: 8 7: 9 7:10
8: 9 8:10 9:10
1 2 3 4 1393 1192 1388 1402 1414 1414 1311 1414 1414
1414 1411 1192 1396 1414 1404 1414
1414 1414 1401 1225 1360 1411 1414
110
1414 1414 1362 1355 1414 1414 1414
1414 1405 1414 1414 1414 1292 1386
1414 1414 1414 1412 1413 1414 1414
1414 1414 1381
Best Minimum Separability
Bands AVE MIN Class Pairs:
1: 2 1: 3 1: 4 1: 5 1: 6 1: 7 1: 8
1: 9 1:10 2: 3 2: 4 2: 5 2: 6 2: 7
2: 8 2: 9 2:10 3: 4 3: 5 3: 6 3: 7
3: 8 3: 9 3:10 4: 5 4: 6 4: 7 4: 8
4: 9 4:10 5: 6 5: 7 5: 8 5: 9 5:10
6: 7 6: 8 6: 9 6:10 7: 8 7: 9 7:10
8: 9 8:10 9:10
1 2 3 4 1393 1192 1388 1402 1414 1414 1311 1414 1414
1414 1411 1192 1396 1414 1404 1414
1414 1414 1401 1225 1360 1411 1414
1414 1414 1362 1355 1414 1414 1414
1414 1405 1414 1414 1414 1292 1386
1414 1414 1414 1412 1413 1414 1414
1414 1414 1381
Best Average Separability
111
Bands AVE MIN Class Pairs:
1: 2 1: 3 1: 4 1: 5 1: 6 1: 7 1: 8
1: 9 1:10 2: 3 2: 4 2: 5 2: 6 2: 7
2: 8 2: 9 2:10 3: 4 3: 5 3: 6 3: 7
3: 8 3: 9 3:10 4: 5 4: 6 4: 7 4: 8
4: 9 4:10 5: 6 5: 7 5: 8 5: 9 5:10
6: 7 6: 8 6: 9 6:10 7: 8 7: 9 7:10
8: 9 8:10 9:10
1 2 3 4 1393 1192 1388 1402 1414 1414 1311 1414 1414
1414 1411 1192 1396 1414 1404 1414
1414 1414 1401 1225 1360 1411 1414
1414 1414 1362 1355 1414 1414 1414
1414 1405 1414 1414 1414 1292 1386
1414 1414 1414 1412 1413 1414 1414
1414 1414 1381
112
14) Validación
113
Anexo2. Características de las principales especies que se desarrollan dentro
del CGPSHA
Cuadro1. Especies características del bosque sobre tepui en el territorio del
CGPSHA
NOMBRE CIENTIFICO FAMILIA Arboles 10 a 20 m de altura
Clethra castaneifolia CLETHRACEAE
Vismia CLUSIASEAE
Panopsis PROTEACEAE
Brunellia BRUNELLIACEAE
Guatteria ANNONACEAE
Matayba SAPINDACEAE
Arboles de hasta 5 m
Weinmannia auriformis CUNONIACEAE
Schradera sp Matorrales de 2 a 5 m
Ilex AQUIFOLIACEAE
Weinmania CUNONIACEAE
Clusia CLUSIASEAE
Persea LAURACEAE
Drimys WINTERRACEAE
Schefflera ARALIACEAE
Miconia MELASTOMATACEAE
Steospermatium robustum ARACEAE
Hierbas
Paepalanthus ERIOCAULACEAE
Pseudonoseris chachapoyensis ASTERACEAE
Sphaeradenia CYCLANTACEAE
Purdiaea nutans CYRILLACEAE
Fuente: Estudio de alternativas de manejo para el área de el Quimi, Cantón Gualaquiza,
provincia de Morona Santiago, 2004
114
Cuadro 2. Especies representativas del bosque denso, alturas de 15 a 30 m
distribuidos a lo largo del territorio CGPSHA.
NOMBRE CIENTIFICO FAMILIA
Pourouma CECROPIACEAE
Dacryodes occidentalis BURCERACEAE
Terminalia chiriquenses COMMELINACEAE
Iriartea deltoidea ARECACEAE
Oenocarpus bataua ARECACEAE
Otoba glycycarpa MYRISTICACEAE
Leonia glycycarpa VIOLACEAE
Clarisia racemosa MORACEAE
Ceiba pentandra BOMBACACEAE
Gyranthera sp. BOMBACACEAE
Palicourea sp RUBIACEAE
Vochysia sp
Weinmannia sp CUNONIACEAE
Caryodendron orinocense EUPHORBIACEAE
Xeroxylon sp ARECACEAE
Remigia sp RUBIACEAE
Ruagea glabra MELIACEAE
Tetrorchidium sp EUPHORBIACEAE
Faramea coerulescens K. Schum. RUBIACEAE
Coussarea paniculata (Vahl) Standl. RUBIACEAE
Neea sp. NYCTAGINACEAE
Iryanthera sp. MYRISTICACEAE
Inga sp. FABACEAE
Elaeagia pastoensis L. E. Mora RUBIACEAE
Roucheria punctata (Ducke) Ducke LINACEAE
Saurauia prainiana Buscal. ACTINIDIACEAE
Tapirira guianensis Aubl. ANACARDIACEAE
Compsoneura morona-santiagoensisi Janovec ined. MYRISTICACEAE
Guarea kunthiana A. Juss. MELIACEAE
Cassearia sp FLACOURTIACEAE
Mabea nitida Spruce ex Benth. EUPHORBIACEAE
Glycydendron amazonicum Ducke EUPHORBIACEAE
Dussia tessmannii Harms FABACEAE
Dacryodes peruviana (LOes.) H.J. Lam BURSERACEAE
Nectandra reticulata (Ruiz & Pav.) Mez LAURACEAE
115
Podocarpus oleifolius D. Don ex Lamb PODOCARPACEAE
Elaeagia sp. RUBIACEAE
Meliosma condorensis X. Cornejo SABIACEAE
Fuente: Herbario de la Universidad Nacional de Loja
Cuadro 3. Especies representativas del bosque denso, altura de árboles de 5 a
15 m distribuidos a lo largo del territorio CGPSHA.
