Cuatro Ciénegas


Distribucion Vegetal en el Area de Proteccion
de Flora y Fauna de Cuatrocienegas, Coahuila, México.


Introducción Metodología Patrones de Distribución Conclusiones Literatura
Resultados Muestreo Clasificación Radianza NDVI/NDSI

Con la preocupación reciente acerca del impacto de los cambios climáticos y humanos sobre las comunidades vegetales, el uso de los datos provenientes de sensores remotos ha sido propuesto como un medio para monitorear estas dinámicas. El Area de Protección de Flora y Fauna de Cuatrociénegas, esta ubicado en la parte central del Estado de Coahuila. Gracias a la presencia de agua superficial que brota de numerosos manantiales llamados “Pozas” y a ciertas condiciones geológicas, muchas de las especies que habitan en él son endémicas del valle, situándolo como una importante área ecológica. El presente estudio propone la incorporación del comportamiento fenológico de la vegetación utilizando dos imágenes de satélite (julio de 1995 y octubre de 1995), para la obtención de la clasificación de la vegetación del área de estudio y el análisis de los factores fisiográficos que determinan su distribución por medio de datos obtenidos a partir de Sistemas de Información Geográfica. En la clasificación de las imágenes individuales, el porcentaje global de precisión fue de 66.10 y 69.13 para julio y octubre respectivamente y de 85.00% para la imagen multitemporal, encontrándose diferencias estadísticas significativas entre las tres clasificaciones. El análisis de los valores de radianza y del índice de diferencia normalizada de vegetación indican una alta influencia del suelo en los valores de reflectancia. La distribución del pastizal halófito, la vegetación halófita, el mezquital y el matrorral desértico micrófilo, se encuentran básicamente en el piso de la cuenca, y el factor edafico parece ser la condicionante principal en su distribución; mientras que la distribución del matorral desértico rosetófilo, el matorral submontano, el chaparral y los bosques de encino y pino establecidos en las sierras circundantes se encuentran principalmente influenciados por la exposición y la elevación.

SIG Cuatro Ciénegas: Introducción

n2Arriba

Un objetivo prioritario para el manejo de recursos naturales es la elaboración de inventarios y la actualización de los mismos. Dentro de los estudios de vegetación se han utilizado diversas metodologías para inventariar y actualizar los datos sobre este recurso que van desde estudios de campo, utilización de fotografía aérea y, más recientemente, la utilización de imágenes de satélite.

En las ciencias forestales y de pastizales, a menudo existe la necesidad de hacer un muestreo e inventariar la vegetación natural. Los métodos convencionales que utilizan una interpretación manual de fotografía aérea, delineando áreas de vegetación homogénea (llamados “patrones”) usan atributos como el tono, la textura de la imagen y la topografía. Estos procesos, sin embargo debido a que están basados en un proceso manual de fotointerpretación, son costosos y consumen mucho tiempo (1).

El uso de imágenes de satélite para la evaluación de los recursos naturales, en especial de la cobertura vegetal y uso del suelo, permiten una mejor microzonificación de la distribución de la vegetación, obteniendo como resultado información tanto numérica como cartográfica de mayor detalle. Esta información, aunada a las ventajas en la utilización de los sistemas de información geográfica, facilitan la actualización, análisis del desarrollo, dinámica y depredación del recurso, información fundamental para la correcta toma de decisiones en cuanto a las políticas de manejo de recursos naturales, tanto a corto como a largo plazo (2).

La utilización de esta tecnología en diversas investigaciones en zonas áridas ha sido amplia y con diversos objetivos (3, 4, 5). Por otra parte, la incorporación del estado fenológico de la vegetación ha sido extensamente utilizada para incrementar la precisión en la clasificación espectral de las imágenes de satélite (6, 7), encontrando que el análisis multitemporal de imágenes de satélite aumenta la precisión en la clasificación de las comunidades vegetales al incorporar la información del comportamiento fenológico de ésta al proceso de clasificación.

Existe un gran potencial para la aplicación de técnicas de análisis de los sistemas de información geográfica en datos provenientes de imágenes de satélite, datos de censos, mediciones de campo y observaciones meteorológicas. Es claro que el análisis digital de imágenes de satélite puede verse beneficiado por técnicas que han sido diseñadas para aplicarse en otros tipos de datos geocodificados, estas capacidades juntas pueden señalar más objetivamente problemas complejos en el estudio de los recursos (8).

