XIX Reunión Nacional SELPER- México

Morelia, Michoacán, México

Octubre de 2011

Extensos en presentación oral y póster

XIX Reunión Nacional SELPER- México. Memorias
Primera Edición 15 de abril 2012
Recurso electrónico, formato PDF

Compiladores
Dr. Jean-François Mas
M.G. Gabriela Cuevas García

Compilación y Diseño
I.S.C. Raquel González García

Imagen
M. C. Antonio Navarrete Pacheco

D.R. © Universidad Nacional Autonóma de México (UNAM)

Ciudad Universitaria, Delegación Coyoacán
C.P. 04510. Distrito Federal, México.
Centro de Investigaciones en Geografía Ambiental (CIGA)
Campus Morelia de la UNAM
Antigua carretera a Pátzcuaro 8701
Col. Ex Hacienda de San José de la Huerta
C.P. 58190, Morelia, Michoacán, México
www.ciga.unam.mx/

ISBN: 978-607-02-3172-8
 Prefacio

La Sociedad Latinoamericana de Percepción Remota y Sistemas de Información Espacial (SELPER), es una

sociedad internacional conformada por capítulos nacionales pertenecientes a distintos países de América Latina
y capítulos especiales conformados por países de alto desarrollo tecnológico. Este año, el Centro de
Investigaciones en Geografia Ambiental (CIGA) de la Universidad Nacional Autónoma de México (UNAM) –
Campus Morelia tiene el agrado de ser sede de la XIX Reunión SELPER, capítulo México.
Las presentes memorias son el resultado de la recepción de más de cien trabajos de diferentes instituciones del
país y del extranjero, los cuales fueron revisados por los especialistas que conforman el Comité Científico, a
quienes agradecemos su valiosa colaboración, siendo el contenido de los trabajos responsabilidad de cada uno de
los autores.

Durante la semana del 3 al 7 de octubre de 2011, especialistas renombrados impartieron cuatro curso-talleres,
tres conferencias magistrales y más de cien presentaciones de trabajos relacionados con la percepción remota y
los sistemas de información geográfica. Son notables las contribuciones de especialistas de instituciones
educativas y de gobierno, de organizaciones no gubernamentales y del sector privado así como la importante
participación de estudiantes en el evento, por lo cual estamos seguros que este evento contribuyó de manera
significativa al uso cada vez más difundido de las tecnologías geo-espaciales.

Abril de 2012

Dr Jean-François Mas
CIGA-UNAM
Coordinador General
Comité científico
Dr. Alcántara Concepción, Universidad Autónoma de Querétaro, México.
Dr. Amador García, Universidad Michoacana San Nicolás de Hidalgo, México.
Dr. Aguirre Gómez, Instituto de Geografía, UNAM, México.
M. en C. Backhoff Pohls, Instituto Mexicano del Transporte, México.
Dr. Bautista, CIGA, UNAM, México.
Dr. Berlanga Robles, CIAD/Unidad Mazatlán, México.
Dra. Camacho Olmedo, Universidad de Granada, España.
Dr. Castillo Santiago, ECOSUR, México.
Dra. Chaves, Universida de Estadual de Feria de Santana, Brasil.
Dr. Colditz, CONABIO, México.
Dr. Couturier, Instituto de Geografía, UNAM.
Dra. Escalante Espinosa, Facultad de Ciencias, UNAM, México.
Dra. España Boquera, Universidad Michoacana San Nicolás de Hidalgo, México.
Dr. Flamenco Sandoval, Universidad de Guanajuato, México.
Dr. Flores Romero, Universidad Michoacana San Nicolás de Hidalgo, México.
Dr. Fuentes Junco, CIECO, UNAM.
Dra. Galindo Mendoza, Universidad de San Luis Potosí, México.
Dr. Hinojosa Corona, CICESE, México.
Dr. Lira Chávez, Instituto de Geofísica, UNAM, México.
Dr. López Blanco, Instituto de Geografía, UNAM, México.
Dra. López Granados, Universidad Michoacana San Nicolás de Hidalgo, México.
Dr. Madrigal Uribe, Universidad Autónoma del Estado de México, México.
Dra. Mendonça, Universidade Federal de Santa Catarina, Brasil.
M. en C. Origel Gutiérrez, AGROASEMEX, S.A., México.
Dr. Ortega Rodríguez, Universidad Michoacana San Nicolás de Hidalgo, México.
Dr. Paegelow, Université Toulouse-Le Mirail, Francia.
Dra. Pérez Vega, Universidad de Guanajuato, México.
Dra. Quintano, Escuela de Ingenierías Industriales, Universidad de Valladolid, España.
Dr. Rocha, Universidade Estadual de Feria de Santana, Brasil.
Dr. Romero Aravena, Universidad de Chile, Chile.
Dra. Santos Cerquera, Instituto de Geografía, UNAM, México.
Dr. Soares Filho, Universidade Federal de Minas Gerais, Brasil
Dra. Taud, Centro de Innovación y Desarrollo Tecnológico en Cómputo, IPN, México.
Dr. Torres Rodríguez, CICESE, México.
Dr. Valenzuela, International Institute for Aerospace Survey and Earth Sciences, Holanda.
Dr. Vega, CIGA, UNAM, México.

Comité organizador
Dr. Jean François Mas, CIGA, UNAM, México, Coordinador General.
M. en C. Gabriela Cuevas, CIGA, UNAM, México.
M. en C. Michelle Farfán, CIGA, UNAM, México.
I.S.C. Raquel González García, CIGA, UNAM, México.
M. en C. Alejandra Larrazábal, CIGA, UNAM, México.
Dr. Manuel Mendoza, CIGA, UNAM, México.
M. en C. Luis Miguel Morales Manilla, CIGA, UNAM, México.
M. en C. José Antonio Navarrete Pacheco, CIGA, UNAM, México.
Dra. Isabel Ramírez, CIGA, UNAM, México.
Contenido

DOCENCIA .............................................................................................................................................................1
La quinta reestructuración de la especialidad en Cartografía Automatizada, Teledetección y Sistemas de
Información Geográfica de la Facultad de Geografía de la UAEM .........................................................................2
TÉCNICAS DE PROCESAMIENTO ......................................................................................................................9
Actualización de modelos digitales de elevación de alta resolución mediante especificaciones de canal hidráulico
................................................................................................................................................................................10
Relaciones temporales entre series de tiempo del índice de área foliar e índices de vegetación y su uso para
mejorar la resolución espacial ................................................................................................................................15
Análisis de errores en el cambio de resolución de series de tiempo de 250m a 1km de datos MODIS .................22
Evolving artifitial neural networks for binary and multi-class classification problems .........................................30
Método híbrido para la detección de cambios en la cubierta de suelo en áreas naturales protegidas.....................36
Análisis de separatibilidad espectral de cultivos agrícolas en imágenes del sensor Landsat TM para la región de
Cuauhtémoc, Chihuahua, México ..........................................................................................................................43
Incorporación de datos auxiliares en la clasificación de imágenes satelitales ........................................................49
Evaluación de calidad de modelos digitales de elevación (DEMs) para la modelación hidrológica, mediante la
estimación de errores medios cuadráticos y su comparación con la red superficial de drenaje .............................53
DISEÑO DE SISTEMAS .......................................................................................................................................61
Modelo de utilización de una propuesta de algoritmos para análisis geométricos en SIG .....................................62
OCEANOGRAFÍA.................................................................................................................................................71
Análisis de la fenomenología superficial de mesoescala en el sistema de la corriente de California (1981-2005)72
Análisis espacio-temporal de la temperatura superficial del mar en el Pacífico sur mexicano usando imágenes
satelitales ................................................................................................................................................................78
Impacto de los fenómenos "El Niño" y "La Niña" en la producción pesquera nacional ........................................85
Dinámica de mesoescala en la Bahía de La Paz y Sur del Golfo de California en las 4 estaciones del 2009 ........92
Estudio multisensorial de la dinámica superficial en el Sur del Golfo de México bajo condiciones
meteorológicas adversas (Septiembre-Octubre 1999) ..........................................................................................101
MODELADO ESPACIAL ...................................................................................................................................109
Base de datos geoespacial de mamíferos terrestres de América del Norte: una aproximación a sus patrones
biogeográficos y conservación .............................................................................................................................110
Escenarios de cambio de cobertura y uso del suelo en el corredor biológico Mesoamericano-México...............114
Las regiones agroecológicas de México ...............................................................................................................122
Evaluation of two approaches of land use/cover change modeling and their implications for the assessment of
biodiversity loss in a deciduous tropical forest ....................................................................................................127
Spatial modeling of fuelwood extraction dynamics: a case study for Honduras ..................................................132
Predictive and explanatory factors of LUCC in the Grijalva-Usumacinta basin..................................................138
INCENDIOS FORESTALES ...............................................................................................................................148
Evaluación de áreas afectadas por incendios forestales en México......................................................................149
Estimación de la distribución espacial de los combustibles forestales presentes en Sierra de Quila, Jalisco ......154
Aplicación de técnicas de percepción remota en la identificación de áreas quemadas para la evaluación de la
respuesta de diferentes ecosistemas forestales a los incendios forestales ............................................................159
Establecimiento de áreas de respuesta homogénea para la estimación de cargas de combustibles forestales .....167
Metodología para la estimación de la severidad del fuego por medio de teledetección: Municipio de Ocampo,
Coahuila................................................................................................................................................................172
PLANEACIÓN URBANO-REGIONAL Y TRANSPORTE ..............................................................................176
Identificación de zonas prioritarias de atención por parámetros sociales y áreas verdes en el Área Metropolitana
de Monterrey ........................................................................................................................................................177
Metodología para la localización y ubicación de las casillas electorales 2011, en el Estado de México .............184
Zonificación primaria de uso de suelo en dos municipalidades de la Región Ciénega, Michoacán, México ......191
Aplicación de imágenes de staélite del sensor SPOT para el estudio del sector transporte en el país .................197
SANIDAD VEGETAL Y CONTAMINACIÓN ..................................................................................................205
SCOPE: plataforma informática epidemiológica fitosanitaria en México ...........................................................206
Distribución espacial de Cr, Pb, Cu de origen de actividad minera en suelos y sedimentos en el Parque Natural
Sierra Nanchititla ..................................................................................................................................................211
Evaluación del estado de salud de la vegetación de manglar en el Sistema Lagunar Santa María-La Reforma,
Sinaloa, a partir de imágenes Landsat TM 5 ........................................................................................................217
USO Y CUBIERTAS DEL SUELO: INVENTARIO Y ANÁLISIS DE CAMBIO ...........................................221
Distribución potencial y aprovechamiento forestal de los bosques templados en el municipio de Zinapécuaro,
Michoacán, México ..............................................................................................................................................222
Generación de información de uso del suelo y vegetación escala 1:50,000, Sistema de Información de la
Cobertura de la Tierra (SICT) ..............................................................................................................................231
Análisis de la evolución espacio-temporal del NDVI sobre áreas vegetadas y zonas de riesgo de erosión en el
Pirideo Central Español ........................................................................................................................................239
Lugares a visitar en el Valle de Mexicali: los sitios recomendados por los habitantes ........................................248
Comprehensive MRV system for tropical peatlands ............................................................................................254
Propuesta metodológica para espacializar la distribución de los capitales de carbono aéreos .............................259
Propiedad de la tierra y cambio de uso del suelo, estudio de caso para el municipio de Tancítaro .....................265
La presión de uso de la tierra en la Reserva de la Biósfera Zicuirán-Infiernillo ..................................................271
Analysis of land cover transition for a study area in central Kalimantan, Indonesia, 2000 - 2004 ......................277
El turismo como principal factor de cambio de uso de suelo en el municipio de Valle de Bravo: periodo 1980-
2010 ......................................................................................................................................................................282
El crecimiento irregular de la mancha urbana provocado por huertas y polígonos agrícolas dentro de la ciudad
..............................................................................................................................................................................287
Análisis bioclimático y estudio de la vegetación del transecto Pico de Tancítaro-Valle de
Apatzingán, Michoacán, México .........................................................................................................................293
Cambios de uso del suelo y cubierta vegetal en el centro de Chihuahua: Una comparación preliminar entre
menonitas y mestizos en la región de Cuauhtémoc ..............................................................................................302
CLIMA Y RIESGO AMBIENTAL .....................................................................................................................307
Distribución espacial del transporte urbano particular y generación de gases efecto invernadero: la Ciudad de
Mexicali ................................................................................................................................................................308
Riesgo municipal por época de lluvias y ciclones tropicales ...............................................................................312
Gestión de información sobre el virus de la Influenza tipo A (H1N1) en Costa Rica..........................................319
Riesgo por temperaturas máximas extremas en el Valle de Mexicali ..................................................................329
Evidencias del efecto de “isla de calor” en Morelia , Michoacán, México ..........................................................333
Identificación de amenazas de sequías en regiones agropecuarias del Estado de Puebla, México. .....................337
Aplicación de un Sistema de Información Geográfica para la determinación del riesgo por flujos de derrubios
..............................................................................................................................................................................340
SENSORES ACTIVOS ........................................................................................................................................348
Aplicación de sensores activos en el Sur del Golfo de México ............................................................................349
GEOLOGÍA E HIDROLOGÍA ............................................................................................................................357
Sistema de Información Hidrológica para la cuenca del Río Mayo, Sonora. .......................................................358
Calidad del agua y contexto social como base para la planeación y gestión en cuencas periurbanas. El caso del
Río Chiquito, Morelia, Michoacán. ......................................................................................................................362
Implementación de un sistema de información geográfica para el balance hídrico mensual en 15 cuencas
hidrográficas de Costa Rica ..................................................................................................................................365
Localización de zonas potenciales de regarga del acuífero de la Ciudad de México ...........................................372
Análisis de los cuerpos de agua en el estado de Chihuahua, México: una perspectiva geoestadística ................380
Caracterización geomorfológica del Cerro El León, San Felipe, Guanajuato: cuantificación del gasto de agua de
manantial y su probable uso agrícola ...................................................................................................................385
Cambios de la cubierta vegetal y los usos del suelo en una cuenca endorreica de la región central de Chihuahua
en el periodo 1993-2010. Una zonificación desde la perspectiva hidrofuncional ................................................390
CARTOGRAFÍA HISTÓRICA ...........................................................................................................................399
La representación cartográfica de las Californias. Un recorrido a través del tiempo ...........................................400
DOCENCIA

1
 LA QUINTA REESTRUCTURACIÓN DE LA ESPECIALIDAD EN
CARTOGRAFÍA AUTOMATIZADA, TELEDETECCIÓN Y SISTEMAS DE
INFORMACIÓN GEOGRÁFICA DE LA FACULTAD DE GEOGRAFÍA DE
LA UAEM
Noel Bonfilio PINEDA JAIMES a, Delfino MADRIGAL URIBEa , Lidia Alejandra GONZÁLEZ
BECERRILa, Sandra Lucia HERNÁNDEZ ZETINAa
a
Facultad de Geografía, Universidad Autónoma del Estado de México.
Cerro de Coatepec s/n Ciudad Universitaria, Toluca, México.
nbpinedaj@uaemex.mx

RESUMEN
La Especialidad en Cartografía Automatizada, Teledetección y Sistemas de Información Geográfica
(ECATSIG), fue creada en 1991 en la Facultad de Geografía de la Universidad Autónoma del Estado de México
(UAEM), durante veinte años se han realizado cinco reestructuraciones de su plan de estudios. Este trabajo tiene
como objetivo principal presentar las características de la última reestructuración, aprobada por el Consejo
Universitario de la UAEM en diciembre de 2010. El programa se encuentra reconocido como consolidado por el
Padrón Nacional de Posgrados de Calidad del CONACYT desde el 2006 y en junio de este año fue renovado
este reconocimiento hasta el 2015. La Quinta Reestructuración tiene como propósito básico, formar especialistas
en el manejo de geotecnologías, que sean capaces de liderar proyectos de alta calidad que permitan aportar
soluciones prácticas a problemáticas concretas del sector empresarial, gubernamental y académico. Con el fin de
poder desahogar los objetivos y las nuevas demandas del mercado laboral y los avances geotecnológicos, las
unidades de aprendizaje fueron modificadas, de modo que se incorporaron asignaturas como la adquisición de
bases de datos, el desarrollo de innovaciones y aplicaciones geotecnológicas, la geoestadística, la modelación
espacial en ambiente SIG y la gestión de proyectos geotecnológicos.
Palabras clave: Especialidad, Cartografía Automatizada, Teledetección, SIG, Geotecnologías.

1 INTRODUCCIÓN acercamiento permanente de las universidades con las

Las actuales condiciones del mercado de la
información geográfica imponen la existencia de
expertos en el manejo de tecnologías como la
Cartografía Automatizada, la Teledetección y los
Sistemas de Información Geográfica, versados en
múltiples tareas relacionadas con el manejo del
espacio y con la toma de decisiones para la solución
de distintas problemáticas ambientales,
socioeconómicas y de geomarketing, dadas las
características de la globalización.
Esta exigencia de expertos impacta en una
demanda activa y creciente hacia las universidades y
las instituciones de educación superior, en la
implementación de cursos y posgrados con
orientación profesional, que actualicen y especialicen
a muchos de los empleados e investigadores de
empresas, dependencias gubernamentales y centros de
investigación, lo cual en suma implica un
demandas del mercado laboral.
En la presente Reestructuración de la Especialidad
en Cartografía Automatizada, Teledetección y
Sistemas de Información Geográfica, se modifican
algunos de los procesos curriculares con el fin de
adecuarlos a estas necesidades, a los procesos de
innovación curricular, a la evolución del hardware y el
software en estas tecnologías y a la aparición de
nuevos conocimientos generados en otras
universidades y centros de aplicación, en todos los
ámbitos profesionales.
Se han tomado en consideración lineamientos
institucionales internos y externos requeridos para el
seguimiento y acreditación de la Especialidad. Por un
lado, se han realizado las reestructuraciones y adendas
de acuerdo a las demandas, necesidades y
requerimientos de empleadores, egresados y
profesores, los planes institucionales de desarrollo y la
reglamentación de Estudios Avanzados de la UAEM
vigente; así como la actualización de contenidos de las
unidades de aprendizaje, de acuerdo con las
innovaciones geotecnológicas actuales. Por otro, se ha
participado en el Programa de Fortalecimiento del
Programa Educativo de Posgrado (ProPEP) desde
2004, además se tiene el reconocimiento y
acreditación por el Padrón Nacional de Posgrados de
Calidad (PNPC) del CONACYT desde el año 2006, el
cual fue renovado recientemente hasta el año 2015.
Así también, el programa hace congruentes sus
contenidos con los objetivos del actual Plan de
Desarrollo Institucional 2009-2013 de la presente
administración de la UAEM, así como de sus ejes
rectores y los planteados en el Plan de Desarrollo de la
Facultad de Geografía 2008-2012 (UAEM, 2008), al
igual que con los objetivos, necesidades y demandas
de todos los sectores gubernamentales, empresariales,
sociales y políticos de la sociedad en México.
2 FUNDAMENTACIÓN ACADÉMICA
2.1 JUSTIFICACIÓN EDUCATIVA Y
DISCIPLINARIA
El programa tiene dos décadas de impartirse en la
Facultad de Geografía de la UAEM. En este período
han egresado del programa 15 generaciones de
expertos en estas geotecnologías, procedentes de
diversos sectores académicos, gubernamentales y
empresariales del país.
En México un gran número de instituciones
gubernamentales tanto del ámbito federal, estatal,
municipal o delegacional y empresas de la iniciativa
privada, realizan diversos procesos de producción y
manejo de información georeferenciada y aunque hay
avances importantes, muchas de estas instituciones los
continúan realizando de forma tradicional, con
tecnología ya obsoleta o sin una metodología clara de
trabajo, lo que asegura disponibilidad de espacio en el
mercado laboral para los egresados de este programa.
Las opciones afines a la producción y manejo de la
información georeferenciada en el subsistema de
educación superior a nivel de posgrado son limitadas.
Dentro del catálogo de carreras de la ANUIES, se
incluyen algunas Universidades Nacionales con estas
posibilidades, entre las que destacan: la Universidad
Veracruzana, la Universidad Autónoma de Baja
California, el Instituto Campechano, el Instituto
Politécnico Nacional, la Universidad Nacional
Autónoma de México, la Universidad Juárez de
Durango, la Universidad de San Luis Potosí y el
Instituto Tecnológico de Sonora, entre otras más.
3
A pesar de las nuevas ofertas, el programa sigue
teniendo un atractivo particular para muchos
aspirantes a nivel nacional, debido sobre todo a su
énfasis y orientación particular hacia los avances
geotecnológicos y su aplicación a la solución de
problemas concretos del ámbito profesional.
Por otra parte, las bases teórico-metodológicas que
conforman el programa requieren de un permanente
enriquecimiento y reconceptualización, dado el
acelerado proceso de desarrollo tecnológico a nivel de
software que se ha experimentado en el mercado, lo
que impacta la forma de abordar los proyectos SIG y
la manera de obtener los resultados. Incluso, estas
nuevas ofertas en México, muchas veces van
adelantadas a las demandas emergentes de los planes,
programas y políticas de desarrollo económico y
social, lo cual no significa, que las instituciones
pertenecientes al sistema educativo renuncien a
desarrollar los conocimientos y habilidades en la
fuerza laboral actual y futura en función de este
impulso que experimenta la tecnología a nivel
mundial.
Se considera que el programa educativo que aquí
se presenta significa una opción singular y viable de
educación superior a nivel de posgrado para la
profundización del conocimiento, dirigida a una masa
de estudiantes con nivel de licenciatura que requieren
continuar sus estudios dentro del sistema
universitario, así como suplir la falta de opción de
actualización dentro del sistema de enseñanza para
aquellos egresados que laboran en instituciones
gubernamentales o de la iniciativa privada y cuyas
funciones se relacionen con estas geotecnologías.
2.2 MARCO CONCEPTUAL
Dado el carácter técnico de la Especialidad, el
trasfondo científico es proporcionado por el mismo
estudiante a través de su experiencia profesional en un
campo específico del conocimiento (biología,
economía, administración, geología, sociología y
otras), aplicado a la resolución de problemas de
carácter espacial, bajo la tutoría de los profesores de
tiempo completo, además de aplicar las tecnologías
más adecuadas a los objetivos concretos de carácter
personal o institucional con los que se identifica el
alumno, plasmando los resultados en un proyecto
terminal. De esa manera, pueden medirse con mayor
precisión los niveles de eficiencia del aprendizaje del
alumno y evaluarse la eficacia de la aplicación de una
o todas las tecnologías aprendidas.
 Es por ello que la conceptualización de las diversas
temáticas que se abordan dentro del plan de estudios,
llevan en su mayoría una connotación de proyecto,
con las ventajas que este método de aprendizaje
ofrece, de forma tal que el alumno pueda desarrollar
sus conocimientos y habilidades en la planificación,
desarrollo y presentación de proyectos que involucran
el uso y/o implementación de tecnologías de
información geográfica.
2.2.1 Cartografía Automatizada
Actualmente se trabaja con nuevas técnicas y
herramientas como: el ciberespacio, la
cybercartografía, la realidad virtual y la realidad
artificial tridimensional (Buzai, 2010). Ya se
encuentran en el mercado las pantallas de video de
alta resolución tridimensional, ortofotos digitales,
atlas multimedia, entre otros (Taylor, 1991). Los
usuarios de los mapas actuales, están exigiendo que
incorporen a sus sistemas, la arquitectura del espacio,
es decir, su organización, formas de uso y maneras de
representarlo y simularlo, en otras palabras, están
abogando por todo un nuevo proceso del quehacer
cartográfico que apoyaría su gestión de toma de
decisiones, sobre el manejo de los recursos naturales y
socioeconómicos. Uno de los ejemplos más
representativo de esa interacción virtual entre usuario
y ambiente multimedia es Google Earth y Google
Maps.
2.2.2 Teledetección
La teledetección espacial está evolucionando a pasos
agigantados ya que en la actualidad, existen satélites
comerciales de muy alta resolución, que son herederos
directos de los satélites “espías” norteamericanos.
Estos nuevos satélites, están revolucionando el mundo
de los sensores remotos y sus aplicaciones, mejorando
la calidad de las aplicaciones actuales y ampliando
enormemente su campo de utilización.
De la misma manera han aparecido plataformas
con alta resolución espectral (hiperespectrales), donde
los sensores poseen hasta cerca de 382 bandas (Sensor
HSI), lo que les permite detectar elementos muy
concretos, como un metal o un elemento químico
determinado, una especie de planta o animal en
particular, permitiendo investigaciones que no pueden
realizar con las bandas multiespectrales tradicionales.
Avances similares se han observado en las imágenes
de radar y las imágenes meteorológicas donde las
posibilidades de aplicación se han reproducido en
muchas áreas temáticas (Atkinson y Tate, 1999).
4
Por otro lado, los procedimientos matemáticos y
estadísticos han evolucionado de tal manera que han
sido también incluidos en las plataformas de software
para dar una mayor gama de tratamientos al usuario,
abarcando desde autómatas celulares, sistemas
neuronales, series complejas de tiempo y
clasificaciones hiperespectrales, hasta procesos de
transformación especial de última generación
(Lillesand y Kiefer 2004; Borengasser et al., 2008).
2.2.3 Sistemas de Información Geográfica
Gran parte de las definiciones de los SIG, se agrupan
en dos grandes vertientes: en términos tecnológicos y
desde una perspectiva de organización; pero
estrictamente hablando, los SIG, incluyen tanto los
sistemas manuales o conceptuales como los basados
en computadoras. Ya en la práctica, sin embargo, la
gran mayoría de estos sistemas están basados en
equipos de cómputo (Maguire et. al 1991).
Sin embargo, muchos autores actuales hacen un
mayor énfasis en el análisis espacial como punto de
partida para el diseño y estructuración de un SIG
(Demers 2005; Maguire et al, 2005; Obermeyer y
Pinto, 2008), ya que independientemente de su
estructura como plataforma y la estructura de las bases
de datos, son el diseño conceptual y los conocimientos
geográficos estructurados de manera sistémica, los
que le dan sentido al mismo. Finalmente todo esto
conforma lo que se ha concebido como la
modelización espacial o modelización geográfica.
2.3 OBJETO DE ESTUDIO
El alumno de la Especialidad debe estar capacitado en
el uso, aplicación y gestión de las aplicaciones
geotecnológicas para la solución de problemas
ambientales, sociales, económicos, mercadotécnicos y
comerciales, en algunos casos ligados a su fuente de
trabajo o su campo profesional actual, optimizando
sus capacidades dentro de estas tecnologías.
El objeto de estudio de la Especialidad está
sustentado en el conocimiento, actualización y el
gestión de las Tecnologías de la Información
Geográfica, así como a la cartografía temática, el
diseño y procesamiento de bases de datos, el análisis
digital de imágenes de satélite, el manejo de bases de
datos geográficas y a la estructura de Sistemas de
Información Geográfica.
2.4 NATURALEZA DEL PROGRAMA
El programa tiene una orientación profesional, una
modalidad presencial y es flexible en los talleres de
aplicación optativos, tiene un enfoque
interdisciplinario ya que intenta proporcionar un
panorama global de todas las geotecnologías y la
forma como éstas se ligan para generar nueva
información geográfica
En la actual reestructuración se plantea un
seminario de innovaciones geotecnológicas, que
permita dar soporte al proceso de enseñanza y
aprendizaje a través del uso intensivo de las TIC, y
con apoyo de la infraestructura en cómputo y
telecomunicaciones con que cuenta actualmente la
UAEM. Este planteamiento va acorde al proyecto
actual de Universidad Digital, que se especifica en el
Plan Rector de Desarrollo Institucional de la actual
administración 2009-2013 (UAEM, 2009).
2.5 OBJETIVOS DEL PROGRAMA
El objetivo general del programa es formar
especialistas en Tecnologías de la Información
Geográfica, capaces de proponer, desarrollar y liderar
proyectos que contengan aplicaciones especializadas
de Cartografía Automatizada, Teledetección y
Sistemas de Información Geográfica para la solución
de problemas concretos de carácter ambiental,
tecnológico y socio-económico.
Además los objetivos específicos son los
siguientes: a) proporcionar a los alumnos una visión
integral del conocimiento y aplicación de
geotecnologías y de la diversidad de sistemas y
plataformas de hardware y software ligadas a ellas,
como elementos para ser líder de proyectos con el
propósito de producir, procesar y analizar la
información territorial; b) desarrollar la capacidad en
los educandos, para preparar y desarrollar proyectos
técnicos de alta calidad, que respondan a necesidades
concretas del mercado laboral en diversas
instituciones privadas, gubernamentales y académicas;
c) generar soluciones prácticas y concretas a diversas
problemáticas temáticas, eslabonando y procesando
sistemas cartográficos complejos, clasificando
información de sensores remotos y diseñando rutas
críticas dentro de los sistemas de información
geográfica y d) conocer e integrar bases de datos
georeferenciadas, así como su administración y
explotación en diferentes ambientes y aplicaciones a
través de la selección, filtrado, generación de reportes,
análisis estadístico y espacial.
2.6 ÁREAS DEL PLAN DE ESTUDIOS
El plan de estudios está conformado por tres áreas del
conocimiento que permitirán preparar a profesionales
para utilizar las nuevas tecnologías de la información
5
geográfica. Estas áreas que fundamentan el plan de
estudios son:
2.6.1 Área básica
Una de las fortalezas del programa es su apertura
hacia profesionistas provenientes de diversas
disciplinas, a los que se requieren ciertas habilidades y
destrezas, especialmente de pensamiento complejo y
análisis, así como manejo de equipo de cómputo,
pero no se les exige una formación previa en el
manejo de las tecnologías de la información
geográfica. Por ello, las unidades de aprendizaje del
área básica son en su mayoría teórico prácticas y son
ricas en el desarrollo de ejercicios previamente
diseñados por los docentes, guiados paso a paso en los
laboratorios de Cartografía Automatizada. A través de
estas unidades de aprendizaje se propone que el
estudiante adquiera tanto los fundamentos como las
habilidades básicas para adquirir, sistematizar,
organizar y representar la información geográfica bajo
un enfoque de planificación estratégica. Estas
incluyen el diseño, manipulación y consulta de
información en bases de datos relacionales, así como
los fundamentos de programación.
2.6.2 Área metodológica
El área metodológica ofrece cursos de nivel avanzado
para el manejo de la información espacial, proveyendo
de técnicas y métodos para dominar la adquisición,
análisis, representación y documentación de la
información espacialmente referida. Hace énfasis en
las herramientas de teledetección, estadística espacial,
análisis y modelación espacial y dirige la
programación específicamente hacia los sistemas de
información geográfica. Se proponen que el
especialista conozca y domine diversos software que
le permitan realizar eficientemente y con una actitud
crítica las tareas frecuentemente demandadas en el
manejo de la información espacialmente referida para
el ámbito laboral.
2.6.3 Área de aplicaciones
Siendo el propósito del programa que el egresado
pueda liderar proyectos de aplicación de las
Tecnologías de la Información Geoespacial, en el área
de aplicaciones se otorga al Especialista un abanico de
talleres para elegir el que sea más acorde con sus
necesidades laborales y de desarrollo del proyecto
final. Así mismo, y para estar al día con los últimos
avances de la tecnología, ofrece un seminario de
innovaciones geotecnológicas, que aprovecha las
posibilidades de intercambio académico y de
educación a distancia, para poner al estudiante en
contacto con los expertos en desarrollos avanzados y
altamente especializados de las tecnologías de la
información espacial. En esta área también se
contempla la culminación del proyecto terminal y una
materia específicamente dirigida a la gerencia de
proyectos geotecnológicos y formación humana
2.7 ESTRUCTURA CURRICULAR
Considerando el variado perfil de los aspirantes al
programa, se realiza un curso de inducción de cuatro
semanas y 52 horas de duración, en el cual se pretende
homogenizar al aspirante en temáticas como
cartografía, computación y programación.
La estructura de las unidades de aprendizaje se han
adecuado a tres áreas del conocimiento; en el área
básica, se adquieren las bases teóricas, los conceptos
fundamentales y las habilidades básicas de la
Cartografía Automatizada, la Teledetección y los
Sistemas de Información Geográfica: Posteriormente,
en el área metodológica se adquiere un dominio pleno
de técnicas y métodos para adquirir, analizar,
representar y documentar la información
espacialmente referida. Estos conocimientos y
habilidades se integran en el área de aplicaciones en
un proyecto técnico plasmado en un proyecto
terminal, el cual se enriquece con los talleres y
seminarios del área de aplicaciones y se enmarca en
las líneas de aplicación innovadora del conocimiento.
3 REQUISITOS ACADÉMICOS
3.1 PERFIL Y REQUISITOS DE INGRESO
Se otorga prioridad a los candidatos que en sus áreas
de trabajo estén relacionados con el uso, diseño o
análisis de la cartografía automatizada, la
teledetección y los sistemas de información geográfica
y que tengan la necesidad o posibilidad de automatizar
sus procesos. Esto resulta importante, ya que de esta
forma se contará con alumnos que usen estas
tecnologías y que trabajen en el diseño y gestión de
propuestas técnico–metodológicas en sus ámbitos
laborales o profesionales. Es deseable que los
aspirantes tengan experiencia en procesadores de
textos, hojas de cálculo y gráficos, conocimientos
básicos de matemáticas, cálculo y estadística, así
como de cartografía y edición cartográfica.
El perfil del egresado de la Especialidad en
Cartografía Automatizada, Teledetección y Sistemas
de Información Geográfica estará orientado a liderar y
gestionar proyectos de aplicación de las Tecnologías
de la Información Geoespacial. Para lograr lo anterior,
6
se fundamentará principalmente en las áreas básica,
metodológica y de aplicaciones de las tecnologías que
conforman a la Cartografía Automatizada, la
Teledetección y los Sistemas de Información
Geográfica.
4 ESTRUCTURA
4.1 VINCULACIÓN
En el ámbito de la Universidad Autónoma del Estado
de México, la Especialidad en Cartografía
Automatizada, Teledetección y Sistemas de
Información Geográfica, representa una oportunidad
para todas las Facultades y Centros de Investigación
que requieren representar cartográficamente y analizar
la distribución espacio temporal de los fenómenos
naturales y sociales.
La constante demanda de productos cartográficos
de mayor precisión y oportunos en las diferentes
etapas de investigación y de la toma de decisiones,
hacen que disciplinas como las agrícolas, políticas,
sociología, antropología, planeación, economía,
turismo, arquitectura, entre otras, se interesen en el
manejo automatizado de datos geográficos
referenciados.
Lo anterior es derivado del impacto que tiene la
automatización de la información espacial y su
integración, manipulación y análisis a través de los
Sistemas de Información Geográfica, así como el uso
de otras tecnologías como la Teledetección, para la
generación de nueva información territorial. Esto
repercute también en la exigencia de estándares de
calidad cada vez más altos e inmediatos.
Entre todas las opciones de posgrado que se
ofrecen dentro de la UAEM, es esta Especialidad, uno
de los pocos posgrados que tiene las características
que pueden responder a estas demandas y así cumplir
con los requerimientos de los investigadores de esta
institución.
El programa se encuentra insertado dentro de la
DES de Ciencias Naturales y Exactas, junto con las
Facultades de Ciencias y de Química, compartiendo
también el programa de Investigación, Maestría y
Doctorado en Ciencias Ambientales, a través del
intercambio de cursos y de profesores. Por otro lado,
es importante señalar que este programa de posgrado
cuenta con una relación estrecha en cuanto a
intercambio de profesores e investigadores con el
Centro Interamericano de Recursos del Agua (CIRA),
dependiente de la Facultad de Ingeniería, así como
con el Instituto de Investigaciones de Ciencias
Agropecuarias y Rurales (ICAR), a través de diversos
proyectos de investigación.
Tomando como base los diferentes diagnósticos
llevados a cabo en las evaluaciones de la
Especialidad, se detectó que muchas instituciones del
ámbito federal, estatal, municipal y privado, realizan
trabajos geográficos y cartográficos relacionados con
el desarrollo urbano, agropecuario, industrial,
comercial y de servicios; así como el manejo de
recursos naturales y ecológicos en general, la
planeación, mantenimiento de las comunicaciones y
transporte, servicios de información estadística,
gestión de catastro y otros trabajos en general.
También se pudo distinguir que muchas de esas
instituciones adquieren software de Sistemas de
Información Geográfica y lo utilizan sólo para
actualización cartográfica, debido a la falta de
capacitación del personal responsable de esos
proyectos.
Esto aumenta la demanda de capacitación en estas
geotecnologías, lo que resalta la importancia de esta
Especialidad. La presente reestructuración de la
Especialidad, pretende seguir cubriendo los criterios
conceptuales, metodológicos y aplicados de estas
disciplinas, concebidas como universo de
automatización y manejo de los datos geográficos y de
la producción de cartografía. Se considera además que
puede responder al interés de un gran número de
especialistas de muy variadas disciplinas tanto del
país como de otras naciones.
En cuanto a instituciones públicas, la Facultad de
Geografía tiene firmados convenios de colaboración
con diversas instituciones como la Dirección Regional
Centro Sur del INEGI, el Instituto de Información
Geográfica y Catastral del Estado de México
(IGECEM), con quien la Facultad renovó un convenio
de colaboración en mayo de 2010, el Instituto de
Profesionalización de los Servidores Públicos del
Poder Ejecutivo del Gobierno del Estado de México,
la Secretaría de Desarrollo Social (SEDESOL), la
Organización Regional Silvícola y Agropecuaria
“Biosfera Sur”, A.C., la Dirección General de
Personal de Secretaría de Administración, la
Secretaría del Medio Ambiente del Gobierno del
Estado, y la Agencia de Seguridad Estatal todos ellos
dependientes del Gobierno del Estado de México.
Asimismo, se tienen firmadas diversas cartas de
intención con algunas instituciones académicas
mexicanas y extranjeras como la Universidad
Autónoma de Zacatecas, la Universidad Autónoma de
7
Nicaragua-León y la Universidad de Alcalá en
España.
De igual forma, se ha tenido participación y
colaboración académica en estos rubros con el
Instituto de Geografía de la UNAM. Así también, el
incremento de las actividades de investigación,
permite por un lado una mayor vinculación con otras
instituciones académicas similares a través de redes
como la Red de Usuarios IDRISI a nivel de
Latinoamérica, promovida por la Universidad de
Clark (USA) y de la que forma parte la UAEM, el
convenio actual con la Universidad del Norte de
Texas y el intercambio con especializaciones similares
en el Departamento de Geografía de esta Universidad.
Por otro lado, también permite un mayor nexo con
las empresas de hardware y software en las áreas de
cartografía automatizada, teledetección y Sistemas de
Información Geográfica, como GTT, AUTODESK,
ESRI, IDRISI, BENTLEY, NATQ y otras con
representación activa en México, así como también
con dependencias dedicadas a la cartografía como
INEGI, IGECEM, CONABIO, CONACYT, etc., cuyo
intercambio en capacitación, adelantos y personal ha
sido en lo general altamente dinámica.
4.2 INFRAESTRUCTURA Y EQUIPO
El programa de Especialidad en Cartografía
Automatizada, Teledetección y Sistemas de
Información Geográfica, ha continuado con una
política de adquisición y mantenimiento de
infraestructura y equipo de manera anual, la cual ha
sido soportada por las autoridades administrativas de
la Universidad y de la propia Facultad de Geografía.
En los últimos años la Facultad de Geografía ha
hecho un esfuerzo considerable para adquirir
infraestructura y equipo de cómputo a través de
recursos PIFI 3.1, 3.2, PEF, 2008, 2009 y ordinario,
para fortalecer los diversos programas académicos que
ofrece. Actualmente se cuenta con un Taller de
Cartografía Automatizada exclusivo para la
Especialidad, pero además hay cuatro Talleres
adicionales que apoyan al programa.
REFERENCIAS
Atkinson, P.M. and N. Tate 1999. Advances in Remote
Sensing and GIS Analysis. Wiley and Sons Inc. U.S.A.
Borengasser, M., W. Hungate and R.L. Watkins 2008.
Hyperespectral Remote Sensing. Bocca Ratón, Florida,
SRC. U.S.A.
Buzai, G. 2010. Geografía y Sistemas de Información
Geográfica. Universidad de Luján, Argentina.
Demers, M.N. 2005. Fundamentals of Geographic
Information Systems. Wiley and Sons Inc..U.S.A.
Lillesand T.M. and R.W. Kiefer 2004. Remote Sensing and
Image Interpretation. (fourth edition) John Wiley and
Sons Inc. U.S.A.
Maguire, D. J., Goodchild y Rhind D. W. 1991.
Geographic Information System: Principeles y
Application. U.S.A. Logman.
Maguire, D.J., M. Batty and M.F. Goodchild 2005. GIS,
Spatial Analysis and Modeling. ESRI Press, Redlands,
California. U.S.A.
8
Obermayer, N.J. and J.K. Pinto 2008. Managing,
Geographic Information Systems. Guilfor Press,
London, England
Taylor.D.R.F. 1991. “Una Base Conceptual de la
Cartografía”. En Revista del INEGI, Geografía. Número
6. Vol. V. Agosto 1993.
U.A.E.M. (2008). Plan de Desarrollo de la Facultad de
Geografía 2008-2012. Toluca, México.
U.A.E.M. (2009). Plan Rector de Desarrollo Institucional
2009-2013. Toluca, México.
 TÉCNICAS DE
PROCESAMIENTO

9
 ACTUALIZACIÓN DE MODELOS DIGITALES DE ELEVACIÓN DE
ALTA RESOLUCIÓN MEDIANTE ESPECIFICACIONES DE CANAL
HIDRÁULICO
Hugo Luis ROJAS VILLALOBOSa
a
Profesor- Investigador, Universidad Autónoma de Ciudad Juárez. Ciudad Cuauhtémoc, Chih. E-mail:
hlrojas@uacj.mx

RESUMEN
Debido al cambio climático, los patrones de las lluvias en el mundo han cambiado drásticamente, lugares donde
llovía poco, hoy han visto aumentadas sus tasas de precipitación, y así donde las precipitaciones eran abundantes
se han reducido considerablemente. En el caso de Ciudad Juárez, Chihuahua, las precipitaciones tienen
características muy particulares en donde se destacan por ser erráticas, escasas, torrenciales, puntuales y de gran
intensidad. Los modelos digitales de elevación (MDE) de gran precisión en zonas urbanas, hoy en día ya son
indispensables para generar modelos hidráulicos y simulación de inundaciones. La tecnología más avanzada en
topografía digital proviene de instrumentos como LIDAR que permiten construir MDE de gran exactitud, pero
existe el inconveniente de su alto precio. En este caso, se desarrolla una metodología para actualizar MDE de
alta resolución mediante especificación de diseño de canal hidráulico, utilizando hoja electrónica de cálculo, la
extensión Hec-GeoRAS™ y ArcGIS™. El diseño del canal hidráulico del Dren 2A, que permitirá la
canalización de las precipitaciones de la Sierra de Juárez, es procesado mediante segmentos de línea
transversales que representan el fondo y las paredes del canal, asignándoles valores de altura sobre el nivel
medio del mar, las cuales son interpoladas hasta obtener un MDE exclusivamente del canal con resolución de 25
centímetros que es insertado en el modelo general. Este procedimiento puede ser usado para la actualización de
MDE de alta precisión debido a cambios antropogénicos que puedan modificar el cauce de canales, ríos,
escorrentías o edificios.
Palabras clave: MDE, LIDAR, topografía, actualización.
actualización periódica por parte de las autoridades
1 INTRODUCCIÓN
municipales (Gtt Imaging, 2011). Existen otras
A partir de los eventos de cambio climático, los tecnologías como los modelos digitales de elevación
patrones de las precipitaciones a nivel mundial han (MDE) obtenidos mediante imágenes en pares
cambiado drásticamente, haciendo que en lugares estereoscópicos de imágenes de satélite como lo es
determinados haya sequias por años y en otros lugares Ikonos™ (con resolución de 1m el pixel), que genera
las precipitaciones sean más recurrentes, torrenciales un MDE con precisión horizontal de dos metros y tres
y con efectos destructivos en los centros urbanos metros en el eje vertical (Satellite Imaging
(Cordero, 2000). Para mitigar los efectos de estos Corporation, 2011). La plataforma Worldview 2™
eventos meteorológicos, los estudios de hidrología toma imágenes satelitales con resolución de 46 cms
urbana, para el diseño preciso de infraestructura (Digital Globe, 2011), por lo que se pueden generar
hidráulica, se han apoyado en la más moderna MDE con un RMSE de 30 cm si tomamos como valor
tecnología para levantamiento topográfico: LIDAR real las altitudes de LIDAR (Mitchell, 2010).
(Rahman et al., 2007). Esta tecnología utiliza un laser Ninguna de las plataformas anteriores son aptas para
instalado en un avión, el cual recorre la zona de la actualización de datos basados en LIDAR. Aunque
estudio, obteniendo datos de precisión altimétrica con la información de LIDAR es más precisa, no está
un error de menor a 5 cm en el eje Z y con 4 puntos de exenta de tener errores dentro de los modelos
rebote por metro cuadrado, haciendo que los modelos topográficos generados en gabinete.
topográficos sean muy detallados (Optech, 2011).
El gobierno municipal de Ciudad Juárez,
LIDAR tiene una gran precisión, pero también el
Chihuahua, adquirió (2008) un paquete de
costo es muy alto ($ 4,000.00 pesos por km2 con
levantamiento topográfico con LIDAR y
restitución fotogramétrica) si se requiere de una
fotogrametría de gran precisión de toda la ciudad y se

10
encontraron errores importantes para ser considerados 3 METODOLOGÍA
corregibles. La fotogrametría muestra una sección del
Los insumos y programas requeridos para el
dren 2A el cual se aprecia la infraestructura de
procesamiento son los siguientes:
puentes, y la vegetación en el lecho del dren, la cual
obstaculiza el flujo de agua (Figura 1). El modelo  El modelo digital de elevación.
digital de elevación utilizado para los estudios  Las especificaciones de canal.
hidrológicos, tiene una resolución de 25 cm el pixel y  El eje del canal en formato SHP.
confirma las anomalías existentes a lo largo del dren,  Una licencia de ArcGIS™ 9.x de ESRI™.
confundiéndose la vegetación con el modelo  Extensión 3D Analyst de ESRI™.
topográfico y que no permite generar modelos de  La versión de Hec-GeoRAS™ para ArcGIS
inundación adecuadamente (Figura 2). 9.x™.
 Excel™ de Microsoft Office™.
Infraestructura Las especificaciones del canal se muestran en la
Tabla 1.
Tabla 1. Especificaciones de diseño de canal del
dren 2A.
Desde Hasta Sección Pendiente
Tramo
km+mts km+mts (bxh) mts x m
1a 0+000 0+600 6m x 3m -0.003
Vegetación en lecho del dren 1b 0+600 1+200 6m x 3m -0.014
1c 1+200 2+115 6m x 3m -0.003
2a 2+115 2+360 9m x 4m -0.003
Figura 1. Imagen aérea de obstáculos en dren 2A en 2b 2+360 5+360 9m x 4m -0.0013
Ciudad Juárez, Chih.
Hasta
3 5+360 13m x 4.2m -0.00275
finalizar
Infraestructura

Adicionalmente, la estructura hidráulica tiene una

barda de contención adicional de un metro y medio a
la profundidad del canal. El punto 0+000 tiene una
cota 1,132.833 metros sobre el nivel medio del mar
(msnmm) que está basado en la topografía de LIDAR.
3.1 GENERACIÓN DE SECCIONES
Vegetación en lecho del dren TRANSVERSALES
Se utiliza como base el eje central del canal, al cual se
le generan líneas transversales mediante la extensión
Hec-GeoRas™ que se instala en ArcGis™ (Figura 3)
Figura 2. Modelo de sombras generado a partir de un en formato shapefile. En este caso, se generaron líneas
Modelo Digital de Elevación con resolución de 25cm el
transversales a cada 5 metros con una longitud de 100
pixel.
m.
2 OBJETIVO
El objetivo del presente trabajo es la corrección o
modificación del modelo digital del terreno, mediante
las especificaciones de diseño de canal, las cuales se
convierten en un MDE especial para el canal, y
actualizar el MDE original para que pueda servir en
modelación hidrológica.

11
 Eje central del
canal
Secciones
transversales
Figura 3. Generación de líneas transversales al eje central
del canal.
La base de datos de las líneas transversales es
modificada agregándole básicamente dos campos, uno
que almacenará la altura a la base del canal y la otra a
la altura de la barda de contención (altura de base,
más profundidad de canal, más altura de barda). En la
hoja electrónica de cálculo, se llenan los campos de
acuerdo a las especificaciones del diseño, tomando en
cuenta que la separación de cada línea transversal es a
cada 5 metros. La línea en 0+000 tendrá como altura
1,132.833 msnmm, las líneas subsecuentes irán
decreciendo de acuerdo a la pendiente y a la
transversal anterior (en este caso 0+000). Este cálculo
se almacena en el campo de altura de canal
(AlturaBase). La altura hasta la barda del canal, se
calcula tomando AlturaBase y sumándole la
profundidad del canal, según el tramo que se trate,
mas la altura de la barda, y el resultado se almacena
en el campo AlturaTotB.
Figura 4. Cálculo de alturas en msnmm a la base y a la
barda de contención.
3.2 GENERACIÓN DE MDE DEL CANAL
Mediante la utilería TopoToRaster de la extensión 3D
Analyst, las líneas transversales son convertidas en
12
dos MDE´s con resolución del pixel de 25 cms., uno
que representa la base del canal, y otro que representa
la altura hasta la barda de contención, usando los
datos de las columnas AlturaBase y AlturaTotB. Este
proceso genera dos MDE rectangulares, respetando
los límites mínimos y máximos en las coordenadas X
y Y. Para generar el MDE exclusivo del canal, se
generan dos áreas de influencia (buffer) a partir del eje
central. El primero es con respecto a la base del canal,
por lo que se toman los datos del ancho del diseño. El
otro es con respecto a la barda de contención, por lo
que el buffer debe ser más ancho que el de la base.
Para esta investigación, el ancho del canal hasta la
parte exterior de la barda fue de 75 cm, esto con el fin
de que haya continuidad en los pixeles y no se diluyan
cuando se combine en el momento de la
actualización.
Los MDE fueron cortados geométricamente por los
buffers generados, obteniendo dos MDE, uno con los
datos de altura hasta la base y el otro con datos de
altura hasta la parte superior de la barda (Figura 5).
Figura 5. MDE de fondo de canal y barda sobrepuestos en
fotografía aérea.
3.3 ACTUALIZACIÓN DE MODELO
DIGITAL DE ELEVACIÓN.
Con la herramienta "Mosaico a un nuevo raster", se
actualiza el MDE original. Para este procedimiento, se
debe tener especial cuidado en varios parámetros de la
utilería. El orden de los MDE en el que aparecen en el
listado es muy importante, ya que es el que define
cuál de ellos será el último valor que contenga el
raster final, de acuerdo a la opción "Mosaic Method".
Esta opción tiene dos formas de obtener el valor final
en el proceso, "Last" toma los valores del último
raster para generar el nuevo. "First" utiliza los valores
del primer raster para generar el raster final. El tipo de
pixel debe ser el que nos pueda permitir almacenar los
datos de altura incluyendo decimales (Figura 6).

Orden de listado de rasters

en el mosaico

Tipo de pixel

Figura 7. MDE reparado donde se muestra el canal dren

Método de 2A.
mosaico

Figura 6. Parámetros de utilería "Mosaico a nuevo raster"

4 RESULTADOS.
Esta metodología al utilizar especificaciones de diseño
de canal, anclados a puntos LIDAR, permite la
actualización de datos topográficos que corresponden
lo más aproximadamente posible con la realidad,
minimizando las posibilidades de tener errores en su
trazado. El MDE resultante (Figura 7 y Figura 8), Figura 8. Modelo de sombras generado por el DEM ya
muestra el gran detalle de resolución y resalta las reparado.
modificaciones en el terreno, generando una nueva
base de datos topográfica de gran calidad. El área de 5 CONCLUSIONES.
estudio corresponde a una sección de 534 metros en
Esta metodología de actualización de MDE, son de
forma diagonal en la cual se genera el MDE a 25
gran utilidad para modelación hidrológica, simulación
centímetros el pixel de resolución, para los modelos
de inundaciones, y con ello el mejor planeamiento de
del lecho de canal y la altura de la barda. Este proceso
rutas de evacuación. Las diferencias en el terreno en
requiere de una gran cantidad de recursos en memoria
el DEM, generan resultados erróneos (
RAM, ya que el sistema genera un MDE rectangular
con los datos máximos y mínimos en X y Y que Figura 9), ya que hacen que las escorrentías se desvíen
delimita la sección a reparar. Estos parámetros son a zonas habitadas (Figura 10), por lo que se pueden
convertidos a columnas y renglones con datos de tomar malas decisiones basadas en bases de datos
altitud que componen a los MDE. Si bien, los modelos faltas de calidad. Al actualizar las bases de datos
no ocupan mucho espacio en almacenamiento, el topográficas, los modelos hidrológicos generan datos
proceso que los genera, si, por lo que se tiene que muy cercanos a la realidad, por lo que ya son aptos
subdividir en secciones el canal para repararlo por para generar simulaciones de inundaciones (Figura 11
tramos. Si no se hace este proceso, el programa no lo y Figura 12).
podrá realizar y enviará un mensaje de error al
usuario.

13

Figura 9. Modelo de inundación con topografía de canal
errónea sobre modelo digital de sombras.
Figura 10. Modelo de inundación con topografía de canal
errónea sobre fotografía aérea.
Figura 11. Modelo de inundación con topografía de canal
corregida sobre modelo digital de sombras.
14
Figura 12. Modelo de inundación con topografía de canal
corregida sobre fotografía aérea.
REFERENCIAS
Cordero, V. 2000. Breve diagnóstico de las áreas más
expuestas a fenómenos naturales y sus características.
Unidad ejecutora sectorial del subprograma de
prevención de desastres. Secretariado Técnico de la
Presidencia. República Dominicana.
Rahman, A. Zulkarnain, M. and Alkema, D. 2007. Digital
Surface Model (DSM) Construction and Flood Hazard
Simulation for Development Plans in Naga City,
Philippines. Universiti Teknologi Malaysia.
http://eprints.utm.my/1078/ (accesado el 25 de Jul. 2011)
Optech. 2011. GEMINI: Summary Specification Sheet.
Canada.
http://www.optech.ca/pdf/ALTM_Gemini_SpecSheet_110309_Web.p
df (accesado 02 Sep. 2011).
GTT Imaging. 2011. Adquisición de ortofotos, modelo
digital urbano y planos digitales (Sistema LIDAR) por
levantamiento con laser aerotransportado y
levantamiento aerofotogramétrico digital para el
municipio de Chihuahua. Guadalajara, Mex.
Satellite Imaging Corporation. 2011. Ikonos Stereo Satellite
Imagery. http://www.satimagingcorp.com/svc/ikonos-stereo-
satellite-images.html (Accesado 05 Sep. 2011).
Digital Globe. 2011. WorldView-2.
http://www.digitalglobe.com/index.php/88/WorldView-2(accesado
05 Sep. 2011).
Mitchell, G. 2010. PhotoSat WorldView-2 Stereo Satellite
DEM Comparison to a LiDAR DEM in Southeast
California. Digital Globe.
http://www.digitalglobe.com/downloads/case_studies/Case_Study_W
V2_LIDAR_Comparison.pdf (Accesado 05 Sep. 2011).
RELACIONES TEMPORALES ENTRE SERIES DE TIEMPO DEL ÍNDICE
DE ÁREA FOLIAR E ÍNDICES DE VEGETACIÓN Y SU USO PARA
MEJORAR LA RESOLUCIÓN ESPACIAL
Rene R. COLDITZa, Ricardo M. LLAMASa
a
Comisión nacional para el conocimiento y uso de la biodiversidad (Conabio), Avenida Liga Periférico-
Insurgentes Sur 4903, Col. Parques del Pedregal, Del. Tlapan, 14010, México D.F.
rene.colditz@conabio.gob.mx, Tel: +52-55-50045020, FAX: +52-55-50044931

RESUMEN
Modelos regionales a globales de detección de cambio de la vegetación, de hidrología y ecología requieren
información sobre el estado de vegetación usando variables biofísicas. Un parámetro clave es el índice de área
foliar (LAI) que se puede derivar a través de imágenes satelitales. Existen cadenas de procesamiento operacional
que proveen el LAI a intervalos de 8 a 10 días, sin embargo a una resolución gruesa de 1km. En un proyecto se
explora las posibilidades de mejorar la resolución de estos productos mediante series de tiempo de índices de
vegetación (VI) que tiene una resolución más alta. En este estudio se investiga el prerrequisito para hacer estas
relaciones, la correspondencia temporal entre el LAI y los VI. Usando datos MODIS se emplea el índice de
vegetación de diferencia normalizada (NDVI) y el índice de vegetación mejorado (EVI) y dos formas de generar
las series de tiempo. Los resultados muestran la mejor correspondencia temporal entre el LAI y EVI para las
series filtradas por píxeles de baja calidad de que 81% del área de estudio tiene un desfase de +/-1 compuesto
para el coeficiente de correlación más alto. Para los mismos datos 99.5% del área de estudio indica un índice de
correlación significativa (5% nivel de significancia). Áreas con mayor desfase y menor correlación se encuentra
en las zonas montañosas relacionadas a los biomas de bosques de latifoliadas perennifolio.
Palabras clave: Correlación cruzada temporal, Series de tiempo, Índice de vegetación, Índice de área foliar,
MODIS, México central
para obtener el LAI a una resolución 1/112° en
1 INTRODUCCIÓN
compuestos de 10 días (Baret et al. 2007). El producto
Variables biofísicas como el índice del área foliar MOD15 emplea imágenes MODIS para estimar el
(LAI, en seguida se usan las siglas en inglés para LAI a 1km en intervalos de 8 días (Myneni et al.
todas las abreviaciones) estiman la productividad 2002).
primaria de la vegetación. El LAI está definido como
Aunque estos productos son muy útiles, en
el área total de la superficie superior de las hojas por
particular la resolución espacial gruesa no permite su
área de unidad de terreno que se encuentre
aplicación para estudios regionales o locales. Existen
directamente debajo de la planta. El LAI es utilizado
diferentes métodos para obtener una resolución más
en muchos modelos regionales y globales de cambio
alta. En muchos estudios se emplean bandas ópticas
como de hidrología y ecología (Sellers et al 1997),
espectrales y modelos de transferencia de radiación
para el monitoreo de la agricultura (Duveiller et al.
para mejorar el LAI (Duveiller et al. 2011b). Datos de
2011a), y por su importancia también forma parte de
radar, en particular de las ondas más largas presenta
las 13 variables terrestres esenciales para monitorear
más opciones (Zheng y Moskal 2009). Otra forma de
el cambio climático (GTOS 2009).
mejorar la resolución espacial del LAI es a través de
El LAI se puede estimar directo en el terreno con series de tiempo de índices de vegetación (VI) que ya
métodos destructivos, mediante fotografía hemisférica están disponibles a una resolución más alta. Un
o la transmisividad, o con datos satelitales (Zheng y prerrequisito para establecer estas relaciones es una
Moskal 2009). Para el último, existen dos productos alta coincidencia de las series LAI y VI en su
importantes que derivan el LAI a nivel global desde comportamiento temporal. En este estudio se analiza
los años 1999 y 2000 usando simulaciones de modelos en detalle las series y se investiga el desfase temporal
de transferencia de radiación. El proyecto a lo largo de un año mediante correlaciones cruzadas
CYCLOPES usa imágenes de SPOT VEGETACION temporales para cada pixel entre series de LAI y VI

15
con diferentes índices y calidades.El área de estudio
es una zona amplia en el centro del país que
representa todos los biomas (Figura 1).
Figura 1. Área de estudio en el centro de México con los 6
biomas dominantes del país. El número en la leyenda es la
proporción del área.
2 DATOS Y PREPROCESAMIENTO
Se utilizaron datos del sensor MODIS abordo del
satélite Terra que cubre todo el globo cada 1 o 2 días.
El instrumento MODIS cuenta con 36 bandas
espectrales en un rango que cubre desde el visible
hasta el infrarrojo térmico que tiene una resolución
espacial entre 250m y 1km al nadir (Justice et al.
2002). Entre los productos disponibles están los
índices de vegetación (MOD13) y variables biofísicas
(MOD15). Del primero se utilizaron el índice de
vegetación de diferencia normalizada (NDVI) y el
índice de vegetación mejorado (EVI), ambos a una
resolución de 1km y disponible a intervalos de 16 días
(Huete et al. 2002). El índice de área foliar (LAI) se
extrajeron del producto MOD15 (Myneni et al. 2002,
Knyazikhin et al. 1998). Para el análisis espacial se
utilizó el mapa de biomas del producto MOD12Q1
(Friedl et al 2010).
Se descargaron desde el Land Process Distributed
Active Archive Center (LP DAAC) de la NASA los
datos para el tile h08v06 y año 2009. Para la
transformación a la proyección cónica conforme de
Lambert (LCC) y el corte espacial al área de estudio
se utilizó el programa MODIS Reprojection Tool
(MRT) usando el pixel más cercano para el
remuestreo. Las series de tiempo se generaron con el
programa Time Series Generator (TiSeG; Colditz et
al. 2008) que analiza la calidad de cada pixel de los
productos MODIS. Para cada producto, LAI, NDVI y
EVI, se produjeron dos series de tiempo, el simple
16
apilamiento del índice sin considerar la calidad de
pixel (layerstack, LS) y la evaluación de calidad de
cada pixel y la interpolación temporal de datos
inválidos (quality assessment, QA). Adicionalmente
se interpolaron las series de NDVI y EVI a intervalos
de 8 días para tener correspondencia con la serie del
LAI.
3 MÉTODO
Como método para la correspondencia en el
comportamiento de series LAI contra NDVI y EVI se
utilizó el coeficiente de correlación r. Se modificó la
ecuación común desfasando una serie en tiempo,
también conocido como correlación cruzada temporal.
(1)
Ecuación 1 desfasa la serie x por l intervalos para
la correlación con la serie y. Asumiendo el carácter
cíclico de una serie de tiempo anual, esto permite que
no se reduzca el número de muestras n con l, entonces
no se modifica el cálculo de los promedios y de las
deviaciones estándar. La significancia del r se estimó
con una prueba-t.
(2)
El valor de prueba-t se compara contra la
distribución t con n-2 grados de libertad y un nivel de
significancia α/2 (dos colas).
4 RESULTADOS Y DISCUSIÓN
Se analizan las firmas temporales del promedio de
cada bioma para un análisis cualitativo de la
coincidencia entre LAI y los VI. Posteriormente se
muestran los resultados de la correlación temporal
cruzada en forma temporal y espacial. Por último se
analiza la significancia del coeficiente de correlación.
4.1 FIRMAS TEMPORALES DE BIOMAS
Figura 2 muestra los perfiles temporales de las series
de tiempo con valores promedio para cada bioma que
permite un análisis cualitativo tanto entre la
correspondencia de los índices como entre las
calidades de cada serie. Con respecto a las series hay
Figura 2. Firmas temporales de los promedios para cada bioma. Se muestra las series de tiempo con layerstack (LS) y
análisis de calidad (QA) para los índices LAI, NDVI, y EVI.
tres grupos de biomas: (1) bajos valores absolutos
con baja amplitud (“pastizal/agricultura cereal”,
“arbustivos”, “agricultura de hoja ancha”), (2) altos
valores con baja amplitud (“bosques latifoliadas
perennifolio”), y (3) alta amplitud (“sabana”,
“bosques de latifoliadas caducifolio”). El primer
grupo (bajos valores, baja amplitud) generalmente
muestra una buena coincidencia entre las firmas de los
índices. El caso contrario es el de los “bosques
latifoliadas perennifolio” donde en particular la
coincidencia entre LAI y NDVI es muy baja. El tercer
grupo (alta amplitud) indica los mismos patrones con
menos relación del LAI con NDVI que EVI.
De los VI, el EVI siempre muestra valores
absolutos menores y generalmente también una menor
amplitud que el NDVI. Esto tiene implicaciones para
los biomas de alta amplitud o valor donde el NDVI
pueda presentar saturación, es decir, un aumento del
LAI no corresponde a un aumento de forma adecuada
para el NDVI.
También es evidente que las series LS tienen más
ruido que series analizadas por la calidad. Este ruido
se aumenta con valores absolutos más altos y es
particularmente obvio para el bioma “bosques
latifoliadas perennifolio”. La interpolación de las
series QA permite obtener una firma temporal
esperada para los biomas, donde únicamente el LAI
17
de “bosques latifoliadas perennifolio” todavía indica
un alto nivel de ruido.
4.2 CORRELACIÓN TEMPORAL CRUZADA
Figura 3a expresa el porcentaje acumulativo del área
de estudio del coeficiente de correlación más alto para
el desfase temporal l (ecuacion1). Por ejemplo, se
obtuvo para un l de +1 la mayor correlación entre el
EVI y LAI con series LS (45% del área de estudio).
Esto significa que se debe desfasar el EVI con +1 (8
días adelantado) o el LAI con -1 para tener la mayor
correlación entre ellos. Sin embargo, en Figura 3b se
observa que no solo el área sino también la curva del
promedio del coeficiente de correlación más alto tiene
la cima en el desfase +1 para EVI-LAI LS. En la
Figura 3a se observa que para el desfase +/-1
compuesto (diferencia entre desfase +1 y -2) se
obtuvieron las correlaciones más altas entre EVI y
LAI con series QA para 81% del área de estudio. Es
interesante notar que la serie NDVI-LAI LS termina
en segundo lugar con 77% del área total, las otras
series llegan a 72% del área. Se observa en la Figura
3b que las series QA muestra mayores correlaciones
para menores l que también se refleja en el porcentaje
del área.
El desfase para el coeficiente de correlación más
alto esta mostrado espacialmente en Figura 4. Las
áreas en blanco identifican pixeles para los que no se
puede hacer una correlación debido a un insuficiente
número de muestras del LAI; estas son zonas urbanas,
agua, o áreas sin vegetación aparente para las que no
se obtiene un LAI. En la figura no solo se observa que
el desfase menor se obtuvo para la correlación de
EVI-LAI con series QA sino también que los valores
extremos del desfase son menores para esta
correlación. Espacialmente se manifiesta que los
desfases más altos están en las zonas montañosas de la
Sierra Madre Occidental y Sierra Madre Oriental. Con
el NDVI también se obtienen desfases más altos para
las zonas de arbustivos en el noreste del área de
estudio.

Figura 3. Proporción del área total (A) y promedio (B) para el coeficiente de correlación cruzada temporal más alto. Se
muestran los efectos del desfase temporal para correlaciones entre los VI (EVI o NDVI) con LAI para series de tiempo
apiladas (LS) o analizadas por la calidad (QA). Un desfase de 1 corresponde a 8 días.

Figura 4. Desfase del coeficiente de correlación más alto. Un desfase de 1 corresponde a 8 días. Blanco muestra áreas
donde no se obtuvo una correlación debido a la falta de datos.

18
4.3 SIGNIFICANCIA DEL COEFICIENTE coeficiente más alto de 0.2907 representa una
DE CORRELACIÓN correlación significativa. Únicamente el bioma de
Figura 5 presenta el coeficiente de correlación más “bosques latifoliadas perennifolio” indica, como en
alto independientemente del desfase. La correlación análisis anteriores, un área substancialmente menor de
entre el EVI y LAI con series de QA muestra mejores coeficientes significativos. Además los efectos de
resultados en general que también son mayores para saturación en zonas con alta densidad nubosa y relieve
zonas con menos correspondencia como las regiones abrupto, en donde el número de compuestos
montañosas. También se observan los mismos disponibles es menor, complica las correlaciones en
patrones espaciales que en la Figura 4, lo que implica las áreas donde está localizado este bioma.
que zonas con mayor desfase también tiene menor Tabla 1. Proporción del área con coeficientes de
correlación. correlación significantes a α de 5%.
Tabla 1 muestra la proporción del área de estudio
con coeficientes de correlación elevados (ecuación 2) Bioma EVI - LAI NDVI - LAI
a un nivel de significancia (α) de 5%. Por ejemplo, la
correlación entre el EVI y LAI usando la serie QA se
presenta en todos los biomas menos en “bosques de LS QA LS QA
latifoliadas perennifolio”, con coeficientes
significantes para más que 99% del área. Se observa Pastizal/agri. cereal 99.75 99.91 99.47 99.74
de forma sumaria que las series QA tienen mayor área Arbustivos 99.52 99.70 99.03 99.36
con correlaciones significativas que LS. También es
Agri. de hoja ancha 97.38 99.58 97.47 99.40
notorio que las diferencias entre el EVI y NDVI no
son muy altas, por ejemplo el área total de Sabana 98.60 99.68 98.78 99.58
coeficientes significantes para series QA es de 99.5% Bosques latif. perenn. 80.62 94.94 85.11 94.61
para el EVI y 99.31% para el NDVI. A primera vista Bosques latif. caduc. 97.29 99.40 97.16 99.23
parece ser lo contrario en Figura 5 en donde Total 98.07 99.50 98.13 99.31
claramente se demuestra una mejor correlación para el
EVI. Sin embargo, con 46 muestras y α de 5% un

Figura 5. Valor del coeficiente de correlación más alto. Blanco muestra áreas donde no se obtuvo una correlación debido a
la falta de datos.

19
 5 CONCLUSIONES
En este estudio se investigó la coincidencia temporal
entre series de tiempo de LAI y diferentes VI que es
un prerrequisito para el proyecto de mejoramiento de
resolución espacial de productos LAI. Se mostró en
forma cualitativa y cuantitativa que las series de
tiempo coinciden. Sin embargo, existen diferencias
entre los VI y las calidades de series usadas. Los
mejores resultados se obtuvieron entre el LAI y EVI y
la serie filtrada e interpolada por datos de baja calidad
(QA). Dentro de un desfase +/-1 compuesto se obtuvo
el coeficiente de correlación más alto para 81% de
área de estudio. En este análisis se debe considerar
que los índices de vegetación en su forma original
tiene un intervalo de 16 días. Adicionalmente este
índice lleva un identificador de la fecha de la toma de
cada pixel dentro de este intervalo que no se
consideraron en este estudio. En este sentido, la
correspondencia temporal entre LAI y VI se podría
aumentar con una interpolación más adecuada. El
LAI, al contrario es un promedio por el intervalo de 8
días, es decir, la fecha exacta de estimación no está
conocida. Esto significa que la incertidumbre en la
correspondencia temporal se aumenta a desfases de
+/-2 compuestos.
El breve análisis sobre la significancia del
coeficiente de correlación más alto mostró que para la
gran mayoría del área de estudio se puede obtener
coeficientes estadísticamente significativos.
Correlaciones no significativas solo se obtuvieron
para el bioma “bosques de latifoliadas perennifolio”
debido a varios factores como la saturación de los VI
y su ubicación en áreas montañosas con alta
nubosidad y relieve muy heterogéneo. Visualmente
también se identifican bajos coeficientes para la zona
costera del Golfo de México, probablemente
relacionado a la alta humedad en esta zona. Los
perfiles con poca amplitud, principalmente de
“arbustivos”, pueden ser la razón para los bajos pero
significativos coeficientes de correlación en el noreste
del área de estudio.
En resumen, los pequeños desfases y altos
coeficientes significativos de correlación permiten
establecer relaciones entre el LAI y VI,
principalmente con EVI, y con series a las que se
aplica el análisis de calidad de los píxeles sin
determinar ajustes temporales entre las series.
20
REFERENCIAS
Baret, F., Hagolle, O., Geiger, B., Bicheron, P., Miras, B.,
Huc, M., Berthelot, B., Niño, F., Weiss, M., Samain, O.,
Roujean, J.L. and Leroy, M. 2007. LAI, fAPAR and
fCover CYCLOPES global products derived from
VEGETATION Part 1: Principles of the algorithm.
Remote Sensing of Environment. 110: 305-316.
Colditz, R.R., Conrad, C., Wehrmann, T., Schmidt, M. and
Dech, S. 2008. TiSeG – A flexible software tool for
time series generation of MODIS data utilizing the
quality assessment science data set. IEEE Transactions
on Geoscience and Remote Sensing. 46: 3296-3308.
Duveiller, G., Baret, F. and Defourny, P. 2011a. Crop
specific green area index retrieval from MODIS data at
regional scale by controlling pixel-target adequacy.
Remote Sensing of Environment. 115: 2686-2701.
Duveiller, Weiss, M., G., Baret, F. and Defourny, P. 2011b.
Retrieving wheat Green Area Index during the growing
season from optical time series measurements based on
neural network radiative transfer inversion. Remote
Sensing of Environment. 115: 887-896.
Friedl, M.A., Sulla-Menashe, D., Tan, B., Schneider, A.,
Ramankutty, N., Sibley, A. and Huang, X. 2010.
MODIS Collection 5 global land cover: Algorithm
refinements and characterization of new datasets.
Remote Sensing of Environment. 114: 168-182.
GTOS. 2009. Assessment of the status of the development
of the standards for the terrestrial essential climate
variables – ECV-T9: Land cover. GTOS-64.
Huete, A., Didan, K., Miura, T., Rodriguez, E.P., Gao, X.
and Ferreira, L.G. 2002. Overview of the radiometric
and biophysical performance of the MODIS vegetation
índices. Remote Sensing of Environment. 83: 195-213.
Justice, C.O., Townshend, J.R.G., Vermote, E.F., Masuoka,
E., Wolfe, R.E., el Saleous, N.Z., Roy, D.P. and
Morisette, J.T. 2002. An overview of MODIS Land data
processing and product status. Remote Sensing of
Environment. 83: 3-15.
Knyazikhin, Y., Martonchik, J.V., Diner, D.J., Myneni,
R.B., Verstraete, M.M., Pinty, B. and Gobron, N. 1998.
Estimation of vegetation canopy leaf area index and
fraction of absorbed photosynthetically active radiation
from atmosphere-corrected MISR data, Journal of
Geophysical Research. 103(D24): 32239-32256.
Myneni, R.B., Hoffman, S., Knyazikhin, Y., Privette, J.L.,
Glassy, J., Tian, Y., Wang, Y., Song, X., Zhang, Y.,
Smith, G.R., Lotsch, A.., Friedl, M.A., Morisette, J.T.,
Votava, P., Nemani, R.R. and Running, S.W. 2002.
Global products of vegetation leaf area and fraction
absorbed PAR from year one of MODIS data. Remote
Sensing of Environment. 83: 214-231.
Sellers, P.J., Randall, D.A., Betts, A.K., Hall, F.G., Berry,
J.A., Collatz, G.J., Denning, A.S., Mooney, H.A.,
Nobre, C.A., Sato, N., Field, C.B. and Henderson-
Sellers, A. 1997, Modeling the exchanges of energy,
water, and carbon between continents and the Zheng, G. and Moskal, L.M. 2009. Retrieving Leaf Area
atmosphere, Science. 275: 502– 509. Index (LAI) Using Remote Sensing:Theories, Methods
and Sensors. Sensors. 9: 2719-2745.

21
ANÁLISIS DE ERRORES EN EL CAMBIO DE RESOLUCIÓN DE SERIES
DE TIEMPO DE 250M A 1KM DE DATOS MODIS
Ricardo M. LLAMASa, René R. COLDITZa
a
Comisión nacional para el conocimiento y uso de la biodiversidad (Conabio), Avenida Liga Periférico-
Insurgentes Sur 4903, Col. Parques del Pedregal, Del. Tlapan, 14010, México D.F.
rllamas@conabio.gob.mx, Tel: +52-55-50044987

RESUMEN
El estudio de la vegetación mediante distintos índices permite el monitoreo de las variables para la generación de
modelos de monitoreo de cambio climático. El índice de área foliar (LAI) forma parte de las 13 variables
climáticas esenciales y aun cuando este parámetro se puede obtener derivado del sensor MODIS entre otros, con
una resolución temporal de 8 días, la resolución espacial original de 1 km puede resultar limitada para estudios
en zonas con gran diversidad de cobertura terrestre. El LAI a una escala más fina se puede obtener derivado de
funciones de regresión utilizando series de tiempo de índices de vegetación (VI), como el índice de vegetación
mejorado (EVI) y el índice de vegetación de diferencia normalizada (NDVI) con una resolución espacial y
temporal de 250 m y 16 días respectivamente. Sin embrago debido a la función de extensión de puntos (PSF) que
se presenta entre los IV de con resoluciones diferentes, es necesario evaluar la relación entre las series de tiempo
de resoluciones de 1 km y 250 m para la generación de modelos más exactos. El propósito, es hallar los
parámetros de extensión por celda en la que se produce la menor diferencia entre valores de imágenes originales
de 1 km y las de 250 m con cambio de resolución a 1 km. El análisis en las imágenes con cambio de resolución
de parámetros como la media aritmética, busca describir el comportamiento de estos indicadores de
incertidumbre. Los resultados de este estudio pretenden finalmente aportar elementos para analizar el
comportamiento de la correlación entre VI y LAI en la región centro norte de México mediante imágenes con la
misma resolución espacial y temporal.

Palabras clave: Cambio de resolución, Análisis de errores, Índices de vegetación, Series de tiempo. MODIS,
México.

1 INTRODUCCIÓN Los productos del LAI están disponibles a nivel global

El espectroradiómetro de resolución moderada
(MODIS) a bordo de los sensores Terra y Aqua ofrece
varios productos a través de 36 bandas espectrales con
una resolución entre 250m y 1km a nadir (Justice et
al., 2002). Este estudio se enfoca a los índices de
vegetación (VI) que MODIS proporciona a través de
dos principales productos: el índice de vegetación
mejorado (EVI) y el índice de vegetación de
diferencia normalizada (NDVI). Los VI son
transformaciones espectrales de dos o más bandas
diseñadas para realzar la vegetación en una imagen y
evidenciar relaciones espaciales y temporales entre la
actividad fotosintética y las variaciones estructurales
del dosel arbóreo (Huete, 2002). EVI y NDVI son los
dos VI más ampliamente utilizados y en el caso del
segundo, este también es comúnmente relacionado
con el estudio del índice de área foliar (LAI) y
producción primaria de la vegetación (Wang, 2004).
con intervalos de 8 a 10 días, sin embargo la
resolución espacial de 1km es demasiado gruesa para
aplicaciones regionales y locales en un proyecto
general en el que se intenta utilizar la relación entre
VI y el LAI y su comportamiento similar en el
transcurso del tiempo para obtener LAI a una
resolución más alta. Un componente importante en
este proyecto es definir un modelo adecuado para la
transformación de datos de una alta resolución a una
más gruesa. Este trabajo se enfoca a entender la
relación entre productos de IV de diferentes
resoluciones usando datos MODIS. Como área de
estudio se aplican los modelos a la región centro-norte
de México (Figura 1).

22
 para diferentes resoluciones y la PSF de cada pixel
indica que el razonamiento simple de una media
aritmética no aplica en la generación de un modelo
adecuado para imágenes MODIS.

Figura 1. Área de estudio en el centro de México con los 6

biomas dominantes del país. El número en la leyenda es la
proporción del área.

1.1 EL MODELO MULTIRESOLUCIONAL

DEL SENSOR MODIS
Los pasos de las imágenes del sensor MODIS cubren Figura 2. PSF triangular en el escaneo con misma
el globo entero cada 1-2 días. Sin embargo, la mayoría coincidencia de centro para píxeles de diferente resolución
de productos se proporciona en forma de Compuestos y su extensión de función espacial a pixeles adyacentes
de varios días considerando varias observaciones. (Wolfe, 2002).
Mientras que las imágenes de sensor MODIS sin
mayor procesamiento se distribuyen en forma de
tomas con intervalos de 5 minutos de tiempo de
observación de un paso (ganules) con coordenadas
geográficas, los productos mejorados como VI se
obtienen en un sistema de cuadrícula con la
proyección sinusoidal. Figura 3: Sobreposición de conjunto de líneas escaneadas
En un modelo simple se puede suponer que un para ángulos mayores en la trayectoria (bow-tie effect;
píxel de 1 km de resolución representa exactamente Wolfe et al. 2002).
16 píxeles de 250 m sobre la misma porción del
En este estudio se complica la modelación
terreno. Si cada área contribuyera con el mismo peso a
multiresolucional en varios aspectos. Primero, se usan
la respuesta espectral, sería lógico pensar que la media
productos – no imágenes – que fueron proyectados a
aritmética de estos 16 valores representa el dato más
proyección sinusoidal y remuestreados a una
aproximado al valor del pixel de 1 km. Sin embargo,
resolución espacial de aproximadamente 231.7m y
el modelo espacial para la respuesta espectral no es
926.6m para ajustarse en el esquema de la cuadrícula.
igual para toda el área cubierta por un píxel. Esta
Cabe mencionar que esta resolución sólo aplica a
función bidimensional, también conocido como point
observaciones al nadir; en cuanto se aumenta el
spread function (PSF), modela la contribución de cada
ángulo de escaneo no solo se aumenta la resolución en
punto a la respuesta espectral y es particular para cada
esta orientación en forma no-lineal sino que también
sensor. En el caso de MODIS esta función es
se sobreponen a las líneas en la trayectoria (bow-tie
triangular en el escaneo y rectangular con relación la
effect, Figura 3,(Wolfe et al. 2002). Ambos efectos se
trayectoria de la órbita (Wolfe et al. 1998, 2002). En
corrigen en el remuestreo, sin embargo el proceso
la Figura 2 se observa también que para el escaneo de
implica un fuerte impacto en los datos. Posteriormente
MODIS el centro de un pixel a 1km coincide con el
por definición todos los pixeles tienen la misma
centro de una celda de 250m (y también de 500m) que
ubicación y productos disponibles a múltiples
significa que los bordes de las celdas no coinciden.
resoluciones coinciden en su localización, es decir que
Además, cada pixel vecino contribuye a la respuesta
debajo de una celda con 926.6m de resolución se
espectral hasta la mitad del área de los píxeles
encuentra 16 celdas de 231.7m. Segundo, para este
adyacentes en el escaneo, aunque con un peso menor.
estudio se transforman los datos a una proyección
La forma de arreglo de CCDs en el sensor MODIS
local y se cambia la resolución a 250m y 1000m, lo

23
que implica un nuevo remuestreo. Tercero, los
productos del sensor MODIS se originan de bandas
con diferentes resoluciones. Por ejemplo el EVI
incluye las bandas 3 (459 – 479nm) y 7 (2105 –
2155nm) ambas obtenidas con 500m. Tomando en
cuenta todos estos aspectos, es probable que el
modelo de PSF para imágenes no sea aplicable a
productos obtenidos y generados en este estudio.
2 DATOS Y PRE-PROCESAMIENTO
Los datos utilizados en este estudio son los índices de
vegetación EVI y NDVI derivados de los sensores
MODIS a bordo de las plataformas Terra (EOS AM) y
Aqua (EOS PM), obtenidos a través del sistema Land
Process Distributed Active Archive Center (LP
DAAC) del United States Geological Survey (USGS).
Los datos originales para el estudio fueron
seleccionados de los productos MOD13A2 y
MOD13Q1 de Terra y MYD13A2 y MYD13Q1 de
Aqua, los cuales poseen imágenes con resoluciones
espaciales de 1km (13A2) y 250m al nadir (13Q1) en
una resolución temporal de 16 días. El principio de los
compuestos de VI de Aqua está desfasado por 8 días
con respecto a Terra, por ejemplo, el primer
compuesto anual VI de Terra usa imágenes del 1 hasta
el 16 de enero en cuanto que el primer compuesto de
Aqua emplea imágenes entre el 9 y 25 de enero. La
similitud de los sensores, de la cadena de generación
de productos y el desfase mencionado permiten la
producción de una serie combinada (llamado MCD)
con intervalos de 8 días. Adicionalmente se emplea el
mapa de biomas del año 2009 obtenido del producto
MCD12Q1 (Friedl et al. 2010) para estratificar el área
de estudio en unidades de vegetación generalizadas.
De acuerdo con el sistema de cuadrícula de
MODIS en proyección sinusoidal que cubre todo el
planeta se obtuvieron los datos del tile h08v06
correspondiente a la zona de estudio en la región
central de México. La información descargada
corresponde al periodo completo del año 2009,
además de los últimos 5 compuestos de 2008 y los
primeros 5 de 2010 para la generación de una serie
combinada de 66 compuestos.
El pre-procesamiento inicial de cada compuesto se
realizó transformando la proyección sinusoidal a
cónica conforme de Lambert (CCL) de acuerdo con
los parámetros estándar establecidos por el Instituto
Nacional de Estadística y Geografía (INEGI), además
de que la proyección mencionada es la más
conveniente para la representación cartográfica de
24
territorios que se extienden en mayor proporción de
oeste a este (Caire, 2002). La proyección se hizo
mediante el uso del software MODIS Reprojection
Tool (MRT) y utilizando el método de remuestreo del
vecino más cercano para cada pixel. También se
delimitó el área de estudio, excluyendo la porción
continental e insular de la península y golfo de Baja
California respectivamente.
Para el NDVI y el EVI se generaron dos series de
tiempo con distintas características. La primera se
realizó a partir del apilamiento sin considerar la
calidad ni utilizar la fecha exacta de la toma, llamado
layerstack (LS). Para la segunda serie de tiempo se
consideró la fecha de toma y se aplicaron criterios de
calidad (QA) utilizando el software Time Series
Generation (TiSeG; Colditz et al., 2008). Esta
herramienta ofrece la posibilidad de realizar análisis
de calidad para cada pixel con la intención de reducir
el ruido en los datos. Los criterios para el análisis de
los compuestos excluyeron píxeles con cobertura
nubosa, cubiertos por nieve o hielo, influenciados por
efectos de sombra y aquellos que de manera general
no presentaron calidades superiores a criterios
aceptables. La obtención de valores para los píxeles
inválidos se realizó mediante interpolación lineal,
considerando la fecha de la toma de cada pixel. A
cada intervalo de 8 días para la serie filtrada se le
asignó el valor calculado para el primer día de cada
uno.
Para el análisis en este estudio se extrajeron de las
series de tiempo dos compuestos, 014 y 037, que
corresponden al 15 de abril y 16 de octubre
respectivamente (Tabla 1). Estas fechas representan
dos distintos estatus de vegetación al fin de la
temporada seca y al final de la estación de lluvias.
Tabla 1. Diferentes compuestos para el cálculo de
extensión de las celdas.
Serie Índice de Compuesto
vegetación
LS EVI MCD13Q1_LS_EVI_014
MCD13Q1_LS_EVI_037
NDVI MCD13Q1_LS_NDVI_014
MCD13Q1_LS_NDVI_037
QA EVI MCD13Q1_QA_EVI_014
MCD13Q1_QA_EVI_037
NDVI MCD13Q1_QA_NDVI_014
MCD13Q1_QA_NDVI_037
 3 METODOLOGÍA
De la discusión expuesta anteriormente es claro que
un modelo simple es probablemente inadecuado para
simular una resolución gruesa con datos de una más
fina. Debido a las transformaciones aplicadas a
imágenes también es poco probable que el PSF de
imágenes originales del sensor se aplique. En
búsqueda de un modelo adecuado se aplican dos
estrategias: primero, investigar qué forma de
extensión es la más adecuada y segundo qué
dimensiones de la misma son las óptimas.
Tomando en cuenta la misma ubicación de pixeles
de alta resolución debajo de una celda de baja
resolución se calcula la media de todos estos valores
(Figura 4a), de acuerdo con lo que efectivamente es el
modelo simple. Para investigar la forma y tamaño de
la extensión que incluye pixeles alrededor se
consideran los valores de los píxeles vecinos de la alta
resolución para producir un pixel de resolución
gruesa. Al extender la cuadrícula de píxeles para el
modelo, los adyacentes pueden ser tomados de forma
completa o en una porción de su área (Figura 4b). En
este último caso se aplica la ecuación 1 que calcula la
media por peso en que g es la proporción del área
(entre 0...1) de cada pixel, x es su valor y n el numero
de pixeles de alta resolución que caben en el extenso.
1 km 0.25 0.5 0.5
0.5 1 1
0.5 1 1
0.5 1 1
250 m 250 m 250 m 250 m
El cálculo de las diferentes extensiones se realizó
con el software upscaling.sav (Colditz, 2009)
mediante el cual se hicieron ejercicios de extensión
por píxeles completos en varias direcciones para
encontrar la forma más adecuada para el modelo y
posteriormente por fracciones de los mismos para
encontrar el tamaño de extensión para las formas más
probables. Para encontrar la solución óptima de la
forma y tamaño de extensión se calcula la diferencia
entre los píxeles obtenidos con el modelo descrito y el
compuesto original a 1km. Como estadística sumaria
se calcula el promedio de la imagen de diferencia para
todo el área de estudio o bioma y se selecciona el
menor valor como mejor modelo y/o tamaño de
extensión. En los resultados siguientes no sólo se
muestran estos promedios sino también la frecuencia
de selección de un modelo que también se analizaron
como promedio para cada bioma.
4 RESULTADOS Y DISCUSIÓN
Los compuestos utilizados son los correspondientes al
15 de abril y al 16 de octubre que representan los
compuestos 014 y 037 respectivamente en la serie
final. La primera parte se enfoca a encontrar la forma
de extensión. Una vez determinados los modelos más
probables, la segunda parte se enfoca a estudiar el
tamaño de la extensión de los mismos y determinar el
mejor modelo.
4.1 DETERMINACIÓN DE LA FORMA DE
0.5 0.5 0.25
EXTENSIÓN
1 1 0.5
Este análisis se aplicó a extensiones por pixeles
completos en todas las direcciones en que 1 pixel
1 1 0.5
tiene una resolución de 250m (Tabla 2).
1 1 0.5

0.5 1 1 1 1 0.5
250 m 250 m 250 m 250 m

0.25 0.5 0.5 0.5 0.5 0.25

250 m 250 m 250 m 250 m

250 m 250 m 250 m 250 m

Figura 4. Extensión de la cuadrícula original de 16 píxeles

de alta resolución para obtener el valor medio de los píxeles
remuestreados a la resolución gruesa (A) y el esquema
espacial para el cálculo de la media por peso con el extenso
de medio píxel en todas las direcciones (B).

∑
̅̅̅
∑

25
 Tabla 2. Extensiones [pixeles] aplicadas a la celda
original en todas las direcciones y por píxeles
completos. Un pixel corresponde a 250m de
resolución espacial
Izquierda Derecha
0 0
1 0
0 1
1 1
0 0
0 0
0 0
1 1
2 0
0 2
Extensión en píxeles
Arriba Abajo
0 0
0 0
0 0
0 0
1 0
0 1
1 1
1 1
0 0
0 0
coberturas terrestres. Se evaluaron las frecuencias de
manera general, para los seis biomas presentes en el
área de estudio, para las dos fechas (014 y 37), los dos
índices (EVI y NDVI) de vegetación y los dos grupos
de series (LS y QA) lo que representa un total de 48
comparaciones. La mayor ocurrencia (39 veces) de
valores bajos de la diferencia media con imágenes
modeladas y las imágenes originales a 1 km se
observa el extender en un pixel en sentido horizontal,
es decir en dirección izquierda y derecha (Figura 5).
La segunda ocurrencia más alta se presenta para la
extensión de un pixel en todas las direcciones (8
veces).
Utilizando únicamente las frecuencias de los
compuestos de EVI o NDVI respectivamente, la
mayor frecuencia se ubica de igual manera en el
extenso de 1 pixel hacia la izquierda y derecha, (18
frecuencias para EVI y 21 para NDVI) y la segunda
mayor frecuencia está representada por la cuadrícula

2 2 0 0 original sin aplicar ninguna extensión (6 en el caso de

0 0
0 0
0 0
2 2
2 0
0 2
2 2
2 2
EVI y 2 para NDVI). Por otro lado, el análisis de las
ocurrencias de las diferencias más bajas entre los dos
grupos principales de series muestra el mismo patrón
al extender horizontalmente (19 casos para LS y 20
para QA) y en todas las direcciones (5 para LS y 3
para QA).

50
4.2 EXTENSIÓN POR PORCIÓN DE PIXEL
Frecuencia de las menores diferencias

45 En esta sección se estudian en detalle los tamaños de

40
extensión para las dos formas de modelos, el
35
30
horizontal y en todas las direcciones. Aquí se usa la
25 ecuación 1 considerando la proporción del área de
20 pixeles adyacentes como peso para la media. Sin saber
15 en qué rango se encuentra el tamaño óptimo, primero
10
se extiende entre 0 y 500m (lo que representa hasta
5
0
dos pixeles de alta resolución) con intervalos de 50m.
LRTB LRTB LRTB LRTB LRTB LRTB LRTB LRTB LRTB LRTB LRTB LRTB LRTB LRTB LRTB El análisis se realizó sin considerar las clases
0000 0001 0002 0010 0011 0020 0022 0100 0200 1000 1100 1111 2000 2200 2222

Extensión por píxeles completos. Izquierda, derecha, superiror, inferiror

referentes a los biomas puesto que el patrón general
ha sido identificado y en este caso, sólo se comparan
Figura 5. Frecuencia de las diferencias más bajas de los valores medios de toda el área de estudio. En la
acuerdo con los patrones de extensión de la cuadrícula de Figura 6 se observan las diferencias entre los
16 píxeles de 250m, los números en el eje de abscisas
resultados modelados y datos originales a 1km como
representan píxeles a la izquierda (L), derecha (R), arriba
(T) y abajo (B) respectivamente, y 1 corresponde a un píxel promedios del área de estudio. Se dividieron las
de 250m, 2 a dos píxeles. gráficas en 4 (fecha y VI) debido al rango en las
diferencias. Se muestra que en tres de las cuatro
Una vez obtenidas las diferencias para cada gráficas los compuestos a los que se aplicaron el
resultado con diferente rango de extensión es posible análisis de calidad y extensión en todas las direcciones
identificar la frecuencia de las combinaciones de presentan los valores más bajos, a diferencia del
parámetros en las que se presentan los valores compuesto 37 de NDVI. En las extensiones
menores. Inicialmente el análisis se realizó para los horizontales las menores diferencias se encuentran en
resultados obtenidos por bioma, tratando de identificar un rango superior que las extensiones completas. Las
si existía algún patrón relacionado con las diferentes curvas de las extensiones en izquierda y derecha

26
muestran un ascenso más suave, mientras que las búsqueda con un intervalo menor. Por ello se extendió
extensiones hechas en todas las direcciones presentan la cuadrícula con intervalos de 5m para identificar los
curvas de ascenso mucho más abruptas. Las valores más bajos dentro del rango de 50m a 150m en
diferencias absolutas más bajas se ubican en el EVI las cuatro direcciones. Para cada uno de los
para ambos compuestos. En los cuatro casos los compuestos se observó que las menores diferencias se
valores menores están en un rango de 50 a 150m de ubican entre 80 y 120 m (Figura 6).
extensión de la cuadrícula para los compuestos Estos resultados finales muestran que la distinción
extendidos en todas las direcciones y de 50 a 300m más significativa entre los patrones de extensión es
para las extensiones horizontales. provocada por la fecha del compuesto. En la Tabla 3
4.3 RANGO DE EXTENSIÓN MÁS BAJO se muestran las diferentes extensiones para cada
De acuerdo con los resultados de los diferentes compuesto en el que se obtuvo la diferencia más baja,
extensos y habiendo identificado que las menores además de la extensión media en el caso de cada una
diferencias se hallan al expandir la cuadrícula en las de las fechas.
cuatro direcciones, se estableció un nuevo rango de
Compuesto 14 Compuesto 37
0.0208

0.0138 0.0203

0.0198
Diferencia media

Diferencia media
0.0193
0.0133
0.0188
EVI

0.0183

0.0178
0.0128
0.0173

0.0168

0.0123 0.0163
0 50 100 150 200 250 300 350 400 450 500 0 50 100 150 200 250 300 350 400 450 500

Extensión (m) Extensión (m)

0.0215 0.027

0.026
Diferencia media

Diferencia media

0.021

0.0205 0.025
NDVI

0.02 0.024

0.0195 0.023

0.019 0.022
0 50 100 150 200 250 300 350 400 450 500 0 50 100 150 200 250 300 350 400 450 500

Extensión (m) Extensión (m)

LS QA LS QA
Extensión horizontal Extensión horizontal Extensión completa Extensión completa
Figura 6. Diferencias medias para toda el área de estudio calculadas entre las imágenes originales en resolución gruesa y
aquellas a las que se les aplicó el cambio de resolución. Las escalas de graduación en el eje de las ordenas son distintas para
lograr resaltar el efecto producido al modificar el rango de extensión de las cuadrículas de 16 píxeles.

