Aplicación de índices espectrales para determinar la transformación del bosque seco en Agua de Dios (Cundinamarca, Colombia)
DOI:
https://doi.org/10.18041/1794-4953/avances.1.7070Palabras clave:
bosque seco tropical, transformación, NDWI, NDVI, dinámicas fisiológicasResumen
El bosque seco tropical (Bs-T), que se caracteriza por estabilizar los suelos y regular el ciclo hidrológico, se ha visto afectado por la pérdida de vigor vegetal y humedad en el sustrato, particularmente en el municipio de Agua de Dios (Cundinamarca, Colombia), que presenta uno de los últimos relictos de este bioma. El estudio analizó la transformación del Bs-T en este municipio para los años 1991, 2015 y 2020, a través del cálculo de los NDWI y NDVI de imágenes satelitales Landsat, con el fin de determinar la evolución del vigor vegetal y la humedad del Bs-T. Los principales resultados muestran un aumento de las categorías de los índices bajo (entre −0,6 y −0,1) y muy bajo (desde −1 y −0,61) por lo que se concluye que existe una disminución y una correlación entre estos para ambas épocas (seca y lluviosa).
Descargas
Referencias
R. Camacho y C. Pizano, “Presentación”, Colomb. For., vol. 18, n.º 1, p. 3, 2015.
C. Pizano y H. García, El bosque seco tropical en Colombia. Bogotá: Instituto de Recursos Biológicos Alexander von Humboldt, 2014.
J. M. Díaz, Bosque seco tropical en Colombia. Cali: Banco de Occidente, 2006.
Secretaría de Medio Ambiente y Recursos Naturales de México (Semarnat), Informe de la situación del medio ambiente en México. México, 2016. [En línea]. Disponible: https://apps1.semarnat.gob.mx:8443/dgeia/informe15/tema/pdf/Informe15_completo.pdf
G. Habib Kattan y L. G. (eds.), Regiones biodiversas: herramientas para la planificación de sistemas regionales de áreas protegidas. Cali: WCS Colombia, Fundación EcoAndina, WWF Colombia, 2008. [En línea]. Disponible: https://www.researchgate.net/publication/265245902_Regiones_Biodiversas_Herramientas_para_la_planificacion_de_sistemas_regionales_de_areas_protegidas
T. C. Hsiao, “Plant responses to water stress”, Annu. Rev. Plant Physiol., vol. 24, n.º 1, pp. 519-570, 1973.
M. Govender, P. J. Dye, I. M. Weiersbye, E. T. F. Witkowski y F. Ahmed, “Review of commonly used remote sensing and ground-based technologies to measure plant water stress”, Water SA, vol. 35, n.º 5, pp. 741-752, 2009. doi: 10.4314/wsa.v35i5.49201
Concejo municipal de Agua de Dios, “Acuerdo No 011. Esquema de Ordenamiento Territorial del municipio de Agua de Dios”, n.º 8. p. 339, 2015.
Resolución 0391 de 2014, por medio de la cual se acepta el cambio de razón social del titular del Plan de Gestión de Devolución de Productos Posconsumo Plagicida. Autoridad Nacional de Licencias Ambientales (ANLA) Colombia. [En línea]. Disponible: http://portal.anla.gov.co/sites/default/files/13141_res_0697_270614.pdf
Y. Gu, J. F. Brown, J. P. Verdin y B. Wardlow, “A five-year analysis of MODIS NDVI and NDWI for grassland drought assessment over the central Great Plains of the United States”, Geophys. Res. Lett., vol. 34, n.º 6, pp. 1-6, 2007. https://doi.org/10.1029/2006GL029127
S. K. McFeeters, “The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features”, Int. J. Remote Sens., vol. 17, n.º 7, pp. 1425-1432, 1996.
B. C. Gao, “NDWI - A normalized difference water index for remote sensing of vegetation liquid water from space”, Remote Sens. Environ., vol. 58, n.º 3, pp. 257-266, 1996.
X.-C. Chen et al., “Characteristics and toxicological effects of commuter exposure to black carbon and metal components of fine particles (PM2.5) in Hong Kong”, Sci. Total Environ., vol. 742, p. 140501, 2020. https://doi.org/10.1016/j.scitotenv.2020.140501
E. Oliveira, L. Tavares, F. Acerbi y J. Marcio de Mello, “The assessment of vegetation seasonal dynamics using multitemporal NDVI and EVI images derived from MODIS”, 2007 International Workshop on the Analysis of Multi-temporal Remote Sensing Images, Leuven, Belgium, 2007, pp. 1-5, doi: 10.1109/MULTITEMP.2007.4293049
Q. Ma, Y. Su, L. Luo, L. Li, M. Kelly y Q. Guo, “Evaluating the uncertainty of Landsat-derived vegetation indices in quantifying forest fuel treatments using bi-temporal LiDAR data”, Ecol. Indic., vol. 95, parte 1, pp. 298-310, 2018. https://doi.org/10.1016/j.ecolind.2018.07.050
Concejo Municipal de Agua de Dios, “Plan municipal de Gestión de Riesgo de desastres en Agua de Dios, Cundinamarca”, pp. 1-81, 2019.
V. Sornlertlamvanich, P. Chawakitchareon y A. Hansuebsai, Information Modelling and Knowledge Bases XXIX, vol. 301. Amsterdam: IOS Press, 2018.
J. Weier y D. Herring, “Measuring vegetation (NDVI & EVI])”, 30 de agosto de 2000. [En línea]. Disponible: https://earthobservatory.nasa.gov/features/MeasuringVegetation
X. Yu, W. Hou, B. Niu y M. Zhao, “Measuring Greenery Supportiveness in Park for Physical Activity Using Smartphone Panoramic Image and a Green Vegetation Extraction Index”, 2020. doi: 10.21203/rs.3.rs-45628/v1
E. Chuvieco Salinero, Teledetección ambiental: la observación de la tierra desde el espacio. Barcelona: Ariel, 2007.
A. Etter, C. McAlpine y H. Possingham, “Historical patterns and drivers of landscape change in Colombia since 1500: a regionalized spatial approach”, Ann. Assoc. Am. Geogr., vol. 98, n.º 1, pp. 2-23, 2008.
C. I. Espinosa, M. F. Tapia-Armijos, J. Homeier, C. Leuschner y M. de la Cruz, “Deforestation and forest fragmentation in South Ecuador since the 1970s-losing a hotspot of biodiversity”, PLoS One, vol. 10, n.º 11, p. e0133701, 2015. https://doi.org/10.1371/journal.pone.0133701
Publicado
Número
Sección
Licencia
Derechos de autor 2021 Avances: Investigación en Ingeniería
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