NOMBRE CIENTIFICO FAMILIA
Alchornea sp EUPHORBIACEAE
Drymis granadensis L.f WINTERACEAE
Siparuna MONIMIACEAE
Warszewiczia coccinea (Vahl) Klotzsch RUBIACEAE
Bellucia sp. MELASTOMATACEAE
Faramea dudleyi Steyerm. RUBIACEAE
Macrolobium sp. FABACEAE
Clusia weberbaueri Engl. CLUSIACEAE
Guatteria sp. ANNONACEAE
Beilschmiedia sp. LAURACEAE
Centronia laurifolia D. Don MELASTOMATACEAE
Talauma sp. MAGNOLIACEAE
Styrax sp STYRACACEAE
Chaetocarpus sp. EUPHORBIACEAE
Humiriatrum mapirense Cuatrec HUMIRIACEAE
Cinchona sp. RUBIACEAE
Weinmannia reticulata Ruiz & Pav. CUNONIACEAE
Stilpnophyllum oellgaardii L. Andersson RUBIACEAE
Guateria sp. ANNONACEAE
Mollinedia sp. MONIMIACEAE
Hedyosmun sp. CHLORANTHACEAE
Brunellia sp. BRUNELLIACEAE
Viburnum sp. CAPRIFOLIACEAE
Randia RUBIACEAE
Sorocea steinbachii C.C. Berg MORACEAE
Trichilia pallida Sw. MELIACEAE
Solanum SOLANACEAE Fuente: Herbario de la Universidad Nacional de Loja
116
Cuadro 4. Especies representativas del bosque denso de árboles de hasta 5m
distribuidos a lo largo del territorio CGPSHA.
NOMBRE CIENTIFICO FAMILIA
Ocotea sp LAURACEAE
Persea LAURACEAE
Alchornea EUPHORBIACEAE
Weinmannia sp CUNONIACEAE
Ilex AQUIFOLIACEAE
Schefflera sp ARALIACEAE
Cinchona RUBIACEAE
Clusia CLUSIASEAE
Stilphophyllum RUBIACEAE
Gaiadendron LORANTHACEAE
Desfontainia spinosa Ruiz & Pavon LOGANIACAE
Besleria comosa C. V. Morton GESNERIACEAE
Miconia sp. MELASTOMATACEAE
Shefflera sp. ARALIACEAE
Carica sp CARICACEAE
Blakea sp. MELASTOMATACEAE
Ternstroemia sp. THEACEAE
Palicourea loxensis C.M. Taylor RUBIACEAE Fuente: Herbario de la Universidad Nacional de Loja
117
Cuadro 5. Especies representativas de arbustos distribuidos a lo largo del
territorio CGPSHA
NOMBRE CIENTIFICO FAMILIA
Gaultheria sp, ERICACEAE
Pernettya sp. ERICACEAE
Vallea stipularis L. f. ELAEOCARPACEAE
Weinmannia loxensis Harling. CUNONIACEAE
Peperomia sp. PIPERACEAE
Weinmannia sp. CUNONIACEAE
Ternstroemia sp. THEACEAE
Symplocos fuscata B. Stahl SYMPLOCACEAE
Desfontainia spinosa Ruiz & Pav. LOGANIACEAE
Monnina sp. POLYGALACEAE
Senna bacillaris (L. f.) H.S. Irwin & Barneby FABACEAE
Psychotria sp. RUBIACEAE
Palicourea sp. RUBIACEAE
Psychotria platypoda DC. RUBIACEAE
Pseuderanthemun sp. ACANTHACEAE
Psychotria caerulea Ruiz & Pav RUBIACEAE
Psychotria pilosa Ruiz & Pav RUBIACEAE
Piper sp. PIPERACEAE
Retiniphyllum sp. RUBIACEAE
Clusiella elegans Plach & Triana CLUSIACEAE
Heisteria acuminata (Humb. & Bonpl.) Engl. OLACACEAE
Eschweilera sp. LECYTHIDACEAE
Allophylus sp. SAPINDACEAE
Dendrobangia sp. ICACINACEAE
Centropogon sp. CAMPANULACEAE
Myrsine sp. MYRSINACEAE Fuente: Herbario de la Universidad Nacional de Loja
118
Cuadro 6. Especies representativas de hierbas distribuidas a lo largo del
territorio CGPSHA.