27
 Tabla 3. Parámetros de extensión (modelo en considerar las seis clases correspondientes a los
todas la direcciones) en los que se obtuvo la menor diferentes biomas. Las menores diferencias en el caso
diferencia para los ocho compuestos en relación con de los compuestos 014 se ubican en un rango de
las imágenes originales. extensión de 105 a 120m. Los valores más bajos para
los compuestos 037 corresponden al rango de 80 a
15_abr (014)
95m (Figura 7).
Compuesto Extensión Menor diferencia 0.0127 0.01658

EVI_LS 120m 0.0127904 0.01268

Diferencia media EVI-QA 14

Diferencia media EVI-LS 37

0.01656
0.01266
EVI_QA 115m 0.0125142
0.01264
0.01654
NDVI_LS 110m 0.0195896 0.01262

NDVI_QA 105m 0.0193299 0.0126 0.01652

0.01258
Media 112.5 0.01256
0.0165

16-oct (037) 0.01254

0.01648
0.01252
Compuesto Extensión Menor diferencia 0.0125 0.01646

EVI_LS 95m 0.0164729 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135 140 145 150

Extensión (m)
EVI_QA 95m 0.0185501
NDVI_LS 80m 0.0241075 EVI-QA 14 EVI-LS 37
NDVI_QA 85m 0.0224399
Media 88.75 Figura 7. Diferencias medias entre las imágenes originales
y dos compuestos analizados que presentaron los valores
Los valores de la tabla son los obtenidos del más bajos.
análisis global del toda el área de estudio sin

Sin extensión de celda Con extensión de celda. 115 m en todas las direcciones
1
con ca mbio de resolución
EVI-QA- Compuesto 14

0
0.2
EVI-QA Compuesto 14
diferencia s a bsoluta s

0
Figura 8. Diferencias absolutas calculadas entre las imágenes con cambio de resolución y las imágenes originales a 1 km de
compuesto correspondiente. En la primera columna se muestra la imagen remuestreada sin ninguna extensión y las
diferencias absolutas obtenidas para toda el área de estudio. En la segunda columna se muestra la misma evaluación pero
con la imagen remuestreada con extensión de 115 m en todas las direcciones.

28
 Finalmente se observa que la menor diferencia
general encontrada al analizar los ocho compuestos se
ubica en el cambio de resolución fina a gruesa de la
imagen de EVI del compuesto 014 al que se aplicó el
filtro de calidad inicial y que fue extendida en razón
de 115m en las cuatro direcciones de la cuadrícula.
Resulta interesante observar que la segunda menor
diferencia general también se encuentra en EVI,
aunque para el compuesto de 037 de LS. La principal
distinción entre estos dos compuestos recae en que a
diferencia del compuesto 014, el segundo obtiene el
valor más bajo sin haber aplicado ningún filtrado de
calidad, aunque el comportamiento de la curva (Figura
7) de las diferencias en relación con la extensión es
muy similar en ambos casos.
Adicionalmente, en la Figura 8 se muestra que para
el compuesto 14 de manera gráfica la discrepancia
entre las imágenes con cambio de resolución de 250m
a 1 km sin aplicar ninguna extensión a la cuadrícula y
extendiendo 115m en todas las direcciones conforme
al rango donde se encontró la menor diferencia
absoluta. Aun cuando el contraste entre la imagen sin
extensión y la imagen extendida es prácticamente
imperceptible, es posible evidenciar el resultado
general de todo el análisis al evaluar las diferencias
entre la imagen original de 1km y los compuestos de
EVI filtrados por calidad que se muestra.
5 CONCLUSIONES
A través del análisis general de las diferencias entre
los compuestos originales de resolución gruesa y
aquellos a los que se les aplicó el cambio de
resolución con distintos parámetros, fue posible
identificar que la menor diferencia se logra al extender
la cuadrícula en porciones inferiores a un píxel.
Las menores diferencias en el análisis de todos los
compuestos se obtuvieron de manera general en
aquellos en los que se realizó preprocesamiento de
filtrado de calidad y se aplicó la interpolación para
obtener el dato de la misma fecha en cada pixel de las
imágenes. A excepción del compuesto 037 de EVI
obtenido del proceso de apilamiento el cual obtuvo
una diferencia menor que de análisis de calidad
aunque no muy significativa.
En los compuestos 014 el rango en el que se
obtiene la menor diferencia es entre 105 y 120m de
extensión mientras que en los correspondientes al 16
de octubre, los valores más bajos se identificaron en el
rango de 80 a 95m. Esto supone que las diferencias
29
más bajas se obtienen con distintos parámetros de
extensión a lo largo del año.
De manera general no se observa una distribución
espacial de las diferencias más bajas sobre el área de
cobertura de las imágenes. Sin embargo se observa
que las zonas en donde los valores son más altos se
encuentran cercanas a las zonas montañosas, lo que
sugiere la influencia de relieves muy heterogéneos en
los efectos de la PSF.
Como trabajo futuro resulta conveniente evaluar
las diferencias generadas por los distintos extensos a
lo largo de una serie de tiempo completa para todo el
año. En el caso de esta investigación se considera que
la serie de tiempo que resulta más conveniente para
este análisis es la de EVI con filtrado por análisis de
calidad por haber presentado los valores más bajos de
diferencia en relación con los demás compuestos.
REFERENCIAS
Caire, Jorge, 2002. Cartografía Básica. Facultad de
Filosofía y Letras, UNAM.
Colditz, R.R., Conrad, C., Wehrmann, T., Schmidt, M. and
Dech, S. 2008. TiSeG – A flexible software tool for
time series generation of MODIS data utilizing the
quality assessment science data set. IEEE Transactions
on Geoscience and Remote Sensing. 46: 3296-3308.
Colditz, R.R., 2009, Documentation for Upscale 1.0. 12 p.
Friedl, M.A., Sulla-Menashe, D., Tan, B., Schneider, A.,
Ramankutty, N., Sibley, A. and Huang, X. 2010.
MODIS Collection 5 global land cover: Algorithm
refinements and characterization of new datasets.
Remote Sensing of Environment. 114: 168-182.
Huete, A., Didan, K., Miura, T., Rodriguez, E.P., Gao, X.
and Ferreira, L.G. 2002. Overview of the radiometric
and biophysical performance of the MODIS vegetation
indices. Remote Sensing of Environment. 83: 195-213.
Justice, C.O., Townshend, J.R.G., Vermote, E.F., Masuoka,
E., Wolfe, R.E., el Saleous, N.Z., Roy, D.P. and
Morisette, J.T. 2002. An overview of MODIS Land data
processing and product status. Remote Sensing of
Environment. 83: 3-15.
Wang, Q., Adiku, S, Tenhunen, J., Granier, A. 2004. On the
relationship of NDVI with leaf area index in a
deciduous forest site. Remote Sensing of Environment.
83: 244-255.
Wolf, R.E., Roy, D.P., Vermote, E. 1998. MODIS Land
Data Storage, Gridding, and Compositing Methodology:
Level 2 Grid. IEEE TRANSACTIONS ON
GEOSCIENCE AND REMOTE SENSING. 34: 1324-
1338
Wolf, R.E., Nishihama, M., Fleig, A.J., Kuyper, J.A., Roy,
D.P., Storey, J.C., Patt, F.S. 2002. Achieving sub-pixel
geolocation accuracy in support of MODIS land
science. Remote Sensing of Environment. 83: 31-49.
 EVOLVING ARTIFITIAL NEURAL NETWORKS FOR BINARY AND
MULTI-CLASS CLASSIFICATION PROBLEMS
Juan J. FLORESa, Marco Tulio ARREOLAa, Jean François MASb, Mario GRAFFa, Felix
CALDERONa,
a
División de Estudios de Posgrado, Facultad de Ingenieria Electrica, Universidad Michoacana de San Nicolas de
Hidalgo, email: juanf@umich.mx
b
Centro de Investigaciones en Geografía Ambiental
Universidad Nacional Autónoma de México

ABSTRACT
Pattern classification is a field that has many applications, including speech recognition, object recognition, and
text document classification, among others. Artificial Neural Networks (ANN) has shown to be an effective
classifier system, nevertheless designing an ANN’s topology and tuning its parameters is far from being a trivial
task. This paper proposes an evolutionary approach to automatically design ANNs for land cover classification.
Our approach performs feature selection, designs the ANN’s topology and selects a training algorithm between
backpropagation, batch backpropagation, resilient backpropagation and quickprop. Before returning the best
network found, we deal with overfitting of the net by doing a K-fold cross validation. The proposed metodology
proves to be effective and efficient for binary and multiclass classification problems.
Keywords: Evolutionary Computation, Artificial Neural Networks, Classification, Land Cover.
The idea of evolving ANN has been applied for
1 INTRODUCTION some time to avoid the inconvenience of relying on a
Humans are good recognizing patterns, for example, human expert (Yao 1996; Yao 1999). It is worth to
we recognize faces when see them, voices over a poor mention that the quality of the evoloved neural
telephone line, we diagnose diseases, identify types of netwoks has proved to be competitive against the
cars, classify galaxies by its shape, etc. One of the designs made by experts.
main characteristics of human pattern recognition is According to the principle of parsimony it is
that it is learnt. At the stage of learning (also called preferable to get a smaller and simpler ANN than a
training) one commonly has a set of labeled data larger and complex one; that is, having few neurons in
samples; each one of them has a particular the input layer and the minimum possible number of
characteristic. This set is known as a training set and neurons in the hidden layer, all without detriment to
from this set we can categorize groups, using the their qualifying capabilities. There are different
commonalities and differences learnt from the techniques to reduce the complexity of ANNs, the
samples. This is known as supervised learning and is simplest is to reduce the dimensionality of the
used to classify new samples within one of the learnt problem considering just some of the characteristics
group a priori in the phase of training (Ripley, 2007; of samples (Bishop 2002), and this neither should
Bishop 2002). This work is located in the field of the diminish the classificatory performance of the ANN.
recognition and classification of patterns through
Since the mid-80's when the Back Propagation
supervised learning.
(BP) algorithm was developed, there have been
Artificial Neural Networks (ANN) have been interesting variations that accelerate learning such as
successfully used as classifiers in recent years. They Resilent Backpropagation (RPROP) (Riedmiller 1992)
have shown an exceptional ability to learn and Improved Resilent Backpropagation (iRPROP)
classification functions. That is, they have the (Igel 2000). Those improvements have proven to be
discriminative power for being used in difficult fast and effective for adjusting the weights. Some of
classification tasks; however, designing the structure these variants are based on conjugate gradient and
of the net is a complex task, typically done by an also have shown a rapid convergence (Johansson
expert in both the problem and the ANN. 1991, Möller 1993). Nonetheless, optimization

30
algorithms based on non-gradient techniques have
also been applied to adjust the weights, for example
simulated annealing, and genetic algorithms (Leung
2003), among others. In addition to the problem of
designing the ANN's topology, there is the difficulty
of knowing how much the ANN must learn. If the
ANN learns too little, it will be ineffective to
classifying, and if it learns too much it will lose its
ability to generalize. There are three stop criteria well
known in the application of the learning algorithm:
stop network training when a predefined number of
iterations is reached, stop training when a predefined
error rate for the training set is reached, and stop
training when a minimum error rate is reached for a
validation set, this last is known as cross-validation
(CV) (Shao 2011).
Here, we focus on these problems. That is, given a
training set we propose a procedure that automatically
builds the architecture of the ANN and selects a
subset of features through a Genetic Algorithm (GA)
an optimization methodology inspired on Darwin’s
principle of natural selection. Once the right
architecture is obtained, overfitting is avoided using
cross validation to determine the number of epochs
the ANN must be trained.
To generate a classifier with our approach we only
need a set of labeled data (the training set). Our
procedure returns a fully designed and trained ANN to
classify specimens such as those presented in the
given data set.
The main contribution of this paper is the
presentation of an approach to the automated
generation of classifiers using the evolution of ANN.
Our work is located under the field of pattern
recognition and supervised learning, it can be applied
to any field requiring qualifying tasks.
The paper is organized as follows. Section 2
presents our approach for clasification problems.
Section 3 shows the results of our experiments.
Finally, Section 4 presents our conclusions.
2 METHODOLOGY
Our proposal solves the clasification problem in three
phases. The first phase uses a GA for designing
ANN's topology and for improving features, GA also
selects a training algorithm between: BP, BP batch,
QuickPROP iRPROP. During the second phase it
determines the number of iterations to apply the
training algorithm to a particular ANN during the
evolution. Last, but not least, it generates an ANN
31
with the evolved characteristics and train it in order to
get the final classifier.
2.1 DATA PREPROCESING
The first phase is central to the development of the
classifier, it is where most of the decisions will be
taken and thus will affect the performance of the final
classifier. Since learning takes place in the form of an
iterative process, through the training algorithm, it is a
good idea to transform the data before sending it to
the GA. This pre-processing of information, is a
simple linear rescale. We need to be careful in
rescaling, though, since it may transform a feature
from one value to another one, and does not reflect the
potential importance of each characteristic (Bishop
2002).
By applying a linear transformation we can arrange
for all of the inputs have a similar values between -1
to 1. So, for each characteristic the new min value of
all samples will be -1 and the new max value 1. To do
this, we treat each of the input variables
independently, and for each variable xi we find its
minimum and maximum value with respect to the
training set, then, compute the scale factor as
factori = 2 / ( Max(xi)-Min(xi) ), and finally calculate
the new data using x̂i = Min(xi) * factor - 1.
The same preprocesing is done for new unseen
samples once the final classification is performed.
2.2 ARTIFICIAL NEURAL NETWORKS
An ANN consists of a set of interconected neurons. It
can be described as a directed graph in which each
neuron i performs a transfer function fi of the form
n
yi = fi (å wij x j - q ) (1)
j =1
where yi is the output of the node i, xj is the jth
input to the neuron, and wij es the conection weight
between nodes i and j. θi is the threshold (or bias) of
the neuron (Yao 1999). A feed forward neural
network can be considered as a mapping device
between an input set and an output set. The feed-
forward architecture receives its name because inputs
propagate from the input layer to the hidden layer to
the output layer in a forward progression. During
training, BP can be used to carry errors backwards
through the network layers to allow for weight
adjustment.
Kolmogorov showed in 1957 that every continuous
function of several variables (for a closed and
bounded input domain) can be represented as the
superposition of a small number of functions of one
variable. In neural network terms, this theorem says
that any continuous mapping y(x) from d input
variables x to an output variable y can be represented
exactly by a three-layer neural network (Bishop
2002).
The feed forward architecture is one of the more
commonly used structures within all neural network
developments (Parker 1987, Rumelhart 1986). The
former reference and Kolmogorov's theorem are the
reasons why we choose a three-layer fully connected
feed forward ANN to be used in the proposed scheme.
The maximum number of input neurons depends on
the problem; the maximum number of neurons in the
hidden layer is two times the number of input
neurons; at the output layer the ANN has as many
neurons as classes exist.
2.3 EVOLUTIONARY COMPUTATION
Evolutionary Algorithms (EAs) include Evolution
Strategies (EA), evolutionary Programming (EP) and
Genetic Algorithms (GA’s). Evolution is a remarkable
problem solving machine. First proposed by Holland
in 1975, GA emulates some of the processes of natural
genetic systems to solve optimization problems.
The basis of a GA is a population-based search
estrategy, where every individual represents a solution
and is mainteined in the form of chromosomes,
represented as strings. The canonical GA has always
used binary strings to enconde solutions. The strings
are converted into problem solutions, which are then
evaluated according to an objetive scoring function
(Fitness). Following fitness evaluation, a new
population of chromosomes is generated by applying
a set of genetic operators to the original population.
The basic genetic operations are selection, crossover,
and mutation. GA comprises a set of individual
elements and a set of biologically inspired operators
defined over the population itself. Acording to the
evolutionary theory, only the most suited elements in
a population are likely to survive and generate
offspring.
The process to obtain the ANN is a simple GA
using a chromosome shaped as shown in Figure 1.
32
i1 i2 i3 … in h1 … hm a1 a2
1 0 0 … 1 0 … 1 1 0
Figure 1. Chromosome used in ANN models for variable
selection.
The chromosome is composed of three parts. The
first part is as large as inputs the problem has, i goes
from 1 to n, where n is the number of features each
sample has. The ij-th bit is 1 if the jth variable will be
considered in the model, 0 otherwise. The second part
encodes the number of hidden neurons into a binary
string. The number of genes needed for coding
number of hidden neurons is m, m is calculated as m =
Log2 (2n). Finally, the last two genes encode the
training algorithm, 00 for Backpropagation, 01 for
Batch Backpropagation, 10 for Improved Resilent
Backpropagation (Igel 2000), and 11 for QuickPROP
(Ripley 2007).
We decided to use a learning strategy instead of
evolving weights. Learning algorithms are generally
gradient based, so one could argue that they would get
stuck at local optima. Nonetheless, our experience
indicates that in general, they perform just fine for our
purposes. We decided to use the Fast Artificial Neural
Network Library (FANN) (Niessen 2011), which is
effcient and flexible.
GA will find an apropiate ANN topology, by
performing a feature selection, i.e. what variables are
important for the classification problema and what
variables are not. The number of variables determines
the number of input neurons in the final clasifier. The
volutionary process determines how many hidden
neurons are needed and what training algorithm is the
best for the designed topology.
GA’s fitness function is calculated acording to true
positives classifications made by class. If one
individual hits all samples of one class and half
samples of second one, it will have 0.75 in his fitness
function.
Activation function used in all neurons for hidden
layer and for output layer is sigmoid symmetric,
f (x) = 2 / (1+ exp(-2x)) -1.
2.4 K-FOLD CROSS-VALIDATION
In the previous subsection we described the general
coding scheme that allows us to evolve ANN for
classification. However, there is a problem in every
machine learning experiment, which is also included is a particular hard classification problem to solve.
in the procedure presented above and has not been The problem is to predict the cellular location sites of
taken into consideration: overfitting. Overfitting is the proteins. On the other hand, the Iris dataset is an easy
inability of the evolved ANN to generalize, therefore classification problem. Finally, we tested our aproach
to perform well the classification task. Generally, this in a land cover classification problema with 4,046
problem is tackled by limiting the learning capabilities samples and 7 diferent classes.
of the ANN. To reduce learning, and therefore Table 1. Description of the clasifications problems
overfitting in training an ANN, one possible approach
is to decrease the number training epochs. We decided
to follow this path; however, this was not done during Size Size Total Attri-
the evolution, instead we limit the learning Name Classes
of TS of VS Size butes
capabilities of the best evolved ANN at the end of the
Land 3,23 809 4,04 4 7
evolutionary process. Unfortunately, the approach of
decreasing the number of epochs raises another cover 7 6
question which is how to choose a reasonable value SPECTF 80 187 267 2 44
for epochs to be trained. To address this issue we use WDBC 456 113 569 2 30
a 5-fold cross-validation loop. That is, the training set
Yeast 1,18 296 1,48 10 8
TS was randomly split into five sets of equal size: four
sets were used to train the best evolved ANN, while 8 4
the remaining set was used to assess its generalization Iris 120 30 150 3 4
capability (used as a preliminary validation set). The
3.3 RESULTS
process was repeated 5 times, each time leaving out a
different fifth of the TS. This procedure was iterated In order to test our approach, we performed 30
for 1 to 10,000 epochs, with the aim of identifying the independent runs on each of the classifications
value that provides the best generalization. problems described below. Table 2 shows the
parameters used in each of the runs.
3 EXPERIMENTAL RESULTS Table 2. Parameters used in the evolution.
We perform five classification experiments, the first
one correspond to land cover classification and the Parameter Value
last four were taken from the UCI Machine Learning
Repository (Frank 2010). Number of evaluations 5,050
Desired error to stop 0.00001
3.1 SATELLITE IMAGES
training
The study area is located in the Department of Beni,
Bolivia and was selected due to its highly Maximum number of 456
heterogeneous landscapes comprising montane epochs
tropical cloud forests (locally known as yungas), The best evolved ANN in each run was then
lowland tropical forests and, wet savannas. optimized using the 5-fold cross-validation to
The LC classifications were carried out on Landsat determine the maximum number of epochs. Finally,
ETM + imagery and based upon 9 categories: early- we train again this network with the training set using
growth forests, old-growth forests, water, bare soil, the number of epochs found in the previous step.
agriculture, pastures, infrastructure/urban and, Table 3 presents the average ratio of correct
savanna areas. Training data selection was based on classification in the training set (μTS), cross
the data gathered previously in the field and careful validation (μCV), validation set (μVS), and column
examination of spectral signatures. BestVS presents the performance of the best network
3.2 OTHER CLASSIFICATION PROBLEMS according to the cross-validation.

Table 1 summarizes the datasets used in our

experiments. SPECTF and WDBC have medical
usage, both are about identifying whether a person is
sick or not. Both are binary class problems,
nevertheless they present high dimensionality. Yeast

33
 Table 3. Performance of the final classificator
ANN.
Name μTS μCV μVS BestVS
Land cover 0.9210 0.8472 0.8070 0.8138
2 5 2 1
SPECTF 0.8232 0.8197 0.7740 0.7777
3 5 7 7
WDBC 0.9340 0.9367 0.9297 0.9565
1 5 1 2
Yeast 0.6308 0.5800 0.5762 0.5886
8 2 5 2
Iris 0.9636 0.9696 0.9712 1 System for Predicting the Cellular Localization Sites of
3 9 1 Proteins. Intelligent Systems in Molecular Biology, 109-
Finally, it is important to know that the
evolutionary process we have just presented is
competitive with other procedures. (Kurgan 2001) got
77% of correct classification samples in VS for
SPECTF and Mangasarian (1995) got 97.5% for the
same set in WDBC. On Yeast Horton (1996) could
only get 55% of accurate classification. We did not
compare our results of the Iris dataset because all
traditional classification methods performe reasonably
well on this set. One may argue, that we compare our
results with old methods; however, the aim of this
work is to develop an automated procedure to produce
a competitive ANN, so we believe that the
comparison presented here is enough for this puporse.
4 CONCLUSIONS
We presented a simple procedure to evolve ANN for
classification problems. This procedure uses three
simple steps to produce a trained ANN. It first starts
with the use of GA plus FANN to evolve the
parameters of the net. Secondly, it uses a 5-fold cross-
validation scheme to determine the number of epochs.
This has the objective of limiting the overfitting of the
net. The last step is to train the network using the
number of epochs found in the previous step.
We compared our evolved ANN against previous
methods, this experimentally shows that our approach
produces competitive ANN. Furthermore, our
methogology is completely automated, so it can be
used by any researcher with no experience in the field
of artificial neural networks.
AKNOWLEDGMENTS
Bolivia study area data was elaborated by Jaime
Paneque-Galvez.
34
REFERENCES
Bae, S., Cho. Pattern Recognition with neural networks
combined by genetic algorithm. Fuzzy Sets ans
Systems. Elsevier 1999.
Bishop, C. M. Neural Networks for Pattern Recognition.
2002. Oxford University Press.
Flores, J. J.; R. Loaeza, H. Rodriguez, and E. Cadenas.
Wind speed forecasting using a hybrid neural-evolutive
approach. In A. H. Aguirre, R. M. Borja, and C. A. R.
García, editors, MICAI, volume 5845 of Lecture Notes
in Computer Science, pages 600–609. Springer, 2009.
Frank, A. and A. Asuncion. UCI machine learning
repository, 2010. http://archive.ics.uci.edu/ml (accesses
May, 2001)
Horton, P. and K. Nakai. A probabilistic Classification
115. St. Louis, USA 1996.
Igel, C. and M. Hüsken. Improving the Rprop Learning
Algorithm. In Proceedings of the Second International
Symposium on Neural Computation, NC’2000, pp. 115-
121, ICSC Academic Press 2000.
Johansson, E. M., F. U. Dowla and D. M. Goodman.
Backpropagation Learning for Multi-layer feed-forward
neural networks using the conjugate gradient method.
Int. J. Neural Syst., Vol. 2, No. 4, pp. 291-301, 1991.
Kurgan, L. A., K. J. Cios, R. Tadeusiewicz, M. Ogiela and
L. S. Goodenday. Knowledge Discovery Approach to
Automated Cardiac SPECT Diagnosis. Artificial
Intelligence in Medicine, vol. 23:2, pp 149-169, Oct
2001.
Leung, F. H. F. ; H. K. Lam, S. H. Ling, and P. K. S. Tam.
Tuning of the structure and parameters of a neural
network using an improved genetic algorithm. Neural
Networks, IEEE Transactions on, 14(1):79–88, Feb.
2003.
Liu, Y. and X. Yao. Evolutionary Design of Artificial
Neural Networks with Different Nodes. Evolutionary
Computation In Proceedings of IEEE International
Conference 1996.
Mangasarian, O.L., W.N. Street and W.H. Wolberg. Breast
cancer diagnosis and prognosis via linear programming.
Operations Research, 43(4), pages 570-577, July-
August 1995.
Möller, M. F. A Scale conjugate gradient algorithm for fast
supervised learning. Neural Networks, Vol. 6, pp 525-
533, 1993.
Niessen, S. Fast Artificial Neural Network Library.
http://leenissen.dk/fann/wp/. (accessed May, 2011).
Ou, G., Y. L. Murphey. Multi-class pattern classification
using neural networks. Pattern Recognition Society.
Elsevier 2006.
Pujol, J. C. F. and R. Poli. Evolving the Topology and the
Weights of Neural Networks Using a Dual
Representation. In Applied Intelligence of Springer.
Vol. 8, No. 1. 1998.
Riedmiller, M. and H. Braun. RPROP A fast Adaptive
Learning Algorithm. In Proceedings of ISCIS VII. 1992.
Ripley, B. D. Pattern Recognition and Neural Networks.
2007. Cambridge University Press.
Shao, Y., G. N. Taff and S. J. Walsh. Comparison of Early
Stopping Criteria for Neural-Network-Based Subpixel
Classification. In Geoscience and remote sensing letters
of IEEE, Vol. 8, No. 1, January 2011.
35
Yang, J. and V. Honavar. Feature Subset Selection Using A
Genetic Algorithm. In Intelligent Systems and their
Applications of IEEE. 1998.
Yao, X. Evolving artificial neural networks. In Proceeding
of the IEEE, volume 87, pages 1423–1447. IEEE, 1999.
Yao, X., Y. Liu. Making Use of Population Information in
Evolutionary Artificial Neural Networks. In
Transactions on Systems of IEEE. Vol. 28, No. 3. June
1998.
 MÉTODO HÍBRIDO PARA LA DETECCIÓN DE CAMBIOS EN LA
CUBIERTA DE SUELO EN ÁREAS NATURALES PROTEGIDAS
Ignacio PANIAGUA RUIZa, Jorge CARRANZA SÁNCHEZb, Ma. Isabel RAMÍREZ RAMÍREZa
a
Centro de Investigaciones en Geografía Ambiental, Antigua Carretera a Pátzcuaro No. 8701 Col. ExHacienda
de San José de la Huerta, Morelia, Mich. email: ipaniagua@conanp.gob.mx
b
Comisión Nacional de Áreas Naturales Protegidas, Acueducto No.980, Morelia, Mich.

RESUMEN
En materia de conservación y manejo de los recursos naturales, es recomendable conocer el estado actual e
histórico de las cubiertas del suelo, el sentido y la velocidad de las transformaciones, pues es información de
gran valor para la toma de decisiones. Este trabajo plantea el procedimiento para obtener datos de las cubiertas
del suelo a partir de imágenes satelitales, empleando técnicas de tratamiento digital para la extracción de
información (clasificaciones automatizadas), así como de interpretación visual. Generalmente estos métodos se
utilizan por separado, y se han comparado para determinar cuál es mejor al momento de asignar categorías,
tiempos de procesamiento, exactitud, etc. El método híbrido propuesto, resalta las “ventajas”, reduciendo las
“limitaciones” cuando se usan de forma aislada. Para generar información multitemporal, se emplea el método
de interpretación interdependiente que propone FAO, que se basa en la modificación de los límites entre
categorías de una capa base en relación con lo observado en imágenes de otras fechas. Con la información
multitemporal, se generan matrices de transición, y se calcula la tasa de transformación con la fórmula de la
FAO. Esté método híbrido, es la herramienta para generar datos del estado actual e histórico de las cubiertas del
suelo en las áreas naturales protegidas (ANP) federales; ha mostrado ser consistente, replicable y útil para
analizar los diferentes ecosistemas que conforman dichas ANP y, en casos particulares, para evaluar en corto
plazo la afectación generada por eventos extraordinarios (incendios, deslaves, inundaciones, tala intensa, etc.).
Palabras clave: ANP, SPOT, clasificación automatizada, interpretación visual.
transformada anualmente en México varían de
1 INTRODUCCIÓN
365,000 a 1’6000,000 hectáreas (Velázquez et. al.,
Gran parte del territorio mexicano esta forestado, y los 2002, SEMARNAT, 2005).
bosques desempeñan varias funciones ecológicas
Los ecosistemas existentes dentro de las ANP en
vitales, entre las que destacan el almacenamiento y
México, son diversos y complejos. Conocer aspectos
acumulación de carbono, mantenimiento de ciclos
generales como la superficie, forma y extensión,
hidrológicos y estabilización de suelos. A pesar del
permitirá establecer parámetros básicos para la
valor ecológico, los bosques de México se están
posterior valoración de cada ecosistema. Es
perdiendo a un ritmo alarmante, los ecosistemas han
importante cuantificar el grado de conversión y
sido modificados tanto por factores naturales como
expresarlo en términos de los factores
por el hombre en un lapso de tiempo corto. El cambio
desencadenadores del cambio, danto énfasis al
más severo en la última mitad de siglo se ha dado en
resultado de la acción antrópica. Una manera
las selvas, las cuales han sido explotadas por diversos
confiable para medirlo es a través del estudio de la
sectores de la industria o transformadas en áreas
dinámica espacio temporal de la cubierta vegetal
agropecuarias (UNAM, 2000). En 1984 el
(Berry, et al., 1996). Las transformaciones de las
aprovechamiento comercial de las selvas representaba
cubiertas del suelo, son uno de los temas de mayor
más de la tercera parte del bosque comercial del país,
interés actual en las disciplinas ambientales, pues aún
donde llegaba a producirse prácticamente el 90% de
cuando los cambios de uso de suelo ocurren a nivel
toda la madera tropical comercial (Ruiz y Gómez,
local, pueden tener consecuencias globales.
1987). Se estima que las selvas mexicanas cubrían
alrededor de un 20% de la superficie nacional, y que El uso del suelo está ligado con la sustentabilidad
entre 1976 y 1980 la deforestación anual de éstas fue del uso de los recursos naturales (CONABIO, 2000),
de 160,000 ha/año (Masera et al., 1997). Más la forma e intensidad en que se modifica la cubierta
recientemente, las estimaciones de superficie forestal vegetal determina la persistencia de los ecosistemas y,

36
por ende, de los recursos y servicios que éstos
proporcionan. Es fundamental, por tanto, entender en
detalle los procesos de cambio de uso del suelo y sus
efectos, así como mejorar los mecanismos de
evaluación, predicción y seguimiento para que sean
más confiables y describan la dinámica del capital
natural que resguarda México dentro de las ANP.
La detección de cambios es el proceso de
identificar diferencias en el estado de un objeto
observado en distintos tiempos (Singh, 1989). En la
actualidad es común el uso de imágenes de satélite
para la detección de cambios en las cubiertas del
suelo, por medio de la diferenciación de información
en una escala multitemporal (Yu-Chuan et al., 2000).
En México se han elaborado inventarios de las
cubiertas del suelo desde hace aproximadamente 40
años. Esto permite, hacer comparaciones entre fechas
y conocer las tasas y patrones de transformación del
uso del suelo. Sin embargo, estos estudios se han
hecho utilizando diferentes insumos, por ejemplo,
fotografías aéreas, imágenes de distintos sensores o
datos estadísticos; así como herramientas tecnológicas
variadas como son mapas impresos, cartas digitales y
sistemas de información geográfica entre otros
disponibles en el momento. Por otra parte, la
categorización de los usos del suelo empleada no ha
sido consistente en todos ellos, estas diferencias hacen
que los resultados de los inventarios no sean entera y
directamente comparables, y temas como el de la
deforestación continúan siendo materia de discusión y
controversia en los diferentes medios, sobre todo,
centran toda la atención en los valores finales y no en
los procesos que subyacen a estos cambios (Masera,
1996). Por mencionar algunos de estos trabajos, los
inventarios de uso del suelo disponibles a nivel
nacional, los más directamente comparables entre sí
son las Cartas de Uso Actual del Suelo y Vegetación
Serie I, II, III y IV elaboradas por el Instituto Nacional
de Estadística, Geografía e Informática (INEGI). La
Serie I fue elaborada con base en la interpretación de
fotografías aéreas registradas en la década de 1970; la
Serie II con imágenes de satélite LANDSAT TM de
1993; la Serie III a partir de imágenes LANDSAT
ETM+ del año 2002; y, la serie IV con imágenes del
sensor SPOT5 del año 2007 (INEGI, 2009). La
comparación de las cubiertas del suelo del país en
diferentes puntos en el tiempo, en referencia a la
probable transformación de la vegetación original,
permite poner en contexto la magnitud de cambio que
se ha experimentado (SEMARNAT, 2005). Sin
embargo, además de las diferencias en las técnicas
37
para la adquisición de datos, los insumos y los
criterios de interpretación, etc., la escala es muy
pequeña para la mayoría de las ANP. Esto es, si se
calcula la dinámica de cambio a partir de la
información de las cartas de uso de suelo y vegetación
del INGEI (Series I, II, III y IV), se obtendrán datos
muy gruesos, con los cuales se podría caer en errores
que conduzcan a toma de decisiones inapropiadas.
Se han hecho varias comparaciones de técnicas de
procesamiento de imágenes de satélite para el cálculo
de cambio de las cubiertas del suelo, donde se
destacan las principales ventajas y desventajas de cada
una de ellas (Mas y Ramírez, 1996a; Mas, 2000; Lu,
2004). La conclusión es que, sea cual sea la técnica
empleada, todas presentan tanto ventajas como
desventajas, por lo que para cada objetivo particular
deberá buscarse aquella técnica que sea la más
apropiada. Otra forma para obtener mejores resultados
ha sido utilizar un análisis espectral mezclado con
herramientas de Sistemas de Información Geográfica
(SIG) (Mas y Ramírez, 1996b; González, 2006).
A partir del año 2000, la Subdirección encargada
de la Coordinación de Geomática (SECG) de la
Comisión Nacional de Áreas Naturales Protegidas
(CONANP), con la colaboración financiera del Fondo
Mexicano para la Conservación de la Naturaleza,
marcó entre sus objetivos el diseño de una
metodología propia para la obtención de información
de las cubiertas del suelo de las ANP a partir de
imágenes de satélite. Dicha metodología tendría que
ser empleada con distintos insumos (históricos y
recientes), aplicarla en ANP con distintos ecosistemas
terrestres como desiertos, bosques, selvas, etc.,
operada por personal con perfil profesional variado
(biólogos, geógrafos, ingenieros, etc.), y finalmente
que garantice la generación y comparación de
resultados de acuerdo a tiempos de trabajo
determinados. Fue así que se desarrolló un método
híbrido para la generación mapas de cubiertas del
suelo, que incluye procesamiento digital de las
imágenes de satélite y clasificación automatizada,
reforzada con interpretación visual en pantalla
(Paniagua, 2009).
Los resultados han mostrado la solvencia del
método, al ser utilizado en ANP con distintas
características contextuales y de gran diversidad
natural. Se ha generado información actual e histórica
de las cubiertas del suelo que son comparables entre
ellas para calcular la dinámica y velocidad de cambio
evitando al máximo datos de cambios falsos. También
al ser generados bajo los mismos lineamientos, los
procesos observados pueden ser comparados con los
de otras ANP.
2 MATERIALES Y METODO
Para generar información espacial multifecha de las
cubiertas del suelo dentro de las ANP, se emplean
herramientas y métodos de percepción remota y SIG.
La SECG cuenta con licencias de Arcmap, Arcinfo
Workstation y Erdas Imagine, y es representante de la
CONANP como gestor autorizado para el uso de las
imágenes SPOT por parte de la Estación de Recepción
México de la Constelación SPOT (ERMEX).
Las imágenes de satélite a las cuales la SECG tiene
acceso se enlistan en la Tabla 1.
Tabla 1. De la columna Modo, M: Multiespectral,
P: Pancromática. LANDSAT disponible en Global
Land Cover Facility Earh Science Data Interface
(GLCFAPP). SPOT con acuerdo ERMEX-CONANP.
MODO
Disponibilidad
SENSOR TIPO
M P en México
MSS 80m X sistemáticos derivados de la rotación terrestre o
TM 30m X Desde 1972 a
LANDSAT
2010
ETM+
X X
30-15m
SPOT 10-2.5m X X Desde 2004
El diseño de leyenda de las cubiertas del suelo, se
generó a partir de la información del Diccionario de
Datos de Uso de Suelo y Vegetación del INEGI
(2007), en el que los tipos de vegetación se agrupan
por formaciones vegetales para formar entidades. Se
hicieron algunas ligeras modificaciones para adaptarla
a nuestros objetivos. Por ejemplo, no se especifican
los tipos de agricultura (nómada, temporal, humedad y
de riego), pues para la SECG determinar las áreas
agrícolas es suficiente. Por otra parte, si el personal de
las Direcciones de ANP reporta alguna categoría de
interés particular entonces se incluye.
Para obtener información actual e histórica de las
cubiertas del suelo, primero se genera información
reciente a partir de las imágenes SPOT. Esto porque
tienen mayor resolución espacial, que facilita la
delimitación de fronteras entre categorías, y después a
partir de las imágenes LANDSAT se obtiene el dato
histórico.
Para la extracción de información de las imágenes
de satélite, la metodología se divide en dos etapas: la
primera cubre los procedimientos del tratamiento
38
digital de las imágenes de satélite, y en la segunda la
interpretación visual de las capas temáticas obtenidas
de la clasificación automatizada.
2.1 TRATAMIENTO DIGITAL
Las imágenes del sensor LANDSAT, en modo
Multiespectral y Pancromático, previamente
seleccionadas y descargadas del portal GLCFAPP
(http://glcfapp.glcf.umd.edu:8080/esdi/index.jsp), ya presentan un
proceso de ortorectificación, por lo cual se realiza
directamente el realce espacial para tener imágenes
multiespectrales con tamaño de celda de 15 metros.
En el caso de las escenas SPOT, se debe de hacer
la ortorectificación, para lo cual se requiere el Modelo
Digital de Elevación (MDE) que se obtiene del
Continuo de Elevaciones Mexicano disponible en el
portal web del INEGI, las imágenes LANDSAT con
realce espacial a 15 metros, y la información de las
efemérides generadas por el sensor SPOT 2 y 5.
Finalmente, con los insumos anteriores se generan
puntos de control con valores espaciales en X, Y y Z.
Con esto las variaciones topográficas y los errores
inclinación de la órbita del satélite, se corrigen en una
nueva imagen.
Con las imágenes SPOT ortorectificadas, se genera
información de las cubiertas del suelo actual a partir
de clasificación automatizada, método que consiste en
agrupar pixeles en categorías temáticas de acuerdo a
la leyenda establecida. De esta forma se pueden
realizar operaciones complejas, o inaccesibles al
análisis visual; permite generar la distribución
espacial de variables biofísicas (temperatura, clorofila
en agua, etc.). El criterio de clasificación
(supervisado, no supervisado), está en función del
conocimiento previo de las ANP, o de la información
espacial referente que se tenga al momento de la
clasificación.
En esta etapa se categoriza en grandes grupos,
generalmente en: áreas forestales (bosques y selvas),
zonas con actividades humanas (urbano, agrícola-
pecuario) y cuerpos de agua. La intención es obtener
límites generales y posteriormente dividirlos. Con el
resultado, se realiza una primera interpretación visual
en formato raster, aprovechando la liga entre ventanas
de trabajo de Erdas Imagine, de esta forma se
modifican y adicionan categorías que no se pudieron
separar en el proceso de clasificación (Figuras 1, 2 y
3).
Figura 1. Imagen SPOT5 con 10 metros de resolución
espacial.
Figura 2. Imagen SPOT5 Clasificada. Constante mezcla
áreas agrícolas (en rojo), zonas de tala (en amarillo) y las
nubes. No se pudo separar áreas abiertas consideradas
pastizales. Las categorías que se encuentran en laderas se
registraron como sombras.
2.2 INTERPRETACIÓN VISUAL
Implica una fotointerpretación asistida por el
ordenador, que elimina diversas fases de la
interpretación visual clásica (dibujo, restitución,
inventario). Con la interacción visual del intérprete, se
pueden resolver algunos problemas de tratamiento
digital que encuentra notables dificultades para
automatizar la determinación de ciertos rasgos (áreas
urbanas, neblina y nubes, etc.) que pueden ser
bastante obvios para el análisis visual (Paniagua,
2009).
39
Figura 3. Primera interpretación visual en formato raster.
Se separan áreas agrícolas de zonas de tala, desaparecen
sombras y nubes; se adicionan áreas de pastos.
Figura 4. Imagen SPOT5 con realce espacial a 2.5 metros,
sobre la que se realiza la segunda interpretación visual con
los vectores generados a partir de las imágenes clasificadas.
A partir de las imágenes clasificadas, se realiza la
segunda interpretación visual, con la intención de
separar las clases que presenten más problemas en la
delimitación de fronteras. Con apoyo de las imágenes
históricas, se puede interpretar lo que está cubierto por
nubes, sombras y el ruido de la bruma y neblina.
La interpretación visual asistida por el procesador,
se realiza sobre imágenes SPOT multiespectrales con
un realce espacial a partir de la banda pancromática
(2.5 metros). La idea no es marcar el mínimo detalle,
sino aprovechar la mayor resolución espacial, para
conseguir delimitar las fronteras entre categorías de
mejor manera, siempre respetando la escala de trabajo
(Figura 4).
2.2.1 Validación de la capa de cubiertas del
suelo
Para evaluar la exactitud de la capa de cubiertas del
suelo generada a partir de las imágenes SPOT, se
utiliza información de los puntos de muestreo
generados para el Inventario Nacional Forestal y de
Suelos elaborado por la Comisión Nacional Forestal
(CONAFOR, 2009), así como, puntos recolectados en
campo por personal del las ANP, en sitios donde no
fueron considerados por la CONAFOR.
Para la validación y obtención de puntos de
verificación de las cubiertas del suelo, en algunas las
ANP se ha establecido un vínculo de trabajo con
personal de las Direcciones. Generalmente son
personas con un gran conocimiento en campo de las
áreas, por lo cual hacen observaciones, verifican y
validan la información generada en la SECG.
Con la información de CONAFOR y las
verificaciones en campo, se evalúa la exactitud de la
capa de las cubiertas del suelo. El resultado es
presentado como una matriz de confusión, donde, se
muestra en la diagonal las categorías clasificadas
correctamente; en las columnas las categorías
deducidas por el autor de la clasificación y en las filas
las clases de referencia (verdad de terreno). El error
asociado a cada una de las columnas se denomina
error de inclusión o comisión y representa aquellas
áreas que fueron asignadas a dicha categoría sin
pertenecer a ella. En las filas se presentan las
categorías verdaderas; el error asociado a cada fila se
denomina error de exclusión u omisión y representa
aquellas áreas que no fueron asignadas a dicha
categoría aún cuando pertenecían a ella (Aronoff,
1975; Story y Congalton, 1986).
La exactitud del usuario (error de comisión o de
inclusión) es importante pues le indica al usuario el
error esperado al utilizar el mapa en el campo. La
exactitud global de la clasificación sólo considera los
aciertos en diagonal y descarta la información
suministrada por los errores de comisión y omisión.
Esta limitante puede eliminarse utilizando un
estadístico multivariado discreto como el índice de
concordancia Kappa o un análisis normalizado de la
matriz de confusión.
El estimador Kappa (K) cuantifica la exactitud de
clasificaciones multivariadas, e incluye tanto la
concordancia global de la clasificación como los
40
errores de omisión y comisión. El índice mide la
diferencia entre la exactitud de la clasificación y
aquella esperada por razones de azar (Fallas, 2002).
2.2.2 Obtención de datos históricos
Para este proceso se utiliza el método de
interpretación interdependiente propuesto por la FAO
(1996, 2001), el cual indica que a partir de los
elementos vectoriales de una primera fecha, se
empleen esos mismos polígonos para interpretar las
imágenes de las demás fechas, sólo modificando los
segmentos en donde se identifiquen cambios. Este es
un método muy efectivo porque ayuda a reducir al
mínimo los errores más comunes que llevan a la
detección de falsos cambios: 1) errores de posición,
aunque se asume que las imágenes deben estar
perfectamente corregistradas, el interprete puede
identificar los posibles desplazamientos y no
señalarlos como cambio; 2) errores de clasificación, el
método permite moverse fácilmente de una fecha a la
otra, por lo que el intérprete puede reconocer si se
trata de verdaderos cambios o sólo de diferencias en la
respuesta espectral de las cubiertas por condiciones
particulares de la toma de la imagen (Ramírez y
Zubieta, 2005). Además, en este caso, al considerar
imágenes con diferente resolución espacial (TM 30
metros, ETM+ 15 metros y SPOT 5 10 metros),
también se evitan errores por diferencia de escala
(Figura 5).
3 RESULTADOS
El método ha servido para la estandarización y
sistematización de procedimientos en la generación
de información espacial reciente e histórica de las
cubiertas del suelo dentro de las ANP.
Se ha generado información de las cubiertas del
suelo para aproximadamente 50 ANP. Información
que ha permitido contar con datos actualizados así
como históricos, en algunos casos de más de una
década ó hasta anterior al establecimiento como ANP,
lo que permite tener una visión de las zonas
transformadas a lo largo del tiempo.

Figura 5. Imagen SPOT5 histórica. A partir de vectores de
primera fecha se modifican límites. En amarillo área de tala
en imágenes recientes, en azul los límites de acuerdo con
imagen histórica.
Estos datos también permiten contar con la tasa de
transformación del hábitat en los diferentes periodos,
y estimar la superficie transformadas por año y
conocer cuál es la tendencia a través del tiempo.
Los datos históricos muestran qué tipo de
vegetación ha sido más afectado por las actividades
antrópicas, o en otro caso, eventos naturales
extraordinarios, además de identificar cuál de estas
actividades son las que predominan en la región.
La obtención de estos datos, permite a los
administradores de las ANP, encaminar acciones para
el manejo, así mismo, han servido de insumos para el
desarrollo de algunos Programas de Manejo y como
base para programas de monitoreo.
Los resultados obtenidos del análisis de cambio de
uso del suelo, forma parte del Sistema de Información,
Monitoreo y Evaluación para la Conservación
(SIMEC) que la CONANP ha desarrollo para las ANP
con la intensión de conocer el grado de efectividad de
las acciones en el cumplimiento de su misión. Los
datos son integrados en informes que son publicados
cada año. Para el 2010 (CONANP, 2010) se presentan
datos de las ANP Corredor Biológico Chichinautzin,
Cuatrociénegas, Sierra de Álamos, La Encrucijada,
Selva El Ocote y La Sepultura, cuyos datos muestran
una disminución en la tasa de transformación, incluso
con una tendencia a la recuperación.
Finalmente los datos han permitido conocer que las
ANP son áreas que presentan una dinámica de
cambio, donde los recursos naturales están siendo
41
utilizados por las comunidades locales o modificados
por eventos naturales extraordinarios (huracanes,
inundaciones, incendios, entre otros), conocer las
tendencias permitirán dirigir las acciones de
conservación de las ANP hacia el mantenimiento y/o
recuperación de los recursos naturales para las
generaciones futuras.
4 DISCUSIÓN
El utilizar las virtudes de los métodos tradicionales
para la obtención de información de las cubiertas del
suelo a través de las imágenes de satélite, permite
optimizar tiempos, formas y productos generados. En
este marco, se puede aprovechar la potencia de
análisis de interpretación visual (incluyendo criterios
de contexto, textura, formas complejas que puede
emplear el intérprete), así como la flexibilidad y
potencia del tratamiento digital (imagen
orotorectificada, mejoramiento en su aspecto visual,
digitalización de la información en pantalla, etc.).
Este método es una alternativa para modificar la
cartografía generada a partir de un análisis digital,
identificando clases heterogéneas. Auxilia la
clasificación digital, aislando sectores de potencial
confusión sobre la imagen, o estratificando algunos
sectores de la imagen para aplicarles tratamientos
específicos (Paniagua, 2009).
Sin embargo, se deben de establecer vínculos más
fuertes con las Direcciones Regionales y las
direcciones de ANP, pues la fortaleza del sustento en
el método (verificación en campo y validación de la
información), depende en gran parte de la
colaboración de los manejadores directos de las ANP.
AGRADECIMIENTOS
Por el apoyo financiero en el desarrollo de actividades
relacionadas con este método: al Fondo Mexicano
para la Conservación de la Naturaleza, Proyecto del
Programa de las Naciones Unidas Manejo Integral de
Ecosistemas, y a la Agencia de Cooperación Técnica
Alemana en México. A personal de la CONANP que
ha participado de forma directa o indirecta.
REFERENCIAS
Aronoff, Stan. 1975. The minimum accuracy value as an
index of classification accuracy. Photogrammetric Eng.
and Remote Sensing. 51(1):99-111.
Berry, M. W., R.O. Flamm, B. C. Hazen, R.L. MacIntyre.
1996. The Land-Use Change and Analysis System
(LUCAS) for Evaluating Landscape Management
 Decisions. IEEE Computational Science & Engineering
3:1. 24-35 pp.
Carranza J. y Paniagua I. (2007). “Protocolo para la
evaluación del Uso del Suelo y Vegetación en Áreas
Naturales Protegidas Federales de México” Comisión
Nacional de Áreas Naturales Protegidas CONANP.
México.
CONABIO. 2000. Estrategia nacional sobre biodiversidad
de México. Comisión Nacional para el Conocimiento y
Uso de la Biodiversidad, México.
CONAFOR. 2009. “Inventario Nacional Forestal y de
Suelos”. Manual de Procedimientos para el muestreo de
campo. Jalisco. México.139p.
Chuvieco E. 2008. Teledetección Ambiental. La
observación de la Tierra desde el Espacio. 3ra Edición
Actualizada Septiembre. Editorial Ariel S.A. España.
595 p.
Fallas, J. 2002. Normas y estándares para datos
geoespaciales. Laboratorio de Teledetección y Sistemas
de Información Geográfica. Programa Regional en
Manejo de Vida Silvestre y Escuela de Ciencias
Ambientales. Universidad Nacional, Heredia. Costa
Rica.
http://www.mapealo.com/Costaricageodigital/Documentos/alfabetizac
ion/NORMAS_ESTANDARES.pdf
(accessed 25 Mar. 2008).
FAO, 1996. Forest Resources Assessment 1990. Survey of
tropical forest cover and study of change processes.
Number 130, Rome.
FAO. 2001. Global Forest Resources Assessment 2000.
FAO Forestry Paper 140. Rome.
http://www.fao.org/forestry/fra/2000/report/en/
(accessed 08 Nov. 2005)
González, G. I. 2006. Tesis: “Una comparación de
diferentes métodos de detección de cambio en imágenes
de satélite para el monitoreo de la deforestación en la
reserva de la biósfera Mariposa Monarca”. Facultad de
Filosofía y Letras, UNAM, México.
INEGI 2007. Diccionario de datos de Uso de Suelo y
Vegetación 1:250 000. México.
INEGI 2009. Conjunto de Datos Vectoriales de la Carta de
Uso del Suelo y Vegetación, Escala 1:250 000, Serie IV
(CONJUNTO NACIONAL). Aguascalientes, Ags.,
México.
Lu, D., P. Mausel, E. Brondizio y E. Moran. 2004. “Change
detection techniques”. Int. Journal Remote Sensing 25
(12). pp 2365-2407.
Mas, J. F. 2000. “Une revue des Méthodes et des
Techniques de Télédétection du Changement”.
Canadian Journal of Remote Sensing Journal Canadien
de Télédétection, Col. 26, Nó. 4 P. pp 349-363.
Mas, J. F., I. Ramírez. 1996a. “Comparison of land use
classifications obtained by visual interpretation and
digital processing”. ITC Journal 3-4. pp 278-283.
42
Mas, J. F., I. Ramírez. 1996b. “Mejoramiento de las
clasificaciones espectrales de cubiertas del suelo por
medio de un Sistema de Información Geográfica”.
Investigaciones Geográficas, Esp. 4. pp 111-122.
Masera, O. R. 1996. Deforestación y degradación forestal
en México. Documentos de trabajo núm. 19. GIRA A.
C., Pátzcuaro, México.
Masera, O. R., M. J. Ordóñez y R. Dirzo 1997. Carbon
emissions from Mexican Forest: current situation and
long-terms scenarios. Climatic Change 35: 265-295.
Paniagua, I. 2009. Tesis: “Análisis híbrido para la
identificación anual de cambios en la cubierta del suelo:
La Chinantla, Oaxaca, 2004-2005”. Facultad de
Filosofía y Letras, UNAM, México.
Ramírez, M.I. y R. Zubieta. 2005. Análisis regional y
comparación metodológica del cambio en la cubierta
forestal en la Reserva de la Biosfera Mariposa Monarca.
Reporte Técnico preparado para el Fondo para la
Conservación de la Mariposa Monarca. México D.F.
Septiembre 2005.
Ruíz. M., y Gómez A., 1987. Diagnóstico de los Sistemas
de Inventario Forestal Utilizados en la Región Trópico-
Húmeda de México, In: Lund, H.G, Caballero-Deloya
M., Villareal-Cantón R. Eds. Land and Resource
Evaluation for National Planning in the Tropics:
Proceedings of the International Conference and
Workshop; 1987; México; Gen. Tech. Report WO-39.
Department of Agriculture, Forest Service; Washington,
D.C. USA 524 pp.
Rullan, C. D., 2002. Tesis: Estudio bitemporal de la
vegetación en una zona afectada por incendios en el
municipio de Santiago, N. L,. ITESM Campus
Monterrey. Monterrey. México.
SEMARNAT 2005. Informe de la Situación del medio
ambiente en México. Compendio de estadísticas
ambientales. México.
Singh, A. 1989. Digital change detection techniques using
remotely-sensed data. Internacional Journal of Remote
Sensing 10, 6:989-1003
Story, M. and Congalton, R. 1986. Accuracy assessment: a
user's perspective. Photogrammetric Eng. and Remote
Sensing. 52(3):397-399.
Universidad Autónoma de México (UNAM), 2000. Informe
del Inventario Forestal Nacional 2000-2001. Instituto de
Geografía México, 266 p.
Yu-Chuan, K. Hui-Chung, Y. Ke-Sheng C. Chia-Ming L.
and Ming-Tung W. 2000. Identification of Landslides
Induced by Chi-Chi Earthquake using Spot
Multiespectral Images. GIS DEVELOPMENT , ACRS
2000.
 ANÁLISIS DE SEPARATIBILIDAD ESPECTRAL DE CULTIVOS
AGRÍCOLAS EN IMÁGENES DEL SENSOR LANDSAT TM PARA LA
REGIÓN DE CUAUHTÉMOC, CHIHUAHUA, MÉXICO
Jaime Octavio LOYA CARRILLOa; Samuel Alberto AGUILAR ESTRADAa, Carlos Daniel FIERRO
MACÍASa, Claudia Karina LEGARRETA MIRANDAa, Jesús Antonio BENCOMO SÁENZa, Luis
Carlos ALATORRE CEJUDOb
a
Estudiantes de Geoinformática en la Universidad Autónoma de Ciudad Juárez Campus Cuauhtémoc,
Calzada Morelos y Privada del Roble #101, Cuauhtémoc, Chihuahua, email: jimmy_9108@hotmail.com.
b
Profesor investigador de tiempo completo en Universidad Autónoma de Ciudad Juárez Campus Cuauhtémoc

RESUMEN
Con el incremento de la resolución espacial y espectral de los sensores remotos existentes en diversas
plataformas satelitales, estos se han convertido en una herramienta que permite implementar una serie de
metodologías para la caracterización de diversos cultivos agrícolas, lo cual es muy importante, ya que el contar
con información actualizada sobre los distintos cultivos, permite obtener un mejor aprovechamiento y planeación
sobre los mismos. Sin embargo, los datos con los que se cuenta, respecto a este tema, no siempre están
disponibles o no pertenecen a fechas recientes. Por ello, el presente trabajo pretende demostrar que aplicando
técnicas de teledetección es posible obtener la separabilidad espectral de cultivos agrícolas en imágenes del
sensor Landsat TM para el municipio de Cuauhtémoc, Chihuahua, y así generar una cartografía actualizada de
los usos de suelo. Para este estudio se utilizó una imagen Landsat TM correspondiente al mes de junio del año
2010. Mediante el software IDRISI Andes, se generó una clasificación supervisada para el área de estudio,
discriminando los principales tipos de cultivo: maíz, frijol, avena y manzana. Por medio de estadísticos
descriptivos básicos se corrobora la separabilidad espectral. Los resultados demuestran que las bandas de este
sensor más útiles para determinar la separabilidad espectral de los cultivos trabajados fueron las pertenecientes al
rojo, infrarrojo medio e infrarrojo lejano, es decir las bandas 3, 5 y 7, respectivamente.
Palabras clave: Sensores remotos, Clasificación Supervisada, Landsat TM, Firma Espectral, Separabilidad
Espectral.
de agricultura de precisión y modelación espacial para
1 INTRODUCCIÓN
la predicción de cosechas (Manjarrez et al; 2008), esto
Las imágenes satelitales son imágenes digitales debido principalmente a la inexistencia de mapas
obtenidas a partir de la energía reflejada o emitida por actualizados y precisos para un uso especifico. Por lo
los objetos localizados sobre la superficie terrestre, anterior, es usual recurrir a imágenes de satélite que
compuestas por pixeles en los cuales se plasma un permitan generar clasificaciones y faciliten mapas
valor numérico, el cual identifica a cada uno de los afines al espacio y tiempo requerido por el usuario.
objetos captados por la imagen. Interpretar la
En un caso mas particular, el sensor TM del
información que una imagen satelital puede brindar,
satélite Landsat, cuenta con siete canales de diversas
es importante, ya que a partir de esto es posible hacer
regiones del espectro electromagnético, los cuales
estimaciones de área cultivada, en lo cual se destaca
corresponden al visible (azul, verde, rojo), infrarrojo
que puede ser actualizada periódicamente y es de bajo
y térmico. Además tiene una resolución temporal de
costo, comparado con métodos como censos y
16 días, lo cual lo vuelve en una herramienta de gran
restitución aerofotogramétrica (Portillo et al; 2005).
utilidad, como lo es en el caso del trabajo aquí
La necesidad de generar mapas de usos y/o presente, el cual pretende generar un análisis de
coberturas de suelo, es una de las opciones por la que separabilidad espectral en las distintas bandas, a partir
se recurre con mayor frecuencia a técnicas de de imágenes de la plataforma satelital anteriormente
teledetección y sistemas de información geográfica, descrita.
en una amplia gama de aplicaciones (Sánchez et al;
2010), como monitoreo y mapeo de plagas, aplicación

43
 2 OBJETIVOS
El objetivo principal de este trabajo es generar un
análisis de separabilidad espectral para los principales
cultivos agrícolas presentes en el área de estudio:
maíz, frijol, avena y manzana. Esto utilizando
imágenes del sensor Landsat TM. A continuación se
describen los objetivos específicos:
I. Generar una clasificación supervisada, para
identificar las distintas clases de coberturas de
suelo de la región (agrícola, cuerpos de agua,
urbano, suelo desnudo y pastizal).
II. Obtener las firmas espectrales de las diversas
clases agrícolas, para identificar su separabilidad
espectral.
III. Obtener estadísticos básicos que apoyen la
separabilidad espectral obtenida para las distintas
bandas utilizadas del satélite Landsat TM.
3 ÁREA DE ESTUDIO
Se seleccionó como área de estudio a la región
agrícola perteneciente al municipio de Cuauhtémoc,
Chihuahua, cuya ubicación geográfica se encuentra
Figura 1. Mapa del área de estudio, imagen Landsat composición falso color infrarrojo (RGB: 234)
44
entre los 28°24’25’’ de latitud norte y 106°51’ 8’’ de
longitud oeste y caracterizada por el desarrollo de
actividades agrícolas (Figura 1). Con una área
estimada de 127524.24 hectáreas.
4 MATERIALES Y METODOS
4.1 TRABAJO DE CAMPO
Para el área de estudio de este trabajo, se obtuvieron
67 puntos de control en campo mediante el Sistema de
Posicionamiento Global (GPS), los cuales permitieron
generar datos de referencia para la identificación de
las distintas clases manejadas: maíz, frijol, avena y
manzana.
4.2 OBTENCIÓN DE LA IMAGEN
Se obtuvo una imagen del sensor Landsat TM, dicha
imagen corresponde al 14 de junio del año 2010,
periodo que se caracteriza por ser el inicio de lluvias y
siembras. Se busca evitar que la imagen obtenida no
contenga distorsiones atmosféricas, por lo cual
presenta un índice de nubosidad menor al 10%. De la
imagen descrita, se manejan las bandas que
corresponden a la región del visible, infrarrojo
cercano y medio, y térmico (1 a 5 y la banda 7).
 INFORMACIÓN DE TRABAJO DE GABINETE
CAMPO

Selección del área de estudio Adquisición de imagen

Landsat del Servicio
Geológico de los Estados
Unidos (USGS)
Obtención de puntos de
control a partir de GPS
Digitalización de clases en
estudio INITIAL
RASTERVECTOR
RECLASS
Creación de archivo de firmas OVERLAY
espectrales

Overlay del área seleccionada

MAKESING
SIGCOMP
Análisis espectral para las HISTOGRAM
bandas utilizadas
MAXIMAVEROSIMILITUD
Clasificación supervisada

ANÁLISIS ESTADÍSTICO DE
LA INFORMACIÓN OBTENIDA

Figura 2. Secuencia Metodológica

y su integración para el análisis estadístico

4.3 CLASIFICACIÓN
correspondiente.
Una vez obtenida la imagen, se procedió a la
digitalización de las clases en estudio a través del 5 RESULTADOS Y DISCUSIÓN
software IDRISI Andes, las cuales indican los cultivos El uso de imágenes del satélite Landsat TM y el
de mayor rentabilidad económica de acuerdo al análisis de separabilidad espectral por medio de la
registro histórico de SAGARPA (2010). Se generó el firmas espectrales, permitió obtener una
archivo de firmas espectrales correspondiente para las discriminación significativa entre las distintas
bandas de la imagen Landsat TM. Se hizo el análisis coberturas y usos de suelo presentes en el área de
espectral correspondiente para las bandas utilizadas, a estudio, lo cual hace notoria la capacidad de dicho
través de diversos módulos contenidos en el software satélite como una gran herramienta para la
manejado, esto con el fin de obtener la información exploración de diversos cultivos agrícolas (Figura 3).
de mayor importancia para el caso en estudio.
Para el mapeo de cobertura y/o usos de suelo se
utilizó la técnica de clasificación supervisada, por el
método de máxima verosimilitud. Este procedimiento
consiste en definir áreas de entrenamiento, que ayudan
al programa en el reconocimiento de distintas
categorías. En otras palabras, a partir de las categorías
obtenidas, se caracterizan cada una de las clases, lo
que permite asignar posteriormente al resto de los
pixeles de la imagen a una de esas categorías, en
función de la similitud de sus Números Digitales
(ND’s) con los extraídos como referencia (Chuvieco; Figura 3. Separabilidad espectral de los distintos cultivos
2008). para las 6 bandas utilizadas.
La Figura 2 muestra de forma resumida la
secuencia metodológica empleada en este trabajo, la En la Figura 3 se observa que la mayor
cual comprende trabajo de campo, trabajo de gabinete separabilidad se obtiene en las bandas del espectro

45
visible correspondiente al rojo (banda 3), así como las
bandas correspondientes al infrarrojo medio y lejano
(bandas 5 y 7), las cuales permitieron discriminar
perfectamente entre los distintos cultivos, aunque por
otro lado es posible observar confusión entre las
bandas 1 y 2, para la diferenciación de los cultivos de
frijol y avena; con la banda cuatro para maíz, frijol y
manzana. Esto debido a que en la banda 4,
correspondiente al infrarrojo cercano, capta un alto
índice de reflectividad vegetal, el cual oscila alrededor
del 50 % (Ormeño; 1991), un valor alto comparado
con otras regiones del espectro electromagnético
captadas por imágenes Landsat TM.
Con el fin de evitar confusión entre cultivos y
mejorar la separabilidad espectral, se omitieron las
bandas 1, 2 y 4, esto debido a que constituyen
información en un rango muy estrecho de ND’s y se
procedió a configurar las firmas espectrales de cada
uno de los cultivos con estas bandas (Figura4).
Figura 4. Separabilidad espectral de los distintos cultivos
para las bandas 3, 5 y 7
Una vez obtenida la información de mayor
importancia para el objetivo de este trabajo, se
procedió a la confección de un mapa temático sobre
los usos y cobertura de suelo, pertenecientes al área de
estudio a través del método de clasificación
supervisada de Máxima Verosimilitud (Figura 5).
46
Con el fin de corroborar el caso descrito
anteriormente, se obtienen los estadísticos
descriptivos básicos, es decir, rangos medios y
desviaciones estándar de los ND’s, pertenecientes a
los diversos cultivos manejados durante el estudio
(Tabla 1).
Los resultados obtenidos durante la elaboración de
este trabajo, son comparables con Manjarres et al
(2008), quienes en su estudio obtienen mayor
discriminación para las bandas 1, 2, 3 y 5
6 CONCLUSIONES
El satélite Landsat, es una gran herramienta que
permite diferenciar entre diversos cultivos agrícolas
mediante distintos métodos de separabilidad espectral,
lo cual es de gran utilidad en actividades que
requieren del monitoreo y la administración de áreas
agrícolas. De las bandas utilizadas en este estudio, la
banda 5, correspondiente al infrarrojo medio, resultó
ser la de mayor capacidad para distinguir entre
diversas firmas espectrales, esto en comparación con
el resto de las bandas utilizadas. Por el contrario, la
banda con mayor confusión, a pesar de ser
usualmente empleada para la determinación de
cubiertas vegetales, resultó ser la banda 4. A pesar de
las confusiones que se producen en imágenes del
satélite Landsat TM para la clasificación de uso y
coberturas de suelo, esto por su baja resolución
espacial, es posible disminuir dichas confusiones,
gracias a la aplicación de técnicas como las
desarrolladas en el presente trabajo, inclusive se
pueden generar diversos mapas temáticos afines a los
datos obtenidos, tales como: mapas de uso de suelo
que brinden fácil acceso a la información, como
mejora en los procesos de planificación agrícola y
estimaciones de cosecha, o cualquier otro fin acorde a
los resultados obtenidos.
Figura 5. Mapa temático sobre los usos y coberturas de suelo, para el área de estudio.

Tabla 1. Muestra los estadísticos descriptivos básicos, de los valores de reflectividad captados por la imagen
Landsat TM.

BANDAS MAIZ FRIJOL AVENA MANZANO

MEDIA DES-EST MEDIA DES-EST MEDIA DES-EST MEDIA DES-EST
C_1 71.53 6.40 84.48 9.02 100.82 14.46 3.41 14.10
C_2 37.11 4.70 46.43 5.59 59.61 7.63 1.66 6.88
C_3 42.67 7.51 60.18 9.00 83.38 10.22 1.68 7.01
C_4 75.59 13.26 75.97 12.30 92.03 9.83 4.19 17.92
C_5 106.84 21.15 140.29 24.45 184.68 13.64 4.29 18.08
c_7 58.54 12.38 88.66 15.88 118.90 8.59 1.93 8.13

REFERENCIAS Castaño Fernandez, S. (s.f.). APLICACIONES DE LA

Camargo Arce, E., Theodor Rudorff, B. F., Sugawara
Berka, L. M., & Carrasco Pereira, P. F. (2005).
Imágenes Landsat y CBERS en la identificación del uso
del suelo con cultivos agrícolas. Anais XII Simpósio
Brasileiro de Sensoriamento Remoto , 41-48.
TELEDETECCIÓN Y SIG AL CONTROL Y
CUANTIFICACIÓN DE LAS EXTRACCIONES DE
AGUA SUBTERRÁNEA. 1-17.
Chuvieco Salinero, E. (2008). TELEDETECCIÓN
AMBIENTAL La observación de la tierra desde el
espacio. España: Ariel, S. A.

47
Escandón Calderón, J., Ben H., J. d., Ochoa Ganoa, S.,
March Mifsut, I., & Castillo, M. A. (1999).
EVALUACIÓN DE DOS MÉTODOS PARA LA
ESTIMACIÓN DE BIOMASA ARBÓREA A
TRAVÉS DE DATOS LANDSAT TM EN JUSNAJAB
LA LAGUNA, CHIAPAS, MÉXICO: ESTUDIO DE
Sánchez Martín, N., Rodríguez Ruiz, M., Martínez
CASO. REDALY , 71-84.
MANJARREZ DOMÍNGUEZ, C., PINEDO ÁLVAREZ,
C., VÉLEZ SÁNCHEZ VERÍN, C. E., & PINEDO
ÁLVAREZ, A. (2007). Separabilidad espectral de
cultivos agrícolas con Imágenes Landsat TM.
TECNOCIENCIA CHIHUAHUA , 48-56.ORMEÑO, S.
(1991). Fundamentos Físicos de la Teledetección.
Madrid: E.U.I.T.
48
Portillo, J., Zalazar, L., Aloy, G., & Puga, H. (2005).
Determinación de Usos del Suelo mediante análisis
multitemporal de imágenes Landsat en los Oasis de la
Provincia de Mendoza. ECOATLAS MENDOZA
ARGENTINA , 2-14.
Fernández, J., & Calera Belmonte, A. (2010). SIGPAC
Y SERIES MULTITEMPORALES LANDSAT 5 TM
COMO ESTRATEGIA HÍBRIDA DE
CLASIFICACIÓN DE USOS DE SUELO PARA
APLICACIONES HIDROLÓGICAS. Tecnologías de la
Información Geográfica: LaInformación Geográfica al
servicio de los ciudadanos. Secretariado de
Publicaciones de la Universidad de Sevilla. Sevilla. ,
109-118.
 INCORPORACIÓN DE DATOS AUXILIARES EN LA CLASIFICACIÓN
DE IMÁGENES SATELITALES
Jean-François MASa
a
Centro de Investigaciones en Geografía Ambiental
Universidad Nacional Autónoma de México (UNAM)
jfmas@ciga.unam.mx

RESUMEN
Debido a la confusión espectral que existe entre categorías de uso/cubierta del suelo, las clasificaciones de
imágenes multiespectrales basadas únicamente en la información espectral presentan a menudo una fiabilidad
baja. La incorporación de datos auxiliares, tales como elevación, pendiente, tipo de suelo entre otros, permite a
menudo mejorar el desempeño del clasificador. En este estudio, se comparan dos métodos de incorporación de
datos auxiliares (elevación, pendiente, relación espacial entre coberturas) para clasificar una imagen SPOT de
una región altamente diversa del Estado de Michoacán con base en 9 categorías de cubierta/uso del suelo:
1) Bosque templado, 2) Bosque tropical seco, 3) Agricultura de temporal, 4) Agricultura de riego, 5) Pastizales,
6) Áreas urbanas, 7) Cuerpos de agua, 8) Área sin vegetación y 9) Huertas de aguacate. Los métodos de
incorporación de la información auxiliar fueron 1) utilización de un mapa de probabilidad a priori creado con el
método de los pesos de evidencia en un clasificador de máxima verosimilitud y 2) utilización de las dos bandas
auxiliares juntas con las bandas espectrales en una red neuronal (Perceptrón multicapa). Se utilizaron dos
enfoques de clasificación (por pixel y por objeto) La fiabilidad de las imágenes clasificadas obtenidas con estos
dos métodos se comparó con aquella obtenida por los mismos clasificadores (máxima verosimilitud y red
neuronal) con base en la información espectral utilizando la prueba estadística de MacNemar. Los resultados
obtenidos indican que la utilización de datos auxiliares permite reducir la confusión entre ciertas categorías y
aumentar significativamente la fiabilidad de los resultados. Sin embargo, el método utilizado para incorporar la
información auxiliar influye los resultados de forma importante.
Palabras clave: clasificación, máxima verosimilitud, redes neuronales, fiabilidad
En un primer paso, se evaluó la distribución de los
1 INTRODUCCIÓN
diferentes tipos de cubierta en relación con la
Debido a la confusión espectral que existe entre elevación y la pendiente. Se generó un mapa de
categorías de uso/cubierta del suelo, las probabilidad de presencia de las diferentes cubiertas
clasificaciones de imágenes multiespectrales basadas con base en el método de los pesos de evidencia
únicamente en la información espectral presentan a utilizando los mapas de INEGI y del inventario de los
menudo una fiabilidad baja. La incorporación de datos cultivos de aguacate así como los mapas de elevación,
auxiliares, tales como elevación, pendiente, tipo de pendiente y distancia a las diferentes categorías como
suelo entre otros, permite a menudo mejorar el variables independientes.
desempeño del clasificador (Lu y Weng, 2007).
El método de los pesos de evidencia se basa en la
El objetivo de este estudio es comparar diferentes probabilidad condicional, probabilidad de que un
métodos para incorporar información auxiliar. evento se realice (por ejemplo pertenencia a una
categoría) habiéndose cumplido ya otro (ubicación en
2 MATERIAL Y MÉTODO cierto rango de elevación por ej.). El peso positivo de
Se utilizó una imagen SPOT de marzo 2007, un evidencia w+ asociado a la presencia de la condición
modelo digital de elevación (MDE), el mapa de uso considerada se calcula según la ecuación (1).
del suelo y vegetación del INEGI (serie III) y un mapa |
de los cultivos de aguacate (Morales y Cuevas, 2011). [ |̅
] (1)
Se utilizaron los programas IDRISI para la
clasificación de las imágenes y DINAMICA EGO
para la elaboración de los mapas de probabilidades.

49
 donde P(C|E) es la probabilidad de la condición
(por ejemplo cierta elevación) sabiendo que hubo
cierto evento (pertenencia a categoría de cubierta) y,
P(C|Ē) es la probabilidad de pertenencia de la
condición sabiendo que no hubo cierto evento (no
pertenencia a categoría).
Cuando la presencia de la condición tiende a
aumentar la probabilidad del evento, el valor del peso
W+ es positivo. El cálculo de la probabilidad
condicional tomando en cuenta varias condiciones se
realiza sumando los pesos de evidencia (ecuación 2).
∑
| ∑
(2)
Donde P(E |C1∩C2∩…∩Ci) es la probabilidad del
evento E en un sitio cumpliendo con las condiciones
C1, C2 … Ci.
El cálculo de los pesos de evidencia se realizó para
cada categoría tomando en cuenta variables
explicativas como la elevación, la pendiente y la
distancia a las demás categorías permitiendo elaborar
un mapa de probabilidad para cada categoría.
Las clasificaciones se llevaron a cabo con base en
dos enfoques: 1) pixel a pixel y 2) por objeto
utilizando dos clasificadores (máxima verosimilitud y
redes neuronales). Para las clasificaciones por objeto,
se llevó a cabo una segmentación de imagen que
consiste en agrupar en un mismo objeto pixel
contiguos que tienen una respuesta espectral similar
(en las 4 bandas). Se calculó la respuesta espectral de
cada objeto como el promedio de las respuestas de los
pixeles que lo componen. Las clasificaciones por
objeto se basaron en estos valores. El método de
máxima verosimilitud es el método de clasificación
supervisada más utilizado en percepción remota, es un
método paramétrico que supone que los datos tienen
una distribución normal. El Perceptrón Multicapa, es
el algoritmo de redes neuronales (RN) más utilizado
debido a su capacidad de tolerancia ante información
incompleta o contaminada con ruido (Mas y Flores,
2008). Consiste en un modelo estadístico no
paramétrico de regresión no lineal y se describe como
una red de alimentación hacia adelante compuesta por
una capa de unidades (neuronas) de entrada (en este
caso una unidad por banda espectral y/o datos
auxiliares), otra capa de unidades de salida (una
unidad para cada categoría de cubierta del suelo) y un
número determinado de capas intermedias de unidades
de procesamiento, también llamadas capas ocultas
porque no tienen conexiones con el exterior. Las
50
neuronas de cada capa están conectadas a todas las
unidades de la capa siguiente.
Se aplicaron dos métodos de incorporación de
datos auxiliares: 1) utilización del mapa de
probabilidad a priori creado con el método de los
pesos de evidencia en un clasificador de máxima
verosimilitud y 2) utilización de las dos bandas
auxiliares juntas con las bandas espectrales en la red
neuronal.
Para las clasificaciones basadas únicamente en la
información espectral, se utilizaron campos de
entrenamiento definidos visualmente en una
composición a color de la imagen SPOT. Se trató que
los campos abarcaran las diferentes respuestas
espectrales de cada cubierta. Sin embargo, estos
campos no representan la variabilidad de las cubiertas
con respecto a la elevación y la pendiente ya que era
difícil de ubicar campos en, por ejemplo, todo el
rango altitudinal que puede tener cierta categoría. En
el caso de las clasificaciones que toman en cuenta la
elevación y la pendiente, los datos de entrenamiento
se basaron en el mapa de INEGI (y del inventario del
aguacate para la categoría Huertas de aguacate). De
este modo, los datos de entrenamiento representan
correctamente cada categoría.
El cálculo de la fiabilidad de los mapas se llevó a
cabo con base en 389 sitios de verificación
seleccionados a través de un muestreo aleatorio
estratificado. La categoría de estos sitios fue evaluada
por fotointerpretación e información de campo para
los casos difíciles de determinar. La comparación
entre la fiabilidad por los diferentes métodos se hizo
con base en una prueba de McNemar que permite
evaluar la significancia estadística de diferencias en la
fiabilidad de dos clasificaciones estimada con base en
los mismos datos de verificación. Es una prueba no
paramétrica basada en una matriz de confusión de dos
por dos que expresa las relaciones entre las
confusiones de las dos clasificaciones en comparación
(Foody, 2004).
3 RESULTADOS
Las figuras 1 y 2 representan la distribución de las
diferentes cubiertas en función de la elevación y la
pendiente. Se puede observar que si bien algunas
categorías se distribuyen en un rango relativamente
estrecho de elevación y pendiente, existe también un
importante sobrelape de distribución, lo cual indica
que estas dos variables pueden ayudar a distinguir las
diferentes cubiertas pero no son suficientes para permite reducir de 2% el error para el clasificador de
discriminarlas totalmente. máxima verosimilitud en ambas modalidades de
clasificación (por objeto y por pixel). En cambio no
0.6 permite ningún mejoramiento significativo para la
clasificación por redes neurales por pixel, reduciendo
0.5 Bosque Templado
Bosque Tropical Seco la fiabilidad en el caso de la clasificación por objeto.
Agricultura de temporal
0.4
Cobertura

Agricultura de riego
Pastizal 4 DISCUSION Y CONCLUSION
0.3 Area Urbana
Cuerpo de Agua
Areas sin veg
La incorporación de probabilidades a priori en el
0.2 Huertas de Aguacate
clasificador de máxima verosimilitud fue el método
0.1 más eficiente para utilizar la información auxiliar.
0
Permitió reducir confusiones entre algunas categorías
0 500 1000 1500 2000 que presentaban confusión espectral.
Elevación (m)
En cambio, en este estudio preliminar, las redes
Figura 1. Proporción de las diferentes categorías de neurales no fueron capaces de usar eficientemente esta
cubierta en función de la elevación información. Contrariamente a muchos resultados de
comparación entre los métodos de redes neurales y
0.3 máxima verosimilitud, el segundo método permitió la
obtención de resultados más fiables con la
0.25 Bosque Templado
Bosque Tropical Seco información espectral sola y combinada con los datos
0.2
Agricultura de temporal
auxiliares. Eso se relaciona sin duda con la dificultad
Cobertura

Agricultura de riego
Pastizal
para encontrar la arquitectura y los parámetros más
0.15 Area Urbana
Cuerpo de Agua idóneos para entrenar la red (Mas y Flores, 2008). Un
Areas sin veg
0.1 Huertas de Aguacate enfoque de entrenamiento como el propuesto por
0.05
Flores et al. (2011) permitiría probablemente mejorar
los resultados obtenidos. Es también importante notar
0 que el algoritmo utilizado en este estudio (Retro-
0 5 10 15 20 25 30
Pendiente (º) propagación) no es el más eficiente para entrenar un
Figura 2. Proporción de las diferentes categorías de perceptrón multicapa (Mas y Flores, 2008).
cubierta en función de la pendiente Otro elemento que podría explicar el bajo
Tabla 1. Valores de error global para las diferentes desempeño de las redes neurales en comparación con
clasificaciones la máxima verosimilitud es que la clasificación por
RN se basó en 6 bandas mientras que la de máxima
Método de Error global verosimilitud en 4 ya que las probabilidades a priori
clasificación e insumo intervienen después del proceso de cálculo de las
Pixel a pixel Objeto
probabilidades a posteriori que se derivan de la
Máxima verosimilitud 0.3470 0.2982
Imagen SPOT
información de las bandas espectrales. Finalmente, en
los datos de entrenamiento de la RN, se asociaron
Máxima verosimilitud 0.3239 0.2751 aleatoriamente (para cada categoría) las respuestas
Imagen SPOT + mapas espectrales (derivadas de los campos de
de probabilidad a entrenamiento) y los datos de elevación y pendiente
priori (derivados de la distribución de las coberturas en los
MLP Imagen SPOT 0.3728 0.2879 mapas de INEGI y del inventario del cultivo de
aguacate). Si existe algún patrón de asociación entre
MLP Imagen SPOT + 0.3702 0.3650 las variables topográficas y espectrales, lo cual es
MDE y pendiente
probable (debido, por ejemplo, a efectos de sombra o
La tabla 1 presenta el error global de las imágenes de fenología), los datos de entrenamiento pueden
clasificadas utilizando los diferentes métodos. Se presentar ciertas incongruencias con los datos
puede observar que con los mismos insumos, el presentados para la clasificación.
enfoque por objeto permite una reducción del error de
entre 1 y 8%. La incorporación de los datos auxiliares

51
 Por estas razones futuros trabajos se enfocaran en
mejorar el análisis de los patrones de distribución de
los diferentes tipos de cubiertas del suelo del área de
estudio, de su relación con la respuesta espectral así
como el entrenamiento de la red neuronal.
REFERENCIAS
Flores, J.J., M.T. Arreola, J.F. Mas, M. Graff, F. Calderon,
2011, Evolving Artificial Neural Networks for Binary
and Multi-class Classification Problems, Memorias de
la Reunión Nacional SELPER 2011, Morelia, Mich., 3-
7 Oct. 2011 (CD).
Foody, G.M., 2004, Supervised image classification by
MLP and RBF neural networks with and without an
exhaustively defined set of classes: International
Journal of Remote Sensing, 25, 3091–3104.
52
Gao, Y. y J.F. Mas, 2008, A Comparison of the
Performance of Pixel Based and Object Based
Classifications over Images with Various Spatial
Resolutions, OnLine Journal of Earth Sciences, 2 (1):
27-35.
Lu, D., Q. Weng, 2007. A survey of image classification
methods and techniques for improving classification
performance, International Journal of Remote Sensing,
28:5, 823-870.
Mas, J.F. y J.J. Flores, 2008, The application of artificial
neural networks to the analysis of remotely sensed data
(review article), International Journal of Remote
Sensing, 29(3): 617-663.
Morales, L. M. y Cuevas, G. (2011). Inventarios 1974 –
2007, y evaluación del impacto ambiental regional del
cultivo del aguacate en el estado de Michoacán. Informe
Ejecutivo. Centro de Investigaciones en Geografía
Ambiental, UNAM. Morelia, MICH. 8 pp.
 EVALUACIÓN DE CALIDAD DE MODELOS DIGITALES DE
ELEVACIÓN (DEMS) PARA LA MODELACIÓN HIDROLÓGICA,
MEDIANTE LA ESTIMACIÓN DE ERRORES MEDIOS CUADRÁTICOS Y
SU COMPARACIÓN CON LA RED SUPERFICIAL DE DRENAJE
Samuel Alberto AGUILAR ESTRADA a, Luis Carlos BRAVO a
a
Universidad Autónoma de Ciudad Juárez, Licenciatura en Geo-Informática, Campus Cd. Cuauhtémoc,
Chihuahua. Privada del Roble 119, Fraccionamiento El Roble, Cd. Cuauhtémoc Chihuahua. Tel. (625)-
1121719.

RESUMEN
La topografía es uno de los atributos más importantes para determinar la distribución y el flujo del agua en los
modelos hidrológicos. La extracción de parámetros topográficos a partir de un Modelo Digital de Elevación del
Terreno (DEM) es ampliamente reconocida por ser una de las alternativas más viables para la obtención de
información relativa a la configuración de la red superficial de drenaje, las pendientes, las áreas de concentración
de flujo, y la compacidad de una cuenca. Esta información no siempre corresponde a la condición real del
terreno. Los datos disponibles, la calidad y la resolución que ofrecen distintos proveedores altimétricos no
siempre son útiles para el mismo propósito. Por estas razones, se hace necesario realizar procesos de evaluación
de calidad de los DEM que permitan determinar las capacidades y limitaciones para el propósito particular del
estudio. En este trabajo se muestran los resultados de una evaluación de calidad de los DEM de tres fuentes
distintas (INEGI, USGS, ASTER), mediante la estimación de los errores medios cuadráticos entre los datos
modelados y los datos del terreno, y mediante la correspondencia entre las áreas superficiales de drenaje
modeladas, y las áreas reales de drenaje, observadas mediante fotointerpretación. Los resultados sugieren que
mayor resolución vertical no necesariamente implica mayor correspondencia de los datos, ni mayor fidelidad en
la red superficial de drenaje. Se discuten las implicaciones de estos resultados sobre el proceso de modelación
hidrológica.
Palabras clave: MDE, Calidad, Modelación Hidrológica, Error Medio Cuadrático.
frecuencia de forma rectangular o triangular. Es
1. INTRODUCCIÓN importante tener en cuenta que de los DEM son el
1.1 MODELOS DE ELEVACIÓN DIGITAL resultado de una serie de procedimientos y
(DEM) modelaciones. Estos procedimientos involucran la
información base para obtener dichos resultados.
La elevación es uno de los insumos mas importantes
para comprender los procesos que se dan sombre la Por años las fotografias areas han sido la base de
superficie de la tierra y es ampliamente utilizada en el estos procedimientos, sin embargo en la actualidad
ámbito geográfico. Los registros de elevación a ciertos sensores a bordo de satélites como ASTER
menudo son distribuidos en forma de modelos de (Advance Space Borne Thermal Emisión and
elevación digital (DEM), estos son empleados con Reflection Radiometer) o SPOT (Système Probatoire
bastante frecuencia para aplicaciones que van desde la d´Observation de la Terre) tienen la capacidad de
modelación hidrológica (Garbrecht, 1997), corrección tomar pares estereoscópicos de imágenes, que
de fotos aéreas e imágenes de satélite (García, 2004) permiten generar un DEM de manera sencilla con
hasta estudios forestales. gran cobertura de datos y de forma gratuita (Pérez
Vega, 2009).
Felicísimo (1994) define los Modelos de elevación
digital (DEM) como archivos que contienen un gran En el afan de desarrollo de nuevas heramientas que
número de registros de los cuales cada uno representa permitan obtener datos de mayor calidad y en menor
un valor de altura en un punto del espacio, tiempo en los ultimos años han surgido sistemas como
representados en una malla regular que la mayoría de el Lidar (Laser Imaging Detection and Ranging)
las ocasiones es de forma cuadrada, y con menor tecnologías que determinan la distancia desde un

53
emisor a una superficie mediante la utilización de terreno y se asume que no poseen ningun tipo de
señales de radar o mediante laser. La distancia al error. Los DEM que genera el Servicio Geologico de
objeto se determina midiendo el tiempo de retraso los Estados Unidos (USGS) pertenecientes a la
entre la emisión del pulso y la detección de la señal misión (SRTM) solo requieren 28 puntos para
reflejada. El Shuttle Radar Topographic Mission determinar la calidad de los mismos (USGS, 1990).
(SRTM) obtiene datos de elevación a nivel mundial, Dados estos antecedentes, el objetivo del presente
este nos proporciona los datos en tres diferentes trabajo es realizar un análisis de calidad de DEM
resoluciones 1 kilometro y 90 metros de resolución procedentes de tres fuentes distintas: INEGI, ASTER
para todo el mundo y una resolución de 30 metros Y SRTM, comparando sus valores con valores de
para los EE.UU. El sistema de adquisición de datos campo, medinate la estimación de los errores medios
SRTM es considerado uno de los mejores medios de cuadráticos y la correspondencia entre la red
informacion topográfica en la actualidad. (Pérez Vega, superficial de drenaje modelada y la red real de
2009). drenaje observada mediante fotointerpretación.
En México, la base de datos de INEGI está
compuesta por información de todo el territorio 2 ÁREA EN ESTUDIO
nacional a una escala de 1:50000, lo que permite El área de estudio se encuentra ubicada en el centro-
generar DEMs detallados y de muy bajo costo. oeste del estado de Chihuahua (Figura 1), dicha zona
1.2 FUENTES DE INCERTIDUMBRE Y se encuentra delimitada por el polígono de la
ERROR EN LOS DEMS subcuenca Laguna Bustillos localizada entre los 28°
18′ latitud norte y entre 106° 30′ y 107° 15′ longitud
Según Garbrecht, 1997 y Felicísimo, 1994) no existe
oeste. Esta subcuenca posee una superficie de 3378.95
ninguna probabilidad de que todos lo valores de
km² y presenta un gradiente altitudinal que va desde
altura de un DEM sean correctos. Los errores
los 1850 hasta los 2250 msnm. La cuenca está
presentes en los datos pueden propagar errores
compuesta principalmente por dos tipos de Geo
através de la información secundaria que se derive del
formas: lomeríos bajos y zonas relativamente planas.
DEM, creando una cadena interminable de errores que
restan calidad a la modelación hidrológica.
Los errores en los DEM pueden presentarse en los
valores de elevación (Z) o en las coordenadas (X Y),
pero la atención se centra en la primeros por que
involucran la característica de principal interés para el
estudio, la elevación. Estos errores se clasifican en
tres categorías: errores graves que son el resultado de
equivocaciones del usuario, errores sistemáticos que
dan coo resultado una serie de artefactos o rayas
paralelas como consecuencia de errores en el
procedimiento de extracción, y errores aleatorios que
se dan como consecuencia de la mala medición de los
valores de altura (Felicísimo, 1994; Cooper, 1998;
Wise, 2000).
1.3 METODOS DE EVALUACIÓN DE
CALIDAD.
El error medio cuadrático (RMSE) se ha convertido en
la medida de precisión mas utilizada para los DEM
(Shearer, 1990; Desmet, 1997; Jenson, 1988;
Hutchinson, 1988; Guercio, 1996 y Rieger, 1998;
Merchant 1987; Felicísimo 1994) por su sencillez, ya
que sólo es necesaria la utilización de una muestra
limitada de puntos de valores de elevación reales, Figura1. Localización del área de estudio, subcuenca
dichos valores son tomados como referencia o verdad Laguna Bustillos indicada en color rojo.