El presente estudio propone la incorporación del comportamiento fenológico de la vegetación utilizando dos imágenes de satélite (julio de 1995 y octubre de 1995), para la obtención de la clasificación de la vegetación del área de estudio y el análisis de los factores fisiográficos (abióticos) que determinan su distribución con la utilización de Sistemas de Información Geográfica.

El Area de Protección de Flora y Fauna (APFF) de Cuatrociénegas, Coahuila presenta características singulares que le dan un alto valor ecológico. Debido a la abundancia de hábitats acuáticos y a la diversidad del paisaje terrestre, el valle mantiene tipos de vegetación que no son totalmente típicos del Desierto Chihuahuense y que incluyen pastizales halófitos, plantas acuáticas, juncaceas o especies de humedales, vegetación gypsófila, matorrales desérticos y matorrales de transición, entre otros, con especies que incluyen a la gobernadora (Larrea tridentata), la lechuguilla (Agave lechuguilla) y el ocotillo (Fouqueria splendens) (9, 10, 11).

El APFF de Cuatrociénegas, como otras áreas protegidas en México a sido sometida a tasas de explotación y modificación que ponen en peligro la conservación de sus hábitats con la consecuente pérdida de especies endémicas y en peligro que se encuentran dentro del área.

SIG Cuatro Ciénegas: Metodología

n2Arriba

Para el presente estudio se analizaron dos imágenes de satélite Landsat TM-5 (Figuras 1 y 2), una imagen para el período de época seca (julio de 1995) y otra para época de lluvias (octubre de 1995). Para llevar a cabo una correcta interpretación de imágenes de satélite es necesario poder relacionar información cartográfica, fotográfica o rasgos del terreno con la imagen de satélite por lo que es necesario corregirlas geométricamente. Se utilizaron un total de 120 puntos de control para la geocorrección de las dos imágenes de satélite y como umbral máximo de error 12.5 m. para cada imagen, para el cálculo de las funciones de transformación se utilizó una polinomial de tercer orden, el método de remuestreo utilizado fue el del vecino más cercano (Nearest neighbor).

Con el fin de identificar los tipos de vegetación presentes en el área de estudio y recopilar la información necesaria para la identificación de estas comunidades en la imagen de satélite en el proceso de clasificación supervisada, se llevaron a cabo salidas de campo en las cuales se tomaron puntos de verificación, los puntos fueron georreferenciados mediante el uso de un sistema de geoposicionamiento global (GPS), estos puntos de verificación sirvieron de base durante el proceso de evaluación de la clasificación de las imágenes de satélite, los tipos de vegetación del área de estudio se caracterizaron mediante muestreos de vegetación, en los cuales se determinó la densidad, densidad relativa, frecuencia, frecuencia relativa, cobertura, cobertura relativa y valor de importancia de las especies.

La clasificación de las imágenes de satélite se llevó a cabo utilizando una combinación del método supervisado y no supervisado. Para la obtención de las estadísticas por el método supervisado se utilizaron un total de 119 y 126 clases espectrales en la imagen de julio y octubre. En la obtención de estadísticas de la clasificación no supervisada, se utilizaron un total de 8 clusters por imagen, el número máximo de clases fue de 40, con un umbral de convergencia de 0.95 y un total de 15 iteraciones, para medir la distancia entre pixeles se utilizó el criterio de distancia euclideana, y para el proceso de agrupamiento el algoritmo ISODATA (Iterative Self-Organizing Data Analysis Technique). Se utilizo la fórmula de divergencia transformada como indicador de separabilidad en todas las clasificaciones y el algoritmo de Máxima verosimilitud como método de reconocimiento de patrones espectrales.

Para la evaluación de la precisión de las clasificaciones se generaron campos de prueba (polígonos) representando cada una de las respuestas espectrales de los tipos de vegetación presentes en el área de estudio. Los campos de prueba se generaron a partir de los puntos de verificación (tipos de vegetación conocidos), con el objeto de que la evaluación de las clasificaciones fuera lo más confiable posible.

Para la generación de la imagen multitemporal fue necesario reducir la dimensionalidad de los datos, para lo cual se escogió la mejor combinación de bandas de cada imagen de satélite, el análisis de separabilidad se llevó a cabo utilizando 50 clases espectrales en cada imagen de satélite, se utilizó la medida de distancia de divergencia transformada, resultando como mejor combinación para ambas imágenes la integrada por las bandas 3, 4, 5 y 6. Una vez que fue generada la imagen multitemporal, se procedió a su clasificación y evaluación, siguiendo la misma metodología utilizada en las imágenes individuales.

