Vol. 3, N° 2
Julio - diciembre del 2021
ISSN – Online: 2708-3039
DOI: https://doi.org/10.47796/ing.v3i2.527
Artículo
original
Índice de vegetación
y cambio climático: una evaluación multitemporal de imágenes Landsat en la
laguna Paucarani en el periodo 1972 al 2018
Vegetation
index and climate change: a multi-temporary evaluation of Landsat images in the
Paucarani lagoon in the period 1972 to 2018
Alejandro Jean Pier Mamani Vargas[1]
https://orcid.org/0000-0002-1070-2861
Carmen Rosa Román Arce[2]
https://orcid.org/0000-0003-1601-1794
Recibido:
15/10/2021
Aceptado:
03/10/2021
Publicado:
19/11/2021
Resumen
La investigación evaluó la relación entre los índices de
vegetación y el cambio climático haciendo una evaluación multitemporal de
imágenes Landsat para el periodo 1972 – 2018 en la laguna Paucarani, Tacna. La
información utilizada corresponde a imágenes satelitales Landsat 5 y Landsat 8
nivel 1 T corregidas en nivel de reflectancia superficial seleccionadas de la
plataforma Google Earth Engine en donde se generó el índice de vegetación de
diferencia normalizada “NDVI” para los años 1986, 1995, 2010 y 2018 y el índice
de agua de diferencia normalizada “NDWI”. Los resultados indican que los
valores medios de NDVI más altos corresponden a los meses de diciembre a mayo
con valores iguales o mayores a 0,1, por el contrario, en los meses de julio y
agosto los valores medios de NDVI disminuyen, presentando el año 1986 el valor
de 0,078 y el año 2018 el valor de 0,065. De los valores de precipitación se
verificó que estos presentan una frecuencia cíclica con años húmedos y secos,
con respecto a la frecuencia de precipitación, se determinó que el año 1986
presenta una frecuencia de precipitación desde el mes de diciembre hasta abril
en comparación con el año 2018 que presenta frecuencia para los meses enero y
febrero. De los valores de promedio anual de temperatura mínima, se verificó
que estos presentan una tendencia de aumento a partir del año 2012 con valores
menores a -6,50 °C en comparación con valores de hasta -12,4 °C presentes en
años anteriores. Se concluye que la variable precipitación, temperatura mínima
y los valores del índice de vegetación “NDVI” presenta una relación con un
grado de significancia < 0,05 según Pearson.
Palabras clave: Cambio Climático; Índices
de vegetación; Imágenes Landsat.
Abstract
The
research evaluated the relationship between vegetation indexes and climate
change by making a multitemporal evaluation of Landsat images for the period
1972 - 2018 in the Paucarani lagoon, Tacna. The information used corresponds to
satellite images Landsat 5 and Landsat 8 level 1 T corrected in level of
surface reflectance selected from the Google Earth Engine platform where the
normalized difference vegetation index "NDVI" was generated for the
years 1986, 1995, 2010 and 2018; and also the normalized difference water index
“NDWI”. The results indicate that the highest mean NDVI values correspond to
the months of December to May with values equal to or greater than 0.1, on the
contrary, in the months of July and August the mean NDVI values decrease,
presenting the year 1986 the value of 0.078 and the year 2018 the value of
0.065. From the precipitation values it was verified that these present a
cyclical frequency with wet and dry years. With respect to the frequency of
precipitation it was determined that the year 1986 presents frequency of
precipitation from December to April compared to the year 2018 that presents
frequency for the months of January and February. From the annual average
minimum temperature values, it was verified that these present an increasing
trend from 2012 with values lower than -6.50 ° C compared to values of up to
-12.4 ° C present in previous years. It was concluded that the variable
precipitation, minimum temperature and the values of the vegetation index
"NDVI" present a relationship with a degree of significance <0.05
according to Pearson
Keywords: Climate Change; Landsat Images;
Vegetation Indices.
1.