NOMBRE CIENTIFICO FAMILIA
Columnea guttata Poepp. GESNERIACEAE
Pearcea hispidissima (Wiehler) L. P. Kvis & L. E. Skog GESNERIACEAE
Monopyle GESNERIACEAE
Diastema scabrum (Poepp.) Benth. ex Walp. GESNERIACEAE
Allophylus SAPINDACEAE
Amphidasya RUBIACEAE
Besleria quadrangulata L.E. Skog GESNERIACEAE
Pearcea sprucei (Britton) L.P. Kvist & L.E. Skog. GESNERIACEAE
Gasteranthus wendlandianus (Hanst.) Wiehler. GESNERIACEAE
Pearcea sprucei (Britton) L.P. Kvist & L.E. Skog var. sprucei GESNERACEAE
Elaphoglossum sp. DRYOPTERIDACEAE
Selaginella SELAGINELLACEAE
Cremosperma congruens C.V. Morton GESNERIACEAE
Salpingia maranonensis Wurdack MELASTOMATACEAE
Drymonia GESNERIACEAE
Allopectus grandicalyx J.L Clark & L.E. Skog GESNERIACEAE
Allopectus cf. teuscheri (Raymond) Wiehler GESNERIACEAE
Adiantum sp. PTERIDACEAE
Coccocypselum sp. RUBIACEAE
Clidemia sp. MELASTOMATACEAE
Sanchezia sp ACANTHACEAE
Peperomia sp. PIPERACEAE
Pitcairnia aphelandriflora Lem. BROMELIACEAE
Everardia montana Ridl. CYPERACEAE Fuente: Herbario de la Universidad Nacional de Loja
119
Anexo 3. Características del área de estudio
file format : IDRISI Raster A.1
file title : Vector data imported from ArcView ShapeFile Type Polygon
data type : integer
file type : binary
columns : 763
rows : 675
ref. system : utm-18s
ref. units : m
unit dist. : 1.0000000
min. X : 112238.0000000
max. X : 188538.0000000
min. Y : 9611526.0000000
max. Y : 9679026.0000000
pos'n error : unknown
resolution : unknown
min. value : 0
max. value : 1
display min : 0
display max : 1
value units : classes
value error : unknown
flag value : none
flag def'n : none
legend cats : 0
lineage : This file was created by the POLYRAS module with the command line:
lineage :
120
Anexo 4. Variables generadas mediante modelación en Idrisi Taiga, como
patrones de deforestación.
Fig. 1. Cobertura vegetal año 1987
121
Fig. 2. Mapa de
cobertura vegetal del año 2002, para validar el modelo
Fig. 3. Mapa
122
de cobertura vegetal año 2009
Fig. 4. Mapa de distancias a zonas de cambio agrícola.
123
Fig. 5. Distancia a centros poblados
Fig. 6. Distancia a vías año 1987
124
Fig 7. Distancia a zonas de cambio total entre dos fechas 1987-2009
Fig. 8. Mapa de evidencia al cambio
125
Fig. 9. Modelo de elevación digital del terreno
Fig. 10. Distancia a centros rurales
Fig 11. Mapa de pendientes
126
Fig. 12. Mapa de distribución de la población
Resultados de la validación del modelo mediante el análisis estadístico
Result of ROC**
===============
ROC = 0.906
******************************************************************
The following section list detailed statistics for each threshold.
******************************************************************
With each threshold, the following 2x2 contingency table is calculated
_________________________________________________________________________
Reality (reference image)
------------------------------------------------
Simulated by threshold 1 0
-------------------------------------------------------------------------
1 A(number of cells) B(number of cells)
0 C D
For the given reference image: A+C=14004 B+D=501021
_________________________________________________________________________
No. Exp. Thrhlds(%) Act. Thrhlds(%) Act. raw cuts A True posi.(%)
B False posi.(%)
----------------------------------------------------------------------------------------
----------------------
1 0.0000 0.0000 0.0000 0 0.0000
