La caracterización de los cambios funcionales de los ecosistemas Sudamericanos se basó en el análisis temporal de cinco atributos de la vegetación a través del Índice Verde Normalizado (IVN)1 para el período 1982-1999 (figura 1):
Figura 1. Esquema de las
variables utilizadas en este estudio en un año típico.
La primera variable corresponde al valor promedio o integral
anual del IVN, y ha sido utilizado en numerosos trabajos para evaluar cambios
funcionales (e.g. Slayback et al.
2003, Paruelo et al. 2004, 2005). La segunda y tercera variables corresponden al
valor más alto y más bajo de IVN respectivamente registrado en un año
calendario. La cuarta variable tiene en cuenta la proporción existente entre
media del IVN en un año y su desviación típica, y se calcula como CV=desvío/media
y es una buena medida para comparar dispersiones a escalas distintas.
El Índice Verde Normalizado es calculado como:
en donde IRC es el infrarrojo cercano y R es el rojo. Este índice se basa en el hecho de que la clorofila absorbe energía en la porción del espectro electromagnético correspondiente al rojo, mientras que el mesófilo de las hojas dispersa en las porciones correspondientes al infrarrojo cercano. Tanto de forma empírica como teórica se ha demostrado que existe una relación estrecha entre el valor del IVN y la fracción de la radiación fotosintéticamente activa, y por lo tanto con la productividad primaria de un sistema.
La aproximación estadística para analizar las tendencias de estas variables en el período de análisis fue la de regresiones lineales simples. Los mapas presentados corresponden a aquellos píxeles que mostraron pendientes significativas con un p<0,10 y p<0,05 (figura 2). Si bien esta aproximación ha sido criticada con fundamentos correctos (de Beurs y Henebry 2004), elegimos esta aproximación por su simplicidad. Es de esperar que nuevas aproximaciones se desarrollen a medida que evolucione el sitio LechuSA.
Figura 2. Esquema en donde se
representan los tres resultados posibles de este análisis: pendientes
significativas y positivas (en azul), significativas y negativas (en rojo) y no
significativas (en los mapas áreas en blanco).
La información de cambio en el Índice Verde Normalizado se generó a partir de tres series de imágenes temporales provenientes del sensor “Advanced Very High Resolution Radiometer” (AVHRR), de la agencia estadounidense “National Oceanic and Atmospheric Administration” (NOAA). Ésta es una de las series de información satelital más larga que existe en la actualidad y suministra información diaria para todo el globo, con una resolución espacial variable (Kidwell 1991). Se debe considerar sin embargo que este tipo de imágenes poseen numerosas limitaciones, sobre todo en cuanto a las características radiométricas. Como resultado de estas limitaciones, numerosas series con distinto grado de procesamiento han sido generadas por diferentes grupos y organismos. Al igual que Slayback et al. (2003), en este trabajo se exploraron las tendencias con varias fuentes de información para discriminar los cambios que se generan por artefactos de calibración, características orbitales de los sensores utilizados, etc. Para un resumen de las aplicaciones de estas imágenes, ir a: http://www.ngdc.noaa.gov/seg/cdroms/AVHRR97_d1/avhrr4.htm. A continuación se describen las tres series utilizadas:
PAL (Pathfinder AVHRR Land) (James y Kalluri 1994, Sellers et al. 1996, Ouaidrari et al. 2003). Las dos series PAL provienen de las imágenes LAC y GAC, y recibieron entre otros tratamientos: corrección por Rayleigh, corrección por vapor de agua y ozono, máscara de nubes, selección de píxeles con valores máximos, etc. Los productos de esta serie son reflectancia superficial, temperatura de brillo, Índice Verde Normalizado y fuegos activos (sólo en la serie II). Objetivo de la serie: multipropósito. Ver nota técnica_1 sobre la reconstrucción de la serie para altas latitudes.
GIMMS, Modelado del inventario global y estudios de
mapeamiento (Global Inventory Modeling and Mapping Studies) (Los et al. 1994, Los et
al. 2000, Tucker et al. 2004). Esta serie presenta una medida global del IVN
por un periodo que va desde
FASIR, Ajustes de Fourier, corrección del ángulo cenital
solar y reconstrucción por interpolación (Fourier-Adjustment, Solar zenith
angle corrected, Interpolated Reconstructed) (Los et al. 2000). Esta serie se encuentra
corregida entre otras, por las variaciones en el sensor, aerosoles volcánicos,
contaminación por nubes, vapor de agua, variaciones en el ángulo solar, etc. El
producto (IVN) es decádico (cada 10 días) y con una resolución espacial de
De las tres series analizadas, PAL y FASIR presentaron los resultados más convincentes en términos cualitativos. Si bien se ha mencionado a las series GIMMS y FASIR como las de mayor calidad (Slayback et al. 2003), los resultados del análisis de la primera serie para Sudamérica fueron poco confiables, ya que no se observaron patrones en determinadas áreas con cambios muy bien documentados o muy evidentes tales como deforestación, avance de la agricultura, etc.. Por ejemplo, en el este del Paraguay, pequeños y grandes productores han sido los responsables de las altas tasas de deforestación registradas en los Bosques Atlánticos (e.g. Huang et al. 2007), sin embargo, las tendencias calculadas con la serie GIMMS no mostraron cambios en la región para el período 1982/2000, mientras que sí lo hicieron las series PAL y FASIR (figura 3). Estos resultados inconsistentes de la serie GIMMS se corroboraron por el hecho de que en todo el continente los patrones de cambio fueron de tipo sal y pimienta”.