Introducción
Las imágenes satelitales son fotografías
obtenidas desde el espacio, entre sus diversos usos destaca la evaluación y
monitoreo del estado de la vegetación a nivel global, nacional, regional o
local (Muñoz, 2010). Se sabe que los efectos del cambio climático alteran el
desarrollo de los ecosistemas y sus servicios ambientales, así como a las
actividades económicas y el desarrollo sostenible (IPCC, 2014; Caballero,
2005). La laguna Paucarani ubicada en el distrito de Palca, provincia de Tacna
– Perú, presenta la vegetación hidro mórfica característica de la zona alto
andina denominada “bofedal” (Zeballos et al., 2014). Los bofedales son valiosos
sumideros de carbono, albergan una gran diversidad de especies silvestres y
regulan y almacenan el recurso hídrico (Ramos, 2018; Zeballos et al., 2014). De
igual manera, las lagunas son de importancia por ser fuentes de abastecimiento
de agua a la población local, regulan el microclima y albergan especies
endémicas, pero al igual que los bofedales sufren de una fuerte presión
antrópica y son vulnerables al cambio climático (Rolando et al, 2017). El uso
de las imágenes satelitales junto con la teledetección permite el monitoreo
espacial y temporal de los ecosistemas y el desarrollo de índices como el
Índice Normalizado de Vegetación (NDVI, por sus siglas en ingles) y el Índice
Diferencial de Agua Normalizado (NDWI por sus siglas en inglés) que facilita la
obtención de información del estado de la vegetación y de la extensión de los
cuerpos de agua (Chambe et al., 2021; Zhiminaicela et al., 2020). El uso de
nuevas plataformas como Google Earth Engine permite el análisis de datos
geoespaciales a escala global conectando programas satelitales para la
disposición de colecciones de imágenes que incluye a los satélites Landsat,
Sentinel 1, Sentinel 2, así como pronósticos climáticos, datos de cobertura
terrestre, ambientales, geofísicos y socioeconómicos (Aldas, 2019; Turpo, 2018;
Gorelick, 2017). En la región de Tacna, la laguna y el bofedal Paucarani
representan una fuente importante de servicios ambientales a la ciudad de
Tacna, de ahí su importancia para analizar el estado de su conservación y su
relación con el impacto del cambio climático.
Son numerosas las investigaciones
orientadas al monitoreo de ecosistemas con el uso de la teledetección, entre
ellas se puede mencionar a Aldás Andrade (2019) quien analizó la variación de
la cobertura vegetal en el tiempo y los cambios de uso de suelo en la reserva
ecológica de Cotachi Cayapas en Ecuador, usando el índice NDVI con imágenes
satelitales Landsat para los años 1986, 1995 y 2018 mediante la plataforma
Google Earth Engine, donde encontraron la disminución de los valores de NDVI
para el año 2017. De igual manera, Paula et al (2019) analizó temporalmente los
cambios en la vegetación utilizando imágenes satelitales Landsat mediante el
índice NDVI, mostrando que la vegetación densa se redujo en 8,27 % lo que
indica el evidente cambio ecosistémico. Así mismo, Ramos (2018) evaluó la
variación espacio temporal de los bofedales de Chalhuanca, distrito de Yaque –
Caylloma, Arequipa, usando el índice NDVI para la época húmeda y seca del
periodo 1986 – 2011, así como el análisis de las variables climáticas
encontrando que el área de los bofedales ha aumentado en 101,25 ha para la
época seca y 759,6 ha para la época húmeda, al igual que la temperatura en 1°
C. Manchego (2017) evaluó la variación espacio temporal de la vegetación en la
Cuenca Quilca – Chili mediante el índice NDVI haciendo uso de imágenes
satelitales Landsat para el periodo 2005 – 2015 y el análisis de las variables
de precipitación. Sus resultados muestran que la variable precipitación
presenta mayor correlación con el valor de NDVI con un coeficiente de
determinación de 0,83.
2.
Objetivo
La investigación tuvo como
objetivo determinar la relación que existe entre los índices de vegetación y el
cambio climático, haciendo una evaluación multitemporal de imágenes Landsat
durante el periodo 1972 – 2018 en la laguna Paucarani ubicada en la región Tacna.