0 0.0000
2 1.0000 1.0000 0.3287 1036 7.3979
4114 0.8211
127
3 2.0000 1.9999 0.2691 1915 13.6747
8385 1.6736
4 3.0000 3.0000 0.2107 3198 22.8363
12253 2.4456
5 4.0000 4.0000 0.1362 4151 29.6415
16450 3.2833
6 5.0000 5.0000 0.0876 5187 37.0394
20564 4.1044
7 6.0000 6.0001 0.0477 5911 42.2094
24991 4.9880
8 7.0000 7.0000 0.0315 6490 46.3439
29562 5.9004
9 8.0000 8.0000 0.0217 7337 52.3922
33865 6.7592
10 9.0000 9.0000 0.0121 8274 59.0831
38078 7.6001
11 10.0000 9.9999 0.0064 8744 62.4393
42758 8.5342
12 11.0000 11.0000 0.0040 9352 66.7809
47301 9.4409
13 12.0000 12.0000 0.0021 10001 71.4153
51802 10.3393
14 13.0000 13.0000 0.0012 10446 74.5930
56507 11.2784
15 14.0000 14.0001 0.0007 10847 77.4564
61257 12.2264
16 15.0000 15.0000 0.0004 11209 80.0414
66045 13.1821
17 16.0000 16.0000 0.0002 11484 82.0051
70920 14.1551
18 17.0000 17.0000 0.0002 11715 83.6547
75839 15.1369
19 18.0000 17.9999 0.0001 11925 85.1542
80779 16.1229
20 19.0000 19.0000 0.0001 12097 86.3825
85758 17.1166
21 20.0000 20.0000 0.0001 12234 87.3608
90771 18.1172
22 21.0000 21.0000 0.0001 12369 88.3248
95786 19.1182
23 22.0000 22.0001 0.0000 12482 89.1317
100824 20.1237
24 23.0000 23.0000 0.0000 12587 89.8815
105869 21.1307
25 24.0000 24.0000 0.0000 12663 90.4242
110943 22.1434
26 25.0000 25.0000 0.0000 12739 90.9669
116017 23.1561
27 26.0000 25.9999 0.0000 12795 91.3668
121111 24.1728
28 27.0000 27.0000 0.0000 12853 91.7809
126204 25.1894
29 28.0000 28.0002 0.0000 12909 92.1808
131299 26.2063
30 29.0000 29.0000 0.0000 12960 92.5450
136397 27.2238
31 30.0000 30.0003 0.0000 12994 92.7878
141515 28.2453
32 31.0000 31.0002 0.0000 13028 93.0306
146631 29.2664
33 32.0000 32.0002 0.0000 13055 93.2234
151754 30.2889
34 33.0000 33.0001 0.0000 13078 93.3876
156881 31.3123
35 34.0000 34.0001 0.0000 13103 93.5661
162006 32.3352
36 35.0000 35.0002 0.0000 13128 93.7446
167132 33.3583
37 36.0000 36.0002 0.0000 13146 93.8732
172264 34.3826
38 37.0000 37.0001 0.0000 13161 93.9803
177399 35.4075
39 38.0000 38.0003 0.0000 13171 94.0517
182540 36.4336
40 39.0000 39.0002 0.0000 13178 94.1017
187683 37.4601
128
41 40.0000 40.0002 0.0000 13180 94.1160
192831 38.4876
42 41.0000 41.0001 0.0000 13180 94.1160
197981 39.5155
43 42.0000 41.9999 0.0000 13217 94.3802
203093 40.5358
44 43.0000 43.0002 0.0000 14004 100.0000
207458 41.4070
45 44.0000 44.0002 0.0000 14004 100.0000
212608 42.4349
46 45.0000 45.0001 0.0000 14004 100.0000
217758 43.4628
47 46.0000 46.0003 0.0000 14004 100.0000
222909 44.4909
48 47.0000 47.0002 0.0000 14004 100.0000
228059 45.5189
49 48.0000 48.0002 0.0000 14004 100.0000
233209 46.5468
50 49.0000 49.0001 0.0000 14004 100.0000
238359 47.5747
51 50.0000 50.0001 0.0000 14004 100.0000
243509 48.6026
52 51.0000 51.0002 0.0000 14004 100.0000
248660 49.6307
53 52.0000 52.0002 0.0000 14004 100.0000
253810 50.6586
54 53.0000 53.0001 0.0000 14004 100.0000
258960 51.6865
55 54.0000 54.0003 0.0000 14004 100.0000
264111 52.7146
56 55.0000 55.0002 0.0000 14004 100.0000
269261 53.7425
57 56.0000 56.0002 0.0000 14004 100.0000
274411 54.7704
58 57.0000 57.0001 0.0000 14004 100.0000
279561 55.7983
59 58.0000 58.0001 0.0000 14004 100.0000
284711 56.8262
60 59.0000 59.0002 0.0000 14004 100.0000
289862 57.8543
61 60.0000 60.0002 0.0000 14004 100.0000
295012 58.8822
62 61.0000 61.0001 0.0000 14004 100.0000
300162 59.9101
63 62.0000 62.0003 0.0000 14004 100.0000
305313 60.9382
64 63.0000 63.0002 0.0000 14004 100.0000