Figura 3. Comparación de los
mapas para el este de Paraguay de tendencias del IVN según las tres series de
imágenes NOAA utilizadas y regresión lineal para un píxel en esta región
(círculo amarillo). En rojo tendencias negativas, en azul positivas, en blanco
no significativas al 90%.
Asimismo, existieron diferencias marcadas en las áreas que presentaban cambios significativos en cada una de las cuatro variables calculadas para las distintas series, que corresponderían a “hotspots” potenciales de cambios ecosistémicos. A modo de ejemplo, se presenta un mapa de las áreas con cambios del valor medio anual de IVN significativos al 90% realizado a partir de la serie FASIR, detallándose las diferencias encontradas entre las series (figura 4).
Figura 4. Identificación de las
áreas con cambios significativos para el valor medio anual del IVN según las
tres series de imágenes NOAA utilizadas. En rojo tendencias negativas, en azul
positivas, en blanco no significativas al 90%.
Por lo tanto, las dos bases de datos potenciales para la identificación de las áreas en donde han ocurrido cambios durante el período analizado fueron PAL y FASIR. Dado que PAL posee la desventaja de ser temporalmente más inestable que FASIR (Slayback et al. 2003), elegimos presentar en el sitio de LechuSA únicamente los resultados correspondientes a la serie FASIR. Si usted desea que le enviemos las imágenes de las series PAL o GIMMS, por favor envíe un mail a la direcciónlechusa@unsl.edu.ar.
Las imágenes FASIR utilizadas en este estudio presentan el siguiente formato:
Proyección Lambert Azimuthal Equal-Area Projection
Esferoide Sphere
Longitud del meridiano central -63.5º
Latitud de origen de la proyección -17.5º
Esta proyección es área-conforme, y es la única que puede representar exactamente tanto el área como la dirección verdadera a partir del centro de proyección. Es apropiada para representar masas de tierra circulares o cuadradas.
Número de filas 1064
Número de columnas 761
Tamaño de píxel
UL X -2643879
UL Y 4138815
LR X 3436121
LR Y -4365185
Tipo continuo
Formato variable unsigned 16bit
Interleave BSQ
La resolución temporal de la serie original es de imágenes decádicas, i.e. imágenes cada 10 días. En este estudio y en función de obtener valores más conservativos se calculó una imagen mensual que correspondía al valor máximo de las tres imágenes decádicas para cada uno de los meses del período de estudio.
de
Beurs, K. M., y G. M. Henebry. 2004. Trend Analysis of the Pathfinder AVHRR
Land (PAL) NDVI Data for the Deserts of Central Asia. IEEE Geoscience and
Remote Sensing Letters 1:282-286.
Huang,
C., S. Kim, A. Altstatt, J. R. G. Townshend, P. Davis, K. Song, C. J. Tucker,
O. Rodas, A. Yanosky, R. Clay, y J. Musinsky. 2007. Rapid loss of Paraguay's
Atlantic forest and the status of protected areas -A Landsat assessment. Remote
Sensing of Environment 106:460-466.
James, M.
E., y S. N. V. Kalluri. 1994. The Pathfinder AVHRR land dataset: An improved
coarse resolution dataset for terrestrial monitoring. International Journal of
Remote Sensing 15:3347-3363.
Kidwell,
K. B. 1991. NOAA polar orbiter data (TIROS-N, NOAA-6, NOAA-7, NOAA-8, NOAA-9,
NOAA-10, NOAA-11, and NOAA-12) users guide. NOAA/NESDIS, Washington D.C.
Los, S.
O., G. J. Collatz, P. J. Sellers, N. H. Malmström, N. H. Pollack, R. S.
DeFries, L. Bounoua, M. T. Parris, C. J. Tucker, y D. A. Dazlich. 2000. A
global 9-year biophysical land-surface data set from NOAA AVHRR data. Journal
of Hydrometeorology 1:183-199.
Los, S.
O., C. O. Justice, y C. J. Tucker. 1994. A global 1 by 1 degree NDVI data set
for climate studies derived from the GIMMS continental NDVI data. International
Journal of Remote Sensing 15:3493-
3518.
McCloy,
K. R., S. O. Los, W. Lucht, y S. Højsgaard. 2005. A comparative analysis of
three long-term NDVI datasets derived from AVHRR satellite data. Pages 52-69 en
EARSeL eProceedings.
Ouaidrari,
H., N. Z. E. Saleous, E. F. Vermote, J. R. Townshend, y S. N. Goward. 2003.
AVHRR Land Pathfinder II (ALP II) data set: evaluation and inter-comparison
with other data sets. International Journal of Remote Sensing 24:135-142.
Paruelo,
J. M., M. F. Garbulsky, J. P. Guerschman, y E. G. Jobbágy. 2004. Two decades of
Normalized Difference Vegetation Index changes in South America: identifying
the imprint of global change. International Journal of Remote Sensing 25:1-14.
Sellers,
P. J., S. O. Los, C. J. Tucker, C. O. Justice, D. A. Dazlich, G. J. Collatz, y
D. A. Randall. 1996. A revised land surface parameterization (SiB-2) for
atmospheric GCMs. Part 2: The generation of global fields of terrestrial
biophysical parameters from satellite data. Journal of Climate 9:706-737.
Slayback,
D. A., J. E. Pinzon, S. O. Los, y C. J. Tucker. 2003. Northern hemisphere
photosynthetic trends 1982-99. Global Change Biology 9:1-15
Tucker,
C. J., J. E. Pinzon, y M. E. Brown. 2004. Global Inventory Modeling and Mapping
Studies (GIMMS) Satellite Drift Corrected and NOAA-16 incorporated Normalized
Difference Vegetation Index (NDVI), Monthly 1981. University of Maryland, Department of
Geography.