3. Metodología
Área de estudio
El estudio se realizó en la
región Tacna, provincia de Tacna, distrito de Palca en la laguna Paucarani. En
la figura 1, se muestra el área de estudio de la laguna Paucarani que se
encuentra a 4 600 m.s.n.m. en las coordenadas -17°31'54,11" latitud sur y
-69°46’25,62” latitud oeste. La estación lluviosa es entre los meses de enero a
marzo con precipitaciones que van desde 0 a 300 mm.
|
Figura 1 Área de estudio de la Laguna Paucarani |
|
|
Recolección de Datos
La información satelital fue
obtenida del Servicio Geológico de los Estados Unidos – USGS de los satélites
Landsat 5 y Landsat 8. De acuerdo con el área de estudio, se seleccionó
imágenes de los años 1986, 1995, 2010 y 2018 del catálogo de datos de la
plataforma Google Earth Engine de imágenes satelitales Landsat corregidas a
nivel de reflectancia superficial con un porcentaje de nubosidad < al 10 %.
La información de los valores
de temperatura máxima, temperatura mínima y precipitación fue obtenida del
Servicio Nacional de Meteorología e Hidrología del Perú – SENAMHI de la
estación meteorológica Paucarani ubicada en las coordenadas 17°31'58,5''
latitud sur y 69°46'49,4'' latitud oeste.
Procesamiento de imágenes satelitales
El procesamiento de las
imágenes satelitales se realizó utilizando la interfaz de aplicaciones
integrado (API) del Google Earth Engine donde se elaboró scripts que permiten
la generación de índices, la realización de series temporales y la descarga de
las imágenes seleccionadas. Primeramente, se seleccionó la colección de datos
correspondientes a Landsat 5 para los años 1986, 1995, 2010 y Landsat 8. Para
el año 2018, se aplicó la selección de filtros para que se seleccione las
imágenes correspondientes al área de estudio, la fecha y el porcentaje de
nubosidad < al 10 %, seguidamente se aplicó la función “CFMask” que retira
nubes, sombra, nieve y hielo de las imágenes landsat seleccionadas (Landsat,
2020).
El Índice Normalizado
Diferencial de Vegetación (NDVI) es un indicador del estado de la vegetación
propuesto por Rouse et al. (1993). La aplicación del NDVI implica el uso de dos
bandas en una formula, el infrarrojo cercano (NIR) y el rojo (RED) como se
muestra en la ecuación 1.
NDVI = 
(1)
El Índice Diferencial de Agua
Normalizado (NDWI) elaborado por Mc Fetters (1996) es utilizado para
identificar la presencia de cuerpos de agua. La aplicación del NDWI implica el
uso de dos bandas en una fórmula, el verde (GREEN) y el infrarrojo cercano
(NIR) como se muestra en la ecuación 2.
NDWI = 
(2)
Se añadió las ecuaciones 1 y 2
para el cálculo de los índices NDVI – NDWI a los scripts elaborados.
Para el análisis de
variaciones en los valores medios de NDVI se realizaron series de tiempo
anuales para cada año de estudio, para esto se añadió la función “Print_Chart”
que genera gráficos de valores estadísticos medios de NDVI a las imágenes
seleccionadas.
Para determinar la extensión
de los cuerpos de agua, se utilizó el índice NDWI para los siguientes años:
1986, 1995, 2003, 2005, 2006, 2008, 2010, 2013, 2014 y 2018. Posteriormente, se
utilizó la función de descargar imagen para su procesamiento en el software Arc
Map 10.5 y la determinación de la extensión en Km2 mediante la herramienta
“Reclasify” y la opción “Calculate Geometry” en la que se introdujo la ecuación
3 en base a los conocimientos de extensión espacial de una imagen satelital que
es de 900 m2.
Área (Km2) = 
(3)
Con los datos de precipitación
y temperatura se generaron histogramas mensuales y anuales de los años
analizados para determinar su variación en el tiempo. Posteriormente, se
realizó una superposición de los valores mensuales de precipitación y
temperatura con los valores medios mensuales de NDVI para cada año de estudio,
seguidamente se aplicó la correlación de Pearson a los valores de NDVI,
precipitación y temperatura para determinar si existe relación entre las
variables.