54
 3 MATERIALES Y METODOS
El procedimiento empleado para la evaluación de
calidad de los DEM correspondientes a tres fuentes
distintas, implicó las siguientes etapas: 1) El
procesamiento fotogramétrico de imágenes
estereoscópicas del Satélite ASTER para la
generación del DEM Correspondiente, 2) El
despliegue o armado de Mosaicos con los DEMs de
USGS e INEGI, 3) La obtención de las diferencias
medias cuadráticas entre los valores de los DEMs y
los valores terreno, y 4) La identificación de áreas de
escurrimiento mediante la aplicación de operadores de
contexto en un Sistema de Información Geográfica, y
la identificación del grado de ajuste entre las áreas de
de drenaje modeladas en SIG, y la áreas reales de
drenaje, determinadas, mediante procedimientos de
fotointerpretación visual, identificando la red
superficial de drenaje y sus áreas de escurrimiento
(Figura 2).
Figura 2. Procesos para la obtención y validación de los
Modelos de Elevación Digital.
3.1 ETAPA 1: GENERACIÓN DEL MODELO
DE ELEVACIÓN DIGITAL ASTER
Se generó un DEM a partir de imágenes
estereoscópicas del sensor ASTER obtenidas en la
página de GLOVIS. Mediante procedimientos
sustentados en el cálculo del paralaje a través de
correlación radiométrica cruzada se obtuvieron las
elevaciones correspondientes a la superficie del área
de estudio. Las imágenes en formato digital fueron
orientadas en forma relativa y absoluta mediante un
proceso de normalización epipolar y determinación de
ecuaciones de colinealidad, con apoyo de puntos con
coordenadas XYZ reales. Se utilizó una ventana
centrada en un pixel de 15m en la banda 3N de la
imagen, conforme a los estándares de fotogrametría
digital sugeridos para imágenes de esta resolución
55
espacial en el programa ENVI 4.7, de forma similar a
lo descrito por (Valdivieso, 2007) El área en la banda
3B con cada pixel localizado fue definida por el
tamaño de la ventana. Esta ventana de correlación se
trasladó pixel por pixel (ventana móvil) calculando el
valor de correlación para cada uno de los pixeles, las
paralajes y alturas resultantes respecto a valores XYZ
de referencia. Éste proceso se repitió
sistemáticamente en toda la imagen, conforme a lo
descrito por (Lang, 1999) hasta generar un nuevo
DEM..
3.2 ETAPA 2. DESPLIEGUE O ARMADO
DE MOSAICOS CON LOS MODELO DE
ELEVACIÓN DIGITAL SRTM E INEGI
3.2.1. DEM de SRTM
Los DEMs de USGS se clasifican en en tres niveles
de calidad (USGS, 1990), los niveles dos y tres,
tienen una disponibilidad muy limitada. USGS
establece en su norma tecnica de calidad para datos
altimetricos que los Modelos de Elevación Digital
SRTM deben contar con un error de de 15m como
maximo para que sean conseiderados como datos de
alta calidad (USGS, 1990).
3.2.2.Modelo de elevación digital INEGI e
imágenes satelitales
Se obtuvieron 9 Modelos de Elevación Digital de
INEGI que cubren la totalidad del area de estudio.
Según las normas técnicas de INEGI, estos Modelos
fueron generados por métodos fotogramétricos de
correlación de imágenes en el cual se extraen
imágenes homólogas de dos fotografias aereas que
posteriormente se correlacionan por medio de la
información referente a la escala de grises, con valores
XYZ del terreno asociados a cada pixel. Para el
cálculo de las elevación se utilizó las cordenadas de
los pixeles que son obtenidos por la trasformación
pixel a foto. Los DEM que son generados por estos
procedimientos no se encuentran en un malla regular
de puntos por lo que es necesario la aplicación de
técnicas de interpolación (INEGI, 2000).
3.3 ETAPA 3. OBTENCIÓN DEL ERROR
MEDIO CUADRÁTICO POR DEM
Diversos autores definen al Error medio cuadrátrico
(Ecuación 1) como la mejor herramienta para
determinar la calidad de un DEM (Shearer, 1990;
Desmet, 1997; Jenson, 1988; Hutchinson, 1988;
Guercio, 1996 y Rieger, 1998; Merchant 1987;
Felicísimo 1994). Este índice permite comparar el
ajuste entre los datos observados en campo y los
valores correspondientes al modelo digital.
Teóricamente los valores de RMSE que sean iguales a
0 indicarán que no existe error alguno y que la
relación es perfecta. (1)
Donde:
Z Dem es la elevacion de la localizacion Z en el
DEM y Z Ref es la elevacion del modelo de
referencia para la localizacion Z
n es el numero total de puntos analizados.
La obtención de n es materia de discusión. USGS
(1990), recomienda un minimo de 28 puntos para
determinar la calidad, pero otros autores sugieren
mayor número de puntos a fin de asegurar una
verdadera confiabilidad estadística (Pérez-Vega y
Mas, 2009). En este trabajo se adoptó el segundo
punto de vista, y se obtuvieron un total de 342 puntos
distribuidos por toda el area de estudio (Figura 3).
Figura 3. Distribución de los 342 puntos en la subcuenca
Laguna
Los puntos se levantaron con un GPS convencional
(E-trex-Garmín), con precisión vertical de 6 metros.
Aunque existen modelos de mayor precisión en el
mercado, no se contaba con estos al momento de la
56
evaluación, y se aceptó este grado de incertidumbre
(los errores respecto a la altura real pueden ir de 0 a 6
m) por que, se ajusta a la precisión requerida de
acuerdo a los estándares de exactitud vertical para un
trabajo a la escala de esta evaluación (1:100000). En
este ejercicio se pretende generar curvas de nivel cada
50 metros, y los estándares de precisión vertical
indican que esta debe encontrarse en el orden de 1/3 o
inferiores a la distancia existente entre una curva de
nivel y otra (INEGI, 2010). Es decir, si se pretende
generar curvas de nivel a cada 20 m, la precisión
tendría que estar en el orden de los 6 o 7 m. Si se
pretende generar curvas a cada 50 m, la precisión
deberá encontrarse entre los 15 y 17 m.
Los 342 puntos en campo se superpusieron a cada
uno de los DEMs en el sistema de información
geografica, y se extrajeron los valores de altura
correspondientes para el calculo de un RMSE por
cada proveedor. Previo a la obtención de este
estimador, se realizó un analisis exploratorio de datos
incluyendo pruebas de normalidad e intervalo de
confianza para la media del error.
Para mejorar el contraste y la interpretación de las
diferencias entre los puntos de verdad imagen y
verdad terreno (valores del DEM y valores de campo),
se dividió la cuenca en secciones (áreas planas de
pendiente suave, áreas montañosas, etc.) que fueron
graficadas para observar el comportamiento de las
elevaciones en cada Modelo de Elevación Digital con
respecto a la altura real de la superficie de la tierra.
3.4 ETAPA 4. DELIMITACIÓN
AUTOMÁTICA DE CUENCAS
HIDROGRÁFICAS MEDIANTE
OPERADORES DE CONTEXTO EN SIG, E
IDENTIFICACIÓN DEL GRADO DE
AJUSTE CON LAS CUENCAS
OBSERVADAS MEDIANTE
FOTOINTERPRETACIÓN
Se obtuvo el sentido, dirección, y área de colecta de
los escurrimientos mediante el uso de operadores de
contexto espacial en el programa IDRISI Taiga. Con
estos operadores se determinó la pendiente y dirección
de flujo con base en el valor altimétrico (Z) de cada
pixel y los adyacentes, de acuerdo al algoritmo de
Monmonier (1982). A partir de aquí se identificaron y
reagruparon las superficies de terreno que escurren
hacia un mismo punto de salida. El proceso se realizó
iterativamente hasta llegar al parteaguas de cada área
de escurrimiento común. El procedimiento de
reagrupación de pixeles en unidades de flujo se
indicaen la figura 4.
Figura 4. Delimitación de las cuencas hidrográficas. La
división de las cuencas se representa con las líneas gruesas
y las flechas indican la dirección hacia donde drena la
celda.
Los vectores generados para cada DEM se
sobrepusieron a a imágenes satélitales y ortofotos de
la zona, a fin de establecer la correspondencia entre
las cuencas generadas y las cuencas observadas en las
imágenes. Para este efecto, se hizo énfasis en la
apreciación de contrastes entre el parteaguas
modelado, y la configuración de la red superficial de
drenaje.
4 RESULTADOS
4.1 LOS RMSE OBTENIDOS.
Los errores medios cuadráticos obtenidos (Tabla 1),
sugieren que, si únicamente se toma como base este
estimador de error, el modelo de elevación digital que
cuenta con menor precisión vertical corresponde a
ASTER. Este modelo tiene un RMSE de 22.42m,
valor considerablemente más alto que los errores de
SRTM e INEGI. Los resultados también sugieren que
el modelo de elevación digital SRTM se encuentra
dentro del rango máximo tolerable según lo dispuesto
por (USGS, 1990) en sus normas de control de
calidad, que especifica un error máximo permitido no
mayor de 15m.
Por su parte el Instituto Nacional de Estadística y
Geografía (INEGI, 2010) establece que el error debe
ser inferior a 16m. Los resultados de estadística
exploratoria indican, que el porcentaje de errores
57
inferiores al límite tolerado por INEGI y USGS es
aceptable (90 % de los errores por debajo del máximo
tolerable), pero no ocurre lo mismo modelo ASTER.
(Tabla 1) En este último caso, casi la mitad de los
errores encontrados rebasan el máximo tolerable. En
algunos casos incluso, los errores alcanzan los 60 m.
Tabla 1. Parámetros de calidad de ajuste entre los
datos capturados en campo y extraídos de los DEM.
% Errores
DEM RMSE (m) dentro de la IC
norma.
ASTER 22.42 58 14.77 - 18.03
SRTM 13.46 91 7.51 - 9.72
INEGI 11.56 94 5.54 - 7.66
RMSE = Error medio cuadrático.
% = Porcentaje de errores dentro de la norma.
I C = Intervalo de Confianza para la media de error.
4.2. LA CORRESPONDENCIA DE ALTURAS
POR SECCIONES
De la comparación de los datos obtenidos en terreno y
los modelos de elevación digital se obtuvieron tres
graficas:
1) Muestra la comparación de los 342 puntos
recolectados en campo para toda el área de
estudio, esta comparación se realizo con base al
valor terreno y el correspondiente a la celda
(Figura 5A).
2) Corresponde a una de las secciones en las que fue
dividida la zona de estudio perteneciente a una
área plana donde existe muy poca variación en la
pendiente (Figura 5B)
3) Sección de zona montañosa en la que se presentan
fuertes variaciones de pendiente (Figura 5C).
La figura 5A muestra los perfiles de todos los
DEM y su correspondencia con la realidad terreno.
Son apreciables algunos errores muy visibles en el
DEM ASTER. En las figura 5B y 5C correspondientes
a una zona plana y una zona montañosa
respectivamente, se observa los DEMs de INEGI y
SRTM tienden a presentar errores más altos en áreas
planas que en áreas montañosas de la región de
estudio, En ambas figuras se observa también, que el
DEM de ASTER errores sistemáticos. Esta
apreciación deriva de encontrar muchos errores en
puntos consecutivos, lo que indica la no aleatoriedad
de inconsistencias entre la verdad terreno y la verdad
imagen.
 En el caso de INEGI y SRTM, los dos presentan buena correspondencia con los datos terreno.

Figura 5. Parámetros de calidad de ajuste entre los datos capturados en campo y extraídos de los DEMs.

4.3 CORRESPONDENCIA ENTRE LOS presentar el menor RMSE El modelo SRTM, con
PARTEAGUAS MODELADOS Y LA RED error cuadrático ligeramente mayor al de INEGI,
SUPERFICIAL DE DRENAJE presentó mejor calidad para la modelación, pero no
está exento de errores, como se puede apreciar en la
La identificación de cuencas y escurrimientos figura 6.
mediante fotointerpretación, y su contraste con las
mismas variables identificadas mediante operadores
de contexto en ambiente SIG jugó un papel importante
en la determinación y localización de errores. Aunque
se contaba con DEMs de tres fuentes distintas, esta
etapa del trabajo sólo se desarrolló con los modelos de
elevación digital, INEGI y SRTM, pues los errores
presentes en el DEM ASTER le descartaron en forma
automática como fuente de datos confiables para el
modelado hidrológico en nuestra área de estudio
La sobreposición de los vectores generados
mediante procedimientos automatizados en ambiente
SIG a las ortofotos e imágenes del área de estudio,
evidenció incompatibilidades entre la información
altimétrica en formato digital y la red superficial de
drenaje. Dentro de estas incompatibilidades, el
Modelo de INEGI mostró amplias inconsistencias con
las subcuencas observadas en la imagen, no obstante

58

Figura 6. Modelación Hidrológica en dos zonas distintas.
Los contornos de color rojo corresponden a la subcuencas
delimitada por el DEM SRTM y el contorno amarillo
corresponde la subcuencas delimitada por el DEM INEGI.
La line de color azul corresponde a la red real de drenaje.
5 DISCUSION Y CONCLUSIONES
La creciente utilización de Modelos de elevación
digital como fuente de datos topográficos para la
modelación de distintos fenómenos que ocurren en la
superficie terrestre se debe principalmente a la gran
facilidad con la que pueden ser obtenidos. Sin
embargo los DEM como la mayoría de los datos
presentan defectos y limitaciones que deben ser
estudiados y entendidos antes de ser utilizados en
cualquier tipo de estudio. La resolución y por
consiguiente la calidad son dos aspectos que los
investigadores deben tomar en cuenta al momento de
la utilización de datos topográficos. La buena calidad
de los datos de entrada lleva consigo una buena
calidad en los resultados, por lo tanto la calidad y la
resolución deben ser consistentes con la escala de
trabajo, los modelos aplicables y los objetivos del
estudio.
La extracción de DEM a partir de imágenes
ASTER minimiza los costos de obtención de datos
topográficos, pero incrementa las dificultades para una
59
correcta modelación hidrológica. Los resultados
obtenidos en este trabajo, son consistentes con los
hallazgos de otros autores, como Valdivieso, 2007;
quién encontró en la sierra sur de la Ecuador un
RMSE de 24.968, muy parecido al error encontrado
este estudio con los datos de ASTER. La similitud
entre dichos resultados y los que se presentan en este
documento, sugiere que los DEM ASTER carecen de
la precisión necesaria para la zona de estudio y la
escala de trabajo. Estos errores en los DEM ASTER,
que son generados por la existencia de efectos
atmosféricos que impiden que el sensor recupere
información del lugar, o bien por el Angulo del
sensor, que impide el cubrimiento adecuado, sin
embargo, los errores presentes en los modelos, lo
descartan como una fuente de información de calidad
para su utilización en la modelación hidrológica en
escalas grandes, donde se requieren datos de alta
calidad. Los DEM ASTER podrían resultar más útiles
en estudios de poco nivel de detalle, a escalas
pequeñas, que lo posicionan como DEMs se suma
utilidad en disciplinas o procesos donde la calidad
media es suficiente la obtención de datos confiables
Los resultados de este ejercicio, indican que el
RMSE s no constituye por sí mismo un parámetro que
evalué integralmente la calidad del DEM, aunque este
parámetro se encuentre por debajo de límites máximos
permisibles. Esto fue evidente al comparar los
vectores de cuencas generados mediante el
procesamiento de la información digital de los DEMs
de INGI y SRTM, con las cuencas observadas en las
imágenes y ortofotos, Por ejemplo el DEM de INEGI,
que presentó el menor RMSE mostró importantes
inconsistencias con la red superficial de drenaje,
fundamentalmente asociadas con errores sistemáticos
ubicados en los bordes exteriores de los DEMS de
origen, utilizados para el armado del mosaico regional
que abarcara toda la cuenca. La existencia de desfases
de uno o dos metros entre un DEM y otro, no
repercute grandemente en el RMSE global, pero si se
refleja de manera importante, en la configuración
espacial de la red modelada de drenaje. Estos errores
pueden no ser graves cuando se trabaja con el DEM
correspondiente a una sola carta topográfica, pero
adquieren mucha importancia cuando se construye un
mosaico regional para identificar los patrones de
drenaje en cuencas medianas o grandes. Se trata de
errores que deben corregirse para la correcta
Modelación hidrológica.
Los resultados sugieren que el DEM USGS, fue el
mejor para modelar la red superficial de drenaje, pero
tampoco está exento de problemas, que suelen
presentarse fundamentalmente en las zonas planas de
la cuenca Laguna Bustillos.
En general todos los DEMs presentaron errores no
aleatorios, correlacionados entre sí. Este hecho se
comprueba al observar que los errores en zonas planas
tienden a ser sistemáticamente mayores que los
errores en zonas montañosas.
Dadas las fuentes de error observadas en este
trabajo, la fotointerpretación constituyó un valioso
auxiliar para la evaluación de DEMs. No obstante
tratarse de un procedimiento poco sofisticado en el
amplio conjunto de procedimientos para la evaluación
de la hidrología de un territorio, mostró gran utilidad
para la detección de errores, y permitió evaluar la
verdadera calidad de los datos.
AGRADECIMIENTOS
Agradezco a la UACJ y a los fondos del programa de
mejoramiento del profesorado (PROMEP) las
facilidades otorgadas para la realización del presente
trabajo y conseguir las metas planteadas.
REFERENCIAS
Bosque, J. (1997). Sistemas de Información Geográfica.
Madrid, Riapl.
Cuartero, A. (2009). Análisis del error en modelos digitales
de elevaciones según la fuente de datos. Universidad de
Extremadura.
Cooper, M. (1998). Datum’s, coordinates and differences.
Desmet, P. (1997). Effects of interpolation errors on the
analysis of DEMs.
Felicísimo, A. M. (1994). Modelos Digitales del Terreno.
Pentalfa Ediciones.
Guercio, R. a. (1996). GIS Procedures for automatic
extraction of Geomorphological Attributes from TIN-
DTM. HydroGIS 96: Application of Geographic
Information Systems in Hydrology and Watershed
Resources Management (Proceedings of the Vienna
Conference, April 1996. 175-182.
Garbrecht, J. (1997). Methods to Quantify Distributed
Subcatchment Properties from Digital Elevation
Models. 19th Annual AGU Hydrology Days.
60
García, M. P. (2004). Análisis de la cobertura visual de las
torres de detección de incendios forestales, en
chihuahua México. Revista Chapingo.
Hutchinson, M. F. (1988). Calculation of hydrologically
sound digital elevation models. Proceedings of the Third
International Symposium on Spatial Data Handling,
August 17-19, Sydney, International Geographical
Union, Columbus, Ohio., 117-133.
INEGI. (19 de mayo de 2000). Instituto Nacional de
Estadistica y Geografia. Recuperado el 22 de Diciembre
de 2011, de
http://mapserver.inegi.gob.mx/geografia/espanol/normat
ividad/mde/menu.cfm?c=198.
INEGI. (2010). Compendio de criterios y especificaciones
técnicas para la generación de datos e información de
carácter fundamental.
Jenson, S. K. (1988). Extracting topographic structure from
Digital Elevation Data for Geographic Information
System analysis. Photogram, 1593-1600.
Merchant, D. (1987). Spatial accuracy specification for
large scale topographic maps. Photogrammetric
Engineering and Remote Sensing., 958-961.
Pérez Vega, A. y Mas, J. (2009). Evaluación de los errores
de modelos digitales de elevación obtenidos por cuatro
métodos de interpolación. Investigaciones Geográficas,
Boletín del Instituto de Geografía, UNAM, 53-67.
Rieger, W. (1998). A phenomenon-based approach to
upslope contributing area and depressions in DEMs.
Hydrol. Processes., 857-872.
Shearer, J. (1990). The accuracy of digital terrain models.
USGS. (s.f.). Jet Propulsion Laboratory. Recuperado el 05
de Diciembre de 2011, de
http://www2.jpl.nasa.gov/srtm/
(USGS), U. G. (1990). Digital elevation models: data users
guide. Geological Survey.
Valdivieso, F. O. (2007). Extracción de modelos de
elevación digital a partir de imágenes Aster para la
determinación de características morfo métricas de
cuencas hidrográficas. Alcala: Departamento de
Geografía Doctorado en Cartografía, SIG y
Teledetección.
Veregin, H. (1989). Taxonomy of error in spatial databases.
National Center for Geographic Information and, 115.
Wechsler, S. (2003). Perceptions of digital elevation model
uncertainty by DEM unser. Urban and Regional
Information Systems Association Journal., 57-64.
Wise, S. (2000). Assessing the quality for hydrological
applications of digital elevation models derived from
contours. Hydrological Processes 14.
DISEÑO DE
SISTEMAS

61
 MODELO DE UTILIZACIÓN DE UNA PROPUESTA DE ALGORITMOS
PARA ANÁLISIS GEOMÉTRICOS EN SIG
Romanuel Ramón ANTUNEZa, Lidisy HERNÁNDEZ MONTEROa
a
Departamento de GeoInformática, Centro de Desarrollo GEYSED, Universidad de las Ciencias Informáticas,
Cuba, email: rramon@uci.cu

RESUMEN
La mayor parte de los análisis espaciales realizados en los Sistemas de Información Geográfica (SIG) hacen uso
de cálculos geométricos sencillos, a partir de los cuales se construyen algoritmos más complejos.
Tradicionalmente estos cálculos se han desarrollado según métricas euclidianas, sin embargo la información
geográfica ha ganado en disponibilidad y exactitud planimétrica lo que ha provocado que estos cálculos
realizados en los SIG sean poco precisos. Estos errores pudieran llegar a ser notablemente importantes en
algunos casos particulares, tales como en ámbitos muy extensos o proyecciones poco equidistantes.
Por tal motivo en este trabajo se proponen un conjunto de algoritmos, así como un modelo para el empleo de los
mismos, que permitan un correcto y eficiente funcionamiento de las funcionalidades para el cálculo de distancia,
perímetro y área en aplicaciones SIG.
Palabras clave: Algoritmo, Cálculo de Área de Polígonos, Geometría Computacional, SIG.
cálculos realizados en los SIG mediantes métricas
1 INTRODUCCIÓN
euclidianas sean poco precisos (Pesquer Mayos, y
Gran parte de la información manejada a nivel otros, 2003).
empresarial y/o gubernamental presenta una estrecha
Estos errores pudieran llegar a ser notablemente
relación con datos espaciales, por tal motivo la toma
importantes en algunos casos particulares, tales como
de decisiones y la precisión de éstas están
en ámbitos muy extensos o proyecciones poco
condicionadas, en gran medida, por la calidad,
equidistantes. Por consiguiente, se hace necesario
exactitud y actualización de esta información espacial.
sustituir en aquellas herramientas SIG los clásicos
Convirtiéndose entonces los Sistemas de Información
cálculos euclidianos por cálculos que usen algoritmos
Geográfica en herramientas vitales para el apoyo en
geodésicos.
dichas toma de decisiones.
El desarrollo de la presente investigación tiene su
Una de las disciplinas computacionales que
génesis con la creación del proyecto de Investigación
presenta sus aportes de una forma bastante inmediata
Desarrollo (I+D) llamado GeneSIG.
en estos sistemas es la Geometría Computacional.
Este proyecto tiene como propósito principal el
Esta disciplina proporciona criterios para detectar y
desarrollo de la plataforma soberana homónima para
organizar estructuras geométricas, así como su
el desarrollo de SIG en ambiente web. Esta plataforma
representación en pantalla. Desarrolla herramientas
cuenta con un conjunto de módulos donde se agrupan
computacionales para el análisis de problemas
las mayorías de las funcionalidades de los SIG
geométricos y propone estrategias para implementar
convencionales. Unos de estos módulos está orientado
algoritmos eficientes -en cuanto a tiempo de
a las funciones de análisis básicos -o cálculos
ejecución, preferiblemente igual o menor a la clase 𝑂
geométricos- tales como cálculo de distancias,
(𝑛𝑙𝑜 𝑛)- que faciliten la resolución efectiva de estos
perímetros, áreas, entre otras.
problemas computacionales (Coelho de Pina, 2004).
Para un correcto desempeño de estas
Generalmente en esta disciplina los problemas más
funcionalidades es esencial analizar la calidad de las
tratados y aplicados en los SIG han sido trabajados
bases cartográficas que participan, las características
según métricas euclidianas. Por otro lado la
del sistema de referencia -básicamente proyección y
información geográfica ha ganado en disponibilidad y
modelo elipsoide o esférico-, las dimensiones del
exactitud planimétrica lo que ha provocado que estos
ámbito y sus objetivos -resolución de las bases

62
resultantes, precisión planimétrica y temática
requerida, entre otras-. En función de estos
parámetros, las herramientas de análisis SIG deberían
facilitar al usuario no experto en estos temas una
solución válida de forma automática, y al usuario
avanzado un control adecuado para hacer valer su
decisión de usar unos métodos, euclidianos, u otros,
geodésicos. Sería absurdo obligar al usuario a usar
siempre y en cualquier condición los métodos más
precisos pero mucho más lentos de la geodesia
(Pesquer Mayos, y otros, 2003).
En el marco del presente trabajo, se propone un
modelo de aplicación de una propuesta de algoritmos
para el análisis geométrico eficiente en SIG de forma
que se puedan ofrecer en estos sistemas resultados
válidos para las funciones de cálculo de distancia,
perímetro y área para diferentes niveles de usuarios e
intereses tales como tiempo y exactitud de la
respuesta.
2 CONSTRUCCIÓN DE LA PROPUESTA
La presente sección está dedicada a explicar
detalladamente la propuesta de solución al problema
tratado. Primeramente se diseña el modelo general
para la aplicación de algoritmos geométricos en
dependencia del sistema de coordenadas con el que se
trabaje o en dependencia de las preferencias y
conocimientos del usuario. A continuación, se
presentan los algoritmos propuestos para el cálculo de
distancia y perímetro mostrándose como quedarían
sus implementaciones con el empleo del modelo
anteriormente presentado. Finalmente se presenta el
diseño del algoritmo para determinar el área de un
polígono con coordenadas elipsoidales,
conformándose de esa forma toda la propuesta de
solución.
2.1 MODELO GENERAL
Una proyección cartográfica se puede definir como
una biyección; luego por teorema se tiene que si es
una función biyectiva, entonces existe y es
también biyectiva (W. Weisstein, 2011).
Partiendo de este teorema es evidente que si se
trabaja con coordenadas proyectadas es posible
obtener las coordenadas elipsoidales correspondientes
en el elipsoide de referencia del cual se partió. El
modelo propuesto se basa en esta propiedad y
teniendo en cuenta que en un Sistema de Información
Geográfica siempre es conocida la proyección y/o
sistema de coordenadas en el que se está trabajando, la
idea que se presenta es la siguiente:
63
 Si se está trabajando en un sistema proyectado
entonces se puede trabajar con algoritmos
para coordenadas planas o algoritmos para
coordenadas elipsoidales con una previa
transformación de las coordenadas planas
rectangulares a elipsoidales.
o Esta decisión puede ser tomada por el
usuario en caso de ser experto; por
defecto se trabajaría convirtiendo las
coordenadas a elipsoidales.
 En caso de no estar trabajando en un sistema
proyectado entonces se trabajaría con los
algoritmos para las coordenadas elipsoidales.
El modelo en pseudocódigo quedaría de la siguiente
forma:
Modelo Genérico
function X (x: type)
if projection do
if cartesian do
return CartesianX(x: type)
end if
return SphericalX(Transform(x: type))
end if
return SphericalX(x: type)
end function
La variable projection es un booleano que tomaría
valor verdadero en caso de estar trabajándose con un
mapa proyectado y falso en caso distinto, mientras la
variable cartesian sería otro booleano que se
inicializaría en falso para trabajar por defecto con el
algoritmo para las coordenadas elipsoidales, pero que
puede cambiar su valor a petición del usuario.
2.2 ALGORITMO PARA EL CÁLCULO DE
DISTANCIAS
Una vez diseñado el modelo general para el empleo de
algoritmos geométricos en SIG, se procede entonces
a proponer y diseñar en consecuencia al modelo, los
algoritmos para el cálculo de distancias, perímetros y
áreas.
Partiendo de que el determinar la distancia entre
dos puntos será vital para los demás algoritmos se
comienza entonces por la propuesta para este
problema particular.
Para el diseño del algoritmo genérico teniendo en
cuenta el modelo anteriormente planteado se deben
proponer dos métodos para determinar la distancia
entre dos puntos; un primer método para trabajar con Esta nueva fórmula proporciona errores máximos
coordenadas planas y un segundo método para más pequeños que la aproximación pitagórica para
trabajar con coordenadas elipsoidales. latitudes elevadas y grandes distancias.
2.2.1 Método para coordenadas planas Una tercera propuesta para calcular la distancia es
la fórmula de Haversine (Mencia):
Algorithm 1. Cálculo de distancia en el plano
function CartesianDistanceCalculation (_pto1, 𝑙𝑜𝑛 𝑙𝑜𝑛 𝑙𝑜𝑛 (8),
_pto2: Point) 𝑙 𝑙 𝑙 (9),
return sqrt( pow( (_pto2.x – pto1.x), 2 ) +
𝑛 ( ) 𝑙 𝑙
pow( (_pto2.y – pto1.y ), 2 ) )
end function 𝑛 ( )(10),
Donde la función sqrt es la encargada de devolver
el valor de la raíz cuadrada del número que recibe 𝑛 ( 𝑛( √ )) (11),
como parámetro y la función pow es la encargada de
elevar el primer número que recibe como parámetro a (4).
la potencia indicada por el segundo parámetro. La fórmula de Haversine proporciona resultados
matemática y computacionalmente exactos. El
2.2.2 Método para coordenadas Elipsoidales
resultado intermedio , es la distancia en radianes
Para esta instancia del problema se tienen diversos sobre el gran círculo. Mientras la distancia , estará
métodos, tanto iterativos como directos. Sin embargo en las mismas unidades que .
en esta investigación se hará mayor énfasis en los
métodos directos pues por su naturaleza suelen ser La aplicación del mínimo protege de posibles
más eficientes en cuanto a tiempo de ejecución que errores de redondeo que podrían afectar la
los iterativos. computación del arco seno si los dos puntos son
antipodales - en lados opuestos de la Tierra - . Bajo
Son varios los métodos directos que se han estas condiciones, la fórmula de Haversine tiene
planteado, principalmente asumiendo el modelo de resultados adversos, pero el error que puede ser de
tierra esférica. Tal es el caso de la ley de cosenos para hasta dos kilómetros está en el contexto de una
trigonometría esférica (Iglesias, y otros, 1996). distancia de cerca de 20 000 kilómetros, es decir
𝑙 𝑙 (1), cuatro órdenes de diferencia.

𝑙 𝑙 𝑙𝑜𝑛 Luego de analizar las variantes anteriores se

propone emplear la fórmula de Haversine, debido a
𝑙𝑜𝑛 (2), que presenta una mejor estabilidad computacional
𝑜 (3), respecto a las otras, además de ser uno de los métodos
más ampliamente usados y citados en la literatura
(4). especializada. En el algoritmo dos se muestra su
Aunque esta fórmula es matemáticamente exacta, pseudocódigo.
varios autores plantean que es poco fiable
computacionalmente para distancias pequeñas pues el
arco coseno puede introducir considerables errores.
Otro método es el empleo de la fórmula en
coordenadas polares para el modelo de tierra plana:
𝑙 (5),

𝑙 (6),

√ 𝑙𝑜𝑛 𝑙𝑜𝑛 (7),

(4).

64
 Algorithm 2. Cálculo de distancia sobre la esfera similar para el perímetro de un polígono ó la longitud
function SphericalDistanceCalcutation (_pto1, de una polilínea.
_pto2: Point, _radian: bool) La solución a este problema es bastante trivial
_radio ← 6 378 400 partiendo de la propuesta anterior, pues solo seria
iterar en la propuesta anterior cada dos vértices
_dlon ← _pto2.x - _pto1.x adyacentes de la figura geométrica analizada.
_dlat ← _pto2.y - _pto1.y
2.3.1 Pseudocódigo de algoritmo para el
_intcal ← pow(sin(_dlat/2),2) + perímetro
cos(_pto1.y) * cos(_pto2.y) * pow(sin(_dlon/2),2)
_intd ← 2 * arcsin(min(1.0,sqrt(z)))
Algorithm 4. Algoritmo Genérico para el cálculo del
if _radian do
perímetro
return _intd
end if function PolygonPerimeter ( _p: Polygon)
return _radio * _intd if projection do
end function if cartesian do
for i ← 0 to n do
perimeter ←
2.2.3 Pseudocódigo de algoritmo genérico
para la distancia CartesianDistanceCalculation (_p [i], _p[i+1])
end for
Finalmente ya se tienen los métodos tanto para
trabajar con coordenadas planas como en coordenadas else
elipsoidales; por lo que se está en condiciones de for i ← 0 to n do
presentar el diseño completo del algoritmo según el perimeter←SphericalDistanceCalcutation
modelo propuesto. (Transform(_p[i]), Transform(_p[i+1]),
true)
Algorithm 3. Algoritmo genérico para el cálculo de end for
distancia end if
function CalculateDistance (_pto1, _pto2: Point) else
if projection do for i ← 0 to n do
if cartesian do perimeter←SphericalDistanceCalcutation
return CartesianDistanceCalculation (_pto1, (_p[i]), _p[i+1]), true)
_pto2) end for
end if end if
return return perimeter
SphericalDistanceCalcutation(Transform (_pto1), End function
Transform(_pto2), true) 2.4 ALGORITMO PARA EL CÁLCULO DE
end if ÁREAS
return SphericalDistanceCalculation(_pto1, Para completar la propuesta de solución solo resta
_pto2, true) diseñar el algoritmo genérico para determinar el área
end function de un polígono simple. Para ello primero se presenta
el algoritmo para el caso de polígonos planos, se
2.3 ALGORITMO PARA EL CÁLCULO DE prosigue con el diseño de un algoritmo para el caso de
PERÍMETROS polígono esféricos y finalmente se presenta el diseño
Ya una vez confeccionados las propuestas y el diseño general integrando ambos algoritmos en el modelo
del algoritmo genérico para determinar la distancia propuesto al inicio.
entre dos puntos; es posible confeccionar un algoritmo

65
2.4.1 Algoritmo para el área de polígonos
simples en el plano
Uno de los algoritmos más difundido para hallar el
área de un polígono en el plano está basado en la
técnica incremental. Consiste en a partir de un vértice
–vértice inicial- trazar diagonales a los restantes
vértices, obteniendo una triangulación de dicho
polígono, posteriormente el área del polígono en
cuestión sería la sumatoria de las áreas de los
triángulos resultantes.
Hallar el área de un triángulo en el plano, es un
problema de resolución trivial, pues estaría dada por
el producto vectorial dividido entre dos de ⃗⃗⃗⃗⃗⃗⃗⃗⃗ y
⃗⃗⃗⃗⃗⃗⃗⃗⃗ , siendo , y los vértices del triángulo,
por lo que solo quedaría resolver el determinante de la
matriz y dividir el resultado (Chen, 1996).
[ ]
Esto daría el área resultante con signo positivo si
los vértices se toman en sentido anti horario y
expresada en correspondencia con las unidad de
medida en que estén expresados , y .
Este algoritmo presenta una complejidad lineal
𝑂 𝑛 como se puede apreciar en el pseudocódigo del
algoritmo seis:
Algorithm 5. Algoritmo para el cálculo del área de
un polígono en el plano
function SurfaceCartesianPolygon (p: Polygon)
area ← 0
for i ← 0 to p.vertex – 2 do
area ← area + LeftTurn(p.vertex[0], p.vertex[i],
p.vertex[i+1])
end for
if area < 0 do
return (area * -1) / 2
end if
return area / 2
end function
function LeftTurn( pto1, pto2, pto3: Point)
return (pto1.x * pto2.y) – (pto1.y * pto2.x) +
(pto2.x * pto3.y) – (pto2.y * pto3.x) + (pto1.x *
pto3.y) – (pto1.y *pto3.x)
end function
66
En el algoritmo presentando se calculan todas las
áreas de los triángulos dobles y solo se divide al final,
para de esta forma disminuir los errores por
truncamiento que pueden existir al realizar los
cálculos en un ordenador debido al redondeo.
2.4.2 Algoritmo para el área de polígonos
simples esféricos
Para el caso de polígonos simples sobre la superficie
de la esfera se presentó en el capítulo anterior una
fórmula directa para determinar su área:
𝑛
Está fórmula depende solamente de la amplitud de
ángulos interiores del polígono sin embargo impone
una restricción esta condición y que para poder
garantizar que los ángulos que se midan sean
exactamente los interiores del polígono será necesario
tener ordenados los vértices del polígono. En otro
caso la complejidad del algoritmo estaría acotada
inferiormente por la clase de complejidad
debido al ordenamiento de los vértices.
Por tal motivo se diseña otra variante para
determinar el área de estos polígonos de forma
computacional menos costosa. El nuevo diseño
mantiene la misma filosofía incremental del caso para
polígonos en el plano con modificaciones en la forma
de calcular el área de los triángulos.
El algoritmo tiene como única entrada el polígono
al cual se le quiere determinar el área. Primeramente
se selecciona un vértice como inicial, y a partir de este
se trazan líneas geodésicas a los vértices restantes. De
esta forma se obtienen un conjunto de triángulos
esféricos. El próximo paso sería sumar o restar el área
de cada uno de los estos triángulos en dependencia del
giro realizado al recorrer sus vértices.
Para realizar el cálculo del área de estos triángulos,
se calculan las longitudes de sus lados mediante
Haversine. Luego por la fórmula del coseno para
geometrías esféricas se hallan cada uno de los ángulos
y finalmente con estos valores se puede obtener el
área de dichos triángulos.
 Algorithm 6. Algoritmo para el cálculo del área de 2.4.3 Pseudocódigo de algoritmo genérico
un polígono sobre la esfera para el área
function SurfaceSphericalPolygon (p: Polygon) Ya una vez que se cuenta con los algoritmos para el
area ← 0 área de polígonos tanto planos como esféricos se
puede pasar al diseño genérico vinculando ambos
for i ← 0 to p.vertex – 2 do algoritmos con el modelo de empleo propuesto. El
area← area + SurfaceSphericalTriangle algoritmo en pseudocódigo quedaría como sigue en el
(p.vertex[0],p.vertex[i],p.vertex[i+ algoritmo ocho:
1]) Algorithm 7. Variante 1 del algoritmo genérico para
end for el cálculo del área de un polígono
if area < 0 do function CalculateSurface(p: Polygon)
return area * -1 if projection do
end if if cartesian do
return area return SurfaceCartesianPolygon(p)
end function end if
return SurfaceSphericalPolygon(Transform(p))
function SurfaceSphericalTriangle (pto1, pto2, end if
pto3: Point) return SurfaceSphericalPolygon(p)
radio ← 6 378 400 end function
l1 ←
SphericalDistanceCalcutation(pto1,pto2,false) 3 ANÁLISIS DE RESULTADOS
l2 ← Una vez elaborada la propuesta en su totalidad se
SphericalDistanceCalcutation(pto2,pto3,false) procede a analizar los resultados obtenidos con la
l3 ← misma y es este el objetivo del presente capítulo. Para
realizar las pruebas, la propuesta fue implementada en
SphericalDistanceCalcutation(pto1,pto3,false) la plataforma GeneSIG, que tiene como objetivo
a1 ← Fcoseno(l1,l2,l3) facilitar el desarrollo de sistemas de información
a2 ← Fcoseno(l2,l3,l1) geográfica en entornos web.
a3 ← Fcoseno(l3,l1,l2) Estas pruebas se centran principalmente en al
epsilon ← (a1 + a2 + a3) – Pi algoritmo genérico para el cálculo del área de un
area ← epsilon * pow(radio, 2) polígono debido a que es el aporte particular del
trabajo y en él se recogen tanto el modelo como el
if LeftTurn(pto1, pto2, pto3) < 0 do
algoritmo propuesto para determinar la distancia entre
area ← area * -1 dos puntos. Algoritmo que es básico para los demás
end if propuestos.
return area Por otro lado, para la realización de dichas pruebas
end function se utilizaron dos Datums diferentes para poder valorar
que tanto afecta la aproximación del modelo
function Fcoseno (l1, l2, l3: double) elipsoidal mediante el modelo esférico utilizado en los
resultados obtenidos.
cose ← (cos(l1) – cos(l2) * cos(l3)) / (sin(l2) *
Para el primer grupo se empleo un mapa en la
sin(l3))
proyección EPSG: 4267 - +proj=longlat
return arccos(cose) +ellps=clrk66 +datum=NAD27 +no_defs - donde se
end function realizaron varias mediciones que se muestran en la
De esta forma se mantiene el mismo orden de tabla 1.
complejidad –lineal- que para el caso de polígonos
planos.

67
 Tabla 1. Valores de las mediciones de áreas en la

Bielorrusia
Afganistán
proyección EPSG: 4267 con el algoritmo propuesto

África
Sudan
Brasil
Cuba
Región Real(Km2)1 Calculado(Km2) Error

Iraq
(%) Valor Real
40000000
Cuba 110 860 110 685,28 0,157604 30000000 Valor Calculado
Brasil 8 514 877 8 494 424,78 0,240194 20000000
10000000
África 30 221 532 30 337 645,93 -
0
0,384209
Afganistán 652 230 643 255,93 1,375906 Figura 1. Comparación gráfica de los resultados obtenidos
en la proyección EPSG: 4268
Bielorrusia 207 600 205 807,18 0,863593
Iraq 438 317 438 371,35 -

Bielorrusia
Afganistán

África
0,012399

Sudan
Brasil
Cuba

Iraq
Sudan 2 505 813 2 523 981,03 -
35000000 Valor Real
0,725035 30000000
25000000 Valor Calculado
Para el segundo grupo se empleo un mapa en la 20000000
proyección EPSG: 4269 - +proj=longlat 15000000
10000000
+ellps=GRS80 +datum=NAD83 +no_defs- y los 5000000
resultados de estas mediciones se muestran en la tabla 0
2.
Tabla 2. Valores de las mediciones de áreas en la Figura 2. Comparación gráfica de los resultados obtenidos
proyección EPSG: 4269 con el algoritmo propuesto en la proyección EPSG: 4269

Región Real(Km2)1 Calculado(Km2) Error Debe tenerse en cuenta que en el proceso para el
(%) cálculo del área con el algoritmo propuesto se
Cuba 110 860 109 596,22 1,139978 introducen una serie de errores de diferentes
naturalezas. Como es el caso de, los inherentes a la
Brasil 8 514 877 8 542 428,29 -0,323531 proyección -respecto al modelo real de la tierra-, los
África 30 221 532 30 285 459,18 -0,211529 introducidos por el modelo esférico utilizado en la
concepción del algoritmo, los introducidos por el
Afganistá 652 230 640 346,02 1,822054 cálculo en un ordenador y si se agrega el error en el
n trazo humano realizado en la aplicación para las
Bielorrusi 207 600 205 706,52 0,912081 mediciones –Apéndices del A1 al A3 -, se puede
observar que los resultados son completamente
a satisfactorios pues a pesar de la propagación existente
Iraq 438 317 438 539,59 -0,050783 de estos errores, el promedio de los errores relativos
no supera el 1%, en ninguno de los dos casos.
Sudan 2 505 813 2 530 590,78 -0,988812
Una vez realizadas las mediciones se procede 4 CONCLUSIONES
mostrar de forma gráfica que tan cercano a los valores • La aproximación del esferoide/elipsoide a una
reales fueron los valores obtenidos para estas esfera permite obtener algoritmos sencillos y
mediciones como se muestran en las figuras 1 y 2. válidos, con un mínimo de sacrificio en la
exactitud de los resultados, para cálculos
1
Datos tomados de CIA the world factbook disponible en: geométricos sobre su superficie.
https://www.cia.gov/library/publications/the-world-
factbook/geos/af.html • Se elimina la utilización de algoritmos
geodésicos cuando se trabaja en coordenadas

68
 geográficas, obteniéndose algoritmos eficientes A.3 MEDICIÓN DE CUBA
(complejidad O(n)).
• La combinación de estos algoritmos con los
clásicos euclidianos, teniendo en cuenta las
características de los datos, permite dar
soluciones a diferentes niveles de exigencia de
los usuarios.

APÉNDICE DE ALGUNAS IMÁGENES

DE LAS MEDICIONES REALIZADAS
A.1 MEDICIÓN DE ÁFRICA
Figura 5. Polígono trazado para determinar el área de Cuba

REFERENCIAS
Barrero Ripoll, Manuel, y otros. 2008. Trigonometía
Esférica Fundamentos. Madrid : E.T.S.I en Topografía,
Geodesia y Cartografía, 2008. ISBN:84-96244-13-x.
Chen, J. 1996. Computational Geometry - Methods and
Appilcations. Texas : A&M University, Computer
Science Departament, 1996.
Coelho de Pina, José. 2004. www.ime.usp.br. Instituto de
Matemática e Estatística. [En línea] 2004.
Figura 3. Polígono trazado para determinar el área de http://www.ime.usp.br/~cris/mac331/intro.pdf.
África de Berg, M. y Van Kreveld, M. 1997. Computational
Geometry - Algorithms and Applications. s.l. : Springer,
A.2 MEDICIÓN DE BRASIL 1997.
Fallas, Jorge. 2003. PROYECCIONES CARTOGRÁFICAS
Y DATUM ¿Qué son y para qué sirven? TeleSig-
Universidad Nacional : Laboratorio de Teledetección y
Sistemas de Información Geográfica PRMVS-EDECA,
2003.
García Alvarado, Martín Giraldo. 2002. El Siglo de la
Geometria. Apuntes de Historia de las Matématicas.
mayo de 2002, Vol. 1, No. 2.
Goizueta, Javier. 2006. Sistemas de Referencia Geodésicos.
Proyecciones Cartográficas. s.l. : ECAS Técnicos
Asociados S.A., 2006.
H. Cormen, T., E. Leirserson, C. y L. Rivest, R.
Introduction to Algorithms.
Figura 4. Polígono trazado para determinar el área de Iglesias, M. y M., A. 1996. Trigonometría Esférica. Breve
Brasil Introducción a la navegación. Universidad del País
Vasco : Servicio Editorial, 1996.
Jackson, J.E. 1980. Sphere, Spheroid and Projection.
London : Granada, 1980.
Lauf, G. B. 1983. Geodesy and Map Projection. Victoria,
Australia : TAFE publications, 1983.
Martín Asín, F. 1983. Geodesia y Cratografía Matemática.
Madrid : Paraninfo S.A., 1983.
Mencia, J. Nociones de trigonometría esférica. Universidad
del País Vasco-Euskal Herriko. : s.n.
Olaya, Victor, y otros. 2007. Sistemas de Información
Geográfica. s.l. : OSGEO, 2007.
Ortiz, Gabriel. 2003. gabrielortiz.com. Tu web sobre
Sistemas de Información Geográfica GIS- SIG. [En

69
 línea] 2003.
http://recursos.gabrielortiz.com/index.asp?destino=dicci
onario&termino=geoide%20%28geoid%29.
P. Preparata, F. y Shamos, M. I. Computational Geometry
an Introduction.
Peña Lloips, Juan. 2006. Sistemas de Informacion
Geográfica Aplicados a la Gestión del Territorio.
Universidad de Alicante : Editorial Club Universitario ,
2006. ISBN:84-8454-493-1.
Pesquer Mayos, Lluís, Pons Fernández, Xavier y Masó Pau,
Joan. 2003. International Society for Photogrametry and
Remote Sensing. www.isprs.org. [En línea] septiembre
de 2003.
70
http://www.isprs.org/publications/related/semana_geom
atica05/front/abstracts/Dimarts8/G08_abs.pdf.
Robinson, A.H., y otros. 1984. Elements of Cartography.
New york : John Wiley and Sons, 1984.
S. Chinea, Carlos. 2002. LAS FÓRMULAS DE LA
TRIGONOMETRIA ESFERICA. 2002.
Snyder, J.P. 1987. Map Projection - A Working Manual.
Washinton : United State Goverment Printing Office,
1987.
W. Weisstein, Eric. 2011. Bijective. WolframMathWorld.
[En línea] Wolfram Research, Inc., 2011.
http://mathworld.wolfram.com/Bijective.html.
OCEANOGRAFÍA

71
ANÁLISIS DE LA FENOMENOLOGÍA SUPERFICIAL DE MESOESCALA
EN EL SISTEMA DE LA CORRIENTE DE CALIFORNIA (1981-2005)
Ricardo GARCÍA MORALESa, Roberto FÉLIX URAGAa*, Bernardo SHIRASAGO GERMANa*,
Maclovio OBESO NIEBLASa*, Kevin T. HILLb.
a
Av. Instituto Politécnico Nacional s/n Col. Playa Palo de Santa Rita Apdo. Postal 592. Código Postal 23096. La
Paz, B.C.S. México Tels. (52+612)1234658, 1234734 y 1234666. Fax (52+612) 122-53-22. Autor: Estudiante de
Doctorado, coautores Profesores investigadores *Becarios COFAA y EDI. e-mail: rigarciam@ipn.mx.
b
Southwest Fisheries Science Center, Fisheries Resources Division 3333 North Torrey Pines Court La Jolla,
CA 92037-1022. Investigador.

RESUMEN
Las corrientes de sistemas orientales son un importante componente del sistema del clima global porque
absorben grandes cantidades de energía de la atmósfera. En los océanos subtropicales del hemisferio norte, el
mayor intercambio de energía ocurre en la región del Sistema de la Corriente de California (SCC). En el Océano
Pacífico Nororiental se ha identificado una variabilidad oceanográfica de diferentes escalas la cual se encuentra
influenciada por el SCC, en donde se consideran tres ciclos importantes de variación: la variación estacional,
surgencias costeras y la variación interanual. El objetivo principal de este estudio es analizar la variabilidad de
algunas condiciones oceanográficas superficiales en el Sistema de la Corriente de California que determinan la
circulación y zonas de alta productividad durante el período de 1981 a 2005. Se utilizarán imágenes mensuales
de Temperatura Superficial del Mar y de clorofila “a”, con 1 km de resolución. Lo anterior servirá para analizar
la variabilidad oceanográfica y para dilucidar estructuras oceanográficas de mesoescala, como la manifestación
de corrientes, surgencias, remolinos ciclónicos y anticiclónicos, frentes y filamentos. En el análisis de las
imágenes se detectó un total de 741 fenómenos de mesoescala los cuales se observaron con mayor frecuencia en
primavera con (274), verano con (219) seguido de la temporada de invierno observándose (165) y por ultimo
otoño con (83).
Palabras clave: Corrientes, variabilidad, circulación, mesoescala, temperatura, productividad.

1. INTRODUCCION. el mecanismo del transporte de Sverdrup (Sverdrup,

Desde el inicio de los estudios de las comunidades
marinas se ha observado que la distribución de las
especies sigue gradientes reconocibles asociados a
variables ambientales tanto como físicos o biológicas,
las cuales han sido utilizados como indicadores de
características particulares del ambiente (Ekman,
1953). Las corrientes de sistemas orientales son un
importante componente del sistema del clima global
porque absorben grandes cantidades de energía de la
atmósfera (Edwards y Nelly, 2007). En los océanos
subtropicales del hemisferio norte, el mayor
intercambio de energía ocurre en la región del Sistema
de la Corriente de California (SCC) (Josey, et al.,
1998). La región del SCC en los sucesivo, se asocia al
área comprendida entre los 23° N y los 48° N
(Sverdrup, et al., 1942), con límite Oeste cercano a
1000 Km. de la costa (Reid, et al., 1973). La Corriente
de California recorre, de norte a sur, gran parte de la
costa oeste de Norteamérica. Esto es consistente con
1947) que relaciona el rotacional negativo del viento y
las corrientes oceánicas hacia el ecuador. Por el
mismo mecanismo, se espera que se desarrolle una
corriente hacia el polo cerca de la costa, en donde el
rotacional del viento es positivo entre la costa en los
primeros 200 km hacia mar adentro (Bakun y Nelson,
1991). Lo que explica parcialmente la presencia de
una contracorriente costera que se ha observado
principalmente en el invierno (Munk, 1950).
En primavera los vientos a lo largo de la costa
tienen dirección hacia el ecuador lo que favorece a las
surgencias costeras (McCreary, et al., 1985), creando
un chorro costero que fluye hacia el ecuador, y
asociado a este una contracorriente subsuperficial que
fluye hacia el polo. (Hickey, 1998). Entre los 100 y
300 m de profundidad este flujo presenta su máxima
intensidad. Se ha reportado que éste flujo puede ser
continuo a lo largo de grandes distancias (Pierce et al.,
2000), el flujo ha sido observado desde la punta de
Baja California hasta más al norte de la Columbia

72
Británica (Wooster, y Jones, 1970; Gómez-Valdés, 2. HIPOTESIS
1984; Lynn y Simpson, 1987; Collins, et al., 1996;
El hábitat de la sardina del Pacífico en el borde
Garfield, et al., 1999; Garfield, et al., 2001).
oriental del Sistema de la Corriente de California, está
Entre la costa y la zona de transición se desarrolla determinado por la variabilidad estacional e interanual
casi permanentemente un cinturón de aguas frías y de de las condiciones oceanográficas que prevalecen en
alta productividad biológica (Bograd, et al., 2002). En este sistema y que permiten la identificación de
la costa oeste del Continente Americano, los vientos diferentes stocks.
que soplan hacia el ecuador paralelos a la costa
generan un transporte de agua (transporte de Ekman) 3. OBJETIVOS
hacia fuera de la costa (Bakun y Nelson, 1991). Esto 3.1 OBJETIVO GENERAL.
induce un afloramiento de aguas frías y ricas en
nutrientes. El afloramiento o surgencia de aguas se da Analizar la variabilidad de algunas condiciones
a la par con un levantamiento de las isopicnas, oceanográficas superficiales en el Sistema de la
acontecimiento que genera un flujo geostrófico en la Corriente de California, que determinan la
misma dirección que el transporte de Sverdrup. Se ha distribución de los stocks de sardina del Pacifico,
propuesto que, cerca del cinturón de surgencias, frente durante el período de 1981 a 2005.
a las costas de California, se desarrolla la 3.2 OBJETIVOS ESPECÍFICOS.
Contracorriente Superficial Costera (CSC),
1. Determinar la evolución de las condiciones
particularmente durante los meses de otoño e invierno
oceanográficas y de estructuras mesoescalares y de los
(Lynn y Simpson, 1987); frente a las costas de Baja
efectos de los fenómenos de macro-escala El Niño,
California no hay suficientes evidencias de su
La Niña y el PDO.
desarrollo.
2. Encontrar las relaciones existentes entre los marcos
Por otra parte las sardinas se distribuyen en los
oceanográficos que determinan la distribución y
sistemas de corrientes altamente productivos y
abundancia de los stocks de sardina.
variables como lo son los bordes de los sistemas de
corrientes orientales, como las encontradas frente a las
4. MATERIALES Y MÉTODOS.
costas de Sudáfrica-Namibia, Australia-Nueva
Zelanda, Chile-Perú, Japón-Rusia y México-EUA- 4.1 ÁREA DE ESTUDIO.
Canadá (Grant & Leslie, 1996; Parrish, et al., 1989; El área de estudio abarca desde la costa Vancouver
citado en Ward y Staunton-Smith 2002). Dos aproximadamente a los 50ºN, hasta la parte sur de la
características significativas de la sardina son: su Península de Baja California aproximadamente a los
extensa distribución anti-tropical es decir que se 22°N, (figura 1).
distribuye en las zonas templadas de los océanos y la
asociación a los sistemas de corrientes de mayor
productividad como la Corriente de California la cual
se extiende sobre tres provincias geográficas,
influenciada por una zona costera de surgencias y tres
masas de agua oceánicas (Moser, et al., 1993, Félix
Uraga, 2006).
La distribución de la Sardina en el SCC varía
dependiendo de su abundancia. Cuando la población
es muy alta, su distribución va desde el sureste de
Alaska hasta la punta sur de la Península de Baja
California y Golfo de California, dominando por
completo la zona nerítica del Océano (Kramer y
Smith, 1971, Parrish, et al., 1989; citado en Félix-
Uraga, 2006).

73

Figura 1. Mapa de la zona de estudio y zonas de pesca de
la sardina del pacifico.
4.2 IMÁGENES DE TSM, CHL “A”.
Para este estudio se utilizaron imágenes mensuales de
Temperatura Superficial del Mar (TSM), del sensor
NOAA-AVHRR para los años de (1981-2000) y
MODIS-Aqua y MODIS-Terra para los años de
(2001-2005) (Fig. 2). Otras de clorofila “a” CZCS
para (1981-1986), OCTS y SeaWIFS para (1997),
MODIS-Aqua y MODIS-Terra y Meris para el (2002-
2005), con 1.1 km de resolución tipo HRPT (High
Resolution Picture Transmition), en formato HDF
(Hierarchical Data Format), obtenidas de Scripps
Intitution of Oceanography, University of California,
San Diego para en el noroeste del Pacifico en los años
(1981-2005) (Figura 3).
74
Figura 2. Imagen de TSM para noroeste del Pacífico.
Figura 3. Imagen de concentración de clorofila “a” para
noroeste del Pacífico
4.3 DINÁMICA OCEANOGRÁFICA.
Los análisis anteriores servirán para analizar la
variabilidad oceanográfica para dilucidar estructuras
oceanográficas de mesoescala en el área de estudio,
como la manifestación de corrientes, surgencias,
remolinos ciclónicos y anticiclónicos y filamentos.
La identificación de los giros en las imágenes de
satélite se realizará como en estudios previos (Pegau
et al 2002; López 2005; Zamudio, 2008, García-
Morales, 2008), en las cuales estos pueden detectarse
mediante una mayor o menor concentración de
pigmentos en su borde que a la de su entorno, y el
sentido del giro se determina observando el origen del
giro, que en la mayoría de los caos es en la zona
costera con valores de concentración iguales o
mayores que en el borde del giro y un final de bajas
concentraciones de pigmentos y en muchas ocasiones
no se presenta cerrado el círculo del remolino dando
como resultado el sentido del giro. La circulación
superficial es inferida de las imágenes de
concentración de clorofila “a”, puesto que está
comprobada la utilidad de los pigmentos fotosintéticos
como trazadores de estructuras mesoescalares (Pegau
et al. 2002), (fig. 4); y estas imágenes pueden resultar
más confiables que las imágenes de temperatura
superficial del mar, considerando que en algunos
partes de los océanos el intenso calentamiento solar
puede eliminar los gradientes de temperatura
superficial rápidamente (Paden et al. 1991; Pegau et
al. 2002).
a relación entre la TSM y Chl “a” para el stock
f con captura y Chl “a” (Tabla 1). En las tablas 2,3 y 4
c Tabla.1 Correlación Spearman para capturas,
Oscilación Decadal del Pacífico), El Niño y La Niña,
los cuales se promediaran estacionalmente. De las
cuales, se extraerán los datos correspondientes a los
años de estudio con lo que se obtendrá la variación
estacional de los mismo.
Para establecer las relaciones entre las variables
oceanográficas y la dinámica poblacional de la
sardina, se utilizarán análisis de correlación
(Spearman) esta prueba estadística permite medir la
correlación o asociación de dos variables.
5. RESULTADOS
5.1 CORRELACIÓN Y ASOCIACIÓN
ENTRE CAPTURAS Y VARIABLES
AMBIENTALES.
En general se observa que los resultados obtenidos de
los diagramas de dispersión se observa una eventual
templado sur en las zonas de Bahía Magdalena, Isla
Cedros, Ensenada y San Pedro. Donde el 100% de las
asociaciones muestran que la proporción que indica la
correlación entre capturas y TSM es significativa.
Para el stock frio solo el 75% de las correlaciones
muestran eventual relación o correlación significativa
las correlaciones entre capturas varían conforme a la
espacio y tiempo de los de fenómenos oceanográficos
tal y como lo muestra cada correlación de las tablas.
TSM y Chl. “a”.
CORRELACION SPEARMAN PARA LOS DATOS DE CLOROFILA "a" Y TSM para el Stock Templado y frio
Stock Captura VS TSM Captura VS Chl "a" Chl "a" VS TSM
BM-IC (TEMP-SUR) -0.81 0.76 -0.07

EN-SP (TEMP-NORTE) 0.83 -0.77 -0.21

EN-SP (FRIO-SUR) -0.93 0.18 -0.21

MTY- OW (FRIO-NORTE) 0.79 0.53 0.9

Figura 4. Imagen de concentración de clorofila “a” para

noroeste del Pacífico en la cual muestra un giro
Tabla 2. Correlación Spearman para capturas y
anticiclónico (a) ciclónico (c) y filamentos (f).
total de fenómenos por zona.
4.4 ANÁLISIS DE DATOS.
Correlacion Spearman para los datos De Fenomenologia
Se hicieron tablas de la fenomenología por cada mes
Totales Fenomenos, Capturas Anual por zona de pesca
en la zona de estudio especificando número y tipo
Captura X Año y total Fenomenos Giro ciclonico Giro anticiclonico Surgencias Filamentos Eddies
estructura de mesoescala en los años con la finalidad
Spearman
de encontrar el patrón de circulación y duración de la
R -0.83 -0.20 -0.94 -0.43 -0.14
misma.
p˂.05 0.04 0.70 0.00 0.40 0.79
Se utilizaron bases de datos mensuales históricas
de los índices ambientales, PDOI (Índice de

75
 Tabla 3. Correlación Spearman para capturas y desfavorables para el sustento primario de las redes
fenómenos por año tróficas.

Totales de fenomenos por Año en el SCC AGRADECIMIENTOS

Spearman Captura X Año y Fenomenos TSM Chl "a" Giro anticiclonico Surgencias Al Instituto Politécnico Nacional por permitir realizar
mis estudios en el Programa de Doctorado en Ciencias
R 0.68 -0.37 0.85 0.50 0.76
Marinas en el Laboratorio de Oceanología a y el
p˂.05 0.01 0.17 0.00 0.06 0.00 Laboratorio de Dinámica Poblacional también al
apoyo económico para la asistencia a congresos por
Tabla 4. Correlación Spearman para capturas, parte de La Comisión de Operación y Fomento de
fenómenos por temporada en cada zona. Actividades Académicas del IPN y al CONACYT por
Total de fenomenos y capturas por temporadas para el SCC por Zonas el la beca otorgada para la realizar dichos estudios.
Spearman BM Capturas Y fenomenos Giro ciclonico Giro anticiclonico Surgencias Filamentos Eddies El Niño por Temporada PDO por Temporada Indice de Surgencias
R 0.80 -0.21 0.45 0.63 0.95 0.74 0.80 0.40 0.40 REFERENCIAS
p˂.05 0.20 0.79 0.55 0.37 0.05 0.26 0.20 0.60 0.60
Spearman IC
Bakun A. y C.S. Nelson, 1991. The seasonal cycle of wind-
R 0.80 0.80 0.40 0.80 0.80 0.00 1.00 0.80 stress curl in subtropical Eastern Boundary Current
p˂.05 0.20 0.20 0.60 0.20 0.20 1.00 0.20 Regions. J. Phys. Oceanogr. 21(12): 1815-1834.
Spearman EN Bograd, S. J., F. B. Schwing, R. Mendelssohn, and P.
R -0.80 -0.63 0.26 -1.00 -0.80 -0.45 0.00 -1.00 -0.40 Green-Jessen (2002), On the changing seasonality over
p˂.05 0.20 0.37 0.74 0.20 0.55 1.00 0.60 the North Pacific, Geophys. Res. Lett., 29(4), 1333,
Spearman SP doi:10.1029/2001GL013790.
R 0.00 0.21 0.80 0.00 -1.00 -1.00 0.00 -0.60 Collins, C.A., N. Garfield, R.G. Paquette y E. Carter, 1996.
p˂.05 1.00 0.79 0.20 1.00 1.00 0.40
Lagrangian measurement of subsurface poleward flow
Spearman MY
R -0.80 0.32 -0.40 -0.80 -0.80 0.00 -1.00 -0.40
between 38°N and 43°N along the West Coast of the
p˂.05 0.20 0.68 0.60 0.20 0.20 1.00 0.60 United States during summer. 1993. Geophys. Res. Lett.
Spearman O&W 23: 2461–2464.
R 0.40 0.20 0.32 0.40 0.00 -0.74 0.80 -0.60 0.80 Ekman, S. 1953. Zoogeography of the sea. Sidwick and
p˂.05 0.60 0.80 0.68 0.60 1.00 0.26 0.20 0.40 0.20 Jackson Ltd. London. 417 pp.
0.50 0.50 0.50 0.50 -0.50 -0.87 0.50 -0.50 0.50 Félix-Uraga, R. 2006. Dinamica Poblacional de la Sardina
del Pacifico Sardinops sagax (Jenyns 1842)
6. CONCLUSIONES. (Clupeiformes: Clupeidae), en la costa Oeste de la
Peninsula de Baja California y Baja California Sur.
Se detectaron una serie de estructuras de mesoescala, Garfield, N., C.A. Collins, R.G. Paquette y E. Carter, 1999.
como son las surgencias estacionales, los remolinos Lagrangian Exploration of the California Undercurrent,
ciclónicos y anticiclónicos en diversas partes del SCC 1992-95. J. Phys. Oceanogr. 29: 560-583.
y filamentos de concentración de clorofila “a”, fueron Garfield, N., M.E. Maltrud, C.A. Collins, T.A. Rago y R.G.
mayormente detectas en las imágenes de clorofila “a”, Paquette, 2001. Lagrangian flow in the
mediante bajas o altas concentraciones, ya que en las Grant, W. S., & R. W. Leslie 1996. Late Pleistocene
imágenes de temperatura superficial del mar fueron dispersal of Indian-Pacific sardine populations in an
ancient lineage of the genus Sardinops. Mar. Biol. 126:
enmascaradas por el calentamiento superficial o por
133-142.
los débiles gradientes de temperatura que presentaron Gómez-Valdés, J., 1984. Análisis volumétricos frente a
dichas estructuras. Baja California Norte. Cienc. Mar. 10 (1): 69-75.
El análisis oceanográfico realizado por meses y Hickey, B., .Coastal Oceanography of Western North
años en el SCC permitió determinar, en gran medida, America from the Tip of Baja California to Vancouver
la evolución de su dinámica superficial de mesoescala, Island; Coastal Segment. in The Sea, Robinson, A.R.,
and Brink, K. H., pp 12,947-12,966, 1998.California
permitiendo establecer los marcos oceanográficos, en Undercurrent, an observation and model comparison. J.
los que se distribuyen los stocks de Sardina del Mar. Syst. 29: 201-220.
Pacífico. Lynn, R., y J. Simpson. 1987. The California Current
Cabe señalar el fuerte impacto que sufre el SCC, System: The seasonal variability of its physical
debido a los efectos de variabilidad climática de characteristics. J. Geophy. Res. 92(C12), 12947-12966.
McCreary, J.P. y P.K. Kundu, 1985. Western boundary
macro escala y mesoescala durante en los años de
circulation driven by an alongshore wind: With
estudio, producen condiciones favorables o

76
 application to the Somali Current system. J. Mar. Res.
43, 493 – 516.
Munk, W. H., 1950. On the wind-driven ocean circulation.
J. Meteor. 7: 79–93.
Moser, H. G., R. L. Charter, P. E. Smith, D. A. Ambrose, S.
R. Charter, C. A. Meyer, E. M. Sandknop & W.
Watson. 1993. Distributional atlas of fish larvae and
eggs in the California Current region: taxa with 1000 or
77
more total larvae, 1951 through 1984. CalCOFI Atlas,
31.
Parrish, R. H., R, Serra & W. S. Grant. 1989. The
monotypic sardines, Sardina and Sardinops: Their
taxonomy, distribution, stock structure, and
zoogeography. Can. J. Fish. Aquat. Sci. 46: 2019-2036.
Sverdrup, H.U., 1947. Wind-driven currents in a baroclinic
ocean; with application to the equatorial current of the
eastern. Pacific. Proc. Nat. Acad. Sci. 33:318 – 326.
 ANÁLISIS ESPACIO-TEMPORAL DE LA TEMPERATURA
SUPERFICIAL DEL MAR EN EL PACÍFICO SUR MEXICANO USANDO
IMÁGENES SATELITALES
Laura Marcela PEREZ SAMPABLOa, Raúl AGUIRRE GÓMEZb
a
Universidad del Mar, Campus Puerto Ángel, Pto. Ángel, Pochutla, Oaxaca. laura.persamp@gmail.com
b
Instituto de Geografía, UNAM.

RESUMEN
En oceanografía, el uso de sensores remotos presenta una gran ventaja que permite obtener gran cantidad de
datos a escala espacial y temporal bastante grandes. Lo que permite estudiar fenómenos oceánicos de alta
frecuencia y eventos de meso y gran escala. En el presente trabajo se utilizaron 158 imágenes satelitales de
temperatura superficial del mar (TSM) de resolución 1.1 Km del sensor AVHRR (Advanced Very High
Resolution Radiomater) de la serie NOAA, para analizar 15 puntos de muestro de la superficie marina en la zona
sur del Pacífico mexicano, abarcando las costas de Guerrero, Oaxaca y Chiapas (10º-18º N y 85º-105º O) para el
periodo 1996-2009. Se obtuvo la climatología y la anomalía de la TSM así como el análisis espectral de la serie
de tiempo para cada punto, utilizando la Transformada Rápida de Fourier. La TSM muestra una señal estacional
con máximos durante verano-otoño (30°C) y mínimos en invierno-primavera (27.5°C). El valor de anomalía
positiva máxima es de +2.4 y mínima de +0.75; mientras que la anomalía negativa máxima es de -5.2 y la
mínima de -0.8. El análisis espectral de las series muestra la presencia de procesos con periodicidades de 12, 27,
40 y 81, meses. De acuerdo al periodograma, la densidad espectral es mayor para los periodos de 12 y 81 meses,
con valor de 45347, en comparación con los puntos restantes donde los valores descienden hasta 11308. El Golfo
de Tehuantepec es la región donde se presentan los valores más altos de densidad espectral de la zona en estudio.
Palabras clave: Pacífico Sur mexicano, imágenes AVHRR-NOAA, TSM, ATSM, periodogramas.
con el fin de encontrar periodicidades típicas lo largo
1 INTRODUCCIÓN
de la serie de tiempo.
La información satelital que los sensores captan,
Los trabajos realizados en el Pacífico sur mexicano
almacenan y envían a las estaciones ubicadas en tierra
usando información satelital, es bastante extensa
pueden ser de temperatura superficial del mar (TSM),
principalmente enfocada en el Golfo de Tehuantepec
color del océano, altimetría, entre otras. En particular
(GT). Sin embargo, son limitados los trabajos donde
las imágenes de satélite de temperatura superficial del
se utilizan series temporales largas y un análisis
mar (TSM) obtenidas por el sensor AVHRR
espectral. Por citar algunos ejemplos de estudios
(Advanced Very High Resolution Radiometer, por sus
relacionados con el comportamiento de la TSM y la
siglas en inglés) de la serie NOAA, son utilizadas para
circulación superficial observada en la zona, se
estudios oceanográficos de circulación, masas de
encuentran los realizados por Strong et al., (1972);
agua, productividad y comportamientos anómalos de
Stumpf (1975); Stumpf y Legeckis (1977); Müller-
la temperatura del mar en eventos de escala global
Karger y Fuentes-Yaco (2000); Gaytán Troncoso et
como el caso del PDO o el evento ENSO (Paden et
al., (2001), González-Silvera et al., (2004) y otros.
al., 1991).
El presente trabajo tiene como objetivo describir y
Las imágenes infrarrojas obtenidas de satélites son
analizar la variación espacio-temporal de la
una herramienta útil de bajo costo en el estudio de los
temperatura superficial del mar (TSM), en la región
procesos oceánicos en las capas superficiales, debido
del Pacífico sur mexicano en un período de catorce
a que la información es de alta resolución temporal y
años (1996-2009), utilizando imágenes de satélite
amplia cobertura espacial, permitiendo tener una
capturadas a través del sensor AVHRR (Advanced
visión en conjunto del objeto de estudio y de su
Very High Resolution Radiometer) de la serie NOAA
entorno. La alta resolución temporal permite trabajar
(National Oceanic and Atmospheric Administration).
con la información a través de un análisis espectral
Para ello se determinó la climatología y anomalía de

78
la TSM mensual y mediante un análisis espectral
usando la Transformada Rápida de Fourier se
identificó las periodicidades más sobresalientes del
periodo 1996-2009.
2. METODOLOGÍA
2.1. ÁREA DE ESTUDIO
La región de estudio se encuentra entre los 10º y 18º
N y 85º y 105º W, abarca la plataforma continental de
los estados de Guerrero, Oaxaca y Chiapas;
perteneciente a la zona oceanográfica del Océano
Pacífico Tropical Oriental. El trabajo se enfocó a
quince puntos localizados a lo largo de la costa, con
latitudes y longitudes, mostradas en la figura 1.
estacional, ocurriendo máximos de temperatura en los
meses de verano, principalmente en julio y agosto y
los mínimos en los meses de invierno, entre
noviembre y febrero. Durante el periodo invierno-
primavera los menores niveles de insolación son
causantes del enfriamiento de las aguas superficiales
llegando alcanzar mínimos entre 27.5 y 28°C;
mientras que las temperaturas más elevadas se
registran durante verano-otoño, cuando la insolación
es mayor, con valores de 29.5 a 30°C (Fig.2)

Figura 2. Climatología de la TSM para un año promedio

En la Fig. 3 se observa la variabilidad de la TSM

en el modo espacial y temporal. En el modo temporal
se observan marcadas variaciones interanuales con
una clara estacionalidad. Los meses más cálidos son y
los más fríos son en forma cíclica. Sin embargo, se
observan periodos más cálidos a mediados de los años
1996, 1997, 2000 a 2004, 2006, 2007 y 2009 con
Figura. 1. Área de estudio y puntos de muestreo
temperaturas de 30 a 32°C. Mientras que los periodos
2.2. DATOS UTILIZADOS más fríos (tonos de color azul) se ubican a inicios de
cada año, en particular en 1999, 2000, 2001, 2002,
La serie de tiempo analizada es de temperatura 2006, 2008 y 2009 con valores de 24-22°C.
superficial del mar (TSM) para el periodo 1996-2009
y fue obtenida de compuestos mensuales de TSM
derivadas imágenes satelitales del sensor AVHRR-
NOAA.
2.3.TRATAMIENTO DE LA INFORMACIÓN
Se obtuvieron promedios mensuales y a partir de éstos
las anomalías climatológicas (ATSM). Mediante un
análisis espectral usando la Transformada Rápida de
Fourier y las ATSM se identificaron las
periodicidades más importantes de la serie de tiempo,
siendo representadas en gráficos de periodogramas.
Figura 3. Contornos de TSM, puntos 1-15 (1996-2009)
3. RESULTADOS
En épocas de ENOS se inhibe la surgencia de
3.1. PROMEDIOS DE TSM Tehuantepec y esto se observa en 1997-1998. En el
La TSM promedio anual para la zona de estudio modo espacial se observa una estructura térmica
durante el periodo 1996-2009, presenta una señal compuesta por tres franjas, la primera franja que

79
corresponde a los puntos 1 a 5 (costas de Guerrero) positivas inicia entre octubre-noviembre de 2000 y
presenta temperaturas cálidas que van de 28-31°C. finaliza en 2009, es el período más largo y el valor de
Posteriormente entre los puntos 6 a 11 (costas de anomalía máxima se encuentra en +1.7. Los campos
Oaxaca, incluyendo el GT) se presenta una franja de de anomalías negativas inician a principios de 1998
temperaturas frías (24 a 26°C), provocado por una finalizando a inicios de 2000. El punto 1 presenta las
diferencia de presión entre el Golfo de México y el anomalías más frías de los puntos descritos, siendo
Istmo de Tehuantepec, a través del Paso Chivela, por agosto el que presenta la máxima anomalía de -2.69.
donde se canaliza un chorro intenso de viento frío y
seco que cruza hacia el Pacífico que se extiende
cientos de kilómetros con duración de 1 a 15 días
hacia fuera del Océano Pacífico particularmente sobre
el Golfo de Tehuantepec (Barton et al. 1993; Trasviña
et al. 1995) ocasionando la disminución de la
temperatura. La tercera franja térmica (Puntos 12-15,
costas de Chiapas) es de temperaturas cálidas de 29 a
32°; las cuales son emanadas de las aguas cálidas
provenientes del ecuador.
Puesto que la región de estudio es influenciada por
el evento de gran escala (ENOS, La Niña) durante el
periodo de estudio es posible identificarlos y
relacionarlos con las épocas frías y cálidas
mencionadas anteriormente. De acuerdo con la tabla I,
realizada mediante una revisión bibliográfica y usando
El Índice Multivariado del ENOS (MEI, por sus siglas
en inglés) los años 1997-1998 y 2002-2003, Figura 4a. Anomalías de temperatura puntos 1-2(costas de
corresponden a un evento El Niño, mientras que 1998- Guerrero)
1999, 2000-2001, a La Niña.
Tabla I .Años El Niño y La Niña de acuerdo al
índice MEI
Año D-E E-F F-M M-A AM M-J Jn-Jl Jl-A A-S S-O O-N N-D
1996 AD AD AD AD AD N AD AD AD AD N N
1997 AD AD N OD OF OF OF OF OF OF OF OF
1998 OF OF OF OF OF OF N AD AD AD AF AD
1999 AF AF AD AF AF AD AD AF AF AD AD AF
2000 AF AF AF AD N AD AD N N AD AD AD
2001 AD AD AD N N N N OD N N N N
2002 N N N OD OF OF OD OF OF OF OF OF
2003 OF OF OF OD N N N N OD OD OD N
2004 OD OD N N OD N OD OD OD OD OD OD
2005 OD OD OF OF OF OD OD OD N N AD AD
2006 N AD AD AD N OD OD OD OF OD OF OF
2007 OF OD N N N OD AD AD AF AF AF AF
2008 AF AF AF AD AD N N AD AD AD AD AD
2009 AD AD AD N OD OF OF OF OF OF OF OF

AF=Niña Fuerte AD=Niña Débil N=Neutral OD=Niño Débil

OF=Niño Fuerte.

3.2. ANOMALÍAS DE TSM

La distribución en el tiempo de las anomalías
positivas para los puntos 1-4 (costas de Guerrero)
(Fig. 4a y 4b) muestra dos períodos cálidos por arriba
de la media. El primero inicia en noviembre de 1996 y
finaliza en noviembre de 1999, presentándose en
noviembre y enero las anomalías máximas, siendo
noviembre de 1997 del punto 3 la máxima anomalía
con valor de +2.30. El segundo período de anomalías
Figura 4b. Anomalías de temperatura puntos 3-4(costas de
Guerrero)
Los puntos 5-11(costas de Oaxaca) (Fig.5),
muestran mayoritariamente anomalías negativas, con
excepción de los puntos 5 y 6. Las anomalías

80
negativas para éstos puntos se presentan durante toda
la serie de tiempo, siendo destacables los ocurridos en
los años: 1998-1999, 2000, 2006, 2008 y 2009. Se
distinguiéndose dos períodos; el primero inicia a
mediados de 1998 culminando en 2002, éstas
anomalías aumentan paulatinamente del punto 7 al 10,
presentando los máximos valores negativos en los
puntos 9 y 10 entre octubre y septiembre con un valor
de -5.2.
El segundo periodo de anomalías negativas es
menos intenso abarca mediados de 2003 a 2009, los
máximos valores se presentan entre noviembre y
febrero, alcanzando valores de -4.4 para 2008 y 2009.

Figura 5. Anomalías de temperatura puntos 5-11(costas

Oaxaca)

Los puntos restantes 12-15(Fig.6) se encuentran en

las costas de Chiapas. Los cuatros puntos presentan en
mayor proporción anomalías positivas que negativas.
De 1996 a 1999 se presenta un primer período,
alcanzando un valor de anomalía positiva máxima en
febrero de 1998 de +1.8; posteriormente, ésta
anomalía se convierte en negativa por un corto
periodo a mediados de 1999-2000, con valor máximo
de -2.5 para el punto 15. Posteriormente de inicios de
2000 hasta 2009 se presentan anomalías positivas de
baja intensidad con valor máximo de +2.4 para mayo
de 2002 del punto 12.

81
Figura 6. Anomalías de temperatura puntos 12-15(costas
de Chiapas)

3.3.ANÁLISIS ESPECTRAL
El análisis espectral para la serie de ATSM indica que
los puntos muestreados, presentan periodos de 8,11.5,
18, 27, 40.5 y 81 meses.
En figura 7 se muestran los espectros para los
puntos 1-4 (costas de Guerrero), que presentan cuatro
picos sobresalientes. El primero de máxima energía se
encuentra en la frecuencia de 0.08642 ciclos/meses,
que corresponden a 11.5 meses, asociable a la señal
anual. El segundo pico se encuentra alrededor de los Figura. 7 Periodogramas puntos 1-4 (costas de Guerrero)
81 meses (0.0123 ciclos/meses) asociable a la Los puntos restantes (5-15) (Fig. 8a y 8b), tanto de
aparición del fenómeno ENOS de baja frecuencia; el los ubicados en las costas de Oaxaca y Chiapas
tercer pico tiene una frecuencia de 0.03704 presentan los mismos periodos, pero con valores de
correspondiente a 27 meses y el último tiene una densidad espectral diferente, de 22966 para el periodo
frecuencia de 0.1667 con periodo de 6 meses (señal de 11 meses en los puntos de Guerrero a 45347 para
del evento de los Tehuanos). los puntos de Oaxaca a 14128 para los puntos de
Chiapas.

82
Figura8a. Peridogramas, puntos 5-10 (costas de Oaxaca-
Chiapas)

Figura 8b. Peridogramas, puntos 11-15 (costas de Chiapas)

4. CONCLUSIONES
Este estudio muestra una evidencia clara del uso de
las imágenes de satélite como una herramienta útil en

83
la determinación del comportamiento de la TSM a una
escala sinóptica.
Las imágenes de satélite confirman que la
orografía de la zona, particularmente en las costas de
Oaxaca (Golfo de Tehuantepec) juega un papel
importante en las condiciones ambientales del océano,
lo cual es observado en las ATSM y los
periodogramas. Por un lado, las ATSM se muestran
negativas con valor máximo de -5.2, así mismo, la
señal anual tiene una mayor densidad espectral que en
el resto de la zona, mostrando valores que van de
22,966 en los puntos de Guerrero a 45,347 para los
puntos de Oaxaca y de 14,128 para los puntos de
Chiapas.
Los periodogramas de los quince puntos analizados
a lo largo de la región de estudio presentan periodos
de 8,11.5, 18, 27, 40.5 y 81 meses.
REFERENCIAS
Paden, C.A., Abbott, M.R. and Winant, C.D. 1991. Tidal
and atmospheric forcing of the upper ocean in the Gulf
of California. Part I. Sea surface temperature variability.
J. Geophys. Res. 96:18,337–18,359.
84
Strong, A.E., R.J. Rycke and H.G. Stumpf, 1972. Satellite
detection o f upwelling and cold water eddies. Proc. 8th
Int. Symp. Rem. Sens. Envir. Environmental Research.
Institute o f Michigan. Ann Arbor: 1067-1081.
Stumpf, H.G., 1975. Satellite detection of upwelling in the
Gulf of Thehuantepec, México. J. Phys.Oceanogr:
5:383-388.
Stumpf, H. G. and R. V. Legeckis. 1977. Satellite
observations of mesoscale eddy dynamics in the Eastern
tropical Pacific Ocean. J. Phys. Oceanogr.7:648-658.
Müller-Karger FE, Fuentes-Yaco C. 2000. Characteristics
of wind-generated rings in the eastern tropical Pacific
Ocean. J. Geophy. Res.105 (C1): 1271–1284.
Troncoso Gaytan y Reyes Coca Sergio. 2002. Análisis
ondicular de la temperatura del mar a lo largo de la
costa del Pacífico mexicano. Ciencia y Mar. Vol. VI,
No. 16.
Gonzalez-Silvera, A., E. Santamaría-del-Ángel, R. Millán-
Núñez, and H. Manzo-Monroy.2004. Satellite
observations of mesoscale eddies in the Gulfs of
Tehuantepec and Papagayo (eastern tropical Pacific),
Deep Sea Res., Part II, 51, 587-600.
Barton, E. D., and Coauthors, 1993. Supersquirt: Dynamics
of the Gulf of Tehuantepec, México. Oceanography.
6:23–30.
 IMPACTO DE LOS FENÓMENOS "EL NIÑO" Y "LA NIÑA" EN LA
PRODUCCIÓN PESQUERA NACIONAL
Miriam VÁZQUEZ LIEVANOSa, Olivia SALMERÓN GARCÍAa
a
Laboratorio de Análisis Geoespacial, Instituto de Geografía, UNAM, México. Email:
Miriam_vazquezl@yahoo.com.mx

RESUMEN
Este es un estudio preliminar donde se analizaron las variaciones de la temperatura superficial del mar en la
región del Pacífico Mexicano, Golfo de México y Mar Caribe, con imágenes de satélite AVHRR de la serie
NOAA para el periodo 1996-2011, de la estación receptora TeraScan. De igual forma fue analizada la cantidad
de producción pesquera (en peso vivo) a nivel nacional, tomando como referencia el mismo periodo de tiempo,
para estimar el impacto generado por la presencia de los fenómenos “El Niño/Oscilación de Sur y La Niña”
(ENSO por sus siglas en inglés) en la pesca mexicana. La Zona Económica Exclusiva se dividió en 6 zonas,
sobre estas se marcaron transectos esencialmente ribereños (< 200 km a partir de la costa) y en áreas de pesca de
altura de acuerdo la carta nacional de pesca de SAGARPA. El tratamiento de la información de temperatura se
basó en el análisis de las anomalías para determinar periodos de Niño, Niña y Normal. El análisis de la
producción pesquera se realizó en función del total nacional de captura, cada una de las zonas establecidas y por
las especies con mayor producción, procesando los datos de captura en peso vivo obtenidos en SAGARPA.
Finalmente se correlacionarán las dos variables para determinar cómo es el impacto del fenómeno ENSO sobre
la cantidad de captura para cada zona.
Palabras clave: El Niño/Oscilación de Sur, La Niña, impacto, Producción Pesquera, imágenes de satélite
AVHRR, anomalías de TSM, captura en peso vivo.

1 INTRODUCCIÓN ENSO dependen del Índice que se desee utilizar,

El Niño y la Niña siguen siendo fenómenos que
causan gran incertidumbre, pues aun después de un
siglo de haberse mencionado por primera vez en la
literatura (Carranza, 1891) y a más de 5 décadas de
haberse consolidado el reconocimiento de este
fenómeno regional del clima (Murphy, 1926) se sigue
buscando una explicación a la presencia del
fenómeno, así mismo se siguen estudiando todas las
alteraciones inmediatas y a largo plazo generadas a
partir de un periodo ENSO.
En Niño es un calentamiento anómalo en la
temperatura de la superficie del mar, mientras que La
Niña es el efecto contrario, un enfriamiento anómalo
de la temperatura superficial del mar, que se inicia en
el Océano Pacífico tropical, cerca de las costas
peruanas, pero que se extiende a todo el Océano
Pacifico. Científicamente se define como la respuesta
dinámica del océano Pacífico al forzamiento
prolongado de los vientos ecuatoriales, así como la
presencia de aguas cálidas frente a las costas de
Ecuador y Perú con anomalías superiores a una
desviación estándar por lo menos de cuatro meses.
Los meses que se tomen para definir un fenómeno
según el tipo de variable. Un índice usa parámetros
estadísticos que describan un patrón de
comportamiento del fenómeno, unos se basan en
variables atmosféricas, otros del mar, o bien una
combinación de ambas.
El Índice Oceánico El Niño (ONI), es un criterio
del Centro de Predicciones Climáticas (NCEP) de la
NOAA. Es conocido como el Niño Oceánico, se
obtiene mediante el promedio móvil de la anomalía
de la TSM, en relación con el periodo de referencia
1971-2000, con tres meses sucesivos. Y es utilizado
para la región Niño 3-4.
Cada evento ENSO varía notablemente entre uno
y otro, principalmente en lo que se refiere a su
intensidad y duración, por lo que se clasifican en
débil, moderado, fuerte y extremadamente fuerte
(NOAA weather.gov).
 Niño Fuerte (anomalía media superior a 0,65
grados C)
 Niño Débil (Promedio anomalía entre 0,30 y
0,65 grados C)

85
  Neutro (Promedio anomalía entre --0,29 y 0,29
grados C)
 Niña débil (Promedio anomalía entre -0.30 y -
0.65 grados C)
 Niña Fuerte(anomalía media inferior a -0,65
grados C)
Se considera una condición “normal” en la
circulación de la atmósfera la predominancia de las
siguientes condiciones:
En la parte occidental de la cuenca del Pacifico
cerca del Ecuador, existe una gran masa de agua
caliente que se extiende a un par de cientos de metros
de profundidad hasta el punto de la termoclina donde
existe un agudo contraste de temperaturas entre
corrientes de aguas cálidas y aguas frías provenientes
del fondo.
En condiciones normales, el nivel del mar en el
pacifico Occidental es unos centímetros más alto que
la parte oriental, debido a la fuerza con que soplan los
vientos alisios hacia el occidente sobre el océano
empujando agua sobre el borde occidental de la
cuenca del pacifico, convirtiéndose en una importante
fuente de calor que tempera la atmosfera sobre ella.
Se forma un proceso convectivo en el que el aire se
eleva formando nubes cargadas de lluvia moviendo el
aire más frío a mas altitud y moviendo a la parte
oriental de la cuenca del pacifico.
Durante un evento de El niño, la circulación
Walker se modifica de forma importante, los vientos
superficiales que soplan al oeste en el pacifico
ecuatorial se debilitan y en el oeste ellos se invierten,
esto permite que el agua cálida en el oeste se extienda
al este y que el nivel del mar en el oeste comienza a
disminuir y en el este aumenta. Con la disminución
de los vientos alisios las aguas superficiales del
pacifico central y oriental se hacen más cálidas, la
profundidad de la termoclina también comienza a
cambiar, desplazándose hacia la superficie en el
pacifico occidental y profundizándose en el pacifico
ecuatorial central y oriental.
Los episodios de La Niña al igual que el fenómeno
de El Niño, producen cambios a gran escala en los
vientos atmosféricos sobre el Océano Pacífico Tropical,
incluyendo un incremento en la intensidad de los
vientos Alisios del Este (Este-Oeste) en la atmósfera baja
sobre el océano Pacífico Oriental, y los vientos del oeste
en la atmósfera superior.
En un ciclo ENSO (sea Niño o Niña) se presentan
como consecuencia inmediata cambios en la dinámica
86
oceánica, como la disminución de nutrientes y
cambios en la distribución de los organismos.
En México la mayor investigación de las
consecuencias del ENSO, se dio a partir de 1997-
1998, año en que se presento un fenómeno ENSO de
gran magnitud, considerado el más fuerte de este
siglo. Se observaron cambios significativos en los
patrones de precipitación, las lluvias de invierno se
intensificaron y las de verano escasearon, aumentaron
los nortes y disminuyeron los huracanes, en la
actividad pesquera del Pacífico el atún bajó su
producción en el Pacífico norte y la sardina se
desplazo al norte (Rodríguez Van Gort, 2009). En
1998, el calentamiento del mar frente a Baja
California provocó la disminución en la captura de
langosta y abulón, especies de muy alto valor
comercial y que son base del desarrollo económico de
la región. De aquí la importancia de generar datos que
en algún futuro sirvan como base de programas de
manejo del recurso pesquero pues para pescadores de
embarcaciones pequeñas, el desplazamiento del
recurso pesquero por causa de “El Niño” puede
significar la paralización total de sus actividades
(Magaña, 2004).
Gracias a la excelente cobertura espacial y
temporal con que cuentan los satélites artificiales, hoy
en día la percepción remota es considerada una de las
mejores herramientas en el estudio a gran escala,
como es la variabilidad de la temperatura superficial
del mar.
La percepción remota o teledetección es la ciencia
o arte de adquirir información de un objeto sin estar
en contacto directo con él, a través de “sensores” que
detectan energía electromagnética en diferentes
intervalos (Aguirre, 2009).
Estos satélites transportaron el VHRR
(Radiómetro de Muy Alta Resolución), que ha sido
utilizado extensivamente para estudios
oceanográficos hasta 1979 y fue subsecuentemente
reemplazado en satélites NOAA posteriores por el
radiómetro avanzado de muy alta resolución
(AVHRR), una versión mejorada del VHRR.
El sensor utilizado en la segunda generación de los
satélites NOAA para estudios oceanográficos,
principalmente determinación de la temperatura
superficial del mar, es el AVHRR (Radiómetro
Avanzado de Muy Alta Resolución).
El AVHRR es un radiómetro barredor de cuatro o
cinco canales (dependiendo de la versión), que opera
en la banda visible y en las bandas infrarrojas
cercanas y térmicas (FAO, 1990).
Las características del sensor NOAA-7 son:
BANDA 1 0.58 – 0.68 μm
: (verde-rojo)
BANDA 2 0.72 – 1.10 μm (IR
: cercano)
Longitudes de BANDA 3 3.55 – 3.93 μm (IR
Onda: : mediano)
BANDA 4 10.50 – 11.50 μm (IR
: lejano o térmico)
BANDA 5 11.50 – 12.50 μm (IR
: lejano o térmico)
I FOV : 1.3 mrad
Ancho de barrido
2700 km
:
Tamaño de la
celda de 1*1 km
resolución
En enero de 1996 en el Instituto de Geografía
(IGg) de la UNAM en cooperación con el Instituto de
Ciencias del Mar y Limnología adquirieron una
antena receptora de imágenes de satélite. Esta antena
recibe imágenes del sensor AVHRR, las cuales son
procesadas para obtener productos derivados como la
Temperatura Superficial del Mar. (Aguirre, 2007).
1.1 ANTECEDENTES
En relación a la incidencia del fenómeno de El niño
en la pesca (Gracia, 2001) describe que el efecto del
fenómeno en la producción de camarón en el Norte
del Golfo de México es favorable. Mediante datos
estadísticos se analizó la información obtenida sobre
actividad pesquera, capturas, número de
embarcaciones y días de pesca, proporción de tallas y
sexo de los individuos de las poblaciones, lo que se
relacionó con parámetros ambientales que son
indicadores del fenómeno de El Niño, como
temperaturas del océano, precipitación pluvial y
descargas de ríos, concluyendo que existe un aumento
de población de camarón en condiciones de El Niño
ya que el aumento de temperaturas en el mar y la
precipitación fluvial permiten una mayor distribución
espacial, repercutiendo en la abundancia total.
Un estudio más, relacionado con la pesca en
condiciones de El Niño es “Efecto del evento de El
niño 1997-1998 sobre la pesquería artesanal en la
costa de Jalisco, México”. En este trabajo la pesca
artesanal es comparada en un periodo en condiciones
“Normales” y un periodo en condición de “Niño” en
cuanto a volumen y especies. Se observó que en
temporada Niño había un aumento de 50% a 70% en
volumen de captura y en peso, sin embargo se notó
que las especies capturadas en 97-98 en relación al
periodo 94-95 tenían afinidades “tropicales” (Aguilar,
2001). Es decir, que existe un desplazamiento de
especies por el aumento de temperaturas en el océano,
generando perdidas económicas para los pescadores
artesanales.
En el Atlas Nacional de México del Instituto de
Geografía de la UNAM, se muestra la carta
Oceanografía Satelital de los Mares Mexicanos
(NAVIII) generada por Aguirre y Salmerón (2007).
Son imágenes de satélite de los mares mexicanos que
muestran el color y la temperatura superficial del mar.
Estas imágenes provenientes del Radíometro AVHRR
y del sensor SeaWiFS se procesan y son utilizadas
para medir la cantidad de clorofila y de recursos
pesqueros del océano.
Estas imágenes están divididas en periodos de
verano e invierno en condiciones de años “Normales”
y en presencia del ENSO. Los compuestos de verano
(junio a septiembre) y los compuestos de invierno
(diciembre a marzo) pertenecen a los años 1997,1998
y 2000. (Aguirre y Salmeron, 2007)
En 1999 Herrera analiza las evidencias de la
variabilidad interanual de la TSM utilizando datos
AVHRR en el golfo de México, concluyendo que,
dentro de los factores que generan la variabilidad
destaca la teleconexión atmosférica existente durante
eventos de El niño.
Así mismo es fundamental la compilación de
Magaña, 2004; que concentra la mayor cantidad de
información sobre los impactos de El Niño en
México, donde el autor destaca que: “Una forma de
estimar los efectos de la variabilidad de la TSM es
comparándola con las capturas en peso vivo año con
año y estimar su variación, de esa forma se podrá co-
relacionar eventos del niño con aumento y
disminución de pesca…”
El decir que al determinar la variación de
temperatura superficial del mar por medio de
imágenes de satélite y determinar la variabilidad en la
cantidad de captura de pesca en los mares mexicanos,
se podrá determinar el nivel de impacto generado por
el fenómeno de El niño/Oscilación del Sur –La Niña”
en la pesca mexicana, que es el objetivo de la
presente investigación.

87
 1.2 ÁREA DE ESTUDIO
La República Mexicana posee 11 592.77 kilómetros
de costas, de los cuales 8475.06 corresponden al
litoral del Pacífico y 3 117.71 al del Golfo de México
y mar Caribe, incluyendo islas; su plataforma
continental es de aproximadamente 394 603 km²,
siendo mayor en el Golfo de México (Cifuentes,
1997).
La ZEE tiene una extensión de 2 946 825 km2 de
lo cual el pacifico Mexicano cuenta con 2 175 325
km2 (74%) de extensión y el Golfo de México y Mar
Caribe juntos corresponden al 26% de la extensión
total. Para efectos de esta investigación, el Pacifico
mexicano ha sido dividido en 5 zonas (Costa
Occidental de Baja California, Golfo de California,
Zona de Transición del Pacífico Tropical Mexicano,
Pacifico Sur, y Golfo de Tehuantepec) pues por su
gran extensión, las condiciones físicas no son
homogéneas. Entre 18 y 21ºN (dependiendo la época
del año) se encuentra la Zona de Transición del
Pacífico Tropical Nororiental donde las aguas frías de
la Corriente de California convergen con las aguas
cálidas del Pacífico Tropical, (Gómez Rojas, 2004) es
decir que las temperaturas del mar son muy
diferentes, lo mismo sucede con el Golfo de
California pues es mas cálido que la Corriente de
California (Atlas de México, 2007). Quedando
entonces 7 zonas que comprenden el área de estudio:
I. Costa Occidental de Baja California, II. Golfo de
California, III. Zona de transición del Pacífico
Tropical Mexicano, IV. Pacifico Sur, V. Golfo de
Tehuantepec (En el Pacífico) y VI. Golfo de México,
VII. Mar Caribe (fig.1).
Figura1. Área de estudio
88
Los nombres de las zonas se dieron en base a las
zonas mareográficas2 y el área en relación a los
cambios de color en la temperatura.
2 METODOLOGÍA
Se tomó como periodo de análisis desde el año de
1996, fecha desde la cual se tiene registro de
temperaturas del mar por la estación receptora
TeraScan del IGg- UNAM, hasta el 2011. En la
primera mitad de este año se presento el final del
ciclo de “La Niña” más reciente.
La Zona Económica Exclusiva se dividió en 7
zonas, sobre estas se marcaron transectos
esencialmente ribereños (< 200 km a partir de la
costa) y en áreas de pesca de altura de acuerdo la
carta nacional de pesca de SAGARPA.
El tratamiento de la información de temperatura se
basó en el análisis de las anomalías para determinar
periodos de Niño, Niña y Normal, bajo el criterio del
Índice Oceánico El Niño (ONI) para la región 3.4.
Para en análisis de las variaciones de la
temperatura superficial del mar se utilizaron
imágenes de satélite AVHRR de la serie NOAA para
el periodo 1996-2011, de la estación receptora
TeraScan, en las zonas antes mencionadas.
Para determinar condiciones normales de la TSM
de la zona de estudio, se compararon 2 imágenes de
satélite para el año 2000, la primera correspondiente
al mes de febrero (mitad fría del año) y la segunda al
mes de agosto (mitad cálida del año).
Para la condición “El Niño” se analizó la imagen
de diciembre de 1998, se observó el patrón de
temperaturas y se comparó con la imagen de enero
2005 (condición Normal). De igual forma se analizó
la imagen de diciembre 2002 para la condición “La
Niña”.
El análisis de la producción pesquera se realizó en
función del total nacional de captura, por zona y por
especies principales, procesando los datos de captura
en peso vivo obtenidos en SAGARPA.
En una etapa siguiente se correlacionarán las dos
variables para determinar como es el impacto del
fenómeno ENSO sobre la cantidad de captura para
cada zona.
2
Zonas mareográficas, referenciadas en la carta IV.9.2 del Atlas
Nacional de México. 1990. Instituto de Geografía. UNAM.
 3 RESULTADOS
3.1 ANOMALÍAS DE TEMPERATURA
En el 2005, el índice ONI fue adoptado por acuerdo
oficial entre Canadá, México y USA, convirtiéndose
en el criterio estándar más utilizado para el
monitoreo, evaluación y predicción del ENSO en el
Océano Pacífico. Dos años atrás la NOAA y varias
Instituciones dedicadas al estudio del Océano lo
habían adoptado como concepto operacional
(Guevara,2008).
Utilizando los datos proporcionados por la NOAA
se obtuvieron las anomalías de la temperatura
superficial del mar de acuerdo al índice ONI para la
región 3.4 en un periodo de tiempo de 1996 a
2011(Figura 2).
más bajas dentro de la zona de estudio, debido a la
inserción de la Corriente Fría de California, en la
zona del Océano Pacifico Sur predominan
temperaturas altas entre 26 y 28°C que disminuyen
hacia la ZTPTM por converger con las aguas de la
Corriente de California y del Golfo, las cuales suelen
ser menos frías que las de la Corriente de Cal. En el
golfo de Tehuantepec existe una depresión de
temperatura conocida como la lengua de agua fría, y
en general el Caribe mantiene temperaturas de
aproximadamente 26 °C disminuyendo conforme se
avanza al interior del Golfo de México donde existen
temperaturas hasta de 18°C (fig. 3).