310463 61.9661
65 64.0000 64.0002 0.0000 14004 100.0000
315613 62.9940
66 65.0000 65.0001 0.0000 14004 100.0000
320763 64.0219
67 66.0000 66.0001 0.0000 14004 100.0000
325913 65.0498
68 67.0000 67.0002 0.0000 14004 100.0000
331064 66.0779
69 68.0000 68.0002 0.0000 14004 100.0000
336214 67.1058
70 69.0000 69.0001 0.0000 14004 100.0000
341364 68.1337
71 70.0000 70.0003 0.0000 14004 100.0000
346515 69.1618
72 71.0000 71.0002 0.0000 14004 100.0000
351665 70.1897
73 72.0000 72.0002 0.0000 14004 100.0000
356815 71.2176
74 73.0000 73.0001 0.0000 14004 100.0000
361965 72.2455
75 74.0000 74.0001 0.0000 14004 100.0000
367115 73.2734
76 75.0000 75.0002 0.0000 14004 100.0000
372266 74.3015
77 76.0000 76.0002 0.0000 14004 100.0000
377416 75.3294
78 77.0000 77.0001 0.0000 14004 100.0000
382566 76.3573
129
79 78.0000 78.0003 0.0000 14004 100.0000
387717 77.3854
80 79.0000 79.0002 0.0000 14004 100.0000
392867 78.4133
81 80.0000 80.0002 0.0000 14004 100.0000
398017 79.4412
82 81.0000 81.0001 0.0000 14004 100.0000
403167 80.4691
83 82.0000 82.0001 0.0000 14004 100.0000
408317 81.4970
84 83.0000 83.0002 0.0000 14004 100.0000
413468 82.5251
85 84.0000 84.0002 0.0000 14004 100.0000
418618 83.5530
86 85.0000 85.0001 0.0000 14004 100.0000
423768 84.5809
87 86.0000 86.0003 0.0000 14004 100.0000
428919 85.6090
88 87.0000 87.0002 0.0000 14004 100.0000
434069 86.6369
89 88.0000 88.0002 0.0000 14004 100.0000
439219 87.6648
90 89.0000 89.0001 0.0000 14004 100.0000
444369 88.6927
91 90.0000 90.0001 0.0000 14004 100.0000
449519 89.7206
92 91.0000 91.0002 0.0000 14004 100.0000
454670 90.7487
93 92.0000 92.0002 0.0000 14004 100.0000
459820 91.7766
94 93.0000 93.0001 0.0000 14004 100.0000
464970 92.8045
95 94.0000 94.0003 0.0000 14004 100.0000
470121 93.8326
96 95.0000 95.0002 0.0000 14004 100.0000
475271 94.8605
97 96.0000 96.0002 0.0000 14004 100.0000
480421 95.8884
98 97.0000 97.0001 0.0000 14004 100.0000
485571 96.9163
99 98.0000 98.0001 0.0000 14004 100.0000
490721 97.9442
100 99.0000 99.0002 0.0000 14004 100.0000
495872 98.9723
101 100.0000 100.0000 0.0000 14004 100.0000
501021 100.0000
----------------------------------------------------------------------------------------
----------------------
----------------------------------------------------------------------------
No info of location and no info of quantity: N(n) = 0.5000
Perfect info of location and perfect info of quantity: P(p) = 1.0000
Perfect info of location and no info of quantity: P(n) = 0.5272
No info of location and perfect info of quantity: N(p) = 0.9471
No info of location and no info of quantity: PerfectChance = 0.5000
No info of location and perfect info of quantity: PerfectQuantity = 0.4471
Perfect info of location given no info of quantity:PerfectLocation = 0.0529
----------------------------------------------------------------------------
No. M(m) N(m) P(m) M(p) M(n)
---------------------------------------------------
1 0.9728 0.9728 0.9728 0.9471 0.5000
2 0.9668 0.9634 0.9828 0.9566 0.5049
3 0.9602 0.9539 0.9928 0.9557 0.5044
4 0.9552 0.9444 0.9972 0.9579 0.5056
5 0.9489 0.9350 0.9872 0.9612 0.5073
6 0.9430 0.9255 0.9772 0.9649 0.5092
7 0.9358 0.9161 0.9672 0.9675 0.5105
8 0.9280 0.9066 0.9572 0.9695 0.5115
9 0.9213 0.8972 0.9472 0.9726 0.5131
10 0.9149 0.8877 0.9372 0.9762 0.5150
11 0.9068 0.8782 0.9272 0.9779 0.5158
12 0.8991 0.8688 0.9172 0.9803 0.5170
13 0.8916 0.8593 0.9072 0.9828 0.5184