Para realizar la interpretación de los datos de las imágenes de satélite se obtuvieron los valores de radianza, debido a que describen lo que mide el sensor. Para la conversión de los números digitales de las imágenes Landsat TM a valores de radianza espectral recibida por el satélite (L) se utilizó la siguiente ecuación:

L = Ganancia * Numero Digital + Sesgo

Estos valores están dados en unidades de miliWatt sobre centímetro cuadrado sobre estereoradián (mW/(cm2-sr), por lo que la radianza se obtiene en éstas unidades. Para obtener los valores de randianza sobre micrómetro (mW/Cm2-sr-?m), se dividió el valor obtenido de radianza por el ancho de banda del detector (12).

Para conocer el estado de la vegetación se obtuvieron los Indices de Diferencia Normalizada de la Vegetación (NDVI), para las imágenes de julio y octubre de 1995. En forma adicional se calculó un índice de diferencia normalizada de suelo utilizando la banda 3 del visible y la banda 5 del infrarrojo medio.

Para el análisis estadístico de los datos se llevó a cabo un análisis de varianza (ANOVA), y la prueba de rangos de Newman-Keuls con un nivel de significancia de ? = 0.05.

En la generación de las capas necesarias para el análisis de los factores fisiográficos que determinan la distribución de la vegetación se elaboraron coverages de las cartas de edafología y topografía editadas por INEGI escala 1:50,000, generándose las imágenes de pendientes, orientación de las pendientes (aspecto), rangos de elevación y suelos. Para el análisis final se utilizó la clasificación de vegetación obtenida en el análisis multitemporal.

SIG Cuatro Ciénegas: Resultados

n2Arriba

Muestreo de vegetación. n2Arriba

Se llevaron a cabo un total de 16 plots de vegetación, en las principales comunidades vegetales que se presentan en el área de estudio, con dos repeticiones por tipo de vegetación exceptuando las comunidades de pino, encino y chaparral debido a la dificultad de acceso a estos tipos de vegetación. Las comunidades vegetales presentes en el piso del valle: pastizal halófito, vegetación halófita, mezquital y matorral desértico micrófilo, por lo general se presentan en forma dispersa y tuvieron valores de cobertura menores al 50%, con excepción de la comunidad de mezquital que en uno de los puntos tuvo un 100% de cobertura. En las comunidades que se presentan en las sierras circundantes: matorral desértico rosetófilo, matorral submontano, chaparral, bosque de encino y bosque de pino, se obtuvieron valores de cobertura por lo general mayores al 50% con excepción del matorral desértico rosetófilo, lo que pone en evidencia la fuerte influencia del suelo en las respuestas espectrales observadas en las imágenes de satélite.

Clasificación de las imágenes de satélite n2Arriba

Se manejaron un total de 17 clases informacionales en la clasificación de las imágenes de satélite (Tabla 1), tanto en el análisis individual como en el análisis multietemporal.

La clasificación individual de las imágenes de julio y octubre de 1995 y la clasificación de la imagen multitemporal se muestran en la figura 3, la precisión global obtenida en las clasificaciones individuales fue de 66.10% para la imagen de julio y 69.13% para la imagen de octubre. En la clasificación de la imagen multitemporal se tuvo una mayor precisión en la asignación de las diferentes clases informacionales (Figura 4) lo que incremento el porcentaje de precisión a 85% en la clasificación multitemporal.

Valores de Radianza n2Arriba

Los valores de radianza (Figura 5) indican una fuerte influencia de la reflectancia del suelo en los diferentes tipos de vegetación presentes en la parte baja del valle, como se puede observar en las gráficas, las comunidades vegetales como la vegetación gypsófila (áreas sin vegetación aparente), la vegetación halófita, el matorral desértico microfilo y el pastizal halófito presentaron altos valores de radianza en las bandas del espectro visible (bandas 1, 2 y 3), debido a lo disperso de la vegetación, aunque los valores de cobertura del pastizal halófito llegaron en ambas áreas de muestreo a valores

Figura 3. Clasificacisn de la imagen de julio de 1995 (a), de la imagen de octubre de 1995 (b) y de la imagen multitemporal (c). cercanos al 50%, esta comunidad se encuentra establecida en suelos que, por lo general, estan cubiertos por sales, lo que aumenta los valores de radianza del suelo.