Figura 3. Febrero 2000 (mitad fría del año)

Lo anterior corresponde a la primer mitad del año,

Figura 2. Años ENSO ya que para el verano (la mitad de cálida del año),
aumentan las temperaturas, como se observa en la
Siendo cero una constante de normalidad, las figura 4.
barras de color azul representan la anomalía positiva
anual en el cambio de temperatura, y las columnas Predominan las temperaturas cálidas de 28°C y
rojas representan una anomalía anual negativa en la sobrepasando los 30°C hacia las zonas costeras,
TSM. Es decir, de acuerdo a índice ONI, las desaparece la lengua de agua fría y la transición a
anomalías por encima del 0.5 y las anomalías por temperaturas bajas se localiza hasta los 24°de latitud
debajo de -0.5 son consideradas Niño y Niña N en la Costa Occidental de Baja California.
respectivamente. En el periodo de 15 años se
presentaron varios fenómenos de Niño (1998, 2003,
2005, 2007, 2010) de los que se categorizaron como
fuertes tres: 1998, 2003, 2010.
Por otro lado se presentan ocho fenómenos Niña
(1996,1999, 2000, 2001, 2006, 2008, 2009, 2011) de
los cuales 1999, 2000, 2008 y 2011 son considerados
fuertes.
3.2 ANÁLISIS DE IMÁGENES DE
SATÉLITE
Del análisis preliminar de las imágenes del satélite
AVHRR se destaca que en la Costa Occidental de la Figura 4. Agosto 2000 (mitad cálida del año)
Península de Baja California existen las temperaturas

89
 En años Niño las temperaturas tienden a
mantenerse alrededor de los 25°C y los 28°C, la
alberca de agua cálida llega a tener temperaturas de
entre 30°C y 32°C y las zonas consideradas frías
mantienen una temperatura de 22°C (fig.5).
Para cuando se presenta un fenómeno de “La
Niña” el Golfo de México presenta en su mayoría
temperaturas de 16°C a 20°C, la alberca de agua
cálida no presenta temperaturas mayores a 28°C y
hacia el Norte disminuyen las temperaturas hasta los
18°C (fig.6).
Figura5. Diciembre 1998. “El Niño”
Figura6. Diciembre 2002. “La Niña”
3.3 ANÁLISIS DE PRODUCCIÓN
PESQUERA
El año de menor producción corresponde a1998 con
un 1,199,400 toneladas de captura en peso vivo. El
año del periodo 1996-2011 con mayor producción
pesquera corresponde al 2009 con un captura en peso
vivo de 1,634,031 toneladas (fig. 7.)
El año 1998 es categorizado en el ONI como
“Niño” y 2009 es categorizado como “Niña”.
90
Figura 7. Producción y Valor Pesquero a Nivel Nacional
La producción pesquera tiene un descenso muy
marcado de 1, 532,395 toneladas en 1997 a 1,199,400
toneladas en 1998 es decir que la diferencia de lo
capturado de un año a otro es de 332,995 que es casi
la producción de Sonora para el 97, es importante
destacar que aunque hay muchas causas de tipo social
que contribuyeron a este descenso y que no son
cuantificables, en 97-98 se presento el fenómeno de
El Niño considerado el más fuerte de el último siglo.
Del 2006 al 2007 se da un ascenso muy importante
de 391,541 toneladas, en estos años se da un cambio
de fenómeno de “La Niña” a un fenómeno de “El
Niño”, y aumenta la producción 150,000 Ton. De un
año a otro de sardina, camarón, atún y mojarra
(especies de mayor captura a nivel nacional).
4 CONCLUSIONES
Es importante destacar que este es un estudio
preliminar por lo que las conclusiones preliminares
muestran que la variabilidad en las temperaturas
superficiales del mar modifica la Producción
Pesquera Total, y que la temperatura, de cada zona
marina establecida, se altera de diferente manera, por
lo que los impactos del fenómeno pueden ser
positivos o negativos.
REFERENCIAS
Boletín de la NOAA. 09-07-09.
http://www.noaanews.noaa.gov/stories2009/20090709_
elnino.html
Butler, M.J.A.; Mouchot, M.C.; Barale, V.; LeBlanc C.
1990. Aplicación de la tecnología de percepción remota
a las pesquerías marinas: manual introductorio. FAO
Documento Técnico de Pesca. No. 295. Roma, FAO.
212 p.
Cifuentes Lemus, Juan L. 1997. El Océano y sus Recursos,
I Panorama Oceánico. Fondo de Cultura Económica
Cifuentes Lemus, Juan L.1997. El Océano y sus Recursos,
IX La Pesca. Fondo de Cultura Económica
Escobar Briones, Elva (Comp.). 2001. Los efectos del
fenómeno de El Niño en México 1997-1998.
CONACYT.
Gómez Rojas, Juan Carlos. 2004 Geografía. Publicaciones
Culturales. México. Pag. 104, 112-114
Gracia Gasca, Adolfo. Efectos del niño en la producción de
camarón. 112-117
Lira, Jorge. 1995. Percepción Remota: Nuestros Ojos
desde el espacio.
Magaña Rueda, Víctor (Ed). 2004. Los impactos del niño
en México. Centro de Ciencias de la Atmósfera,
91
Universidad Nacional Autónoma de México, Secretaría
de Gobernación. México, pag. 6-7
Páginas Web consultadas
http://bibliotecadigital.ilce.edu.mx/sites/ciencia/volumen1/
ciencia2/02/html/oceano1.html
http://bibliotecadigital.ilce.edu.mx/sites/ciencia/volumen1/
ciencia2/33/htm/percep.htm
http://bibliotecadigital.ilce.edu.mx/sites/ciencia/volumen2/
ciencia3/081/htm/oceano.htm
http://www.conapesca.sagarpa.gob.mx/wb/cona/consulta_e
specifica_por_produccion
http://www.conapesca.sagarpa.gob.mx/wb/cona/consulta_e
specifica_por_produccion
 DINÁMICA DE MESOESCALA EN LA BAHÍA DE LA PAZ Y SUR DEL
GOLFO DE CALIFORNIA EN LAS 4 ESTACIONES DEL 2009
Cristóbal GUEVARA GUILLÉNa, Bernardo SHIRASAGO GERMÁNa, Maclovio OBESO
NIEBLASa, Ricardo GARCÍA MORALESa, Fernando de Jesús SÁNCHEZ LINDOROa
a
Centro Interdisciplinario de Ciencias Marinas IPN. Av. Instituto Politécnico Nacional s/n. Col. Playa Palo de
Santa Rita. Apdo. Postal 592. CP 23096. La Paz, B.C.S. México. Tels. (12)1234658, 1234734 y 1234666. Fax
(612) 1225322.
email: cguevarag0900@ipn.mx

RESUMEN
La Bahía de La Paz representa un importante capital ecológico en el Golfo de California, teniendo interacción
con éste a través de dos bocas permanentes. Los procesos de mesoescala que ocurren en el sur del golfo
determinan en gran medida sus condiciones hidrográficas. Se analizaron diversas condiciones hidrográficas
durante el año 2009, con base en datos in situ e imágenes de satélite de los sensores AVHRR y SeaWiFS. En el
otoño se registró una capa de mezcla de 50 m. Para el invierno se encontró una termoclina, una haloclina y una
picnoclina con bajos gradientes. Para la primavera y el verano se generó una elevada estratificación de la
temperatura y la salinidad. En la época cálida se detectó en la parte profunda de la bahía Agua Superficial
Ecuatorial. La zona profunda de la Bahía de La Paz y la región de la Isla San José presentaron en la primavera y
en el verano Agua del Golfo de California y Agua Superficial Ecuatorial. Una inclinación de las isopicnas y
afloramiento de las mismas destacó en el mes de junio en la Cuenca Alfonso, en la región sur de la bahía y al
este de la Isla Espíritu Santo, indicando la presencia de tres remolinos. Se concluye que el Golfo de California
tiene influencia sobre las condiciones hidrográficas de la Bahía de La Paz, lo cual se observó en el intercambio
de propiedades oceanográficas que se presentó entre ellos, mostrado tanto con las mediciones in situ, como con
las imágenes de satélite.
Palabras clave: Hidrografía, Oceanografía Satelital, Fenómenos de Mesoescala, Masas de Agua.
ecológicos y morfológicos en la bahía están
1 INTRODUCCIÓN
relacionados con el estado hidrofísico de su cuerpo de
De los ambientes marinos, las zonas costeras son agua incluyendo la estructura termohalina, las
consideradas como áreas de un elevado interés corrientes y el transporte de material suspendido y
socioeconómico porque son fuente importante de disuelto. A pesar de que la bahía se localiza cerca de
recursos naturales. Además, son utilizadas por los la ciudad de La Paz, su cuerpo de agua no ha sido bien
organismos marinos como áreas de refugio, estudiado hasta el momento ya que las investigaciones
alimentación y desove. Por su alta productividad se realizadas han sido esporádicas e incompletas, siendo
pueden aprovechar para la práctica acuicultural y por escasos los trabajos publicados sobre hidrología e
sus características morfológicas son lugares ideales hidrodinámica de la misma (Salinas-González et al.
para las actividades recreativas. Bajo este contexto, 2003).
estas zonas son potencialmente vulnerables a los
Las condiciones hidrográficas de la Bahía de La
cambios naturales y antropogénicos, por lo que es
Paz, en particular en su parte profunda, se encuentran
preciso obtener un conocimiento básico de sus
influenciadas por la variabilidad del sur del Golfo de
diferentes ambientes (Martínez-López et al., 2001).
California (Obeso-Nieblas 2003). A su vez, el Golfo
El Golfo de California tiene muchas bahías y de California se acopla a la variabilidad ambiental
lagunas. Una de las más importantes es la Bahía de La interanual de gran escala del Pacífico Oriental. Esto
Paz al suroeste del Golfo de California, próxima a la ha sido identificado con series de tiempo del nivel del
capital del estado de Baja California Sur. Esta zona es mar y con anomalías de temperatura en la costa
económicamente atractiva por su potencial pesquero e (Durazo et al. 2005, Jiménez-Illescas 1996).
industria turística, sustentados en la alta productividad
Respecto a las masas de agua presentes en la bahía,
biológica y sus áreas de recreo. Los cambios
pueden identificarse tres: Agua del Golfo de

92
California (AGC), Agua Superficial Ecuatorial (ASE)
y Agua Subsuperficial Subtropical (ASS). El umbral
batimétrico a lo largo de la Boca Norte evita la
entrada de Agua Intermedia del Pacífico (AIP) y la
salida de las aguas profundas de la bahía hacia el
golfo (Monreal-Gómez et al., 2001).
Las mediciones de la temperatura superficial del
mar con satélite han sido utilizadas para estudiar la
circulación en el Golfo de California (Badan-Dangon
et al., 1985; Navarro-Olache, 1989; Paden et al., 1991;
Lavín et al., 1997), así como para tener un
entendimiento más completo de su producción
biológica (Gaxiola-Castro et al., 1999).
El presente trabajo describe la dinámica y la
variabilidad estacional hidrográfica en la Bahía de La
Paz y zona oceánica adyacente, durante el periodo
2009, y muestra la influencia que tienen algunos
fenómenos de mesoescala presentes en el sur del
Golfo de California sobre la hidrografía y la dinámica
en el interior de la bahía.
2 JUSTIFICACIÓN
Las características físicas, biológicas y químicas de
los cuerpos costeros, como las bahías, presentan
muchas ventajas para el establecimiento de puertos y
para el desarrollo de actividades de producción
alimenticia. Son áreas de comunicación entre el
océano y la costa, por lo que son importantes para
completar algunos ciclos de desarrollo y reproducción
de diferentes especies marinas. Para la solución de
problemas técnicos, biológicos, químicos y pesqueros
en estos sistemas, es necesario el conocimiento
multidisciplinario de estas zonas (Obeso, 1987). La
circulación termohalina en las bahías, en conjunción
con las corrientes de marea y de deriva del viento,
puede producir distintos elementos dinámicos como
giros, surgencias y convergencias, los cuales juegan
un papel importante en su evolución y en la dispersión
de contaminantes (Salinas-González et al., 2003).
El estudio de la superficie del océano utilizando
sensores remotos permite analizar la evolución
espacio-temporal de los fenómenos superficiales de
micro, meso y macro escala en los océanos con una
mayor resolución espacial, espectral y temporal, con
una mayor disponibilidad y un menor costo con
respecto a las observaciones obtenidas en cruceros
oceanográficos (White et al., 1990).
Es por lo anterior que los estudios estacionales e
interanuales de la hidrografía en la Bahía de La Paz y
en su zona oceánica adyacente son fundamentales,
93
esto apoyado con imágenes de sensores remotos de
temperatura y de concentraciones de clorofila “a”.
3 ÁREA DE ESTUDIO
La zona de estudio abarca la Bahía de La Paz y su
zona oceánica adyacente, se localiza entre los 24° 07 '
y 25° 07' de latitud norte y entre los 109° 57 ' y 110°
42 ' de longitud oeste. Esta zona se ubica en la costa
oriental de Baja California. Su extensión aproximada
es de 146 km de largo y 70 km de ancho. Presenta una
profundidad máxima dentro de la bahía 450 m. en la
Cuenca Alfonso y una profundidad de más de 1,500
m. en la zona oceánica (Figura 1a).
Figura 1. a) Área de estudio, ubicación geográfica,
batimetría y toponimia de la Bahía de La Paz y zona
oceánica adyacente, B.C.S, México. b) Transecto A.
La comunicación entre la Bahía de La Paz y el
Golfo de California se da a través de dos bocas, la
Boca Norte (30 km de ancho y hasta 350 m de
profundidad) localizada entre Los Islotes y Cabeza de
Mechudo, que presenta un umbral suave frente a la
Isla San José, y el Canal San Lorenzo (10 km de
ancho y hasta 18 m de profundidad) localizado entre
la Isla Espíritu Santo y Pulguero (Figura 1b) (Obeso et
al., 2002).
Las principales fuerzas que impulsan la circulación
en la bahía son las corrientes de marea, con una
velocidad máxima de 0.321 m-s en las regiones más
someras como el Canal de la Ensenada de La Paz, el
Canal San Lorenzo y la parte norte de la Isla La
Partida (Obeso, 1987; Obeso & Jiménez, 1989 y
Obeso et al., 1993), así como la corriente residual por
mareas del orden de 10-2 m-s (Obeso et al., 2002),
junto con el viento.
 El océano adyacente influencia las aguas de la
bahía, en la cual la mayor parte del año es posible
detectar Agua del Golfo de California que se
caracteriza por su alta salinidad (S > 35.0) y
temperaturas mayores a los 18 °C. Esta masa de agua
se localiza desde la superficie hasta los 250 m de
profundidad (Reyes-Salinas 1999; Reyes-Salinas y
Cervantes-Duarte, 1998).
Basado en la clasificación climática de Koeppen, el
clima es BWh, seco y árido. Presenta una evaporación
anual (215 mm) que excede la precipitación (180 mm)
(Obeso-Nieblas & Jiménez-Illescas, 1989), y una
humedad relativa que oscila entre el 66 y 72%, lo cual
hace que esta zona presente condiciones áridas o
desérticas (Espinoza-Avalos, 1977). La temperatura
en la región varía de aproximadamente 20 °C en
invierno, a 40 °C durante la segunda mitad del verano
y a principios del otoño.
La región de estudio se encuentra sujeta
principalmente a dos patrones de viento. Los vientos
del sur y sureste, que ocurren al final de la primavera Figura 2. Ubicación de estaciones de muestreo en la Bahía
de La Paz y zona oceánica adyacente.
y persisten en verano y hasta inicio del otoño,
localmente llamados Coromuel, con magnitudes de ~4 4.2 METODOLOGÍA DE GABINETE
m/s, y que generalmente ocurren combinados con
calmas frecuentes. Los vientos del norte y noroeste, Los datos de CTD fueron depurados y corregidos
dominantes a finales del otoño y en el invierno, son de las inestabilidades durante su obtención en campo
fuertes y persistentes, y alcanzan magnitudes de 12 y guardados a cada metro, mediante software
m/s (Jiménez-Illescas, 1997). desarrollado en el Departamento de Oceanología del
CICIMAR por el Dr. Makarov. Para calcular la
4 MATERIALES Y MÉTODOS salinidad y densidad el equipo utilizó internamente las
ecuaciones de estado (UNESCO, 1987).
4.1 METODOLOGÍA DE CAMPO
Se utilizó el Microsoft Excel 2007 para la
Los datos hidrográficos in situ fueron obtenidos en 50 obtención de los perfiles concentrados de temperatura,
estaciones de muestreo, incluyen mediciones de salinidad y densidad y para la elaboración de los
presión, temperatura y conductividad, derivándose de diagramas T-S, de acuerdo a la clasificación de masas
estos la profundidad, densidad y la salinidad, de agua de Torres-Orozco (1993). Se trabajó con el
mediante software suministrado por el proveedor. Las Surfer 7.0 para la obtención de las distribuciones
calas hidrográficas se realizaron con un CTD modelo horizontales, y transectos en la superficie, a 10, 50 y
Sea-Bird SBE 19 plus, que registró 10 muestras por 100 m de profundidad, de temperatura, salinidad y
segundo, manejando un rango de temperatura de -5 a densidad. Para la elaboración de estos diagramas se
45 °C, una resolución de 0.003 °C y una precisión de utilizó el método de interpolación lineal de Kriging
± 0.15 % de la escala total. Durante cuatro campañas (Matheron, 1960).
oceanográficas (3-6 de Marzo, 15-19 de Junio, 21-25
de Septiembre, 7-10 de diciembre del 2009), a bordo Se utilizaron imágenes satelitales quincenales
de la embarcación CICIMAR-XV, de 28 pies de correspondientes al año 2009, suministradas por el
eslora. Las estaciones de muestreo cercanas a la costa PO.DAAC-JPL (Physical Oceanography Distributed
se realizaron cada 0.5 millas náuticas y las restantes Active Archive Center-Jet Propulsion Laboratory),
tuvieron una separación de 4 millas náuticas con una resolución de 1.1 km en el nadir. En formato
aproximadamente (Figura 2). HDF (Hierarchical Data Format). Las imágenes de
Temperatura Superficial del Mar (TSM) corresponden
al sensor NOAA-AVHRR, y las imágenes con
concentraciones de clorofila “a” provienen del sensor

94
Modis-SeaWiFS (Sea-viewing Wide Field-of-view
Sensor). Se utilizaron imágenes de satélite de dos
sensores para aumentar la cobertura. Las imágenes de
satélite fueron visualizadas y manipuladas con el
software WIM (Windows Image Manager) versión
6.36, para la obtención de los datos ambientales de
TSM y concentraciones de clorofila “a”.

5 RESULTADOS

5.1 IMÁGENES DE SATÉLITE

La temperatura superficial más altas en marzo estuvo
en el sur de la bahía con 23.1 °C y en la Ensenada de
La Paz con 24.15 °C. El interior de la bahía mostró 22
Figura 3. Marzo 1 al 15 2009.
°C. La bahía fue más caliente que la zona oceánica
adyacente donde se encontró una temperatura de 20.4
°C al norte y 21.9 °C al sur. Destacó también un giro
anticiclónico al noreste de la isla San José (Figura 3).
En Junio la temperatura en la bahía fue menor que en
la zona oceánica adyacente, presentando una
temperatura muy homogénea de 26.1 °C
aproximadamente, siendo un poco más caliente solo
en su costa peninsular con 26.85 °C. El norte de la
zona oceánica adyacente presentó 27.6 °C, mientras
que en la región sur se observó la temperatura más
alta con 28.35 °C (Figura 4). En septiembre la
temperatura fue alta y homogénea en todo el sur del
golfo. En este periodo la bahía presentó temperaturas
menores que la zona oceánica adyacente. El sur de la
bahía mostró 30.45 °C, mientras que el centro de la Figura 4. Junio 16 al 30 2009
bahía tuvo un valor menor con 30.15 °C. La zona
oceánica adyacente tuvo una temperatura superficial
uniforme. En el norte y en el sur se observaron valores
de 31.35 °C (Figura 5). En diciembre el sur de la
bahía presentó la temperatura más alta de la zona con
25.8 °C, mostrando la inercia térmica que presenta la
bahía respecto al sur del golfo. La zona centro de la
bahía mostró una temperatura superficial de 25.35 °C.
Para la zona oceánica adyacente se encontró la
presencia de agua más cálida en la región sur, la
temperatura superficial que mostró el norte de la Isla
San José fue de 24.9 °C, mientras que en el sureste de
la Isla Cerralvo se observó una temperatura de 26.1 °C
(Figura 6).

Figura 5. Septiembre 16 al 30 2009

95
 Bahía Coyote con 4.5mg/m3. Se encontró
comunicación de la bahía con la zona oceánica
adyacente por medio de la Boca Norte, al observarse
características similares entre el sur del golfo con la
costa peninsular del norte de la bahía. Se presentó
conexión de la bahía con la zona oceánica adyacente
por medio del Canal San Lorenzo pero con menor
penetración, solo hasta el sureste de la Isla Espíritu
Santo. El sur de la Isla Espíritu Santo y todo el
perímetro de la Isla Cerralvo presentaron
concentraciones de clorofila “a” mayores a 3 mg/m3.
El centro de la bahía y el resto de la zona oceánica
adyacente presentaron solo 0.8 mg/m3 de clorofila “a”
o menos (Figura 10).

Figura 6. Diciembre 1 al 15 2009

En marzo se observó agua con altas

concentraciones de clorofila “a” en la mayor parte del
golfo, uniendo la costa peninsular con la costa
continental por medio de lenguas. Se distinguió una
circulación ciclónica dentro de la bahía con
intrusiones de agua con altas concentraciones de
clorofila “a” provenientes del oeste de la Isla
Cerralvo por el Canal San Lorenzo. Mientras que por
la Boca Norte se observó un flujo de agua de la bahía
hacia la zona oceánica adyacente (Figura 7). Se
encontró una circulación ciclónica dominante en junio
dentro de la bahía con intrusión de agua por la Boca Figura 7. Marzo 1 al 15 2009.
Norte. Destacó el efecto de aislamiento que
provocaron las islas hacia la bahía respecto a la región
sur del golfo, que presentó aguas oligotróficas en su
zona centro. Presentando la mayor concentración de
clorofila “a” frente al Mogote con 5.2 mg/m3. El
centro de la bahía presentó concentraciones pequeñas
de clorofila “a” con 0.5mg/m3. Mientras que la zona
oceánica adyacente presentó agua oligotrófica con 0.2
mg/m3 o menos (Figura 8). En septiembre la mayor
concentración de clorofila “a” se registró frente al
mogote con 2.11 mg/m3. Se observó una lengua de
agua oligotrófica que entró a la bahía por la Boca
Norte, evidenciando una circulación ciclónica y la
intrusión de agua proveniente del sur del golfo. Se Figura 8. Junio 16 al 30 2009
observó también una intrusión de agua por el Canal
San Lorenzo con concentraciones de clorofila “a” de
0.6 unidades. Al este de las islas se presentaron
concentraciones bajas de clorofila “a” de 0.5 mg/m3.
El resto de la zona oceánica adyacente y el sur del
golfo presentaron agua con concentraciones de
clorofila “a” muy bajas de 0.2 mg/m3o menores
(Figura 9). En la imagen de clorofila “a” de
diciembre la mayor concentración se registró frente a

96
Figura 9. Septiembre 16 al 30 2009
Figura 10. Diciembre 1 al 15 2009
5.2 DATOS IN SITU
En la distribución horizontal a 10 m de profundidad se
observó en marzo la menor temperatura del año. En
junio se encontraron núcleos fríos dentro y fuera de la
bahía. En septiembre se registran las temperaturas más
altas en el año de estudio, y una superficie homogénea
en cuanto a la temperatura. En diciembre la
temperatura volvió a disminuir, y se observó una
distribución horizontal homogénea (Figura 11).
97
Figura 11. Variación de la temperatura a 10 m (en ° C).
Distribuciones Horizontales.
Los diagramas T-S fueron generados bajo el
criterio de Torres-Orozco (1993). En marzo se
registraron temperaturas menores a los 25 °C, se
encontró Agua del Golfo de California, Agua
Subsuperficial Subtropical y agua Intermedia del
Pacífico. El Agua Intermedia del Pacífico se registró a
profundidades mayores a los 500 m. En junio el Agua
Superficial Ecuatorial intrusionó en el área de estudio
y volvió menos salada la curva en el diagrama T-S. En
septiembre la temperatura llegó a los 30 °C, el Agua
Superficial Ecuatorial intrusionó y se registró Agua
del Golfo de California y Agua Subsuperficial
Subtropical. En diciembre el Agua Superficial
Ecuatorial salió del área de estudio, la salinidad
aumentó y la temperatura volvió a disminuir. La zona
norte correspondiente a la Isla San José fue más
salada, después le siguieron los valores registrados
dentro de la bahía y al final con agua menos salada se
encontró a la Isla Cerralvo. En el mes de junio en la
zona de la bahía y en la Isla San José se registraron
valores de T-S similares (Figura 12).
 En las imágenes de satélite de junio se observan
núcleos fríos y con concentraciones de clorofila “a”,
provocados por la presencia de remolinos
anticiclónicos (Figura 13).

Figura 13. Imágenes de Temperatura Superficial del Mar

(°C) y de Clorofila “a” (mg/m3) de Junio del 15 al 30 del
2009.

La elevación de las isopicnas en las estaciones E34

y E35 indicó la presencia de un remolino anticiclónico
en la zona de la Cuenca Alfonso (Figura 14). La
elevación de las isopicnas en la estación E44 indicó la
presencia de un remolino anticiclónico en la parte sur
de La Bahía de La Paz (Figura 15). La elevación de
las isopicnas entre las estaciones E6 y E20 indicó la
presencia de un remolino anticiclónico frente a la Isla
Espíritu Santo (Figura 16).

Figura 14. Transecto 1 de densidad relativa de Junio del

2009.

Figura 12. Diagramas T-S de Marzo, Junio, Septiembre y

Diciembre del 2009 de La Isla San José, Isla Cerralvo y la
parte profunda de la Bahía de La Paz.

98

Figura 15. Transecto 2 de densidad relativa de Junio del
2009.
Figura 16. Transecto 3 de densidad relativa de Junio del
2009.
6 CONCLUSIONES
Respecto a la hidrografía en la Bahía de La Paz y su
zona oceánica adyacente se observaron importantes
variaciones espaciales y temporales. La bahía se
destacó por mantener un aislamiento y retraso
respecto a las condiciones presentes en el sur del
Golfo de California. En primavera, verano y otoño se
registraron temperaturas mayores dentro de la bahía
que en la zona oceánica adyacente, mientras que en
invierno la bahía presentó una temperatura mayor que
la registrada en el sur del golfo.
99
La capa de mezcla más grande e importante del
2009 se presentó en el otoño. Para el invierno no se
encontró una capa de mezcla bien estructurada. Se
registró una termoclina, una haloclina y una
picnoclina con bajos gradientes, esto provocado
principalmente por el intercambio de propiedades
entre el agua del interior de la bahía con el agua
presente en la zona oceánica adyacente. Para la
primavera y el verano las calmas frecuentes y la
radiación solar en la región se encargaron de generar
una elevada estratificación de la temperatura y la
salinidad en la columna de agua dentro y fuera de la
Bahía de La Paz.
En las imágenes se observó que la época fría fue
dominada por surgencias continentales en el Golfo de
California. Los remolinos que se generaron en éste
transportaron propiedades a la zona de la Bahía de La
Paz, mientras que en la época cálida se detectó en la
parte profunda de la bahía Agua Superficial
Ecuatorial, que entró por la Boca Norte. La zona
profunda de la bahía y la región de la Isla San José
presentaron en la primavera y en el verano Agua del
Golfo de California, y en menor cantidad Agua
Superficial Ecuatorial, que para el otoño e invierno
volvió a ausentarse del sur del golfo.
La Bahía de La Paz y su zona oceánica adyacente
se vieron sujetas a cambios cíclicos y estacionales. Se
registró inclinación de las isopicnas y afloramiento de
ellas en la Cuenca Alfonso, en la región sur de la
bahía y al este de la Isla Espíritu Santo.
Es la primera vez que se encuentra un giro
anticiclónico en la región sur de la Bahía de La Paz,
en el transecto San Juan a San Gabriel.
El Golfo de California tiene influencia sobre las
condiciones hidrográficas de la Bahía de La Paz, lo
cual se observó en el intercambio de propiedades
oceanográficas que se presentó entre ellos y en los
patrones de circulación que dominaron dentro de la
bahía, mostrados tanto con las mediciones in situ,
como con las imágenes de satélite.
REFERENCIAS
Badan-Dangon, A., C. J. Koblinsky y T. Baumgartner,
Spring and summer in the Gulf of California,
observations of surface thermal patterns, Oceanol.
Acta., 8, 13– 22, 1985.
Durazo R, Gaxiola-Castro G, Lavaniegos B, Castro-Valdez
R, Gómez-Valdés J, Mascarenhas Jr. A Da S. 2005.
Oceanographic conditions west of the Baja California
coast, 202–2003: A weak El Niño and subarctic water
enhancement. Cienc. Mar. 31: 537–552.
Espinosa-Ávalos, J., 1997. Los principales parámetros
físico-químicos de las aguas de la Ensenada de La Paz,
B.C.S. Informe general de Labores del Centro de
Investigaciones Biológicas de Baja California Sur.
Resultados de las Investigaciones 1977:5-27.
Jiménez-Illescas, A. R., 1996. Análisis de procesos
barotrópicos y baroclínicos en la Bahía de La Paz B. C.
S. Universidad Nacional Autónoma de México, México,
D.F. Tesis de Doctorado, 212 p.
Jiménez-Illescas AR, M Obeso-Nieblas & DA Salas-De
León. 1997. Oceanografía física de la bahía de La Paz,
B.C.S. En: Urbán RJ & M Ramírez (eds), La bahía de
La Paz, Investigación y Conservación, pp. 31-41.
Universidad Autónoma de Baja California Sur, Centro
Interdisciplinario de Ciencias Marinas, México y
SCRIPPS Institute, La Paz.
Gaxiola-Castro, G., S. Alvarez-Borrego, M. F. Lavín, A.
Zirino, y S. Nájera-Martínez, Spatial variability of the
photosynthetic parameters and biomass of the Gulf of
California phytoplankton, J. Plankt. Res., 21, 231– 245,
1999.
Lavín, M. F., R. Durazo, E. Palacios, M. L. Argote, y L.
Carrillo, Lagrangian observations of the circulation in
the northern Gulf of California, J. Phys. Oceanogr., 27,
2298– 2305, 1997.
Martínez López, C., M. Winter y P. A. Juàrez, 2001. Las
tumbas exploradas durante el proyecto especial Monte
Albán 1992-1994, Centro INAH Oaxaca, México.
Matheron, G. 1960. Krigeage d’un Panneau Rectangulaire
parsa Périphérie. Note géostatistique, 28, CG. Ecole
des Mines de Paris, Paris.
Monreal-Gómez, M. A., A. Molina-Cruz & D. A. Salas-de-
León. 2001. Water masses and cyclonic circulation in
Bay of La Paz, Gulf of California, during June 1998. J.
Mar. Sys., 50:305-315.
Navarro-Olache, Mesostructuras termohalinas en la parte
central del Golfo de California, M. Sc. Thesis, CICESE,
pp. 79, 1989.
Obeso, N. M. 1987. Propagación de la constituyente M2 de
la marea en la Bahía de La Paz, B.C.S., México,
100
mediante un modelo hidrodinámico numérico. Tesis de
Maestría. Centro Interdisciplinario de Ciencias Marinas,
I.P.N., La Paz, B.C.S., México. 123p.
Obeso-Nieblas, M. & A. R. Jiménez-Illescas. 1989.
Propagación de la constituyente M2 de la marea en La
Bahía de La Paz, Baja California Sur, México,
mediante un modelo bidimensional hidrodinámico
numérico. Inv. Mar., CICIMAR-IPN, 4:241-256.
Obeso-Nieblas, M. 2002. Caracterización de las
condiciones hidrográficas en la Bahía de La Paz
durante el ENSO 1997-1998. Examen Predoctoral,
CICIMAR-IPN, México, 94 p.
Obeso-Nieblas M. 2003. Variabilidad espaciotemporal de
las condiciones oceanográficas de la Bahía de La Paz,
BCS, México. Tesis doctoral, Centro Interdisciplinario
de Ciencias Marinas, IPN, La Paz, BCS, México, 337
pp.
Obeso-Nieblas, M., B. Shirasago-German, L. Sánchez-
Velasco & J.H. Gaviño-Rodriguez. 2004. Hydrographic
variability in Bahia de La Paz, B.C.S., México during
the 1997-1998 El Niño. Deep Sea Res., II (51):689-710.
Paden, C. A., M. R. Abbott, and C. D. Winant, Tidal and
atmospheric forcing of the upper ocean in the Gulf of
California 1. Sea surface temperature variability, J.
Geophys. Res., 96, 18,337– 18,359, 1991.
Reyes-Salinas, A. y R. Cervantes-Duarte, 1998. Masas de
Agua en la Bahía de La Paz, B.C.S. Boletín No. 66
CICIMAR-IPN, México.
Reyes-Salinas, A., 1999. Factores que controlan la
productividad primaria en la Bahía de la Paz, B.C.S.
Tesis de maestría. CICIMAR-IPN, México.122 pp.
Salinas-González, F., O. Zaytsev & M. Vyacheslav. 2003.
Formación de la estructura termohalina del agua en la
Bahía de La Paz de verano a otoño. Ciencias Marinas,
29:51-65.
UNESCO. 1991. Processing of Oceanographic Station
Data. JPOTS Edition. Panel, Paris, 138 pp.
White, W. B., Tai, C-K y DiMento, J. 1990. Annual Rossby
wave in the Eastern subtropical North Pacific. Journal
of Physycal Oceanography.
ESTUDIO MULTISENSORIAL DE LA DINÁMICA SUPERFICIAL EN EL
SUR DEL GOLFO DE MÉXICO BAJO CONDICIONES
METEOROLÓGICAS ADVERSAS (SEPTIEMBRE-OCTUBRE 1999)
Fernando de Jesús SÁNCHEZ LINDOROa, Bernardo SHIRASAGO GERMÁNa, Maclovio OBESO
NIEBLASa, Diego GÁMEZ SOTOa, Cristóbal GUEVARA GUILLENa, Ricardo GARCÍA
MORALESa
a
Centro Interdisciplinario de Ciencias Marinas IPN. Av. Instituto Politécnico Nacional s/n. Col. Playa Palo de
Santa Rita. Apdo. Postal 592. CP 23096. La Paz, B.C.S. México. Tels. (12)1234658, 1234734 y 1234666. Fax
(612) 1225322.
e-mail: fsanchezl0901@ipn.mx

RESUMEN
En el presente trabajo se elaboró un estudio multisensorial con datos diarios y promediados de Temperatura
Superficial del Mar (TSM) del sensor NOAA-AVHRR, una composición de imágenes del sensor SeaWifs de
clorofila “a”, 16 imágenes de Radar de Apertura Sintética y campos de viento diarios procedentes del sensor
QuikScat de los meses de septiembre y octubre de 1999. Todas estas imágenes se utilizaron para analizar la
circulación de la Bahía de Campeche atribuida a diversos mecanismos como son: la evolución de un gran giro
anticiclónico generado por el sistema de corrientes Yucatán-Lazo-Florida, la interacción del agua de la surgencia
de Yucatán con el Banco de Campeche, la variación del transporte de agua a través del Canal de Yucatán, la
geometría de la bahía y el rotacional ciclónico del esfuerzo del viento.
Palabras clave: Bahía de Campeche, AVHRR, dinámica superficial, SeaWifs, QuikScat, SAR.

1 INTRODUCCIÓN circulación del Golfo. Considerándolo como el

La Bahía de Campeche, es una región marina del sur
Golfo de México, la cual se caracteriza por una alta
complejidad de procesos oceanográficos, biológicos la
cual está asociado como una área de protección,
reproducción y crianza de recursos pesqueros;
aportando así, capturas de más de 1 millón de
toneladas al año y en especial porque ahí, se encuentra
la zona de mayor producción de petróleo del país,
esto hace de ella una región de gran importancia, lo
que ha generado una gran realización de estudios de
carácter científico y del sector productivo
Esta región costera está fuertemente influenciada
por el Golfo de México, por lo tanto la variabilidad
en el Golfo, determina en gran medida la variabilidad
de mesoescala en la Bahía de Campeche.
Golfo de México y el Mar Caribe representan
aproximadamente el 30% de los 11 500 km nominales
de las costas mexicanas, se presenta como una región
muy importante del Océano Atlántico al cual está
conectado. El intercambio de agua entre el Océano
Atlántico y el Golfo de México, por medio del Canal
de Yucatán y el Estrecho de Florida, son
características que determinan fuertemente la
noveno cuerpo de agua más grande del mundo (Lugo-
Hubp, 1990). Éstas características determinan la
circulación en la bahía. Dicho patrón de circulación,
está condicionado por el forzamiento del viento, el
transporte de masas que entran a través del Canal de
Yucatán y las surgencias que ocurren en el Norte y
Noroeste de la Península de Yucatán.
Se han realizado un gran número de estudios
hidrográficos en Bahía con el objetivo de estudiar sus
variaciones espacio-temporales de los principales
parámetros físicos, como son la temperatura, la
salinidad, sigma-t y el oxígeno disuelto, pero se
conoce poco acerca de su dinámica. (Salas de León et
al., 2007)
Uno de los fenómenos costeros más importantes de
esta región, es la formación de frentes, los cuales son
originados principalmente por la descarga de agua
dulce de los ríos. Se ha visto durante muchos años,
cerca de las zonas frontales alta productividad
primaria y concentración de otros organismos
(Shirasago, 1996).
Otro de los fenómenos importantes de esta región
es la formación del giro ciclónico, que es atribuido a
diversos mecanismos: la interacción del agua de la

101
surgencia de Yucatán con el Banco de Campeche al
conservar su momento angular. (Cochrane, 1963), la
variación del transporte a través del Canal de Yucatán;
(Monreal-Gómez y Salas de León, 1990), la geometría
de la bahía y el rotacional ciclónico del esfuerzo del
viento (Vázquez de la Cerda, 1993).
Dado que en la literatura se menciona que cada
uno de los procesos de mesoescala, aportan diferentes
variaciones espacio-temporales, se pretende analizar
la dinámica superficial por medio de un enfoque de
análisis multiespectral. De igual manera, se tratará
mostrar que la dinámica costera es influenciada por
procesos que ocurren a mayor escala e inclusive en
otras partes del Golfo de México.
Para lograr lo anterior, se realizó el procesamiento
de datos satelitales en diferentes bandas, debido a que
la época en la que se llevó a cabo el estudio fue
marcada por condiciones meteorológicas adversas, por
lo que para poder identificar los diferentes fememos
de mesoescala, se realizó un análisis multiespectral, lo
que permitió identificar dichos elementos, a través de
un juego de datos multibanda. La importancia de
contar con planos de imágenes en distintas bandas
espectrales, radica en que los elementos sobre la
superficie terrestre reflejan la luz en distintas
proporciones para cada banda. (Shirasago, 1996)
2 ÀREA DE ESTUDIO
Figura 1. Ubicación geográfica de la Bahía de Campeche
La Bahía de Campeche situada en la zona subtropical
entre 18ª.06’ y 21ª30’ de latitud norte y 90ª06’ y
97ª20’de longitud oeste al Sur del Golfo de México.
Sus aguas tienen profundidades típicas que van de los
200 m en su plataforma continental, así como
profundidades que aumentan rápidamente hasta los
1000 m y alcanzan los 3000m en el centro de la bahía.
(Behringer et al. 1977) Tiene una extensión
aproximada de 750 km de Oeste a Este y de Norte a
Sur cerca de los 350 km conectándose así con el Golfo
de México; el cual se considera una cuenca con dos
102
fronteras abiertas, que se conectan con el Océano
Atlántico y con el Mar Caribe a través del Canal de
Yucatán localizado entre la Península de Yucatán y
laIsla de Cuba; y el Estrecho de Florida localizado
entre la Florida y la Isla de Cuba, respectivamente. El
régimen de marea en la bahía es diurna desde la parte
noreste de Yucatán hasta Río Coatzacoalcos y una
marea mixta con dominancia diurna se encuentra
desde el noroeste del río Coatzacoalcos, hasta un poco
al norte de Matamoros (Monreal Gómez y Salas de
León, 1997).
Debido a la dificultad de realizar estudios con
sensores remotos einstrumentación oceanográfica, en
regiones o épocas en las que prevalecen condiciones
meteorológicas adversas, se espera detectar
fenómenos marinos de mesoescala con un estudio
espacial multisensorial y multiespectral.
En el Sur del Golfo de México, en especial la
Bahía de Campeche, se han realizado estudios
hidrográficos y de circulación para determinar su
variabilidad. Además de ser una zona de gran interés
económico y pesquero, en especial porque es la zona
donde se ubican las plataformas de explotación
petrolera más importante de México, que es la Sonda
de Campeche.
Sin embargo estos no son suficientes, dada la
importancia de esta zona. El presente trabajo de
investigación pretende contribuir a la determinación
de la circulación marina y a la detección de
fenómenos de mesoescala durante una época de
fuertes lluvias y grandes descargas de los principales
ríos de la región, a través de la aplicación de
diferentes sensores activos y pasivos. Debido a que en
nuestro país existe un escaso conocimiento del sensor
activo (SAR), será de gran utilidad el análisis de este
tipo de datos satelitales.
El objetivo de esta investigación fue determinar la
dinámica superficial de Mesoescala de la Bahía de
Campeche mediante datos de Temperatura Superficial
del Mar y Pigmentos de Clorofila “a”, provenientes de
los sensores AVHRR y SeaWifs y compararla con lo
observado en las imágenes de Radar de Apertura
Sintética (SAR) de alta precisión.
3 METODOS Y MATERIALES
Se obtuvieron imágenes diarias y promediadas
derivadas de los sensores AVHRR y SeaWifs durante
septiembre-octubre de 1999. Adicionalmente, se
realizó una comparación con imágenes de Radar de
Apertura Sintética (SAR) (28 de septiembre y del 7 al
14 de octubre) y datos diarios de vectores de viento
(septiembre-octubre). Las imágenes fueron analizadas
con los programas, WIMMRErMapper 7.01 y los
vientos con un programa desarrollado en Lenguaje
C++. Para identificar los fenómenos de mesoescala
más relevantes en la bahía, se realizó la aplicación de
filtros, corrección geométrica, herramientas de
análisis espectral y diferentes tablas de visualización.

4 RESULTADOS
Los resultados obtenidos se basaron en un estudio
enfocado principalmente en la superficie del océano.
Dichos análisis se llevaron a cabo con imágenes de
Temperatura Superficial del Mar (TSM), Clorofila Figura 2. Temperatura Superficial del Mar en Bahía de
Campeche, 03 de septiembre de 1999. Sensor AVHRR
“a”, datos QuikCAT e Imágenes SAR, para un mejor
entendimiento de la dinámica superficial de la zona de
estudio.
Se analizaran por separado cada grupo de
imágenes, iniciando con la descripción de las
imágenes de Temperatura Superficial del Mar, lo que
nos permitirá tener una interpretación de los patrones
superficiales de circulación.
4.1ANÁLISIS SUPERFICIAL EN
IMÁGENES DE TEMPERATURA
SUPERFICIAL DEL MAR: NOAA-AVHRR
En primer lugar mostraremos una serie de imágenes
de temperatura superficial del mar (TSM) Figura 3. Vientos del 3 de Septiembre de 1999 en la Bahía
correspondientes a la primera quincena del mes de de Campeche
Septiembre, donde apreciamos una serie de
estructuras características de la zona: La corriente Las imágenes consecutivas de TSM son promedios
costera tanto en la parte occidente y oriente del Golfo con intervalos de 6 días de Octubre de 1999 (Figura
de México y una importante zona de convergencia en 3).
el centro de la bahía de Campeche. La primera observación importante que hemos de
La Figura 2, muestra una imagen NOAA-AVHRR, hacer en torno a estas imágenes consecutivas es la
del 03 de septiembre, en la que se puede apreciar una existencia de un filamento frente a las costas de
gran perturbación de la superficie del mar. Se observa Veracruz frente a las costas del río Alvarado, dicho
con dificultad la corriente que circula de norte a sur en filamento presenta un aumento importante en la TSM
la región del Banco de Campeche hasta los inicios de ya reportado anteriormente en las imágenes
la costa de Veracruz, con una temperatura alrededor promediadas del mes de septiembre.
de los 27 oC. Al Norte de la Península de Yucatán se En segundo lugar queremos mencionarla presencia
observó la presencia de la surgencia con valores de un filamento ubicado frente a las costas de Campeche
temperatura alrededor 25 a 26 oC. Los vientos (Fig. al oeste de la Bahía de Términos atribuida al sistema
3), fueron provenientes del noroeste durante el día, de Ríos Grijalva-Usumacinta considerados los Ríos
con velocidades entre los 10 y 15 m/s en la región más caudalosos de América del norte después del Río
central de la bahía. Se observa la presencia de nubes Misisipi. Lamentablemente no se pudo correlacionar
en la región este y oeste de la zona, perturbando gran con las imágenes diarias de TSM de finales de
parte la superficie del agua. septiembre inicios de octubre. Recordemos en este
sentido que uno de los mayores inconvenientes que
presentan los sensores en el infrarrojo es que la señal
proviene de la capa superficial del océano (10µm).

103
 Por último en lo que concierne a las imágenes
promediadas de Octubre es importante destacar la
presencia de una zona de surgencias localizada en el
Banco de Campeche, en donde varios autores han
señalado la presencia de “la surgencia de Yucatán”, al
norte de la península del mismo nombre. La surgencia
de Yucatán, es unos fenómenos que debido a las
características fisiográficas del Estrecho de Yucatán,
la corriente del Caribe aumenta su velocidad a más de
2 m s-1 (Gallegos, 1996), mientras que la columna de
agua es sometida a cambios de presión hidrostática
que producen un acenso de agua subsuperficial con
temperaturas más frías en relación a las circúndate. Le
desplazamiento de la surgencia tiene un
desplazamiento hacia el oeste siguiendo el contorno
de la península hasta las costas de Tabasco donde se
observan los filamentos antes mencionados y se debe
tanto por el efecto de los vientos alisios (Aguirre,
2002) que en verano tienen una dirección Este-Sureste
y en invierno Este-Noreste, como la dinámica de la
corriente del Caribe que penetra hasta el sur del Golfo
de México.
Con respecto al mes de septiembre presentaremos Figura 4. Promedios de Temperatura Superficial del Mar
un consecutivo de imágenes de Clorofila “a”, en la Bahía de Campeche, 1, 2, 28, 29, 30 y 31 de octubre
correspondiente desde el 30 de agosto hasta el 30 de de 1999, con intervalos de 6 días. Sensor AVHRR.
septiembre de 1999 (figura 4). A pesar que la primera
imagen conto con una importante saturación debido a La repercusión de la zona de surgencia en la costa
la existencia de nubes en la mayor parte de la zona de oriental de la bahía, se manifiesta con la presencia de
estudio, el resto de ellas cuentan con una cobertura grandes filamentos. Junto a esto distinguimos una
mayor de la zona de estudio. serie de particularidades que iremos describiendo a
continuación:
 En cada una de las imágenes mostradas,
observamos una importante concentración en
la zona costera, así como la presencia de
clorofila a en toda la zona del Banco de
Campeche, fenómenos que no fue observado
en el mes anterior.
 En la imagen 4b, destacamos el importante
afloramiento frente a las costas de Tabasco y
Veracruz, frente a la desembocadura de uno de
los principales ríos de la región el Sistema
Grijalva-Usumacinta. De igual forma en la
costa occidental de la bahía, observamos un
importante afloramiento en toda la línea de
costa, creemos que son producto de las
descargas de los ríos Alvarado y
Coatzacoalcos.
 La imagen del 8 al 15 de octubre, podemos
observar con mayor claridad la existencia de
filamentos en la zona profunda con dirección

104
 al interior de la bahía, generada por la observan una zona de alta retroreflectancia en la parte
circulación ciclónica de la zona. norte, mientras que en la parte sur se registran valores
muy bajos de retroreflectancia. De acuerdo a lo
 Por último, en la imagen del 24 al 30 de
anterior y a las condiciones dinámicas, podemos
octubre, podemos observar valores más altos
observar la existencia de un frente de viento, debido a
en el centro de la bahía, también nos muestra
que provoca un cambio rápido en la intensidad de la
la existencia de otro gran filamento frente al
retroreflectancia, producto del cambio en la velocidad
Escarpe de Campeche y una disminución
de los vientos (magnitud y dirección). Es importante
importante de Clorofila a en la región
mencionar, que para un cambio producido en la
occidental de la bahía, destacando la existencia
retroreflectancia, el incremento máximo de la
de un gran filamento en el Escarpe de
magnitud del viento es siempre observado cuando la
Campeche.
dirección de éste es paralela a la línea de visión SAR.

Figura 6. Vientos del 7 de Octubre de 1999.

Figura 5. Distribución superficial de Clorofila “a”, en la

Bahía de Campeche, del 30 de septiembre al 30 de octubre
de 1999, con intervalos de 8 días.

En la serie de imágenes correspondientes al 7 de

octubre (figura 7 y 8), se observan zonas amplias de
baja retroreflectancia, mientras que en la propia
Laguna de Términos encontramos valores muy altos, Figura 7. Ubicación geográfica de imagen SAR
por lo que se deduce que los vientos fueron correspondiente al 7 de Octubre de 1999.
predominantemente débiles durante el momento de la
adquisición. Esto se puede confirmar con la imagen de
campos de viento (figura 5 y 6) dado que el sensor no
pudo adquirir los datos en dicha zona. En esta imagen
se puede observar una zona de baja retroreflectancia
(obscura) en la región costera, de esta forma podemos
observar una zona de mayor retroreflectancia producto
de una corriente en las costas del estado de Campeche.
En la serie SAR (día 7 de octubre) (figura 6), se

105
 En otras series se manifestaron procesos
atmosféricos de gran importancia como la generación
de celdas de lluvia (14 octubre) y la generación de un
remolino ciclónico de aproximadamente de 13 km de
diámetro. Así mismo, las condiciones meteorológicas
llegaron hacer tan adversas que incluso perturbaron la
detección de las estructuras oceanográficas.
Melsheimer et al., (1999) (SAR), durante un
estudio con imágenes SAR en el Mar del Sur de
China, encontraron este tipo de comportamiento en
las celdas de lluvia mencionando entre otras causas la
posible modificación de la rugosidad superficial, así
como la turbulencia generada en las capas
superficiales las cuales son atenuadas por las ondas
cortas en la superficie.

Figura 8. Imagen SAR (3) del 7 de octubre ubicada Banco

de Campeche.

Figura 9. Serie SAR(1-2) en paso ascendente del 7 de Figura 10. Serie SAR en paso descendente del 14 de
octubre de 1999, ubicada Banco de Campeche. Octubre de 1999.

106

Figura 11. Vientos en Bahía de Campeche, del 14 de
octubre de 1999. Sensor QuikScat.
Figura 12.Ubicación geográfica de la serie SAR (4,5,6 y
7).
5 CONCLUSIONES
De entre las principales conclusiones y aportaciones
de este trabajo, podemos destacar las siguientes:
1. Los fenómenos frecuentemente detectados con
imágenes AVHRR fueron filamentos de mayor
temperatura superficial frente a las costas del Estado
de Veracruz, la intrusión de la Corriente de Yucatán
en la Bahía de Campeche, la Corriente proveniente del
alto golfo y por último la existencia del giro ciclónico
reportado anteriormente por diferentes autores, siendo
uno de los principales mecanismos de circulación en
la bahía.
2. Se han presentado condiciones meteorológicas
adversas y a pesar de ello se pudo observar por medio
de imágenes de TSM, la corriente costera de menor
temperatura en la costa oeste y una corriente cálida en
la costa este, con una importante zona de
convergencia en la zona central de la Bahía de
Campeche.
107
3. La influencia de la Corriente de Yucatán se
manifiesta mediante la generación de surgencias
topográficas sobre el Banco de Campeche, la cual
tiene una intrusión hasta las costas de Tabasco.
4. Del resultado del análisis de cada una de las
imágenes SAR del ERS-2, se obtuvieron importantes
detecciones de estructuras de mesoescala durante la
época de estudio. En cada una de las series SAR se
pudieron identificar en mayor o menor grado varios
fenómenos costeros y oceánicos (frentes de pluma de
ríos, remolinos, celdas de lluvia), los cuales fueron
detectados debido a la modulación que estos
fenómenos ocasionan en las ondas capilares.
5. Los campos de vientos diarios mostraron dos
patrones similares en ambos meses, en septiembre
obtuvimos un patrón de circulación principalmente del
noroeste, este y suroeste, mientas que el mes de
octubre fue notoria la existencia de una zona de
convergencia en la región central de la Bahía de
Campeche, asociada a la presencia de vientos del sur,
sureste y suroeste.
6. La capacidad del SAR para detectar estructuras
ha sido notoria principalmente bajo condiciones de
vientos débiles, esto es entre magnitudes de 1 a 3 m/s.
Por lo contrario, cuando se presentan condiciones de
vientos moderados a fuertes (6 a 8 m/s), hace que se
incremente la señal de retroreflectancia. Así mismo,
en algunos casos en donde se hicieron presentes
procesos atmosféricos sobre la superficie del mar.
7. Los fenómenos importantes detectados
frecuentemente fueron, frentes generados por los
principales ríos de la región, una corriente costera
proveniente del Banco de Campeche, un giro
ciclónico frente las costas de Veracruz que no había
sido reportado anteriormente con un diámetro de 30
km. La presencia de algunos de estos fenómenos fue
corroborada en algunas ocasiones con imágenes
NOAA.
8. Se pudo comprobar la gran utilidad de los
sensores activos durante la época de estudio, al
detectar estructuras marinas y oceanográficas, a pesar
de la condiciones adversas, lo cual contrastó con las
imágenes AVHRR y SeaWifs, que presentaron en
numerosas ocasiones una gran cobertura de nubes,
siendo utilizadas en algunas ocasiones para confirmar
la dirección de los vientos.
9. Por último, podemos destacar la importante
dependencia que mostró el SAR a condiciones
meteorológicas, las cuales no están relacionadas con
la presencia de nubes, como el caso de los sensores
pasivos, sino directamente con condiciones de los
vientos prevalecientes durante la adquisición de las
imágenes.
REFERENCIAS
Lugo-Hubp., J. Aceves-Quesada, & M. T. García- Arizaga.
1990. Mapas morfotométricos de la República
Mexicana: (1) Niveles de base de erosión, (2) Niveles
de cimas, (3) Profundidad de disección, (4) Densidad de
disección: Universidad Nacional Autónoma de México,
Instituto de Geografía, Atlas Nacional de México, hoja
Morfometría 1, núm. IV.3.1, escala 1:8’000 000.
Cochrane, J.D., 1963. Yucatan Channel. Annual report.
Department of Oceanography, Texas A&M University.
Ref. 63-18A, 6-11pp.
Monreal-Gómez, M.A & D.A. Salas-de-León, 1990.
Simulación de la Circulación de la Bahía de Campeche.
Geofísica Internacional, 29(2): 101-111.
108
Monreal-Gómez, M.A & D.A. Salas-de-León 1997.
Circulación y estructura termohalina del Golfo de
México. In: Lavín-Peregrina MF (ed.), Oceanografía
Física en México. Monografía No. 3 de la Unión
Geofísica Mexicana, pp. 183–199.
Salas-de-León David A., M.A. Monreal-Gómez., D. Salas-
Monreal., G.E. Díaz., M.L. Riverón-Enzastiga& F.
Vázquez-Gutiérrez. 2007. Tidal Current Components in
the Southern Bay of Campeche,Gulf of Mexico.,
GeofísicaInternacional (2007), Vol. 46, Num. 2, pp.
141-147.
Shirasago, 1996. Aplicaciones del radar de apertura
sintética (SAR) del satélite ERS-1 al estudio de la
dinámica superficial de mesoescala en el mediterráneo
occidental. Tesis de doctorado. INSTITUT DE
CIENCIES DEL MAR, 257 p.
Vázquez de la Cerda, A. M. 1993. Bay of Campeche
Cyclone. Tesis de doctorado. Texas A&M, University.
91 pp
.
MODELADO
ESPACIAL

109
 BASE DE DATOS GEOESPACIAL DE MAMÍFEROS TERRESTRES DE
AMÉRICA DEL NORTE: UNA APROXIMACIÓN A SUS PATRONES
BIOGEOGRÁFICOS Y CONSERVACIÓN
Tania ESCALANTE a, Gerardo RODRÍGUEZb
Museo de Zoología “Alfonso L. Herrera”, Departamento de Biología Evolutiva, Facultad de Ciencias,
a

Universidad Nacional Autónoma de México, Apartado Postal 70-399, 04510 México, D. F., México.
email: tee@ibiologia.unam.mx
b
Unidad de Geomática, Instituto de Ecología, Universidad Nacional Autónoma de México. Apartado Postal 70-
275, México, D.F. México 04510.

RESUMEN
Se desarrolló una base de datos geoespacial centrada en los datos de los mamíferos terrestres de América del
Norte, con la finalidad de descubrir sus patrones biogeográficos y proponer estrategias de conservación. La base
de datos contiene 245,818 registros (combinaciones únicas de nombre científico y georreferencia) de 710
especies pertenecientes a 11 órdenes de mamíferos terrestres representados desde Alaska y Canadá hasta
Panamá. Algunos de los análisis biogeográficos que se han realizado incluyen: análisis de conocimiento,
modelos de distribución de especies, análisis de diversidad y endemicidad, panbiogeografía y biogeografía
cladística a diferentes escalas biogeográficas. Sin embargo, el fin último de la base de datos es utilizar los
patrones de distribución de los mamíferos como surrogates en planeación sistemática de la conservación.
Palabras clave: sistemas de información, informática de la biodiversidad, Mammalia, biogeografía, diversidad,
endemismo, priorización.
características biológicas y de distribución. Existen
1 INTRODUCCIÓN
esfuerzos importantes por generar bases de datos que
Las colecciones biológicas científicas constituyen el contengan información sobre las áreas de distribución
acervo más importante del mundo vivo. Desde el individuales de los mamíferos (p. ej.:
punto de vista biogeográfico, éstas constituyen la http://www.mnh.si.edu/mna/,
fuente de datos primordial sobre el componente http://www.natureserve.org/infonatura/,
espacial de la biodiversidad. La necesidad de extraer http://www.conabio.gob.mx/informacion/mamiferos/d
la mayor cantidad de datos de colecciones científicas octos/presentacion.html). Sin embargo, estas
ha impulsado y promovido el origen de una disciplina aproximaciones solo integran mapas de distribución
denominada Informática de la Biodiversidad tradicionales y no contienen datos puntuales de
(Martínez-Meyer y Sánchez-Cordero, 2006). La registro de las especies.
informática de la biodiversidad hace uso de Con base en lo anterior, desde hace más de cinco
tecnologías y ciencias informáticas, sistemas de años, nuestro grupo de investigación se ha dedicado a
información geográfica y de bases de datos, integrar y recopilar datos puntuales de distribución de
percepción remota y estadística, para abordar mamíferos de América del Norte, con la finalidad de
problemas biológicos (Soberón y Peterson, 2004). conformar una base de datos geoespacial útil en la
Una base de datos geográfica, es una base de datos identificación de patrones biogeográficos y aplicación
con un atributo geoespacial, permitiendo así, operar en conservación.
sobre un sistema manejador de bases de datos,
operaciones de análisis espacial (Elmasri y Navathe, 2 BASE DE DATOS MamNA
1997). Este tipo de sistemas es de los más útiles en el La base de datos MamNA (mamíferos de Norte
análisis de los patrones biogeográficos. América) contiene datos de mamíferos terrestres
Los mamíferos son uno de los grupos taxonómicos (voladores y no voladores) de América del Norte,
mejor conocidos, y se les considera ideales para incluyendo desde Alaska y Canadá hasta Panamá
análisis biogeográficos y de conservación por sus (excepto las islas), y fue integrada a partir de

110
diferentes fuentes: GBIF, Global Biodiversity
Information Facility (www.gbif.org); MaNIS,
Mammal Networked Information System
(www.manisnet.org); UNIBIO, Unidad de Informática
para la Biodiversidad (www.unibio.unam.mx);
Conabio, Comisión Nacional para el conocimiento y
uso de la biodiversidad (www.conabio.gob.mx); y
Mammex, Mamíferos de México (Escalante et al.,
datos no publicados). Dado que es una base de datos
principalmente desarrollada para análisis
biogeográficos, contiene tres campos (atributos)
básicos: el nombre de la especie (ScientificName,
texto), longitud (decimalLongitude, número) y latitud
(decimalLatitude, número).
Inicialmente se obtuvieron 1,276,102 registros que
fueron homologados, integrados y analizados con
PostgreSQL, con aplicaciones enfocadas en el manejo
de codificación de caracteres, sustitución de cadenas,
contador de letras y palabras e interacción con la base
de datos (manejador de bases de datos), para realizar
ajustes en los archivos por errores de codificación o
por errores de formato de los mismos. También se
utilizaron funciones de Sistemas de Información
Geográfica (SIG), integrados a PostgreSQL
(PostGIS), para generar capas geométricas con
atributos espaciales (shapes), de las coordenadas
geográficas de cada uno de los registros.
Todos los registros incorporados a la base de datos
fueron verificados geográficamente en un Sistema de
Información Geográfica (ArcGIS 9.2), donde fueron
eliminadas las inconsistencias y corregidos los errores
de georreferencia. Finalmente los registros fueron
condensados como registros únicos, a los que les
corresponde una combinación única de nombre
científico y coordenadas de latitud-longitud, siendo un
total de 245,818 registros únicos de 710 especies de
11 órdenes de mamíferos.
Finalmente la base de datos también fue
implementada en Access y Excel, para la
transformación de los datos en los formatos necesarios
para cada análisis biogeográfico.
3 ANÁLISIS BIOGEOGRÁFICOS
Para realizar análisis biogeográficos, los datos
puntuales de distribución de los taxones son
generalizados a unidades de área. En este caso, cada
registro fue asignado a cuadros de cuatro tamaños
básicos: 0.5° latitud-longitud, 1°, 2° y 4°, permitiendo
realizar diferentes análisis en cada escala y hacerlos
comparables. La base de datos entonces tiene también
111
tablas que consisten de los 245,818 registros únicos
asignados a 324 cuadros de 4°, 1,095 cuadros de 2°,
3,881 cuadros de 1° y 14,142 cuadros de 0.5°.
Los registros asignados a los diferentes tamaños de
cuadro se transformaron a matrices binarias de datos
mediante un algoritmo para transposición matricial de
datos, el cual permite el cruce de información de
especies vs. áreas, utilizándose una base de datos en
PostgreSQL para el almacenamiento de la
información fuente, dicho algoritmo se desarrolló
mediante un procedimiento almacenado en PL/pgSQL
convirtiendo en campo cada uno de los nombres de las
especies, y al cuadro en otro campo de la misma tabla
como llave primaria, permitiendo con esto prender un
indicador en el área por especie.
3.1 ANÁLISIS DE CONOCIMIENTO
Se realizó un análisis general del estado de
conocimiento de la mastofauna de América del Norte
con la generalización de los puntos a la cuadrícula de
4°. Se observó que la mayoría de los registros se
encuentran localizados hacia la mitad del área de
estudio, donde el cuadro con mayor cantidad de
registros se ubica a los 18-22° latitud N y 96-100°
longitud W en el centro de México, con 16,167
registros. El promedio de registros por cuadro fue de
999 y existen 12 cuadros con solo un registro.
3.2 DIVERSIDAD
A partir de la misma cuadrícula (4°) se contó el
número de especies conocidas por cuadro, resultando
en que el cuadro con mayor riqueza tuvo 253 especies
(coincidiendo con el mismo cuadro con mayor
número de registros), mientras que 21 cuadros sólo
tuvieron una especie. El promedio de especies por
cuadro fue de 40 especies, y el promedio de registros
por especie fue de 346.
Se aplicaron tres estimadores de riqueza no
paramétricos (Chao2, ICE: Incidence-based Coverage
Estimator y Jacknife de primer orden) con el fin de
predecir, con base en los registros conocidos, cuántas
especies más sería esperado descubrir. Para lo
anterior, se construyó una matriz de datos de 246
cuadros con al menos un registro por especie
(muestras) respecto a las especies. Los estimadores
fueron aplicados en Estimates v. 8.2.0 (Colwell,
2006), con 100 corridas y aleatorización sin remplazo.
Los estimadores predicen que se espera por conocer
entre 40 y 80 especies más para la zona (Chao2=
753±13, ICE= 751±0.01, Jacknife= 791±20).
3.3 MODELOS DE DISTRIBUCIÓN
El uso cada vez más extendido de modelos de
distribución de especies a partir de los datos de
colecciones (ver Elith y Leathwick, 2009) permite
aproximarse con mayor precisión a los patrones de
distribución.
A partir de la base de datos, se generaron 710
archivos .csv, uno por especie, con lo cual se
elaboraron los modelos de distribución. Se
seleccionaron solo aquellas especies con más de cinco
registros con lo cual el número final fue 652 especies
de mamíferos. Los modelos fueron generados en
Maxent utilizando 19 variables bioclimáticas y cuatro
topográficas a una resolución de aproximadamente 2
km. Cada modelo fue refinado con el umbral del
percentil 10 de presencia de entrenamiento y usado
para generar nuevamente matrices de datos en cada
una de las cuatro escalas de análisis.
3.4 ENDEMISMO
Uno de los patrones biogeográficos básicos que se
intenta descubrir es el endemismo, el cual, mediante la
identificación de áreas de endemismo, se proporciona
evidencia para elaborar esquemas de clasificación
biogeográfica (Escalante, 2009).
Los modelos de distribución de las 652 especies
fueron asignados a la cuadrícula de 2°, con el fin de
identificar patrones de distribución compartidos entre
diferentes taxones, aplicando el análisis de
endemicidad (Szumik et al., 2002).
En un ejercicio preliminar, se obtuvieron 335 áreas
de endemismo con puntajes desde 2.01 hasta 18.57,
donde el puntaje más álto representa un área
correspondiente a la región Neotropical, en el sur del
área de estudio. A partir todas las áreas, y con base en
su similitud taxonómica al 40%, se obtuvieron 61
áreas de consenso.
Los resultados muestran diferentes patrones de
distribución, destacándose la región Neotropical, pero
la ausencia de la región Neártica. Sin embargo, es
posible distinguir muchos patrones pequeños que
pueden corresponder al nivel jerárquico de provincia.
3.5 PANBIOGEOGRAFÍA Y BIOGEO-
GRAFÍA CLADÍSTICA
A partir de los datos de puntuales, y mediante un
algoritmo de generación de árboles de tendido
mínimo, es posible dibujar, para cada una de las
especies, trazos individuales que representan las
coordenadas espaciales de la evolución de los taxones.
112
Por otro lado, las áreas de endemismo identificadas
junto con la información filogenética, permiten
identificar procesos relacionados con la historia de
relación de las áreas de endemismo.
Desarrollamos un ejercicio con las especies de
Soricomorpha de América del Norte, donde a partir de
la identificación de cinco áreas de endemismo, y del
uso de cuatro filogenias (para Sorex, Sorex cinereus,
Cryptotis mexicana y Blarinini) se pudieron establecer
hipótesis de relación de las áreas donde se observa
una coincidencia de las áreas obtenidas con
regionalizaciones previas (p. ej. Udvardy, 1975): las
áreas más norteñas con estrecha relación con la región
Paleártica, un clado hacia el este y otro hacia el oeste
de América del Norte.
4 CONSERVACIÓN
La planeación sistemática de la conservación es un
sistema estructurado que, mediante etapas, permite
seleccionar áreas de conservación (Margules y Sarkar,
2009). Este protocolo requiere la selección de un
conjunto de subrogados (o representantes) de la
biodiversidad sobre los cuales se priorizan los sitios
de conservación (Margules y Sarkar, 2009). Se ha
propuesto que la diversidad de especies, los
ensamblajes particulares de especies o características
ambientales pueden ser utilizados como subrogados,
sin embargo, no se han utilizado patrones de
endemismo como tales, lo cual podría añadir un valor
histórico a la priorización de conservación.
Nosotros hemos desarrollado un ejercicio de
priorización de áreas de conservación de 40 especies
endémicas de América del Norte con el software
ConsNet, iniciando con rareza y complementariedad,
incluyendo adyacencia. El resultado indica áreas
prioritarias hacia el este de Canadá, el suroeste de
Estados Unidos y algunas zonas clave en las
principales cadenas montañosas de México.
5 CONCLUSIONES
La integración y compilación de grandes bases de
datos geoespaciales permite, entre otras
aproximaciones biogeográficas: direccionar
posteriores esfuerzos de recolecta y conocimiento de
taxones, ampliar el conocimiento de las áreas de
distribución individuales, inferencia de patrones de
distribución, explicaciones de procesos causales y
toma de decisiones en términos de conservación de la
biodiversidad.
 AGRADECIMIENTOS
Agradecemos la importante labor que realizan todas
las colecciones científicas que aportan datos a los
diversos portales consultados. Este trabajo fue
desarrollado con el financiamiento del proyecto
Conacyt 80370. Estela Rivera, Niza Gámez, Rode A.
Luna, Rafael Gónzalez-López, Ana Lilia González,
Maira Ruiz, Lucero Cetina, Guillermo Ramírez de
Arellano y Xóchitl Soto han colaborado en la
integración y manejo de la base de datos.
REFERENCIAS
Elith J. and J. R. Leathwick, 2009. Species distribution
models: Ecological explanation and prediction across
space and time. Annu. Rev. Ecol. Evol. Syst. 40: 677-
697.
Elmasri R. y Navathe S., 1997. Sistemas de bases de datos.
887 pp. Ed. Addison Wesley Longman.
Escalante, T. 2009. Un ensayo sobre regionalización
biogeográfica. Rev. Mex. Biodiv.80: 551-560.
113
Martínez-Meyer, E. and V. Sánchez-Cordero. 2006. Uso de
datos de colecciones mastozoológicas. In Lorenzo, C.,
E. Espinoza, M. A. Briones, y F. A. Cervantes (eds.),
Colecciones Mastozoológicas de México. México,
AMMAC. Pp. 177-186.
Margules, C.R. and Sarkar, S. 2009. Planeación Sistemática
de la Conservación. (Trad. V. Sánchez-Cordero y F.
Figueroa). Universidad Nacional Autónoma de México,
Comisión Nacional de Áreas Naturales Protegidas y
Comisión Nacional para el Conocimiento y Uso de la
Biodiversidad. 304 pp. México D.F. (Original en inglés,
2007).
Soberón, J. and A. T. Peterson. 2005. Interpretation of
models of fundamental ecological niches and species’
distributional areas. Biodiversity Informatics, 2:1-10.
Szumik, C. A., F. Cuezzo, P. A. Goloboff, and A. E.
Chalup. 2002. An optimality criterion to determine
areas of endemism. Systematic Biology 51:806–816.
Udvardy, M. D. 1975. A classification of the
biogeographical provinces of the world. Morges: IUCN
Occasional Papers, International Union for
Conservation of Nature and Natural Resources.
ESCENARIOS DE CAMBIO DE COBERTURA Y USO DEL SUELO EN EL
CORREDOR BIOLÓGICO MESOAMERICANO-MÉXICO
Diana RAMÍREZ-MEJÍA a, Gabriela CUEVAS b, Eduardo MENDOZA c
a
Facultad de Biología, Universidad Michoacana de San Nicolás de Hidalgo, Edificio "R" Planta Baja, Ciudad
Universitaria, email: diana.masher@gmail.com
b
Centro de Investigaciones en Geografía Ambiental Universidad Nacional Autónoma de México (UNAM)
campus Morelia, cCentro de Investigaciones en Ecosistemas Universidad Nacional Autónoma de México
(UNAM) campus Morelia, Antigua Carretera a Pátzcuaro No. 8701 Col. Ex-Hacienda de San José de La Huerta
C.P. 58190 Morelia Michoacán. México

RESUMEN
Para evaluar el potencial que el impacto humano tiene para modificar la configuración del paisaje en la porción
mexicana del Corredor Biológico Mesoamericano (CBM-MX) elaboramos modelos espacialmente explícitos de
cambio de la cobertura y uso del suelo (CCUS), utilizando el programa Dinamica EGO. Para la modelación
utilizamos la cartografía de vegetación y uso de suelo de INEGI (1993, 2002 y 2007) y un conjunto de variables
explicativas (p.ej., distancia a carreteras y poblados, elevación, presencia de áreas naturales protegidas, entre
otras). Calibramos los modelos para el período 1993-2002, simulamos el CCUS para el año 2007, y lo
comparamos con el mapa de INEGI del 2007. Encontramos que la cercanía a poblados y carreteras aumenta la
probabilidad de deforestación en el CBM-Mx y que, en contraste, la presencia de áreas naturales protegidas la
reduce. Posteriormente, modelamos los CCUS para el año 2030 bajo dos escenarios: 1) Tendencial: las tasas de
deforestación del período 2002-2007 se mantienen y 2) De conservación: las tasas de deforestación disminuyen
y la efectividad de las áreas naturales protegidas para inhibirla, aumenta. El escenario tendencial muestra que de
seguir los patrones actuales de CCUS se perderían 522 300 ha de bosques y selvas, en contraste el modelo de
conservación resulta en un cambio mínimo del paisaje. Nuestro enfoque metodológico representa una
herramienta útil para evaluar el impacto potencial que distintas políticas públicas pueden tener en la
conservación de regiones de alta biodiversidad como el CBM-Mx.
Palabras clave: Deforestación, Cambio de uso/cobertura del suelo, Bosques tropicales, Modelado espacialmente
explícito, Corredor Biológico Mesoamericano
últimas décadas ha habido un gran avance en el
1 INTRODUCCIÓN
desarrollo de modelos que permiten simular el cambio
El cambio de cobertura y uso del suelo (CCUS) es la de cobertura y uso del suelo. Entre estos, los modelos
principal amenaza para la biodiversidad. Además, de simulación espacialmente explícitos resultan
contribuye al cambio climático global y provoca la particularmente útiles porque permiten: 1) analizar los
degradación del suelo y la alteración de los ciclos patrones de cambio a distintas escalas espacio-
hidrológicos y biogeoquímicos (Myers et al., 2000, temporales, 2) incorporar el efecto de factores
1994; Lambin et al., 2001). En México se estima que biofísicos y socioeconómicos (Angelsen y Kaimowitz,
anualmente se pierden entre 545 000 y 631 000 1999; Chowdhury, 2006), 3) elaborar escenarios
hectáreas de cobertura forestal (FAO, 2002; Mas et alternativos de CCUS (Soares-Filho et al., 2006,
al., 2004). El impacto del cambio de la cobertura y Cuevas y Mas, 2008) y 4) evaluar las implicaciones
uso del suelo es particularmente severo en los ecológicas de distintas estrategias de manejo y
ecosistemas tropicales. En particular, en el sureste de conservación (Soares-Filho et al., 2002). Asimismo, la
México se calcula que durante el período de 1978 a aplicación de este tipo de modelos contribuye a
2000 se perdieron 4.8 millones de hectáreas de entender mejor como ciertas variables interactúan y
bosques y selvas (Díaz-Gallegos et al., 2009). Ante controlan la deforestación (Geoghegan et al., 2001;
esta situación, resulta primordial monitorear y Veldkamp y Verburg, 2004). De esta forma, los
cuantificar de manera precisa los cambios en la modelos de simulación espacialmente explícitos
cobertura y uso del suelo, especialmente en regiones pueden ser utilizados para probar hipótesis específicas
que combinan gran biodiversidad y amenaza. En las

114
sobre los cambios en la configuración espacial del acelerada pérdida de la cobertura forestal en la región
paisaje bajo distintos escenarios de manejo del CBM-Mx (Díaz-Gallegos et al., 2009).
(Veldkamp y Lambin, 2001; Teixeira et al., 2009).
Este estudio se centra en elaborar un modelo de
cambio de cobertura y uso del suelo (CCUS) que
permita: 1) evaluar el papel que un conjunto de
factores tiene para determinar los patrones de
deforestación en la porción mexicana del Corredor
Biológico Mesoamericano (CBM-Mx) y 2) generar
escenarios futuros de las posibles trayectorias de
deforestación en esta región bajo distintas condiciones
de manejo y conservación. La gran concentración de
biodiversidad existente en el CBM-Mx y su fuerte
grado de amenaza, a consecuencia de las actividades
humanas, hacen que esta región forme parte de la lista
de “hot-spots” de la biodiversidad mundial (Myers et
al., 2000). Por tal motivo, resulta de gran importancia Figura 1. Secciones del CBM-Mx en los que se enfoca este
evaluar la magnitud, dinámica y distribución de los estudio y principales Áreas Naturales Protegidas que
CCUS en la región del CBM-Mx y determinar su conecta.
posible dinámica futura. Este tipo de información es
fundamental para guiar la toma de decisiones por 3 METODOLOGÍA
parte de las autoridades y las comunidades que 3.1 BASES DE DATOS CARTOGRÁFICOS
permitan establecer estrategias de manejo y
Para este estudio utilizamos como base la cartografía
conservación de esta región.
digital de uso del suelo y vegetación elaborada por el
2 ÁREA DE ESTUDIO Instituto Nacional de Estadística Geografía e
Informática (INEGI) Serie II (1993), Serie III (2002)
El CBM-Mx se extiende a través de los estados de y Serie IV (2007) a escala 1: 250 000.
Campeche, Chiapas, Quintana Roo y Yucatán y se
divide en tres secciones. La primera se localiza en los 3.1.1 Clasificación de cobertura y uso del
estados de Campeche y Quintana Roo uniendo las suelo para el CBM-Mx
reservas de la biosfera de Calakmul y Sian Ka’an Simplificamos la leyenda utilizada en la cartografía de
(CBC-S) (Figura 1). La segunda sección se localiza en uso de suelo y vegetación de INEGI para hacerla
el estado de Chiapas uniendo las reservas de la equivalente y comparable entre las tres series usando
biosfera de Montes Azules (norte de Chiapas) y El el software ArcGIS 9.3 (ESRI). Para estimar el grado
Triunfo (Sierra Madre del Sur) (CBM-T). Finalmente, de recuperación o degradación de las categorías de
la tercera sección corre por la parte norte del estado de selvas y bosques distinguimos entre la vegetación
Yucatán. En este estudio nos centramos en las dos primaria y secundaria (Tabla 1).
primeras secciones del CBM-Mx ya que son las de
3.2 ESTIMACIÓN DE LAS TASAS DE
mayor extensión y biodiversidad (Figura 1). El CBM-
CAMBIO DE COBERTURA Y USO DEL
T tiene una extensión de ~3,26x106 ha y el CBC-S
SUELO
abarca una superficie de ~3,38x106 ha. Se estima que
alrededor del 40% de la población que habita dentro Obtuvimos las áreas de cada categoría de cobertura y
de estas dos áreas es indígena (lacandones, zoques, uso del suelo para cada fecha y calculamos las tasas
mayas, choles, etc.) (Miller et al., 2001). El CBM-Mx de cambio para los períodos 1993-2002 y 2002-2007
alberga algunos de los ecosistemas más diversos de con la fórmula utilizada por la FAO (1996):
México como son los bosques tropicales húmedos y el 1
bosque mesófilo, además de una alta diversidad de
 s2  n
especies de flora y fauna (Conabio, 2008). La carencia
de planes de manejo adecuados para la región han t    1
ocasionado la existencia de niveles de pobreza
extrema y la subutilización de los recursos naturales
 s1 
(Miller et al., 2001). Esto se ha reflejado en una

115
 Donde t es la tasa de cambio, S1 es la superficie de suelo para 1993 y 2002. Con base en estos mapas
un tipo dado de cobertura/uso en el tiempo 1, S2 es la obtuvimos las matrices de probabilidad de cambio
superficie de la misma cobertura en el tiempo 2, y n es para las distintas categorías de cobertura y uso del
el número de años transcurridos en el período suelo, utilizando el método de las cadenas de
evaluado. Markov. Para hacer las proyecciones de CCUS sobre
Tabla 1. Categorías de uso/cobertura del suelo una base anual utilizamos matrices con tasas de
utilizadas en la leyenda de los mapas. probabilidad de transición anualizadas (Soares-Filho
et al., 2002).
Para establecer la relación entre las variables
Clase de Clave
explicativas y la probabilidad de cambio utilizamos el
uso/cobertura del suelo método de los pesos de evidencia que incorpora
Bosques B Dinamica EGO. Este método se basa en el uso de la
Bosques secundarios
1
BS probabilidad condicional, e indica la probabilidad de
que una categoría cambie dado que cierta condición
Selvas S
1
está presente (p.ej., la probabilidad de que un área sea
SS
Selvas secundarias deforestada dado que se encuentra cercana a
Agrícola-Pecuaria-Forestal
2
APF carreteras). Cuando la presencia de la condición tiende
3
a favorecer el cambio el valor del peso es positivo
OC
Otras coberturas (W+), mientras que un peso con valor negativo (W-)
1
Incluye vegetación secundaria herbácea, arbustiva y tiende a inhibir el cambio (ver Bonham-Carter, 1994).
arbórea.
Como en Dinamica EGO cada transición tiene su
2
Incluye pastizales inducidos y cultivados y agricultura de propio conjunto de variables explicativas,
riego y temporal.
3
seleccionamos las variables más importantes para
Incluye vegetación hidrófila, cuerpos de agua y
asentamientos humanos.
cada transición. Dado que este método asume
independencia condicional entre variables sólo
incorporamos aquellas variables con un grado bajo de
3.3 PROCESAMIENTO DE DATOS PARA correlación (Crammer V < 0.4).
EL DESARROLLO DEL MODELO DE 3.3.2 Simulación del cambio
CAMBIO
Con base en los mapas de cobertura y uso de suelo y
Obtuvimos los datos cartográficos de carreteras, los pesos de evidencia se generó un mapa de
poblados, ríos principales, tipo de suelo y áreas probabilidad de cambio para cada transición.
naturales protegidas de INEGI escala 1:1 000 000 Posteriormente, con base en la matriz de transición
(vectorial) y modelos digitales de elevaciones ASTER anual (calibrada para el período 1993 – 2002) y los
GDEM (raster) (http://www.gdem.aster.ersdac.or.jp/). mapas de probabilidades de cambio elaboramos
Transformamos los insumos cartográficos en formato mapas de cobertura y uso del suelo prospectivos para
vectorial a formato raster con una resolución de 1 el año 2007 (mapas simulados). Dinamica EGO
km2, y calculamos las distancias euclidianas a emplea dos autómatas celulares para que los cambios
carreteras, poblados y ríos principales utilizando el modelados tengan una configuración espacial realista:
software ArcGIS 9.3. Convertimos la cartografía de EXPANDER, que simula cambios por expansión
áreas naturales protegidas (CONANP) a formato (p.ej., expansión de la frontera agrícola) y PARCHER,
raster y la clasificamos como una variable binaria que crea nuevos parches de cambio (p.ej., desmontes
(i.e., dentro o fuera de la reserva). A partir de los aislados en un bosque) (ver Soares-Filho et al., 2002).
modelos digitales de elevación del terreno generamos Para calcular los parámetros que utiliza Dinamica
mapas de pendientes. Exportamos toda la información EGO para la expansión y creación de nuevos parches
en formato GeoTiff al programa Dinamica EGO elaboramos un programa con el lenguaje de
(Soares-Filho et al., 2002), donde generamos un programación Arc Macro Language (AML) del SIG
archivo (stack) con todas las capas de información. ArcInfo 8.2 (ESRI, 2002). Con este programa fue
3.3.1 Calibración posible generar de manera automática los valores de
cambio por expansión o parches para la totalidad de
Para la calibración de los modelos para el CBM-T y
polígonos (ver Cuevas, 2005).
CBC-S utilizamos los mapas de cobertura y uso del

116
 Tabla 2. Superficie en hectáreas de las categorías de cobertura y uso del suelo en el CBM-MX y tasas de
cambio
Clases de uso/cobertura
1993 2002 2007 Tasa Tasa
CBM-C (Ha) (Ha) (Ha) 1993-2002 2002-2007
(%/año) (%/año)
Selvas 833 900 662 500 623 500 -2.52 -1.21
Selvas secundarias 662 500 761 500 740 200 1.56 -0.57
Bosques 535 700 372 400 318 500 -3.96 -3.08
Bosques secundarios 190 200 344 100 383 400 6.81 2.19
Agrícola-Pecuario-Forestal 726 800 807 600 882 000 1.18 1.78
Otras coberturas 37 000 37 900 38 500 0.27 0.31
1993 2002 2007 Tasa Tasa
CBC-S (Ha) (Ha) (Ha) 1993-2002 2002-2007
(%/año) (%/año)
Selvas 1 018 400 950 900 928 100 -0.76 -0.48
Selvas secundarias 2 841 600 2 835 800 2 786 700 -0.02 -0.35
Agrícola-Pecuario-Forestal 112 300 185 100 256 600 5.71 6.75
Otras coberturas 218 700 219 200 219 300 0.03 0.01
4 RESULTADOS
3.3.3 Validación
4.1 TASAS DE CAMBIO
Para evaluar el desempeño del modelo prospectivo de
El cambio de cobertura y uso de suelo en el CBM-T
CCUS, comparamos los mapas simulados para el
ha sido más acelerado y extenso que en el CBC-S,
2007 con los mapas de INEGI del mismo año. Esta
cuyos cambios no han sido tan severos (Tabla 2). Los
comparación se basó en el método de similitud difusa
procesos de cambio más importantes en el CBM-T
que permite manejar distintos niveles de tolerancia
corresponden a la pérdida de selvas y bosques y al
para dar cuenta de los casos en los cuales no existe
aumento en el área de selvas y bosques secundarios.
una coincidencia perfecta entre la ubicación de las
En menor grado, se presenta la conversión de selvas a
áreas de cambio simuladas y las observadas (ver áreas agrícola-pecuaria-forestales (APF). Los cambios
Hagen, 2003). Para este procedimiento utilizamos observados entre 1993 y 2002 son, en general, más
distintas distancias de tolerancia. marcados que los registrados en el periodo 2002-2007.
3.3.4 Proyección de escenarios de cambio de Asimismo, para el CBC-S se observa que durante el
cobertura y uso del suelo primer período (1993-2002) las áreas
correspondientes a APF aumentaron claramente,
Realizamos la proyección de dos escenarios para el
intensificándose la magnitud de este cambio durante
año 2030: 1) “tendencial”, que asume que las tasas de
el período 2002-2007.
probabilidad de cambio observadas durante el período
2002-2007 se mantienen constantes, y 2) “de 4.2 DESEMPEÑO DE LOS MODELOS
conservación”, que supone una disminución en las Para el período de calibración (1993-2002)
tasas de deforestación y un aumento en la efectividad identificamos seis transiciones principales en el CBM-
de las áreas naturales protegidas para inhibir la T y cuatro en el CBC-S (Figura 2). De las seis
probabilidad de deforestación. Para construir este transiciones identificadas en el CBM-T tres
último escenario incluimos todos los polígonos de las corresponden a deforestación, dos a degradación y
áreas naturales protegidas presentes dentro de los dos sólo una a regeneración. Para el CBC-S dos de las
corredores. cuatro transiciones identificadas corresponden a

117
regeneración, una a deforestación y la restante a regeneración de la vegetación fue la lejanía a poblados
degradación. y a carreteras así como la presencia de las áreas
Los resultados del análisis de correlación entre las naturales protegidas.
variables explicativas muestran la existencia de un En el CBM-T los cambios más importantes se
nivel relativamente alto de correlación entre los observan en las transiciones que van en dirección de
efectos producidos por una parte entre las áreas la degradación, es decir, de S a SS y de B a BS, ya
naturales protegidas y la distancia a terracerías que representan el 63% del área total que experimenta
(V=0.55) y por otra, entre áreas naturales protegidas cambios durante este período. En comparación, las
y la distancia a poblados (V=0.62), para los dos transiciones que implican deforestación representan el
corredores. Sin embargo, dado que estas variables 28% del área que sufre algún tipo de cambio en esta
constituyen factores explicativos importantes y juegan región. La transición que involucra regeneración
un papel primordial dentro del contexto de este presenta un área de cambio menor, que equivale tan
estudio, decidimos no excluirlas de las simulaciones y sólo al 9% del área total. Para todas las transiciones la
proyecciones de escenarios. Para las transiciones que mayor proporción de cambios se da por la expansión
implican degradación o deforestación, las áreas de áreas que fueron previamente deforestadas o que
cercanas a terracerías y brechas y a poblados fueron sufrieron algún tipo de degradación. Este patrón fue
las que presentaron las probabilidades más altas de particularmente notorio en el caso de las transiciones
cambio. de S a SS y SS a APF, ya que el 89% y 83% de estos
cambios, respectivamente, se dieron por expansión.
CBM-T En el CBC-S la transición que registró los cambios
0.0249 Selvas
más importantes fue de S a SS ya que representó el 39
Selvas secundarias
% del área total que experimentó algún cambio entre
0.0179 0.0087 1993-2002. La transición SS a APF (deforestación)
0.0037 representó una superficie igual al 34 % del área total
Agrícola-Pecuario-Forestal de cambio. En comparación la transición de APF a SS
0.0032
representó sólo el 16 % del área. En general, la
mayoría de las transiciones se originaron como
consecuencia de la expansión de parches.
0.0480 Bosques
Bosques Como resultado de la validación de los modelos
secundarios
simulados para 2007 tomando como referencia el
mapa de INEGI de 2007 encontramos que existió una
CBC-S 0.0010 coincidencia muy baja entre los cambios simulados y
Selvas los observados utilizando una ventana de 1x1 pixeles
Selvas
secundarias (tolerancia nula) (Figura 3).
0.0101
0.0035
0.0155 0,9

0,8

Agrícola-Pecuario-Forestal 0,7
Índice de similitud

0,6

0,5
Figura 2. Principales transiciones identificadas durante el
0,4
período 1993-2002. Las líneas continuas indican las
Escenario Tendencial
transiciones en dirección de la deforestación y la líneas 0,3
CBM-T
punteadas indican la transición que se dan en dirección de 0,2
Escenario Tendencial
la recuperación. Los valores indican la probabilidad de 0,1 CBC-S
cambio. 0
1 3 5 7 9 11 13 15 17 19 21
En contraste, la presencia de áreas naturales Tamaño de la ventana (pixeles)
protegidas fue uno de los principales factores
relacionados con la reducción de la probabilidad de Figura 3. Índice de similitud difusa en función del tamaño
deforestación. Por otra parte, encontramos que un de la ventana.
factor importante para favorecer la probabilidad de

118
 En general, el modelo para el CBM-T presentó un
mejor desempeño que el correspondiente al CBC-S,
esto debido a que la región del CBC-S presentó
cambios significativos de los patrones y tasas de
cambio entre el período utilizado para calibrar el
modelo y el período de simulación (Figura 3). En el
Figura 4. A) Mapas iniciales (observados) y escenarios B) de conservación y C) tendencial en el CBM-Mx para el año
2030.
4.2.1 Escenario “Tendencial”
Debido a que en el CBC-S observamos un cambio
muy marcado en la configuración espacial del paisaje
presente en el período utilizado para la calibración y
el período de la simulación, decidimos hacer una
nueva calibración del modelo tomando como base los
mapas de cobertura y uso del suelo de 2002 y 2007.
Para el caso del CBM-T, mantuvimos la calibración
del período 1993-2002 y sólo modificamos la matriz
de probabilidad de cambio.
En los dos corredores se predice una gran
expansión de las áreas agropecuarias. La mayoría de
estos cambios se asocian a zonas cercanas a
carreteras, terracerías y brechas, o bien, a zonas donde
119
caso del CBC-S, se alcanzó un nivel de concordancia
del 50 % al utilizar una tolerancia de 11 pixeles. En
comparación para el CBM-T este nivel de
concordancia se alcanzó con una tolerancia de tan sólo
7 pixeles (Figura 3).
hay presencia de ríos. En el caso del CBM-T estos
cambios tienen el potencial de afectar fuertemente la
extensión de selvas y bosques (Figura 4). De seguir
las tendencias actuales la extensión de las áreas APF
pasaría de ocupar 882 000 ha en 2007 a 1 108 800 ha
en 2030. Para el CBC-S se proyecta un aumento
importante para las áreas agropecuarias, que
alcanzarían una extensión del 10% del área total, lo
que correspondería a una ganancia en su superficie de
197 000 ha. En contraste, la extensión de las selvas
presentaría una pérdida de 46 200 ha (Figura 5).
4.2.2 Escenario “De conservación”
En este escenario, el CBM-T mantiene una
configuración espacial muy similar a la observada en
2007. Asimismo, el incremento de las áreas APF en
este escenario resulta muy bajo, ya que corresponde a
un aumento de 3 200 ha en 23 años. En la región del
CBC-S, obtuvimos cambios en dirección de la
deforestación, sin embargo estos representan sólo una
cuarta parte (46 500 ha) de los que se esperarían para
esta misma región en el escenario tendencial. Por
último este modelo predice una recuperación de 46
200 ha en la extensión cubierta por selvas.
5 DISCUSIÓN Y CONCLUSIÓN
Este estudio pone en evidencia el acelerado cambio de
cobertura y uso de suelo que ha experimentado la
región del CBM-Mx. El proceso de deforestación en
el CBM-Mx conjuga diferentes dinámicas, ya que
dentro de este se presentan diferentes tasas de
deforestación, en diferentes regiones y en diferentes
períodos.
CBM-T
1.200.000
1.000.000
Superficie en ha
800.000
600.000
400.000
200.000
0
S SS B BS APF OC
Clases de uso/cobertura
CBC-S
3.000.000
2.500.000
Superficie en ha
2.000.000
1.500.000
1.000.000
500.000
0
S SS APF
Clases de uso/cobertura
Figura 5. Superficie de cada categoría de cobertura y uso
del suelo observada en 2007 y estimada por los dos
escenarios para el año 2030.
Se encontraron diferencias significativas en los
procesos de cambio de cobertura y uso del suelo entre
los período analizados (1993-2002 y 2002-2007), lo
que muestra que la selección del período para modelar
la dinámica futura del paisaje es crítica. Asimismo, la
dinámica de los CUCS al interior de los dos
corredores difiere drásticamente. Mientras que para el
CBM-T se observa un proceso acelerado de
degradación y deforestación para establecer áreas
Observado 2007
Escenario tendencial
Escenario de conservación
Observado 2007
Escenario tendencial
Escenario de conservación
OC
120
agropecuarias, en el CBC-S este proceso es de menor
impacto, lo cual se refleja en sus bajas tasas de
deforestación y en la alta probabilidad de
regeneración de áreas previamente deforestadas. Por
otra parte, un resultado relevante de este estudio es
que permite poner en evidencia el importante
contraste que puede existir en la configuración del
paisaje si se permite continuar las tendencias actuales
de cambio de cobertura y uso del suelo o si se
implementan acciones de manejo y conservación.
El enfoque empleado en este estudio para el
modelado espacialmente explícito constituye una
herramienta de gran utilidad dada su capacidad de
incorporar el efecto de distintas variables para
producir escenarios realistas de la magnitud y
ubicación del cambio. Sin embargo, es importante
tener en consideración que los resultados de este
modelo no son exactos y deben interpretarse en el
contexto de las cualidades, suposiciones y
limitaciones asociadas al método empleado y a la
información utilizada. Una ventaja del método
empleado en este estudio es su flexibilidad y
capacidad para integrar el conocimiento experto e
información adicional para llegar a la elaboración de
escenarios más realistas de CCUS (Soares-Fihlo et al.,
2006; Cuevas y Mas, 2008). Es evidente de esta
manera que estos modelos son herramientas que
pueden ayudar a desarrollar políticas públicas cuando
se usan con cuidado y junto con información
complementaria. En el caso de regiones como el
CBM-Mx la aplicación de estas herramientas es
particularmente útil para alcanzar un mejor balance
entre la proporción de áreas transformadas y las que
mantienen hábitats naturales.
AGRADECIMIENTOS
Agradecemos al Dr. Miguel Martínez Ramos, jefe del
Laboratorio de Ecología de Poblaciones y
Comunidades Tropicales del CIEco, UNAM, por su
apoyo para realizar este estudio. Durante la
realización de este estudio D.R.M. contó con el apoyo
de una beca otorgada por el programa UC MEXUS-
CONACyT y E.M. con el apoyo de una beca del
programa de posdoctorado mixto de CONACyT.
REFERENCIAS
Myers, N., Mittermeier, R. A., Mittermeier, C. G., da
Fonseca, G. A. y J., Kent. 2000. Biodiversity hotspots
for conservation priorities. Nature 403(6772): 853-858.
Lambin, E. F., B. L. Turner, H. J. Geist, S.B. Agbola, A.
Angelsen, , J.W. Bruce,, O. T. Coomes, R. Dirzo, G.
 Fischer, C. Folke, P.S. George, K. Homewood, J.
Imbernon, R. Leemans, X. Li, E. F. Moran, M.
Mortimore, P. S. Ramakrishnan, J. F. Richards, H.
Skanes, W. Steffen, G. D. Stone, U. Svedin, T. A.
Veldkamp, C. Vogel y J. Xu. 2001. The causes of
land-use and land-cover change: moving beyond the
myths. Global Environmental Change 11 (.4): 261-269.
Food and Agriculture Organization. 2002. State of the
world forest 2001. pp. 181.
Mas, J. F., Puig, H., Palacio, J.P. y A. Sosa-López. 2004.
Modelling deforestation using GIS and artificial neural
networks. Environmental Modelling and Software
19(5): 461-471.
Díaz-Gallegos J.R, Mas J.F. y Velázquez A. 2009. Patterns
and trends of deforestation of tropical forest in
southeast Mexico. Singapur Journal of Tropical
Geography. En prensa.
Angelsen, A. y D. Kaimowitz . 1999. Rethinking the
Causes of Deforestation: Lessons from Economic
Models. The World Bank Research Observer 14(1): 73-
98.
Chowdhury, R. R. 2006. Driving forces of tropical
deforestation: The role of remote sensing and spatial
models. Singapore Journal of Tropical Geography
27(1): 82-101.
Soares-Filho, B.S., D. Nepstad, L. Curran, E. Voll, G.
Cerqueira, R.A. Garcia, C. A. Ramos, A. Mcdonald, P.
Lefebvre y P. Schlesinger. 2006. Modeling conservation
in the Amazon basin. Nature 440: 520-523.
Cuevas, G. y J.F. Mas. 2008. Land use scenarios: a
communication tool with local communities. Modelling
Environmental Dynamics, Paegelow M. y Camacho
Olmedo, M.T. (Eds.), Ed Springer, pp. 223-246.
Soares-Filho, B. S., C. L. Pennachin y G. Cerqueira. 2002.
DINAMICA – a stochastic cellular automata model
designed to simulate the landscape dynamics in an
Amazonian colonization frontier. Ecological Modelling
154(3): 217 – 235.
121
Geoghegan, J., Villar, S. C., Klepeis, P., Mendoza, P. M.,
Ogneva-Himmelberger, Y., Chowdhury, R. R., Turner
II, B. L. y C. Vance. 2001. Modeling tropical
deforestation in the southern Yucatán peninsular
region: comparing survey and satellite data.
Agriculture, Ecosystems and Environment 85(1-3): 25-
46.
Veldkamp, A. y P. H. Verburg. 2004. Modelling land use
change and environmental impact. Journal of
Environmental Management 72(1-2): 1-3.
Veldkamp, A. y E. F. Lambin. 2001. Predicting land-use
change. Agriculture, Ecosystems and Environment
85(1-3): 1-6.
Texeira, A. M., Soares-Filho, B. S., Freitas, S. y J. P.
Metzger. 2009. Modeling landscape dynamics in an
Atlantic Rainforest region: Implications for
conservation. Forest Ecology and Management 257(4):
1219-1230.
Miller, K., E. Chang y N. Johnson. 2001. Defining Common
Ground for the Mesoamerican Biological Corridor.
World Resources Institute. 45 pp.
Conabio. 2008. Capital natural de México, vol. I:
Conocimiento actual de la biodiversidad. Comisión
Nacional para el Conocimiento y Uso de la
Biodiversidad, México.
Food and Agriculture Organization. 1996. Foret resources
assessment 1990 . Survey of tropical forest cover and
study of change processes. pp. 152. Roma.
Bonham-Carter, G.F. 1994. Geographic Information
Systems for Geoscientists: Modeling with GIS:
Pergamon, Oxford, pp. 398.
Cuevas, G. 2005. Pronóstico del cambio de uso del suelo en
áreas forestales del estado de Michoacán. Tesis de
licenciatura. Facultad de Filosofía y Letras, Colegio de
Geografía. Universidad Nacional Autónoma de México.
D.F., México. 110 pp.
Hagen, A. 2003. Fuzzy set approach to assessing similarity
of categorical maps. International Journal of
Geographical Information Science 17(3): 235-249.
 LAS REGIONES AGROECOLÓGICAS DE MÉXICO
Carlos CONTRERAS SERVÍNa, María Guadalupe GALINDO MENDOZAa y Enrique IBARRA
ZAPATAa
a
Universidad Autónoma de San Luis Potosí-UASLP. Coordinación para Innovación y la Aplicación de la
Ciencia y la Tecnología Sierra Leona 550, Lomas II Sección, Tel. (444) 8342557. San Luis Potosí, SLP.
coser@uaslp.mx

RESUMEN
Este La idea de región está estrechamente relacionada con la de territorio o terreno. A su vez, la idea de
ambiente, en tanto condiciones físicas, sociales o económicas de un lugar, está directamente vinculada con la de
espacio, descrito como la capacidad de un terreno sitio o lugar. La idea de terreno o territorio está presente en las
tres nociones: región, espacio y ambiente. De este modo, la noción de región es esencialmente geográfica, y está
asociada conceptual e incluso etimológicamente con la idea de paisaje. Por otra parte, de acuerdo con los
criterios de FAO, la zonificación agroecológica (ZAE) se define en base a combinaciones de suelo, fisiografía y
características climáticas. Los parámetros particulares usados en la definición se centran en los requerimientos
climáticos y edáficos de los cultivos y en los sistemas de manejo bajo los que éstos se desarrollan.
Palabras clave: región agroecológica, uso de suelo, cubierta vegetal, agricultura, México.
Cuando el espacio es concebido, como el campo
1. INTRODUCCION de acción de flujos de todo orden, vienen a la mente
La idea de región (y la diferenciación o límites entre numerosas estructuras posibles. El análisis regional
regiones) encierra la noción de homogeneidad o no se apoya ya en el descubrimiento de espacios
repetición de la heterogeneidad. En este sentido, uniformes, sino en el estudio de la jerarquía de los
existen dos grandes formas de conceptualizar a las centros, de la densidad y de la intensidad de los
regiones. Por un lado, está la región única, flujos. Desde el punto de vista científico y también
irrepetible, tal como la región fisiográfica, donde las para los propósitos de este trabajo, la segunda
clases son descritas en términos de nombres noción es la más pertinente. En este sentido, y en
geográficos (El Bajío, la Sierra Madre Occidental, líneas generales, la delimitación de una región es el
etc.); y por otro, la región como miembro de una proceso mediante el cual, a partir de determinados
tipología de regiones, donde cada clase es parte de sistemas clasificatorios, se delinean unidades
un sistema categórico, en general jerárquico, relativamente homogéneas según uno o varios
anidado, a varias escalas. criterios (variables), y se representan en forma de
mapas (y bases de datos geográficos), utilizando
De acuerdo a las diversas corrientes planteadas leyendas (modelos cartográficos) jerárquicas
por los autores; en la medida que La Región es (anidadas). Así, la clasificación del territorio es el
definida, esta se gesta no solo como el soporte de proceso de delinear y clasificar áreas
actividades económicas o el marco de localización ecológicamente distintivas de la superficie de la
de agentes sociales, sino un espacio de articulación Tierra.
e interacción de actores que lo construyen
definiendo prácticas y acumulando experiencias, las La dinámica propia del espacio, obliga a volver
cuales determinan una forma de hacer y valorar los una y otra vez a todas y cada una de las zonas y
recursos regiones de la República, ya que es la única manera
de irlas conociendo y de emprender en alguna de
Por otro lado, existen dos principios de unidad ellas un estudio profundo. (Bassols Batalla, A.,
regional. Uno se basa en un criterio de 1979, pp. 539-565). Un análisis de este tipo, por
uniformidad, es el paisaje; el otro en un criterio de breve que sea, nos permitirá sobre el terreno
cohesión, en la acción coordinadora de un centro, precisar el carácter de la región, su interés e
esta segunda forma se caracteriza menos por su importancia nacional y ello nos facilitará
fisonomía que por su función. grandemente la labor posterior.