14 0.8834 0.8499 0.8972 0.9846 0.5193
130
15 0.8749 0.8404 0.8872 0.9861 0.5201
16 0.8663 0.8310 0.8772 0.9876 0.5208
17 0.8574 0.8215 0.8672 0.9887 0.5214
18 0.8483 0.8121 0.8572 0.9896 0.5218
19 0.8391 0.8026 0.8472 0.9904 0.5223
20 0.8298 0.7931 0.8372 0.9911 0.5226
21 0.8203 0.7837 0.8272 0.9916 0.5229
22 0.8108 0.7742 0.8172 0.9922 0.5232
23 0.8013 0.7648 0.8072 0.9926 0.5234
24 0.7917 0.7553 0.7972 0.9930 0.5236
25 0.7820 0.7459 0.7872 0.9933 0.5238
26 0.7723 0.7364 0.7772 0.9936 0.5239
27 0.7625 0.7269 0.7672 0.9938 0.5240
28 0.7527 0.7175 0.7572 0.9940 0.5241
29 0.7429 0.7080 0.7472 0.9943 0.5242
30 0.7331 0.6986 0.7372 0.9944 0.5243
31 0.7233 0.6891 0.7272 0.9945 0.5244
32 0.7134 0.6797 0.7172 0.9947 0.5244
33 0.7035 0.6702 0.7072 0.9947 0.5245
34 0.6936 0.6608 0.6972 0.9948 0.5245
35 0.6837 0.6513 0.6872 0.9948 0.5245
36 0.6738 0.6418 0.6772 0.9949 0.5246
37 0.6639 0.6324 0.6672 0.9949 0.5246
38 0.6539 0.6229 0.6572 0.9949 0.5246
39 0.6440 0.6135 0.6472 0.9949 0.5246
40 0.6340 0.6040 0.6372 0.9949 0.5246
41 0.6240 0.5946 0.6272 0.9948 0.5245
42 0.6140 0.5851 0.6172 0.9947 0.5245
43 0.6041 0.5757 0.6072 0.9949 0.5246
44 0.5972 0.5662 0.5972 1.0000 0.5272
45 0.5872 0.5567 0.5872 1.0000 0.5272
46 0.5772 0.5473 0.5772 1.0000 0.5272
47 0.5672 0.5378 0.5672 1.0000 0.5272
48 0.5572 0.5284 0.5572 1.0000 0.5272
49 0.5472 0.5189 0.5472 1.0000 0.5272
50 0.5372 0.5095 0.5372 1.0000 0.5272
51 0.5272 0.5000 0.5272 1.0000 0.5272
52 0.5172 0.4905 0.5172 1.0000 0.5272
53 0.5072 0.4811 0.5072 1.0000 0.5272
54 0.4972 0.4716 0.4972 1.0000 0.5272
55 0.4872 0.4622 0.4872 1.0000 0.5272
56 0.4772 0.4527 0.4772 1.0000 0.5272
57 0.4672 0.4433 0.4672 1.0000 0.5272
58 0.4572 0.4338 0.4572 1.0000 0.5272
59 0.4472 0.4243 0.4472 1.0000 0.5272
60 0.4372 0.4149 0.4372 1.0000 0.5272
61 0.4272 0.4054 0.4272 1.0000 0.5272
62 0.4172 0.3960 0.4172 1.0000 0.5272
63 0.4072 0.3865 0.4072 1.0000 0.5272
64 0.3972 0.3771 0.3972 1.0000 0.5272
65 0.3872 0.3676 0.3872 1.0000 0.5272
66 0.3772 0.3582 0.3772 1.0000 0.5272
67 0.3672 0.3487 0.3672 1.0000 0.5272
68 0.3572 0.3392 0.3572 1.0000 0.5272
69 0.3472 0.3298 0.3472 1.0000 0.5272
70 0.3372 0.3203 0.3372 1.0000 0.5272
71 0.3272 0.3109 0.3272 1.0000 0.5272
72 0.3172 0.3014 0.3172 1.0000 0.5272
73 0.3072 0.2920 0.3072 1.0000 0.5272
74 0.2972 0.2825 0.2972 1.0000 0.5272
75 0.2872 0.2731 0.2872 1.0000 0.5272
76 0.2772 0.2636 0.2772 1.0000 0.5272
77 0.2672 0.2541 0.2672 1.0000 0.5272
78 0.2572 0.2447 0.2572 1.0000 0.5272
79 0.2472 0.2352 0.2472 1.0000 0.5272
80 0.2372 0.2258 0.2372 1.0000 0.5272
81 0.2272 0.2163 0.2272 1.0000 0.5272
82 0.2172 0.2069 0.2172 1.0000 0.5272
83 0.2072 0.1974 0.2072 1.0000 0.5272
84 0.1972 0.1879 0.1972 1.0000 0.5272
85 0.1872 0.1785 0.1872 1.0000 0.5272
86 0.1772 0.1690 0.1772 1.0000 0.5272
87 0.1672 0.1596 0.1672 1.0000 0.5272
88 0.1572 0.1501 0.1572 1.0000 0.5272
89 0.1472 0.1407 0.1472 1.0000 0.5272
90 0.1372 0.1312 0.1372 1.0000 0.5272
91 0.1272 0.1218 0.1272 1.0000 0.5272
131
92 0.1172 0.1123 0.1172 1.0000 0.5272
93 0.1072 0.1028 0.1072 1.0000 0.5272
94 0.0972 0.0934 0.0972 1.0000 0.5272
95 0.0872 0.0839 0.0872 1.0000 0.5272
96 0.0772 0.0745 0.0772 1.0000 0.5272
97 0.0672 0.0650 0.0672 1.0000 0.5272
98 0.0572 0.0556 0.0572 1.0000 0.5272
99 0.0472 0.0461 0.0472 1.0000 0.5272
100 0.0372 0.0366 0.0372 1.0000 0.5272
101 0.0272 0.0272 0.0272 0.9471 0.5000
---------------------------------------------------