Los modelos de script
elaborados para la generación de índices de vegetación y las series de tiempo
descritos en la presente metodología se puede acceder haciendo click a los
siguientes hipervínculos:
El siguiente hipervínculo
muestra el código de programación y las imágenes utilizadas para la elaboración
del índice NDVI para una imagen satelital Landsat 7:
https://code.earthengine.google.com/d489e7018da4f95e39c248837e5df
El
siguiente hipervínculo muestra el código de programación las imágenes
utilizadas para la elaboración del índice NDVI para una imagen Landsat 8:
https://code.earthengine.google.com/fe5a095b8e0191236bce268970419d15?noload=true
El
siguiente hipervínculo muestra el código de programación las imágenes
utilizadas para la elaboración del índice NDWI para una imagen Landsat 7:
https://code.earthengine.google.com/3e6bb20480ff75bf4cc62d4a20c42658?noload=true
El
siguiente hipervínculo muestra el código de programación las imágenes
utilizadas para la elaboración del índice NDWI para una imagen Landsat 8:
https://code.earthengine.google.com/e1aef5f5a70a69f7b1124294b78573e5?noload=true
Todos los
scripts fueron elaborados de la plataforma Google Earth Engine.
4.
Resultados
La figura 2 muestra las series
de tiempo, se puede observar la reducción de los valores medios de NDVI para
los meses de julio y agosto en los años analizados, presentando el año 1986 el
valor de 0,079 y el año 2018 el valor de 0,065.
Los acumulados anuales de
precipitación en el periodo 1986 a 2018 son cíclicos con años húmedos y secos,
sin embargo, en la figura 3, se observa que los acumulados mensuales de
precipitación presentaron una disminución en su frecuencia y una mayor
intensidad solo para los meses de enero y febrero en el año 2018 en comparación
con el año 1986.
|
Figura 2 Variación de los valores medios de NDVI para
los años 1986, 1995, 2010 y 2018 |
|
|
|
Figura 3 Acumulados mensuales de
precipitación del año 1986 y 2018 |
|
|
En la figura 4, la temperatura mínima media
anual presenta una tendencia de aumento a partir del año 2012 con valores menores a -6,50 °C en comparación con años
anteriores al 2012 donde se presentaba valores de hasta -12,4 °C con respecto a
la temperatura máxima media anual no se observa aumentos salvo en el año 2010.
|
Figura 4 Promedios anuales de
temperatura máxima y mínima |
|
|
Discusión
Los cuerpos de agua determinados con el índice
NDWI presentan una frecuencia homogénea con los acumulados anuales de
precipitación, en la figura 5, se observa que en año 2014 el acumulado anual de
precipitación es de 215,9 mm y la extensión del área de cuerpo de agua es la
menor en toda la serie histórica.
|
Figura 5 Relación acumulada anual de
precipitación con área de cuerpos de agua |
|
|
Trabajando la correlación de Pearson, en la
tabla 1, se observa que existe una relación directa entre valores de
vegetación, precipitación y temperatura mínima encontrando una correlación alta
y una significancia de (p < 0,05) rechazando la hipótesis nula.
|
Tabla 1 Correlación de NDVI,
precipitación, temperatura máxima y temperatura mínima |
|||||
|
Correlación |
NDVI |
Precipitación |
T° max |
T° min |
|
|
NDVI |
Correlación de
Pearson |
1 |
0,550 |
0,072 |
0,709* |
|
Sig. (bilateral) |
|
0,125 |
0,855 |
0,032 |
|
|
N |
9 |
9 |
9 |
9 |
|
|
Precipitación |
Correlación de
Pearson |
0,550 |
1 |
0,467 |
0,809** |
|
Sig. (bilateral) |
0,125 |
|
0,205 |
0,008 |
|
|
N |
9 |
9 |
9 |
9 |
|
|
T° max |
Correlación de
Pearson |
0,072 |
0,467 |
1 |
0,617 |
|
Sig. (bilateral) |
0,855 |
0,205 |
|
0,077 |
|
|
N |
9 |
9 |
9 |
9 |
|
|
T° min |
Correlación de
Pearson |
0,709* |
0,809** |
0,617 |
1 |
|
Sig. (bilateral) |
0,032 |
0,008 |
0,077 |
|
|
|
N |
9 |
9 |
9 |
9 |
|
|
Nota. *, ** La
correlación es significativa en el nivel 0,05 y 0,01 (bilateral). |
|||||
5.