122
 Por lo que respecta al relieve de la región, en
primer lugar deben observarse las distintas formas
que lo caracterizan, distinguiendo:
 La importancia general que tiene sobre los
demás factores de la naturaleza, incluyendo
sobre todo el clima, la vegetación, la hidrografía.
Ello se obtiene mediante los recorridos a
diferentes subregiones, donde se puedan captar
los cambios que el relieve trae consigo.
 Los tipos de subregiones geomorfológicas o
fisiográficas, distinguiendo, por ejemplo, las
planicies costeras o internas, los valles, el
piedemonte, la zona de montes y planicies, la
entrada a la Sierra y las grandes serranías,
propiamente dichas.
 Interesante resulta observar los tipos de valles:
porque al mismo tiempo se determinan
posibilidades agrícolas en las zonas montañosas.
 Dónde se localizan las áreas agrícolas: en
planicies amplias, en valles estrechos, en terrazas
o en laderas de las montañas.
También, es necesario localizar los pastizales y
los recursos minerales, situándolos en el mapa.
Además, ubicar dónde se han trazado las vías de
comunicación y el grado de obstáculo que
representan los sistemas montañosos, así como la
ubicación de pueblos y ciudades. (Bassols Batalla,
A., 1979, pp. 539-565)
2. ZONIFICACION AGROECOLOGICA
La zonificación agroecológica (ZAE), de acuerdo
con los criterios de FAO, define zonas en base a
combinaciones de suelo, fisiografía y características
climáticas. Los parámetros particulares usados en la
definición se centran en los requerimientos
climáticos y edáficos de los cultivos y en los
sistemas de manejo bajo los que éstos se
desarrollan. Cada zona tiene una combinación
similar de limitaciones y potencialidades para el uso
de tierras, y sirve como punto de referencia de las
recomendaciones diseñadas para mejorar la
situación existente de uso de tierras, ya sea
incrementando la producción o limitando la
degradación de los recursos. (FAO, 1997, p. 9). El
primer ejercicio de evaluación de tierras a escala
continental fue “El Proyecto Zonas Agro-
ecológicas” (ZAE; FAO, 1978). La metodología
usada fue innovadora en caracterizar extensiones de
tierra por medio de información cuantificada de
123
clima suelos y otros factores físicos, que se utilizan
para predecir la productividad potencial para varios
cultivos de acuerdo a sus necesidades especificas de
entorno y manejo. Por otra parte, la metodología
ZAE se puede considerar como un conjunto de
aplicaciones básicas, que conducen a una
evaluación de la aptitud y productividad potencial
de tierras, y un conjunto de aplicaciones avanzadas
o periféricas, que se pueden construir sobre los
resultados de los estudios de ZAE. Los resultados
de las aplicaciones básicas incluyen mapas que
muestran zonas agroecológicas y aptitud de tierras,
la cantidad estimada de las áreas de cultivo
potenciales, cosechas y producción (FAO, 1997, p.
9).
3. METODOLOGIA
La metodología y las variables de entrada ZAE
son independientes de la escala. Sin embargo, el
nivel de detalle con que estén definidos factores
como los suelos, el clima y los tipos de uso de
tierras varía de acuerdo con la escala de los mapas y
los objetivos del estudio. Los elementos esenciales
que definen una zona (o celda) agroecológica son el
período de crecimiento, el régimen de temperatura,
y la unidad cartográfica de suelos. Los estudios
ZAE se basan en una serie de procedimientos
lógicos que permiten la estimación cuantitativa de
rendimientos para cada zona o celda agroecológica.
En la recopilación de inventarios de tierras y usos
de tierras, los estudios ZAE utilizan generalmente
grandes cantidades de datos. Para una visualización
directa de los datos y para transferirlos a modelos y
sistemas de evaluación. El nivel de detalle en el que
se define una zona depende de la escala del estudio
y en ocasiones de la capacidad de los equipos para
el procesamiento de los datos (FAO, 1997, p.11)2.1
Celdas y zonas. La zonificación divide la superficie
en unidades más pequeñas en base a la Zonificación
Agro Ecológica (ZAE). Puede ser definida como el
“proceso de identificación de áreas con
características propias”, que las diferencian de otras
áreas; su caracterización con respecto a factores
físicos (clima, suelo, formas de la tierra), biológicos
(vegetación, fauna,) y socio económicos (presencia
del hombre y sus actividades), y su evaluación en
relación a la aptitud de uso sostenido para algunos
Tipos de Uso de la Tierra (TUT).
Para el presente estudio, se utilizó el programa
ArcGis 9.3, como herramienta propia de los
sistemas de información geográfica (SIG), mismo
que permite la manipulación y análisis de grandes fundamental la cobertura de regiones
volúmenes de datos, estadísticos, espaciales y agroecológicas de México, la cual se trabaja
temporales, que son necesarios para generar, de una mediante una superposición cartográfica con las
forma flexible, versátil e integrada, las zonas variables Suelo (suelos primarios), Superficie
agroecológicas que conforman a la nación. agropecuaria (tipificación agropecuaria); Clima
(grupo climático) y superficie estatal. Para con ello
4. DISCUSION Y RESULTADOS realizar una jerarquización en virtud de la superficie
Como primer resultado de la regionalización que ocupan las clasificaciones de las variables antes
agroecológica, se incorporaron los estudios ZAE, mencionadas y de esa manera agregar un criterio
mismos que se basan en una serie de para realizar la toma de decisiones mediante un
procedimientos lógicos que permiten la estimación análisis multicriterio. En este sentido se obtiene una
cuantitativa de rendimientos para cada zona o celda tabla de ponderación por región este ejercicio
agroecológica. En la recopilación de inventarios de implico la combinación entre sí, de más de 100,000
tierras y usos de tierras, los estudios ZAE utilizan formas posibles de relación, dando como resultado
generalmente grandes cantidades de datos. Para una la regionalización del país en 29 áreas (ver cuadro 2
visualización directa de los datos y para transferirlos y figura 2).
a modelos y sistemas de evaluación. Cuadro 1. Variables utilizadas en la
Estas metodologías ZAE/SIG son adecuadas regionalización agroecológica
para cualquier aplicación donde las relaciones entre SUELOS 1
los recursos y posibles usos de las tierras tienen que CLIMA 1
ser exploradas, bien en el contexto de estimar la
USO DE SUELO
aptitud de los recursos para usos específicos o bien 1
(AGRICULTURA
de estimar el impacto de tales usos sobre los propios
recursos y su problemática, en base a esto se REGIONES
1
construyó el mapa nacional de tipificación ECOLÓGICAS
agropecuaria (ver figura 1). FISIOGRAFÍA 1
Para realizar las tablas de ponderación, se realiza
un cruce de coberturas tomando como variable

124
Figura 1. Tipificación agropecuaria de la República Mexicana

Figura 2. Regiones agroecológicas

125
 Cuadro 2. REGIONES AGROECOLOGICAS DE MÉXICO
1. Noroeste 15. Balsas
2. Península de Yucatán 16. Pacifico-Occidente
3. Golfo –Sur 17. Sierra Madre del sur
4. Lacandona 18. Tehuacán
5. Norte de Chiapas 19. Neovolcánica
6. Valles Centrales de Chiapas 20. Bajío
7. Golfo Norte 21. Sierra Madre Oriental
8. Soconusco 22. Centro-Norte
9. Sierra Norte de Oaxaca 23. Norte
10. Valles de Oaxaca 24. Llanura del Noreste
11. Mixteca 25. Región Chihuahua-
12. Sierra Sur Durango
13. Costa Pacífico Sur 26. Región Altos
14. Costa Guerrerense 27. Sierra Madre Occidental
28. Sinaloense
29. Región Mediterránea

Balance y Perspectivas de los estudios regionales en

5 CONCLUSIONES México. CIIH-UNAM, México, D. F. pp. 93-145.
Bocco, Gerardo (1997), La región ecológica como marco
Con la metodología propuesta, fue posible definir geográfico en el monitoreo de
las 29 regiones agroecológicas de México, como espacioshttp://www.ine.gob.mx/publicaciones/libros/
un ámbito o área de homogeneidad territorial, 507/cap3.htmlComisión para la Cooperación
delimitada a partir del dominio de una singularidad Ambiental. 1997. Regiones Ecológicas de América
o semejanza, en este caso a partir definir en del Norte. CCA. Montreal. Canadá.
términos de clima, relieve, suelo, cubierta vegetal y FAO, 1997. Zonificación agro-ecológica. Guía general.
limitaciones para su uso, las regiones Organización de las Naciones Unidas para la
agroecológicas. Agricultura y la Alimentación. Roma.
FAO-SAGARPA 2001. Evaluación Establecimiento de
REFERENCIAS Praderas 2000. Sistema de Evaluación de la Alianza
para el Campo Available at
Arroyo G. 1990. Regiones agrícolas de México: http://www.evalalianza.org.mx
modernización agrícola, heterogeneidad estructural y Hernández X. E. 1985. Zonas agrícolas de México. In:
autosuficiencia alimentaria. In: C. Martínez Assad Xolocotzia Tomo I. Universidad Autónoma
(Ed.). Balance y Perspectivas de los estudios Chapingo, Chapingo, México. pp. 245-254.
regionales en México. CIIH-UNAM, México, D. F. SAGARPA-FAO, 2007. Evaluación Alianza para el
pp. 147-222. Campo 2006. Informe de Evaluación Nacional.
Bassols Batalla, A. (1979), México: formación de Subprograma de Sanidad Vegetal. México,
regiones económicas. Influencias, factores y sistemas, septiembre.
Instituto de Investigaciones Económicas, UNAM, SAGARPA, 2007. Programa Sectorial de Desarrollo
México, pp. 539-565. Agropecuario y Pesquero 2007 – 2012. México,
Bassols B. A. 1990. Las dimensiones regionales del Secretaría de Agricultura, Ganadería, Desarrollo
México contemporáneo. In: C. Martínez Assad (Ed.). Rural, Pesca y Alimentación.

126
 EVALUATION OF TWO APPROACHES OF LAND USE/COVER
CHANGE MODELING AND THEIR IMPLICATIONS FOR THE
ASSESSMENT OF BIODIVERSITY LOSS IN A DECIDUOUS TROPICAL
FOREST
Azucena PÉREZ VEGAa*, Jean-François MASb, Arika LIGMANN-ZIELINSKAc
a
Departamento de Ingeniería Civil - Universidad de Guanajuato, Unidad Belén. Av. Juárez no. 77. Zona Centro
C.P. 36000 Guanajuato Gto MEXICO E-mail:azupv@quijote.ugto.mx
b
Centro de Investigaciones en Geografía Ambiental - Universidad Nacional Autónoma de México, Antigua
Carretera a Pátzcuaro 8701 , Col. Ex-Hacienda de San José de La Huerta 58190 Morelia Michoacán México.
c
Department of Geography Environmental Science and Policy Program
Michigan State University East Lansing, MI 48824, USA. * Corresponding author.

ABSTRACT
Land use/cover change (LUCC) modeling is an important approach to evaluating global biodiversity loss and is
the topic of a wide range of research in ecology, geography and environmental social science. This paper reports
on development and assessment of maps of change potential produced by two spatially explicit models and
applied to a Tropical Deciduous Forest in western Mexico. The models DINAMICA EGO and Land Change
Modeler (LCM) were assessed through the Difference in Potential index. At the per transition level, we obtained
better results using DINAMICA. However, when the per transition susceptibilities are combined to compose an
overall change potential map, the map generated using LCM is more accurate. An analysis of the change
potential obtained from both models, compared with observed deforestation and selected biodiversity indices
(species richness, rarity, and biological value) showed that the prospective LUCC maps tended to identify
locations with higher biodiversity levels as the most threatened areas as opposed to areas that had actually
undergone deforestation. Overall however, the approximate assessment of biodiversity given by both models
was more accurate than a random model.
Key words: Deforestation modeling, Dry tropical forest, Geographical Information Systems, Biodiversity,
Colima-Mexico.

1. INTRODUCTION 2. STUDY SITE

The study of the processes of land use/cover change
(LUCC) is one of the core research topics within
coupled human and natural systems. The TDF in
Mexico report high rates of deforestation, with rates
reaching 1.3% per year (Trejo and Dirzo, 2000; Pérez-
Vega, 2008). At the national level, approximately
100,000 ha of the TDF are lost annually with a rate
around 0.4% per year (Mas et al., 2004). Therefore,
there is a clear need for TDF change monitoring and
modeling, which is integral to designing appropriate
conservation strategies aimed at optimizing the
location of protected areas within the TDF ecosystem.
In this study, we utilize two LUCC models that belong
to the land evaluation pattern-based category.
The state of Colima, with an area of 554,300 ha, is
located in the western part of Mexico. It covers an
elevation gradient from 0 to 3,820 m in a transect of
less than 80 km. Colima is composed of two
physiographic structures: 1) the Transverse
Neovolcanic system and, 2) the mountain range Sierra
Madre de Sur. With almost 40% of the total state area,
the TDF is the most important land cover in Colima
and is the habitat for many species. The state has
particularly high mammalian diversity (128 species)
and resides in an area with the greatest concentration
of endemic species in Mexico (25%) (CONABIO,
2009).
3. MATERIAL AND METHOD
The maps of land use/cover were produced by visual
interpretation of air photographs (INEGI; 1986) and
Landsat imagery (1993 and 2002). The classification

127
scheme distinguishes primary covers and secondary
land covers. We also used potential distribution maps
of 426 species of Mexico based on ecological niches
modeling using point occurrence distribution from
national and international scientific collections and
environmental data layers (Escalante et al., 2007).
3.1 LUCC MODELING PROCEDURES
First, the model was calibrated using a map of LUCC
derived from a comparison of land cover maps of two
different dates (1986 and 1993). Spatial analysis was
then conducted to identify the likely change locations
using a set of explanatory variables like slope, soils,
land tenure, and distance to roads. As a result, we
obtained change potential maps generated for each
transition. The change potential maps were compared
with the 1993-2002 land cover change generated from
INEGI maps.
DINAMICA calculates a probability map of each
type of transition using the weights of evidence
method and allows for the incorporation of expert
knowledge. In this case the model evolves from a
purely automatic, trends-driven to a more supervised
expert knowledge-driven approach. LCM uses an
artificial neural network (ANN) approach based on
Multi-Layer Perceptron (MLP). The advantage of
using MLP is that it is a system capable of modeling
complex relationships between variables. It is
nevertheless perceived as a black box, making the
integration of expert knowledge difficult at best.
Based upon the relationship between the transitions
and explanatory variables, the maps of change
potential are produced for each transition. Assuming
that a location is more vulnerable if it is prone to
several transitions at the same time, the operator ‘OR’
is used to combine the transition potential in order to
produce an overall change potential map.
n n
S overall= ∑ Sk− ∏ Sk (1)
k= 1 k= 1
Potential (DiP) proposed by Eastman et al. (2005) was
used. DiP is defined as the difference between the
mean potential in the areas of change and the mean
potential in the areas of no change. In order to assess
the consequences of the simulated and observed
LUCC on biodiversity loss potential, we generated
three maps which describe different aspects of
biodiversity: 1) species richness, 2) species rarity and,
3) the biological value of sites. Subsequently, we
analyzed the implications of the simulated LUCC
potential on biodiversity loss by selecting, in both
maps, areas with the largest potential for change. In
conjunction with the biological indices, the resulting
maps of foremost change potential were compared to
the areas covered by TDF in 1993 and the areas
deforested between 1993 and 2002 using the Student’s
t test. Statistical analysis was undertaken in R (R
Development Core Team, 2009).
4. RESULTS
4.1 CHANGE ANALYSIS
We started from overlaying the land cover maps to
evaluate the 1986-93 LUCC changes. Minor areal
changes (below 4000 ha or 3% of the total change
area) were eliminated from further analysis. 94% of
the change area is represented by seven transition
categories. The most important transition is the
degradation of TDF into secondary TDF (48% of the
total change area) followed by the deforestation of
TDF by conversion to cropland (18%). The five
remaining transitions include various recovering and
other deforestation processes (Figure 1).

3.2 MODEL ASSESSMENT

In this study, we wanted to assess the performance of
the model in identifying the areas undergoing the
process of deforestation and the biodiversity Figure 1 - The main LUCC categories measured as the
characteristics of these areas. We then used the two percentage of the total area of change: Croplands: CL;
output maps of change potential and the maps of Tropical Deciduous Forest: TDF; secondary TDF: TDF 2d;
biodiversity indices to investigate the possible Pasture lands: Past.
consequences of the modeled land cover changes on
biodiversity loss. In order to focus the performance
assessment on the areas of change, the Difference in

128
4.2 LAND USE/COVER TRANSITION
MODELING
Table 1 reports the selected explanatory variables for
each transition. It can be observed that the predictors
of the models are somewhat different. This is due to
the fact that in DINAMICA each transition has its
own set of explanatory variables whereas in LCM
transitions are grouped by a submodel. In addition, the
choice of explanatory variables is based on different
criteria.
Table 1 – Explanatory variables by transition
DINAMICA and corresponding Submodel (LCM). Figure 2 - Evaluation of per transition potential maps using
DiP index
Variables/T C CL Su T T T T Sub TD Su
ransitions L to b D D D D Mo F b
to TD Mo F F F F del to M
T F2d del to 2d 2d LC TD od
D LC t P to to M F2 el
F M o as C P d L
C t L as C
L t M

Elevation X X X X X X X
Distance to X X X X
principal dirt
road
Distance to X X
secondary
dirt road
Distance to X X X X X X
paved road
Distance to X X X X X X X X
human
settlements DINAMICA
Distance to X X X X X X X
Cropland
Land tenure X X X X X X X X
Slope X X X X X X
Soil types X X X

The DiP analysis was carried out using a validation

LUCC map obtained from the comparison of the 1993
and the 2002 INEGI maps (Figure 2). For each model,
a map of overall change potential was produced by
superimposing all transition maps produced by the
model (Figure 3). At the per transition level, we
obtained better results using DINAMICA. However,
when the per transition susceptibilities are combined
to compose the overall change potential map, the map
generated using LCM is more accurate (see the
‘overall’ bars in figure 2). This apparent discrepancy LCM
is analyzed later in Perez-Vega et al. (in press).
Figure 3 - Overall change potential maps. White areas
correspond to no modeled transitions.

129
4.3 COMPARISON BETWEEN CHANGE
POTENTIAL AND BIODIVERSITY
INDICES
The maps of overall potential were further reclassified
in order to identify the top 5% of TDF with the
highest probabilities of change (Figure 4). This
procedure was applied to (1) the most threatened TDF
areas identified by DINAMICA (TDF-DIN), (2) the
most threatened TDF areas identified by LCM (TDF-
LCM), (3) the truly deforested TDF (TDF-DEF), and
(4) the entire TDF in 1993 (TDF-93).
The biodiversity indices within the areas identified
as the most threatened by the two models show few LCM
significant differences. Additionally, the richness of
TDF-DEF was not significantly different from the Figure 4 - Areas of TDF with the highest change potential
richness of the areas identified by the models (i.e. derived from DINAMICA and LCM.
TDF-DIN and TDF-LCM). For the two other indices,
the difference between TDF-DEF and TDF-DIN For all three biodiversity indices, the difference
(rarity and biological value) and TDF-DEF and TDF- between TDF-93 and TDF-DIN and the difference
LCM (rarity) proved to be significant (p =< 0.05). In between TDF-93 and TDF-LCM is higher than the
particular, the models scored higher on rarity and difference between TDF-93 and TDF-DEF. In other
biological values than the truly deforested areas. words, the biodiversity characteristics of the
threatened areas identified by the models (TDF-DIN
and TDF-LCM) are significantly more similar to the
truly deforested areas than areas which would have
been selected by a random model (a random selection
of 5% of TDF-93). We can therefore conclude that
both models allowed for a plausible approximate
assessment of biodiversity loss in the study area.

5. CONCLUSIONS
Based on the reported application, we can conclude
that different LUCC modeling approaches can lead to
variation in the prediction of biodiversity loss.
However, despite the low predictive power, of our
models, both DINAMICA and LCM allowed for a
rudimentary assessment of biodiversity characteristics
DINAMICA of the sites affected by high deforestation.
Notwithstanding the indefinite results of the TDF
conversion potential provided by both models, we find
the reported comparative modeling application
worthwhile since it lays out a blueprint for locating
areas of high uncertainty of LUCC (i.e. areas where
the results do not match). Consequently, a thorough
LUCC analysis of potential biodiversity loss should
be based upon a wide range of land cover change
scenarios and modeling methodologies.

130
 REFERENCES
CONABIO, 2008. Comisión Nacional para el
Conocimiento y Uso de la Biodiversidad. Capital
Natural de México.
Escalante, T., Sánchez-Cordero, V., Morrone, J. J. Linaje,
M., 2007. Deforestation affects biogeographical
regionalization: A case study contrasting potential and
extant distributions of Mexican terrestrial mammals.
Journal of Natural History 41(13-16): 965-984.
Mas, J.F., Velázquez, A, Díaz-Gallegos, J.R., Mayorga-
Saucedo, R., Alcántara, C., Bocco, G., Castro, R.,
Fernández, T., y Pérez-Vega, A., 2004. Assessing land
use/cover changes: a nationwide multidate spatial
database for Mexico, International Journal of Applied
Earth Observation and Geoinformation, 5(4) 249-261.
Pérez-Vega, A., 2008. La contribución de los atributos del
relieve para explicar la distribución espacial de la
vegetación: Estudio de caso en una zona de montaña de
alta diversidad. PhD thesis, Universidad Nacional
Autónoma de México. Facultad de Filosofía y Letras.
Pérez- Vega, A., Mas, J.F., y Ligman-Zielinska, A., G.
2012. Comparing two approaches to land use/cover
change modeling and their implications for the
assessment of biodiversity loss in a Deciduous Tropical
Forest. Environmental Modelling & Software , 29: 11-
23.
R Development Core Team., 2009. R: A language and
environment for statistical computing. R Foundation for
Statistical Computing, Vienna, Austria. ISBN 3-
900051-07-0, URL http://www.R-project.org.
Trejo, I., Dirzo, R., 2000. Deforestation of seasonally dry
tropical forest: a national and local analysis in Mexico.
Biological Conservation (94) 133-142.

131
 SPATIAL MODELING OF FUELWOOD EXTRACTION DYNAMICS: A
CASE STUDY FOR HONDURAS
Adrian GHILARDIa, Jean-François MASa
a
Centro de Investigaciones en Geografía Ambiental, UNAM, Morelia, México,
email: aghilardi@ciga.unam.mx

ABSTRACT
In this paper we present a novel user-friendly tool to 1) model the pressure exerted by woodfuels harvesting over
supplying land-use land-cover sources, as a function of a) access and profitability, and b) end-user’s woodfuel
consumption and preferences (buying vs. gathering), and 2) estimate the vegetation respond to the expected
disturb in terms of aboveground biomass stock and growth. Model results allow for comparisons with landscape
dynamics trends (i.e. changes not necessarily driven by woodfuel harvesting) for the search of spatial
coincidences. Finally, the current working definition of non-renewable biomass (NRB) is revised and criticized
while an alternative one is proposed based on the results and reaching of the tool appliances.
Keywords: Accessibility analysis; Traditional woodfuels; Carbon-offset projects; Multipurpose forest
management; Honduras
either self-gathered directly by end-users or bought
1 INTRODUCTION
from local and regional markets, charcoal is always
Spatially explicit (geographic) modeling is essential sell as its production require fairly trained personnel.
for realistically addressing many resource Generally, charcoal markets spread wider than
management and environmental impact scenarios fuelwood ones, eventually trespassing national
related to industry, agriculture and the natural frontiers. End-use sectors using fuelwood and
environment (Maxwell and Costanza, 1997). charcoal includes: a) residential use for cooking, space
Woodfuel extraction patterns and their environmental heating and boiling water. About 3 billion people use
impacts are dynamic processes, determined mostly by woodfuels (plus agriculture residues and animal dung)
the vegetation capacity to response to disturbance i.e. as their main household fuel; b) food selling: from
resilience, and by the harvesting preferences in terms street vendors to chain restaurants; and c) small
of species, locations and extracted volumes (RWEDP, industries, such as brick, breweries, forges, pottery,
2000; Stupak et al., 2007). The spatial distribution of among many others (Trossero, 2002).
woodfuel sources also vary in time driven by multiple
Woodfuels use is often divided into “traditional”
causes not related to wood harvesting for energy
and “modern”, being the first characterized by a)
purposes, being land clearing for agriculture the most
widespread self-gathering practices; b) fully informal
prominent example across developing countries
trade and market chains, which explain the lack of
(Bailis, 2005). Discerning those woodfuel-driven
statistics on harvesting, transport and selling; and c)
impacts on biomass stocks from other causes affecting
low-tech and low-efficient production and end-use
landscape dynamics remains the “missing link” for
devices, such as earthmound charcoal kilns and three
carbon offset projects involving efficient cookstoves
stone cooking fires (Goldemberg and Coelho, 2004).
& kilns coupled to sustainable management practices
Regardless any dispute on the validity of this
(Bailis et al., 2007). Moreover, for these type of
dichotomous classification, the definition of
intervention projects to succeed, the expected
“traditional woodfuels” hosts a key implication given
beneficial impact on the woodfuel supplying
the scope of our study: the lack of forest and land
vegetation of reduced woodfuel use (due to the
management plans results in the complete lack of any
adoption of efficient devices), need to be assessed
kind of registry on how much wood is being harvested
within a geographic (spatiotemporal) context.
and where. Without this information, it’s impossible
Woodfuels in developing countries are mostly to address the issue of how much unsustainable
represented by fuelwood (sometimes referred to as traditional woodfuel harvesting might eventually be,
firewood) and charcoal. While fuelwood may be and how beneficial to the environment an efficient

132
cookstove or kiln intervention project can be.
Geographic modeling techniques are becoming
increasingly useful for addressing traditional
woodfuel management and its environmental impact
scenarios.
Although consistent and widespread statistics on
woodfuel consumption are also lacking, these are
much easier to collect in case studies surveys. Under
the assumption that the amount of woodfuels
consumption within a study area is known, and also its
distribution in space among discrete points or areas
(i.e. villages and cities); the question we are
addressing is: Where the wood is coming from?
Which can be rephrased as: How much woodfuel is
being collected at any given location within any time
frame? And consequently: How the vegetation might
be responding to this pressure in term of aboveground
biomass stock and growth (i.e. non-renewable
biomass sensu lato). Serious attempts to answer these
questions seldom exist so far (Rüdger, 2006; Top et
al., 2006; Ghilardi et al., 2009; Ghilardi, 2010).
None of the existing models and approaches
include the temporal component within a geographic
context simultaneously. This is to say, while some of
them incorporates the response of the vegetation to
consecutives harvestings others deal with spatial
supply/demand patterns at a moment in time or as
projective scenarios that are not really dynamic: the
state of the system at time t + dt is not a function of
the state at time t. (Mention similarities and
differences with non-woodfuel models: ask Puneet)
In this paper we present a novel user-friendly tool
to 1) model the pressure exerted by woodfuels
harvesting over supplying land-use land-cover
sources, as a function of a) access and profitability,
and b) end-user’s woodfuel consumption and
preferences (buying vs. gathering), and 2) estimate the
vegetation respond to the expected disturb in terms of
aboveground biomass stock and growth. Model results
allow for comparisons with landscape dynamics
trends (i.e. changes not necessarily driven by
woodfuel harvesting) for the search of spatial
coincidences. Finally, the current working definition
of non-renewable biomass (NRB) is revised and
criticized while an alternative one is proposed based
on the results and reaching of the tool appliances.
Moreover to the novelty of including the temporal
component within a geographic context, the tool
presented here sums up new features with respect to
the ones reviewed above:
133
• It allows for landscape past trends and
landscape prospective models to be added and
compared to predictions, in the aim of discerning
those woodfuel-driven impacts on biomass stocks
from other causes affecting landscape dynamics.
• Each location (i.e. each pixel) is influenced by
all and each of woodfuel consumptions centers within
the study area and beyond (see methods for effective
vs. overall study area) which prevents from using
artificial woodfuel sheds or balancing the supply and
demand at each pixel or administrative unit, which
assumes that wood never moves between boundaries
(e.g. border problem).
• It allows to couple more than one woodfuel
type: fuelwood and charcoal within the same model or
eventually other models such as LUCC model
• It adds a stochastic component to the
simulation, which is highly relevant as woodfuel
harvesting -as already addressed above- is highly
chaotic in terms of planning. In other words, the wide
array of woodfuel gatherers do not share an exact
common mental-map on which places would be the
most accessible or profitable in terms of distance,
woody biomass recovery potential or vegetation
preferred characteristic.
• The model scripts integrate sensitive analyses
to test the effect of some key input parameters and
assumptions on results, by means of montecarlo
simulations (this is under development, but may be
ready in a week or so).
• It allows for a more real definition of non-
renewable biomass (NRB) -beyond the snapshot
analysis-, that incorporates the vegetation response to
intense harvesting along the entire carbon offset
project period (e.g. 5 to 10 year).
The rationale behind the model design was to cope
with usual characteristics found regularly among
developing countries in situations where woody
biomass is harvested for energy purposes:
• Single locations may be harvested
sequentially by different fuelwood gatherers
• No record exists on how much wood is being
harvested at any location.
• Commercial fuelwood and charcoal can be
transported all across the selected study area (but not
beyond, as no info exist naturally). This results in the
need of an effective study area within a broader or
total study area. (e.g. a nearby big city consuming
marketed fuelwood and charcoal may be influencing
our study area).
• People choose locations to extract wood so as
to maximize rent or time (von thunen economic
hypothesis), although this does not occur in a
deterministic way. Maximizing rent or time means
mostly 1) proximity to final use locations and 2)
preferred intrinsic characteristics of the
vegetation/terrain (e.g. charcoalers in central Mexico
select farther dense oak patches over closer pine open
patches).
• Woodfuel sources are represented by forests
(generally native, multipurpose, uneven and over low-
value land) and non-forest areas, each one
characterized by an average aboveground woody
biomass stock (usable for energy) and growth
particular patterns. If available, discrete land use land
cover maps may be replaced by continuous ones
(showing the spatial distribution of aboveground
biomass).
• Two main woodfuel sources co-exist with the
ones explicitly addressed in the model: if
quantification is available, they are subtracted from
consumption: woodfuel as a byproduct of land
clearing (quantified from landscape past dynamics)
and as a byproduct of renewable prunings (e.g. 60%
of fuelwood in El Salvador come from the renewable
pruning of shade trees in coffee plantations).
As an example of model functioning we selected a
single case study in Honduras (Figure 1), which will
be developed along the model description.
Figure 1. Study area in western Honduras, used to
exemplify the modeling tool. Circles depict fuelwood
consumption centers, being their size relative to the total
amount consumed in one year (marketed + self-gathered).
134
2 METHODOLOGY
The usefulness of dynamic geographic modeling in
the broad arena of natural resources management is
undisputed, as stressed in many influential
publications. The growing demand for modeling
approaches implies that tools need to become more
and more user-friendly to end users that might not be
necessarily familiarized with building computer-based
models, but do need to personalize them so as to fit
their own questions and study areas. The present tool
was designed under this premise, by using a freeware
geoprocessing environment that uses dataflow
language and by adding a wizard and a real example
to the scripts that conform the model.
The tool developed in this study is a dynamic
geographic model that simulates the spatiotemporal
dynamics of a landscape subject to traditional
woodfuel extraction. As almost any dynamic
geographic model, it describes the changes in a spatial
pattern from time t to a new spatial pattern at time t+1,
such that:
X(t+1) = F(X(t),Y(t))
where X(t) is the spatial pattern at time t and Y(t)
is a set of data elements that may affect the transition,
such as maps, tables, matrices, mathematical/logical
expressions, or constants.
The tool consists on three components or separated
sub-models: 1) Creates friction maps for self-gathered
and commercial fuelwood; 2) Pulls the friction maps
and by using woodfuel consumption centers as
starting points, it creates probability or profitability
maps based on a modified Inverse Distance Weighted
(IDW) algorithm that replaces distance (linear units)
by cost (time units); 3) Projects how much fuelwood
is expected to be harvested in each time frame (e.g.
one year, one month) at each pixel, and how the
vegetation may respond to that harvesting during the
next time frame (e.g. during the next year / the next
month).
2.1 FRICTION MAPS
The script creates friction maps. In these maps each
pixel or cell expresses the time needed for a fuelwood
gatherer to walk or drive through it.
For the case of charcoal, friction maps are not
necessarily needed, but a spatial multi-criteria analysis
instead that directly feeds the next script. Explain and
show the example from Cuitzeo, by which the
probability or profit map was build based on 1)
proximity to Morelia through the road network,
preferred vegetation characteristics (sprouting close
oak forests), slope at the site of harvest/kiln
construction, soil type (some soils are not useful for Where Pj is a probability or profitability index per
kiln construction), and range distance of kiln from type of fuelwood gatherer j (walking or driving); Cij
main roads (not too close to avoid police but not too is the fuelwood consumption per locality i within a set
far to prevent cross/country transportation) time frame unit (e.g. one year) that is either self-
The data required to feed this script are gathered or bought j; d is the cumulative time needed
displacement velocities of both walking and driving to reach any pixel from each locality i by walking or
fuelwood gatherers, as affected by topographic driving gatherers j; and n is a real positive number that
features such as slope, roads, rivers and water bodies, implies how much disperse or circumscribe the
land use land cover classes (e.g. a thorny vegetation interpolation will be.
may reduce displacement velocities), and other The resulting index Pj is a modified Inverse
barriers and “walk or drive-through” passages in Distance Weighted interpolation, by which distance
general. No legal constraints are yet considered at this (in linear units) is replaced by cumulative cost (in
stage (e.g. a protected area). time units).
Ideally, these data should be recorded in the field
by accompanying fuelwood gatherers, which requires
a simple experimental design; however, default values
from other case studies can also be used. Although
friction maps need to be as accurate as possible, they
end up as probability maps, which reflect relative
differences, not absolute ones. This means that the
relations between displacement velocities following
terrain characteristics are more important than the
absolute values.
In the example case study, the walking and driving
speed of fuelwood gatherers is affected by three
topographic features: slope, roads and rivers. Figure 3
illustrates the workflow of the friction map
calculation. Slope is derived from a Digital Elevation
Model (DEM) which is reclassified according to Figure 2. Friction map for driving fuelwood gatherers
slope-based cross-country walking speeds. Rivers are 2.3 SUPPLY/DEMAND BALANCE MAPS
overlayed as barriers and roads are finally overlayed
on top, assuming that friction is partially reduced for The script simulates the spatiotemporal dynamics of
fuelwood gatherers walking along them (but slope still woodfuel extraction, and the subsequent vegetation
affecting velocities), and drastically reduced for response in terms of aboveground biomass stocks and
people using vehicles (only the type of road affect growth, based on the probability maps built
velocities in this case). Outside roads, driving previously. For each land cover category (Figure 1) a
fuelwood gatherers must get down from their vehicles biomass stock carrying capacity and growth rate is
and walk in order to look out for fuelwood, under the assumed. Within each time step (e.g. year) the
same speed assumptions as walking ones. projected harvested volume is extracted from the
biomass stock, assumed in t0 to be at its carrying
2.2 PROBABILITY MAPS capacity. The lowered stock triggers growth, as a
The script creates probability or profitability maps logistic function of stock and carrying capacity. Two
following: main outcomes are generated per time step:
supply/demand balances and non-renewable biomass
(fNRB), which is the percentage of the harvested
wood that surpasses growth at each time step. If at

135
least three multi-temporal land use land cover maps
are available, then landscape dynamic trends can be
coupled so as to search for spatial coincidences
between simulated and observed deforestation and
forest degradation patterns.
3 RESULTS AND DISCUSSION
The upper row of maps in Figure 3 show biomass
stocks while the lower one show the non-renewable
biomass fraction, oth for years 1, 5 and 10. At year
one, biomass stocks suffer a significant reduction,
mainly in those areas under high pressure and low
biomass carrying capacity, such as open forests
(shown in red). However, once that growth is
triggered, biomass is gradually recovered (year 10).
Considering the dynamics of non-renewable biomass
a similar pattern may be observed. By definition, all
wood harvesting occurring at time step 1 is non-
renewable (i.e. 100%) as growth is assumed to be
zero. In successive time steps, as growth becomes
different from zero, fNRB diminishes. However,
when comparing fNRB in years 1 and 5 no such
differences are seen. This respond to the fact the wood
harvesting sites are seeded using a stochastic
component. In this sense, during the first 5 years,
wood harvest starts very frequently at different
locations, resulting in 100% values each time. Within
further time steps the chances of harvesting occurring
in new sites drastically diminishes. When a location
(i.e. pixel) is visited for a second time, growth is never
zero and fNRB differs from its maximum.
From the results shown in Figure 3 it is clear that
the projected patterns may be artificial until some
steady state is achieved. In reality, biomass stocks are
seldom equal to its biophysical carrying capacity in
sites managed for fuelwood, meaning that growth
should be already occurring at time 0. A simple
solution for this would be to start the simulation some
time steps earlier, as a first “calibration” stage and
account for stock and fNRB changes using later time
steps, during a second stage.
136
Figure 3. Balance and fNRB maps
This model was designed to help solving the
following question: Are woodfuels harvest a cause of
woody depletion, or on the contrary, is land clearing
the main driver and woodfuel are only byproducts. In
real life both activities may have a share on woody
biomass depletion, but while land clearing is
widespread, high pressure areas due to woodfuel
extraction are more circumscribe. Deforestation
patterns from prospective landscape dynamics can be
compared with the model simulations easily enough.
But, the model will very rarely forecast deforestation
(i.e. depletion of most of the stock), but only
degradation (a reduction in stock).
REFERENCES
Bailis, R., 2005. Fuel from the savanna: the social and
environmental implications of the charcoal trade in Sub-
Saharan Africa. PhD. Renewable and Appropriate
Energy Laboratory (RAEL), University of California,
Berkeley, Berkeley, California, US.
Bailis, R., Berrueta, V., Chengappa, C., Dutta, K., Edwards,
R., Masera, O., Still, D., Smith, K.R., 2007.
Performance testing for monitoring improved biomass
stove interventions: experiences of the Household
Energy and Health Project. Energy for Sustainable
Development XI, 57-70.
Ghilardi, A., 2010. Quantification of the non-renewable
fraction of woodfuel extraction in El Salvador. Estudio
encargado por Tecnologías Ecológicas
Centroamericanas SA., El Salvador, p. 53.
Ghilardi, A., Guerrero, G., Masera, O., 2009. A GIS-based
methodology for highlighting fuelwood supply/demand
imbalances at the local level: A case study for Central
Mexico. Biomass & Bioenergy 33, 957-972.
Goldemberg, J., Coelho, S.T., 2004. Renewable energy -
traditional biomass vs. modern biomass. Energy Policy
32, 711-714.
Maxwell, T., Costanza, R., 1997. An Open Geographic
Modeling Environment. Simulation 68, 175-185.
Rüdger, N., 2006. Dynamics and sustainable use of species-
rich moist forests. A process-based modeling approach.,
Center for Environmental research-UFZ, Helmholtz.
RWEDP, 2000. Basics of Wood Energy Planing: A
Manual. Regional Wood Energy Development
Programme (RWEDP) in Asia. Food and Agriculture
Organization (FAO) of the United Nations (UN),
Bangkok, Thailand.
Stupak, I., Asikainen, A., Jonsell, M., Karltun, E., Lunnan,
A., Mizaraite, D., Pasanen, K., Pärn, H., Raulund-
Rasmussen, K., Röser, D., Schroeder, M., Varnagiryte,
I., Vilkriste, L., Callesen, I., Clarke, N., Gaitnieks, T.,
Ingerslev, M., Mandre, M., Ozolincius, R., Saarsalmi,
A., Armolaitis, K., Helmisaari, H.S., Indriksons, A.,
137
Kairiukstis, L., Katzensteiner, K., Kukkola, M., Ots, K.,
Ravna, H., Tamminen, P., 2007. Sustainable utilisation
of forest biomass for energy - Possibilities and
problems: Policy, legislation, certification, and
recommendations and guidelines in the Nordic, Baltic,
and other European countries. Biomass and Bioenergy
31, 666-684.
Top, N., Mizoue, N., Ito, S., Kai, S., Nakao, T., Ty, S.,
2006. Re-assessment of woodfuel supply and demand
relationships in kampong Thom Province, Cambodia.
Biomass and Bioenergy 30, 134-143.
Trossero, M.Á., 2002. Wood energy: the way ahead.
Unasylva 53, 3-12.
 PREDICTIVE AND EXPLANATORY FACTORS OF LUCC IN THE
GRIJALVA-USUMACINTA BASIN
a b
Melanie KOLB , Jean-Francois MAS
a
Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO), Insurgentes Sur-Periférico
4903, Tlalpan, C.P. 14010, México D.F., melanesien@gmail.com
b
Centro de Investigaciones en Geografía Ambiental, Universidad Nacional Autónoma de México (UNAM)
Antigua Carretera a Pátzcuaro No. 8701, Col. Ex-Hacienda de San José de La Huerta
C.P. 58190 Morelia Michoacán MÉXICO, jfmas@ciga.unam.mx

ABSTRACT
The understanding and identification of land use and cover change (LUCC) drivers are some of the most
challenging questions in land change science and core information necessary to parameterize a LUCC model.
They define the relationship between environmental, biological, physical, social and economical factors and
LUCC on a spatial level and define areas prone to a certain transition. Many studies are based on non causal
relations, whereas in this study both predictive and causal factors for LUCC in the Grijalva-Usumacinta
watershed are investigated for two time periods (1993-2002, 2002-2007) by regression models (RM) and
hierarquical partitioning (HP). Several theoretical aspects were taken into account in pre-processing the data to
assure consistency in the interpretation of results. The analysis distinguishes between deforestation and forest
degradation, between temperate and tropical vegetation types occurring in the study area and between
agricultural and pastoral land use. For the period 1993-2002, factors related to the distance to an existing land
use or degraded forests clearly dominate in regression models as the most important predictive factors.
Geomorphology, fragmentation, soil texture, climate, DISTROADS, and DENSILS95 are other factors found
to have strong predictive power for different transitions. In contrast, environmental factors (altitude, climate),
location factors (DISTROPSF, DISTPAST) and DENSILS95 prevail in the HP analysis; fragmentation is
important in both. Deforestation for agriculture cannot be captured in the regression models, but in HP several
factors seem to explain this transition in tropical and temperate regions. For several transitions (46%) no
consistent causal factor can be identified. Between 2002 and 2007, factors related to the distance to an existing
land use or cover also dominate the regression models. Geomorphology, fragmentation, soil texture, climate
and marginalization are other factors found to have strong predictive power for several LUCC processes. In the
tropical regions a more complex mixture of factors can explain the deforestation and regeneration processes
while in temperate regions these processes are associated with very few factors. For the period 2002-2007
LUCC processes are explained by less factors than in the previous period and the distance to existing LU are
the factors important to most transitions. Distance to an existing LU is important in HP analysis and regression
models and thus are considered as causal factors for almost all transitions. The most important causal factor is
DISTPAST, as in the previous period, but fragmentation is getting more important between 2002 and 2007.
Opposite to other studies that neither population density and growth, nor distance to roads show to be related
to LUCC.
Palabras clave: Drivers of land use and cover change, predictive and causal factors, Southern Mexico,
regression models, hierarquical partitioning
relationship between environmental, biological,
1 INTRODUCTION
physical, social and economical factors and LUCC on
The understanding and identification of land use and a spatial level and define areas prone to a certain
cover change (LUCC) drivers are considered some of transition. Not all are causal but nevertheless these
the most challenging questions in global change factors are important to instrument the LUCC model
science (Geist and Lambi,n 2001, Chowdhury, 2006, for prospective modeling. A thorough analysis of
Turner, 2010) and core information necessary to drivers and factors related to LUCC is an important
parameterize a LUCC model. They define the

138
way of gathering and investigating direct and (1400-1800 m), the central plateau or Altos de
underlying criteria and parameters. Chiapas (1200-2800 m) and the Mountains of Chiapas
The impacts of LUCC on climate and biodiversity (1500-3050) different types of temperate and cloud
demand assessing and managing LUCC in tropical forests can be found. The huge amounts of surface
regions which requires the understanding of LUCC water feed a high number of inland and coastal water
patterns, processes and driving forces (Lambin et al., bodies, flood plains and wetlands in the coastal plain
2003, Verburg et al., 2002, Houet et al., 2009, Turner covering an area of more than 400,000 ha (Sánchez
2010, Nepstad et al., 2008). The ultimate driving force and Barba, 2005). The diversity of biotic and abiotic
for LUCC is a synergistic combination of resource factors gives rise to a very rich biodiversity and the
scarcity and the subsequent increase in pressure on Grijalva-Usumacinta watershed actually is part of the
resources for production, market opportunities, policy Mesoamerican hot spot of biodiversity. Chiapas alone
interventions and changes in social organization and is home of more than 10.000 species of vascular
culture (Lambin et al., 2003). In the framework of plants, almost 10% of global plant diversity. This
LUCC science in the recent past it has shown that the immense diversity forms the habitat for a great
specific direct and indirect drivers on global, national, number of fauna, like the 659 bird and 205 mammal
regional or local scale are extremely diverse and species registered, corresponding to 50% of all
complex (Lambin et al., 2003, Geist and Lambin, Mexican species described for these groups.
2001). Interrelation and feedbacks between the factors (González-Espinosa et al., 2005).
and particular interaction on different scales further
complicate the analysis of LUCC drivers (Lambin et
al., 2003, Kok, 2004). Identifying the causes requires
the context in which people make LU decisions and
how various factors interact and influence this process
(Lambin et al., 2003).
This study applies a varied set of methods to
investigate the drivers, both predictive and causal
factors, for LUCC in the the Grijalva-Usumacinta
watershed as part of an investigation on historic and
future hotspots of deforestation and forest degradation
in the framework of conservation planning on a
regional scale.

2 METHODS
2.1 STUDY AREA
The Grijalva-Usumacinta watershed in southeast
Mexico, 18.71° -15.22° N and -94.25° - 90.38° W,
served as a natural boundary for the study area. It Figure 1. Study area with ecoregions 1) Gulf of Mexico
covers 87,686 km2 and is one of the most important Coastal Plain with Wetlands and High Tropical Rain Forest,
2) Hills with High and Medium Semi-Evergreen Tropical
watersheds in Mexico and North America. By volume
Forest, 3) Hills with Medium and High Evergreen Tropical
the Usumacinta is the most important stream flow in Forest, 4) Chiapas Highlands with Conifer, Oak, and Mixed
the Gulf of Mexico after the Mississippi (the 7th Forest, 5) Chiapas Depression with Low Deciduous and
worldwide) and contains 30% of Mexico’s superficial Medium Semi-Deciduous Tropical Forest, 6) Central
freshwater. The basin is characterized by an extremely American Sierra Madre with Conifer, Oak, and Mixed
irregular relief (0-3050 masl), different climates and Forests.
resulting vegetation types (INEGI et al., 2007).
Tropical rainforests can be found in the humid coastal
plain and the eastern lowland areas, whereas the
Central Depression, owing to a double rain shadow, is
dominated by tropical dry forests. On the mountain
ranges, like the Northern Mountains of Chiapas

139
 forests get deforested. Degradation is more important
Table 1. Land use and cover categories analyzed. in temperate forest types and deforestation in tropical
forests (Kolb and Galicia, 2011). For the basin under
Categories study, as in SE Mexico in general the predominant
Categories of LUCC role of not authorized establishment of agricultural
Formation of LUCC areas in terrains for forestry and secondly the
analysis
modeling conversion of this areas into pastures has been
Coniferous forests documented (CONAFOR, 2001, Mas et al., 2004,
Temperate Temperate Porter-Bolland et al., 2007, Díaz-Gallegos et al.,
Broad-leaved forests
forests forests 2010). Temperate forests are found to be affected by
Montane cloud forests multiple direct drivers while the LUCC dynamics in
Tropical Rain forests Tropical tropical forests are dominated by cattle farming (Kolb
forests Dry forests forests and Galicia, 2011). A bibliographic analysis of
underlying drivers showed that political factors like
Sec. coniferous forests agricultural policies and subsidies and the historic
Sec. broad-leaved Secondary influence of laws of deforestation and colonization
forests temperate valid until 1992 have strong influences. But also the
Secondary Sec. montane cloud forests neo-liberal economy adopted in the last three decades,
the predominant precarious socio-economic status of
vegetation forests the population and population increase together with
Secondary rain forests Secondary migration patterns have been found to be relevant.
tropical The contradictions between sectors and in-coherent
Secondary dry forests regulations, the culture of no follow up, the clear
forests
advantage of destructive production systems and the
Pastures Pastures Pastures lack of education and capacity building can be
Irrigated agriculture considered as another level of ultimate drivers (Kolb
Permanent crops Agriculture and Galicia, 2011).
Cultivated
Rain fed (annual crops) 2.2 DATA
areas
Forest Land use and cover (LUC) classes and transitions to
Forest plantations be modeled were derived from the principle change
plantations
processes detected by an analysis of historic LUCC
Urban areas Urban areas based on the LUC map series of INEGI (series 2,3 and
Others
Other vegetation types Masked 4, for details see Kolb and Galicia, 2011). The original
Water classes were aggregated but the distinction between
Water bodies Masked LUCC processes occurring in temperate and tropical
bodies
forest types and between deforestation and forest
degradation were maintained (table 1).
The combination of the hot spots of biodiversity Variable selection was based primarily on previous
and LULCC, which is a long-term broad-scale studies in Mexico and on variables known to be
disturbance related to public politics and determines important for tropical regions and specifically for
regional forest/landscape dynamics and biodiversity Latinamerica (like slope, distance to roads, distance to
patterns, calls for a better understanding of the factors settlements, soil types, distance to rivers and distance
related to the widespread habitat destruction and to forest or other land uses and climate parameters.
disruption of biotic-environmental relationships The data set included environmental parameters
caused by LULCC and for their integration in related to topography, climate, hydrography,
landscape conservation and management. In the study geomorphological units and soil types; location
area complex LUCC processes have been found to measures like existing land use and infrastructure;
take place where deforestation is usually the last step fragmentation types as an ecological landscape
in a cascade of LU intensification, which begins with measure of the degree of land cover modification, as
forest degradation of pristine forests by unsustainable well as demographic and social variables, like
extractive and agro-forest activities before secondary migration, ethnicity and marginalization. The census

140
data from 1995 has some gaps in the SE part of the
study area due to the Zapatista insurrection.
2.3 STATISTICAL ANALYSIS
In order to investigate which variables were most
important for deforestation and forest degradation of
tropical and temperate forests in the periods 1993-
2002 and 2002-2007 a series of analytical steps were
undertaken.
Spatial autocorrelation (SAC) in data is a common
phenomenon in spatial analysis and it has been shown
to influence both coefficients and inference in
statistical analyses (Dormann 2007). Since distance to
independence does not necessarily decrease with
greater euclidean distance but depends of data
structure (Fortin and Dale, 2009), an analysis of SAC
was carried out which determined the sample design
(software Passage, Rosenberg and Anderson, 2011).
For all the transitions and variables correlograms
(Moran’s I) were analyzed to identify the distance of
minimal SAC, or the minimal distance to assure
independence among the data set (Cliff and Ord,
1973). The results were used to sample spatial
variables at a distance of 6 km (majority of maps
showed a sharp decline of SAC (under I=0.35) after
the variables were resampled at a resolution of 1000
m (the resolution of the coarsest data set). This and all
other analysis were carried out with respect to
potential transition maps (1= change, 0= no change,
no data = area not to be considered for this transition).
To reduce the original number of variables to those
variables which are correlated to LUCC transitions
but avoiding multicollinearity (MCL), spatially
corrected correlation analysis were carried out with
the software Passage (Rosenberg and Anderson,
2011). The method developed by Clifford, Richarson
and Hemon (CRH) corrects the significance level
through a adjustment of the degrees of freedom of the
Pearson’s product-moment correlation based on the
SAC (using Moran’s I) of the variables (Fortin and
Dale 2009). Considering the large sample size
(n=10980), correlations higher then r>0.1 (p<0.05)
were considered relevant for the further analysis.
Among these variables, the ones showing a correlation
r>0.7 (p<0.05) were considered to be redundant and
excluded from further analysis.
Multiple regressions models have been used in
different disciplines (among them biogeography,
ecology, conservation biology and global change
science) for many years, since they capture the
relation between a set of independent and a dependent
141
variable and thus permit to predict the behavior of the
dependent variable according to the changes in the
independent variables (MacNally 2002). Binary
logistic regression models have been widely used to
analyze variables involved in LUCC because LUCC is
usually represented as a discrete change (Verburg,
2002). The predictive factors are those variables
whose coefficients are significant and can be used for
LUCC modeling (Verburg et al., 2002, MacNally,
2000). To identify factors with predictive power,
logistic binary regression models for each transition
using a stepwise backward procedure have been
constructed. The large sample size and minimal MCL
between variables assures small standard errors,
consistent coefficients and the acceptability of the
95% level of significance. In the result only the main
factors for the analyzed transition, established as the
ones with the strongest influence on the model (as
established by AIC Akaike’s information) are
considered, while in the process of establishing causal
factors, all the factors included by a regression model
were taken into account.
Hierarquical partition (HP) analysis (Chevan and
Sutherland 1991) provides a measure of explanatory
power of multiple independent variables because it is
not affected by multi-colinearity (MacNally, 2000).
MacNally (2002) suggested that those factors
identified as influential both in regression models and
HP are the causal variables among the ones with
predictive power. In a first step, 12 variables
explaining most frequently the variance in LUCC
transitions were selected among the initial data set by
means of a genetic algorithm (module in R). In a
second step these 12 variables were used for the HP
analysis (module in R), which has been proposed to
identify those predictor variables having the most
independent influence (as opposed to partial influence
in correlation and regression methods) on the response
variable in all possible models for each variable (I)
and together with the other variables (J) in all possible
regression models (MacNally, 1996). The contribution
to the total explained variance of a model of a
predictor in conjunction with all others is found by
substracting the total variance explained by a
predictor independently. Those factors that had high
independent correlations with the LUCC transitions
(>10% J or >20% I) were considered to be explanative
factors controlling the variation in the transitions. The
final causal factors were determined where regression
results were consistent with HP analysis.
 Regression models may better fit aggregated LUC
classes but this does not reflect a better predictive
power but is mostly related to generalization of LUCC
which is easier to predict. On the contrary,
explanatory analysis and LUCC modeling is more
explicit with more detailed LUCC information if
every transition has its proper pattern of change
(Millington et al., 2007). However, landscape
processes of LUCC have rarely been mapped and
quantified for particular types of forest (Newton and
Tejedor, 2011). Using a detailed legend that
distinguishes different forest types and their state of
human disturbance makes it possible to examine
change trajectories among land-cover types in various
environmental settings and with their corresponding
mechanisms of change (for example tropical forests-
pasture dynamic). In this sense, the analysis and the
model are stratified by broad vegetation types (table
1) so different relations of factors to LUCC can be
detected in the varying natural and socio-economic
environments.
3 RESULTS
Results are presented for the drivers related to LUCC
in first for the period 1993-2002, then for the period
2002-2007 and finally the differences between the two
periods are identified. Each section contains the
results from the regression models, the HP analysis
and probable causal factors where these two both
identify important influences.
3.1 FACTORS RELATED TO LUCC 1993-
2002
3.1.1 Binary logistic regression models
For deforestation processes related to cattle ranching
and agriculture, distance to pastures (DISTPAST**)
and distance to agriculture (DISTAGRI**)
respectively are the most important factors, but also
distance to paved roads (DISTROADS**) and
climatic variables** play a role (table 2).
Deforestation in general (DEFOREST) and
deforestation for pastures in tropical forests
(DEFORPAST_TROP) can also be predicted by
geomorphologic features**.
Degradation can be described by marginalization**,
geomorphology**, fragmentation**, soil texture**
and DISTAGRI**, but the most important factors are
distance to temperate secondary forests
**
P < 0.01
142
(DISTEMPSF**) and distance to tropical secondary
forests (DISTROPSF**) (depending on the ecotone).
For describing temperate forest degradation
(DEGRADA_TEMP) DISTAGRI**,
fragmentation**, soil texture**, distance to water
bodies** and climatic variables** show to be
influential. For tropical forest degradation
(DEGRADA_TROP) soil texture** is important, as
well as DISTROADS**, and geomorphology**.
Regeneration from pastures and agriculture
depends on DISTEMPSF** and DISTROPSF**
(depending on the ecotone). Regeneration from
pastures in tropical forests (REGPAST_TROP) is
further influenced by climatic variables** and
DISTPAST**. SIL95** and DISTAGRI** are
important to describe REGAGRI_TEMP; climate**,
geomorphology** and also SIL95** for
REGAGRI_TROP. In the general regeneration
process slope** is an important factor.
3.1.2 Hierarquical partitioning
The factors explaining most of the variance in more
than 50% of the transitions are altitude, climate,
DISTROPSF, DISTPAST and DENSILS95. Other
important factors (50% of transitions) are
DISTEMPF, fragmentation and slope. Least important
are permaenent rivers (RIVPERM) which for no
transition is among the most important variables
(explaining over 10% in combination with other
factors).
Deforestation for pastures is driven by the same
factors in temperate and tropical environments, with
all factors (except DISTEMPSF) individually
important but only DISTPAST explains the processes
in combination with the other factors. DEFOREST
can be explained by DISTPAST, besides
fragmentation and slope. In the case of deforestation
for agriculture in temperate forests
(DEFORAGRI_TEMP) ALT, fragmentation and
DISTTROPSF capture the process, while
DEFORAGRI_TROP is dominated by climatic
variables, besides fragmentation, DISTEMPSF and
DENSILS95).
Degradation as a general process is explained by
DENSILS95, together with DISTEMPF, climate and
altitude. For DEGRADA_TROP and
DEGRADA_TEMP DISTROPSF is dominant.
Regeneration from pastures in temperate forest
(REGPAST_TEMP) can be explained by the same
factors than degradation. REGAGRI_TEMP can be
explained mainly by DISTROPSF, but also altitude
and slope have some influence. For natural
regeneration as a general processes altitude and
DISTPAST are the most important factors.
REGPAST_TROP and REGAGRI_TROP show no
explanative factors (neither in HP, nor in regression
models).
3.1.3 Probable causal relations
Causal relations are probable where regression models
and HP both indicate explanative power for a certain
factor (MacNally 2002). Table X shows that there are
several transitions for which no explanative factors
exist like DEFORAGRI_TROP. But also for
DEFORAGRI_TEMP, DEGRADA_TEMP,
DEGRADA_TROP, REGPAST_TEMP,
REGPAST_TROP and REGAGRI_TROP the
indicated causal factors may be somewhat artificial
since they do not coincide with the factors which
explain them best (in the following only causal factors
coherent in this sense are considered). The transitions
with more causal factors are DEFOREST,
REGENERA, DEFORPAST_TROP. For
REGAGRI_TROP only one causal factor can be
identified. All the 12 variables selected by a genetic
algorithm for the final HP analysis have explanative
power for at least one transition. DISTPAST emerges
as the most frequent and important causal factor, as it
is responsible for 5 transitions, in 4 cases even
coinciding with the factors explaining more than 50%
of the transitions. Further, altitude, DISTEMPF and
soil texture show consistently to be important causal
factors. The factors distance to an existing LUC are
important for all transitions (except
DEFORAGRI_TROP). DENSILS95, RIVPERM and
slope are only causally related to one transition each.
3.2 FACTORS RELATED TO LUCC 2002-
2007
3.2.1 Binary logistic regression models
DISTPAST* and DISTAGRI* are the main factors for
predicting deforestation. Deforestation related to cattle
ranching is further influenced by DISTEMPSF* and
DISTROPSF* (depending on the ecotone, table 2),
while for DEFORAGRI_TEMP climate*,
fragmentation* and DISTAGRI* are important. For
DEFORAGRI_TROP soil texture and DISTPAST*
have been identified as predictive factors.
The most important factors for predicting degradation
are DISTEMPSF* and DISTROPSF* (depending on
*
P < 0.05
143
the ecotone). Other related factors are
marginalization*, geomorphology*, soil texture*,
climate* and DISTROADS*. Regeneration processes
are strongly related to DISTEMPSF* and
DISTROPSF* (depending on the ecotone). Other
important factors are geomorphology*, soil texture*,
fragmentation* and DISTPAST*.
3.2.2 Hierarquical partitioning
The most important explanative factors are
DISTEMPSF, DISTROPSF, DISTPAST, altitude and
marginalization (2000) since they explain most of the
variation in around 50% of the transitions. Tropical
deforestation is caused by numerous factors while
temperate deforestation is related to 1 or 2 factors
only. Marginalization (2000) is related to forest
degradation, together with some location factors like
DISTEMPSF and DISTROAD in temperate forests
and DISTROPSF in tropical forests. Regeneration in
temperate regions is explained by altitude and
DISTEMPSF. REGPAST_TROP is explained by all
factors; REGAGRI_TROP only by DISTROPSF.
REGENERA is not associated with any factor. For
DEFORPAST_TROP and REGPAST_TROP all
factors seem to be explanative but that could be an
artifact of the widespread distribution of those LUCC
processes which augmented considerably between
2002-2007 (Kolb and Galicia 2011).
3.2.3 Probable causal relations
All the transitions have one to three causal factors,
except DEGRADA_TEMP and REGENERA which
have none. Only seven of the 12 variables selected for
the HP analysis have explanative power for at least
one transition. The most frequent causal factor is
DISTPAST, responsible for 5 transitions of which in 4
cases it’s the factors explaining more than 50% of the
transitions. Fragmentation appears as causal for seven
transitions respectively but they do not coincide with
any of the important explanative factors; so
fragmentation does influence transitions but the causal
evidence is not conclusive. Another important factor
is DISTROPSF. The factors distance to an existing
cover and LU explain all transitions to some extent.
Altitude is causally related to only one transition.
3.3 COMPARISON OF LUCC DRIVERS
BETWEEN 1993-2002 AND 2002-2007
In general, the number of causal factors decreased
from 1993-2002 to 2002-2007. The most frequent
(>50% of transitions) and important causal factor in
both periods is DISTPAST. There are less explanative
factors for the particular transitions in 2002-2007 but
almost all transitions can be explained by at least one.
Tropical and temperate deforestation showed a similar
pattern in 1993-2002 with a variety of explanative
factors and in 2002-2007 these were reduced to only
one or two factors. The transitions related to
regeneration in tropical forests did not show any
predictive or explanatory factors between 1993 and
2002. The increased area comprised by those
transitions between 2002 and 2007 could explain the
fact that in this period these transitions have at least
associated with some predictive factors. Regeneration
in temperate regions has a similar pattern of
explanatory factors in 2002-2007 while
REGPAST_TEMP and REGAGRI_TEMP show
144
different pattern for 1993-2002. The most important
predictive factors stayed stable over time but among
the less important factors some changes can be
observed. DISTROADS lost its predictive power for
deforestation processes, as did also geomorphology;
DENSILS, slope and soil texture became more
important. Degradation has fewer predictive factors in
the period 2002-2007 than previously (fragmentation
and distance to water bodies are not predictive any
more). For transitions related to natural regeneration
climate, DENSILS and slope are not important
predictive factors anymore; altitude, fragmentation
and geomorphology became important predictive
factors in the second period.
 Table 2. Example of results from statistical analysis. Regression models (RM): Predictive power considers only the factors with the
highest -AIC Akaike’s information (>10,000). Hierarquical partitioning (HP): 12 variables explaining most frequently the variance in LUCC
transitions were selected among the initial data set by means of a genetic algorithm (GA). Explanative factors controlling the variation in the
transitions were established as the ones with a high independent correlation (>10% J or >20% I). The factors where regression models were
consistent with HP analysis (all factors considered in HP analysis and in RM) are probably causal factors (MacNally 2002). +
geomorfological units, ~ speakers of indigenous languages, * euclidean distance.

145

4 DISCUSSION AND CONCLUSIONS
LUCC reflects a variety of pressures and human
decisions over natural ecosystems which are
influenced directly and indirectly by a diverse set of
factors. Every region shows a unique combination of
factors and variables resulting from the geographical,
ecological, socioeconomical and cultural situation
(Geist and Lambin 2001, Millington et al., 2007). In
this study the specific factors for the dominant LUCC
processes in the Grijalva-Usumacinta were
investigated. Some important factors related to social
status, culture and economy, like market integration
measures, microeconomics, household size, crop
types, agricultural production systems, could not be
taken into account because of constraints of data
availability. Some factors usually found to be related
to LUCC like distance to roads (Soares Filho et al.,
2002, 2006, Geist and Lambin, 2001) and population
density showed little relevance for LUCC in the
Grijalva-Usumacinta basin. Distance to roads showed
to be related to deforestation in 1993-2002 but not
anymore in 2002-2007. Even though it became more
important for explaining degradation, its influence is
not comparable to the well known effect in
agricultural frontier regions (Soare Filho et al., 2002,
2006). Population pressure is very difficult to assess
and a lot of discussion has been held about its
importance for LUCC (Geist and Lambin, 2001). One
reason is its diffuse influence in space, not necessarily
directly associated to the settlements itself. Also, it
does not necessarily indicate areas of deforestation or
degradation which many times are characterized by a
small local population, while the large cities usually
are in areas which were deforested decades ago.
Demand for supplies for these population centers
tends to get satisfied by an intensification of
production systems, opposed to large scale expansion
of agricultural lands.
For the period 1993-2002, factors related to the
distance to an existing LUC clearly dominate in
regression models as the most important predictive
factors. Geomorphology, fragmentation, soil texture,
climate, DISTROADS, and DENSILS95 are other
factors found to have strong predictive power for
different transitions. In contrast, environmental factors
(altitude, climate), location factors (DISTROPSF,
DISTPAST) and DENSILS95 prevail in the HP
analysis; fragmentation is important in both.
Deforestation for agriculture cannot be captured in the
regression models, but in HP several factors seem to
explain this transition in tropical and temperate
146
regions. For several transitions (46%) no consistent
causal factor can be identified. DISTPAST is the most
widespread causal factor, but also altitude,
DISTEMPF and soil texture are responsible for a
variety of transitions.
Between 2002 and 2007, factors related to the
distance to an existing LUC also dominate the
regression models. Geomorphology, fragmentation,
soil texture, climate and marginalization are other
factors found to have strong predictive power for
several LUCC processes. In the tropical regions a
more complex mixture of factors can explain the
deforestation and regeneration processes while in
temperate regions these processes are associated with
very few factors (DISTAGRI, DISTPAST,
DISTEMPSF). For the period 2002-2007 LUCC
processes are explained by less factors than in the
previous period and the distance to existing LU are
the factors important to most transitions (for 1993-
2002 altitude and distance to forest). DEFORAGRI is
better explained by causal factors between 2002-2007,
as opposed to REGENERA for which the second
period does not show strong causal relations to any
factor. For all other transitions causal factors can be
identified. Distance to an existing LU is important in
HP analysis and regression models and thus are
considered as causal factors for almost all transitions.
EDATEXT is not longer an important factor. The
most important causal factor is DISTPAST, as in the
previous period, but fragmentation is getting more
important between 2002 and 2007.
REFERENCES
Chevan A. and Sutherland M. 1991. Hierarchical
partitioning. The American Statistician 45: 90–96.
Chowdhury, R. R. (2006). Driving forces of tropical
deforestation: The role of remote sensing and spatial
models. Singapore Journal of Tropical Geography,
27(1), 82-101.
Cliff, A.D. & Ord, J.K. (1981) Spatial processes: models
and applications. Pion Limited, London.
CONAFOR. 2001. Programa estratégico forestal para
México 2025. Comisión Nacional Forestal, México.
Díaz-Gallegos, J.R., J.-F. Mas, A. Velázquez, 2010, Trends
of tropical deforestation in Southeast Mexico, Singapore
Journal of Tropical Geography, 31(2):180-196.
Fortin M-J, Dale MRT. 2009. Spatial Autocorrelation in
Ecological Studies: A Legacy of Solutions and Myths.
Geographical Analysis 41(4):392-397.
Geist, H.J. and Lambin E.F. 2001. What drives tropical
deforestation? A meta-analysis of proximate and
underlying causes of deforestation based on subnational
case study evidence. Land-Use and Land-Cover Change
 (LUCC) Project IV. International Human Dimensions
Programme on Global Environmental Change (IHDP),
International Geosphere-Biosphere Programme (IGBP)
González-Espinosa M, Ramírez Marcial N and Ruiz
Montoya L eds 2005 Diversidad biológica en Chiapas
El Colegio de la Frontera Sur, Mexico
Houet T, Verburg PH, Loveland TR. 2009. Monitoring and
modelling landscape dynamics. Landscape Ecology.
25(2):163-167.
INEGI, CONABIO and INE 2007 Ecorregiones Terrestres
de México, escala 1:1 000 000 Instituto Nacional de
Estadística, Geografía e Informática, Comisión
Nacional para el Conocimiento y Uso de la
Biodiversidad, Instituto Nacional de Ecología.
Comisión Nacional para el Conocimiento y Uso de la
Biodiversidad. Mexico, D. F.
Kok, K. (2004). The role of population in understanding
Honduran land use patterns. Journal of environmental
management, 72(1-2), 73-89.
Lambin E.F., Geist, H.J. y Lepers, E. 2003. Dynamics of
land-use and land-cover change in tropical regions.
Annual Review of Environment and Resources 28: 205-
241.
MacNally R. 2000. Regression and model-building in
conservation biology , biogeography and ecology : The
distinction between – and reconciliation of – “
predictive ” and “ explanatory ” models. Biodiversity
and Conservation 9:655-671.
MacNally R. 2002. Multiple regression and inference in
ecology and conservation biology: further comments on
identifying important predictor variables. Biodiversity
and Conservation 11: 1397-1401.
MacNally, R. (1996). Hierarchical partitioning as an
interpretative tool in multivariate inference. Austral
Ecology, 21(2), 224-228.
Mas JF, Velázquez A, Reyes Díaz-Gallegos J, Mayorga-
Saucedo R, Alcántara C, Bocco G, Castro R, Fernández
T and Pérez-Vega A 2004 Assessing land use/cover
changes: a nationwide multidate spatial database for
Mexico International Journal of Applied Earth
Observation and Geoinformation 5:249-261
Millington, J. D. a, Perry, G. L. W., & Romero-Calcerrada,
R. (2007). Regression Techniques for Examining Land
Use/Cover Change: A Case Study of a Mediterranean
Landscape. Ecosystems, 10(4), 562-578
147
Moons, T. 1997. Report on the Joint ISPRSS Commission
II/IV Workshop “3D Reconstruction and Modeling of
Topographic objects”, Stuttgart, Germany
Nepstad, D. C., Stickler, C. M., Filho, B. S.-, & Merry, F.
(2008). Interactions among Amazon land use, forests
and climate: prospects for a near-term forest tipping
point. Philosophical transactions of the Royal Society of
London. Series B, Biological sciences, 363(1498),
1737-46.
Newton, A.C. and Tejedor, N. (Eds.). (2011). Principles
and Practice of Forest Landscape Restoration: Case
studies from the drylands of Latin America. Gland,
Switzerland: IUCN. xxvi + 383 pp.
Porter-Bolland L, Ellis EA and Gholz HL 2007 Land use
dynamics and landscape history in La Montaña,
Campeche, Mexico Landscape and Urban Planning 82:
198–207
Rosenberg, M.S., and C.D. Anderson (2011) PASSaGE:
Pattern Analysis, Spatial Statistics and Geographic
Exegesis. Version 2. Methods in Ecology and
Evolution2(3):229-232.
Sánchez AJ and Barba E 2005 Biodiversidad de Tabasco in
Bueno J, Álvarez F, Santiago S eds Biodiversidad del
estado de Tabasco Comisión Nacional para el
Conocimiento y Uso de la Biodiversidad, Intituto de
Biología, UNAM, Mexico.
Soares-Filho B.S.; Pennachin, C.L.; Cerqueira, G. 2002.
DINAMICA – a stochastic cellular automata model
designed to simulate the landscape dynamics in an
Amazonian colonization frontier. Ecological Modelling,
154(3): 217-235.
Soares-Filho, B.S., Nepstad, D., Curran, L., Voll, E.,
Cerqueira, G., García, R.A., Ramos, C.A., Mcdonald,
A., Lefebvre, P. and Schlesinger, P., 2006. Modelling
conservation in the Amazon basin. Nature, 440:520-
523.
Turner BL 2010 Sustainability and forest transitions in the
southern Yucatán: The land achitecture approach Land
Use Policy 27 170-179
Verburg, P.H., Soepboer, W., Veldkamp, A., Limpiada, R.,
Espaldon, V. y Mastura S.S.A. 2002. Modeling the
Spatial Dynamics of Regional Land Use: The CLUE-S
Model. Environmental Management 30 (3): 391-405.
 INCENDIOS
FORESTALES

148
EVALUACIÓN DE ÁREAS AFECTADAS POR INCENDIOS FORESTALES
EN MÉXICO
María Isabel CRUZ LÓPEZa, Gerardo LÓPEZ SALDAÑAb
a
Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO), Liga Periférico –Insurgentes
Sur 4903, Col. Parques del Pedregal C.P 14010 Tlalpan, México D.F, email: icruz@conabio.gob.mx
b
Mullard Space Science Laboratory, University College London, Holmbury St. Mary, Dorking, Surrey, RH5
6NT, U.K.

RESUMEN
En los meses de marzo y mayo de 2011, el estado de Coahuila, México sufrió una de las peores épocas de
incendios forestales. Los incendios afectaron más de 400,000 ha, algunos estuvieron activos más de un mes, en
zonas de difícil acceso. La superficie quemada representa el 45% de las áreas afectadas en el país.
Para atender la emergencia fue necesario realizar una evaluación rápida del área quemada, para ello se utilizó la
información generada por el sistema de alerta temprana de incendios forestales, que opera la Comisión Nacional
para el Conocimiento y Uso de la Biodiversidad (CONABIO), así como algunos productos que utiliza el
algoritmo de áreas quemadas diseñado para México.
En la evaluación se han utilizado imágenes de satélite de diferentes resoluciones espaciales y temporales, desde
muy alta resolución espacial como RapidEye (5 m), hasta la resolución moderada MODIS (250 m). Se
caracterizó la vegetación antes y después del incendio para extraer la información espectral de los diferentes
datos y áreas afectadas, con el objetivo de identificar las áreas afectadas.
Este trabajo permitirá mejorar el algoritmo operacional de área quemada y sentar las bases para implementar un
método de seguimiento de la evolución de la superficie afectada por incendios forestales usando técnicas de
percepción remota.
Palabras clave: Incendio forestal, alerta temprana, evaluación de área quemada

Es de interés realizar el seguimiento debido a que

1 INTRODUCCIÓN
Año con año el fuego se hace presente en el territorio
mexicano, sin embargo 2011 ha sido uno de los años
más difíciles en la última década. Hasta el 25 de
agosto la Comisión Nacional Forestal (CONAFOR)
había contabilizado 11,903 incendios que afectaron
944,782.85 ha, superando la superficie registrada en el
1998, que fue de 847,689 ha (CONAFOR, 2011a).
En este año se presentaron mega-incendios; tan
solo el estado de Coahuila concentró el 45% de las
áreas afectadas del país.
Un ejemplo de esta situación son los incendios
ocurridos en el estado de Coahuila, que estuvieron
activos por más de un mes, en zonas montañosas de
difícil acceso. Dos de ellos, El Bonito y El Sabinal se
analizan en este trabajo, con la finalidad de establecer
un método de seguimiento y evaluación de la
recuperación de la vegetación.
la presencia del fuego genera alteraciones en la
biodiversidad, porque interfieren en la sucesión de los
ecosistemas y afecta tanto a la diversidad de especies
como sus procesos funcionales (Flores-Garnica, J.G,
2009).
Al momento de escribir el presente documento se
tienen algunos avances del proyecto, sin embargo se
espera seguir trabajando en el tema para establecer el
método y aplicarlo en forma operativa.
Desde 1999 la CONABIO ha trabajado en la
detección de incendios forestales proporcionando la
información a las instituciones responsables de la
atención y combate (Cruz-López M.I., 2008; Ressl et
al., 2009).
La información generada a partir del sistema de
alerta temprana de incendios forestales es el insumo
principal para el monitoreo de incendios y ahora para
la evaluación de los efectos y recuperación del área.

149
 2 MÉTODO
El área de estudio comprende las áreas afectadas por
los incendios El Bonito y El Sabinal, localizados en
las serranías del Burro en el estado de Coahuila,
México.
Los incendios perturbaron la vegetación secundaria
de bosque de pino-encino, vegetación secundaria de
bosque de pino, vegetación secundaria de bosque de
encino-pino, vegetación secundaria de bosque de
encino, localizada en las zonas con mayor altitud,
chaparral, matorral desértico rosetófilo, matorral
submontano en el piedemonte y pastizal en las zonas
planas.
2.1 DETECCIÓN DE INCENDIOS Y
MONITOREO CON IMÁGENES MODIS Figura 1. Distribución de los puntos de calor detectados de
marzo a mayo.
Los puntos de calor detectados con imágenes de
satélite del Moderate Resolution Imaging La presencia de humo en las imágenes afectó
Spectroradiometer (MODIS), que se reciben en la significativamente la identificación del área quemada,
estación de recepción ubicada en la CONABIO, eliminando por completo algunas áreas.
aplicando el algoritmo contextual para la detección de
2.3 ÍNDICE DE ANOMALÍAS DE LA
incendios con imágenes del sensor MODIS (Giglio et
VEGETACIÓN
al., 2003), fueron utilizados para monitorear la
presencia del fuego durante el tiempo que los Los incendios estuvieron activos por más de un mes,
incendios forestales estuvieron activos. por lo tanto se usaron los resultados del índice de
anomalía de vegetación para establecer en forma
En la figura 1 se muestran los puntos de calor
preliminar las áreas afectadas. El índice se genera
detectados a partir de marzo hasta mayo. La
cada diez días y se publica en el sistema de alerta
distribución espacial de los puntos de calor ayudó a
temprana.
delinear en forma preliminar las áreas afectadas.
Este índice es el resultado de la comparación del
2.2 IDENTIFICACIÓN DE ÁREA
NDVI actual con un NDVI estimado para la misma
QUEMADA CON IMÁGENES RAPIDEYE
fecha, con base al comportamiento histórico del NDVI
La información de los puntos de calor permitió (1000 m de resolución) usando la técnica llamada
establecer en forma preliminar el área a estudiar y Harmonic Analysis Time Series (HANTS) (De Badts,
adquirir cuatro imágenes RapidEye de fecha 8 de abril et al., 2005), considerando nueve años de imágenes
de 2011, para identificar el área quemada por El MODIS, desde junio de 2002.
Bonito.
La comparación establece si las condiciones de
Estas imágenes cuentan con cuatro bandas verdor y vigor de la vegetación se encuentran
espectrales que cubren desde 400 nm hasta 850 nm, semejantes, por arriba o por debajo del
con dos bandas en la región del rojo, denominadas comportamiento histórico.
rojo y rojo extremo (Red-Edge), esta última es
Si el NDVI actual está por debajo del histórico, se
sensible a los cambios de clorofila y nitrógeno
considera que la vegetación se encuentra con menor
(RapidEye, 2011), con resolución espacial de 5 m.
verdor y vigor de lo normal, por lo tanto estaría en
Sin embargo para identificar las áreas quemadas peligro de propagarse un incendio una vez que se
es preciso contar con la banda del short wave infrared presente el fuego.
(SWIR), por lo tanto sólo fue posible calcular el
Normalized Difference Vegetation Index (NDVI) y se 2.4 IDENTIFICACIÓN DE ÁREA
empleo interpretación visual. QUEMADA CON IMÁGENES MODIS
Se usó el resultado de un algoritmo de áreas quemadas
adaptado para México, que se encuentra en desarrollo,

150
basado en el Normalized Burned Ratio differencing
(dNBR) y Normalized Difference Vegetation Index
differencing (dNDVI), calculados con imágenes
MODIS diarias, aplicando antes del cálculo de los
índices un remuestreo de 500 m a 250 m en el
producto de reflectancia de la superficie (MOD09 y
MYD09).
Para la identificación del área quemada se
considera tres principios básicos (Chuvieco, et al.,
2008) presencia de combustible (vegetación), cambios
bruscos en los índices y permanencia del cambio en el
tiempo.
Se establecieron umbrales en los índices conforme
a las ecorregiones identificadas para México, dado
que son unidades geográficas con flora, fauna y
ecosistemas característicos (CONABIO, 2011). El
área de interés se encuentra ubicada en dos
ecorregiones la Planicie costera de Texas-Luisiana y
los Desiertos cálidos, en esta última los incendios
ocurren en las elevaciones que generalmente tienen la
presencia de bosques templados, como los bosques de
encino-pino.
Debido a la duración y extensión de los incendios,
para la identificación del área quemada se utilizaron
principalmente dos imágenes de las fechas: 3 de
marzo y 25 de mayo, antes y después de la ocurrencia
de los incendios, para caracterizar la vegetación antes
y después del incendio.
Así mismo se usaron imágenes de fechas
intermedias con el objetivo de cumplir los tres
principios básicos para la identificación de las áreas
quemadas. Procurando utilizar imágenes provenientes
del mismo satélite y aproximadamente a las misma
hora.
Con el objetivo de aplicar una validación del área
quemada identificada con las imágenes MODIS, al
resultado del área quema de las imágenes RapidEye se
le aplicó las siguientes adecuaciones: cambio de
proyección de UTM a Cónica Conforme de Lambert y
área mínima cartografiable de 1 ha.
La pregunta a contestar con este último proceso fue
si el área quemada identificada con las imágenes
RapidEye era también identificada con las imágenes
MODIS, debido a que no se contaba con imágenes de
alta resolución para toda el área de estudio, y como se
mencionó anteriormente la presencia del humo en las
imágenes RapidEye imposibilitaron identificar el área
quemada en diversas zonas. Además los incendios
151
estuvieron activos todavía un mes después de la fecha
de las imágenes RapidEye.
3 RESULTADOS
En el área se detectaron 2,638 puntos de calor, de los
cuales 64% corresponden a El Bonito y el 36% a El
Sabinal. Los primeros puntos de calor detectados
fueron a partir del 10 de marzo y el último punto de
calor 9 de mayo.
La superficie quemada identificada con las
imágenes RapidEye fue de 53,150 ha, para El Bonito,
hasta el 8 de abril.
En la figura 2 se muestra el comportamiento del
NDVI de cinco sitios de observación en las áreas
quemadas, localizados en áreas con mayores cambios
en el índice. Las líneas punteadas muestran los valores
estimados de NDVI a partir del análisis de la serie de
tiempo y las líneas continuas el valor real. Como se
observa los valores son casi semejantes hasta los
meses que se presentan una anomalía, en este caso
corresponde a incendios forestales.
Los valores el NDVI para el año 2011 se esperaban
menores al histórico, debido a que los últimos meses
de 2010 y los primeros de 2011 presentaron
precipitaciones menores a las registradas en el
histórico (CONAFOR, 2011b).
230
220
210
200
N
D
190
V
I
180
(8
bits)170
160
150
140
2010 2011
Figura 2. Comportamiento del NDVI de cinco sitios
localizados en las áreas quemadas. Se muestra el año
inmediato anterior y el actual, para facilitar la identificación
de los cambios.
En la figura 2 se observa esta tendencia, sin
embargo existe un punto en la serie de tiempo donde
La superficie de área quemada calculada a partir de
las imágenes MODIS fue de 191,255 ha., para el
incendio El Bonito y 164,200 ha., para El Sabinal. En
total suman 355,425 ha.
El 80% del área quemada identificada con las
imágenes RapidEye fue identificada con las imágenes
MODIS. El 20% restante se localizó principalmente
en el borde del área quemada y en sitios en los que se
consideró como no quemado al interior del área.
Con base a la propuesta de Key & Benson (2006),
para establecer los niveles de severidad, se utilizó los
resultados del dNBR para caracterizar el área
quemada, los resultados se pueden ver en la figura 3.
Entre los dos incendios presentaron: severidad
baja (0.05 – 0.134) en 164,012.5 ha, que representa el
46% del área, severidad moderada-baja (0.135 – 0.21)
en 179,03.25 ha, corresponde al 50% y severidad
moderada-alta (0.22 – 0.32) en 12,381.25 ha, solo el
4%. La severidad alta no se presentó en el área de
estudio.
Las zonas con severidad moderada-alta se
localizan en sitios de mayor pendiente, en la
vegetación secundaria de bosque de encino-pino y
vegetación secundaria de bosque de pino
principalmente en el incendio El Sabinal.
Mientras en el incendio El Bonito éste nivel de
severidad se presentó en forma dispersa en la
vegetación secundaria de bosque de encino,
vegetación secundaria bosque encino-pino, vegetación
secundaria pino-encino y chaparral, principalmente.
Figura 3. Severidad de las áreas quemadas.
4 DISCUSIÓN Y CONSIDERACIONES
FINALES
Hasta el momento se identificó el área quemada con
tres productos del sistema de alerta temprana de
152
incendios: puntos de calor, índice de anomalía de la
vegetación y área quemada.
La superficie de área quemada estimada para los
dos incendios representa el 84% de la superficie
reportada para el estado de Coahuila, y el 37 % a nivel
nacional. Conforme a la estadística de la CONAFOR,
al 25 de agosto de 2011.
Por lo tanto, solo por superficie afectada, los
incendios analizados pueden ser considerados como
mega-incendios. Sin embargo es importante tener
presente que no se reportó severidad alta.
El índice de anomalías de vegetación permitió la
identificación de las áreas a analizar, porque la
presencia del fuego ocasionó fuertes diferencias entre
el valor del NDVI estimado y el real. Se espera que el
resultado del índice cambie cuando la vegetación se
recupere.
Este seguimiento es posible efectuarlo
mensualmente, porque el índice de anomalía de la
vegetación se realiza en forma operativa por el
sistema de alerta temprana. Por lo tanto es una
herramienta complementaria en el monitoreo de la
vegetación después de un incendio.
Sin embargo es importante verificar la anomalía
identificada con los puntos de calor y el área
quemada, debido a que las anomalías de la vegetación
pueden ocurrir por diversas causas, no exclusivamente
por el fuego. Como puede ser la presencia de sequía.
La comparación de las áreas quemadas con
imágenes MODIS y RapidEye mostró que los valores
umbrales utilizados en el algoritmo usando imágenes
MODIS fueron conservadores.
Los resultados indican que es necesario realizar
una evaluación con mayor precisión en aquellas áreas
que de acuerdo al algoritmo con imágenes MODIS no
fueron identificadas como quemadas, pero es posible
que la presencia del fuego afectara a la vegetación
debajo de las copas de los árboles.
Los siguientes pasos son el uso de imágenes SPOT
de antes y después de los incendios para evaluar con
mayor detalle las áreas afectadas y verificar la
recuperación de la zona.
Estas imágenes cuentan con la banda SWIR y es
posible aplicar el método semejante de las imágenes
MODIS. De esta manera mejorar los resultados
obtenidos. Y a la vez proporcionará información para
mejorar el algoritmo aplicado en las imágenes
MODIS.
 De igual manera se aplicará el método en otros
sitos para evaluar su réplica. Esto se podrá realizar
debido a que los insumos se generan con el sistema
de alerta temprana, que se encuentra en
funcionamiento continuo.
REFERENCIAS
CONABIO. 2011. ¿qué es una ecorregión? Sitio oficial de
la Comisión Nacional para el Conocimiento y Uso de la
Biodiversidad.
http://www.biodiversidad.gob.mx/region/quees.html
CONABIO. 2011. Sistema de alerta temprana de incendios
forestales en México y Centroamérica.
http://www.conabio.gob.mx/incendios/
CONAFOR. 2011a Reporte Semanal de resultados de
incendios forestales 2011. Datos acumulados del 01 de
enero al 25 de agosto de 2011. México. Comisión
Nacional Forestal. Gerencia de Protección Contra
Incendios Forestales.
http://www.conafor.gob.mx/portal/
CONAFOR. 2011b Presentación de los resultados del
Programa de Protección Contra Incendios Forestales
2010 y Programa 2011. México. Comisión Nacional
Forestal.
Cruz-López M.I. 2008. Implementación de las técnicas de
percepción remota para el conocimiento de la
biodiversidad en México. Informe para obtener el grado
de Maestría en Geografía. México. Universidad
Nacional Autónoma de México.
Chuvieco, E., Englefild, P., Trishchenko, A.P., Luo, Yi.
2008. Generation of long time series of burn area maps
of the boreal forest from NOAA-AVHRR composite
data. Remote sensing of Environment. 112: 2381-2396
153
De Badts, E. López, G., Wickel, B., Cruz, I., Jiménez, R.
2005. A fire risk propagation map base on NDVI
anomalies. In De la Riva, J., Pérez-Cabello, F.,
Chuvieco, E. (Eds) Proceedings of the 5th international
workshop on remote sensing and GIS application to
forest fire management: fire effects assessment.
EARSel-GOFC-GOLD, JRC-Zaragoza University: 113-
117.
Flores-Garnica, J.G. 2009. El papel del fuego en la
dinámica de los ecosistemas forestales. En Flores-
Garnica, J.G. (Coord.) Impacto ambiental de incendios
forestales. México. Mundi Prensa.
Giglio, L., Descloitres, J., Justice, C., Kaufman, Y. 2003.
An enhanced contextual fire detection algorithm for
MODIS. Remote sensing of Environment. 87: 273-282.
Key, C.H., Benson, N.C. 2006. Landscape Assessment
Sampling and analysis methods. In Lutes, D.C. (ed.)
FIREMON: Fire effects monitoring and Inventory
System. Gen. Tech. Rep. RMRS-GTR-164-CD. Fort
Collins, CO:U.S. Department of Agriculture, Forest
Services, Rocky Mountain Research Station.
Ressl, R. Lopez, G. Cruz, I., Colditz, R.R., Schmidt, M.,
Ressl, S. Jimenez, R. 2009. Operational active fire
mapping and burnt area identification applicable to
Mexican nature Protection Areas using MODIS and
NOAA-AVHRR direct readout data. Remote Sensing of
Environment. 113:1113-1126.
RapidEye. 2011. Satellite Imagery products Specifications.
Germany, RapidEye Delivering the world.Smith, J.
1987a. This is a fictive book title. Elsevier, Amsterdam,
pp. 123-124.
 ESTIMACIÓN DE LA DISTRIBUCIÓN ESPACIAL DE LOS
COMBUSTIBLES FORESTALES PRESENTES EN SIERRA DE QUILA,
JALISCO
Álvaro Agustín CHÁVEZ DURÁNa, José Germán FLORES GARNICAa Jaqueline XELHUANTZI
CARMONAa
a
Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP), Campo Experimental: Centro
Altos de Jalisco Km. 8 carretera Tepatitlán – Lagos de Moreno, Tepatitlán de Morelos, Jalisco.
chavez.alvaro@inifap.gob.mx.