Es importante hacer notar que en el valle de Cuatrociénegas, se presentan suelos de tipo salino y yesoso, producto de la evaporación provocada por las altas temperaturas, la coloración de estos suelos varía pero se observan desde color amarillo pálido hasta muy blancos como el caso de los arenales, esto provoca que la reflectancia de los suelos sea muy alta en la porción del espectro visible.
En los tipos de vegetación que obtuvieron valores de cobertura vegetal mayores como son los mezquitales, el matorral desértico rosetófilo, el matorral submontano, el chaparral y los bosques de encino y pino, se observan valores de radianza menores en el espectro visible. Tanto en los tipos de vegetación del valle como en los de la sierra se observa un aumento en el valor de radianza de la banda 4 que corresponde al infrarrojo cercano (banda de mayor reflectancia de la vegetación) en el mes de octubre, esto es debido a la respuesta de las especies vegetales a las precipitaciones que se presentaron en los meses anteriores a la fecha de la toma de la imagen. Este aumento es más evidente en los bosques de pino y encino, y aunque el bosque de encino presentó en los muestreos el mayor valor de cobertura vegetal, el incremento en el valor de radianza de la banda 4 es menor que el del bosque de pino, esto es causado por el carácter caducifolio de esta comunidad vegetal ya que para el mes de octubre, las comunidades caducifolias empiezan a experimentar cambios en la función de sus hojas por la cercanía de la época de heladas que en el norte de México empieza en la segunda semana de octubre.



Indice de Diferencia Normalizada de la Vegetación y Suelo (NDVI y NDSI) n2Arriba

Los resultados del Indice de diferencia normalizada de la vegetación se presentan en valores de –1 a 1. Las áreas con vegetación generalmente producen valores altos de NDVI debido a su alta reflectancia en el infrarrojo cercano y su baja reflectancia en el rojo visible. Por el contrario, las nubes, el agua, y la nieve tienen una mayor reflectancia en el visible que en el infrarrojo, por lo tanto estas clases dan como resultado valores negativos. Las rocas y las áreas de suelo desnudo tienen reflectancias similares en ambas bandas resultando en índices de vegetación cercanos al cero (13)

Como se puede observar en la Figura 6, debido a la presencia de suelos muy blancos los valores de NDVI de algunos tipos de vegetación del área presentan valores negativos, ya que la reflectancia del suelo en la porción visible es mucho mayor que la de la vegetación en el infrarrojo cercano.

De manera adicional se obtuvo un índice de diferencia normalizada de suelo (Figura 6), tomando como base el contraste entre la banda 3, indicadora de suelo y la banda 5, en la que se detecta el contenido de humedad en las plantas, siendo el contenido de agua también un indicador del estado de salud o vigor de la vegetación, en este caso los valores bajos representan zonas densas de vegetación o vegetación con mayor vigor, los valores medios indican vegetación más dispersa y con influencia de suelos, y los valores más altos indican dominancia de suelos.

 

Análisis de los patrones de distribución de la cobertura vegetal a partir de los factores fisiográficos. n2Arriba


En cuanto a la distribución de las comunidades vegetales en el área de estudio podemos dividirlas en dos grupos, las que se encuentran básicamente ocupando el piso de la cuenca, como es el pastizal halófito, la vegetación halófita, los mezquitales y el matorral desértico micrófilo, y los que se desarrollan en las sierras que circundan al valle, como el matorral desértico micrófilo, el matorral submontano, el chaparral, y los bosques de pino encino.

De los factores fisiógráficos analizados, en el piso de la cuenca las condicionantes más importantes en la distribución de la vegetación son el tipo de suelo, y en menor proporción el gradiente altitudinal, ya que la principal exposición en esta área es de tipo plano (exposición cero).

En las comunidades que se distribuyen en las sierras circundantes, parece tener un peso mayor en la delimitación de la distribución, la exposición en primera instancia y en segundo lugar el gradiente altitudinal.

SIG Cuatro Ciénegas: Conclusiones

n2Arriba


El uso de sensores remotos en especial el uso de imágenes de satelite, constituyen un medio eficaz y confiable para la obtención de mapas de distribución de las comunidades vegetales.

La influencia del suelo en las comunidades de zonas áridas donde la vegetación por lo general se presenta en forma dispersa, dificulta la separación eficiente de clases en las imágenes individuales y por lo tanto en la obtención de una buena clasificación.

El análisis Multitemporal de Imágenes de Satélite permitió incrementar la precisión en la clasificación de las comunidades vegetales presentes en el área de estudio, al incorporar la variación espectral ocasionada por los cambios fenológicos de la vegetación.