Discusión
En este estudio se evidenció una disminución
de los valores de NDVI en los meses de julio y agosto desde el año 1986 al año
2018. Esto es una disminución del vigor de la vegetación de la laguna
Paucarani, así como la variación de los cuerpos de agua de acuerdo con los
acumulados anuales de precipitación siendo esto contrario al estudio de
Manchego (2017), quien determinó un aumento en los valores medios de NDVI para
un periodo de 10 años desde el año 2005 al 2015 centrándose en la cuenca Quilca
– Chili, Arequipa los resultados de Manchego serían contrarios a los nuestros
debido a la temporalidad y área espacial de su investigación. Con respecto a la
relación de la variable precipitación y los valores de NDVI, la investigación
de Manchego (2017) encuentra que existe una correlación de ambas variables, lo
que concuerda con la presente investigación de que a mayores acumulados anuales
de precipitación los valores de NDVI aumentan. Por su parte, Aldas (2019), en
su investigación, encuentra que los valores de NDVI para un periodo de análisis
de 32 años tienden a disminuir en el tiempo, lo que concuerda con la presente
investigación. Esto sería atribuible a relaciones causales de cambio climático
y actividades antrópicas.
De acuerdo con los resultados de análisis
temperatura y precipitación, Ramos (2018), encuentra una disminución en los
ciclos pluviales de precipitación para años más recientes y evidencia un
aumento de la temperatura mínima hacia el final del periodo evaluado y Ríos
(2018) quien evaluó estaciones meteorológicas de una región encuentra que el 80
% de las estaciones meteorológicas presentan un incremento en su temperatura
promedio. Estas investigaciones son concordantes con los resultados presentados
en la presente investigación, lo que sería atribuible a factores causantes del
cambio climático. De acuerdo con la relación de los cuerpos de agua y los
acumulados anuales de precipitación, en la investigación de Ríos (2018) se
encuentra la variación de los cuerpos de agua de acuerdo con los acumulados
anuales de precipitación, lo que es concordante con la presente investigación, debido
a que la extensión de los cuerpos de agua está relacionada con los acumulados
de precipitación.
6.
Conclusiones
Se evidenció que los valores de NDVI,
precipitación y temperatura mínima presentan una correlación alta (< 0,05)
según Pearson, lo que evidencia que las variables climáticas influyen en la
vegetación y cuerpos de agua de la laguna Paucarani.
De los años analizados, se evidenció una
disminución de los valores medios de NDVI para los meses de julio y agosto
presentando el año 1986 el valor de 0,079 y el año 2018 el valor de 0,065
mostrando la disminución del vigor de la vegetación para un periodo de 32 años.
El ciclo pluvial mostró que el año 1986 las
frecuencias de precipitación son más extensas desde diciembre a marzo en
comparación con el año 2018 que presentó mayor intensidad pluvial solo los
meses de enero y febrero. Los promedios anuales de temperatura mínima mostraron
una tendencia de aumento a partir del año 2012 con valores menores a -6,50 °C
en comparación con la década anterior. La extensión de las áreas de cuerpos de
agua de la laguna Paucarani mostró una relación directa con los acumulados
anuales de precipitación
7.
Referencias Bibliográficas
Aldás Andrade, A. P. (2019). Análisis De La Dinámica Temporal Del Índice
De Vegetación De Diferencia Normalizada (Ndvi) Para Los Años 1986, 2001 Y 2017
En La Reserva Ecológica Cotacachi Cayapas, Imbabura, Mediante El Uso De Google
Earth Engine. 166. [Tesis de Pregrado, Pontificia Universidad Católica de
Ecuador] Repositorio Institucional – Pontificia Universidad Católica de
Ecuador.
Caballero, M., Lozano, S., Ortega, B. (2005). Efecto
invernadero, Calentamiento Global y Cambio Climático: Una Perspectiva desde las
Ciencias de la Tierra. Revista Digital
Universitaria, 8(10). http://www.revista.unam.mx/vol.8/num10/art78/int78.htm
Chambe, J., Quintana, D., Sanga, M. (2021)
Análisis Multitemporal de la laguna Suches y del vigor de la vegetación del
bofedal de Huaytire, Tacna. Ciencia y Desarrollo, 20(1). DOI:https://doi.org/10.33326/26176033.2021.1.1106
Díaz González, F., Quintero Torres, S., Triana
Correa, J., y Morón Hernández, D. (2014). Aproximación
a los sistemas de percepción remota en satélites pequeños. Universidad
Sergio Arboleda.
Gilabert, M. A., Gonzáles-Piqueras, J., y
García-Haro, J. (1997). Acerca de los
índices de vegetación. Revista de Teledetección.