RESUMEN
En la actualidad las problemáticas que enfrentan los bosques son muy diversas, siendo los incendios una de las
más importantes. Para que un incendio forestal ocurra se requiere de tres factores básicos: el material
combustible, las condiciones ambientales favorables y un factor de inicio. De éstos, el combustible es un factor
de especial importancia debido a que determina en gran medida el riesgo de los incendios. Conocer la cantidad y
continuidad espacial de las cargas de combustibles es de vital importancia para evitar incendios catastróficos, ya
que de esta manera se estará en posibilidad de implementar medidas que disminuyan el riesgo de impacto
negativo. Atendiendo a esta necesidad, los Sistemas de Información Geográfica (SIG) y las técnicas de
Percepción Remota (PR) ofrecen eficientes y eficaces herramientas para realizar esta tarea gracias al carácter
espacial del manejo de la información. El presente trabajo muestra cómo fueron utilizadas dichas herramientas a
fin de realizar los levantamientos de campo para estimar la carga de combustibles presentes en Sierra de Quila,
Jalisco, mediante el método de intersecciones planares descrita por Brown (1982). La ubicación de los sitios se
realizó mediante la combinación de los métodos de muestreo aleatorio-estratificado. La creación de los estratos
fue realizada mediante el análisis de diversas capas temáticas (Altitud, pendiente, exposición, índice de
vegetación, clasificaciones supervisadas y no supervisadas de imágenes de satélite entre otras) con ayuda de los
SIG y técnicas de PR. De esta forma fueron levantados 39 sitios de investigación en donde se encontraron
combustibles desde los 12 a los 370 Toneladas/Hectárea. Dicha información ha servido como base para la
estimación de la distribución espacial y la generación de los mapas de combustibles forestales de la zona de
estudio.
Palabras clave: Incendio, combustible, forestal.
bosque, ya que esto determina en gran medida el
1. INTRODUCCIÓN riesgo de incendios (Figura 1) (Flores y Benavides,
Los incendios forestales pueden ser causados por la 1993; Chandler et al., 1983a). Más aún, se persigue
naturaleza (Martínez y Rodríguez, 2008), o por la cortar la continuidad espacial de estos combustibles
acción antropogénica (Flores et al., 2010). En algunos (Zerecero y Sánchez, 1983). Con esto se tiende a
casos el fuego ha provocado efectos que han evitar incendios catastróficos (Rodríguez, 1996).
modificado enormemente los ecosistemas forestales, También se disminuye el riesgo de impacto negativo
alterando su composición, estructura y función (Flores en la vegetación y arbolado, ya que, con bajas
y Benavides, 1994). Para que un incendio forestal cantidades de material combustible, el calor generado
ocurra se requiere de tres factores básicos, que son: el es menor (Vélez, 2000). No obstante, es importante
material combustible, las condiciones ambientales destacar que no siempre el impacto del fuego es
favorables y un factor de inicio (Santiago et al., 1999). negativo, ya que, por ejemplo, el fuego es un
Los combustibles forestales constituyen uno de los detonador del proceso de sucesión vegetal; el cual
factores más importantes para el manejo y control de tiende a garantizar la continuidad del ecosistema
los incendios forestales, pues este puede manipularse, (Pickett y White, 1985).
ya sea eliminándolo o disminuyéndolo (Flores, 1996; Debido a lo anterior, es necesario implementar
Fuller, 1991). Con esto se pretende evitar la estrategias de manejo de combustibles que favorezcan
acumulación de materiales combustibles en el piso del su reducción, sin descuidar la protección del suelo.

154
Para ello, es necesario caracterizar los combustibles y
conocer su distribución espacial mediante la
generación de mapas de combustibles.
2. ANTECEDENTES
De acuerdo a su condición, los combustibles pueden
dividirse en vivos y muertos. Los primeros incluyen
hierbas, arbustos y árboles o plantas que se encuentran
bajo su dosel mientras que los combustibles muertos
están representados por los troncos, las ramas y las
hojas que normalmente se encuentran sobre el suelo
(Porrero, 2000; Villers, 2006) (Figura 1). Los
combustibles muertos a su vez, se dividen en finos o
ligeros y gruesos o pesados (Flores y Benavides,
1994). Para ser utilizada como variable en el
comportamiento potencial del fuego, la cantidad de
combustible debe expresarse por clases de tamaño de
los componentes vivos y muertos (Villers, 2006). Lo
cual está asociado al tiempo que tardan en alcanzar el
equilibrio con la humedad ambiental, denominado
“tiempo de retardo”. Este se define como el lapso en
que un combustible tarda en perder o ganar (por
condiciones de humedad ambiental) dos tercios de la
diferencia entre su contenido inicial de humedad y el
del ambiente (Foresberg, 1971). Conforme el
combustible es más grande, perderá o ganará humedad
más lentamente; es decir, tendrá un mayor tiempo de
retardo (Villers, 2006). De esta forma, se tienen
combustibles de 1, 10, 100 y 1000 horas, cuyos
diámetros varían de 0 a 0.6, 0.6 a 2.5, 2.5 a 7.5 y
mayores de 7.5 cm respectivamente (Cuadro 1).
Figura 1. Combustibles vivos y muertos presentes en los
ecosistemas forestales
Cuadro 1. Relación del diámetro de combustibles
con el tiempo de retardo (adaptado de Rodríguez et
al., 2002).
155
Para los combustibles muertos, el método de
levantamiento más ampliamente utilizada es la
técnica de intersecciones planares in situ descrita por
Brown et al. (1982) que estiman el volumen mediante
procedimientos rápidos y sencillos de utilizar en
cualquier tipo de bosque (Bautista et al., 2005).
Una vez obtenida la información de campo, las
alternativas para estimar la distribución espacial de los
combustibles forestales, son variadas debido
principalmente a la tendencia en el uso de
herramientas de cómputo para la integración de una
amplia gama de información a través de los Sistemas
de Información Geográficas. Dentro de estas
alternativas se encuentran los modelos de regresión,
los procesos geo-estadísticos entre otros.
3. METODOLOGÍA
La primera etapa en la estimación de la distribución
espacial de los combustibles presentes en Sierra de
Quila, Jalisco consistió en establecer el diseño de
muestreo. Primeramente se generaron una serie de
estratos producto de la combinación de diversas capas
temáticas (Altitud, pendiente, exposición, índice y
tipo de vegetación). Estos últimos producto del
análisis de imágenes de satélite SPOT 5. El primero
fue un índice de vegetación de diferencia normalizada
(NDVI) obtenido a partir de la energía contenida en
los rangos del rojo e infrarrojo cercano del espectro
electromagnético (Guyot, 1994), utilizado
principalmente para estimar la densidad de la
vegetación. El segundo se obtuvo mediante una
clasificación espectral a través del método Iterative
Self-Organizing Data Analysis Technique
(ISODATA) (Tou and Gonzalez, 1974) en conjunto
con el naive Bayes (Domingos y Pasan, 1997). De
esta manera se generaron siete estratos y
posteriormente de forma aleatoria se distribuyo en
ellos la ubicación de los sitios a levantar en campo.
La estrategia de para el muestreo de combustibles
forestales en campo se muestra en la Figura 2, donde
se ejemplifica el diseño de un conglomerado de
muestreo de combustibles forestales. A partir del
centro del conglomerado se ubican tres sitios de
muestreo, a una distancia de 8.9 m y en ángulos de
azimut 0°, 120° y 240°.
 Figura 3. Diseño de muestro de combustibles forestales
mediante transectos.

Al final de cada transecto se encuentra un recuadro

de 30 x 30 cm que sirve para el levantamiento de los
combustibles hojarasca y fermentación (Figura 5).
Dicha información es extraída y posteriormente
procesada en laboratorio para estimar su peso seco
(Figura 6). Todos los datos obtenidos sobre los
Figura 2. Diseño de muestreo de los conglomerados donde combustibles forestales, tanto en campo como en
se agrupan tres sitios de muestreo. laboratorio, fueron integrados en formatos específicos
para su posterior análisis a través del Sistema de
A su vez cada sitio de muestreo esta conformado
Cálculo de Combustibles SICCO.
por tres transectos (15 m), distribuidos en ángulos de
0°, 120° y 240° de azimut (Figura 3). Estos son
subdivididos a los 3.5, 7 y 15 m, que servirán para el
levantamiento del número de intersecciones de los
combustibles de 1, 10 y 100 horas. En el caso de los
combustibles de 1000 horas, se mide su diámetro en el
punto donde el tronco intersecta el plano imaginario.
Además, se determina si este combustible está podrido Figura 4. Medición de combustibles de 1000 horas y
o, si por el contrario, esta “firme” (Figura 4). conteo de intersecciones de combustibles de 100 horas.

156
Figura 5. Medición y extracción de las capas de
fermentación y hojarasca.
Figura 6. Proceso de muestras de combustibles en
laboratorio.
Una vez calculados los combustibles en cada sitio
de muestreo en Toneladas/Hectárea, se procedió a
estimar su distribución espacial a través del método de
interpolación Kriging Ordinario y se estimaron
coeficientes de correlación en relación a los
combustibles calculados en los sitios de muestreo y
las variables utilizadas para la generación de los
estratos, en aquellos que se encontró una mayor
correlación se estimó una ecuación de regresión que
sirvió como auxiliar en la generación del mapa de
combustibles totales de la zona de estudio (figura 7).
157
Figura 7. Mapa de combustibles totales presentes en la
Sierra de Quila, Jalisco.
4. ANÁLSIS DE RESULTADOS
El Area Natural Protegida Sierra de Quila presenta
cargas de combustibles desde las 12
Toneladas/Hectárea en zonas de suelo desnudo hasta
las 370 Toneladas/Hectárea en zonas de difícil acceso
lo que las convierte en zonas peligrosas. Los valores
de los índices de vegetación encontrados parten del -
0.25 al 0.83, los valores negativos varían en límites
muy pequeños ubicados principalmente en caminos y
en zonas de suelo desnudo, por su parte los valores
positivos varían dependiendo el tipo de vegetación y
la densidad del arbolado.
Los sitios levantados se ubicaron en zonas de
asociación vegetal de encino-pino y pino-encino, la
estimación de la carga de combustibles de los sitios en
asociación encino-pino presentan un coeficiente de
correlación de 0.83 en relación al índice de vegetación
obtenido en esos mismos sitios, asimismo la carga de
combustibles en sitios de asociación pino-encino
presenta un coeficiente de correlación de 0.76 en
relación a su correspondiente índice de vegetación.
Esto nos indica que existe una relación muy estrecha
entre la carga de combustibles y los índices de
vegetación haciendo posible modelar su distribución
espacial mediante la aplicación de ecuaciones de
regresión obteniendo resultados aceptables.
5. CONCLUSIONES
El mapa de combustibles obtenido para la ANP Sierra
de Quila, Jalisco sienta las bases para estimación de
sus zonas de riesgo de incendio y a su vez marca la
pauta para estudios en zonas con características
semejantes en otras partes de la república mexicana
donde sea posible extrapolar los resultados alcanzados
mediante la aplicación de las ecuaciones de regresión
estimadas en relación al tipo de vegetación e índice de
vegetación. De esta manera será posible minimizar los
costos de los levantamientos de campo y centrar los
esfuerzos en la precisión de los análisis.
REFERENCIAS
Brown, J. K., Oberheu, R. D.; Johnston, C. M. (1982).
Handbook for inventorying surface fuels and biomass in
the interior West. USDA, Forest Service General
Technical Report INT-129. 48 p.
Martínez D., R. y Rodríguez T., D. A. (2008). Los
incendios forestales en México y América Central. En:
Memorias del segundo simposio internacional sobre
políticas, planificación y economía de los programas de
protección contra incendios forestales: Una visión
global. GENERAL TECHNICAL REPORT PSW-GTR-
208. USADA Forest Service. Pp 767-779.
Flores G., J. G.; Moreno G., D. A. y Morfín R., J. E.
(2010). Muestreo directo y fotoseries en la evaluación
de combustibles forestales. INIFAP, SAGARPA.
Campo experimental Centro Altos de Jalisco. Folleto
técnico Núm. 4.
Flores G., J. G. y Benavides S., J. D. (1994). Efecto de las
quemas prescritas sobre algunas características del suelo
en un rodal de pino. Revista Terra Vol. 12 (4): 393-400.
Santiago F. H; Servin M., M; Rodarte R., H; Garfias A. F.
(1999). UNAM. Programa Universitario de Medio
Ambiente Dirección general de Publicaciones y
Fomento Editorial.107 p.
Flores G., J. G. (1996). Aplicación de sensores remotos y
sistemas de información geográfica para el mapeo de
riesgo de incendios forestales. INIFAP, SAGAR.
Campo Experimental Colomos. Folleto Informativo No.
1.
Fuller, M. (1991). Forest fires. An introduction to wildland
fire behaviour, management, fire fighting and
prevention.
158
Flores G., J. G. y Benavides S., J. D. (1993). Quemas
controladas y su efecto en los nutrimentos del suelo en
un rodal de pino. Boletín de difusión del Instituto de
Madera, Celulosa y Papel. Universidad de Guadalajara.
24-25, 6(1-2).
Chandler, C.; Cheney, P.; Trabaud, L. and Williams, D.
(1983). Fire in the forestry. Forest fire behaviour and
effects. Vol. I. John Wiley Sons, Inc. USA. 450p.
Zerecero L., y G. Sánchez C., J. (1983). Método práctico
para calcular la cantidad de combustibles leñosos y
hojarasca. Nota Divulgativa 9. CIFONOR-INF. 16 p.
Rodríguez T., D. A. (1996). Incendios forestales. Mundi-
Prensa México, D. F., Universidad Autónoma
Chapingo, México. 630 p
Vélez R. (2000). La defensa contra Incendios Forestales.
Fundamentos y experiencias. Mc Graw Hill. España.
Pickett, S. y White, P. (1985). Patch dynamics: a synthesis.
The ecology of natural disturbance and patch dynamics.
Nueva York. 371-384 p.
Porrero R, M. A., (2000). Incendios Forestales I.
Investigación de causas. Mundi Prensa 158 p.
Villers-Ruíz, Ma. de L., (2006). Incendios Forestales.
Ciencias. Núm. 081. Universidad Nacional
Autónoma de México, México D. F, 60-66.
Foresberg, M. A. (1971). Moisture calculations for the 100
hour timelang fuels for fire danger rating. USDA For.
Serv. Res. Note RM-199. 7 p.
Bautista R., J.; Treviño G., E.; Návar C., J. de J.; Aguirre
C., O. y Cantú S., I. (2005). Caracterización de
combustibles leñosos en el ejido Pueblo Nuevo,
Durango. Chapingo, serie ciencias forestales y
ambientes. 11 (001): 51-56 p.
Guyot G. (1994). Effects of radiometric corrections on
NDVI determined from SPOT-HRV and Landsat-TM.
Remote sensing of environment 49: 169-180.
Tou, J. T. and Gonzalez R. C. (1974). Pattern Recognition
Principles. Addison-Wesley Publishing Co.
P. Domingos y M. Pazzani (1997). On the optimality of the
simple Bayesian classifier under zero-one loss. Machine
Learning.
 APLICACIÓN DE TÉCNICAS DE PERCEPCIÓN REMOTA EN LA
IDENTIFICACIÓN DE ÁREAS QUEMADAS PARA LA EVALUACIÓN DE
LA RESPUESTA DE DIFERENTES ECOSISTEMAS FORESTALES A LOS
INCENDIOS FORESTALES
Álvaro Agustín CHÁVEZ DURÁNa, José Germán FLORES GARNICAa Jaqueline XELHUANTZI
CARMONAa
a
Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP), Campo Experimental: Centro
– Altos de Jalisco Km. 8 carretera Tepatitlán – Lagos de Moreno, Tepatitlán de Morelos, Jalisco.
chavez.alvaro@inifap.gob.mx.

RESUMEN
Los ecosistemas de nuestro país son afectados actualmente por una gama muy amplia de factores de los cuales,
el fuego es el que mayor influencia tiene en la definición y desarrollo de los mismos. Diversos autores señalan
que el fuego provoca efectos diferentes dependiendo su grado de afectación sin embargo, es común encontrar un
énfasis generalizado respecto a sus efectos negativos particularmente como un agente de deforestación. Es
necesario tomar en cuenta que el fuego es parte de los ecosistemas y representa un papel muy importante no solo
como causante de destrucción sino como modelador de los mismos. No obstante, son muy pocos los estudios
realizados para evaluar estos efectos. Mediante el proyecto denominado “EVALUACIÓN DE LA RESPUESTA
DE DIFERENTES ECOSISTEMAS FORESTALES A LOS INCENDIOS FORESTALES,” desarrollado por el
Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP) en colaboración con la
Comisión Nacional Forestal (CONAFOR) se han obtenido aportaciones importantes en esta rama del
conocimiento. En dicho proyecto una de las actividades principales fue el ubicar zonas que hubiesen sido afectas
por incendios. Esto se realizó mediante el uso de las herramientas que ofrecen los Sistemas de Información
Geográficas a través del análisis de de datos procedente de diversas fuentes, de forma conjunta con el uso de
técnicas de Percepción Remota para la el análisis de imágenes de satélite a través de la implementación de
índices espectrales para áreas quemadas. Primeramente se hizo uso del Burned Area Index MODIS (BAIM) y
posteriormente fue combinado con el Burned Area Index Landsat (BAI Landsat) aprovechando de este último
principalmente las capacidades de su resolución espacial. Ellos han demostrado su eficacia, pues una vez
detectadas las áreas quemadas fueron validadas en campo con resultados positivos comenzando así la evaluación
de los efectos de los incendios que afectaron dichas zonas.
Palabras clave: Fuego, ecosistemas, áreas quemadas.

1. INTRODUCCIÓN no todo es malo cuando ocurre un incendio forestal,

Las problemáticas que enfrentan los bosques son muy
diversas, pero sin duda una de especial importancia
son los incendios forestales. Algunos causados por la
naturaleza pero otros por descuidos del hombre, el
mal uso del fuego provoca efectos que han alterado
enormemente los ecosistemas que se encuentran en el
país, desde la composición, estructura y función del
bosque (Flores y Benavides, 1994). Cada año este
fenómeno crece y pese a que cada vez las brigadas de
combate son más profesionales, poco o nada se hace
enfocado a la prevención, si uno ve las cifras de
hectáreas perdidas por los incendios a lo largo de la
historia se da cuenta de la poca importancia que se le
ha dado a este fenómeno. Debe tenerse en cuenta que
ya que el fuego es un factor principal para que pueda
iniciarse el proceso de sucesión vegetal; en algunos
casos son normales y hasta necesarios para garantizar
su continuidad. La intensidad del fuego está muy
relacionada con la carga de combustibles, al haber
material combustible almacenado en el piso forestal
aumenta la intensidad y por consiguiente los efectos
que pueda causar al ecosistema, los incendios tienen
repercusiones en el paisaje y el ambiente por lo que es
necesario caracterizar los efectos de primero, segundo
ó tercer orden dependiendo del grado de afectación,
en base a los recursos suelo, aire, fauna, agua y
cantidad de combustibles presentes.

159
 Un aspecto poco conocido, es que los incendios
forestales también en algunos casos benefician los
recursos naturales. Entre los efectos benéficos que
ocasionan los incendios están el favorecimiento para
la germinación de semillas de ciertas especies, la
renovación de pastizales e incorporación de
nutrimentos al suelo. En el presente trabajo se han
tratado de evaluar los efectos de primero, segundo y
tercer orden, a fin de ampliar el conocimiento sobre la
ecología e impacto de los incendios forestales, así
como crear un método fácil y rápido para la
identificación de los efectos que se causan en los
diversos componentes del ecosistema como
combustibles, vegetación, suelo, fauna, aire y agua,
todo esto con ayuda de las técnicas de percepción
remota y los sistemas de información geográficas, esto
con el objetivo de proponer métodos de restauración
ecológica para las áreas destruidas o deterioradas que
no tengan la capacidad de recuperarse por si solas.
2. ANTECEDENTES
Para la evaluación de los efectos de primero, segundo
y tercer orden de incendios forestales se requiere de
varias técnicas, debido a la variedad de atributos que
presentan los ecosistemas cuando son sometidos a
incendios de diferente intensidad. La vegetación
forestal es un factor muy importante ya que es quien
determina la intensidad del incendio, conociendo
como vegetación forestal a las plantas vivas y
muertas, caídas y fijas, con tamaños que varían desde
pequeños pastos y hierbas hasta arbustos grandes y
árboles (Brown et al., 1982.) Dependiendo de la
cantidad de material combustible (llamado así a todo
material vegetal, que por sus características físicas y
químicas pueden o no arder) depositada en el piso
forestal se determinara la intensidad é impacto del
siniestro, claro también considerando las condiciones
ambientales prevalecientes en ese momento
(Rodríguez, 1995.) Dentro de los combustibles
encontramos dos grupos principalmente los pesados y
ligeros, en los primeros se agrupan de acuerdo a su
tiempo de retardo, es decir el tiempo que el
combustible muerto tarda en perder o ganar dos
tercios de la diferencia entre su contenido de humedad
y la humedad del ambiente, hay que considerar que
entre más grande sea el combustible mas tardara en
perder o ganar humedad por lo que tardara un poco
más el consumirse por el fuego. En cuanto a los
combustibles ligeros podemos encontrar las ramillas
muertas, la hojarasca, las hierbas (secas y verdes) y el
humus. Los efectos de los incendios no solo se
reflejan en la cantidad de material combustible si no
160
también en otros componentes como el agua, aire,
fauna, vegetación. Son muy pocos los estudios
realizados acerca de los efectos de los incendios en
nuestro País, y los pocos que existen determinan los
efectos de forma individual, es decir por componente
cuando es sabido que un ecosistemas está conformado
por todos los elementos que se encuentran en él y de
una u otra manera serán afectados o sufrirán un
cambio después de un incendio.
Como es de esperarse, previo a las evaluaciones
antes mencionadas es de especial interés localizar
zonas que hayan sido afectadas por incendios lo cual
significa un estudio detallado. Los autores (Pereira et
al., 1999; Trigg y Flasse, 2000) sugieren que es
posible identificar áreas afectadas por incendios a
través de técnicas de percepción remota mediante el
estudio del espacio espectral formado por el infrarrojo
cercano y el medio de onda corta. Al respecto de esto
existen diversos índices que intentan identificar dichas
áreas quemadas tal es el caso del Normalized Burned
Area (López y Caselles, 1991) o el Burned Area Index
MODIS (Martín et al., 2005). Este último ha sido
utilizado extensamente con resultados positivos, mas
sin embargo una de sus grandes limitantes es su
resolución espacial pues se limita a identificar áreas
quemadas de grandes dimensiones, una respuesta a
esta problemática ha sido el uso del índice Burned
Area Index Landsat (Chuvieco et al. 2002) diseñado
especialmente para su uso con imágenes Landsat.
3. METODOLOGÍA
Uno de los problemas esenciales en la caracterización
espectral de áreas afectadas por incendios es la
existencia de dos tipos muy diferentes de señal post-
incendio: la que corresponde a superficies
recientemente quemadas, donde la señal procede
básicamente de las cenizas y el carbón depositados
sobre la superficie como consecuencia de la
combustión de la vegetación, y otra, más duradera,
que se produce como consecuencia de la pérdida o
deterioro de la masa vegetal afectada por el fuego
(Robinson, 1991). La segunda señal es más estable, su
persistencia varía mucho dependiendo de la
vegetación y el clima de la zona afectada. Sin
embargo, esta señal es menos característica a efectos
de discriminación, pues la desaparición o el deterioro
de la vegetación puede deberse a otras razones
distintas a la ocurrencia de un incendio, como pueden
ser su propia evolución fenológica, plagas, sequías o
recogida de cosechas (Pereira et al., 1997). Aún así, a
mediano-largo plazo, se espera que el efecto del fuego
marque una reducción del vigor vegetal en relación a
su entorno (Chuvieco y Martín, 2001)
Figura 1. Curvas típicas de área quemada y vegetación no
afectada obtenidas con radiometría de campo (Martín y
Chuvieco, 2001).
Como primera aproximación se realizó una
estimación de áreas quemadas haciendo uso de
imágenes MODIS aplicando el Burned Area Index
MODIS (BAIM).
1 2003. Partiendo del supuesto en que se espera una
BAIM 
( cIRC  cIRC )  ( cSWIR   SWIR ) 2
2
En donde IRC = Infrarrojo Cercano y SWIR=
Infrarrojo Medio de onda corta. El principal
inconveniente encontrado con esta técnica fue su
resolución espacial y que las reflectividades
encontradas se confundían mucho con cuerpos de
agua y zonas en sombra por efecto de la topografía.
Se procedió entonces a generar una máscara de los
cuerpos de agua de la zona de estudio, otra máscara de
las zonas en auto ocultamiento topográfico mediante
el coseno de ángulo de incidencia (ecuación 2), se
corrigió el sombreado topográfico mediante el método
de corrección C (ecuación 3) y finalmente se procedió
a utilizar el Burned Area Index Landsat (BAI Landsat)
para la zonificación de áreas quemadas (ecuación 3 ).
Cos i  Coss * Cos n * Cos(s - n )  Coss * Cosn (2)
En donde Cosi = Coseno del ángulo de incidencia,
s= Elevación Solar, n= Pendiente de la superficie,
s= Azimut Solar y n= Orientación de la superficie.
 cos i  ck 
 h,i  i  
 cos i  ck

En donde h,i= Reflectividad de un píxel i en
terreno horizontal, i= Reflectividad de un píxel i en
pendiente (correspondiente a la contenida en la
imagen), i= Ángulo cenital solar de la escena, i=
Ángulo de incidencia correspondiente al píxel i, l =
Pendiente de ecuación de regresión entre valores de
pendiente y orientación conocidos en un mismo tipo
de coberturas.y k= Cociente entre la pendiente y el
intercepto de la ecuación de regresión entre cada una
de las bandas a corregir y un modelo de iluminación
construido para su fecha y hora de adquisición.
1
BAI  (4)
( cR  cR )  ( cIRC   IRC ) 2
2
En donde IRC= Infrarrojo Cercano y R = Rojo.
Los resultados obtenidos mejoraron
significativamente, mas sin embargo, debido a las
limitaciones conocidas por los daños sufridos en
sensor del landsat fue necesario utilizar imágenes del
(1) reducción del vigor vegetal en relación a su entorno
en las zonas afectadas por incendios aún con el paso
del tiempo, se procedió a calcular un índice de
vegetación NDVI haciendo uso de imágenes SPOT
2010 y zonificando especialmente las áreas quemadas
estimadas mediante el BAI Landsat. Una vez
determinadas las áreas quemadas se procedió a ir a
campo a realizar la evaluación de las zonas afectadas.
Diseño de conglomerados. El diseño del
conglomerado consta de la agrupación de tres sitios,
cada uno de estos sitios se denomina Sitios
Permanentes de Investigación sobre Incendios
Forestales (SPIIF). El propósito de este diseño es
poder tener una estimación robusta de los estadísticos
de media y varianza, por cada uno de los parámetros
evaluados. Como se menciona cada conglomerado
contará con tres SPIIFs (Figura 2), cada uno de estos
sitios estará constituido por 3 cuerdas de 15m cada
una, dando un total de 45m de muestreo para cada
sitio. La primera cuerda orientada al N franco, la
segunda a los 120º y la tercera a los 240º.
(3)
161

Figura 2. Diseño de muestreo de los conglomerados donde
se agrupan tres sitios permanentes de investigación sobre
incendios forestales.
Las cuerdas fueron marcadas a los 3.5m, 7m y
15m, teniendo así que para cada transecto de los sitios
de muestreo de combustibles se medirán los
combustibles leñosos, de acuerdo a su tiempo de
retardo, en la línea de 3.5 se medirán aquellas piezas
leñosas de 1 hr (0-0.5cm de diámetro) y de 10 hrs
(0.6-2.5 cm) y para la línea de 7m se contaran las
intersecciones de 100 hr (2.51-7.5cm) y de 0 a 15m se
medirán las intersecciones de 1000 hr (>7.5cm)
podridos y firmes.
Evaluación de arbolado. La evaluación del
arbolado se lleva a cabo a través de un muestreo el
cual consta de un circulo de 17.84 metros de radio,
que comprende un área de 1,000 m2. Los datos que se
registraron en la hoja de campo son: N° de árbol,
especie, nombre común, condición, diámetro normal
(al 1.30 m. de altura), diámetro de copa, altura total,
altura de fuste limpio, vigor y el daño (Figura 3).
162
Figura 3. Toma de datos de diámetro a la altura de pecho
para el llenado del formato de evaluación del arbolado en el
círculo de 1,000m2.
Evaluación de la vegetación. La evaluación de la
vegetación corresponde a una evaluación detallada de
arbustos, hierbas, pastos y regeneración. Esto se
realiza a través de un muestreo en un circulo de 3.5
metros de diámetro, concéntrico al centro del sitio, el
cual será dividido en tres tercios, teniendo para cada
tercio que localizar por genero, al individuo
representativo de mayor y menor tamaño; de
regeneración, arbustos, hierbas y pastos, de los cuales
se registrara las mediciones de altura y cobertura de
copa (Figura 4), además de tomar el porcentaje de
cobertura por forma biológica en cada tercio.
Figura 4. Toma de datos de altura y cobertura de copa para
el llenado del formato de evaluación de la vegetación en el
círculo de 3.5m de radio.
Evaluación de agua. En el caso de la evaluación
del agua se anotaron el nombre y las características
principales de los cuerpos de agua en la ruta tomada a
los conglomerados, indicando las coordenadas
geográficas de un punto situado en el borde del cuerpo
de agua. Posteriormente se anotaron cada uno de los
caracteres (tipo, contaminación, azolve, eutrofización,
presencia de lirio acuático y uso actual) que describen
a los cuerpos de agua registrados para su posterior uso
en la inferencia de los efectos de los incendios sobre
los cuerpos de agua. Estos datos se usaron como
datos de control para su posterior comparación con
áreas afectadas por incendios. Además se evaluó el
pH, cantidad de oxigeno disuelto en el agua, salinidad
entre otras variables, (Figura 5). Esto con la finalidad
de saber el estado físico-químico de los cuerpos de
agua y el nivel de afectación.
Figura 5. Evaluación en campo de las propiedades físico -
químicas del agua.
Evaluación de combustibles. La evaluación de
combustibles se hace directamente en los SPIIF´s.
Utilizando la metodología propuesta por Brown
(1982) de intersecciones planares. Ésta consistente en
el conteo por frecuencia de piezas leñosas que son
intersectadas por un plano horizontal, lo cual generara
la estimación de carga de combustibles en toneladas
por hectáreas (Figura 6).
Figura 6. Medición de combustibles de 100 horas con
calibrador.
Evaluación de la calidad del aire. Esta evaluación
se hace a nivel de conglomerado y de forma indirecta,
utilizando como bioindicador los líquenes, ya que son
extremadamente sensibles a la contaminación aérea,
entre las características fisiológicas que presentan:
163
1).- No presentan raíces, por lo que dependen de
fuentes aéreas de nutrientes.
2).- No tienen cutícula, la capa encerada que
protege a las plantas, y por lo tanto están
completamente expuestos a los contaminantes
presentes en el aire.
Cabe hacer mención que la evaluación de la
calidad del aire a través de bioindicadores después de
un incendio es muy subjetiva, sobre todo en lugares
donde los incendios son muy recurrentes, ya que la
carbonización del substrato (corteza) en el arbolado
dificulta o inhibe el establecimiento de nuevas
poblaciones de líquenes. Por lo que esta metodología
está vinculada a la presencia y ausencia de líquenes y
su abundancia. De acuerdo con lo anterior, la
evaluación de estos se realizó por cada sitio de
muestreo, donde se seleccionaron árboles en los que
se midieron el número de individuos por especie,
genero o morfoespecie para obtener abundancia de los
mismos. La determinación de líquenes se puede hacer
a nivel de género o especie, incluso pudiendo usar la
categoría morfoespecie, ya que la distribución de estos
y su afinidad a ciertos substratos nos permiten realizar
inferencias sobre la calidad del aire al comparar los
datos recabados en áreas no quemadas con las áreas
quemadas.
Evaluación de fauna. Para saber la existencia de
fauna silvestre en el área de los conglomerados se
especificó si hay presencia, o no, de diferentes grupos
de fauna. Esto a través de la observación directa e
indicadores indirectos, como son el conteo de grupos
de excretas, el conteo de huellas, observación de la
vegetación mordisqueada, rastros de alimentación,
egagropilas en el caso de las aves de presa, individuos
muertos o restos de los mismos encontrados en el
área, madrigueras, nidos, echaderos, senderos, etc.
(Figura 7). Se intentó en algunos casos inferir el
número de individuos de determinada especie presente
en el área a través de estos indicadores indirectos,
como por ejemplo, a través del número de excretas de
venado, así como por el número de las mismas,
cantidad y antigüedad, esto aunado a la presencia de
huellas, senderos y echaderos.
Figura 7. Evaluación directa e indirecta de fauna silvestre
 Evaluación del suelo (grado de erosión). Para
medir la erosión en los SPIIF se realizaron una serie
de observaciones dentro de los sitios de muestreo.
Dichas observaciones estarán basadas en las presencia
de erosión clasificada en, Laminar, presencia de
canalillos, cárcavas y torrenteras. De igual forma se
registró el grado de erosión perceptible, en porcentaje.
Finalmente se realizó la toma de una muestra en
campo al centro de cada SPIIF, abarcando
aproximadamente un cuadrado de 30 X 30cm y unos
10cm de profundidad para tomar aproximadamente 1
kilogramo de tierra. Las muestras fueron
posteriormente analizadas en laboratorio donde se
obtubieron los análisis de fertilidad y textura. Gracias
a los análisis realizados mediante las herramientas que
ofrecen los sistemas de información geográfica y las
técnicas de percepción remota fue posible delimitar
las zonas de estudio de acuerdo a los tipos de
vegetación, altitud, clima, pendiente, densidad de
arbolado etc. De igual forma La información
recolectada fue integrada en un sistema de
información geográfica para su consulta y sirvió como
herramienta para diversos análisis, tales como, zonas
de influencia de acuerdo a cada evaluación,
establecimiento de áreas de respuesta homogénea,
estimación de la recarga de combustibles forestales
respecto a la densidad, pendiente y tipo de vegetación,
entre otras.
Figura 8. Sistema de Información Geográfica del proyecto
evaluación de la respuesta de diferentes ecosistemas
forestales a los incendios forestales.
4. ANÁLSIS DE RESULTADOS
Efectos de Primer Orden. Es importante determinar
los efectos de un incendio de primer orden, ya que por
medio de esto se puede evaluar la afectación que se la
ha causado al área forestal. Entendiendo como
afectación de primer orden cuando el daño es a nivel
paisaje, es decir solo se chamusca ó quema la
hojarasca (Cuadro 1): 1) El primer efecto de un
incendio forestal va a ser sobre la atmósfera y se
164
producirá desde el momento en que la vegetación
comienza a arder, liberando al medio contaminantes
atmosféricos, tales como el CO, SO2, N02 y
partículas de diferentes tamaños. También durante
esta fase se liberan gases causantes de efecto
invernadero, como vapor de agua, C02 y CH4. 2)
Perdida de la regeneración de especies forestales y
bancos semilleros (Caso de especies susceptibles a
incendios).
Cuadro 1. Efectos de primer orden de acuerdo a
los principales componentes de los ecosistemas.
Efectos de segundo orden. Estos corresponden a
los efectos que se presentan cuando la afectación ya es
en los arbustos. Un efecto de segundo orden es la
degradación biológica que consiste en la eliminación
de la materia orgánica y de microorganismos, lo que
traerá como consecuencia una degradación química,
cambiando el ciclo natural de los elementos. Flores y
Benavides (1993), encontraron que después de que el
fuego se presenta, el suelo se torna susceptible a la
erosión eólica e hídrica, debido a que se elimina la
materia orgánica y la cama de combustibles, quedando
el suelo parcial o completamente descubierto. En
cuanto a nutrientes encontraron que el fuego actúa
como agente mineralizador y que se registran pérdidas
sustanciales de algunos elementos como el fósforo,
potasio y nitrógeno sin que esto implique que se
afecte la fertilidad del suelo. Para el caso del recurso
fauna cuando se presenta la erosión es sometida a
cambios de alimentación y de hábitat; aun que hay
especies como los omnívoros que no se ven afectadas
ya que cambian su dieta en función de lo disponible.
Otro efecto es el cambio en la estructura del hábitat,
ya que desaparece la estructura vertical y por tanto
disminuye el número de nichos tróficos disminuyendo
la riqueza de especies. Uno más de sus efectos es el
que se ocasiona a los cuerpos de agua que se
encuentran aledaños al sitio quemado, ya que en
época de lluvias hay deslave de residuos
carbonizados, alterando la calidad del agua, además
de azolvar los riachuelos o depósitos de agua, con
todo el material que no logro la combustión al 100%,
pero el azolve no es solo de este material si no
también suelo fértil, alterando la composición y
provocando efectos secundarios al ecosistema
(Cuadro 2).
Cuadro 2. Efectos de segundo orden de acuerdo a
los principales componentes de los ecosistemas.
Efectos de tercer orden. En este grupo se
encuentran los efectos denominados devastadores, ya
que provocan una alteración en el equilibrio del
ecosistema y la reducción drástica de las poblaciones
de plantas vasculares, hongos, líquenes y musgos. Un
efecto negativo de este tipo de incendio ocurre en
suelo al lograr modificaciones en el ciclo
biogeoquímico de los elementos, sobre todo en el
carbono, cuya entrada principal en el ciclo depende en
gran medida de la vegetación. Además provocan el
desplazamiento de aves y mamíferos y reptiles. Al
haber una disminución de la densidad de pequeños
mamíferos como los roedores, influyen negativamente
en el suministro de alimentos a los carnívoros de
tamaño reducido. Este tipo de incendio provoca la
destrucción de hojarasca y las comunidades de
artrópodos que la habitan, limitando aun más la
disponibilidad de alimentos para las especies de
omnívoros y carnívoros. Al desparecer la cubierta
vegetal, el viento provocara la evaporación del agua
de los primeros centímetros del suelo y un descenso
de la humedad relativa del aire, ya que la cubierta
vegetal funciona como capa de amortiguamiento
(Cuadro 3).
165
Cuadro 3. Efectos de segundo orden de acuerdo a
los principales componentes de los ecosistemas.
5. CONCLUSIONES
El uso del Burned Area Index Landsat para la
zonificación de áreas quemadas en conjunto con los
NDVI estimados mediante imágenes SPOT,
previamente realizado el enmascaramiento de cuerpos
de agua, zonas en auto ocultamiento topográfico y
corrección de sombras, han ofrecido una importante
ayuda para estimar los efectos de los incendios de
acuerdo a su orden de afectación.
Los efectos del fuego están muy ligados con la
cantidad de material combustible y la intensidad en la
que se presente, puede decirse que a mayor cantidad
de combustibles la intensidad será mayor y por lo
tanto provocara más daños a la vegetación y al suelo.
Los incendios constituyen una alteración natural
importante en muchos bosques de la zona templada y
selva, algunas especies han logrado una adaptación,
permitiendo mayor resistencia a los incendios
recurrentes de baja intensidad, mientras aparecen otras
especies menos adaptadas. Pero no todos los efectos
de los incendios son negativos ya que contribuye a la
determinación de modelos de sucesión que originan el
mosaico de clases de edad y comunidades. Los
incendios promueven la aparición de especies
tolerantes al fuego, que sustituyen a las especies que
crecen en un entorno inalterado. Los sistemas de
información geográfica y las técnicas de percepción
remota han de mostrado ser una ayuda importante en
para la determinación del grado de perturbación de los
incendios gracias al carácter espacial y facilidad de
manejo de la información, dejando abierto un abanico
enorme de posibilidad para investigaciones futuras.
REFERENCIAS
Flores G., J. G. y Benavides S., J. D. (1994). Efecto de las
quemas prescritas sobre algunas características del suelo
en un rodal de pino. Revista Terra Vol. 12 (4): 393-400.
Brown, J. K., Oberheu, R. D. y Johnston, C. M. (1982).
Handbook for inventorying surface fuels and biomass in
the interior West. USDA, Forest Service General
Technical Report INT-129. 48 p.
Rodríguez T. y Sierra P. (1995). Evaluación de los
combustibles forestales en los bosques del Distrito
Federal. Ciencia Forestal. 20 (77): 193 – 217 pp.
Pereira, J. M., SA, A. C. L., Sousa, A. M. O., Silva, J. M.
N., Santos, T. N. y Carreiras, J. M. B. (1999). Spectral
characterisation and discrimination of burnt areas.
Remote Sensing of Large Wildfires in the European
Mediterranean Basin. (E. Chuvieco, Ed.) Berlin,
Springer-Verlag: 123-138.
Trigg, S. y Flasse, S. (2000). Characterizing the spectral-
temporal response of burned savannah using in situ
spectroradiometry and infrared thermometry.
International Journal of Remote Sensing. 21: 3161-
3168.
Lopez G., M., Caselles, V. (1991) Mapping burns and
natural reforestation using Thematic Mapper data.
Geocarta International.
Martín, M. P., Gómez, I. y Chuvieco, E. (2005).
Performance of a burned-area index (BAIM) for
mapping Mediterranean burned scars from MODIS
166
data. Proceedings of the 5th International Workshop on
Remote Sensing and GIS applications to Forest Fire
Management: Fire Effects Assessment. (Zaragoza).
Chuvieco, E., M. P. Martín y A. Palacios (2002).
Assessment of different spectral indices in the red-near-
infrared spectral domain for burned land
discriminations. Int. J. Remote Sensing 23: 5103-5110.
Robinson, J. M. (1991). Fire from space: global fire
evaluation using infrared remote sensing. International
Journal of Remote Sensing. 12: 3-24.
Pereira, J. M. C., Chuvieco, E., Beudoin, A. y Desbois, N.
(1997). Remote Sensing of burned areas: a review. A
review of remote sensing methods for the study of large
wildland fires. (E. Chuvieco, Ed.) Alcalá de Henares,
Departamento de Geografía, Universidad de Alcalá:
127-184.
Chuvieco, E. y M. P. Martín (2001). Revista de
teledetección: Revista de la Asociación Española de
Teledetección, ISSN 1133-0953, Nº. 16, 2001.
Flores G., J. G. y Benavides S., J. D. (1993). Quemas
controladas y su efecto en los nutrimentos del suelo en
un rodal de pino. Boletín de difusión del Instituto de
Madera, Celulosa y Papel. Universidad de Guadalajara.
24-25, 6(1-2).
 ESTABLECIMIENTO DE ÁREAS DE RESPUESTA HOMOGÉNEA PARA
LA ESTIMACIÓN DE CARGAS DE COMBUSTIBLES FORESTALES
Álvaro Agustín CHÁVEZ DURÁNa, José Germán FLORES GARNICAa, Jaqueline XELHUANTZI
CARMONAa
a
Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP), Campo Experimental: Centro
– Altos de Jalisco Km. 8 carretera Tepatitlán – Lagos de Moreno, Tepatitlán de Morelos, Jalisco.
chavez.alvaro@inifap.gob.mx.

RESUMEN
En México como en muchos otros países, el fuego ha representado un factor ecológico muy importante tanto
como agente modelador como de destrucción de los ecosistemas forestales. Uno de los elementos más
importantes en esta problemática es que los bosques pueden llegar a acumular grandes cantidades de
combustible forestal haciendo más probable el riesgo y el peligro del fuego. Como consecuencia de esto se
obtiene un incremento significativo en las probabilidades de la generación de incendios de grandes dimensiones,
que ocasionan afectaciones considerables a los ecosistemas. De acuerdo a lo anterior, es importante contar con
información sobre la cantidad y distribución espacial de los combustibles forestales. Sin embargo, debido a que
la mayoría de las metodologías para la estimación de la carga de combustibles involucran mucho trabajo de
campo y esta actividad suele ser demasiado costosa. El propósito de este trabajo es el poder definir una estrategia
que permita extrapolar la caracterización de cada uno de los levantamientos realizados en campo, a otras áreas
con condiciones afines, permitiendo usar la información generada no solo en las áreas específicas donde se
ubican los sitios de investigación, sino también en otras áreas que tengan características similares. Dichas zonas
han sido llamadas Áreas de Respuesta Homogénea (ARH), las cuales son establecidas con ayuda de las
herramientas que ofrecen los Sistemas de Información Geográfica (SIG). El SIG fue utilizado para el análisis de
variables, como cobertura de uso de suelo, topografía, etc.; generando diversas clasificaciones temáticas
mediante la interacción de dichas variables, obteniendo con ello los mapas que nos permitirán identificar las
ARH a las cuales les corresponde las cargas de combustibles estimadas mediante los levantamientos de campo.
Este trabajo permitirá, en conjunto con otros elementos, la identificación mas detallada de las zonas de riesgo de
incendio, así como también el conocer más sobre el posible comportamiento de un incendio forestal.
Palabras clave: Fuego, combustibles, homogéneas.

1 INTRODUCCIÓN determinara la intensidad y el comportamiento del

El fuego en nuestro país ha representado un factor
ecológico muy importante, tanto como un agente
modelador de los ecosistemas forestales como en la
destrucción y deterioro del medio ambiente. Esto sin
importar las causas de los mismos. En algunas
ocasiones los bosques llegan a acumular grandes
cantidades de combustible forestal, en donde con el
tiempo el fuego se hará presente causando un incendio
de gran intensidad y ocasionando un impacto para el
ecosistema.
Los incendios tienen repercusiones en el paisaje y
el ambiente, por lo que es necesario caracterizar los
efectos de primero, segundo ó tercer orden
dependiendo del grado de afectación, en base a los
recursos suelo, aire, fauna, agua y especialmente la
cantidad de combustibles presentes, ya que esto nos
fuego.
Las Áreas de Respuesta Homogénea (ARH), son
superficies con características físico-ambientales
semejantes, como elevación, tipo de vegetación,
pendiente, entre otras. El propósitos de este trabajo es
poder definir una estrategia que permita extrapolar la
caracterización de cada uno de los Sitios de
Investigación, a otras áreas con condiciones similares,
permitiéndonos usar la información generada no solo
en las áreas específicas donde se ubican los Sitios de
investigación, sino también en otras áreas que tengan
características similares.
En la actualidad los estudios realizados para
estimar la recarga combustibles forestales se
concentran principalmente en la obtención de la
información mediante el inventario de combustibles
en campo, tal como lo es el caso del presente trabajo.

167
Desafortunadamente para lograr esto, son requeridas
grandes cantidades de sitios de muestreo en campo lo
que vuelve a esta práctica demasiado costosa y
tardada. Tratando de dar solución a este inconveniente
se ha buscado la forma de definir una estrategia que
permita utilizar la información generada no solo en las
áreas específicas en donde son tomadas las muestras,
las cuales han sido llamadas Sitios de Investigación,
sino también en otras áreas con características
semejantes mediante la determinación de Áreas de
Respuesta Homogénea (ARH).
2 ANTECEDENTES
En la actualidad la mayoría de los proyectos
destinados a la estimación de recarga de combustibles
se basan principalmente en la obtención de la
información mediante levantamientos de campo
(Flores y Omi, 2003). A través de dichos
levantamientos de campo se extrae información que es
considerada como combustibles tales como árboles,
arbustos, matorrales, hierbas, pastos, ramas, ramillas,
troncos, hojas vivas, hojarasca, conos, etc.
(Internacional Fire Service Training Association,
1998), dichos combustibles de acuerdo a su estado
pueden ser clasificados como vivos o muertos
(Rodríguez y Sierra, 1995). Para los combustibles
muertos la técnica más utilizada es la de
intersecciones planares propuesta por (Brown,
Oberheu y Johnston, 1982) gracias a la cual es posible
estimar el volumen de combustibles mediante
procedimientos relativamente fáciles y rápidos de
utilizar en cualquier tipo de bosque.
A pesar de ello para lograr esto son requeridas
grandes cantidades de sitios de muestreo lo que vuelve
a esta práctica, aún con sus virtudes, demasiado
costosa y tardada. Con el propósito de solventar este
inconveniente se ha tratado de definir una estrategia
que permita extrapolar la caracterización de cada uno
de los sitios levantados en campo a otras áreas con
condiciones similares, permitiendo de esta manera
usar la información generada no solo en las áreas
específicas en donde se ubican los Sitios de
Investigación, sino también en otras áreas con
características semejantes.
De esta forma se establecieron grandes extensiones
de tierra comprendidas entre ciertas características
representadas cartográficamente, las cuales muestran
las diferentes condiciones que se presentan en cada
Sitio de Investigación, la estrategia usada para la
definición de estas grandes extensiones de tierra fue
utilizando diferentes variables o condiciones
168
ambientales, como la elevación del terreno, la
vegetación, pendiente, etc. (García y Flamenco,
1996). Este diseño que agrupa variables y estructuras
similares ha sido definido como Áreas de Respuesta
Homogénea.
3 METODOLOGÍA
Para la definición de las ARH fue necesario trabajar a
escala nacional, esto condicionado por la extensión
del país y por la disponibilidad de información digital,
las zonas en las que se establecieron Sitios de
Investigación son: Edo. Baja California Sur (Sierra La
Laguna), Edo. Coahuila (Cumbres de Monterrey),
Edo. Jalisco (Sierra de Quila), Edo. Puebla (Sierra
Nevada), Edo. Yucatán (Región Nuevo Tezoco), Edo.
Quintana Roo (Zonas Forestales de Quintana Roo). La
información digital fue proporcionada por la
CONABIO, que al igual que los metadatos están
disponibles en línea. Las capas temáticas usadas son
las de uso de suelo y vegetación, las cuales fueron
obtenidas del Instituto Nacional de Estadística
Geografía e Informática (INEGI), al igual que las
curvas de nivel, la división política estatal, las
regiones terrestres prioritarias y las áreas naturales
protegidas. Dicha información fue analizada con
ayuda de las bondades de los Sistemas de Información
Geográficas, los cuales son una integración
organizada de hardware, software y datos geográficos
diseñado para capturar, almacenar, manipular, analizar
y desplegar en todas sus formas la información
geográficamente referenciada con el fin de resolver
problemas complejos de planificación y gestión
(Bolstad, 2005).
Como primer paso para la generación de las ARH
fue agrupar la cobertura del uso de suelo y vegetación,
obteniendo un archivo vectorial para bosques y selvas.
A partir de estos dos archivos vectoriales se realizó
una intersección en donde se cruzan tanto las bases de
datos como la cartográfica. Obteniendo diversas
clasificaciones temáticas en donde se relacionan las
alturas y los ecosistemas; ejemplo, selvas 0-200,
bosques 200-500, etc.
Con los datos obtenidos de los grupos de
vegetación (bosque y selva), y los gradientes
altitudinales, como se explicó anteriormente se generó
la información vectorial y la cartografía con la cual se
pueden extrapolar los datos a otros sitios con las
mismas características.
Baja California Sur (Sierra La Laguna). El mapa
de respuesta homogénea de la Sierra La Laguna
(figura 1) se generó a partir del procesamiento digital
de la información de los temas de bosque de pino y
bosque de encino tomando además las curvas de nivel
basadas en las altitudes donde se ubicaron dos
conglomerados.
A partir de esta conjunción de variables, se
generaron dos áreas de respuesta homogénea para
cada tipo de vegetación delimitadas por las cotas de
nivel entre los 1600 y los 2000 msnm, donde la
pendiente va del 13 al 17 %. La ubicación de cada
Sitio de Investigación nos ayudó a generar datos que
nos permitió compararlos con la información
cartográfica y las variables obtenidas de la base de Figura 2. Áreas de respuesta homogénea correspondientes
datos. a cumbres de Monterrey, Coahuila.

Jalisco (Sierra de Quila). Cartográficamente la

Figura 1. Áreas de repuesta homogénea correspondientes a
la sierra la laguna, Baja California Sur.
Coahuila (Cumbres de Monterrey). Los mapas de
respuesta homogénea generados en la región Cumbres
de Monterrey (véase figura 2) toman franjas
altitudinales entre las cotas 2000 y la 2600,
conjuntándose con los bosques de pino, oyamel y
chaparral, lugar donde se instalaron dos
conglomerados. Aunque resulte engañoso, el
chaparral incluye macizos puros de Pinus cembroides,
especialmente en las zonas protegidas como las
paredes de los valles intramontanos donde la
pendiente oscila entre el 13 y el 25 % y la exposición
es SW y SE.
vegetación en la Sierra de Quila (véase figura 3) está
representada por un continuo de bosque de Quercus,
pero las condiciones de la vegetación, de las
comunidades o asociaciones vegetales es muy distinta,
la instalación de los Sitios de Investigación en zonas
donde los elementos arbóreos dominantes son los
pinos, nos permite establecer criterios para desagrupar
la información referente a los rodales de pino en
asociación con otras especies al establecer los Sitios
de Investigación en áreas de diferente altitud que están
entre los 2148 y 2330 msnm con una pendiente entre
el 15 y el 17 % con condiciones similares de manejo.
La materia orgánica presente en el área es bastante
elevada y homogénea entre los sitios, con cargas de
hojarasca que van de los 7 y 9 toneladas por hectárea
a las cargas de 26 y 29 toneladas por hectárea de
fermentación.

Figura 3. Áreas de respuesta homogénea correspondientes

a la Sierra de Quila, Jalisco.

Puebla (Sierra Nevada). Los Sitios de

Investigación ubicados en la Sierra Nevada (véase
Figura 4) se colocaron tomando las cotas altitudinales

169
entre los 3035 y los 3694 msnm, con una pendiente
entre el 0 y el 10%. Estas variables nos mostraron las
condiciones reinantes en la sierra, donde se intercalan
las comunidades de pino con las de oyamel, desde las
faldas de la sierra hasta las zonas de ecotonía con la
vegetación de altura. Las áreas de respuesta
homogénea en combinación con los datos levantados
en cada Sitio de Investigación nos permitieron
desagregar las condiciones reinantes en las
comunidades de pino de otras comunidades vegetales
presentes en la sierra.

Figura 5. Áreas de repuesta homogénea correspondientes a

Nuevo Tezoco, Yucatán.

Quintana Roo (Zonas Forestales de Quintana Roo).

Zonas forestales de Quintana Roo (véase figura 6) es
un continuo de selva mediana subperennifolia que
presenta las mismas características a los largo de su
ubicación. Las áreas de respuesta homogénea y los
datos calculados a partir de los levantamientos de los
Sitios de Investigación han permitido corroborarlo.

Figura 4. Áreas de respuesta homogénea correspondientes

a la Sierra Nevada, Puebla.

Yucatán (Región Nuevo Tezoco). Las áreas de

respuesta homogénea en esta región llamada Nuevo
Tezoco para este estudio (véase figura 5) están
prácticamente delimitadas por las condiciones de
cambio de uso del suelo que han venido reduciendo la
calidad de remanentes o islas a las pocas franjas de
selva mediana subperennifolia. Este remanente de
vegetación esta insertada en una matriz de áreas de
cultivo, pastizal y la poca selva mediana
subcaducifolia presente en la región, donde reúne
características bastante homogéneas, producto de su
reciente apertura a las comunidades humanas de la
zona.
Figura 6. Áreas de repuesta homogénea correspondientes a
las zonas forestales de Quintana Roo, Quintana Roo.
4 ANÁLSIS DE RESULTADOS
El establecimiento de Áreas de Respuesta Homogénea
ha sido de gran ayuda para utilizar la información
recolectada en campo de tal manera que el resultado
del análisis de dicha información pueda ser aplicado
no solo en las áreas específicas en donde se ubican los
sitios de investigación, sino también en áreas con
características semejantes. Sin embargo, debido a la
escala de la información utilizada (1:250,000) suelen
existir discrepancias entre lo especificado en dicha
información y lo existente físicamente en campo.
Ejemplo de ello son las Áreas de Respuesta
Homogénea estimadas para la Sierra Laguna en Baja

170
California Sur, los cuales nos indican polígonos de
bosque de encino y bosque de pino. En realidad estos
espacios se pueden catalogar como bosques mixtos, ya
que la observación en campo de estos macizos y su
comparación con la evaluación del arbolado, nos
indica una clara codominancia del genero Quercus
con el Pinus lagunae en áreas más o menos similares.
Siendo equivalente la cantidad de combustibles por
hectárea y la condición de la vegetación en general.
Para dar solución a este inconveniente será
necesario en lo sucesivo utilizar información
complementaria para el establecimiento de las Áreas
de Respuesta Homogénea, como lo es apoyo de
información proveniente de sensores remotos
mediante la realización de clasificaciones espectrales
de imágenes de satélite, así como el uso de fotografías
aéreas y técnicas de foto identificación. Con ello
podrá lograrse la instalación de Sitios de investigación
adicionales en las zonas de estudio estratégicamente
localizados que permitirán utilizar variables más
específicas sobre dichas zonas y de esta manera
obtener información más particularizada para su uso
en el manejo integral del fuego.
5 CONCLUSIONES
Mediante el establecimiento de las Áreas de
Respuesta Homogénea, ha sido posible disminuir
considerablemente tanto los tiempos como los costos
de los procesos en el análisis de estimación de la
recarga de combustibles forestales, los cuales juegan
un papel primordial tanto en la intensidad como en el
comportamiento que presenta el fuego durante un
incendio forestal o una quema prescrita. Ello gracias a
171
que la información recolectada en campo a través de
sitios de investigación ha sido extrapolada a otras
áreas con las mismas características, ayudando con
ello a utilizar la información generada no solo en las
áreas específicas en donde se ubican los Sitios de
Investigación sino también en otras áreas con
características semejantes. Dejando de manifiesto el
potencial que ofrecen los Sistemas de Información
Geográfica en el análisis y resolución de problemas
mediante el uso de información espacialmente
referenciada.
REFERENCIAS
Flores, G. and Omi, P. (2003). Mapping forest fuels for
spatial fire behavior simulations using geomatic
strategies. Agrociencia, 37(1):65-72.
International Fire Service Training Association. (1998).
Fundamentals of wildland fire fighting. Third Ed. Fire
Protection Publications. Oklahoma State University.
472 p.
Rodríguez T. y Sierra P. (1995). Evaluación de los
combustibles forestales en los bosques del Distrito
Federal. Ciencia Forestal. 20 (77): 193 – 217 pp.
Brown, J. K., Oberheu, R. D. y Johnston, C. M. (1982).
Handbook for inventorying surface fuels and biomass in
the interior West. USDA, Forest Service General
Technical Report INT-129. 48 p.
García, J. y Flamenco, A. (1996). Conservación y
desarrollo sustentable en la Selva El Ocote, Chiapas.
ECOSUR. San Cristóbal de las Casas. pp. 27-44 +
anexo cartográfico.
Bolstad, P. (2005) GIS Fundamentals: A first text on
Geographic Information Systems, Second Edition.
White Bear Lake, MN: Eider Press, 543 pp.
 METODOLOGÍA PARA LA ESTIMACIÓN DE LA SEVERIDAD DEL
FUEGO POR MEDIO DE TELEDETECCIÓN: MUNICIPIO DE OCAMPO,
COAHUILA
Emmanuel GONZÁLEZa, Alan J. RODRÍGUEZa, Luis A. CARAVEOa Luis Carlos ALATORREa
a
Universidad autónoma de Ciudad Juárez campus Cuauhtémoc,
Email: gonzalezemmanuel@live.com.mx.

RESUMEN
El fuego es el principal agente de perturbación en los ecosistemas, altera rápidamente las características de la
vegetación en grandes áreas, impactando la fauna, aguas, suelos y aire, produciendo elevados daños económicos,
ecológicos e incluso pérdida de vidas humanas. La magnitud de esos impactos está directamente relacionada con
la severidad del fuego como una medida para determinar el nivel de daño a la vegetación, materia orgánica y
suelo. La severidad del fuego es uno de los parámetros más influyentes y de mayor peso en el proceso de
regeneración post incendio forestal. Su valoración en campo, aunque está bien definida, resulta antieconómica en
el caso de grandes superficies; sin embargo, la teledetección se ha mostrado como una herramienta de gran
utilidad para su estimación. En este documento, se examina la potencialidad de una metodología desarrollada en
ambientes mediterráneos para evaluar la severidad del fuego en incendios forestales. Está metodología se
implemento en los incendios forestales del Municipio de Ocampo Coahuila, México, en el mes de abril del 2011.
Los principales resultados demuestran que en el área de estudio predominan las zonas con una severidad media.
Finalmente, se determino que no existe una relación significativa con el contenido de masa forestal previa al
incendio con la severidad del fuego presente en el área de estudio.
Palabras clave: Severidad de fuego, teledetección, incendio forestal, deforestación.
la estimación de la severidad del fuego. Son
1. INTRODUCCIÓN
numerosos los autores que relacionan distintas
La severidad del fuego es un término descriptivo características de la imagen de satélite con los
que integra los cambios físicos, químicos y diferentes grados de severidad Ruiz-Gallardo et al.
biológicos de un ecosistema, como resultado de la (2005). En este trabajo, se propone como objetivo
acción del fuego. Se define como el efecto del fuego analizar la potencialidad de una metodología
sobre el ecosistema, es decir, si afecta al suelo, al desarrollada en ambientes mediterráneos para
estrato arbóreo o a cualquier parte del ecosistema, y evaluar la severidad del fuego en incendios
se relaciona con su capacidad de regeneración tras forestales en el municipio de Ocampo, Coahuila,
el paso de las llamas. Son bastantes los autores que México.
han realizado su estimación en campo (Key CH and
NC Benson, 2004). Pero debido a la lentitud del 2. ÁREA DE ESTUDIO
proceso, su cartografiado por esta vía es
prácticamente inabordable en grandes incendios. El
fuego tiene una notoria influencia en la capacidad
de regeneración del ecosistema, pues afecta a la
cantidad de semillas y órganos resistentes que
pueden quedar tras el paso de las llamas, y favorece
en los procesos de erosión .Por estas razones
numerosos trabajos hablan de su empleo para tareas
de reforestación, medidas de protección del suelo y
otros bienes, etc. La teledetección, ha demostrado
ser una herramienta muy valiosa para determinar
cambios en la cobertura vegetal, para el análisis de
la evolución de la dinámica vegetal, así como, para

172
El incendio en Ocampo, Coahuila, México se sitúa
en la parte noroeste del estado. En el municipio de
Ocampo denominada la sierra norte de Coahuila. La
precipitación pluvial es muy escasa, registrándose
en el municipio dos zonas con promedio inferior a
los 200 mm .La gran mayoría del territorio se
encuentra en el rango de 200 a 300 mm y a mayores
altitudes del centro y noreste llega a 300 a 400 mm
y de 400 a 500 mm. La temperatura media anual
tiene variaciones de una zona a otra la mayor parte
del territorio es superior a los 20°c y en un rango de
18 a 20°c. La flora del municipio es la típica del
desierto, prácticamente en todo el territorio se
encuentra matorral desértico, en el cual las
principales especies son candelilla, guajilla,
gobernadora, guayule, zacate y samandoca. En
algunas zonas se puede encontrar pastizal, y en un
sector del norte, debido a la altitud de la sierras, se
encuentra bosque templado, en el cual abunda el
pino y el cedro. Entre las especies animales que se
pueden encontrar en el municipio están oso, venado Figura 1. NDVI pre incendio
y aves de rapiña, así como reptiles.

3. MÉTODO
Para determinar la severidad de fuego mediante
teledetección, se utilizaron dos imágenes
LANDSAT TM, tomadas en el mes de abril para los
años 2010, imagen previa al incendio, y la del año
2011, imagen que corresponde al pos incendio.
Previo a su análisis, se delimito el área de estudio
para evitar confusiones con el resto de la imagen.
Finalmente, de las imágenes resultantes se extrajo el
Índice de Vegetación de Diferencia Normalizada
(NDVI), el cual está íntimamente relacionado con la
cobertura vegetal, y ha demostrado ser uno de los
índices de vegetación que mejor discrimina los
cambios que sufre la fenología de la vegetación,
debido a factores naturales y antropogénicos.
Para determinar la severidad del fuego en el área
de estudio, se eligió la metodología propuesta por Figura 2. NDVA pos incendio
Ruiz-Gallardo et al. (2005). La cual consiste en
restar al NDVI Pre incendió (fig.1). menos el El resultado de esto se divide entre la suma de
NDVI-Pos incendio (fig.2) NDVI-Pre incendio y el NDVI-Pos incendio todo
lo resultante multiplicad por Cien. (fig.3)
[ ] (1)

De esta manera se obtiene el grupo de los pixeles

que se perdieron en una escala de doscientas clases
que por estas causas es imposible identificar las
zonas que tuvieron mayor severidad (fig.3).

173
 Para fortalecer la información se realizo un
cálculo de cada una de las clases en has (tabla1)
Tabla 1.categorías de severidad
Categorías Área en hectáreas
1 severidad nula 89443.17
2 baja severidad 16321.23
3 media severidad 47780.64
4 alta severidad 28260.18
Total 181805.22

4. RESULTADOS
Se obtuvo un mapa del área de estudio en donde se
observa la severidad del fuego (fig.4). Para
fortalecer la información se realizo un cálculo de
cada una de las clases en hectáreas. En esta área de
estudio se perdieron 92,362 Has. de un total de
181,805 has. tal como se observa en la (tabla 1) de
las cuales. 89,443.17 ha sufrieron severidad nula,
Figura 3. Clasificación en 200 clases. 16,321.23 ha fueron de baja severidad, 47,780.64 ha
fue media severidad y 28,260.18 ha tienen niveles
Para identificar la severidad del fuego y poder altos de severidad.
diferenciarlos se realizo una clasificación de la
imagen (fig.3) en cuatro clases las cuales fueron Se analizo la imagen NDVI (pre incendio) y la
severidad nula (0-70), baja severidad (70-110), imagen en donde encontramos la severidad del
media severidad (110-160) y alta severidad (160- fuego (fig4.) este análisis sugiere que no existía una
200) como se observa (fig.4). relación entra a cantidad de masa foresta con la
severidad del incendio puesto que cada una de las
clases tiene una cantidad muy similar de NDVI (pre
incendio) por medio de NDVI pos incendio y la
severidad del fuego e resultado se muestra en la
(tabla2).
Esto sugiere buscar otro método con mayor
análisis para determinar las causas de la severidad
del fuego.
Tabla 2. Relación existente entre masa forestal y
las clases de severidad del fuego.
ID MINIMU MAXIMU TOTA AVERAG RANG POPULATION_
N N L E E SD
1 -0.333 0.74 22195 0.223 1.073 0.13
3
2 -0.265 0.707 58658. 0.323 0.963 0.119
5
3 -0.406 0.728 18662 0.352 1.134 0.121
0
4 -0.205 0.672 92004. 0.293 0.877 0.108
2

Figura 4. Clasificación de severidad en cuatro clases.
5. CONCLUSIONES
En conclusión la teledetección por medio del
método de diferencia normalizada de NDVI es una
herramienta con un gran potencial para ser utilizada
en cuestiones de de daños realizados a la vegetación
por causas naturales. En este caso por causas de la
severidad del fuego. El mapa muestra resultados

174
(fig.4) puede ayudar a planificar las tareas de
gestión pos incendio forestal, optimizando y
ahorrando los recursos disponibles.
REFERENCIAS
Alaitz Zabala(1) y Xavier Pons (1, 2. (2005). Efecto
de la compresión degradativa de imágenes sobre la
clasificación. Centre de Recerca Ecològica i
Aplicacions Forestals , 21-23.
Delgado, R. D. (2003). Red de Revistas Científicas
de América Latina y el Caribe, España y Portugal.
Red de Revistas Científicas de América Latina y el
Caribe, España y Portugal .
Eduardo Alanís-Rodríguez, O. A.-C.-P. (2007).
efectos de la severidad del fuego sobre la
regeneracion asexual de especies leñosas en un
ecosistema mixto.
(2009). Índice de Vegetación de Diferencia
Normalizada (NDVI) obtenido a partir de imágenes
Landsat TM. consejeria del medio ambiente.
j.R.Ruiz-Gallardo,S.Cataño y A.Valdes. (2005).
Teledetecion y Severidad del fuego. Nacional de
Teledetecion , 136.
175
Juárez-Martínez1, A., & Rodríguez-Trejo2, D. A. (A.
Juárez-Martínez1; D. A. Rodríguez-Trejo2). EFECTO
DE LOS INCENDIOS FORESTALES. Red de Revistas
Científicas de América Latina y el Caribe, España y
Portugal , 126-130.
Key CH and NC Benson. (2004).
LandscapeAssessment: Ground measure of
severity, the Composite Burn Index. In: ‘FIREMON:
Fire Effects Monitoring and Inventory System.
Report RMRS-GTR-XXX, Ogden, UT: U.S.Department
of Agriculture, Forest Service,Rocky Mountain
Research Station .
Wanja Janayna de Miranda Lameira, Marcelo
Martinelli, Ana Cristina Machado Rodríguez. (2009).
Interpretación de datos de teledetección para
identificar y clasificar unidades de paisaje. Maping
Interactivo revista internacional de ciencias de la
tierra , 1.
 PLANEACIÓN
URBANO-REGIONAL
Y TRANSPORTE

176
 IDENTIFICACIÓN DE ZONAS PRIORITARIAS DE ATENCIÓN POR
PARÁMETROS SOCIALES Y ÁREAS VERDES EN EL ÁREA
METROPOLITANA DE MONTERREY
Ana Lucrecia RIVERA R.a, C. Jaime VILLARREAL L. a, Diego Fabián LOZANO G. a
a
Instituto Tecnológico y de Estudios Superiores de Monterrey, Campus Monterrey
Ave. Eugenio Garza Sada 2501 Sur Col. Tecnológico C.P. 64849
Monterrey, Nuevo León. México
lucreciarivera@gmail.com

RESUMEN
El crecimiento de las ciudades latinoamericanas, carentes de una correcta planeación con visión de futuro,
plantea en su momento fallas de diseño en movilidad, acceso a servicios y por lo tanto un decremento en la
calidad de vida, en general. Por ello, la gestión urbana es uno de los principales retos para instituciones
gubernamentales de todo nivel. El objetivo del presente trabajo es caracterizar las distintas zonas del Área
Metropolitana de Monterrey (AMM), por medio de los SIG. Se ponderan y desarrollan mapas de variables como:
densidad de población, calidad de vivienda basada en acceso a servicios, población sin acceso a seguridad social,
accesibilidad a parques públicos, índice de delitos, nivel de educación.
Palabras clave: Áreas verdes, desarrollo urbano.
Con el fin de dirigir las acciones de alivio a la
1 INTRODUCCIÓN pobreza urbana es necesario disponer de mejores
El crecimiento metropolitano es uno de los principales datos sobre la localización, condiciones y naturaleza
retos que enfrentan las instituciones gubernamentales de los pobres urbanos. Las políticas públicas que
estatales y municipales en las ciudades mexicanas. La tienen relación directa con la pobreza urbana son: uso
urbanización representa un reto en el sistema urbano del suelo, vivienda y servicios urbanos, protección
nacional que resalta la continua concentración de social y servicios sociales (salud, nutrición, educación
población en un reducido número de ciudades. y seguridad) y medio ambiente entre otros.
(Brambilia, 2006).
Es un hecho que la población seguirá aumentando;
en tasas más lentas o más rápidas, lo importante es El objetivo de este trabajo es zonificar las zonas
que el control del desarrollo urbano será crítico para prioritarias para ser atendidas por políticas públicas
mantener una calidad de vida aceptable, que debido a que concentran grupos vulnerables en base a
disminuye por la densidad y la expansión urbana características sociales identificadas.
horizontal. Por ello, es importante plantear un patrón
diferente de urbanización, puesto que generará un 2 METODOLOGIA
esquema diferente de comunidades. Los acelerados En este trabajo se emplean datos del Censo INEGI
procesos de urbanización marcan la necesidad de 2000, espacialmente establecidos por Área
incorporar una visión sistémica para entenderlos Geoestadística Básica (AGEB) de tipo urbano. Las
mejor y darles una respuesta más eficaz. AGEBs urbanas delimitan una parte o el total de una
Para lograr este tipo de controles de crecimiento localidad de 2 500 habitantes o más, o bien, una
urbano se requiere de información clara y de calidad cabecera municipal, independientemente de su
para la toma de decisiones. Una herramienta eficiente número de pobladores, en conjuntos que generalmente
que ofrece este tipo de información son los van de 25 a 50 manzanas (INEGI).
indicadores de caracterización georreferenciados. Es Se desarrolló una clasificación de áreas a nivel
decir, aquellos que expresen información de tipo AGEB por las características físicas así como las de
social que arrojarían información espacial para la población en las áreas para determinar la ausencia
determinar las características socio-urbanas y la de ciertos satisfactores.
distribución de la población.

177
 En este trabajo se propone utilizar la ausencia o
valores bajos determinados sobre las variables
específicas descritas más adelante para categorizar
áreas urbanas. Se tomo como ausencia el hecho de
contar con grupos sociales en edad escolar y que
presentan ausencia del nivel correspondiente a la
edad; por igual la falta de acceso a servicios de salud
y la falta de servicios en vivienda, la inaccesibilidad o
poca superficie de áreas verdes urbanas. La unión de
las ausencias descritas más adelante es el parámetro a
considerar. En zonas donde exista carencia de más de
una de las variables se integra dentro del resultado
siendo esta la localización de la propuesta de atención
prioritaria. La ausencia de estas capacidades en la
población se toma como el inicio de la disminución de
la calidad de vida existente pues no se cumplen con
necesidades básicas de los grupos sociales. Estas
ausencias se relacionaron con la disponibilidad de
espacios de área verde públicos para identificar las
zonas con carencia de todas las variables descritas, asi
como la ausencia de una superficie especifica
recomendad para sana convivencia.
ÁREAS VERDES URBANAS
La Organización Mundial de la Salud recomienda
que en las ciudades se proporcione un espacio de 9m2
de área verde por habitante. También aconseja el
diseño de redes de áreas verdes de tal manera que
todos los residentes vivan cerca de un espacio abierto
(a una distancia de no más de 15 minutos a pie)
(Sorensen et al. 1998). Para esta parte se utilizo la
información de catastro del año 2000 del AMM
identificando las áreas con la clasificación “Áreas
verdes urbanas y espacios públicos, equipamiento y
área verde urbana”.
ÍNDICES DE MARGINACIÓN
La Secretaría General del Consejo Nacional de
Población (CONAPO) conduce un estudio y produce
indicadores demográficos que permiten conocer el
nivel de vida de la población y su distribución en el
territorio nacional, con el fin de ser insumos en el
diseño, implementación y evaluación de los
programas de desarrollo económico, social y medio
ambiental. El índice de pobreza urbana emplea como
unidad el AGEB, y toma en consideración la falta de
acceso a la educación y la salud, las viviendas
inadecuadas y la falta de servicios básicos Las
variables tomadas en consideración para el estudio
son:
Educación: La constitución mexicana declara en su
3er artículo que la educación básica es un derecho.
178
Sin embargo, una causa de deserción escolar se da por
bajo ingreso familiar. Por ello, se toman en cuenta los
datos del censo que se refieren a la población entre 5
y 14 años que no asiste a la escuela, por ser el rango
de edad de asistencia a la educación básica; y la
población mayor a 15 años que no sabe leer o escribir.
Salud: El artículo 4to constitucional declara el
derecho a programas de salud. Debido a que la salud
se encuentra declarada como garantía, se consideran
los datos sobre la población sin acceso a un programa
de salud, ya sea público o privado.
Vivienda: Esta variable evalúa el acceso a
servicios públicos primarios como agua potable y
drenaje. El acceso a estos servicios no solo disminuye
el riesgo a enfermedades, también la degradación
ambiental. Se consideran los datos sobre las viviendas
ocupadas.
Bienes: Debido a la falta de información de
ingreso familiar, se toma en consideración la variable
de ausencia de refrigerador. Se selecciona este bien
debido a que la falta de éste implica efectos negativos
sobre la higiene alimentaria.
Densidad Poblacional: Las ciudades con altas
densidades se consideran más sostenibles que aquellas
con bajas densidades. Sin embargo, una exagerada
alta densidad implica sobrecapacidad ambiental. Por
lo tanto es necesaria una planificación demográfica en
la que la población se encuentre en una “distribución
balanceada”. (UNFPA)
Los AGEBs con el porcentaje más alto de
población sin acceso a programas sociales y
viviendas que carecen de servicios básicos serán
considerados como los más precarios.
3 RESULTADOS
Los resultados muestran que el ÁMM se caracteriza
por una gran disparidad de acceso a oportunidades
para el proceso de desarrollo y del disfrute de los
espacios públicos (Anexo1).
El análisis social arroja 130 AGEBs considerados
precarios, en los que se concentran 435,721
habitantes (Tabla 1). Es decir, gran porcentaje de su
población carece de acceso a programas de salud y
educación; y las viviendas carecen de servicios
básicos, así como de un refrigerador. Estos AGEBs.
A nivel metropolitano es de resaltar que del total de
AGEBs, el 45% presenta algún grado de carencia en
las variables consideradas, que gráficamente puede
presentarse como clusters (grupos) en zonas Público y Áreas Verdes Urbanas. Sin embargo de
focalizadas. 12.04% (Apodaca) a 42.42% (Monterrey) se destina
Tabla 1. Cantidad de AGEBs con precariedad, por para Uso de Vivienda. Es decir, los municipios
municipio. cuentan con muchos habitantes y pocas áreas verdes.
Pero, también las áreas urbanas cuentan con grandes
extensiones de baldíos que pudieran servir para
Municipio AGEBs reforestación y construcción de parques que eleven el
Apodaca 2 déficit. Pues, de tomar en cuenta la recomendación de
García 9 la OMS, de acuerdo con la cantidad de habitantes del
Gral. Escobedo 27 AMM se requieren 33, 879, 560 m2 de área verde
pública (Tabla 3). Eso se traduce a que se requiere 6
Guadalupe 15 veces el tamaño de Central Park, el cual cuenta con
Juárez 17 una superficie de 3,200,000 m2.
Monterrey 51 Tabla 3. Déficit de área verde urbana por
Santa Catarina 9 municipio.
San Pedro 0 Municipio Area Ideal Deficit m2
San Nicolás 0 Total
TOTAL 130
San Pedro 1,219,770 2,077,191
Monterrey 11,330,700 -6,040,070
Del total de AGEBs, 849 no cuentan con uso de San Nicolás 4,767,610 -2,991,664
suelo registrado de área verde de uso público. En
Guadalupe 6,914,340 -4,677,118
estos habitan 1, 923, 839 habitantes. En el análisis de
área disponible por habitante, solamente el municipio Santa 2,592,020 -2,088,033
de San Pedro (Tabla 2), se le considera que cuenta Catarina
con más del mínimo recomendado por la OMS Escobedo 2,951,310 -2,464,815
Tabla 2. Área de Espacio Público por Habitante. Apodaca 4,103,810 -3,567,924
Municipio Habitante Áreas M2 / Total 33,879,560 -19,752,432
Verdes (M2) Hab
San Pedro 121,977 1,976,835 16.20 Se observa a nivel general que en zonas donde
existen pocas áreas verdes disponibles, a la vez los
Monterrey 1,133,070 5,290,630 4.67
AGEBs cuentan con algún grado de carencia respecto
San Nicolás 476,761 1,775,946 3.72 a las variables analizadas. Finalmente, del total de
Guadalupe 691,434 2,237,222 3.24 AGEBs sin área verde y con precariedad se
contabilizan 111, lo que representa a 366,573
Sta. 259,202 503,987 1.95
habitantes del AMM.
Catarina
Aparte, al sobreponer la capa de información de las
Escobedo 295,131 486,495 1.65
distintas ausencias de satisfactores sobre la capa de
Apodaca 410,381 535,886 1.31 información de Incidencia Delictiva, es posible ver
Total 3,387,956 14,127,128 4.17 que en algunos puntos, los conflictos se dan casi en la
misma forma que los AGEBS, es decir, de polígonos
regulares. La figura 1 muestra los resultados gráficos.
De acuerdo a la información de catastro (Anexo 1),
los municipios metropolitanos destinan de 0.47%
(Apodaca) a 6.22% (San Pedro) al uso de Espacio

179
Figura 1. Resultados de la evaluación de variables en el AMM. Fuente: Elaboración Propia. Datos: LABSIG, CEDEM

redistribución de la población, ya que estos son

4 CONCLUSIONES
considerados como factores necesarios para mejorar la
Es recomendación de este análisis la ampliación de calidad de vida.
áreas verdes en zonas ya urbanizadas al igual que en
La población localizada en zonas con múltiples
áreas que se encuentran por serlo para crear una red
ausencias se encuentran en buena medida asentados
de estas áreas, logrando así cinturones verdes; así
de manera irregular, a veces en zonas no aptas para el
mismo, el desarrollo de cinturones verdes en áreas
desarrollo urbano; esta población se enfrenta a una
urbanizadas, aunado a una mejora en acceso a
serie de riesgos y se encuentra vulnerable a una serie
servicios primarios, de salud, educación y una

180
de peligros climáticos, naturales, sociales y de salud.
Esta situación compromete la calidad de vida y la
integridad física de los habitantes y también se
producen efectos negativos sobre el medio ambiente
(contaminación y degradación), que a su vez impactan
negativamente a la población. (Anzaldo y Prado,
2009)
La caracterización física y social de las zonas de
una urbe a nivel geográfico es un indicador útil para la
elaboración de políticas y programas de mejoramiento
puntuales. De manera que, en la planeación de
acciones de política social, económica y ambiental, se
debe identificar los grupos poblacionales, sus
condiciones de pobreza, carencia y rezago, o que
presentan mayor vulnerabilidad social, para dirigir
dichas acciones de manera eficaz y eficiente.
REFERENCIAS
Amusquibar, G. (2006). Justicia Ambiental Local y
Global. Buenos Aires: Centro Argentino de Estudios
Internacionales.
Andersen, S. e. (2000). Science and Politics in
International Environmental Regimes. New York:
Manchester University Press.
Anzaldo, C., & Prado, M. (Marzo de 2009). Índice de
marginación Urbana 2005. Recuperado el 20 de Mayo
de 2011, de Consejo Nacional de Población:
http://www.conapo.gob.mx/publicaciones/IMU2005/IM
U2005_principal.pdf
Brambilia, Carlos, 2006. La pobreza urbana en Mexico.
Working Paper, EGAP-2006-13. Tecnologico de
Monterrey. Documento preparado para el Informe sobre
181
Desarrollo Humano México 2004 “El reto del desarrollo
local"
Fernandez, R. (2000). La Ciudad Verde: Teoría de la
Gestión Ambiental Urbana. (C. d. Ambientales, Ed.)
Buenos Aires, Argentina: Espacio Editorial.
Girardet, H. (1992). Ciudades: Alternativas para una vida
urbana sostenible. Londres: Gaia Books.
Higueras, E. (2007). Urbanismo Bioclimático. Barcelona:
Gustavo Gili.
Hough, M. (1998). Naturaleza y Ciudad. Barcelona:
Gustavo Gili.
ITESM. (2008). Centro de Desarrollo Metropolitano y
Territorial. Recuperado el 06 de Octubre de 2010, de
Mapoteca: http://cedem.mty.itesm.mx/
Mc Garigle, B. (June de 2002). Mapping Places and
Spaces. Architectural Record
Ramírez Favela, E. (s.f.). La Expansión Urbana del Futuro,
los macrodesarrollos y el derecho. Obtenido de
Biblioteca Jurídica :
http://www.bibliojuridica.org/libros/6/2735/18.pdf
Salvador, P. (2003). La Planificación Verde en las
Ciudades. Barcelona: Gustavo Gili .
SEMARNAT. (2007). ¿Y el medio ambiente? Problemas
en México y en el Mundo. México DF: SEP.
Sorensen. (1998). Manejo de las Áreas Urbanas. Banco
Interamericano de Desarrollo
Sustainable Cities Index. (19 de Noviembre de 2009).
Recuperado el 30 de Enero de 2011, de Forum for the
Future :
http://www.forumforthefuture.org/projects/sustainable-
cities09
UNFPA. (s.f.). ODM 7: Garantizar la sostenibilidad del
medio ambiente. Recuperado el 28 de Junio de 2010, de
Objetivos del Milenio:
http://www.unfpa.org.br/lacodm/arquivos/odm7.pdf
 ANEXOS
Municipio Densidad Educación Salud Bienes Vivienda
Mayor a la Media 5 a 14 años que Adultos No sabe Sin Agua Sin Drenaje
no asisten a la leer y/o escribir Potable Doméstico
escuela
Apodaca 76 2 11 30 26 0 1
% del Mpio 47.80 1.26 6.92 18.87 16.35 0.00 0.63
Escobedo 50 10 36 45 28 13 9
%del Mpio 50.00 10.00 36.00 45.00 28.00 13.00 9.00
Guadalupe 125 3 41 100 24 4 6
% del Mpio 60.39 1.45 19.81 48.31 11.59 1.93 2.90
Monterrey 200 18 107 210 168 25 8
% del Mpio 44.25 3.98 23.67 46.46 37.17 5.53 1.77
San Nicolás 82 0 16 30 4 0 0
% del Mpio 65.08 0.00 12.70 23.81 3.17 0.00 0.00
San Pedro 8 0 6 8 12 0 0
% del Mpio 14.55 0.00 10.91 14.55 21.82 0.00 0.00
Santa Catarina 54 1 27 28 20 7 4
% del Mpio 62.07 1.15 31.03 32.18 22.99 8.05 4.60
TOTAL AGEBs 595 34 244 451 282 49 28
% del AMM 50.17 2.87 20.57 38.03 23.78 4.13 2.36

Anexo 1: Resultados de Análisis de Factores por Rubro y Municipio. Fuente: Elaboración Propia. Datos: Proporcionados
por LABSIG , Censo INEGI 2000

182
Anexo 2: Gráfica de porcentaje de Uso de Suelo por municipio. Fuente: Elaboración Propia. Datos: Proporcionados por
LABSIG y CEDEM, Capa de Catastro 2000.

183
 METODOLOGÍA PARA LA LOCALIZACIÓN Y UBICACIÓN DE LAS
CASILLAS ELECTORALES 2011, EN EL ESTADO DE MÉXICO
Blanca Estela GIL LIBRADOa
a
Instituto Electoral del Estado de México. Departamento de Geomática Electoral. Toluca, Estado de México.
gil24@hotmail.com

RESUMEN
Uno de los principales problemas a los que se enfrentan los especialistas en cartografía, es mantener actualizada
la cartografía, debido a que los rasgos y elementos geográficos cambian de manera muy rápida, sobre todo si se
trata de cuestiones sociales, puesto que estas, están estrechamente ligadas al número de población que habita en
un el territorio.
El incremento o decremento de la población altera de manera directa al espacio que habita, mostrándose
modificaciones no solo en los aspectos físico-geográficos, sino también en la infraestructura con que cuenta cada
lugar, puesto que los servicios y políticas se tienen que ajustar para cubrir las necesidades que demanda la
población. De tal modo que haciendo referencia al artículo 163 y 164 del Código Electoral del Estado de
México, 2011, se tiene que por cada 750 electores o fracción se instalará una casilla básica para recibir la
votación de los ciudadanos, y si fuesen dos o más casillas estas se colocaran en forma contigua, siempre y
cuando las condiciones locacionales y geográficas permitan su instalación en el mismo sitio, de no ser así se
acordará la instalación de una o varias casillas extraordinarias en lugares de fácil acceso.
Derivado de lo anterior, el Instituto Electoral del Estado de México (IEEM), como responsable de la
organización, desarrollo y vigilancia de los procesos electorales, contempla entre sus actividades la localización
y ubicación de casillas. Lo cual, implico la colaboración conjunta de los miembros que integran las juntas
distritales y Departamento de Geomática Electoral (DGE), entre otros. Por lo que, el presente trabajo tiene la
finalidad de exponer el método llevado a cabo para determinar la localización y ubicación espacial de las
casillas, en el proceso electoral 2011. En la realización de esta tarea se empleo, como software base Microsoft
Excel, Microsoft Access, Arcview 3.2, ArcMap 9.3 (ArcGis), y como lenguaje de programación el Visual Basic
for Application (VBA) que incluye ArcMap.
Palabras clave: Actualización cartográfica, casillas electorales, estandarización.
ciudadanos del Estado, estos últimos juegan un papel
1 INTRODUCCIÓN
importante en las elecciones.
Las áreas y departamentos electorales especializados
De tal modo, una de las tareas del instituto es
en cartografía, enfrentan un reto al mantener
proporcionar al ciudadano la información necesaria
actualizada la información geográfica, debido a las
para que el día de las elecciones acuda a las urnas a
constantes transformaciones que la sociedad realiza en
emitir su voto.
el entorno natural, económico y social del territorio.
Por lo cual, es de vital importancia, la ubicación de
En los procesos electorales que tienen lugar en
las casillas electorales dentro del Estado de México,
nuestro estado, es la Dirección de Organización del
derivado de ello, en el presente trabajo, se describe la
Instituto Electoral del Estado de México, el encargado
metodología implementada DGE, para la ubicación de
de coordinar y organizar las los recursos y materiales
las casillas electorales, en proceso electoral 2011, en
a utilizar en las elecciones locales.
las elección de gobernador y diputados locales.
De modo que uno sus departamentos, que es el
Departamento de Geomática Electoral, se encarga de 2 MATERIALES Y MÉTODOS
producir, editar y verificar la cartografía que utilizara En esta sección se explicaran los recursos tanto
el instituto, las juntas distritales, los vocales humanos como materiales que se incorporaron en la
distritales, los partidos políticos, así como los realización de este proyecto, además de la
metodología empleada para cumplir con el objetivo de

184
determinar la ubicación correcta de las casillas
electorales en el proceso electoral 2011.
2.1 DATOS
Los datos que se retomaron en la realización de este
proyecto provienen del Instituto Federal Electoral,
entre los que se incluye la Cartografía básica y
temática del Estado de México.
También del mismo Instituto Electoral del Estado
de México, como lo es la ubicación de casillas
electorales que determina el Consejo Electoral.
2.2 MATERIALES
Entre los materiales que se incluyen en la realización Figura 1. Diagrama general de las actividades realizadas
de este proyecto, son computadores con las siguientes para la localización y ubicación de casillas electorales,
características mínimas: 2011.
 Disco duro de 40 GB.
2.3.1 Preparación de la información por
 Memoria RAM de 512. distrito electoral
 Sistema Operativo XP o superior. De acuerdo al análisis de los datos con que contaba el
 Conexión a internet. Departamento de Geomática Electoral, se determino
que lo más factible era ocupar herramientas con las
Entre software que se empleo, se tiene a ArcMap que, las personas ya están familiarizadas. De tal
en su versión 9.3, ArcView en la versión 3.2, y la modo, que por distrito se preparo un disco con un total
paquetería de Microsoft Office, así como la aplicación de 18 archivos, con la finalidad de que los encargados
de GoogleEarth. de cada una de las juntas distritales tuvieran las
Así mismo como lenguaje de programación el herramientas necesarias para localizar y ubicar las
VBA que incluye ArcMap, para el diseño e casillas electorales que se instalarían el día de las
implementación de herramientas extras. elecciones.
2.3 MÉTODO La información que se integro en el disco, fue la
siguiente:
El método empleado en este proyecto fue
completamente empírico, el cual, se fue A. GoogleEarthSetup.exe (1)
documentando conforme avanzaban las actividades B. MANUAL IEEM 2011.pdf (2)
para poder establecer una metodología a seguir en los C. Dtto X ubicación 2009.xls (3)
procesos siguientes. De acuerdo a esto, en la Figura 1, D. Archivos temáticos kml
se muestra de manera general el Diagrama de las a. Casilla.kml (4)
actividades que tuvieron lugar en el desarrollo de este b. Colonia.kml (5)
proyecto. c. Dtto.kml (6)
d. Escuela.kml (7)
e. Hidrografía.kml (8)
f. Hospital.kml (9)
g. Iglesia.kml (10)
h. Instalaciones bancarias.kml (11)
i. Instalaciones deportivas.kml (12)
j. Localidad.kml (13)
k. Manzana.kml (14)
l. Municipio.kml (15)
m. Rio.kml (16)
n. Sección.kml (17)
o. Vialidad.kml (18)

185
 El archivo de GoogleEarthSetup, se incluyo para
que aquellos usuarios que no tuvieran la aplicación de
GoogleEarth instalada, pudieran descargarla
fácilmente con solo tener conexión a internet. Ya que,
fue precisamente de GoogleEarth de donde se retoman
las coordenadas x, y de ubicación de cada casilla.
El manual en archivo pdf, se explica paso a paso
desde el contenido que debe incluir el disco de
información, hasta una propuesta de cómo puede ser
editado cada uno de los archivos kml dentro del
GoogleEarth, para obtener una mejor visualización en
el despliegue de la información.
El archivo de Excel con el nombre Dtto X
ubicación 2009, se incluye una lista de las casillas
instaladas en el proceso electoral 2009, la cual incluye
datos básicos de estas, como: sección, municipio,
distrito electoral, así como la descripción de la
dirección donde fue instalada la casilla en el 2009. Se
tomo como base esta información, ya que, la
ubicación de las casillas tiende a mantenerse en el
tiempo.
Los archivos kml que se exportaron, fueron los que
después de un análisis de los datos, se concluyo que
son la base para tener referencias de los lugares donde
se ubicaría la casilla, por lo tanto los que se
incluyeron en el disco.
2.3.2 Corte de la informaciòn por distrito
local electoral
En esta etapa, teniendo como base la cartografía de los
límites políticos y electorales, y además los servicios
del Estado de México, se procedió a realizar cortes de
la información por distrito electoral.
Figura 2. Ejemplo del corte de la información por Distrito
Electoral.
Para ello, se utilizo la herramienta clip, que integra
ArcMap de ArcGis-ESRI, la versión que se ocupo en
este proceso fue la 9.3. El corte se realizo tantas veces
186
como capas de información se consideración,
multiplicado por el número de distritos.
2.3.3 Conversión a formato kml
Una vez que se tuvieron todos los cortes de las capas
de información por cada distrito, se procedió a su
conversión a formato kml, ya que, este es el formato
que utiliza GoogleEarth. De igual modo, se utilizo una
herramienta de ArcMap, contenida en el Conversion
tools.
Figura 3. Vista de la ubicación de la herramienta en el
ArcToolbox, y la visualización del layer en formato kml,
dentro GoogleEarth.
2.3.4 Elaboración del manual de usuario para
la localización y ubicación de casillas
electorales
Este manual, se realizo con la intención de que los
usuarios tuvieran una herramienta más con la cual
apoyarse en esta actividad, y además de afianzar los
conocimientos impartidos durante la capacitación al
personal de las juntas distritales.
Como se puede ver en la Figura 4, en la parte que
corresponde al índice se explica paso a paso cada una
acciones que hay que realizar en la edición de la
información, la localización de la casillas dentro del
territorio tomando como base la representación de las
imágenes satelitales que incluye GoogleEarth, el
formato en que deben ser desplegadas las
coordenadas, la captura de los datos x,y, así como su
vaciado en la tabla de Excel que les fue incluida en el
disco.