No. Kno Klocation Kquantity Kstandard
-------------------------------------------------------
1 0.946 0.000 1.058 0.000
2 0.934 0.179 1.023 0.095
3 0.920 0.163 1.010 0.138
4 0.910 0.204 0.994 0.194
5 0.898 0.267 0.973 0.214
6 0.886 0.337 0.952 0.234
7 0.872 0.385 0.931 0.235
8 0.856 0.423 0.909 0.229
9 0.843 0.483 0.888 0.235
10 0.830 0.550 0.867 0.243
11 0.814 0.583 0.846 0.234
12 0.798 0.627 0.825 0.231
13 0.783 0.675 0.804 0.230
14 0.767 0.708 0.783 0.223
15 0.750 0.738 0.761 0.216
16 0.733 0.765 0.740 0.209
17 0.715 0.786 0.719 0.201
18 0.697 0.803 0.698 0.193
19 0.678 0.819 0.677 0.185
20 0.660 0.832 0.656 0.177
21 0.641 0.842 0.635 0.169
22 0.622 0.852 0.613 0.162
23 0.603 0.861 0.592 0.155
24 0.583 0.869 0.571 0.149
25 0.564 0.874 0.550 0.142
26 0.545 0.880 0.529 0.136
27 0.525 0.883 0.508 0.130
28 0.505 0.887 0.486 0.125
29 0.486 0.891 0.465 0.120
30 0.466 0.895 0.444 0.115
31 0.447 0.897 0.423 0.110
32 0.427 0.899 0.402 0.105
33 0.407 0.900 0.381 0.101
34 0.387 0.901 0.360 0.097
35 0.367 0.903 0.338 0.093
36 0.348 0.904 0.317 0.089
37 0.328 0.904 0.296 0.086
38 0.308 0.904 0.275 0.082
39 0.288 0.904 0.254 0.079
40 0.268 0.903 0.233 0.076
41 0.248 0.902 0.211 0.073
42 0.228 0.900 0.190 0.070
43 0.208 0.903 0.169 0.067
44 0.194 1.000 0.148 0.071
45 0.174 1.000 0.127 0.069
46 0.154 1.000 0.106 0.066
47 0.134 1.000 0.085 0.064
48 0.114 1.000 0.063 0.061
49 0.094 1.000 0.042 0.059
50 0.074 1.000 0.021 0.057
51 0.054 1.000 -0.000 0.054
52 0.034 1.000 -0.021 0.052
53 0.014 1.000 -0.042 0.050
54 -0.006 1.000 -0.063 0.048
55 -0.026 1.000 -0.085 0.047
56 -0.046 1.000 -0.106 0.045
57 -0.066 1.000 -0.127 0.043
58 -0.086 1.000 -0.148 0.041
59 -0.106 1.000 -0.169 0.040
60 -0.126 1.000 -0.190 0.038
61 -0.146 1.000 -0.212 0.037
62 -0.166 1.000 -0.233 0.035
63 -0.186 1.000 -0.254 0.034
132
64 -0.206 1.000 -0.275 0.032
65 -0.226 1.000 -0.296 0.031
66 -0.246 1.000 -0.317 0.030
67 -0.266 1.000 -0.338 0.028
68 -0.286 1.000 -0.360 0.027
69 -0.306 1.000 -0.381 0.026
70 -0.326 1.000 -0.402 0.025
71 -0.346 1.000 -0.423 0.024
72 -0.366 1.000 -0.444 0.023
73 -0.386 1.000 -0.465 0.022
74 -0.406 1.000 -0.486 0.020
75 -0.426 1.000 -0.508 0.019
76 -0.446 1.000 -0.529 0.018
77 -0.466 1.000 -0.550 0.017
78 -0.486 1.000 -0.571 0.017
79 -0.506 1.000 -0.592 0.016
80 -0.526 1.000 -0.613 0.015
81 -0.546 1.000 -0.635 0.014
82 -0.566 1.000 -0.656 0.013
83 -0.586 1.000 -0.677 0.012
84 -0.606 1.000 -0.698 0.011
85 -0.626 1.000 -0.719 0.011
86 -0.646 1.000 -0.740 0.010
87 -0.666 1.000 -0.761 0.009
88 -0.686 1.000 -0.783 0.008
89 -0.706 1.000 -0.804 0.008
90 -0.726 1.000 -0.825 0.007
91 -0.746 1.000 -0.846 0.006
92 -0.766 1.000 -0.867 0.006
93 -0.786 1.000 -0.888 0.005
94 -0.806 1.000 -0.909 0.004
95 -0.826 1.000 -0.931 0.004
96 -0.846 1.000 -0.952 0.003
97 -0.866 1.000 -0.973 0.002
98 -0.886 1.000 -0.994 0.002
99 -0.906 1.000 -1.015 0.001
100 -0.926 1.000 -1.036 0.001
101 -0.946 0.000 -1.058 0.000
------------------------------------------------------
No. CorrectChance CorrectQuantity CorrectLocation ErrorLocation ErrorQuantity
--------------------------------------------------------------------------------------
1 0.500 0.473 0.000 0.000 0.027
2 0.500 0.463 0.003 0.016 0.017
3 0.500 0.454 0.006 0.033 0.007
4 0.500 0.444 0.011 0.042 0.003
5 0.500 0.435 0.014 0.038 0.013
6 0.500 0.426 0.017 0.034 0.023
7 0.500 0.416 0.020 0.031 0.033
8 0.500 0.407 0.021 0.029 0.043
9 0.500 0.397 0.024 0.026 0.053