IPCC. (2014). Cambio climático 2014: Informe de Síntesis. In Contribución de los
Grupos de trabajo I, II y III al Quinto Informe de Evaluación del Grupo
Intergubernamental de Expertos sobre el Cambio Climático.
Manchego, M. G. (2017). Variabilidad Espacio Temporal de la Vegetación en la Cuenca Quilca -
Chili durante el periodo 2005 - 2015.
[Trabajo de grado, Universidad Nacional de San Agustin]. Repositorio
Institucional – Universidad Nacional de San Agustin.
Muñoz, P. (2013). Apuntes de Teledetección: Índices de vegetación. Centro de Información
de Recursos Naturales. http://bibliotecadigital.ciren.cl/handle/123456789/26389
Paula, P. A., Zambrano, L., y Paula, P.
(2018). Análisis Multitemporal de los cambios de la vegetación, en la Reserva
de Producción de Fauna Chimborazo como consecuencia del cambio climático. Enfoque UTE, 9(2), 125–137.
Ramos, C. S. (2018). Variación espacio - temporal de los ecosistemas de humedales
altoandinos en el anexo de chalhuanca del Distrito de Yanque (Caylloma,
Arequipa) entre los años 1986 - 2016 [Tesis de pregrado, Universidad
Nacional de San Agustin]. https://doi.org/10.1017/CBO9781107415324.004
Reuter, F. (2009). Principios de teledetección. Serie Didáctica No 33. Catedra de
Teldetección y Cartografía. Facultad de Ciencias Forestales – Universidad
Nacional Santiago de Estero. http://fcf.unse.edu.ar/archivos/series-didacticas/SD-33-Principios-teledeteccion-REUTER.pdf
Rios, D. (2018). Monitoreo del efecto del cambio climático en la huastequa potosina a
partir de técnicas de percepción remota y estaciones climatológicas [Tesis
de pregrado, Instituto Potosino de Investigación Científica y Tecnológica]. Repositorio
del Instituto Potosino de Investigación Científica y Tecnológica]
Rolando, J. L., Turin, C., Ramírez, D. A.,
Mares, V., Monerris, J., y Quiroz, R. (2017). Key ecosystem services
and ecological intensification of agriculture in the tropical high Andean
Punaas affected by land-use and climate changes. Agriculture, Ecosystems and Environment, 236, 221–233. https://doi.org/10.1016/j.agee.2016.12.010
Rouse, J.W., Hass,
R.W., Schell, J.A., y Deering, D.W. (1973). Monitoring vegetation system in the
great plains whit ERTS, 3rd ERST
Symposium, NASA, 1, 309 – 317.
Schomwandt, D. (2015). Teledetección aplicada a las ciencias agronómicas y recursos naturales.
Silva, C., y Rivera, M. (2016). Diagnostico multitemporal y generación de un
plan de acción, adaptación y mitigación para las zonas de desertificación y
degradación del Cerro Nitón, Parroquia Chiquicha Cantón Pelileo [Tesis de
Pregrado, Escuela Superior Politécnica de Chimborazo]. http://dspace.espoch.edu.ec/bitstream/123456789/6224/1/236T0233.PDF
Turpo Cayo, E. (2018). Modelagem de mudancas espaco-temporais de ambientes glaciais dos andes
do sul-PERU [Tesis de Postgrado, Universidade Estaudal de Feira de
Santana]. Repostorio de Universidade Estaudal de Feira de Santana-
U.S. Geological
Survey. (2016).
Landsat - Earth Observation Satellites.
En Landsat Missions Timeline. https://doi.org/10.1177/0033688205055578
Zeballos, G., Soruco, Á., Cusicanqui, D.,
Joffré, R., y Rabatel, A. (2014). Uso de imágenes satelitales, modelos
digitales de elevación y sistemas de información geográfica para caracterizar
la dinámica espacial de glaciares y humedales de alta montaña en Bolivia. Ecología En Bolivia, 49(3), 14–26.
Zhiminaicela Cabrera, J., Quevedo-Guerrero,
J., y Morocho-Castillo, A. (2020). Deforestación y cambios en la cobertura
vegetal del archipiélago de Jambelí, mediante el uso de imágenes satelitales Landsat 8. Manglat, 17(3), 282. https://doi.org/10.2307/40087073.