Figura 4. Visualización de la hoja de portada y contenido
del índice, del manual de usuario.
2.3.5 Programación de herramientas
De acuerdo a las necesidades que se venían
presentando en el DGE, se determino que era
necesario diseñar e implementar una herramienta extra
en la interfaz de ArcMap, que permitiera comparar los
valores de los registros, tomando en cuenta que estos
fueran coincidentes en uno o varios campos, de ser
así, realizar la unión de esos registros, considerando la
concatenación de los valores de uno o varios campos
discriminatorios.
Por lo cual, haciendo uso de las interfaz de
programación incluida en ArcMap, que es el Visual
Basic for Applications (VBA), se diseño y programo
una herramienta que permitiera cumplir con el
objetivo antes planteado. De tal modo, que la
herramienta que se implemento, es la que se muestra
en la Figura 5, la cual muestra el botón generado en la
interfaz de ArcMap, así como el despliegue de la
herramienta programada para tal propósito.
Figura 5. Herramienta de resumen de datos.
187
2.3.6 Planeación para la capacitación de las
juntas distritales
Dentro de la planeación para la capacitación del
personal que integraron las juntas distritales en el
proceso electoral 2011, se tomo en cuenta:
 La preparación de información que se
brindaría cada una de las juntas distritales.
 Las fechas en las que se impartirían las
capacitaciones.
 La distribución de los distritos de acuerdo al
personal que integró el DGE.
 El presupuesto de los viáticos para el personal
que impartiría la capacitación.
Todo esto con el propósito, de brindar una mejor
atención a las integrantes de la juntas distritales, y con
ello lograr un buen trabajo en la captura de los datos.
2.3.7 Localización y ubicación de casillas
Una vez distribuida la información básica e impartida
la capacitación, el trabajo de localización y ubicación
de las casillas a través de las coordenadas x,y fue
exclusivo de las juntas distritales.
Este trabajo consistió en sembrar una chincheta de
GoogleEarth en el sitio donde se fuera a ubicar la
casilla y recuperar su coordenada y copiarla en el
registro correspondiente del archivo de Excel, tal
como se muestra en la Figura 6.
Antes de recuperar la coordenada de la longitud,
latitud, se debió haber configurado en GoogleEarth,
que: a) el sistema de coordenadas fueran geográficas,
b) el datum WGS84 y c) las coordenadas estuvieran
en grados decimales.

Figura 6. Recuperación de la longitud y latitud de las
casillas electorales.
2.3.8 Verificación rápida de los datos
La verificación rápida de los datos, es un trabajo que
realizo el DGE, el cual consistió en checar las
siguientes características en la captura:
 Coordenadas en grados decimales,
 De acuerdo la posición de nuestro país que la
longitud fuera negativa.
 Sin el signo de grados (o).
 Que los datos estuvieran en la columna
correcta.
Si los datos capturados cumplían con las
condiciones anteriores se integraron a una base de
datos en la que se iban acumulando los datos que
pasaban esta prueba. De no ser así, los datos se
regresaron a las juntas distritales, para que realizaran
las correcciones necesarias.
2.3.9 Espacialización o sembrado de las
casillas electorales del Estado de México.
Teniendo una salida preliminar de la base datos
completa de las 17, 489 casillas que pertenecen al
Estado de México, se hizo el sembrado de esos puntos
a través del comando Add X,Y data, de ArcMap, para
visualizar que mínimo estas cayeran dentro de los
límites del Estado. Situación que no ocurrió, ya que
algunas de estas cayeron fuera de los límites, tal como
se muestra en la Figura 7.
188
Figura 7. Casillas que cayeron fueron fuera del Estado de
México.
De aquellos distritos, donde los datos no quedaban
dentro del Estado, se devolvieron nuevamente a las
juntas distritales para su corrección.
2.3.10 Asignación de la clave de la sección a la
casilla.
Una vez pasada las pruebas de formato y ubicación
dentro del Estado de México, en ArcView 3.2, se
realizo un Assign de las secciones a las casillas
sembradas hasta el momento, de tal modo, que en la
tabla de casillas se recupero la clave de la sección de
donde caía la casilla.
Una vez hecho lo anterior se exporto a Excel la
tabla que resulto del Assign, y se realizo una resta de
la clave de sección en la que cayó la casilla menos la
clave de sección donde debería caer la casilla.
Se verifico nuevamente que en la resta en los
registros, el resultado fuera 0 (cero), lo cual,
implicaba que había una coherencia completa y por lo
tanto se esperaba que fuera una casilla ubicada
correctamente, en aquellos registros, en los que el
resultado fue diferente de 0, que fueron 287 registros,
se reenviaron nuevamente a las juntas distritales
correspondientes para su verificación.
2.3.11 Primera salida de datos
Llegado a este punto, y después de una serie de
verificaciones se obtuvo un resultado preliminar de la
base de datos, con un total de 17, 489 registros
verificados.
2.3. 12 Resumir Base de Datos
Para realizar esta tarea, se empleo la herramienta que
se programo bajo el ambiente de VBA que incluye
ArcMap. En esta herramienta se integraron los
parámetros correspondientes tal como se muestra en la
Figura 8.

Figura 9. Tabla de entra y salida después de utilizar la

herramienta, resumen de tablas.

3 RESULTADOS
Como resultado de todo este proceso se obtuvo la una
capa con los 6, 913 puntos de ubicación de las casillas
electorales 2011, Figura 10.

Figura 8. Herramienta de resumir tablas.

Como resultado de este proceso, la salida de datos,

fue una tabla de 6, 913 registros que integraba la
concatenación de registros en el campo TIPO, donde
los campos LONGITUD, LATITUD y SECCION
fueran iguales, Figura 9.

Figura 10. Capa de las casillas 2011.

Al tener este resultado, se volvió a exportar esta capa

a formato kml, para ver su despliegue GoogleEarth,
como se muestra en la Figura 11.

189

Figura 11. Capa casillas en formato kml, dentro de
GoogleEarth.
Haciendo un acercamiento de los datos de puede
verificar la certeza de esta información, como se
muestra en la Figura 12.
Figura 12. Acercamiento a la casilla, ubicada en la sección
5211.
De anterior se tiene que esta casilla se ubica, en la
sección 5211, en el municipio de Toluca, en la
Estancia infantil Mi Segundo Hogar, calle Nicolás
Bravo Sur, número 204, casi esquina con Morelos,
Colonia Centro, C.P. 50000. Es una casilla Básica y se
localiza en una población urbana.
190
4 CONCLUSIONES
Es muy importante considerar el trabajo en equipo,
puesto que en este tipo de proyectos se requiere de
mucho personal y tiempo, sobre todo cuando los
recursos son limitados.
Es primordial aprovechar la experiencia y
conocimientos de las personas oriundas de cada
distrito electoral, ya que, son ellos quienes conocen su
territorio y por lo tanto se puede asegurar una
excelente calidad de la cartografía.
El ir generando herramientas para procesos
repetitivos, es una buena inversión a corto, mediano y
largo plazo. Tal es el caso de la herramienta
programada como una macro en el VBA que incluye
ArcMap, la cual se puede retomar en otros casos de
estudio, lo que conllevaría un ahorro sustancial en
tiempo.
AGRADECIMIENTOS
Al Instituto Electoral del Estado de México, por
brindarnos la oportunidad de participar en el
desarrollo de este proyecto.
Al Lic. Jesús George Zamora, por todas las
facilidades y apoyo brindado en la localización y
ubicación de las casillas electorales del Estado de
México, 2011.
A personal de las juntas distritales locales del
Estado de México, en las elecciones 2011, por todo el
apoyo brindado en la realización de este proyecto. En
especial a los integrantes del área de informática, ya
que ellos fueron parte esencial en la captura y
verificación de los datos.
REFERENCIAS
Chang, K. 2008. Programming with ArcObjects. Segunda
edición, CRC Press. Estados Unidos.
Developer Help, incluido en SDK de ArcGis Desktop.
Instituto Electoral del Estado de México. 2010. Código
Electoral del Estado de México 2011 (1ra. ed.). Toluca,
México: Autor.
Instituto Federal Electoral. (20011). Cartografía.
 ZONIFICACIÓN PRIMARIA DE USO DE SUELO EN DOS
MUNICIPALIDADES DE LA REGIÓN CIÉNEGA, MICHOACÁN,
MÉXICO
Alejandro ARCEO HERNÁNDEZ a, Carlos ARREDONDO LEÓN b,
a
Unidad Académica de Estudios Regionales UNAM, Jiquilpan Michoacán, email: arceo_17@hotmail.com
b
Unidad Académica de Estudios Regionales UNAM, Jiquilpan Michoacán

RESUMEN
El presente trabajo aborda el estudio de inestabilidad del suelo –como indicador que permite identificar zonas
primarias de uso de suelo- en dos municipios de la región Ciénega, Michoacán: Sahuayo y Jiquilpan. Para tal
efecto se realiza un análisis sintético e interpretativo de los principales aspectos del medio físico natural en
ambos municipios, a mencionar: a) altimetría, b) hidrología, c) geología, d) edafología e) cubiertas de suelo y
mapas derivados como: f) las formas del relieve, g) la pendiente media, h) la densidad de drenaje, e i) la erosión,
todo ello en el sistema de información geográfica SIG-ILWIS Ver. 3.30. Se genera un mapa sintético a partir de
la reclasificación de los mapas anteriores para obtener el mapa de inestabilidad de suelo. Se emplean cinco
niveles de inestabilidad (bajo, medio bajo, medio, medio alto y alto). Una vez obtenida la cartografía
correspondiente, se coteja la información geográfica con los lineamientos normativos que establece el Sistema
Normativo de Equipamiento Urbano (SEDESOL, 1999) para determinar zonas con aptitud de crecimiento
urbano, así como zonas para las actividades agropecuarias, de reserva y preservación ecológica. Los resultados
indican que el área de estudio (367.20 km2) se caracteriza por valores medios de inestabilidad ambiental
(45.25%), seguido de aquellos medio-bajos (37.65%) y medio-altos (10.31%). El resto del territorio arroja
valores bajos (6.12%) y altos (0.67%).

Palabras clave: Sistema de Información Geográfica, inestabilidad del suelo, usos del suelo, zonificación
primaria
1 INTRODUCCION
En diversas disciplinas, el término de inestabilidad se
define de varias maneras, sin embargo, con una misma
dirección: la resistencia que guarda un objeto o cosa
bajo la influencia de una acción externa, bien interna
que altere su estado inicial. Así, por ejemplo, en
meteorología la inestabilidad se relaciona con la masa
de aire en cuyas condiciones físicas existe un amplio
movimiento de convección vertical. En psicología, el
concepto se asocia con un rasgo de la personalidad
que resulta de la variación en los sentimientos y del
estado emotivo del ser humano.
Una manera de cuantificar la inestabilidad
ambiental es a través de las condiciones físicas y
propiedades químicas del suelo. Mediante esta
variable ambiental, el concepto de inestabilidad del
suelo se asocia al movimiento de masas de roca o
suelo tanto de forma vertical como horizontal. El
deslizamiento de laderas, por ejemplo, es un proceso
que permite evaluar la estabilidad ambiental de los
suelos. Muchos son los factores desencadenadores de
la resistencia de las laderas, sin embargo, el gremio
científico que estudia las causas y consecuencias de la
inestabilidad ambiental, ha encausado sus
investigaciones al estudio del cambio de uso de suelo
como uno de los factores más significantes de la
inestabilidad ambiental. El uso del suelo condiciona la
infiltración de agua en el terreno y por tanto actúa
como factor condicionante3, por lo que un cambio
brusco del uso del suelo puede provocar al mismo
tiempo la inestabilidad del suelo y por ende actuar
como factor desencadenante4.
Las consecuencias por los movimientos de masa
son variadas. Entre ellas, se pueden citar los daños
económicos en función del impacto generado en los
sistemas de comunicación y edificado. En EEUU, por
ejemplo, los costes económicos debidos a
3
Entre los factores condicionantes se puede mencionar, el descalce del
talud o erosión en la base de la ladera, que puede deberse a la acción
humana.
4
Son aquellos factores acumulativos que en condiciones abundantes,
desencadenan o provocan un deslizamiento de ladera.

191
movimientos del terreno superaron los mil millones de
dólares al año en las décadas de los 70s y 80s (Crozier
1986). Sólo la reparación de autopistas federales y
estatales superaron los 115 millones de dólares/año
(Ayala-Carcedo, 2002). De acuerdo con Lomnitz
(1988), una de las causas probables de la catástrofe
sísmica del 19 de septiembre de 1985 en la ciudad de
México fue la existencia de zonas blandas debido a la
presencia de arcillas lacustres poco estables. Se estima
que la inestabilidad del suelo, entre otras causas, costo
la vida de 20 000 víctimas y cuantiosas pérdidas
materiales. Los daños ambientales por la inestabilidad
del suelo, por otro lado, van desde el deterioro de
nuestros paisajes, y de la vida no humana, hasta la
pérdida de nuestros recursos (fertilidad del suelo,
recursos forestales, etc.), la destrucción de hábitats y
la alteración morfodinámica de los escurrimientos de
agua.
El presente trabajo aborda el estudio de
inestabilidad del suelo como indicador que permite
identificar zonas primarias (zonificación5) de uso de
suelo en los municipios de Sahuayo y Jiquilpan de la
región Ciénega, Michoacán.
2 METODO
La información que se deriva a partir de las curvas de
nivel –del conjunto de datos vectoriales de las cartas
13D87 y E13B17 a escala 1:50 000 del INEGI
(2002)-, permite obtener datos morfométricos que
caracterizan el relieve. A partir de esta información
digital y con apoyo del SIG ILWIS Ver. 3.30 (ITC,
2007), se genera el modelo digital del terreno (MDT)
del cual se obtiene el mapa de pendientes y la
orientación de las laderas. Con el mapa de pendiente
media -valor medio de las pendientes por km2- y el
mapa de densidad de drenaje –longitud (L) total de
escurrimientos (en Km.) por km2 (A)-, se genera el
mapa de erosión:
E=D (drainagedensity)* P (PendMedia)/100
Donde: D = La Densidad de Drenaje (Km. / Km2)
y, P= Pendiente Media (% o °/Km2).
5
La determinación de las áreas que integran y delimitan un centro de
población; sus aprovechamientos predominantes y las reservas, usos y
destinos, así como la delimitación de las áreas de conservación,
mejoramiento y crecimiento del mismo. (LGAH, 1993).
Aprovechamientos genéricos, o utilización general del suelo que se
integran en la totalidad del territorio municipal.
192
Esta ecuación pretende relacionar ambos
indicadores morfométricos ya que algunos autores
como Cicacci y Quiñenco (1987), por ejemplo, han
relacionado la erodabilidad hídrica de los suelos de
una cuenca hidrográfica utilizando modelos que
relacionan la densidad de la red de drenaje (D) y la
pendiente media del terreno (P).
El análisis edafológico y geológico a escala del
área de estudio es el resultado de la interpretación de
las cartas edafológica y geológica a escala 1:50 000
del INEGI (1982). El propósito de analizar ambos
indicadores ambientales es caracterizar el área de
estudio en unidades y subunidades geo-edafológicas.
Con el fin de explicar desde una perspectiva
espacio-temporal el impacto de los procesos de
ocupación y uso del suelo sobre la dinámica ambiental
y del paisaje en el área de estudio, este trabajo aborda
el análisis de los Cambios de Cobertura y Uso del
Suelo (CCUS)6. Para ello, las cubiertas de suelo
actuales se definen mediante la interpretación de
imágenes de satélite ETM 2000 con apoyo en
ortofotos (E13B17b, E13B17c, F13D87e y F13D87f)
a escala 1: 20 000 del INEGI (1995). Para ello, se
elaboran sub-escenas de las imágenes de satélite y se
generan compuestos de color (rojo, verde y azul): 3, 2,
1 (color natural) y 4, 5, 7 (falso color) en Landsat TM
que permite tener una mejor diferenciación de las
coberturas. La interpretación se realiza por medio de
técnicas directas, asociativas y deductivas para
diferenciar los “rasgos” de las coberturas (Powers y
Khon 1959; Enciso 1990; Mass y Ramírez 1996).
Una vez obtenidos los mapas base y derivados
(geológico, edafológico, cubiertas de suelo, erosión,
etc.), se procede a la asignación de pesos y niveles de
estabilidad o erodabilidad por variable considerada.
Lo anterior permite conocer el estado actual que

La densidad de drenaje provee una liga entre los atributos de forma de la
cuenca y los procesos que operan a lo largo del curso de la corriente. Más
precisamente, la densidad de drenaje refleja controles topográficos,
litológicos, pedológicos y vegetacionales, además de incorporar la
influencia del hombre.
6
La investigación científica de las últimas décadas se ha centrado en el
diagnóstico del estado actual y tendencias de los CCUS. Su estudio se ha
hecho en relación con las actividades humanas que intervienen en diversos
procesos ambientales de relevancia global (Ojima et al., 1994; Houghton,
1994; Olsson et al., 2000; Schweik et al., 1997; Tekle and Hedlund, 2000;
Riebsame y Parton., 1994; Turner et al., 2003; Price, 1999), como la
deforestación, el cambio climático (Houghton et al., 1999) y la
degradación de suelos (Tolba et al., 1992), todos los cuales han sido
señalados como factores que impactan en las estructuras y funciones del
sistema ambiental y del paisaje (Everham y Brokaw, 1996; Kasperson et
al., 1995; Vitousek et al., 1997), a distintas escalas de análisis: global,
regional y local (Cortina et al., 1998).
guarda el área de estudio con relación a la
vulnerabilidad y/o susceptibilidad que tiene cierto uso
de suelo a escala municipal y urbana para soportar
ciertos procesos erosivos, bien capacidad de
amortiguamiento para contrarrestar los efectos por
deslizamiento de laderas. La aptitud para alojar un
tipo de uso de suelo a escala municipal, se siguieron
los lineamientos normativos del Sistema Normativo
de Equipamiento Urbano (SEDESOL, 1999).
El mapa de inestabilidad ambiental resulta de la
interpretación de los mapas anteriores con relación a
la capacidad que tiene una porción del territorio para
albergar los usos y destinos en materia de desarrollo
urbano. Respecto a la variable edafológica, los suelos
se agrupan de acuerdo a su nivel de inestabilidad:
Vertisol (bajo), Vertisol-Luvisol (medio bajo),
Fluvisol (medio), Fluvisol-Vertisol (medio alto), y
Cambisol-Luvisol (alto); las coberturas de suelo:
bosque natural (bajo), bosque secundario (medio
bajo), agricultura de riego (medio), agricultura de
temporal (medio alto) y, suelo sin vegetación (alto).
Por último, los grupos de acuerdo a la susceptibilidad
a la erosión, son: 0-0.14 (baja), 0.15-0.42 (medio
bajo), 0.43-0.50 (medio), 0.51-0.57 (medio alto) y,
>0.57 (alto).
3 AREA DE ESTUDIO
El área de estudio (365.24 km2) se localiza al poniente
del estado de Michoacán y comprende los municipios
de Sahuayo (35.14% del área) y Jiquilpan (64.86%).
Se extiende de los 1600 msnm en las inmediaciones
de los centros de población de Jiquilpan y Sahuayo
hasta los 2300 msnm en el Cerro de Las Tablas y La
Viña y, los 2200 msnm en la cima del Cerro de San
Francisco, alcanzado en algunos lugares los 800 m. de
desnivel altitudinal. Este declive genera la formación
de dos pisos bioclimáticos, principalmente: uno de
bosque de encino y otro de matorral subtropical.
El área se enclava hidrográficamente en la Región
Hidrológica RH12 “Lerma-Chapala”, cuenca “Lago
Chapala”, subcuenca “Río Sahuayo”. Sus principales
afluentes (ríos Jiquilpan y Sahuayo) se originan en las
cimas de los cerros más próximos (San Francisco, Los
Tejocotes y Arroyo Grande) a Jiquilpan y barrancas
fuertemente diseccionadas (Gloria, Soyate y
Aguacate) de Sahuayo.
Administrativamente, ambas municipalidades
pertenecen con otros 15 municipios (Briseñas,
Chavinda, Ixtlán, Jacona, Marcos Castellanos,
Pajacuarán, Purépero, Cojumatlán de Régules,
193
Tangamandapio, Tangancicuaro, Venustiano
Carranza, Villamar, Vista Hermosa, Tlazazalca y
Zamora) a la región Lerma-Chapala (Fig. 1).
Figura 1. Área de estudio
La tasa de crecimiento a escala del área de estudio
en exhibió mayor dinamismo durante el periodo de
1990 y 2000 (i=2.14%) en comparación con los
últimos diez años (i=0.96%), siendo Jiquilpan el
municipio con la tasa de crecimiento más significativa
(i=3.92%) en los dos periodos de estudio, pese a la
tasa de crecimiento negativa (i=-0.62%) que se
adjudicó durante el segundo periodo. Sahuayo, por
otro lado, mostró tasas de crecimiento positivas en
ambos periodos, siendo el último de ellos (i=1.80%) el
que mayor incremento manifestó.
4 RESULTADOS
4.1 ESTADO ACTUAL DEL PAISAJE
4.1.1 A escala del área de estudio
El paisaje actual de las partes elevadas del área de
estudio se caracteriza por un mosaico de bosques
naturales (13.26%), los cuales comparten el espacio
geográfico con fragmentos de vegetación secundaria
(49.18%) -matorral subtropical abierto y pastizales- y,
vegetación cultivada -entre la que destaca el cultivo de
temporal (15.92%). El paisaje de la planicie o ciénega,
por otro lado, se caracteriza por el predominio de los
cultivos de riego (alfalfa, maíz, sorgo, frijol, trigo,
garbanzo, jitomate, etc.) que se extienden sobre
material aluvial (20% de la superficie total del área de
estudio), del antiguo lago de Chapala principalmente
(Fig. 2).

Tasa de crecimiento (%) i=(nPf/Pi-1)100. Donde n= diferencia
entre año final y año inicial; Pf= Año final; Pi= Año inicial (Oseas
y Mercado, 1992).
Figura 2. Mapa actual del paisaje Figura 3. Mapa con formas de relieve

Los remanentes de bosque natural que se localizan 4.1.2 A escala municipal

en terrenos de fuerte inclinación (4.13%) y Se observa que la manera del como los campesinos
medianamente escarpados (5.05%) demuestran que la realizan el usufructo de sus tierras en ambas
inaccesibilidad a estas zonas frena la explotación de municipalidades no es del todo discrepante, como lo
los recursos forestales a escala del área de estudio. Por demuestra la ocupación de los bosques secundarios
otro lado, las laderas de mediana a fuerte inclinación que en ambos casos superan 49% de la superficie de
son aptas para la permanencia de los bosques su territorio. De las cuatro clases de cubiertas de suelo
secundarios (bosques abiertos y matorrales restantes, resalta la dominancia de los bosques
secundarios). Los suelos desprovistos de vegetación naturales (16.01%) y los cultivos de temporal
(asentamientos humanos y cuerpos de agua) y los (17.30%) en la municipalidad de Jiquilpan, en tanto
cultivos de riego se localizan en terrenos ligeramente que los cultivos de riego (13.73%) y el suelo
planos (la ciénega de Chapala), principalmente. desprovisto de vegetación que incluye los
Finalmente, los lugareños prefieren las parcelas de asentamientos humanos (14.65%) son clases que
mediana a ligera inclinación para los cultivos de dominan el territorio sahuayasense (Tab. 4).
temporal (Fig. 3; Tab. 1).
Tabla 1. Porcentaje representativo de cubiertas de
suelo por unidad de relieve.
Medianamente escarpado
Medianamente inclinado
Ligeramente inclinado

Fuertemente inclinado

Formas del relieve

Ligeramente plano

Muy escarpado
Escarpado

Cubiertas de suelo

AREA DE ESTUDIO
Bosque natural 0.14 0.40 0.77 4.13 5.05 2.24 0.65
Bosque secundario 2.03 10.47 15.14 15.58 5.05 1.05 0.15
Agricultura de riego 11.81 0.36 0.19 0.04 0.01 0.00 0.00
Sin vegetación 4.68 1.37 1.51 1.15 0.11 0.01 0.00
Agricultura de temporal 2.54 5.85 4.93 2.27 0.28 0.02 0.00 Figura 4. Paisaje a escala municipal
21.20 18.45 22.54 23.17 10.50 3.32 0.80
SAHUAYO
Bosque Natural 0.08 0.24 0.61 2.12 2.98 1.82 0.60 De acuerdo con la tabla 1., se observa que las
Bosque Secundario 2.36 9.44 16.16 17.29 3.71 0.92 0.05
Agricultura de riego 13.49 0.13 1.87 0.01 0.00 0.00 0.00 clases de cubierta de suelo, entre ellas los remantes de
Sin Vegetación 8.52 1.33 2.31 2.21 0.24 0.04 0.00 bosque secundario, se desarrollan en pendientes de
Agricultura de temporal 1.80 4.90 5.04 1.39 0.12 0.01 0.00
26.25 16.04 25.99 23.02 7.05 2.79 0.65 mediana a fuerte inclinación en ambas
JIQUILPAN
Bosque Natural 0.17 0.49 0.86 5.20 6.15 2.46 0.68
municipalidades. Las discrepancias residen en las
Bosque Secundario 1.86 11.01 14.61 14.68 5.76 1.12 0.20 pendientes ligeramente planas y/o de ligera
Agricultura de riego 10.92 0.49 0.24 0.06 0.00 0.00 0.00
Sin Vegetación 2.65 1.39 1.09 0.59 0.03 0.00 0.00 inclinación donde los roles se invierten con relación a
Agricultura de temporal 2.94 6.36
18.54 19.74
4.87
21.67
2.74 0.36
23.27 12.30
0.03
3.61
0.00
0.88
los bosques secundarios y cultivos de riego, como lo
demuestran los bosques al ser la segunda clase en

194
terrenos ligeramente inclinados en el municipio de elementos del medio físico que restringen de un modo
Jiquilpan y el tercer peldaño en el caso de Sahuayo. u otro la condición de estabilidad del suelo son, en
4.2 GRADO DE INESTABILIDAD forma jerárquica, los siguientes: las condiciones
geológicas, edafológicas, las cubiertas de suelo y
Los resultados indican que la condición de uso finalmente la vulnerabilidad del suelo a los procesos
recomendable se sitúa en suelos Fluvisol-Vertisoles erosivos (Fig. 5).
con agricultura de riego y en bosques secundarios y,
donde los niveles de erodabilidad presentan valores
que oscilan entre e=0.15 y e=0.50 (grado medio de
inestabilidad ambiental); en tanto que la condición de
no recomendable se presenta en suelos de tipo
Cambisol-Luvisoles desprovistos de vegetación y
valor de erodabilidad superior a e=0.57 (grado alto de
inestabilidad ambiental). Finalmente, el factor
restringido entre lo recomendable y no recomendable
es apto en suelos Vertisoles con bosques naturales y
valores de erodabilidad entre e=0.00 y e=0.14 (grado
bajo de inestabilidad ambiental).
Cabe resaltar que de los usos recomendables a
escala del área de estudio, el urbano y la agricultura
de temporal exhiben las condiciones de no Figura 5. Mapa con grado de inestabilidad
recomendable y condicionado, en tanto que las
reservas y zonas exclusivas para las actividades Se puede observar que los grados medio y medio
pecuarias cumplen parcialmente tanto la condición de bajo predominan no solo a escala del área de estudio,
recomendable como no recomendable. también son característicos de la escala municipal,
como lo demuestra Sahuayo que adquiere valores
Así también, los resultados muestran que el área de superiores a 50% con relación al grado medio de
estudio (367.20 km2) se caracteriza por valores inestabilidad, en tanto que Jiquilpan obtiene el mismo
medios de inestabilidad ambiental (45.25%), seguido grado en más del 42% de su territorio, seguido de
de aquellos medio-bajos (37.65%) y medio-altos grado medio-bajo de inestabilidad. Con relación al
(10.31%). El resto del territorio exhibe grados de tercer grado mejor situado, Sahuayo muestra un grado
inestabilidad tanto bajos (6.12%) como altos (0.67%) de inestabilidad bajo (9.66%), mientras que Jiquilpan
(Tab. 2). obtiene grados de inestabilidad medio altos (14.13%)
Tabla 2. Condición de inestabilidad; usos (Fig.6).
recomendables en relación a los elementos del medio
físico. % DEL GRADO DE INESTABILIDAD
60
% REPRESENTATIVO
DEL AREA TOTAL

50
40
30
20
10
0
La dominancia de uno u otro elemento del medio Bajo Medio Bajo Medio Medio Alto Alto
físico en términos de la superficie que representa, por GRADO DE INESTABILIDAD
tanto, demuestra que la condición de inestabilidad se
relaciona con los bosques secundarios que se AREA DE ESTUDIO SAHUAYO JIQUILPAN
desarrollan sobre suelos de tipo vertisol, cuyo origen
proviene de material volcano-basáltico y que, a su
Figura 6. Grado de Inestabilidad a escala del área de
vez, forma lomeríos de mediana (25.55%) a fuerte
estudio y municipal
(23.18%) inclinación, lo que confiere grados de
erosión e inestabilidad de baja a media intensidad. Los

195
 5 CONCLUSIONES
Los sistemas de información geográfica son
herramientas de análisis espacial que permiten no solo
trabajar a escala municipal los intrincados problemas
a la hora de establecer un criterio de zonificación
primaria, sino también proponer mediante modelos
digitales soluciones viables en materia de desarrollo
urbano. Si bien el presente trabajo arroja información
de primera mano para generar lineamientos y criterios
de zonificación primaria a escala municipal, es
indispensable que los resultados aquí presentados sean
reflexivos más que concluyentes, principalmente en
relación con los elementos del medio físico. Es
necesario incluir otros más específicos en climatología
e hidrología, por ejemplo; y otros más de tipo
antrópico como normas en materia de
aprovechamiento y restricciones al suelo, vialidad,
lotificación y transporte a escala local.
REFERENCIAS
SEDESOL (1999). Sistema normativo de equipamiento
urbano. Secretaria de Desarrollo Social. México.
ITC. 2001. Ilwis 3.0 Academic User's Guide. ITC.
Enschede, Netherland.
196
Lomnitz, C. (1988). Las causas probables de la catástrofe
sísmica del 19 de septiembre de 1985. Inst. de
Geofísica, UNAM. Ciencia y desarrollo,
septiembre/octubre 1988 Vol. XIV Núm 82,
CONACYT.
LGAH (1993). Disposiciones generales (Art.2). Ley
General de Asentamientos Humanos. México.
Cicacci y Quiñeco (1987).
INEGI (1982). Cartas geológica y edafológica a escala 1:50
000. Instituto Nacional de Estadística Geografía e
Informática. México.
Powers and Khon (1959). Identification of selected cultural
features. Aerial photointer-pretation of landforms and
rural-cultural features in glaciated and coastal regions,
Northwestern University, Illinois. 58-97 pp.
Encinso (1990). La fotointerpretación como instrumento de
apoyo a la investigación urbana. Universidad
Autónoma Metropolitana, México. 47 pp.
Mass y Ramírez (1996). Comparison of land use
classifications obtained by visual interpretation and
digital processing. ITC J. 3: 278-283.
Smith, J. 1987a. This is a fictive book title. Elsevier,
Amsterdam, pp. 123-124.
Oseas, T., Mercado, E. (1992). Manual de investigación
urbana. Ed. Trillas. México. 116 p.p.
Smith, J., Pettersson, D. and Andersson, C. 1990. This is an
example of a fictive journal article name. Int. J. Remote
Sens. 2:100-110.
APLICACIÓN DE IMÁGENES DE STAÉLITE DEL SENSOR SPOT PARA
EL ESTUDIO DEL SECTOR TRANSPORTE EN EL PAÍS
Jonatan Omar GONZALEZ MORENOa, Miguel Ángel BACKHOFF POHLSb
a
Instituto Mexicano del Transporte, Km. 12 Carretera a Galindo, Sanfandila, Pedro Escobedo, Querétaro,
México. Email: jgonzalez@imt.mx

RESUMEN
La Unidad de Sistemas de Información Geoespacial (USIG) del Instituto Mexicano del Transporte (IMT) ha
desarrollado, a lo largo de su historia, aplicaciones con SIG y GPS, para la resolución de problemáticas de
transporte donde esté inmerso el elemento “espacial”, y como consecuencia de su continua evolución, está el
incluir en sus líneas de trabajo las últimas tendencias en tecnología de punta. Es por ello, que se decide
incursionar en el área de la percepción remota y la teledetección, para la extracción de información y análisis
espacial, dependiendo el tipo de sensor y resolución espacial que se esté empleando. Derivado del convenio
establecido entre el IMT y el programa ERMEXS, como gestores autorizados para el uso exclusivo y
explotación de imágenes de satélite del sensor SPOT (Satellite Probatoire pour l'Observation de la Terre), se
determinó la necesidad de emplear a dicho sensor francés (SPOT), como aquel insumo básico (objeto de
estudio), para ser aplicado al sector transporte.
Palabras clave: Sensor, Teledetección, Imágenes de Satélite, Transporte, SPOT, Espacio Geográfico.
Federal (APF) y sus órganos desconcentrados,
1 INTRODUCCIÓN
pueden poseer una visión global del territorio,
En la actualidad, la percepción remota ha permitido al conocer sus cambios y proyectar las tendencias
hombre ampliar su capacidad visual y tener elementos mediante la constitución y actualización de bases de
propios de análisis enmarcados en el método datos de ocupación del suelo a escala urbana,
científico, que le permiten resolver diversos periurbana, regional y nacional; realizar estudios de
problemas en la investigación experimental. impacto ambiental; efectuar el seguimiento de la
El valor de las imágenes de satélite y la evolución de las manchas urbanas, entre otras muchas
información extraída de ellas es evidente. Ofrecen una aplicaciones.
visión global de objetos y detalles de la superficie El plan nacional de desarrollo, bajo la perspectiva
terrestre y facilitan la comprensión de las relaciones del plan sectorial7 de la Secretaría de Comunicaciones
que entre ellos pueden no verse a simple vista cuando y Transportes (SCT), marca al desarrollo regional
estas se observan sobre la superficie terrestre. El desde el punto de vista del factor transporte, como una
carácter "remoto" de la teledetección aumenta también línea fundamental de estudio, mediante la observación
este valor, ya que proporciona una visión más amplia de su evolución a través del tiempo y del espacio.
del planeta sin tener que estar en contacto físico con el Motivo por el cual, el uso de imágenes de satélite se
objeto de estudio. convierte en una herramienta potencial para la mejor
Es importante mencionar que por primera vez se gestión, análisis y representación de la información
obtuvo una licencia multiusuario de imágenes de espacial, con técnicas cada vez más útiles y modernas.
satélite, para un Gobierno Federal por parte de la Dentro de la visión del Instituto Mexicano del
empresa SPOT Image®, mismas que son utilizadas Transporte (IMT) se encuentra la investigación
por las dependencias e instituciones en los tres niveles aplicada de excelencia que lo acredite como el brazo
de gobierno, así como por las universidades e científico y tecnológico de la Secretría de
instituciones públicas de nivel superior dedicadas a la Comunicaciones y Transportes (SCT), es por ello que
investigación científica; La adquisición de las
7
imágenes de los satélites SPOT, por parte del Programa Sectorial de Comunicaciones y Transportes, de la
Gobierno Federal, representa una herramienta Secretaría de Comunicaciones y Transportes, SCT, 2007-2012.
fundamental para el desarrollo y la modernización que DF, México.
el país requiere. Con esto, la Administración Pública

197
esta nueva “línea de investigación”, no puede quedar
ajena a la evolución de la institución.
1.1 OBJETIVOS
Evaluar y determinar el potencial de implementación
y aplicación de imágenes de satélite del sensor SPOT,
al estudio del sector transporte en el país.
 Elaborar un marco teórico y conceptual que de
sustento a las aplicaciones de las imágenes de
satélite del sensor SPOT para los estudios del
transporte en el país.
 Describir los diferentes niveles de procesamiento
(nivel 1A, 1B, 2A y 2B) de este tipo de imágenes
de satélite, para conocer un poco más de la
naturaleza de las mismas.
 Describir y evaluar comparativamente los
diferentes niveles de resolución espacial y
espectral del sensor SPOT existentes en la
actualidad.
2 PROGRAMA SPOT
La constelación SPOT (Satellite Probatoire pour
l'Observation de la Terre)8, son satélites artificiales
desarrollados por el Centro Nacional de Estudios
Espaciales de Francia (CNES) en colaboración con el
gobierno de Bélgica y Suecia y fabricados por EADS
Astrium. Spot Image® es una compañía de servicios
de observación de la Tierra líder en su sector que
ofrece productos y soluciones basados en imágenes a
clientes de todo el mundo desde 1986. Spot Image®
es propiedad al 98,9% de EADS Astrium y forma,
junto con Infoterra, la División de GEO-Información
de Astrium Services. La sede central del grupo Spot
Image® se encuentra en Toulouse, Francia. La
distribución se realiza mediante una red internacional
de socios y estaciones de recepción.
En la actualidad el programa SPOT es operado por
la empresa Astrium Services (antes SPOT Image®)
junto con otras constelaciones de satélites europeos de
observación de la Tierra en órbita baja, incluidos los
satélites militares de reconocimiento Helios, los
satélites de radar ERS, el satélite medioambiental
Envisat y los satélites meteorológicos MetOp.
Con una constelación de cinco satélites, solo dos
(satélites SPOT) permanecen actualmente en servicio
8
Satélites Para la Observación de la Tierra
198
operativo: SPOT 4 y SPOT 5. Ambos en órbita polar,
circular y heliosincrónica sobre la Tierra.
Su historia:
 SPOT 1, lanzado en Febrero de 1986 (sin operar
desde noviembre de 2003).
 SPOT 2, lanzado en enero de 1990 (sin operar
desde julio de 2009).
 SPOT 3, lanzado en Septiembre 1993, (sin operar
por problema técnico desde 1996)
 SPOT 4, lanzado en marzo de 1998
 SPOT 5, lanzado en mayo de 2002
 SPOT 6 y SPOT 7, Serán lanzados en Septiembre
de 2012 y Enero de 2014 respectivamente para
trabajar hasta el año 2023.
La constelación de satélites SPOT ofrece una
capacidad operacional diaria de adquisición,
prácticamente de, cualquier punto del globo terráqueo
con una resolución de diez metros. El Spot 5 transmite
imágenes con una resolución de 2.5 metros en una
franja muy amplia. Además, el instrumento HRS de
SPOT 5 permite la adquisición simultánea de pares
estereoscópicos para la generación de maquetas
digitales en relieve para aplicaciones de cartografía
tridimensional.
SPOT 6 y SPOT 7 transmitirán imágenes con una
resolución de 1.5 metros en pancromático y 6 metros
para multiespectral, y formarán parte de la nueva
constelación de satélites de observación de la Tierra
diseñada para garantizar la continuidad de la
disponibilidad de los datos de alta resolución y campo
amplio hasta 2023. Incorporarán las innovaciones
tecnológicas y operativas con las que cuenta
actualmente, la constelación Pleiades (50 cm. de
resolución) puestos en órbita el 31 de agosto de este
año.
2.1 CARACTERISTICAS DEL SENSOR
Con una altura de orbital de 822 km, una inclinación
de 98º y un período orbital de 101 minutos. La
resolución temporal es de 26 días. Una de las ventajas
con que cuentan los satélites SPOT es la posibilidad
de observación no vertical de su sensor HRV (Haute
Resolution Visible), es lo que denominan sensores
enfocables que permite adquirir datos de zonas fuera
de su órbita mediante el movimiento, de hasta 27º a
ambos lados del nadir. El satélite SPOT 5 transporta
además un dispositivo HRS (High Resolution Stereo),
instrumento de alta resolución estereoscópica,
instalado en el equipo óptico, para la realización de
pares de imágenes estereoscópicas.
 Tabla 1. Algunas especificaciones del sensor Tabla 2. Niveles de pre-procesamiento y precisión
SPOT de la localización del sensor SPOT.
Productos Pancromático: 2.5m-5m-10m
Multiespectral: 2.5m-5m-10m-20m
Bandas P (Pancromático); B1 (verde),
Espectrales
B2 (rojo), B3 (infrarojo
cercano), B4 (infrarojo medio,
por SPOT 4y5)
Coberturas 60 x 60km
Revisita De 2 a 3 días
1día con la constelación de satélites
SPOT
A continuación se describen los diferentes niveles
de pre-procesamiento existentes:
Programación Sí, estándar o prioritaria
Nivel 1A: Consiste en una corrección radiométrica
Archivo  15 millones de imágenes desde de las distorsiones entre los detectores elementales del
Mundial 1986 instrumento de captura de las imágenes (igualación
Angulo de Visión lateral +/- 27° radiométrica), debidas a las desviaciones de
Visión Estéreo adelante/atrás con SPOT 5 sensibilidad. No se aplica ninguna corrección
geométrica. Se trata de un nivel de preprocesamiento
Precisión de < 30 m en SOPT 5 cuasi-grueso. Destinado a los usuarios deseosos de
Localización efectuar por sí mismos los procesamientos
<350 m en SPO 4
Productos Ortho < 10 m si se geométricos de la imagen.
emplea la base reference 3D de lo
contrario depende de la calidad de
los puntos de control
Niveles de 1A, 1B, 2A, 2B, Ortho
procesamiento

2.2 NIVELES DE PROCESAMIENTO DE

UNA IMAGEN DE SATÉLITE.
Las imágenes de satélite adquiridas directamente por
las antenas receptoras, requieren de un proceso para
corregir los datos que ellas contienen, es decir, por la
curvatura de la tierra, así como los agentes exógenos
que hacen que exista dispersión en la señal y
distorsión en la imagen, es por ello, que existen 4
niveles de preprocesamiento para corregir, dichas
anomalías.

Figura 1. SPOT Scene Nivel 1A.

Nivel 1B: Cuenta con una corrección radiométrica

idéntica a la del nivel 1A. Consiste en una corrección
geométrica de los efectos sistemáticos (variación de la
actitud del satélite, efecto panorámico, curvatura y

199
rotación de la Tierra). Corrige las distorsiones internas
causadas por las condiciones de captura de la imagen,
lo que permite, las mediciones de distancias, de
ángulos y de superficie. Los errores de paralaje
debidos al relieve no son tomados en cuenta en el
cálculo de estas precisiones de localización. Producto
privilegiado para la fotointerpretación y estudios
temáticos.
Los niveles 1 (uno) están destinados a las
aplicaciones cartográficas y se utilizan para los
procesamientos geométricos de la imagen: Modelos
Digitales de Elevación (MDE), orto-rectificación y
procesamientos radiométricos precisos.
El nivel de pre-tratamiento necesario para la
ortorectificación es el nivel 1A, entregado por defecto
en perfil SPOT Scene, que contiene los parámetros de
toma de imagen (posición del satélite, efemérides,
etc.) necesarios para este tratamiento geométrico.
Figura 2. SPOT Scene Nivel 1B.
Nivel 2A: Corrección radiométrica idéntica a la del
nivel 1A. Consiste en una corrección geométrica
efectuada dentro de la proyección cartográfica
estándar (UTM WGS84 por defecto) sin toma de
puntos de control. Permite la sobre posición de capas,
teniendo en cuenta la eventual diferencia en la
localización, la imagen con de diferentes tipos
información geográfica (vectores, mapas raster y otras
imágenes satelitales). La precisión de la localización
es de 30 m (a una desviación estándar).
200
En el nivel 2A, la escena se rectifica en la
proyección cartográfica estándar (UTM WGS 84), sin
utilización de puntos de control. Se trata de un
producto de nivel inicial en la gama de los productos
cartográficos. En SPOT 5, se utiliza un MDE mundial
con mallas de 1 km por lado. Las correcciones
geométricas se basan en un modelo de remuestreo
teniendo en cuenta las distorsiones debidas a las
condiciones de captura de imagen y las
transformaciones necesarias para transponer la imagen
en la proyección cartográfica anteriormente
mencionada. Este modelo se calcula sobre la base de
los parámetros de captura de la imagen, conocidos a
priori (efemérides del satélite, actitud, etc.), sin
provisión de mediciones exteriores. A petición, es
posible optar por otras proyecciones cartográficas ó
por otras altitudes medias de rectificación.
Figura 3. SPOT Scene Nivel 2A.
Nivel 2B (Precisión): Consiste en poner una
proyección cartográfica dada, y toma de puntos de
control deducidos de un mapa ó por medición en
campo con equipo GPS. La imagen se corrige a una
altitud media dentro de una proyección y un corte
cartográfico normalizado. Este tipo de procesamiento,
es utilizado cuando las deformaciones debidas al
relieve no son determinantes (terreno plano, etc).
Nivel 3 (Ortho): Consiste en poner una proyección
cartográfica a partir de puntos de control y de un
Modelo Digital de Elevación (MDE) para eliminar las
distorsiones debidas al relieve. Precisión máxima es
de 10 m. para este sensor. Las correcciones
geométricas, son conocidas como "orto-
rectificaciones". Los Satélites en la actualidad tienen
gran importancia en la prevención de catástrofes de
origen natural. SPOT tiene la capacidad de realizar
tomas de imágenes estereoscópicas para producir
DEM´s de excelente precisión. La visión
estereoscópica permite visualizar imágenes del terreno
en tres dimensiones útiles para simulaciones de la
dinámica de inundaciones, entre otras. Las imágenes
estereoscópicas se pueden obtener tanto del canal
pancromático como del multiespectral.
Figura 4. SPOT View Nivel 3
3 CONVENIO ERMEXS
El Gobierno de México representado por la Secretaría
de Marina (SEMAR) y la Secretaria de Agricultura,
Ganadería, Desarrollo Rural, Pesca y Alimentación
(SAGARPA) sumaron esfuerzos para llevar a cabo la
instalación, custodia y operación de la Estación de
Recepción México de la constelación SPOT
(ERMEXS) en el año 2003; La cual consiste en una
terminal avanzada para la recepción, almacenamiento,
extracción y archivo de datos del sensor SPOT, así
como su administración y procesamiento.
En su operación, ambas dependencias han
integrado también a personal del Instituto Nacional de
Estadística, Geografía e Informática (INEGI) como un
ejemplo de colaboración interinstitucional a fin de
responder con prontitud y eficacia, a las necesidades
tecnológicas en obtención de imágenes de satélite.
201
La ERMEXS, se ubica en las instalaciones de la
SEMAR, en la ciudad de México, y es operada por un
consejo directivo en el que participan la SEMAR y el
INEGI bajo la coordinación del Servicio de
Información Agroalimentaria y Pesca (SIAP)
dependiente de la SAGARPA; Incluye una antena,
una terminal de archivo y procesamiento, así como un
área de telemetría, para lograr un acceso directo y
privilegiado a los datos satelitales ópticos.
La cobertura de la antena es de 2 mil 500
kilómetros de radio a partir de su ubicación física;
abarca el territorio nacional incluyendo las Zonas
Económicas Exclusivas del Golfo de México y del
Océano Pacífico, además de toda Centroamérica,
Cuba y el Sur de Estados Unidos. La antena recibe
señales de los satélites 4 y 5 y tiene capacidad de
captura de imágenes con una con una resolución de 20
metros por píxel en multiespectral hasta 2.5 metros en
pancromática, con excelente precisión de localización;
las prioridades de uso para esta tecnología son
agricultura, desastres naturales y cartografía.
Cada uno de los satélites pasa dos veces al día sobre
el territorio nacional y pueden enviar hasta cien
fotografías diariamente. Cada toma cubre áreas de
hasta 3 mil 600 kilómetros cuadrados, por lo que con
822 imágenes se puede tener la cobertura de la
superficie terrestre del país.
Figura 5. Instalaciones de la ERMEXS en la SEMAR
Entre las principales usuarios de la APF están,
SAGARPA, SENER, SHCP, SSA y SRA; también
están la Comisión Federal de Electricidad (CFE) y el
Instituto Federal Electoral (IFE); otros usuarios son
los gobiernos de las entidades federativas, centros de
investigación y universidades públicas. Cabe señalar
que el servicio a estas instituciones se entrega de
manera gratuita con base en convenios firmados.
En Noviembre del 2009, el IMT firmó un
convenio de colaboración para designar a los autores
de este artículo, como gestores oficiales ante el
programa ERMEXS, para el uso exclusivo e irrestricto
de imágenes de satélite de este sensor. En Febrero de
2011, el IMT solicita el 6to cubrimiento nacional, con Figura 6. Imagen que ilustra la corrección geométrica del
nivel de procesamiento 1A, y desde entonces se ha trazo de una carretera, con ayuda de una imagen satelital de
trabajado sobre el desarrollo y aplicación que fondo a manera de guía.
beneficie de cualquier manera al sector transporte en
El mosaico elaborado del estado de Querétaro en
el país.
imágenes SPOT, está conformado por 12 escenas,
4 DESARROLLO DE APLICACIONES tomadas en Julio del 2010, por el Satélite 5, en
pancromático, con nivel 1A de procesamiento.
Contando con las imágenes de satélite, y con la
infraestructura necesaria para el desarrollo y
explotación de las mismas, se requirió la justificación
de la incursión de esta nueva línea de investigación
hacia la USIG, dentro del IMT, por lo que se procedió
a documentar algunas aplicaciones existentes con este
sensor y se descubrieron diversas líneas, como:
Defensa, Seguridad, Ordenamiento Ecológico,
Catastro, Agricultura, Hidrología, Hidro-grafía,
Geografía, entre otras.
Por lo que surgió la necesidad y se buscó asesoría
para definir los procedimientos de fotoidentificación
de infraestructura y/ó determinación de firmas
espectrales (si fuera posible) ó bien la clasificación de
elementos de manera semi-automatizada aplicados a
este sensor de estudio.
Se utilizaron las carreras del Inventario Nacional
Una de las primeras actividades fue la realización de Infraestructura para el Transporte (INIT) 2007 del
de una imagen satelital georreferida a través de la IMT, como puntos de control para hacer su corrección
unión de varias escenas. Comenzamos con la geométrica de los elementos, junto con la red
elaboración de un mosaico a nivel estatal, se eligió al geodésica nacional del INEGI. Nos apoyamos en el
estado de Querétaro, que es el estado donde se software gestor de imágenes de satélite ENVI. Vr. 4.6
localiza el IMT, el cual serviría de base y referencia con su módulo de Rigurous rectification y su utilizó la
para la Foto-identificación de caminos rurales, proyección UTM zona 14 con datum WGS84.
identificación y obtención del trazo, así como la
El tamaño del Mosaico Querétaro, resultó ser de
corrección geométrica de los trazos de las carreteras,
95304 columnas X, 105649 renglones Y, con un peso
que fueron capturados en campo vía GPS, y que en
aproximado de 10 Gb. En tamaño real es a 8 bits (255
gabinete presentan algún tipo de anomalía, que
grises), pero se utilizó el compresor de ER-Mapper,
suceden cuando el receptor GPS se encuentra en una
quedando en un archivo, ECW a 700 Mb.
zona de afectación o mala recepción de la señal, por lo
que, no está claramente definido el trazo y se apoya Parte de la realización de este trabajo es de suma
uno, en una imagen orto-rectificada para la resolución importancia para la USIG, debido a que anteriormente
de la información no capturada en campo. a la incursión de las imágenes de satélite SPOT, esta
tarea (de apoyo a la digitalización y corrección del

202
trazo carretero en gabinete) se realizaba a través del
servicio WMS de ortofotos del INEGI, la dirección
es:http://antares.inegi.gob.mx/cgi-bin/map4/mapserv_orto?
Figura 7. Imagen del Aeropuerto Internacional de la
Ciudad de Querétaro (AICQ), encima los vectores del INIT
2007, para comprobar la calidad de la información
capturada en campo vía GPS.
Figura 8. Imagen de La ciudad de Querétaro, encima los
vectores del INIT 2007, para comprobar la calidad de la
información capturada en campo vía GPS.
5 CONCLUSIONES
El acceso a las imágenes de la ERMEXS ha
generado expectativas para la generación de proyectos
a nivel regional y nacional. México es el único país en
el mundo que cuenta con una multilicencia, lo que
significa contar con amplias ventajas en costos para la
utilización de dichas imágenes.
El acceso a las imágenes SPOT, sin cargo por parte
de ERMEXS ha permitido el desarrollo de estudios y
proyectos que por el costo de las imágenes hubieran
resultado poco factibles de desarrollar. Esto ha
favorecido la optimización de los recursos financieros
Institucionales de la APF al reducirse los costos de los
proyectos, y se ha evitado la duplicidad de adquisición
de este tipo de información.
Se ha apoyado el incremento en la calidad de los
estudios y proyectos al disponer de imágenes actuales
y de mayor resolución, desarrollo de metodologías
203
más ágiles para su procesamiento y obtención de
resultados en intervalos reducidos de tiempo.
Si bien es de utilidad directa para las instituciones
de gobierno y académicas, el beneficio es para la
población en su conjunto; particularmente el sector
agropecuario, forestal, pesquero, de recursos
naturales, del medio ambiente y de tele-
comunicaciones y transporte, que obtienen
información geoespacial de primer nivel para la toma
de decisiones que impactan en el desarrollo nacional.
Para el caso específico del transporte, está más que
probado que las técnicas de Percepción Remota
tienen el potencial de proveer información detallada
de caminos y redes de calles y puede ofrecer una
forma más económica y rápida para mejorar las
prácticas comunes para la observación y el inventario
de la red de transporte (Jensen and Cowen 1999,
Usher 2000). La cartografía digital generada y debido
a que está geo-referenciada, se liga fácilmente a
variables censales e indicadores socioeconómicos y
ambientales. De tal suerte que facilita la extracción de
información y la construcción de indicadores de
calidad de vida y de desarrollo.
Con respecto al sensor específicamente de SPOT
para esta aplicación, se concluye, que a pesar de sus 4
bandas espectrales, muchas de las posibles
aplicaciones de las imágenes de satélite al transporte
necesitan de mejores imágenes (mayor resolución
espacial y espectral) que las de SPOT, con todo y la
pancromática de 2.5 m. Dentro de su continua
evolución, habrá que esperar los productos que se
obtengan de los satélites SPOT 6 y SPOT 7, con 1.5 m
de resolución espacial, así como los satélites Pleiades,
lanzados este año con resoluciones sub-métricas de 50
cm.
Se necesita el desarrollo y actualización continúa
de inventarios de imágenes satelitales SPOT en
intervalos regulares que satisfagan los requerimientos
de información en tiempos cada vez más reducidos.
Por último, también se concluye que los costos
para la obtención tanto de software como de imágenes
es aún muy elevado, se necesita abaratar aún más
estos costos, y/ó buscar otras alternativas, llámese
software libre (existente). Así como la búsqueda de
nuevos sensores remotos menos comerciales, como
satélites, japoneses, hindúes, griegos, ó rusos.
AGRADECIMIENTOS
Se agradece los comentarios emitidos por el Mtro.
Luis Miguel Morales Manilla, coordinador del
Laboratorio de Análisis espacial del Centro de
Investigación en Geografía Ambiental (CIGA). Al
Instituto Mexicano del Transporte por el
financiamiento para la realización de este estudio; Al
Ing. Tristán Ruíz Lang, coordinador de Ingeniería
Portuaria y Sistemas Geoespaciales del IMT, por las
gestiones realizadas para el beneficio de las
actividades relacionadas con el proceso y desarrollo
de la investigación, así como al Programa ERMEXS,
por la facilidades otorgadas para la obtención de las
imágenes de satélite.
REFERENCIAS
Backhoff, M. A y García, G. 1992. Los sistemas de
información geográfica y el transporte. Publicación
Técnica No. 32. Instituto Mexicano del Transporte.
México.
Backhoff, M. A. 2005. Transporte y espacio geográfico.
Una aproximación geoinformática. UNAM. México.
204
Campbell, J.B. 1987. Introduction to Remote Sensing. The
Guilford Press, New York, USA.
Canada Centre for Remote Sensing (CCRS). 2000.
Fundamentals of Remote Sensing. Vancouver, Canada.
Lilles, T.M. y Kiefer, R.W. 1994. Remote Sensing and
Image Interpretation. John Wiley and Sons Inc., New
York, USA.
Lira J. 1995. La percepción remota: nuestros ojos desde el
espacio. Fondo de Cultura Económica, México.
Sensores Remotos & SIG (SRGIS). 2006. Guía básica
sobre Imágenes Satelitales y sus productos. Colombia.
Transportation Research Board. 2003. Remote Sensing for
Transportation: Products and Results. Washington,
D.C. Report of a conference, conference proceedings
Num. 29 ISBN 0-309-08551-9
http://www.spotimage.com
http:// www.digitalglobe.com
http://www.geoeye.com
http://www.ittvis.com/
http://www.semar.gob.mx/sitio_2/informacion-sector/ciencia/ermexs.html
http://mapserver.inegi.org.mx/geografia/espanol/eventos/ermexs/08-04-
10/04%20ING.%20FRANCISCO%20GABRIEL%20VAZQUEZ%20
GALICIA.pdf
SANIDAD VEGETAL
Y CONTAMINACIÓN

205
 SCOPE: PLATAFORMA INFORMÁTICA EPIDEMIOLÓGICA
FITOSANITARIA EN MÉXICO
María Guadalupe GALINDO MENDOZAa
a
Universidad Autónoma de San Luis Potosí, Coordinación para la Inovacion y Aplicación de Ciencia y
Tecnología. Sierra Leona 550, SLP, Méx. Tel (444) 8256045, ggm@uaslp.mx.

RESUMEN
Es una plataforma informática mexicana con base tecnológica y científica para el pronóstico, seguimiento,
modelado y predicción de plagas y enfermedades que afectan o que podrían afectar la agricultura mexicana. La
plataforma informática SCOPE, además de la integración de las tecnologías de la información, incorpora el
manejo espacial de la información de campo, modelado biológico y de dispersión de plagas, publicación interna
de comentarios y difusión pública de mapas y recomendaciones sobre las plagas reglamentadas bajo vigilancia.
Esto se logra bajo una estructura de nodos de análisis en cinco niveles de organización:
1. Muestreo en tiempo real de organismos-plaga en campo; registros meteorológicos, datos de hospedantes,
imágenes de satélite y cualquier información que describa el comportamiento de las plagas.
2. Modelado: la información introducida en la plataforma generará modelos de acuerdo a la temática que se
solicite, dichos modelos se estructuran dependiendo de la calidad y cantidad de las fuentes de información. 3.
Integración: los modelos generados en el programa serán sobrepuestos en diferentes capas, resaltando los
elementos más importantes de cada variable, la visualización será a través de mapas, gráficas y tablas.
4.Interpretación: los productos resultantes de la integración de los modelos ayudan a establecer interpretaciones
del comportamiento actual de cada plaga, a través de diferentes ángulos de especialización. 5. Difusión: los
modelos generados por el programa y la interpretación que se genere por los científicos y expertos, es
diseminado al público interesado en aspectos fitosanitarios, que van desde instituciones gubernamentales y
privadas, hasta productores y público en general. Los primeros cuatro niveles corresponden al sitio privado, es
decir, a la interfaz interna donde la captura de datos (muestreo de plagas, registros meteorológicos, información
biológica, etc), el modelado y análisis se realizan por el personal asignado para estas tareas antes de proceder a
la publicación de los resultados a través del sitio público. En el caso del sitio público, los usuarios pueden
consultar todos los modelos que se hayan desarrollado en la interfase privada (http://scope.zedxinc.com/cgi-bin/public.cgi).
El alcance del modelado SCOPE es global, ya que permite la vigilancia, además de plagas internas, de plagas
externas, a través de la disponibilidad de la base de datos climáticos mundial y de la aplicación de los modelos a
cualquier parte del mundo.

experimentos del CERN” (Berners-Lee, 1989). Por

1 INTRODUCCIÓN
El principio fundamental a partir del cual fue
posible configurar las plataformas informáticas,
además de la tecnología mencionada, es la interfaz
de trabajo, constituida por un sitio Web. Esto no es
más que un documento escrito como hipertexto el
cual es “…una manera de vincular y acceder a
información de diverso tipo a través de nodos de
red…” (Berners-Lee y Cailliau, 1990). Sin
embargo, previo a la codificación de la World Wide
Web, Berners-Lee ya hablaba de administrar la
información, en su famosa propuesta para la primera
plataforma informática creada para administrar la
“información general acerca de los aceleradores y
otro lado, Hendley et al. (1993) advierten, en los
inicios de la web, que uno de los temas más
importantes para cumplir es la calidad de sus
contenidos y la facilidad de uso.
Otra característica de una interfaz Web es la
ubicuidad para acceder a la plataforma de trabajo.
Aunque todavía no existe un sistema ubicuo
inteligente total como lo plantean Tai-Jong and
Min-Cheol (2008), los sistemas de
telecomunicación actuales cubren la mayor parte del
territorio urbano del planeta y porciones de
comunidades rurales, incluso con servicios
inalámbricos de Internet que ofrecen oportunidades
de trabajo a escala de las nuevas micro-

206
computadoras o smartphones. Aunque González
Morán et al. (2008) hablan de la información en
tiempo real para la vigilancia epidemiológica, es
importante hacer notar que, más bien, se puede
lograr un tiempo cuasi-real, es decir, lo más cercano
a la inmediatez. Las tecnologías de la información
reducen considerablemente los tiempos o retrasos en
la diseminación de la información. Los límites
físicos y el tiempo de captación, codificación,
transmisión y decodificación de los datos impiden el
tiempo real en el estricto sentido de la palabra.
Los casos más importantes que demuestran las
ventajas de los sistemas de vigilancia epidemiológi-
ca son los implementados en salud humana, las
cuales han mostrado un buen avance en la
Comunidad Económica Europea (CEE) y han
logrado una respuesta más oportuna en el manejo de
las enfermedades. Uno de los primeros ejemplos de
plataformas de este tipo fue la del Instituto Nacional
de Salud Pública de Holanda, quien comenzó a
desarrollar en 1994 su sistema denominado ISIS
para la difusión oportuna de los resultados de los
laboratorios microbiológicos hacia los
departamentos de salud.
Otro factor fundamental de una plataforma
informática para la vigilancia epidemiológica es el
monitoreo, paso intermedio entre el diagnóstico y el
pronóstico. Para Busch y Trexler (2003) el
monitoreo a largo plazo es imprescindible para
mejorar la gestión de recursos naturales debido a
que sirve para comprender la resiliencia del medio
en estudio y su capacidad adaptativa, lo cual
requiere, además del monitoreo de las variables,
aprender a confrontar la incertidumbre en un medio
dinámico (Gunderson, 2003).
La necesidad de una plataforma informática para
el monitoreo es primero inmediata: la tecnología
ofrece el tiempo cuasi-real de difusión de la
información; después se convierte en el medio
cuasi-ubicuo para robustecer la investigación.
Comúnmente se han separado los elementos
monitoreo e investigación debido a la naturaleza
descriptiva del monitoreo. Sin embargo, debido a
que la búsqueda de la causa es el objetivo de la
investigación, el monitoreo la alimenta, y está a su
vez devuelve resultados para redirigir el monitoreo
(Busch y Trexler, 2003). Debe ser un proceso
iterativo de hipótesis y prueba.
El Sistema Coordinado de Operaciones para el
manejo de Plagas Reglamentadas y su
207
Epidemiología (SCOPE) fue descrita en el Informe
SINAVEF 2009 a detalle. A continuación se
muestra un resumen de la estructura de la
plataforma y algunos ejemplos de su trabajo y
estadísticas de uso durante 2010.
1.1 PLATAFORMA SCOPE
Es una plataforma informática mexicana con base
tecnológica y científica para el pronóstico,
seguimiento, modelado y predicción de plagas y
enfermedades que afectan o que podrían afectar al
país. Además, incluye elementos de comunicación
entre modeladores y tomadores de decisiones, que
desemboca en una interfaz pública.
SCOPE es además una base de datos donde se
almacenan y estandarizan los datos de muestreo de
plagas y sus productos, principalmente mapas de
modelado. La ciber-infraestructura, propuesta por la
National Science Foundation de los Estados Unidos
(US NSF, 2003) responde a la implementación de
las tecnologías de la información en el concepto de
plataforma informática, antes descrito.
Un parte indispensable de la plataforma SCOPE
es su capacidad como sistema de información
geográfico, que permite la interacción de distintos
productos cartográficos, derivados de modelados
espaciales con variables tan diversas como
muestreos de campo, características climáticas,
modelos biológicos. Su complemento es la
interacción de los participantes del sistema para la
revisión y validación de los procesos y resultados.
La creación de SCOPE, proyecto liderado por la
Dirección General de Sanidad Vegetal del
SENASICA y la Universidad Autónoma de San
Luis Potosí, se realizó bajo el desarrollo técnico de
ZedX, Inc., empresa estadounidense de tecnologías
de la información. Además se tuvo el apoyo de
entidades académicas como la Universidad Estatal
de Carolina del Norte y la Universidad Estatal de
Pensilvania, y entidades oficiales como la Animal
and Plant Health Inspection Service – APHIS
(ámbito gubernamental).
La plataforma informática SCOPE, además de la
integración de las tecnologías de la información,
incorpora el manejo espacial de la información de
campo, modelado biológico y de dispersión de
plagas, publicación interna de comentarios y
difusión pública de mapas y recomendaciones sobre
las plagas reglamentadas bajo vigilancia. Esto se
logra bajo una estructura de nodos de análisis que
consta de 5 niveles de organización que se aprecia
en la Figura 1 y se compone de:
1. Fuentes de información: es la base principal,
ya que en esta parte se introduce cualquier fuente de
información referente a la plaga estudiada, desde
datos de programa de vigilancia y campañas
fitosanitarias (muestreos), registros meteorológicos,
datos de hospedantes, imágenes de satélite y
cualquier información que describa el
comportamiento de las plagas.
2. Modelos: la información introducida en la
plataforma generará modelos de acuerdo a la
temática que se solicite, dichos modelos se
estructuran dependiendo de la calidad y cantidad de Figura 1. Estructura SCOPE
las fuentes de información. La plataforma SCOPE está integrada por la
3. Integración: los modelos generados en el interfaz la pública (Figura 2) y privada (Figura 3).
programa serán sobrepuestos en diferentes capas, La primera cuenta con una estructura de roles y
resaltando los elementos más importantes de cada privilegios para las diferentes herramientas que cada
variable, la visualización será a través de mapas, usuario puede utilizar. Los usuarios de esta interfaz
gráficas y tablas. pueden ingresar información de campo y/o
4. Interpretación: los productos resultantes de la laboratorio, consultar registros históricos y mapas
integración de los modelos ayudan a establecer de distribución actual, se generan modelos
interpretaciones del comportamiento actual de cada predictivos y de riesgo, se da seguimiento a
plaga, a través diferentes ángulos de modelos meteorológicos al tiempo de ingresar
especialización. recomendaciones y comentarios. En el caso del sitio
público, los usuarios pueden consultar todos los
5. Difusión: los modelos generados por el modelos que se hayan desarrollado en la interfase
programa y la interpretación que se genere por los privada (http:// scope.zedxinc.com/cgi-
científicos y expertos, es diseminado al público bin/public.cgi). El alcance del modelado SCOPE es
interesado en aspectos fitosanitarios, que van desde global, ya que permite la vigilancia, además de
instituciones gubernamentales y privadas, hasta plagas internas, de plagas externas, a través de la
productores y público en general. Los primeros 4 disponibilidad de la base de datos climáticos
niveles corresponden al sitio privado, es decir, a la mundial y de la aplicación de los modelos a
interfaz interna donde la captura de datos (muestreo cualquier parte del mundo.
de plagas, registros meteorológicos, información
biológica, etc), el modelado y análisis se realizan
por el personal asignado para estas tareas antes de
proceder a la publicación de los resultados a través
del sitio público.

Figura 2 Pantalla principal pública de SCOPE

208
 Se han subido distintos mapas de modelado
realizados por SINAVEF-UASLP para las distintas
plagas reglamentadas bajo vigilancia. Estos
corresponden a modelos biológicos de grados: día
de desarrollo, días favorables de desarrollo y mapas
de riesgo. Esto gracias a la funcionalidad de SCOPE
para la carga de mapas generados fuera de la
plataforma. En total se han subido 37 mapas de
riesgo y de modelos biológicos. Además, se
visualiza en esta parte pública, los municipios con
vigilancia y el estatus de los muestreos.
Figura 3 Herramienta de visualización espacial de
SCOPE en sitio privado.
El modelado SCOPE funciona a partir de
modelos matemáticos de predicción, alimentada con
información biológica, condiciones de confort
térmico y hospederos potenciales de desarrollo de la
plaga. A partir de estas fuentes, los modelos simulan
espacialmente, dentro de la plataforma, áreas de
posible riesgo a ser afectados, visualizados
principalmente a través de mapas y gráficas.
Permitiendo la organización virtual de información
que fluye a través de equipos de cómputo mediante
software y protocolos de comunicación.
Los modelos que realiza SCOPE son:
Modelado biológico:
Grados día de desarrollo para insectos:
temperatura base de desarrollo y las características
de las etapas biológicas de la plaga.
Infección para enfermedades: calcula el tiempo
transcurrido con las condiciones óptimas de
temperatura y de humedad en la hoja en las cuales
una enfermedad se desarrolla.
Modelo genérico: modelo empírico y lógico
utilizado cuando la información de cierta plaga es
209
escasa y cuando se conocen algunos valores
climáticos de afectación de su desarrollo
Hysplit: modelo aerobiológico de dispersión.
Calcula la trayectoria y concentración del aire a
través de un modelo de Lagrange: utiliza registros
meteorológicos, cálculos de advección, dispersión y
deposición (Figura 5).
Figura 4. Modelo HySplit para Cochinilla Rosada.
Los mapas producto derivados de los modelos
son:
Históricos: modelo para una fecha específica.
Probabilidad: distribución espacial de la
frecuencia de ocurrencia de un evento específico a
través de un período de tiempo.
Normal histórica: estos mapas muestran el número
de veces que las condiciones de un cierto evento
ocurrieron.
REFERENCIAS
Berners-Lee, T. 1989. Information Management: A
proposal. Disponible en:
http://www.w3.org/History/1989/ proposal.html.
Berners-Lee, T. y R. Cailliau. 1990. WorldWideWeb:
Proposal for a HyperText Project. Carta electrónica
de los autores donde proponen la red mundial WWW.
Bruni, M., Calabrese, D. y Santucci, F. M. 2008.
Comunicación estratégica para el desarrollo agrícola.
El caso del Programa Nacional de Tecnología y
Formación Técnica Agropecuaria en Nicaragua.
Documento de trabajo del Banco Mundial No. 133.
Washington, DC. EUA.
Busch, D. E. y Trexler, J. C. 2003. The importance of
monitoring in regional ecosystem initiatives. En
Monitoring Ecosystems. Interdisciplinary approaches
for evaluating ecoregional initiatives. Editado por
Busch, D. E. y Trexler, J. C. Island Press.
Caffaro Rovira, M., García Pérez, J., Varela Santos, C.,
Herrera Guibert, D. y Ontañón, S de M. 2006. Las
páginas web de los servicios de vigilancia
epidemiológica como instrumento de difusión de la
información en 2006. Revista Española Salud
Pública. 2006; 80:717:726.
Description of the Hysplit_4 Modeling System, Revisión
del original de 1997. NOAA Technical Memorandum
ERL ARL-224, Air Resources Laboratory, Silver
Spring, Maryland.
Draxler, R. R. y A. D. Taylor. 1982. Horizontal
dispersion parameters for long-rate transport
modeling. Journal of Applied Meteorology. 21:367-
372.
FAO. 2009. NIMF. No. 5 Glosario de Términos
Fitosanitarios. Normas Internacional para Medidas
Fitosanitarias. Convención Internacional de
Protección Fitosanitaria.
FAO. Hendley, R. J., Whittington, C. D. y Jurascheck, J.
1993. Hypermedia generation from domain
representations. Computers & Education, Febrero
1993, 20(1)127-132.
210
Gunderson, L. H. 2003. Learning to monitor or
monitoring to learn. En Monitoring Ecosystems.
Interdisciplinary approaches for evaluating
ecoregional initiatives. Editado por
Hendley, R. J., Whittington, C. D. y Jurascheck, J. 1993.
Hypermedia generation from domain representations.
Computers & Education, Febrero 1993, 20(1)127-
132.
Lado, C. 1998. The transfer of agricultural technology
and the development of small-scale farming in rural
Africa: case studies from Ghana, Sudan, Uganda,
Zambia and South Africa. GeoJournal. 45:165-176.
Lapointe, S., Borchert, D. y Hall, D. 2006. Effect of low
temperatures on mortality and oviposition in conjunc-
tion with climate mapping to predict spread of the
root weevil Diaprepes abbreviatus and introduced
natural enemies. Environmental Entomology. 36:73-
82.
Lopera, H. 2000. Integración de redes de conocimiento:
una responsabilidad de la biblioteca universitaria.
Ponencia presentada en el Sexto Congreso Nacional
de Bibliotecología y Documentación, ASCOLBI Bo-
gotá, Julio 4-7 de 2000.
DISTRIBUCIÓN ESPACIAL DE CR, PB, CU DE ORIGEN DE ACTIVIDAD
MINERA EN SUELOS Y SEDIMENTOS EN EL PARQUE NATURAL
SIERRA NANCHITITLA
Juan Carlos CASTRO VILLEGASa, Miguel Ángel BALDERAS PLATAa, Xanat ANTONIO
NÉMIGAa, Marivel HERNÁNDEZ TÉLLEZ b
a
Facultad de Geografía, Universidad Autónoma del Estado de México, Cerro de Coatepec Ciudad Universitaria,
C.P. Toluca, Estado de México, email: gaia_1383@hotmail.com
b
Centro Interamericano del Recurso Agua,

RESUMEN
La distribución espacial de algunos contaminantes especialmente los elementos traza en suelos y sedimentos es
poco usual en las investigaciones en dicha temática. El origen de estos agentes es a través de la obtención de
recursos naturales con el fin de cubrir las necesidades básicas de alimentación, vestido, vivienda, entre otras por
parte de los seres humanos las cuales han traído como consecuencia alteraciones físicas y químicas en el suelo y
los sedimentos, haciéndolos vulnerables y un foco de transmisión a las plantas y a otros organismos. Estos
recursos permiten ser proveedores de algunas riquezas minerales y de la mayor parte de los alimentos en el
mundo. Algunas prácticas la agricultura y la minería han degradado al suelo en su estructura y su composición
química incorporándose elementos como los metales pesados los cuales se encuentran en fertilizantes y en
algunas sustancias para la extracción de algunos metales preciosos incorporándose a la composición química del
suelo, y por lo tanto en algunos sedimentos al momento del proceso de lavado, siendo un medio de transporte
para su acarreo a otros sitios. Los Sistemas de Información Geográfica son una herramienta que permite hacer
modelos de distribución espacial a través de módulos estadísticos y geoestadísticos los cuales permiten visualizar
el grado de concentración de una manera espacial y optar por una mejor decisión en su recuperación. Este es fue
el caso del Parque Natural Sierra Nanchititla siendo un área Natural Protegida se practicaba la extracción minera
en especial en la Mina Nanchititla en la cual se extraía Ag y Au. La mina se encuentra inactiva actualmente pero
se han encontrado indicios de concentración de Cr, Pb y Cu, por lo que esta investigación trato de identificar la
presencia y concentración de estos metales así como de su distribución espacial para dar un panorama del
comportamiento y evitar un posible riesgo en la conservación de algunas especies y de los habitantes del parque
con ayuda de plataformas SIG.
Palabras clave: Elementos Traza, Propiedades Fisicoquímicas, Interpolación Sencillas, Método Kriging, Idrisi
Andes, Correlaciones Simples

1 INTRODUCCIÓN minera (IFOMGEM, 1997), de donde se extraían

Las actividades humanas han tendido como
consecuencia la degradación de los recursos naturales,
abarcando cualquier espacio, incluso aquellas áreas
que están protegidas por su gran riqueza natural y
paisajística.
El Parque Natural Sierra de Nanchititla es una de
las Áreas Naturales Protegidas más importantes dentro
del Estado de México, la cual cuenta con una
infinidad de especies, algunas de estas en un estado
endémico o en peligro de extinción, por lo que la
convierte en una zona con gran valor natural para la
entidad.
Dentro del PNSN se han encontrado registros de
actividades humanas, específicamente la actividad
minerales preciosos como el Ag y Au, algunas de ellas
teniendo como consecuencia alteraciones en el suelos
y sedimentos de la región.
La presencia de algunas especies con
malformaciones principalmente anfibios son la clara
evidencia de la presencia de elementos traza
contaminantes en suelos y sedimentos, por lo que la
presente investigación pretende realizar la presencia
de estos contaminantes en los dos elementos, así como
de mostrar un panorama espacial de su
comportamiento y distribución con el apoyo de las
herramientas de los Sistemas de Información
Geográfica a través de métodos estadísticos y de
Interpolación simple, con la finalidad de cuidar y

211
conservar los recursos naturales de la zona, así como validación de los resultados obtenidos por absorción
del bienestar de las comunidades del PNSN. atómica, el cual se considerara el límite de detección
(LD) y de cuantificación, que se calcula con la
2 MATERIALES Y MÉTODOS desviación estándar (3σ) de por lo menos 10 veces la
La selección de los puntos de muestreo se realizó con lectura de concentración de la muestra blanco, la cual
base a la cartográfica básica existente de la zona de fue diferente por cada solución extractora (American
estudio, obteniendo un método de muestreo con base a Public Health Association, 1992). Un elemento puede
un análisis sistemático que considera un transecto ser considerado detectado (límite de detección,
desde la entrada de la mina hasta los 500 metros, medida cualitativa) cuando su concentración se
siguiendo el recorrido del cauce del río. Para la encuentra entre el intervalo de 3 a 10 veces la
evaluación del contenido de elementos traza, así como desviación estándar de la concentración detectada en
las propiedades físicas, químicas en suelos y la muestra blanco; para ser considerados como
sedimentos se hizo obedeciendo a las normas oficial, cuantificables (límite de cuantificación, medida
la NOM-021-SEMARNAT-2001 (SEMARNAT, cuantitativa), la concentración de la muestra problema
2000). Ambos se muestrearon a dos profundidades 0- debe ser mayor a 10 veces el límite de detección (10
10 cm. y 10-30 cm., a los 0, 5, 10, 25, 50, 100, 250, X 3σ).
500 m de distancia, tomando 2 Kg. de muestra para Análisis Estadístico y Cartográfico
cada sitio y para cada profundidad.
Se calculó el coeficiente de correlación entre las
Análisis Básicos propiedades del suelo y sedimentos y el contenido de
Los análisis de laboratorio para determinar las ETs en cada fracción, para modelar las propiedades
propiedades edáficas y de sedimentos para la más significativas a través del módulo INTERPOL de
correlación con los elementos traza se hicieron de Idrisi Andes, del mismo modo se modeló el contenido
acuerdo con los procedimientos propuestos por el de los ETs.
ISRIC (Van Reeuwijk, 1993), estos son: textura,
densidad aparente (Dap), pH en agua relación 1:1, 3 RESULTADOS Y DISCUSIONES
carbono orgánico (CO), capacidad de intercambio Las propiedades analizadas tanto para suelos como
catiónico (CIC), conductividad eléctrica (CE), para sedimentos se evaluaron de acuerdo a la NOM-
cationes solubles y en pasta de saturación los 021-SEMARNAT-2001, obteniendo los resultados
elementos intercambiables, contenido de carbonatos, que se muestran en el Tabla 1.
color en seco y húmedo a través de la carta de colores Tabla 1. Propiedades Fisicoquímicas del suelo.
Munssell .
Extracción de elementos traza No C.I.C. C.E.
Muestr pH M.O ( cmol+•Kg- milihom
De las muestras de suelo alteradas se tomó una a Hum D.A. (KCl) Textura (%) 1) s/cm
submuestra, la cual fue secada, molida y tamizada con 1 17.8 2.91 5.66 AR-FR 5.97 72.368 233
una malla de 0.149 mm para la extracción y
2 6.0 2.74 5.61 FR-AR 4.05 192.982 657
cuantificación de los elementos traza (ETs), en su
forma total, disponible. 3 12.4 2.35 5.62 AR-FR 6.38 100 410
4 11.5 2.59 4.33 AR-FR 3.73 100 273
La extracción de ETs totales se realizó por
digestión en horno de microondas CEM- MARS 5; 5 7.3 3.10 5.19 AR-FR 1.12 129.825 304
utilizando una solución de 10 mL de HNO3, por 20 6 4.7 2.98 5.18 AR-FR 0.43 150.877 245
min., 180 ºC y 350 PSI como lo describió Ure (1995). 7 6.8 3.08 4.30 AR-FR 9.49 126.316 102
Cada uno de los extractos se centrifugaron a 2564.4 x
8 5.5 2.84 4.01 FR-AR 1.41 72.807 125
gr. y después se filtraron. La cuantificación del Cu,
Pb y Cr, en su forma total, disponible y en cada una de La concentración y disponibilidad de Cu, Cr y Pb
las fracciones, se realizó por absorción atómica con un está condicionada por las propiedades Fisicoquímicas
equipo Perkin-Elmer 3110. que se presentan en las muestras, para pH los valores
se encuentran dentro de los intervalos de 4.01 a 6.12
Los análisis físicos y químicos, incluyendo la considerándolos como ácidos, los valores de
extracción de ETs se realizaron por duplicado, el porcentaje de M.O. están entre los intervalos de 0 a
resultado reportado representa un promedio. Para la 10% por lo que la mayor parte de estas muestras son

212
pobres. Otra es la granulometría, que en este caso la Tabla 3. Concentraciones Cu, Cr y Pb en suelos.
mayor parte se encuentra en la fase textural de Areno-
MUESTRA Cu Pb Cr
franca, por lo que la cantidad de arenas es
predominante a la parte de limos y arcillas, tomando Mg/kg
en cuenta esta ausencia de arcillas el intercambio de 1 0.3895 0.785 0.1155
iones es relativamente bajo, esto demostrado por los 2 1.059 7.1 0.3375
valores de C.IC. los cuales oscilan entre los 72-192
3 2.3875 6.295 0.1655
cmol¬+Kg-1.
4 0.9845 6.07 0.1305
El mismo procedimiento se realizó para los
5 0.33 1.57 0.1095
sedimentos obteniendo un comportamiento diferente
en sus propiedades fisicoquímicas (Cuadro 2). 6 0.3535 1.275 0.144
7 0.269 1.46 0.1175
Tabla 2. Propiedades Fisicoquímicas de
sedimentos 8 0.2985 1.055 0.1255
Tabla 4. Concentración de Cu, Cr y Pb en
No. Ph M.O C.I.C. C.E.
sedimentos
MUESTRA Cu Pb Cr
Muestra Hum. D.A. (KCl) Fase (%) ( cmol+•Kg-1) milihoms/cm
Mg/kg
1 20.7 3.28 5.79 AR 0.12 32.075 97
1 0.2595 0.64 0.096
2 10.6 3.46 5.42 AR 0.25 34.906 85 2 0.2995 0.695 0.0855

3 16.4 3.23 3.96 AR 0.11 48.428 95

3 0.347 0.73 0.098
4 0.278 0.75 0.1035
4 15.2 3.37 4.67 AR 0.60 47.799 135
5 0.271 0.705 0.084
5 15.5 3.44 4.85 AR 0.49 57.233 136 6 0.359 0.745 0.112

6 6.7 3.17 5.11 AR-FR 1.16 23.585 160 7 0.4395 0.935 0.127
8 0.2255 0.715 0.075
7 13.1 2.96 4.32 AR-FR 5.39 16.981 159
El comportamiento de los metales en las diferentes
8 17.3 3.16 4.50 AR 0.89 73.270 99 distancias a lo largo del cauce del río tanto en suelos
como en sedimentos, esto por las propiedades
fisicoquímicas de cada uno, así como de factores
Teniendo en cuenta estos resultados de las geográficos externos que intervienen en las
propiedades básicas para ambos elementos, se concentraciones de cada uno, así como de su
procedió a obtener las concentraciones de Cu, Cr y Pb distribución espacial (Figura 1).
esto a través de la metodología anteriormente Teniendo en cuenta los resultados obtenidos se
mencionada obteniendo los siguientes resultados para procedió a obtener las propiedades más significativas
suelos (Tabla 3) y sedimentos (Tabla 4). tanto en suelos como en sedimentos, esto por medio
El comportamiento de los metales son diferentes de un análisis estadístico de correlación simple (Tabla
tanto en suelos como en sedimentos, mostrando que 5 y 6).
las mayores concentraciones se encuentran a los Tabla 5. Correlaciones entre Propiedades y los
primeros 100 metros para el caso de suelos, mientras ET’s en suelos.
que en sedimentos estas se encuentran en un solo sitio
(250 metros), por lo que las condiciones a esta COBRE PLOMO CROMO
distancia son las adecuadas para que se presente este -0.915 -0.793
proceso. DENS. APARENTE
0.0015 0.0192
0.733
C.I.C.
0.0385
0.778 0.886
C.E. milihoms/cm
0.023 0.0034

213
 Tabla 6. Correlaciones entre Propiedades y los
ET’s en sedimentos.

COBRE (Cu) CROMO (Cr) PLOMO (Pb)

-0.719
DENS. APARENTE
0.0441
-0.7645 -0.878 -0.838
ARENAS
0.0272 0.0041 0.0093
0.873 0.794
ARCILLAS
0.0046 0.0186
0.8142 0.8048
LIMOS
0.0139 0.0160
-0.868
CARBONATOS
0.0052
-0.7602 -0.8210
C.I.C.
0.0286 0.0125
0.712
C.E. milihoms/cm
0.0477
Obtenidos los valores de las correlaciones simples
se procedió a la elaboración de las modelaciones esto
a través de la utilización del software Idrisi Andes por
medio de su módulo INTERPOL, para modelar los
Figura 2. Concentración de Cr en suelos.
diferentes metales analizados, y obtener el escenario
espacial de distribución de cada ET.
El comportamiento para suelos en la distribución
de concentración de cada uno de los metales es en los
primeros 100 metros de distancia (Figura 1, 2 y 3).

Figura 3. Concentración de Pb en suelos.

Para el caso de sedimentos el comportamiento es

diferente en los tres metales ya que la concentración
se presenta solo a los 250 metros de distancia, por lo
Figura 1. Concentración de Cu en suelos.
que la distribución espacial se muestra en las
siguientes modelaciones (Figuras 4, 5 y 6).

214

Figura 4. Concentración de Cr en sedimentos.
Figura 5. Concentración de Cu en sedimentos.
215
Figura 6. Concentración de Pb en sedimentos.
El posible comportamiento de la concentración de
estos elementos en sedimentos es debido por un factor
externo como la pendiente ya que en diferentes
ocasiones en el transcurso del río existen zonas de
acumulación, y la zona de concentración se encuentra
en estas zonas así como las condiciones de las
propiedades fisicoquímicas de los sedimentos son las
adecuadas para que se dé una alta concentración de
los ET.
4 CONCLUSIONES
Las condiciones de alto Ph, Materia Orgánica, C.I.C.
y los diferentes aspectos granulométricos tanto en
suelos como en sedimentos serán condicionantes para
la concentración espacial de los ET.
Factores externos como la pendiente y las
diferentes geoformas juegan un papel fundamental en
la concentración, especialmente en aquellas zonas de
acumulación en donde las condiciones serán
relevantes para que se de este proceso.
Los SIG son una herramienta fundamental para el
análisis de la distribución espacial de los
contaminantes, esto a través de interpolaciones
sencillas, previamente de un análisis estadístico, por
lo que son una herramienta fundamental para el
modelaje espacial de diversos procesos físicos tanto
en suelos como en sedimentos, aunque nunca serán
comprados con lo que realmente existe en la realidad.
 REFERENCIAS Krasilnikov, P., Carré, F. & Montanarella, L. (eds.)(2008)
Soil geography and geostatistics. Europa Commission.
Alloway, B. J. 1990. Heavy metals in soils. John Wiley and Luxemburgo, Alemania.
Sons. New York. Lin, Y. P. 2002. Multivariate geostatistical methods to
Kabata-Pendias, A. and H. Pendias. 1984. Trace elements identify and map spatial variations of soil heavy metals.
in soil and plant. CRC Press. Florida. 98-102. Environmental Geology 42. 1-10.
Kabata-Pendias, A. 1985. Agricultural problems related to SEMARNAT. 2000. NOM-21-SSEMARNAT-2001,
excessive trace metal contents of soils. 3-18. Secretaría de Medio Ambiente y Recursos Naturales,
InSolomons, W., U. Förster and P. Mader. Heavy México. D. F.
metals. Problems and Solutions. Spring , Germany. Secretaría de Salud. 2000. NOM-127-SSA-2000, Secretaría
de Salud, México D. F.