10 0.500 0.388 0.027 0.022 0.063
11 0.500 0.378 0.029 0.020 0.073
12 0.500 0.369 0.030 0.018 0.083
13 0.500 0.359 0.032 0.016 0.093
14 0.500 0.350 0.033 0.014 0.103
15 0.500 0.340 0.035 0.012 0.113
16 0.500 0.331 0.035 0.011 0.123
17 0.500 0.322 0.036 0.010 0.133
18 0.500 0.312 0.036 0.009 0.143
19 0.500 0.303 0.037 0.008 0.153
20 0.500 0.293 0.037 0.007 0.163
21 0.500 0.284 0.037 0.007 0.173
22 0.500 0.274 0.037 0.006 0.183
23 0.500 0.265 0.037 0.006 0.193
24 0.500 0.255 0.036 0.006 0.203
25 0.500 0.246 0.036 0.005 0.213
26 0.500 0.236 0.036 0.005 0.223
27 0.500 0.227 0.036 0.005 0.233
28 0.500 0.217 0.035 0.004 0.243
29 0.500 0.208 0.035 0.004 0.253
30 0.500 0.199 0.035 0.004 0.263
31 0.500 0.189 0.034 0.004 0.273
32 0.500 0.180 0.034 0.004 0.283
33 0.500 0.170 0.033 0.004 0.293
34 0.500 0.161 0.033 0.004 0.303
35 0.500 0.151 0.032 0.003 0.313
133
36 0.500 0.142 0.032 0.003 0.323
37 0.500 0.132 0.031 0.003 0.333
38 0.500 0.123 0.031 0.003 0.343
39 0.500 0.113 0.030 0.003 0.353
40 0.500 0.104 0.030 0.003 0.363
41 0.500 0.095 0.029 0.003 0.373
42 0.500 0.085 0.029 0.003 0.383
43 0.500 0.076 0.028 0.003 0.393
44 0.500 0.066 0.031 0.000 0.403
45 0.500 0.057 0.030 0.000 0.413
46 0.500 0.047 0.030 0.000 0.423
47 0.500 0.038 0.029 0.000 0.433
48 0.500 0.028 0.029 0.000 0.443
49 0.500 0.019 0.028 0.000 0.453
50 0.500 0.009 0.028 0.000 0.463
51 0.500 0.000 0.027 0.000 0.473
52 0.491 0.000 0.027 0.000 0.483
53 0.481 0.000 0.026 0.000 0.493
54 0.472 0.000 0.026 0.000 0.503
55 0.462 0.000 0.025 0.000 0.513
56 0.453 0.000 0.024 0.000 0.523
57 0.443 0.000 0.024 0.000 0.533
58 0.434 0.000 0.023 0.000 0.543
59 0.424 0.000 0.023 0.000 0.553
60 0.415 0.000 0.022 0.000 0.563
61 0.405 0.000 0.022 0.000 0.573
62 0.396 0.000 0.021 0.000 0.583
63 0.387 0.000 0.021 0.000 0.593
64 0.377 0.000 0.020 0.000 0.603
65 0.368 0.000 0.020 0.000 0.613
66 0.358 0.000 0.019 0.000 0.623
67 0.349 0.000 0.018 0.000 0.633
68 0.339 0.000 0.018 0.000 0.643
69 0.330 0.000 0.017 0.000 0.653
70 0.320 0.000 0.017 0.000 0.663
71 0.311 0.000 0.016 0.000 0.673
72 0.301 0.000 0.016 0.000 0.683
73 0.292 0.000 0.015 0.000 0.693
74 0.283 0.000 0.015 0.000 0.703
75 0.273 0.000 0.014 0.000 0.713
76 0.264 0.000 0.014 0.000 0.723
77 0.254 0.000 0.013 0.000 0.733
78 0.245 0.000 0.013 0.000 0.743
79 0.235 0.000 0.012 0.000 0.753
80 0.226 0.000 0.011 0.000 0.763
81 0.216 0.000 0.011 0.000 0.773
82 0.207 0.000 0.010 0.000 0.783
83 0.197 0.000 0.010 0.000 0.793
84 0.188 0.000 0.009 0.000 0.803
85 0.178 0.000 0.009 0.000 0.813
86 0.169 0.000 0.008 0.000 0.823
87 0.160 0.000 0.008 0.000 0.833
88 0.150 0.000 0.007 0.000 0.843
89 0.141 0.000 0.007 0.000 0.853
90 0.131 0.000 0.006 0.000 0.863
91 0.122 0.000 0.005 0.000 0.873
92 0.112 0.000 0.005 0.000 0.883
93 0.103 0.000 0.004 0.000 0.893
94 0.093 0.000 0.004 0.000 0.903
95 0.084 0.000 0.003 0.000 0.913
96 0.074 0.000 0.003 0.000 0.923
97 0.065 0.000 0.002 0.000 0.933
98 0.056 0.000 0.002 0.000 0.943
99 0.046 0.000 0.001 0.000 0.953
100 0.037 0.000 0.001 0.000 0.963
101 0.027 0.000 0.000 0.000 0.973
El resultado obtenido dentro del modelo estadístico nos permitió validar la corrida
con 0.90; que es un valor ideal para la validación.
134
Fig 12. Mapa de validación del modelo predictivo al 2009
Los Hits corresponden a los pixeles que se predijeron correctamente, los amarillos
a falsos cambios y los misses a categorías que se clasificaron en forma incorrecta.