Los valores de NDVI, en el presente estudio presentan algunas inconsistencias en cuanto a su relación con la cobertura de la vegetación, sin embargo son buen indicador de la verdosidad o vigor de la vegetación, la cual esta muy relacionada con los cambios fenológicos de las comunidades vegetales.

Los valores de radianza probaron ser efectivos en la detección de cambios fenológicos de la vegetación además de aportar información sobre la influencia del suelo en cada comunidad vegetal.

El uso integral de información generada a partir de sensores remotos y de datos provenientes de sistemas de información geográfica, nos permite manejar gran cantidad de información de manera rápida, ordenada y efectiva. Lo que constituye una poderosa herramienta en la evaluación y manejo de recursos naturales.

SIG Cuatro Ciénegas: Literatura Citada

n2Arriba


(1) Franklin, J., T.L. Logan, C.E. Woodcock and A.H. Strahler 1986. Coniferus forest classification and Inventory using Landsat and Digital Terrain data. IEEE Transactions on Geoscience and Remote Sensing. Vol. GE-24, No. 1, pp. 139-149.
(2) González Murgía, R.G. 1995. Modelos Ecológicos de distribución de Cobertura Vegetal. Tesis, Maestro en Ciencias con especialidad en Ciencias Agrícolas. Instituto Tecnológico de Estudios Superiores de Monterrey, Monterrey, N.L. México. 75 p.
(3) Muchoney, D.M. and B.N.Haack 1994. Change Detection for Monitoring Forest Defoliation. Photogrammetric Engineering and Remote Sensing, Vol. 60, No. 10, pp. 1243-1251.
(4) Price, K.P., D.A. Pyke and L. Mendes. 1992. Shrub Dieback in a Semiarid Ecosystem: The integration of Remote Sensing and Geographic Information Systems for Detecting Vegetation Change. Photogrammetric Engineering and Remote Sensing, Vol. 58, No. 4, pp. 455-463.
(5) Ustin, S.L., J.B. adams, C.D. Elvidge, M. Rejumanek, B.N. Rock, M.O. Smith, T.W. Thomas and R.A, Woodward. 1986. Thematic Mapper Studies of Semiarid Shrub Communities. Bioscience, Vol. 36, No. 7, pp. 446-452.
(6)Haralick, R.M., C.A. Hlavka, R. Yokoyama, and S.M. Carlyle. 1980. Spectral-Temporal Classification Using Vegetation Phenology. IEEE Transactions on Geoscience and Remote Sensing, Vol. GE-18, No. 2. pp 167-174.
(7)Hori Ochoa, M. del C. 1998. Variabilidad de las Respuestas espectrales de acuerdo a los cambios fenológicos de la vegetación del Anticlinorio de Arteaga, Coahuila y Nuevo León, México. Tesis, Maestría en Ciencias con especialidad en Ingeniería Ambiental, Subestpecialidad en Evaluación e Impacto. Instituto Tecnológico de Estudios Superiores de Monterrey, Monterrey, N.L. México. 136 p.
(8)Greenlee, D. D. S/f. Aplication of Spatial Analysis Techniques to Remotely Sensed Images and Ancillary Geocoded Data. EROS Data Center. Work done for the U.S. Geological Survey under contract.
(9) Pinkava, D.J. 1984. Vegetation and Flora of Bolson of Cuatro Ciénegas Region, Coahuila, Mexico: IV Summary, endemism and Corrected Catalogue; Journal of the Arizona-Nevada Academy of Science, I., Vol. 19, pp 23-47.
(10) López Salas, H.E. 1984. Aportación Florística, Ecológica y Cartográfica al estudio del Area de Cuatro Ciénegas, Coah. Tesis de Licenciatura, Facultad de Ciencias Biológicas, Universidad Autónoma de Nuevo León. Monterrey N.L. 154 p.
(11)García Dávila, A. 2000. Las Plantas del Valle de Cuatrociénegas, Coahuila, México: Lista Actualizada, Complementada y Reordenada alfabéticamente. Tesis de Licenciatura, Universidad Autónoma Agraria Antonio Narro, División e Ciencia Animal, Saltillo, Coahuila.124 p..
(12) EOSAT, 1993. Fformat. In : EOSAT Fast Format Document for Thematic Mapper (TM) Digital Products Version B, effective december 1,1993.
(13)Lillesand, T.M. and R.W. Kieffer 1994. Remote Sensing and Image Interpretation. Third Edition. John Wiley & Sons, Inc. U.S.A. 750 p.