216
 EVALUACIÓN DEL ESTADO DE SALUD DE LA VEGETACIÓN DE
MANGLAR EN EL SISTEMA LAGUNAR SANTA MARÍA-LA REFORMA,
SINALOA, A PARTIR DE IMÁGENES LANDSAT TM 5
Francisco FLORES-CÁRDENAS a, Alberto ARAGÓN-NORIEGA b, Marlenne MANZANO-
SARABIAc
a
Universidad Autónoma de Sinaloa, Mazatlán, Sinaloa, email: frankfc_100@hotmail.com
b
Centro de Investigaciones Biológicas del Noroeste, email: aaragon04@cibnor.mx
c
Universidad Autónoma de Sinaloa, Mazatlán, Sinaloa, email: mmanzano@uas.uasnet.mx

RESUMEN
El Sistema Lagunar Santa María-La Reforma, Sinaloa, es un ecosistema que ha sido reconocido por su riqueza
biológica, siendo la vegetación de manglar uno de los principales componentes ecológicos por ser zona de
refugio y alimentación de especies comerciales, además de tener otras funciones ecológicas. Debido a la
importancia ecológica del manglar, se requiere evaluar su condición de salud, así como su respuesta a la
variabilidad climática. La construcción de índices de vegetación coadyuva en la evaluación del estado de salud
de la vegetación. El objetivo principal del estudio es identificar la variabilidad interanual del Índice de
Vegetación de Diferencia Normalizada (NDVI) en áreas de manglar como un proxy de su estado de salud y su
posible relación con la variabilidad climática de la región. El Índice de Vegetación de Diferencia Normalizada
fue estimado a partir de imágenes Landsat TM 5 en el periodo de 1993 a 2010, las cuales fueron analizadas con
el programa Idrisi Taiga© y se evaluó su variación con el Índice Multivariado de El Niño (MEI). La
concentración de clorofila a en el tejido foliar es un indicador directo de la condición de salud de la vegetación,
por lo que se determinó la sensibilidad del NDVI a la concentración de este pigmento a partir de su medición in
situ (instrumento NDVI Fieldscout CM1000). La variación estacional del NDVI muestra que los valores más
altos ocurren en septiembre y octubre, mientras que los menores valores se observan en junio. Respecto a la
variabilidad interanual, se observó una correlación significativa y positiva entre el NDVI y el MEI (R=0.40;
P<0.05). La evaluación del NDVI en áreas de manglar a partir de imágenes satelitales y de mediciones in situ
indica que este índice puede ser utilizado para evaluar la condición de salud de este tipo de vegetación, ya que
mostró sensibilidad a las variaciones de clorofila a. Se concluye que el manglar responde en su condición de
salud de manera moderada pero significativa a eventos El Niño, respondiendo de manera positiva en periodos
cálidos, mientras que durante los periodos fríos o La Niña se observó un impacto negativo.
Palabras clave: Manglar, NDVI, ENSO, variabilidad climática
muchas especies, entre otros servicios (Blaber, 2007).
1 INTRODUCCIÓN
Debido a la importancia ecológica y socio-económica
El Sistema Lagunar Santa María-La Reforma, Sinaloa, del manglar, se requiere evaluar su estado de salud de
es un ecosistema que tiene importancia ecológica y forma retrospectiva, así como en su condición actual.
socio-económica, ya que registra una alta diversidad
Existen diversos factores que pueden alterar el
biológica y por sustentar importantes pesquerías como
estado de salud de la vegetación manglar, entre ellos
la del camarón y jaiba (Lyle-Fritch, 2003). Asimismo,
están las variaciones climáticas y ambientales que
funge como zona de crianza, refugio y alimentación
imperan en la región, como los eventos El Niño
para diversas especies de importancia ecológica, en al
Oscilación Sur (ENSO por sus siglas en inglés), que
menos una etapa de su ciclo de vida (Faunce y Serafy,
pueden afectar la estructura y funcionamiento
2006; Aburto-Oropeza et al., 2008).
ecológico de la vegetación manglar (Drexler y Ewel,
La vegetación de manglar es uno de los 2001). El ENSO es un fenómeno climático de
componentes de mayor relevancia de las lagunas ocurrencia interanual que involucra cambios en la
costeras, ofreciendo diversos servicios ecosistémicos, presión atmosférica y en la temperatura superficial del
como mantenimiento de la línea de costa, aporte de mar en el Océano Pacífico, que implica cambios en el
nutrientes y como zona de crianza y alimentación de patrón vientos y un movimiento de agua cálida al este

217
en la región ecuatorial (Philander 1990) y se ha
constatado que el ENSO causa alteraciones climáticas
en diferentes partes del mundo (Glantz et al. 1991)
El Índice de vegetación de Diferencia Normalizada
(NDVI) es utilizado para evaluar el estado de salud de
la vegetación. Para este estudio, la estimación del
NDVI se realizó mediante el análisis de imágenes
Landsat TM 5 y se hizo una comparación in situ
(instrumento NDVI Fieldscout CM1000). El objetivo
principal de este estudio es evaluar la variabilidad
estacional e interanual del NDVI en áreas de manglar
como un proxy de su estado de salud y su posible
relación con la variabilidad climática de la región.
2 MATERIAL Y MÉTODOS
2.1 ÁREA DE ESTUDIO
El Sistema Lagunar Santa María-La Reforma, Sinaloa,
(Figura 1) se localiza entre los municipios de
Navolato y Angostura (24º 35’ y 25º 15’ Norte y 107º
45’ y 108º y 35’ Oeste). Lankford (1977) clasificó
este sistema como tipo III-A y III-C, correspondiente
a las lagunas costeras formadas por depresiones
inundadas en el margen interno del bordo continental,
al que le rodean superficies terrígenas.
Golfo de California
Figura 1. Ubicación geográfica del Sistema Lagunar Santa
María-La Reforma, Sinaloa. Imagen Landsat TM 5 (26 de
Marzo, 2010), combinación de bandas 7, 4, 2.
Es una laguna costera con un espejo de agua de
aproxx|imadamente 50,000 hectáreas y se encuentra
218
protegida del mar por barreras arenosas (Islas
Tachichilte y Altamura). Se caracteriza por presentar
planicies de inundación, marismas de aguas dulces y
salobres. La profundidad máxima del sistema es de 24
m, con un promedio de 7 m (Lyle-Fritch, 2003;
Serrano, 2003).
2.2 DATOS Y MÉTODOS
2.2.1 Análisis de imágenes
En este estudio se utilizaron imágenes mensuales
Landsat TM 5 (path 33, row 42), en el periodo de
1993 a 2010. La serie de imágenes satelitales fueron
utilizadas para identificar la variación estacional e
interanual del NDVI en vegetación de manglar, el cual
se define como:
Banda IRc Banda Roja
NDVI =
Banda IRc + Banda Roja , (1)
Se estimó la evolución histórica (1993-2010) del
NDVI con el programa Idrisi-Taiga©, en polígonos
identificados in situ como zonas de manglar,
distribuidos en la región norte, centro y sur del
sistema lagunar. Finalmente, las series de tiempo
obtenidas fueron correlacionadas con el Índice
Multivariado de El Niño (MEI) para evaluar la posible
influencia de estos eventos en la condición de salud
del manglar.
2.2.2 NDVI y clorofila-a in situ
Los muestreos se realizaron en 14 estaciones
distribuidas en tres zonas (norte, centro y sur) en el
sistema lagunar. Para medir el NDVI in situ se utilizó
el instrumento FieldScout CM 1000 NDVI, el cual
opera a partir de la medición de la reflexión de la luz
en las bandas del espectro rojo (660 nm) y el
infrarrojo cercano (840 nm).
Con respecto a la clorofila-a (Chl-a), se
consideraron 15 individuos de las tres especies
predominantes en la región (Avicennia germinans,
Rhizophora mangle y Laguncularia racemosa). En
cada individuo se tomó una muestra de tejido
foliar y se realizó la extracción de Chl-a en
laboratorio. Una vez obtenidas las concentraciones
de Chl-a fueron correlacionadas con los registros de
NDVI in situ, aproximación que permitió validar la
eficiencia del uso de este índice como un proxy de la
condición de salud de la vegetación.
3 RESULTADOS Y DISCUSIÓN
Los resultados muestran una relación lineal (R2 =0.62)
entre la concentración de Chl-a y el NDVI registrado
in situ, lo que permite corroborar que el NDVI es
sensible a los cambios de concentración de este
pigmento y por lo tanto puede ser utilizado como un
indicador del estado de salud de la vegetación manglar
(Figura 2).
Figura 2. Correlación de los valores promedio del NDVI
estimado in situ y la concentración de Chl-a (mg g-1 tejido
seco) en las tres especies de manglar presentes en el
Sistema Lagunar Santa María-La Reforma.
Con respecto a la variabilidad estacional del
NDVI, los resultados muestran que en el sistema
lagunar, el NDVI es menor en junio (verano) y mayor
en octubre (transición otoño-invierno). En general, los
valores promedio corresponden a una vegetación sana
(Figura 3). Es posible que el patrón de variación del
NDVI corresponda al ciclo anual de precipitación en
la región.
0.66
0.61
0.64
0.62
0.56
NDVI
NDVI
0.60
0.58
0.56 0.51
0.54
0.52 0.46
E F MAM J J A S OND E F MAM J J A S O N D
Meses Meses
Figura 3. Ciclo estacional del NDVI en la zona norte, en el
periodo de 1993-2010. Se muestran las series estimadas en
dos polígonos verificados in situ como manglar. El NDVI
fue calculado a partir de imágenes Landsat TM 5.
Respecto a la variabilidad interanual, se observó
una correlación significativa entre el NDVI y el MEI
(R=0.40; P<0.05), lo que indica una respuesta positiva
(aunque moderada) a este evento climático (Figura 4).
La Comisión Nacional de Áreas Naturales Protegidas
(CONANP, 2010) menciona que la modificación del
hidroperiodo (frecuencia, duración y cantidad de
agua) puede ocasionar estrés o incluso la muerte del
219
manglar. De forma similar, Drexler et al. (2001)
reportaron disrupciones importantes en procesos
costeros forzados por el ENSO 1997–1998 en un
humedal Micronesio encontrando que las
perturbaciones asociadas (sequías) pudieron afectar la
estructura y funcionamiento de los manglares. Es
posible que las lluvias asociadas a los eventos El Niño
en la región permitan un mayor vigor en la
vegetación. Por el contrario, las condiciones de sequía
asociadas a los eventos La Niña pudieron ocasionar
estrés hídrico en el manglar.
Figura 4. Ejemplo del polígono de la zona norte. Se muestra
el coeficiente de correlación entre las anomalías del NDVI
y el Índice Multivariado de El Niño (MEI) en el periodo de
1993-2010.
4 CONCLUSIONES
En el presente estudio, el análisis del estado de salud
del manglar a través del análisis de imágenes de
satélite, aunado a la corroboración de la información
in situ del NDVI, permiten comprobar que este índice
puede ser utilizado para evaluar la condición de salud
de este tipo de vegetación.
El uso del NDVI como indicador del estado de
salud del manglar resultó útil para identificar
variaciones interanuales, concluyendo que existe una
relación significativa y positiva con los eventos
ENSO, respondiendo de manera positiva en periodos
cálidos, debido al incremento en las precipitaciones de
la región, mientras que en periodos la Niña, se
observó un efecto negativo.
AGRADECIMIENTOS
Al INAPESCA por el apoyo derivado del proyecto
“Identificación de acciones derivadas de la
investigación científica, tendientes a mitigar los
impactos del cambio climático en las actividades
pesqueras y acuícolas del país”. A la Facultad de
Ciencias del Mar de la Universidad Autónoma de
Sinaloa y al Centro de Investigaciones Biológicas del
Noroeste por los diversos apoyos y facilidades
otorgadas.
REFERENCIAS
Lyle-Fritch, L. P. 2003. Ficha informativa de los humedales
RAMSAR. SEMARNAT. México. 14 p.
Faunce, C. H., J. E. Serafy. 2006. Mangroves as fish
habitat: 50 years of field studies. Marine Ecology
Progress Series 318: 1–18.
Aburto-Oropeza, O., E. Ezcurra, G. Danemann, V. Valdez,
J. Murray, E. Sala. 2008. Mangroves in the Gulf of
California increse fishery yields. Environmental
Sciences 105 (30): 10456–10459.
Blaber, M. 2007. Mangroves and fishes: issues of diversity,
dependence, and dogma. Bulletin of marine science.
80(3): 457–472.
220
Drexler, J.Z.,K. C. Ewel. 2001. Effect of the 1997–1998
ENSO-Related Drought on Hydrology and Salinity in a
Micronesian Wetland Complex. Estuaries 24 (3): 347–
356.
Philander, S. G. H. 1990. El Niño, La Niña, and the
Southern Oscillation. Academic Press, San Diego,
California.
Glantz, M. H., Katz, R. W. and Nicholls, N. 1991.
Teleconnections Linking Worldwide Climate
Anomalies. Cambridge University Press, Cambridge.
Serrano, D. 2003. Reporte técnico de la hidrodinámica y
batimetría del sistema lagunar de Santa María La
Reforma. Informe Técnico para Conservación
Internacional y Universidad Autónoma de Sinaloa. 11 p.
CONANP. 2010. Manual práctico para la rehabilitación del
ecosistema de manglar en Yucatán, México. CONANP.
México. 117 p.
USO Y CUBIERTAS
DEL SUELO:
INVENTARIO Y
ANÁLISIS DE
CAMBIO
221
 DISTRIBUCIÓN POTENCIAL Y APROVECHAMIENTO FORESTAL DE
LOS BOSQUES TEMPLADOS EN EL MUNICIPIO DE ZINAPÉCUARO,
MICHOACÁN, MÉXICO
Carlos ARREDONDO LEÓN a
a
Unidad Académica de Estudios Regionales (UAER-UNAM)
Av. Lázaro Cárdenas s/n, esquina Felicitas del Río
Jiquilpan, Michoacán
arredondo@humanidades.unam.mx

RESUMEN
El presente trabajo aborda el estado actual y dinámica del paisaje forestal en el municipio de Zinapécuaro,
Michoacán. Los resultados indican que el municipio de Zinapécuaro se caracteriza por un dominio del paisaje
forestal con especies de pino-encino (31.55%), que se combinan con campos frutícolas y agrícolas de la región.
El Índice de Deforestación obtenido para el municipio es bajo (r=0.008%) comparado con los obtenidos por
Carabias (1990) para los bosques del país (0.5%), Masera et al. (1997) para los bosques de coníferas del país
(0.95%) y la SEMARNAP (1998) para la región de la mariposa monarca (0.6%), entre otros resultados..
Palabras clave: paisaje forestal, dinámica, bosques templados, distribución potencial, aprovechamiento forestal.

1 INTRODUCCIÓN 1999) y la degradación de suelos (Tolba et al., 1992),

Los ecosistemas forestales de montaña han sido
tradicionalmente considerados como espacios de
interés para la sociedad, no solo por su diversidad
biológica y ecosistémica (Jansky et al., 2002), sino
también por la dotación de los servicios ambientales
básicos para la alimentación, la generación de agua y
energía y diversos recursos de la flora, fauna, suelo y
minerales de importancia para el desarrollo socio-
económico (García-Ruiz, 1990; Masera, 1996;
Matthews, 2000; Jansky et al., 2002).
Los ecosistemas terrestres han sufrido grandes
transformaciones, la mayoría debido a la conversión
de la cobertura del terreno y a la degradación e
intensificación del uso del suelo (Lambin, 1997). Con
el fin de explicar desde una perspectiva espacio-
temporal el impacto de los procesos de ocupación y
uso del suelo sobre la dinámica ambiental y del
paisaje en las áreas de montaña (Sala et al., 2000), la
investigación científica de las últimas décadas se ha
centrado en el diagnóstico del estado actual y
tendencias de los Cambios de Cobertura y Uso del
Suelo (CCUS). Su estudio se ha hecho en relación con
las actividades humanas que intervienen en diversos
procesos ambientales de relevancia global (Ojima,
1994; Houghton, 1994; Olsson et al., 2000; Schweik
et al., 1997; Tekle and Hedlund, 2000; Riebsame y
Parton., 1994; Turner et al., 2003; Price, 1999), como
la deforestación, el cambio climático (Houghton et al.,
los cuales han sido señalados como factores que
impactan en las estructuras y funciones del sistema
ambiental y del paisaje (Everham y Brokaw, 1996;
Kasperson et al., 1995; Vitousek et al., 1997), a
distintas escalas de análisis: global, regional y local
(Cortina et al., 1998).
En dichas investigaciones se ha determinado que
una de las consecuencias más graves del cambio de
uso del suelo es la deforestación (Bocco et al., 2001).
En los ecosistemas de montañas templadas, la
deforestación es el proceso que acarrea graves
cambios y transformaciones debido a sus
implicaciones ecológicas (Pérez, 1987; Gragson,
1998; Veldkamp & Lambin, 1997) que se traduce en
la pérdida de la diversidad biológica, material
genénico, biomasa, productividad vegetal y
acumulación de nutrientes en el suelo (Vitousek et al.,
1981; Pimm, 1999).
Esta situación es particularmente importante en el
caso de las áreas de montaña, donde la dinámica
espacial y temporal de los tipos y sistemas de uso de
suelo y su relación con los procesos de deforestación
y fragmentación forestal ocurre a través de una
acusada sucesión de patrones que se ajusta a los
gradientes altitudinales. De hecho, se ha reconocido
que esta diversidad de patrones provee de un marco
adecuado para entender la heterogeneidad espacial de
las variables ambientales y del uso del suelo, así como

222
de la distribución de los patrones de disturbio y su
manifestación en términos de cambios ambientales y
paisajísticos.
Los bosques de pino y encino se cuentan entre los
ecosistemas con los más altos niveles de degradación
y destrucción. Los factores asociados a estos cambios
son múltiples y variados, por ejemplo: a) la
agricultura, tanto la moderna que se desarrolla bajo
sistemas de producción mecanizada, como la que
refiere al sistema tradicional de roza, tumba y quema;
b) la explotación forestal, incluyendo la tala forestal
legal y furtiva, así como la extracción de una amplia
variedad de recursos forestales maderables (celulosa,
papel, tablaje, etc.) y no maderables (resinas, fibras,
gomas, ceras, rizomas, etc.) y; c) la ganadería
extensiva en potreros (Gómez-Pompa, 1985;
Rzedowsky, 1988; Challenger, 1998; Geist y Lambin,
2002; Lambin et al., 2001).
Dentro de este marco, el estado de Michoacán es
una de las entidades del país más afectadas por los
cambios no planificados del uso de suelo (Masera,
1996; Bocco et al., 1999; SEMARNAP, 2000). De
acuerdo con estos autores, Michoacán perdió 513 644
ha. de bosques templados en el periodo comprendido
entre los años setenta y noventa, en tanto que la
superficie perturbada ascendió a 1´355,878 ha.
(21.51% del total de los bosques), tan sólo superada
por el área destinada a la agricultura y los pastizales
(24.61%) (SEMARNAP-INEGI, 1999). Por ejemplo,
la superficie ocupada por cultivos semipermanentes,
aumento trece veces (de 39,784 ha. a 508,009 ha.), en
tanto que la superficie de bosques se redujo en un
28.40% (de 1´811,232 ha. a 1´297,188 ha.).
De acuerdo con Merino (2004) las condiciones que
limitan el uso sostenido de los bosques y su
conservación en Michoacán son las siguientes: a) El
rentismo forestal, esquema que mantiene a los dueños
de los bosques ajenos a su manejo, y en el que los
prestadores de servicios técnicos forestales tienden a
responder más a las demandas de la industria que al
interés por la conservación o por el beneficio de las
comunidades dueñas del recurso; b) La reducida
extensión de muchos de los predios forestales, a la que
se añade la parcelación de los bosques ejidales y
comunales, los cuales limitan las posibilidades del
manejo forestal -que a menudo se reduce a planear la
extracción; c) El avanzado deterioro de los recursos de
la mayoría de las áreas forestales del estado.
Se estima, por otro lado, que los cambios de
cobertura vegetal y uso de suelo que experimentó
223
entre 1975 y 2000 la región del lago de Cuitzeo, por
ejemplo, fueron sustanciales, específicamente la
categoría correspondiente a los cultivos de temporal
que dominó prácticamente los primeros años de la
década de los 70´s, la cual no obstante fue superada en
2000 por la categoría de los matorrales. De esta
manera, López et al. (2001) señalan que 40% de la
superficie total de la cuenca presentó cuatro
principales transformaciones: la matorralización
(11%), la reforestación (8%), la deforestación (7%) y
la urbanización (3%).
El objetivo de la presente investigación es conocer
el estado actual y dinámica del paisaje forestal en
Zinapécuaro, uno de los trece municipios que
conforman la región de Cuitzeo, Michoacán, lo
anterior en tres periodos de análisis 76-86, 86-00 y 76-
00. Se espera que el estudio arroje información de
primera mano con relación a los principales cambios
de cobertura vegetal del terreno y los usos de suelo
asociados.
2 AREA DE ESTUDIO
Zinapécuaro (594.21 km2; 0.98% del estado y 14.5%
del total del área de la región) es uno de los 13
municipios que comprende la región Cuitzeo. Se eleva
desde los 1900 msnm. en las proximidades al lago de
Cuitzeo hasta los 2900 msnm. en la zona geotérmica
denominada “Los Azufres”. Su amplitud altitudinal
(1000 m) propicia la formación de dos pisos
bioclimáticos principalmente: un ecosistema de
bosques templados entre los que resaltan los bosques
mixtos de pino-encino y de abetos; otro compuesto de
matorrales de distintas especies que envuelve los
principales asentamientos humanos del municipio
(Zinapécuaro, Araro, Santa Clara del Tule, etc.). Sus
principales formas del relieve se caracterizan por
planicies fluvio-lacustre (depósitos superficiales de
material andesítico y basáltico) valles (basaltos
andesíticos e ignimbritas) y piedemontes (conos o
volcanes de lava y cenizas) (López et al., 2002) (Fig.
1).

Figura 1. Mapa de localización del municipio de
Zinapécuaro, Michoacán Elaboración Propia.
Zinapécuaro ha mostrado una dinámica
poblacional en los últimos 35 años. El municipio
experimento dos ascensos en las dos primeras décadas
(70-90), sin embargo un mismo número de descensos
de 1990 a 2005. De los 76 asentamientos humanos
que tiene el municipio, tres de ellos exhiben más de
2500 habitantes, entre los que destacan, la cabecera
municipal, Ucareo y Valle de Juárez, que en conjunto
representan 15% de la población total de la
municipalidad (Fig. 2). El destino de la tierra (30 737
ha.) se destruye en áreas parceladas (39.02%), de
asentamientos humanos (3.63%) y de uso común
(32.53%). El destino de las tierra en tierras de uso
común, 70.90% forestal, ganadero (12.00%), agrícola
(11.60%) y agropecuario (3.60%) -lo anterior
correspondiente a 30 núcleos agrarios que se enclavan
parcial o totalmente en el la municipalidad de
Zinapécuaro.
DINAMICA POBLACIONAL DE ZINAPECAURO 76-2005
60,000
48951 48902 48917
50,000
37571
POBLACION
40,000
33,013
30,000
20,000
10,000
0
1970 1980 1990 1995 2000
AÑO
Figura 2. Dinámica población en el municipio de
Zinapécuaro, Michoacán (1970-2005). Fuente: INEGI
(2005).
3. METODO
En esta investigación se utiliza un enfoque del paisaje
para evaluar a diferentes escalas de integración la
influencia del uso del suelo, la deforestación y
fragmentación sobre los bosques templados en la
cuenca del municipio de Zinapécuaro. Su utilidad es
amplia ya que en el paisaje se integra de manera
sintetizada una amplia cantidad de información
ambiental de distintos géneros (componentes
abióticos, bióticos y antrópicos) (Richard, 1993; Scott,
1993; Huggett, 1995), con miras a la identificación de
los paisajes forestales mejor conservados y
diferenciarlos de otros que representan estados de
perturbación o de recuperación post-disturbio con
distintos grados de desarrollo.
Para determinar los patrones y de dinámica del
paisaje (entre 1976 y 2000), se procede al estudio de
la dinámica del uso del suelo (1970-2000) y su
impacto en la transformación de los paisajes de la
cuenca del municipio. Las cubiertas de suelo se
obtienen en SIG (ILWIS ver. 3.0) a partir de la
interpretación de fotografías aéreas (escala 1:25,000)
de 1995 e imágenes de satélite Landsat MSS de 1976
y 1986 y Landsat ETM de 2000. Las fotografías son
capturadas a una resolución de 500 DPI e importadas
al SIG con una resolución de 2 m por píxel y tamaño
de la unidad cartografiable de 4 ha (Campbell, 1996).
Estas imágenes son georeferenciadas por medio del
método “Tie-Points”, para lo cual se elabora el DTM a
partir de datos altitudinales en formato DXF del
INEGI, y los puntos de control corresponden a rasgos
culturales del mapa de usos de suelo y vegetación a
escala 1: 50,000 (INEGI, 1983).
Para verificar la precisión se utiliza el índice
RMSE o SIGMA=< 2 (ITC, 2001). Para mantener las
ventajas de la resolución de las fotografías de 1995
44122 (2m por píxel), la interpretación de las imágenes de
satélite se hace sobre copias del anterior: primero las
imágenes más recientes y de mejor resolución (2000 y
1986) y luego la imagen 1976, que se crea sobre una
copia de la interpretación de 1986. Para evitar errores
de interpretación debidos a la diferente resolución de
las imágenes se sigue un método de interpretación de
2005 tipo visual, el cual es recomendado para comparar
entre series de coberturas detalladas (Mas y Ramírez,
1996; Arnold, 1997; Slaymaker, 2003; Chuvieco,
2002). Se elaboran sub-escenas de las imágenes y se
generan compuestos de color (rojo, verde y azul): 2, 3,
4 en Landsat MSS y, 3, 2, 1 (color natural) y 4, 5, 7
(falso color) en Landsat TM, para lograr una mejor
diferenciación de las coberturas. La interpretación se
224
hace por medio de técnicas directas, asociativas y
deductivas para diferenciar los “rasgos” de las
cubiertas (Powers y Khon 1959; Enciso 1990; Mas y
Ramírez 1996). Finalmente, se mide la magnitud de
los cambios de las cubiertas de suelo y se calculan el
Índice de Deforestación, (Dirzo y García, 1992):
r= 1-[1-(A1-A2/A1)] 1/t.
donde: ID= índice de deforestación, A1= área
forestal al inicio, A2=área forestal al final y, t=
periodo de tiempo en años.
e Índice de Transformación Media Anual
(Nascimento, 1991), el cual cuantifica las tendencias y
los procesos de cambio:
ITMA= [(x1/x0)1/n]-1
Donde: ITMA=Índice de Transformación Media
Anual,
x0= cobertura de suelo al inicio del periodo,
x1= cobertura del suelo al final del periodo y,
n= tiempo del periodo
Se elaboran Matrices de Transición para medir y
clasificar los cambios según dos tipos de procesos de
cambio y cuatro variantes: a) positivos –conservación
y regeneración- y b) negativos –intensificación y
disturbio (Fig. 3).
cobertura de suelo al final del periodo
BPQ BQ SBC MP VACU PAF CT
BPQ
cobertura de suelo al inicio del
VACU= Vegetación acuática PAF= Cultivos de riego,
CT= Cultivos de temporal, AH= Asentamiento
humano, SRD= Suelo o roca desnudo, CA= Cuerpo
de agua.
4 RESULTADOS Y DISCUSION
4.1 ESTADO ACTUAL DEL PAISAJE
FORESTAL
El municipio de Zinapécuaro se caracteriza por la
dominancia del bosque mixto de pino-encino
(31.55%), seguido de vegetación secundaria
(18.10%), otro tipo de vegetación (16.55%), cuerpos
de agua (10.61%) y cultivos de temporal (9.41%) y de
riego (6.86%). El asentamiento humano esta
representado por Zinapécuaro y Ucareo,
principalmente (2.37%), en tanto que la vegetación
acuática existe en las orillas del lago Cuitzeo,
específicamente en las inmediaciones a San
Bartolomé, Estación Queréndaro, La Mina y Araró
(1.52%), entre otros lugares donde confluyen ríos,
arroyos o canales importantes sobre este baso de agua.
En esta municipalidad, los espejos de agua están
representados por un gran fragmento de agua (6 199
ha.) y pequeños que oscilan entre 1.11 ha. y 28.01 ha.
(presas, bordos o represas).
Por otro lado, resalta la presencia de un fragmento
extenso de bosque (12 544 ha.), seguido de otros cuya
extensión oscila entre las 10 y 100 ha. (NP=35). El
patrón de distribución espacial de las cubiertas queda
finalmente representado por la presencia de
fragmentos de vegetación secundaria (NP=87) cuya
extensión oscila entre 0.81 y 10 ha., seguido de
aquellos entre 10 y 100 ha. (NP=53), en tanto que los
fragmentos o parches de cultivos de temporal
(NP=11), 9 están por debajo de las 500 ha. y 2
superan las 1 000 ha. (Fig. 4).
AH SRD CA

BQ a.1 b.1.1
SBC

MP a.2 b.1
b.2.1 b.1.2
periodo

VACU b.2 a.2

PAF
CT b.2.2 b.2.4 a.2 b.1.3

AH
SRD b.2.3 b.2.5 a.2
CA
a1 conservación b2 regeneración
b1 disturbio a2 intensificación
Figura 3. Matriz conceptual de los procesos de transición.

Cubiertas de suelo: BPQ= Bosque de pino-encino,

BQ= Bosque de encino, SBC= Otra cubertura vegetal, Figura 4. Estado actual del paisaje (2000).
MP= Matorral secundario y pastizal inducido,

225
4.2 DINÁMICA DEL PAISAJE FORESTAL
4.2.1 Principales procesos
En la municipalidad de Zinapécuaro la permanencia
de bosques maduros con uso forestal disperso y otro
tipo de vegetación fue el principal proceso positivo
que se exhibió entre 1976 y 2000. Sin embargo, los
procesos negativos como la intensificación (o proceso
que supone un efecto acumulativo del daño provocado
por el manejo del recurso forestal) se muestra como el
segundo proceso con mayor presencia dentro del
municipio (35.55%). Los valores elevados de
disturbio en todo el periodo (14.21%) obedece a un Paisaje 1986
incremento notorio de las actividades agropecuarias
sobre áreas exclusivas a la conservación y Figura 6. Dinámica del paisaje 76-86
regeneración de los bosques. Pese a que este último
4.2.2 Principales cambios
proceso (regeneración) es el menos significativo de
los procesos positivos en todo el municipio (1.71%), Resalta la permanencia del bosque mixto de pino-
la sustitución de las coberturas por otra de mayor encino, la vegetación secundaria y otro tipo de
naturalidad y desarrollo se exhibió principalmente en cobertura, los cuales registraron 29.49, 15.55 y
los bosques maduros los cuales ganaron superficie a la 14.96% en todo el periodo, seguido de algunos
vegetación secundaria a partir del cese de las cambios como la sustitución de vegetación secundaria
actividades antrópicas sobre terrenos deforestados por la vegetación cultivada (CT y PAF) con uso
(Fig. 5 y 6). agrícola extensivo/intensivo que mostró 7.54% de la
dinámica paisajística. También los bosques mixtos de
100% pino-encino y otro tipo de cobertura mostraron
80%
46.699
14.215
35.551 3.535
cambios si bien no igual de significativos que la
60%
44.740 35.173
conservación, si en lo referente al disturbio e
40%
15.507
4.580 intensificación ya que exhibieron 1.76 y 2.20% de los
20% 51.206 44.216 cambios a vegetación secundaria en el caso del
0%
2.842
1.737
primero (BPQ) y cultivo temporal en el segundo
CONSERVACION DISTURBIO INTENSIFICACIÓN REGENERACIÓN
(SBC). No obstante la pérdida de los bosques mixtos
P1976-1986 P1986-2000 P1976-2000
de pino-encino, las prácticas oportunas de
Figura 5. Principales procesos reforestación llevadas a cabo por los lugareños,
ejidatarios, comuneros y del gobierno local han
permitido que estos ecosistemas naturales exhiban una
capacidad regenerativa a partir de la vegetación
secundaria (Tab. 1).
Tabla 1. Porcentaje representativo de los
principales cambios 76-00
BPQ BQ SBC MP VACU PAF CT AH SRD CA %
BPQ 29.498 0.001 0.754 1.769 0.088 0.036 0.125 32.272
BQ 0.169 0.970 0.012 0.023 1.173
SBC 0.046 0.298 14.963 0.012 0.279 2.201 1.084 0.123 0.013 19.019
MP 1.695 15.565 3.664 3.883 0.111 0.278 0.009 25.206
VACU 0.027 1.083 0.063 1.173
PAF 0.034 0.155 2.769 0.103 0.459 3.519
CT 0.672 0.070 0.149 2.978 0.050 0.041 0.002 3.962
AH 0.000 0.001 0.645 0.004 0.650
SRD 0.172 0.753 0.001 0.514 1.439
CA 0.026 0.361 0.019 10.606 11.012
% 31.614 1.269 16.571 18.137 1.514 6.862 9.254 2.384 1.190 10.631 100.000
Paisaje 1976
Cubiertas de suelo: BPQ= Bosque de pino-encino,
BQ= Bosque de encino, SBC= Otra cubertura vegetal,
MP= Matorral secundario y pastizal inducido,
VACU= Vegetación acuática, PAF= Cultivos de
riego, CT= Cultivos de temporal, AH= Asentamiento

226
humano, SRD= Suelo o roca desnudo, CA= Cuerpo 0.0040 0.0300

de agua. 0.0030
DEFORESTACION 0.0250
(DISTURBIO)
0.0200
De las 10 clases de cubiertas de suelo, 50% de 0.0020
0.0037

0.0150
ellas mostraron ITMA´s negativos en todo el periodo 0.0010 0.0100
76-00, como lo demuestran las clases de bosque mixto 0.0000 0.0007 0.0008 0.0004 0.0050
0.0000
de pino-encino (ITMA=-0.0008), otro tipo de -0.0012 RESILIENCIA 0.0000

cobertura vegetal (ITMA=-0.0066) y vegetación -0.0010

(76-86) (86-00) (76-00) -0.0050

secundaria (ITMA=-0.0136), en tanto la clase de -0.0020 -0.0100

cultivo de temporal y asentamiento humano BOSQUE MIXTO PINO-ENCINO

OTRO TIPO DE COBERTURA VEG
BOSQUE DE ENCINO
VEGETACIÓN SECUNDARIA

exhibieron ganancias en los tres periodos ID

BPQ
año 1976 año 1986
191.348 184.444
ID (76-86) año 1986 año 2000 ID (86-00)
0.0037 184.444 187.489
año 1976
-0.0012
año 2000 ID (76-00)
191.348 187.489 0.0008

(ITMA=0.0007 e ITMA=0.0124 a ITMA=0.0368 e BQ

SBC
7.586
115.236
7.586
112.269
0.0000
0.0026
7.586
112.269
7.510
98.371
0.0007
0.0094
7.586
115.236
7.510
98.371
0.0004
0.0066

ITMA=0.0554, respectivamente). Así, por ejemplo, MP 149.507 160.449 -0.0071 160.449 107.531 0.0282 149.507 107.531 0.0136

los bosques mixtos muestran (ITMA=-0.0037 durante Figura 8. Índice de Deforestación (ID)
el primer periodo y positivos en el segundo
(ITMA=0.0012). Este patrón responde, entre otras Las tendencias indican que el estado actual y
razones, a la puesta en marcha de programas de dinámica del paisaje de los ecosistemas forestales en
reforestación implementados durante la década de los la municipalidad de Zinapécuaro no es un caso aislado
80´s por parte de los actores locales en su labor por de los bosques en México. Los resultados muestran, al
salvaguardar estos ecosistemas forestales (Fig. 7). igual que otros lugares del país, que los cambios no
planificados de los usos de suelo impactan las
Indice de Transformación Media Anual (ITMA)
estructuras y funciones del sistema ambiental que
0.0108
0.0368
0.0554
caracterizan a estos ecosistemas forestales. Esta
0.0283
dinámica es el resultado de la adopción de las
ITMA

actividades agrícolas que integran la roza, tumba y

-0.0008 -0.0076
-0.0004 -0.0066 -0.0136 -0.0015
quema del bosque, la explotación forestal y la
PAF

AH

CA
BQ

VACU
BPQ

CT
MP
SBC

SRD

producción extensiva de las actividades pecuarias en

CLASE O CUBIERTA DE SUELO

ITMA (76-86) ITMA (86-00) ITMA (76-00) áreas forestales (Challenger, 1998).
Figura 7. Índice de Transformación Media Anual (ITMA) La situación actual que guardan los bosques en
Zinapécuaro es un tanto disímil a otras partes del
De los ecosistemas forestales sobresale en todo el
oriente michoacano. Así, por ejemplo, la
periodo la sucesión de los bosques maduros debida,
intensificación en el uso de suelo es el proceso
entre otras cosas, al proceso de deforestación que se
catalizador de los daños ecológicos de estos
tradujo en vegetación secundaria (r=0.0136), otro tipo
ecosistemas forestales, siendo a su vez el proceso más
de cobertura vegetal (r=0.006). La magnitud de los
distintivo de los procesos negativos en el municipio de
cambios de cobertura vegetal muestra que la
Zinapécuaro. En este mismo orden y dirección,
vegetación secundaria presentó incrementos
Arredondo y García (2009) encontraron para la zona
considerables, por lo que esta clase manifestó una
de Ciudad Hidalgo y Tuxpan un patrón caracterizado
recuperación (resiliencia) de su cobertura en el primer
por la permanencia de los procesos de disturbio
periodo (76-86); excepto durante el segundo (86-00)
(27.70%). Si bien es cierto que los procesos negativos
donde adquirió valores inversos, al igual que en todo
definen el estado actual de deterioro que guardan los
el periodo de análisis 1976-2000. Ante la situación
ecosistemas forestales en esta zona geográfica de la
planteada, los bosques mixtos de pino-encino
entidad, los resultados también indican que los
exhibieron perdidas de masa arbórea (r= 0.0037) en el
bosques exhiben tendencias en mayor magnitud a los
primer, al igual que en todo el periodo, lo que
procesos positivos, como lo demuestra la
demuestra que los bosques se sometieron a un
conservación o permanencia de los bosques maduros.
moderado proceso de deforestación por cambio de uso
de suelo en esta municipalidad michoacana (Fig. 8). Resulta oportuno señalar que la pérdida de bosques
fue del orden del 6.62% menos en 2000 respecto a
1976. Este dato es muy similar al encontrado por
Ramírez (2001) para la región de la mariposa
monarca; en tanto que en la región de Ciudad Hidalgo
y Tuxpan los bosques maduros no solo muestran

227
indicios de conservación, sino también exhiben signos
de regeneración de las masa arbórea (11.84% más en
2000 respecto a 1976) (Arredondo-León et al. 2008).
El Índice de Deforestación obtenido para el
municipio es bajo (r=0.08%) comparado con los
obtenidos por Carabias (1990) para los bosques del
país (r=0.5%), Masera et al. (1997) para los bosques
de coníferas del país (r=0.95%), la SEMARNAP
(1998) y Ramírez (2001) para la región de la mariposa
monarca (r=0.6%; r=0.2%, respectivamente). Al igual
que otros lugares de esta región oriental de la entidad
michoacana, la deforestación se relaciona con la
explotación maderera con tala selectiva (Giménez de
Azcárate et al., 2003) y al avance de las actividades
agropecuarias (Ramírez, 2001; Challenger, 1998)
debido, entre otras cosas, a la apertura de nuevos
caminos que provoca perturbaciones de los
ecosistemas forestales (Ramírez et al., 2005), como lo
demuestra la puesta en marcha de la super carretera
México-Guadalajara que facilitó en la última década
el acceso y explotación ilegal de los bosques del
municipio. Es conveniente que aunado a lo anterior,
deba incluirse la dinámica demográfica regional a
manera de entender los procesos de conservación y
resiliencia forestal. Hecha esta observación, cabe
mencionar que el municipio experimentó tasas de
crecimiento anual negativas en los periodos 90-95 y
00-05, aún cuando la tasa de crecimiento fue positiva
durante el periodo de 70-05 (i=0.831%,).
5 CONCLUSIONES
El municipio de Zinapécuaro se caracteriza por una
extensión amplia de bosque de pino-encino (31.55%),
seguido de vegetación secundaria (18.10%) y otro tipo
de vegetación (16.55%), cultivos de temporal (9.41%)
y riego (6.86%). Resaltan, entre otros fragmentos, las
clases de bosques de coníferas (entre las 10 y 100 ha.),
así como la vegetación secundaria (NP=87) cuyos
fragmentos oscilan entre 0.81 y 10 ha. Los cultivos de
temporal están representados por 11 fragmentos, de
los cuales, dos superan las 1 000 ha. y nueve se ubican
por debajo de las 500 ha. El disturbio que exhiben los
bosques en esta municipalidad no es muy disímil a
otras zonas del estado de Michoacán y se relaciona
principalmente con el cambio de uso de suelo
resultado de las actividades frutícolas y agrícolas que
se practican sobre terrenos potencialmente aptos para
los bosques de coníferas.
228
AGRADECIMIENTOS
A la Unidad Académica de Estudios Regionales de la
UNAM (UAER-UNAM) por su apoyo incondicional.
A los compañeros estudiantes de la carrera de
arquitectura del Instituto Tecnológico de Jiquilpan en
su modalidad de residencias profesionales,
especialmente a la Arq. Erendira Leyva Hernández
por sus valiosas contribuciones.
REFERENCIAS
Arnold, R.H. 1997. Land use and land cover mapping. In:
Interpretation of airphotos and remotelly sensed
imagery. Prentice Hall, New Jersey, USA. 36-43 pp.
Arredondo, C., García. A. 2009. Uso del suelo y
transformación del paisaje rural en el centro de México:
el caso de la cuenca del río Tuxpan, Michoacán. En:
Temas de geografía latinoamericana. CLAG 2005. 443
pp.
Arredondo-León, C. Jiménez-Muñoz, García-Romero, A.
2008. Recent changes in landscape-dynamics trends in
tropical highlands, central México. Interciencia. Vol.
33. No. 8. 569-577.
Bocco, G y M. Mendoza. 1999. Evaluación de los cambios
de la cobertura vegetal y uso del suelo en Michoacán
(1975-1995). Lineamientos para la ordenación ecológica
de su territorio. Proyecto No. 96 06 042, Programa
SIMORELOS-CONACYT. Informe Técnico,
Departamento de Ecología de los Recursos Naturales,
Instituto de Ecología, UNAM, Campus Morelia.
Bocco, G., Mendoza, M. y Masera, O. 2001. La Dinámica
del cambio del uso del suelo en Michoacán. Una
propuesta metodológica para el estudio de los procesos
de deforestación. Investigaciones Geográficas. Instituto
de Geografía de la UNAM. México, D.F. 44: 18-38.
Campbell, J. B. 1996. Introduction to remote sensing.
Guilford. New York, USA. 622 pp.
Carabias, J. 1990. En búsqueda de alternativas ecológicas
para el uso de los recursos. In: R. ROJAS, coord. En
busca del equilibrio perdido. El uso de los recursos
naturales en México. Universidad de Guadalajara,
México. 47-62.
Challenger, A. 1998. Utilización de los ecosistemas
terrestres de México. Pasado, presente y futuro.
Comisión Nacional para el Conocimiento y uso de la
Biodiversidad. México.
Chuvieco, S. E. 2002 Teledetección Ambiental. La
observación de la tierra desde el espacio. Ariel Ciencia.
Barcelona, España. 586 pp.
Cortina, V.S., Macario, M.P y Ogneva, H.Y. 1998.
Cambios en el uso del suelo y deforestación en el sur de
los estados de Campeche y Quintana Roo, México.
Investigaciones Geográficas. Instituto de Geografía,
UNAM. México, D.F. 38:41-56.pp.
Dirzo, R. and García, M. 1992. Rates of deforestation in
Los Tuxtlas, a tropical area in southeast Mexico.
Conservation Biology 6, 84-90.
Enciso, J. L. 1990. La fotointerpretación como instrumento
de apoyo a la investigación urbana. Universidad
Autónoma Metropolitana, México. 47 pp.
Everham, E.M.; Brokaw, N.V.L. 1996. Forest damage and
recovery from catastrophic wind. Botanical Review. 62:
113-185.
Giménez de Azcárate, J., Ramírez, M.I. and Pinto, M. 2003.
Las comunidades vegetales de la Sierra de Angangueo
(estados de Michoacán y México, México):
clasificación, composición y distribución. Lazaroa 24,
87-111.
Gómez Pompa, A., 1985. Los recursos bióticos de México
(reflexiones). Alhambra Mexicana, México.
Gragson, T. 1998. Potential versus actual vegetation:
human behavior in a landscape medium. In: W. Baleé,
(ed). Advances in historical ecology. Columbia
University, New York.
Houghton, R. A., Hackler, J.L. and Lawrence, K.T. 1999.
The US carbon budget: contributions from land-use
change. Science 285, 574–578.
Houghton, R.A. 1994. The worldwide extent of land-use
change. Bioscience. 44/5.
Huggett, R. 1995. Geoecology, an evolutionary approach.
Routledge, London.
INEGI. 1983. Carta de Uso de Suelo y Vegetación, hojas
E14-A14, escala 1:50000. Instituto Nacional de
Estadística, Geografía e Informática, México.
INEGI. 2005. Conteo de población y vivienda. Instituto
Nacional de Estadística, Geografía e Informática.
México.
ITC. 2001. Ilwis 3.0 Academic User's Guide. ITC.
Enschede, Netherland.
Jansky, L., Ives J., Furuyashiki, K. y Watanabe, T. 2002.
Global mountain research for sustainable development.
Global Environmental Change. 12: 231-232.
Kasperson, R.E., Kasperson, J.X., Turner, B.L., Dow, K.
and Meyer, W.B. 1995. Critical environmental regions:
concepts, distinctions and issues. In Kasperson, J.X.,
Kasperson, R.E. and Turner, B.L., editors, Regions at
risk: comparisons of threatened environments, Tokyo:
United Nations University Press, 1–41.
Lambin, E. F. 1997. Modelling and monitoring land-cover
change processes in tropical region. Progress in Physical
Geography. 21:3. pp. 375-303.
Lambin, E.F., Turner, B.L., Geist, H.J., Agbola, S.B.,
Angelsen, A., Bruce, J.W., Coomes, O.T., Dirzo, R.,
Fischer, G., Folke, C., George, P.S., Homewood, K.,
Imbernon, J., Leemans, R., Li, X., Moran, E.F.,
Mortimore, M., Ramakrishnan, P.S., Richards, J.F.,
Skanes, H., Steffen, W., Stone, G.D., Svedin, U.,
Veldkam, T.A., Vogel, C. and Xu, J. 2001. The causes
of land-use and land-cover change: moving beyound the
myths. Global Environmental Change, 11: 261-269.
229
López, E., Mendoza, M. Acosta, A. 2002. Cambio de
cobertura vegetal y uso de la tierra. El caso de la cuenca
endorreica del lago de Cuitzeo, Michoacán. INE-
SEMARNAT. México. 64. 71. pp.
Mas, J.F. y Ramírez, I. 1996. Comparison of land use
classifications obtained by visual interpretation and
digital processing. ITC J. 3: 278-283.
Masera, O. R. 1996. Deforestación y degradación forestal
en México. Documentos de trabajo núm. 19. GIRA A.
C., Pátzcuaro, México. (Enero).
Masera, O., Ordóñez, M. J., Dirzo, R. 1997. Carbon
emissions from mexican forests: current situation and
long-term scenarios. Climate Change. 24: 256-295.
Matthews, E., R. Payne, M. Rohweder y S. Murray. 2000.
Pilot Analysis of Global Ecosystems. Forest
Ecosystems. WRI. Washington, D. C.
Nascimento, J.R. 1991. Discutendo números do
desmatamiento. Interciencia 16: 232-239.
Ojima, D. S. 1994. The global impact of land-use change.
Bioscience. 44/5:300, 5.
Olsson, E., Austrheim, G y Grenne, S. 2000. Landsacpe
change patterns in mountains, land use and
environmental diversity, Mid-Norway 1960-1993.
Landscape Ecology. 15: 155-170.
Pérez, R. 1987. Agricultura y ganadería, competencia por el
uso del suelo de la tierra. Ediciones de Cultura Popular.
México.
Pimm, S.L. 1999. The dynamics of the flows of matter and
energy. In: J. Mc Glade, (edit.). advanced ecological
theory, priciples and applications. Blackwell Science,
London.
Powers, W. E. y Khon, C.F. 1959. Identification of selected
cultural features. Aerial photointer-pretation of
landforms and rural-cultural features in glaciated and
coastal regions, Northwestern University, Illinois. 58-97
pp.
Price, M. 1999. Global Change in Mountains. Parthenon
Publishing. Oxford.
Ramírez, I. 2001. Cambios en las cubiertas del suelo en la
sierra de Angangueo, Michoacán y Estado de México,
1971- 2000. Investigaciones. Geográficas. 45: 39-55.
Ramírez. R. M.I., Jiménez. M., Martínez. A. I. 2005.
Estructura y densidad de la red de caminos en la reserva
de la biosfera Mariposa Monarca. Investigaciones
Geográficas. Instituto de Geografía, UNAM. México,
D.F. 57:68-80.
Richard, J. F. 1993. Le paisaje. Analyse et synthése.
Orstom. París.
Riebsame, W.E. y Parton, W.J. 1994. Integrated modeling
of land use and cover change. Bioscience. 44: 5.
Rzedowsky, I. J., 1988. Vegetación de México. Limusa,
México.
Schweik, C.M, Adhikari, K y Nidhi, P.K. 1997. Land-cover
change and forest institutions: a comparison of two sub-
basins in the southern siwalik hills of Nepal. Mountain
Research and Development. 17: 99-116.
Schweik, C.M, Adhikari, K y Nidhi, P.K. 1997. Land-cover
change and forest institutions: a comparison of two sub-
basins in the southern siwalik hills of Nepal. Mountain
Research and Development. 17: 99-116.
SEMARNAP. 1998. Dirección General Forestal. Unidad
del Inventario Nacional de Recursos Naturales. México.
SEMARNAP-INEGI. 1999. Estadísticas del Medio
Ambiente. México.
Slaymaker, D. 2003. Using georeferenced large-scale aerial
videography as a surrogate for ground validation data.
In Wulder MA, Franklin SE (Eds.) Remote Sensing for
Forest Environments: Concepts and Case Studies.
Kluwer. Hardbound, USA. 469-488 pp.
Tekle, K. y Hedlund L. 2000. Land cover Changes between
1958 and 1986 in Kalu District, Southern Wello,
230
Ethiopia. Mountain Research and Development. 20: 42-
51.
Tolba, M.K., El-Kholy, O.A. (Eds.), 1992. The World
Environment 1972–1992:Two Decades of Challenge.
Chapman & Hall, London.
Turner, M.G., Pearson, S. M., Bolstad, P. y Wear, D.N.
2003. Effects of land-cover change on spatial pattern of
forest communities in the Southern Appalachian
mountains (USA). Landscape Ecology. 18:449-464.
Vitoousek, P.M., Reiners, W.A., Melillo, L.M., Grier, C.C.,
and Gosz, J.R. 1981. Nitrogen cycling and loss
following forest perturbation: the components of
response. In: G.W. Barret and r. Rosenberg (eds.) Stress
effects on natural ecosystems. John Willey and Sons,
Great Britain.
 GENERACIÓN DE INFORMACIÓN DE USO DEL SUELO Y
VEGETACIÓN ESCALA 1:50,000, SISTEMA DE INFORMACIÓN DE LA
COBERTURA DE LA TIERRA (SICT)
Martin NIÑO ALCOCER a, Arturo VICTORIA HERNANDEZb, Martha Elizabeth OROZCO
MEDINAc.
a
INEGI, Héroe de Nacozari Sur, 2301, Aguascalientes, Ags., email: martin.nino@inegi.org.mx,
b
arturo.victoria@inegi.org.mx, c martha.orozco@inegi.org.mx

RESUMEN
A partir del año 2005 la Dirección de Recursos Naturales del Instituto Nacional de Estadística y Geografía
(INEGI) reanuda trabajos para generar información de uso de suelo y vegetación a escala 1:50,000. Lo anterior
en respuesta a la necesidad actual en materia de recursos naturales donde se requieren datos a mayor detalle y
precisión temática. En esta nueva etapa se tiene como objetivo brindar mejoras en la calidad y estructura de la
información digital y a su vez busca garantizar la compatibilidad de los datos entre las distintas instituciones
interesadas en participar en la generación de tales productos, que se está impulsando a través de un esquema de
trabajo multiinstitucional. Partiendo conjuntamente de las metodologías y fundamentos conceptuales aplicados
en la generación de la información a escala 1:250,000 de Uso del Suelo y Vegetación y de la propuesta
conceptual de Land Cover Clasification System (LCCS) de FAO, se desarrolla una nueva versión más flexible y
adaptable denominada Sistema de Información de Cobertura de la Tierra (SICT) que involucra un modelo
relacional de datos para manejar y aprovechar mejor una amplia gama de atributos de las unidades de vegetación
y coberturas a ser representadas. Otra característica importante en su diseño, es el planteamiento de diferentes
opciones que permitan cumplir con necesidades específicas de los usuarios interesados y socios que participan
en la obtención de la información. En una primera etapa se realizaron 11 prototipos a escala 1:50,000
distribuidos a lo largo del país con los cuales se probaron las características y la capacidad de representación de
la cubertura terrestre bajo este nuevo enfoque. En la siguiente etapa se iniciaron trabajos de mayor alcance con
los proyectos “Vegetación de Aguascalientes”, “Manglares”, “Cuatro Ciénegas”. Actualmente se está planteando
nuevo trabajo para la realización de la cartografía a escalas mayores, en esta ocasión para realizar la cartografía
de cobertura terrestre de la zona metropolitana de León en el estado de Guanajuato.
Palabras clave: 1:50000, Usos, Vegetación, Cobertura.
la representación de algunos usos del suelo. Además
1 INTRODUCCIÓN
de que existe la necesidad de hacerla compatible y
A partir del año 2005 la Dirección de Recursos comparable con otros sistemas de clasificación
Naturales del INEGI, retoma los trabajos para la nacionales e internacionales. Como respuesta a estas
generación de Información de Uso del Suelo y necesidades, a partir del año 2005, se comenzaron a
Vegetación escala 1:50 000, lo anterior en respuesta a organizar y a llevar a cabo acciones encaminadas
la necesidad actual en materia de recursos naturales hacia la armonización, colección y manejo de datos de
donde se requieren datos a mayor detalle y precisión la cubierta de la tierra y uso del suelo, como un primer
temática. El conocimiento del estado que guarda la paso hacia la generación de una norma técnica en esta
cobertura de la tierra ha cobrado importancia en los materia, con la cual el INEGI, a través de la Dirección
últimos años: ¿cuál es el estado de nuestros recursos?, General de Geografía y Medio Ambiente, se dio a la
¿cómo son afectados por las actividades humanas?, tarea de desarrollar un sistema de clasificación que
¿dónde se desarrollan estas actividades?, ¿de qué tipo permita a los usuarios de cualquier parte del país
son? Los trabajos que ha desarrollado el INEGI en generar cartografía de la cobertura terrestre que
materia de uso del suelo y vegetación han contribuido responda a sus necesidades particulares. Así es como
a la respuesta de estas preguntas, aunque se procedió a diseñar un sistema de clasificación que
generalmente se han dirigido a una visión más permitiera a los diferentes usuarios generar
enfocada a la representación de la cubierta vegetal y a información geográfica adecuada a sus necesidades.

231
 2 DEFINICIONES
2.1 LA COBERTURA DE LA TIERRA Y SUS
COMPONENTES.
La definición del concepto cobertura de la tierra es
fundamental, debido a que en muchas clasificaciones
y leyendas existentes se confunde con el concepto de
vegetación y uso del suelo.
Cobertura terrestre es la cubierta (bio) física
observada sobre la superficie de la tierra (FAO, 2004).
La idea de cobertura implica la cantidad o porcentaje
que esta abarca en un área determinada, a diferencia
de la cubierta, que es un concepto meramente
cualitativo.
La vegetación se define, de acuerdo con lo que
mencionan diferentes autores como: “el conjunto de
plantas que habitan en una región, analizado desde el
punto de vista de las comunidades bióticas que lo
forman” (Rzedowski, J. 1978), o bien “unidades
fitogeográficas muy amplias, de tipo ecológico-
fisonómico” (González Medrano, 2003).
Por otro lado, está el uso del suelo, que se define
como los arreglos, actividades y demás aportaciones
que la gente hace en un cierto tipo de cobertura
terrestre para producir, cambiar o mantener dicha
cobertura. La definición de uso del suelo en este
sentido establece un vínculo directo entre la cobertura
de la tierra y las acciones del hombre en su ambiente
(FAO, 2004). Describe el marco sistemático con los
nombres de las clases (tipos) y de los criterios usados
para distinguirlas. La relación entre las clases implica
necesariamente la definición de sus límites, que deben
ser claros, exactos, posiblemente cuantitativos.
3. SISTEMA DE INFORMACIÓN DE LA
COBERTURA DE LA TIERRA (SICT).
3.1 OBJETIVO GENERAL.
Establecer un sistema de clasificación que represente
los elementos que conforman la cubierta de la tierra a
escalas grandes, para ser utilizado por APF y que
considere los estándares nacionales e internacionales.
3.2 OBJETIVOS ESPECÍFICOS.
Definir los criterios y clasificadores que determinan
las diferentes clases de la cubierta de la tierra.
Jerarquizar los criterios y clasificadores para
determinar las clases de cubierta de la tierra.
Establecer las principales clases de la cubierta de la
tierra presentes en el territorio nacional.
232
Establecer las clases a utilizar según la escala de
representación.
Definir los alcances del sistema con base en las
posibilidades del usuario generador.
Establecer la correspondencia entre el LCCS y el
sistema de clasificación de uso del suelo y vegetación
del INEGI.
3.3 CARACTERÍSTICAS GENERALES
El sistema de información de la cobertura de la tierra
(SICT) está concebido como un sistema de
clasificación a priori, estandarizado y jerárquico que
combina las características del sistema de
clasificación de la vegetación desarrollado por el
INEGI con las del Land Cover Classification System
de la FAO. Esta combinación permitirá al usuario
identificar por un lado, las características de la
vegetación y uso del suelo en términos de la cobertura
de la tierra (cobertura arbórea, cobertura arbustiva,
etc.) y por otro, identificar los diferentes tipos de
vegetación y uso del suelo (bosque de pino, bosque de
encino, selva baja caducifolia, manglar, etc.).
La base del sistema la constituye una serie de
atributos de diagnóstico independientes llamados
clasificadores que presentan las características
distintivas básicas de las diferentes clases que integran
el sistema y que definen los limites de cada una de
éstas, sin embargo, en caso de que las necesidades del
o los usuarios requieran de otro tipo de información
no incluida en el sistema, será posible integrarla al
cuerpo del sistema.
Las clases que integran al SICT están constituidas
por clasificadores, pero debido a la heterogeneidad de
la cobertura terrestre y con el objeto de alcanzar un
arreglo jerárquico lógico y funcional, se han aplicado
algunos criterios de diseño.
El SICT está integrado por dos componentes
principales:
a).- Una fase dicotómica inicial en la que se
presentan los tipos de cobertura de la tierra.
b).- Una fase subsecuente llamada jerárquico
modular en la cual las diferentes clases se identifican
por medio de clasificadores predefinidos y que se
apegan a cada uno de los tipos de cobertura de la
tierra y que permiten definir con mayor precisión cada
una de las clases derivadas de los tipos principales de
la cobertura de la tierra.
 c).- Cada clase consta de una clave que la
identifica y que integra sus principales características
con el objeto de facilitar su descripción.
d).- Un número único para su utilización en los
Sistema de Información Geográfica.
e).- Un nombre de cada una de las clases.
3.4 FASE DICOTÓMICA
Esta fase conforma el nivel principal de la
clasificación y define las clases principales de la
cobertura de la tierra (figura 1).
Los clasificadores que conforman esta fase son los
siguientes:
 Presencia de la Vegetación.
 Condición Edáfica.
 Artificialidad de la cubierta.
Estos tres clasificadores han sido arreglados
jerárquicamente para ubicar los ocho tipos principales Figura 2. La fase jerárquico-modular. Ejemplo de
adaptación de los clasificadores y atributos para áreas con
de la cubierta terrestre. El arreglo jerárquico no es
cobertura vegetal terrestre.
importante en esta fase, pero en un principio guía para
la siguiente fase. 3.6. PRESENCIA O AUSENCIA DE
VEGETACIÓN.
La primera aproximación dentro de la fase dicotómica
se refiere a la presencia o ausencia de vegetación, se
entiende por áreas vegetadas a aquellas que presentan
una cobertura vegetal mayor del 4% de la superficie
estudiada. La siguiente fase se refiere a una condición
meramente edáfica que alude a la naturaleza del
sustrato, que puede ser inundable temporal o
permanentemente o no.

4. REGLAS GENERALES PARA LA

Figura 1. Descripción del sistema conceptual de la tierra,
sus dos fases y de los clasificadores.
3.5 FASE JERÁRQUICO MODULAR
En esta fase, la creación de clases de cobertura
terrestre se determina por la combinación de un
sistema de clasificadores puros predefinidos de la
cubierta de la tierra. Este sistema de clasificadores es
diferente para cada uno de los ocho tipos principales
de la cubierta terrestre debido a la adaptación de los
clasificadores a su tipo respectivo (figura 2).
CLASIFICACIÓN.
4.1. VEGETACIÓN NATURAL Y
SEMINATURAL TERRESTRE E
INUNDABLE (A12 Y A24).
Para la clasificación de las áreas con vegetación
natural o seminatural, se consideran los siguientes
clasificadores puros, se marcan con asterisco los
clasificadores de diagnóstico, esto es, aquellos cuya
descripción es obligatoria para asignar el nombre de la
clase de vegetación:
La forma de vida*.- Se define como un grupo de
plantas que tienen ciertas características morfológicas
en común (Kuechler y Zonneveld, 1988). De acuerdo
con esta definición se hace la siguiente división:

233
leñosas, que se subdividen en árboles y arbustos; Afila.
herbáceas, subdivididas en hierbas Distribución espacial o macropatrón.-
Altura de las formas de vida*.- También se Continuo
clasifican las alturas de las plantas herbáceas (hierbas,
gramíneas o graminoides) Tabla 1. Fragmentado.
Tabla 1. Clasificadores de la altura de la Estratificación.
vegetación. Estacionalidad del agua.
FORMA DE VIDA ESTRATO PRINCIPAL CLASIFICADOR RANGO ALTURA DE LA VEGETACIÓN
ALTO (A) > 30 m Intermitente: El agua permanece de 2 a 8 meses.
MEDIANO (M) 15.0-30 m
Árboles Perenne: la permanencia del agua es mayor a 8
BAJO (B) 4-14.9 m
MUY BAJO (MB) 2.0-3.9 m meses al año.
ALTO (a) 2.0-3.9 m
Arbustos
MEDIANO (m)
BAJO (b)
1.0-1.9 m
0.5-0.9 m
4.2.- VEGETACIÓN CULTIVADA
MUY BAJO (mb) < 0.5m TERRESTRE E INUNDABLE
MUY ALTO (1) 2.0-3.9 m
Herbáceas
ALTO (2) 1.0-2.9 m La clasificación de las áreas cultivadas se basa en una
MEDIANO (3) 0.5-0.9 m
BAJO (4) < 0.5m
clasificación fisonómico estructural que en los niveles
inferiores de la clasificación considera la descripción
de las dimensiones espaciales y temporales.
Cobertura*.- Es importante que en el momento de observación
Sin cobertura aparente 4-9.9% de la cobertura terrestre, la tierra podría estar arada,
Abierto 10-50% sembrada o cosechada (sin el cultivo visible), o bien,
el cultivo puede estar claramente visible pudiéndose
Cerrado > 50% identificar sus diferentes etapas de crecimiento. Estas
La determinación de la cobertura en campo se dimensiones temporales influyen en la cobertura
convierte en un aspecto muy relativo, por lo que se terrestre, pero no deberían de influir en su descripción,
recomienda utilizar los siguientes criterios en campo: por que el uso deberá considerarse,
independientemente del tiempo de observación, esto
Vegetación cerrada: cuando las copas del dosel de es, un área agrícola será identificada como tal
la vegetación chocan entre sí. independientemente del estado que presente el cultivo
Vegetación abierta: cuando la separación de las que en ésta se desarrolle. Figura 6.
ramas es igual al radio de las copas del dosel de la Para la asignación del nombre de la clase y la clave
vegetación. respectiva, se consideran los siguientes clasificadores
Vegetación sin cobertura aparente: cuando la diagnósticos, cuya descripción es obligatoria para
separación entre las ramas de las copas del dosel es asignar el nombre de la clase:
mayor que en la mencionada en el párrafo anterior.
 Forma de vida del cultivo principal. Se define
Persistencia del follaje*.- por la por la fisonomía de las plantas. En las
Los criterios son: áreas terrestres cultivadas, árboles y arbustos
se distinguen de plantas herbáceas,
Perennifolia subdivididas en hierbas, gramíneas y
Caducifolia graminoides. Para la determinación del
cultivo principal no hay ninguna restricción a
Subperennifolia
las combinaciones posibles de la forma de
Subcaducifolia vida.
La definición de la persistencia de las coníferas se  Tipo de hoja. Este concepto aplica
omite en el nombre de la clase ya que todas son únicamente a cultivos leñosos (árboles y
perennifolias. arbustos), la clasificación es la siguiente:
El tipo de hoja.- Latifolia: aplica a cultivos leñosos (arbóreos y
Latifolia. arbustivos), por el tamaño de la lámina foliar esta
Aciculifolia.

234
puede se megáfila (mayor a 50 cm), mesofila ( de 5 a
50 cm) y micrófila (menor a 5 cm).
Acuculifolia: aplica también a cultivos leñosos que
tienen hojas aculeiformes.
Áfila: aplica a plantas suculentas con porte.
 Persistencia del Follaje. Este clasificador,
como el caso del tipo de hoja, establece un
vínculo con las áreas vegetadas; opera
únicamente para forma de vida arbórea y se
distinguen dos clases:
Perennifolia: se aplica cuando el cultivo principal
tiene hojas durante todo el año (p.ej. mango).
Caducifolia: se aplica cuando el cultivo principal
pierde su follaje durante al menos una estación
durante el año (p.ej. nogal).
Figura 3. Atributos y clasificadores para área cultivada.
 Tamaño promedio de parcelas. Este
clasificador se refiere al tamaño de las
parcelas individuales dentro de un polígono.
El aspecto espacial se considera un
clasificador meramente descriptivo, por lo que
su aplicación deberá hacerse a partir de la
observación en campo, que reforzará la
observación de esta característica en los
235
insumos remotos (fotografías aéreas e
imágenes de satélite).
El clasificador distingue tres valores de tamaño de
parcela:
Pequeña (menor a 2 ha)
Mediana (de 2 a 5 ha)
Grande (mayor de 5 ha).
 Distribución de Parcelas.
La distribución espacial se refiere al patrón
horizontal de cultivo en un área determinada,
independientemente de los cultivos que se localicen
dentro de un polígono. Su representación depende del
análisis del insumo que se utilice para mapear la zona.
Este clasificador distingue dos clases:
Continuo: la distribución de las parcelas abarca una
superficie mayor del 80% del polígono.
Dispersa: la distribución de las parcelas abarca del 50
al 80% de la superficie del polígono.
Disponibilidad del agua.
La disponibilidad del agua es un clasificador
diagnóstico que representa un elemento relacionado
con la práctica del cultivo. Se define como la forma en
que un cultivo se le suministra agua para su
desarrollo.
Los tipos de disponibilidad considerados son:
Temporal: Tipo de agricultura en el que el ciclo
vegetativo del o los cultivos depende del agua de
lluvia.
Riego: Tipo de agricultura en el que se proporciona
agua suplementaria a los cultivos durante el ciclo
agrícola.
Humedad: Agricultura que se desarrolla aprovechando
la humedad del suelo e incluye a los terrenos de
zonas inundables y que aun en época de sequía
requieren de humedad.
 Temporalidad del cultivo principal.
Este clasificador también está relacionado con las
prácticas de cultivo, se relaciona con su duración en el
terreno. Los criterios que se aplican para este
clasificador son:
Anual: El cultivo permanece sembrado un tiempo
que no excede de un año.
Semipermanente: El desarrollo del cultivo dura
entre dos y diez años.
 Permanente: Los cultivos permanecen sembrados
más de diez años
Temporalidad del uso agrícola.
La temporalidad del uso agrícola se refiere al
manejo que se le da al uso del suelo agrícola. Los
criterios que se aplican en este clasificador son:
Fijo: el terreno donde se practica la agricultura
permanece sembrado más de cinco años.
Itinerante: las áreas de cultivos se siembran por
periodos que van de 1 a 5 años y luego son
abandonados.
 Combinación de cultivos.
La combinación de cultivos es específica para las
áreas terrestres cultivadas y para las áreas cultivadas
inundables. Su aplicación involucra la presencia de un
cultivo principal y hasta dos cultivos secundarios que
se consideran en los siguientes valores:
Monocultivo: explotación de una especie vegetal en
un espacio agrícola determinado.
Policultivo: explotación de varias especies vegetales
en un mismo espacio agrícola.
 Forma de cultivo con respecto al cultivo
principal.
Para cada uno de los cultivos adicionales se
considerará la siguiente información:
Forma de vida
Temporalidad del cultivo
Forma de cultivo con respecto al cultivo principal
Los dos primeros clasificadores se aplicarán con
base a los criterios utilizados para el cultivo principal.
El concepto forma de cultivo con respecto al cultivo
principal se refiere al desarrollo espacial de los
cultivos con respecto al ciclo agrícola, los valores
incluidos son:
Simultaneo: el cultivo se desarrolla al mismo tiempo
que el cultivo principal, pero en diferentes parcelas en
un mismo polígono.
Asociado: el cultivo secundario se desarrolla al mismo
tiempo y en las mismas parcelas que el principal,
dentro de un mismo polígono.
Secuencial: el cultivo secundario se desarrolla en un
ciclo diferente al cultivo principal, dentro del mismo
polígono.
236
4.3 ÁREAS SIN CUBIERTA VEGETAL
TERRESTRE E INUNDABLE.
Las áreas sin cubierta vegetal terrestre consideran las
superficies artificiales y las áreas desnudas, esto es,
carentes de todo tipo de cubierta vegetal o artificial.
4.3.1 Superficies artificiales
En este clasificador se incluye las superficies que
presentan una cubierta artificial, resultado de las
actividades humanas, por ejemplo las áreas urbanas.
En esta categoría se incluyen también los sitios donde
la superficie original ha sido removida para ser
utilizada, como los sitios de extracción, o bien,
aquellos lugares donde los materiales han sido
depositados sobre la superficie original.
El aspecto de la superficie distingue dos clases
principales:
Construida: se clasifican en zona urbana y
asentamientos humanos.
No construida: considera depósitos de basura y sitios
de extracción.
4.3.2. Áreas desnudas.
Se describen principalmente por la apariencia de la
superficie que describe los aspectos de la cubierta: si
es consolidada o no y de qué clase de material se
conforma (p.ej. roca, arena, etc.).
Los clasificadores que se manejan en esta clase
son:
Aspecto de la superficie
a). Consolidado
b). No consolidado
Macropatrón
Describe el patrón de la superficie.
a). Suelo desnudo
b). Arenas.
4.3.3. Cuerpos de agua artificailes y naturales.
Esta clase se refiere a aquellas superficies que se
localizan en sitios de acumulación del agua
cosntruidos o no por el hombre.Esta clasificación
refleja en principio el estado físico que describe la
forma en que se encuentra el agua, por lo que
sepresentan tres opciones: agua, nieve o hielo, los
aspectos que se consideran los siguientes:
Movimiento del agua.
 Este clasificador se refiere a la caracterización del
cuerpo de agua respecto a la presencia de corrientes
en su interior, se manejan las siguientes claes:
Lótico: presenta movimiento.
Léntico: no presenta movimiento aparente.
Persistencia.
Se describe el tiempo que el agua cubre la
superficie. Si el agua esta presente entre dos y ocho
meses el año, la cubierta se considera intermitente y si
se mantiene pr mas de 8 meses, se le considerará
pernne.
Profundidad.
Está relacionada directamente con los aspectos de
la cubierta, tomadno como elemento relevante si el
mcuerpo de agua es profundo o no, considerandose
los siguientes criterios:
Cuerpos de agua profundos: mayor a 6 m
Cuerpos de agua no profundos: menor a 6 m.
Carga de sedimentos.
La carga de sedimentos suspendidos en el agua
influye en la cubierta e implica la existencia de otros
aspectos relacionados con la degradación de la
cobertura de la tierra, como la erosión, aguas arriba y
la acumulación de sedimentos aguas abajo, lo que
influye en la flora y fauna acuáticas.
Los valores de este clasificador son:
Sedimentado: la concentración de sedimentos es
visible, afectando la turbidez del agua (Soil Cons.
Soc., 1982) y con concentraciones que pueden ir dde
baja a alta.
Poco sedimentado: el agua es clara, pues la
concentración de sedimentos es muy poca para ser
visible (Soil Cons. Soc., 1982).
4.4. ATRIBUTOS AMBIENTALES Y
TÉCNICOS ESPECIFICOS.
El SICT se apoya fundamentalmente en los
clasificadores de la cubierta terrestre, los cuales se
pueden combinar con los llamados atributos, que son
características que apoyan a la definición de las clases
de la cobertura de la tierra. Estos atributos constituyen
un sustento importante para la caracterización de la
cobertura terrestre, proporcionando elementos para
constituir eventualmente, una nueva capa de
información.
Los atributos complementan a los clasificadores de
la cubierta de la tierra, con el objeto de llegar a una
237
definición adecuada de las diferentes clases de la
cobertura terrestre.
EL SICT considera dos tipos de atributos, que
conforman niveles distintos en la clasificación:
Atributos Ambientales: son atributos del medio
físico que no son rasgos inherentes a la cubierta
terrestre, pero pueden influirla como son: topoformas,
pendiente, exposición, litologia, tipo de suelo, clima,
altitud, erosión, y vegetación.
Atributos técnicos especificos: se refieren a
aspectos técnicos que ayudan a caracterízar a la
cobertura terrrestre, como pudiera ser un listado
florístico, la presencia y grado de disturbio o la
calidad del agua, usos de las superficies artificiales.
5.- VENTAJAS DEL SISTEMA DE
CLASIFICACIÓN.
5.1.- DESDE EL PUNTO DE VISTA
CONCEPTUAL.
El SICT constituye un verdadero sistema de
clasificación a priori en el sentido que, para los
clasificadores consideraddos, se cubren todas sus
posibles combinaciones. Las diferentes clases de
cobertura de la tierra están definidas de una
manera clara y sistematicamente, además estan
bien diferenciados los clasificadores puros de la
cubierta terrestre, atributos ambientales y los
atributos técnicos especificos.
5.2. DESDE EL PUNTO DE VISTA
PRÁCTICO.
El diseño específico del SICT permite la fácil
incorporación e integración de un SIG y bases de
datos, Los mecanismos de cómo se generan las clases
facilitan los procedimientos de sobre posición.
5.3 DE LA CLASIFICACIÓN DE LA
LEYENDA.
5.3.1. Área minima cartografiable.
Es un concepto aplicado por cartográfos cuando se
refiere al área más pequeña que se puede representar
en un mapa. Este concepto es, por lo tanto,
dependiente de la escala y no relacionado con la
clasificación. Para la aplicación del SICT a escala
1:50 000 se ha definido un área minima de 6.25 ha lo
que equivale a un área en el mapa de 25 mm x 25
mm.
5.3.2. Ocurrencia de unidades mixtas.
El SICT no considera unidades mixtas, todas las
clases son unicas. Lo anterior debido a que el sistema
permite una disección detallada que permite al usuario
obtener la información que requiera, tomando en
cuenta que al utilizarse el sistema a escalas mayores
que la escala 1:50 000 se podran utilizar clases mixtas.
Lo anterior se debe a que el usuario piede ir de un
nivel general a uno mas detallado con la intención de
definir una clase.
Otras de las aplicaciones que se han realizado con
SICT son en la generación de los proyectos
“Vegetación de Aguascalientes”, Áreas de Humedales
y la Zona Metropolitana de León Gunajuato, para lo
cual se han verificado en campo un total de 274
conjuntos escala 1:50 000 (figura 5).

6. APLICACIONES PRÁCTICAS
A partir del año 2005 se iniciaron los trabajos para la
aplicaciónen campo del SICT, iniciandose con 11
prototipos escala 1:50 000 los cuales fueron
distribuidos en difernetes zonas ecologicas del
territorio nacional (figura 4).

Figura 5. Conjuntos de datos verificados en campo.

REFERENCIAS
INEGI. 2009. Sistema de Información de la Cobertura de la
Tierra (SICT) 98 p.

INEGI. 2009. Sistema de Información de la Cobertura de la

Tierra SICT. Modelo de Datos 22 p.
INEGI. 2011. Sistema de Información de la Cobertura de
la Tierra SICT. Lineamientos Metodológicos 26 p.
http://www.inegi.org.mx/sistemas/productos/#inicio
Figura 4. Distribución de 11 prototipos escala 1:50
000.

238
 ANÁLISIS DE LA EVOLUCIÓN ESPACIO-TEMPORAL DEL NDVI
SOBRE ÁREAS VEGETADAS Y ZONAS DE RIESGO DE EROSIÓN EN
EL PIRIDEO CENTRAL ESPAÑOL
Luis Carlos ALATORRE CEJUDOa,b, Santiago BEGUERÍA PORTUGUÉSc, Sergio Manuel
VICENTE SERRANOa
a
División Multidisciplinaria de la UACJ en Cuauhtémoc, Universidad Autónoma de Ciudad Juárez (UACJ),
Calle Morelos y privada del Roble núm. 101, Fracc. El Roble, C.P. 31579, Cuauhtémoc, Chihuahua, México, e-
mail: lalatorre@ipe.csic.es
b
Instituto Pirenaico de Ecología (CSIC), Avda. Montañana 1005, 50059 – Zaragoza (España). PO Box 202,
50080 – Zaragoza (España).
c
Estación Experimental de Aula Dei (CSIC), Zaragoza (España).

RESUMEN
En este trabajo se ha analizado la evolución temporal y espacial de la dinámica vegetal sobre varias coberturas
de suelo en el Pirineo central, España. Se han utilizado dos series temporales de NDVI, la primera corresponde
al mes de Abril (inicio de primavera) y la segunda al mes de Agosto (final de verano). Las series fueron
construidas a partir de imágenes Landsat TM y ETM+ para el periodo del 1984-2007. Los resultados muestran
un incremento del NDVI en el mes de Marzo para las áreas vegetadas, mientras que las áreas degradadas
(cárcavas y zonas de riesgo de erosión) presentaron una tendencia negativa del NDVI. El incremento de las
temperaturas mínimas durante el periodo de estudio fue el factor más importante para explicar el incremento del
NDVI en las áreas vegetadas. En las áreas degradadas, no se encontró ninguna variable climática o topográfica
que explicará la tendencia negativa del NDVI, lo cual se ha relacionado con los procesos de erosión acelerada
que tienen lugar en la región.
Palabras clave: Landsat TM y ETM+, Pirineo central español, actividad vegetal, cárcavas, zonas de riesgo de
erosión.
de su estrecha relación entre la biósfera y los
1 INTRODUCCIÓN
parámetros globales, incluyendo: la concentración de
Los métodos para evaluar el riesgo de erosión a escala CO2 atmosférico (Zeng et al., 1999), la influencia de
de cuenca y regional (10-10,000 km2) incluyen la la vegetación en el ciclo hidrológico a escala local
aplicación de modelos de erosión y aproximaciones (Beguería et al., 2003), la estructura y diversidad del
cualitativas mediante el uso de teledetección (TLD) y paisaje (Olsson et al., 2000), los procesos de erosión y
sistemas de información geográfica (SIG). Alatorre y transporte de sedimentos (Alatorre y Beguería,
Beguería (2009a) hicieron una descripción muy 2009b).
exhaustiva sobre los modelos de erosión con los que
En el Pirineo central español diferentes estudios
se cuenta en la actualidad. Sin embargo, en la mayoría
han analizado las variaciones –temporales y espaciales
de los casos los modelos de erosión han sido creados
de la actividad vegetal sobre distintas cuberturas
para escalas pequeñas y su extrapolación a escalas
vegetales a escala regional y local (Lasanta y Vicente-
más grandes (cuenca o regional) no resulta sencilla
Serrano, 2007), teniendo como objetivos: i) evaluar
(Kirkby et al., 1996). La TLD y los SIG han mostrado
los cambios en la cubierta vegetal en los últimos 50
un gran potencial para la evaluación de la erosión a
años; ii) detectar la tendencia global de la biomasa
escalas regionales, incluyendo la identificación de
vegetal; iii) estudiar los cambios de la actividad foliar
áreas con erosión activa, la estimación de los factores
en regiones forestales; iv) analizar el control que
que controlan la erosión, la monitorización del avance
ejercen las variables climáticas (temperaturas y
de la erosión sobre tiempo, así como, el análisis de la
precipitación) y los patrones espaciales de la aridez; y,
dinámica vegetal y sus características (Lambin, 1996).
v) para determinar el efecto antropogénico de los usos
La dinámica vegetal tiene un papel muy importante de suelos.
en la evaluación de los procesos ambientales a causa

239
 Los objetivos de este trabajo son: i) obtener una
serie temporal de la actividad vegetal durante dos
periodos (inicio de primavera y final de verano) para
las distintas cobertura de suelo, incluyendo las zonas
vegetadas y degradadas; ii) determinar el grado en que
el clima está controlando la actividad vegetal en las
distintas coberturas, y definir las tendencias
temporales; y, iii) analizar la distribución espacial de
las tendencias temporales de la actividad vegetal de
las zonas de riesgo de erosión, como indicadores de
recuperación o degradación, y cuantificar los efectos
de diversos factores topográficos sobre dichas
tendencias.
2 ÁREA DE ESTUDIO
El área de estudio se localiza aproximadamente a 23
km al N del embalse de Barasona, y está integrada por
un corredor con afloramientos margosos eocenos de
orientación NO-SE (Fig. 1A). El rango altitudinal va
desde 620 m a 2149 m (Fig. 1B). La cartografía de las
coberturas de suelo basada en el método de máxima
verisimilitud (Alatorre y Beguería, 2009b) muestra
que el área de estudio está ocupada principalmente por
cinco categorías: cárcavas, 19 km2 (8.0%); bosque de
coníferas, 65 km2 (28.0%); bosque de frondosas, 21
km2 (9.0%); pastizales, 32 km2 (13.0%); y matorrales,
99 km2 (42.0%). La distribución espacial de las zonas
ocupadas por matorrales y pastizales muestra que
podrían ser clasificadas como cárcavas. Esta
distribución espacial sugirió que existe una transición
progresiva entre las zonas erosionadas y forestales
(Fig. 1C). En el mismo estudio, se obtuvo un mapa de
áreas con erosión activa (cárcavas) y zonas de riesgo
de erosión, con 17 km2 y 49 km2, respectivamente
(Fig. 1D). La comparación visual de los mapas
muestra que las zonas de riesgo de erosión
corresponden principalmente a la clase de matorral (y
en algunos casos, pastizales y coníferas) que bordean
las zonas de cárcavas (para más información por favor
vea, Alatorre y Beguería, 2009b).
El clima es de montaña, húmedo y frío, con
influencias atlánticas y mediterráneas continentales.
La temperatura media anual es de 11ºC, mientras que
la precipitación se sitúa en torno a los 876 mm año-1.
La precipitación se distribuye de manera irregular a lo
largo del año, con un máximo en primavera de entre
180 y 160 mm (Abril y Mayo, respectivamente), y un
período de precipitaciones mínimas en los meses de
Julio y Agosto, en los que la precipitación no supera
los 100 mm. La topografía y la altitud explican las
altas precipitaciones y las bajas temperaturas. Por
240
encima de los 1700 m la precipitación llega a alcanzar
los 2000 mm año-1; periodos sin lluvia son poco
frecuentes y muy cortos, resultando en breves
periodos de déficit hídrico. Una gran producción de la
precipitación cae como nieve, que persiste durante
varios meses, ya que la isoterma de 0ºC se encuentra a
1,650 m.
Figura 1. A) Localización de el área de estudio: i) el área
recortada indica la localización de áreas de cárcavas sobre
margas Eocenas (236 km2); ii) la zona gris indica el área de
la escena Landsat; iii) los cuadros negros indican la
localización de las estaciones climatológicas de la Agencia
Nacional de Meterología: Eriste (9840), Sesue (9841),
Serraduy (9853). B) Modelo Digital del Terreno (MDT). C)
Mapa de las coberturas de suelo basado en la clasificación
supervisada usando el método de máxima verosimilitud y
máxima regla de probabilidad de clasificación (Alatorre y
Beguería, 2009b). D) Mapa de áreas con erosión activa
(cárcavas) y zonas de riego de erosión (Alatorre y Beguería,
2009b).
3 DATOS Y METODOLOGÍA
3.1 SELECCIÓN DE LA BASE DE DATOS Y
PREPARACIÓN
En este trabajo se han utilizado una serie
homogenizada de imágenes Landsat TM y ETM+ para
el periodo 1984-2007. La base de datos comprende 28
imágenes, 12 de las cuales corresponden al inicio de
primavera (Marzo) y 16 para finales del verano
(Agosto). Las dos series temporales fueron usadas
para identificar las posibles diferencias en la dinámica
vegetal como una función estacional de la actividad
vegetal, y para evaluar con mayor robustez los
patrones temporales y espaciales de la actividad
vegetal. Detalles del procedimiento de corrección
topográfica y atmosférica aplicado a las imágenes, y
una descripción completa del conjunto de datos y su
validación, han sido descritos por Vicente-Serrano et
al. (2008).
Las series temporales del NDVI fueron obtenidas a
partir de las imágenes Landsat TM y ETM+, con el
propósito de monitorizar la actividad vegetal. El
NDVI fue calculado como (Rouse et al., 1974):
 IR   R
NDVI  (1)
 IR   R
donde es la reflectividad en la región del infrarrojo
cercano del espectro electromagnético y es la
reflectividad en la región del rojo. El NDVI es una
medida de la capacidad fotosintética de las plantas y
la resistencia estomática con respecto a la
transferencia de vapor de agua. Por lo tanto, altos
valores de NDVI son indicativos de la actividad de la
vegetación secundaria.
También se ha utilizado el mapa de coberturas de
suelo que comprende los principales tipos de
vegetación en el área de estudio, así como el mapa de
zonas con erosión activa (cárcavas) y áreas de riesgo
de erosión (Fig. 1C y D; Alatorre y Beguería, 2009b).
Para analizar los efectos del clima sobre la
actividad vegetal se utilizó una base de datos que
consta de tres series de precipitación diaria de la
Agencia Nacional de Meteorología, que incluye datos
desde Enero de 1984 (Fig. 1A). Los datos diarios de
temperatura se han obtenido para el mismo periodo de
la estación Serraduy (Fig. 1A). Las series temporales
de las precipitaciones totales y las temperaturas
máximas/mínimas medias se calcularon a partir de la
serie diaria original, sumando los valores diarios
durante el periodo inmediatamente anterior a las fecha
de cada imagen. Así, las series climáticas se
calcularon para los siguiente periodos previos a la
fecha de la imagen: 15 días, 30 días, 3 meses (Enero,
Febrero y Marzo para las imágenes de Marzo, Junio,
Julio y Agosto para las imágenes de Agosto) y 6
meses (Octubre a Marzo, y de Marzo a Agosto,
respectivamente).
Las variables topográficas también fueron
analizadas para evaluar sus efectos en la actividad
vegetal. Para ello se utilizó un modelo digital del
terreno (MDT) con una resolución espacial de 20 m
para obtener la pendiente (m m-1), algunos estudios
han demostrado la importancia de este factor para
241
explicar las tasas de recuperación de la vegetación
(Pueyo y Beguería, 2007). También, se derivó un
modelo de radiación solar potencial (MJ m-2 día-1)
para evaluar el control topográfico del balance de
energía, utilizando un algoritmo que incluye el efecto
de la complejidad del terreno (umbría y la reflexión) y
la posición solar diaria.
3.2 ANÁLISIS ESTADÍSTICO
Las series temporales de NDVI para cada una de las
coberturas de suelo fueron verificadas para determinar
la presencia de tendencias temporales, usando la
prueba de correlación de Spearman contra el tiempo.
Esto permitió el análisis de la dinámica vegetal en
términos de incremento (correlación positiva) y un
descenso de la actividad (correlación negativa). El
grado de significancia de las tendencias fue verificada
usando el valor de p asociado con el estadístico rho de
Spearman.
La prueba de Spearman permite detectar la
presencia de tendencias temporales en las series de
NDVI, pero no identifica los factores implicados. Para
determinar el control que ejerce el clima sobre la
actividad vegetal y para aislarlo de otros factores, se
realizó una regresión multivariante de los valores
medios de NDVI contra las variables climáticas en
cada una de las coberturas. Como paso intermedio se
llevó acabo un análisis de la correlación para
seleccionar la serie temporal climática más adecuada.
Para las imágenes de Marzo y de Agosto se encontró
que las series temporales climáticas que tenían una
mayor correlación con el NDVI eran los 3 meses
anteriores a la fecha de adquisición de cada imagen,
las cuales fueron utilizadas como covariables en el
análisis de regresión. También se introdujeron otras
dos covariables, el día juliano y el año de adquisición
de la imagen, ya que esto podría afectar el NDVI.
Para determinar las variables que explican
significativamente la evolución temporal del NDVI
sobre cada cobertura, se utilizó un procedimiento de
retroceso “stepwise” basado en AIC (Akaike’s
information criterion statistic), implementado en
software estadístico R (R Development Core Team,
2008).
Para realizar un análisis espacial, la regresión
multivariante fue repetida píxel a píxel solo para las
zonas de riesgo de erosión. Esto permitió obtener un
mapa espacialmente distribuido de las tendencias del
NDVI que no fueron explicadas por las variables
climáticas, y así identificar las áreas que experimentan
procesos de degradación o recuperación vegetal.
 Finalmente, se realizó un análisis de correlación variabilidad temporal del NDVI puede explicarse por
entre la evolución del NDVI y los factores las condiciones climáticas, como se verá en la
topográficos (altitud, pendiente y la radiación solar siguiente sección.
potencial entrante), y un procedimiento “boostrap”
para determinar la significación estadística de la
correlación.

4 RESULTADOS Y DISCUSIÓN
4.1 EVOLUCIÓN TEMPORAL DEL NDVI
SOBRE LAS COBERTURAS DE SUELO,
1984-2007
La evolución temporal del los valores medios de
NDVI en los meses de Marzo y Agosto para cada una
de las cobertura de suelo fue evaluada (Fig. 2, Tabla
2). Se observó una clara diferencia entre las áreas
vegetadas (bosque de coníferas y frondosas, pastizales
y matorrales) y las áreas degradadas (cárcavas y áreas
de riesgo de erosión). Las áreas vegetadas presentaron
los valores de NDVI más altos, siendo los más altos
en Agosto. Los valores de NDVI en Marzo mostraron
un tendencia temporal positiva para todas las áreas Figura 2. Evolución temporal de los valores medios del
vegetadas, particularmente para los bosques de NDVI en Marzo y Agosto entre las clases de coberturas de
coníferas y frondosas donde las tendencias fueron más suelo, cárcavas y zonas de riesgo de erosión.
significativas α = 0.05. Sin embargo, el incremento
Tabla 1. Valores medios del NDVI y tendencias
del NDVI no fue constante, y en algunos años (p. ej.
temporales del NDVI (correlación de Spearman rho
1997 y 2003) se registro un descenso en los valores
contra el tiempo y significación estadística) en cada
del NDVI con respecto a la tendencia general (Fig. 2).
una de las clases de coberturas en Marzo y Agosto.
Los valores de NDVI en el mes de Agosto no
Marzo Agosto
mostraron una tendencia temporal significativa en NDVI Tendencia NDVI NDVI Tendencia NDVI
trend
ninguna de las áreas vegetadas. Estos resultados Cobertura de suelo media desvest rho p media desvest rho p
sugieren un incremento en la actividad vegetal durante Bosque de
frondosas
0.63 0.10 0.517 0.0862 0.65 0.11 0.321 0.224

el periodo de estudio asociado a condiciones más Bosque de coníferas 0.56 0.12 0.573 0.0538 0.61 0.12 0.168 0.520
Pastizales 0.49 0.11 0.336 0.281 0.55 0.15 - 0.926
favorables. 0.0265
Matorrales 0.50 0.11 0.294 0.348 0.52 0.13 - 0.741

Las áreas degradadas (cárcavas y zonas de riesgo Riesgo de erosión 0.48 0.11 -0.196 0.543 0.50 0.14
0.0899
-0.594 0.
de erosión) mostraron los valores medios de NDVI Erosión (cárcavas) 0.42 0.12 -0.0420 0.904 0.41 0.16 -0.250
0173
0.349
más bajos, con una ligera diferencia entre Marzo y
Agosto ocasionada por la escasa cobertura vegetal 4.2 ANÁLISIS DE LA REGRESIÓN DEL
(Tabla 2). Las tendencias del NDVI fueron negativas NDVI CONTRA LAS VARIABLES
tanto para en Marzo y Agosto, y fueron más acusadas CLIMÁTICAS
en las áreas de riesgo de erosión, encontrándose que la El análisis de la regresión permitió explicar los
serie temporal de Agosto es estadísticamente patrones temporales del NDVI observados sobre cada
significativa. Esto podría indicar la presencia de cobertura de suelo. El modelo de regresión en general
procesos de degradación (erosión acelerada) en estas se ajustó bien a los valores de NDVI observados, solo
áreas. en el caso de los pastizales, cárcavas y las zonas de
Estos resultados sugieren que la presencia de riesgo de erosión en el mes de Marzo, los resultados
tendencias temporales opuestas en el área de estudio de modelo estuvieron ligeramente por debajo del nivel
depende de la naturaleza de cada cobertura, con áreas de confianza (Tabla 3). El mejor ajuste se obtuvo en
vegetadas que experimentan un incremento en la Marzo para las zonas de con buena cobertura vegetal
actividad vegetal y áreas degradadas que sufren una (Bosques de coníferas y frondosas), no de la misma
disminución de la cubierta vegetal. Sin embargo, la forma para las áreas degradadas (pastizales, cárcavas
y áreas de riesgo de erosión), como lo demuestra los

242
bajos de R2. En Agosto, la bondad de ajuste fue ningún efecto significativo para cualquiera de las
similar para todas las coberturas (Tabla 4). En todos coberturas.
los modelos fueron identificadas una o más variables Tabla 3. Análisis de la regresión de los valores de
climáticas que explican la evolución temporal de la NDVI para Agosto en relación con las condiciones
actividad vegetal. climáticas.
Tabla 2. Análisis de la regresión de los valores de Bosque de
coníferas
Bosque de
frondosas
Matorral Pastizal Riesgo de
erosión
Erosión
(cárcavas)
NDVI para Marzo en relación con las condiciones R
P
2
0.599
0.028
0.591
0.031
0.663
0.004
0.640
0.005
0.681
0.003
0.663
0.004

climáticas. Error residual estandar

Coeficientes Beta:
0.739 0.747 0.649 0.671 0.632 0.649

Precipitación -0.325 -0.421 -- -- -- --

Bosque Bosque de Matorral Pastizal Riesgo de Erosión T max -1.59 -1.45 -1.66 -1.62 -1.23 -1.50
de frondosas erosión (cárcavas) T min 1.31 1.34 1.21 1.09 0.806 1.42
coníferas Día juliano -- -- -- -- -- --
2
R 0.743 0.779 0.615 0.424 0.467 0.547 Tiempo (año) -0.481 -0.507 -0.688 -0.646 -1.000 -0.789
P 0.002 0.001 0.045 0.084 0.150 0.082 Tendencia temporal (Cambio
Error residual estandar 0.561 0.520 0.728 0.839 0.856 0.789 en el NDVI):
Coeficientes Beta: por año -0.00197 -0.00247 -0.00241 -0.00244 -0.00363 -0.00210
Precipitación -0.317 -- -0.298 -- -- -- periodo 1984-2006 -4.43% -5.53% -5.40% -5.46% -8.02% -4.72%
T max -- -- -- -- -- --
T min
Día juliano
0.683
--
0.678
-0.310
0.371
-0.326
1.11
--
0.701
-0.377
0.716
-0.457
Una vez que se han explicado los efectos
Tiempo (año)
Tendencia temporal (Cambio
-- -- -- -0.705 -0.845 -0.719
climáticos y fenológicos del NDVI, se procedió a
en el NDVI):
por año -- -- -- -0.00216 -0.00433 -0.00326 identificar las tendencias temporales de los valores
periodo 1984-2006 -- -- -- -4.03% -7.91% -6.02%
medios del NDVI para algunas de las clases de
Sin embargo hubo diferencias entre Marzo y
coberturas de suelo (Tabla 3 y 4). En Marzo se
Agosto, así como entre las distintas clases de
encontraron tendencias negativas del NDVI solo para
coberturas. En Marzo, la temperatura mínima media
pastizales, cárcavas y áreas de riesgo de erosión, lo
fue el factor más explicativo, como lo demuestra el
que representa una disminución del NDVI,
hecho de tiene el mayor coeficiente beta
aproximadamente entre 4-8% en el periodo
(estandarizado). Esto refleja la importancia de un
comprendido entre 1989-2007. En cambio, en Agosto
clima relativamente cálido a finales de
invierno/comienzos de primavera, cuando empieza el todas las coberturas mostraron una tendencia temporal
negativa, y mostraron un rango similar en el periodo
periodo de crecimiento. La temperatura máxima
de 1984-2006. Las magnitudes de las tendencias
media no explicó ninguna de las tendencias de NDVI
negativas fueron similares para todas las clases de
observadas en las distintas clases de cuberturas, la
coberturas, con una excepción. Las zonas de riesgo de
precipitación acumulada fue significativa en solo unos
erosión mostraron los valores más altos
pocos casos (bosque de coníferas y frondosas).
(aproximadamente 8%) tanto en Marzo como en
Contrariamente a lo esperado, la precipitación
acumulada tuvo un efecto negativo en el índice de Agosto.
vegetación (es decir, una mayor precipitación se El análisis de los resultados de la regresión
tradujo en valores bajos de NDVI), como lo permitió la interpretación de las tendencias temporales
demuestran los signos negativo de los coeficientes del NDVI (Fig. 2). La tendencias del NDVI al alza se
beta. El momento de la adquisición de la imagen presentaron sobre en las áreas con buena cobertura
(variable = “día”) fue estadísticamente significativo en vegetal, en el caso de Marzo se ha explicado por una
el mes de Marzo en todas las coberturas, excepto para tendencia similar en las temperaturas mínimas medias.
las coberturas de bosques de coníferas y pastos, lo que La tendencia a la baja del NDVI en las zonas de
sugiere la importancia del estado fenológico de la riesgo de erosión también fue evidente, pero no pudo
vegetación en esa época del año. ser correlacionada con la evolución temporal de las
variables climáticas.
En Agosto la temperatura mínima media también
fue estadísticamente significativa (positiva) para todas Estos resultados están muy relacionados con la
las clases de coberturas, pero el factor más importante evolución observada en Pirineo occidental español.
fue la temperatura máxima media. Esto lo demostró el Vicente-Serrano et al. (2004) encontraron tendencias
coeficiente beta absoluto más alto, y un efecto positivas del NDVI en bosques y en áreas con
negativo en todos los casos, lo que significa que un vegetación bien desarrollada, lo cual fue relacionado
verano cálido se traduce en valores más bajos del con un aumento en la temperatura media anual, y a los
NDVI. La precipitación acumulada fue significativa patrones de abandono de las tierras y los procesos
solo para los bosques de coníferas y frondosas, donde naturales de colonización. En el presente estudio
también tuvo un efecto negativo en el NDVI. Mientras también se encontró una tendencia positiva del NDVI
que el momento de adquisición de la imagen no tuvo en las áreas vegetadas, y se demostró que la

243
temperatura máxima y mínima media registrada en los
3 meses previos a la toma de las imágenes Landsat
ejerció una influencia opuesta a la del NDVI, y que
este efecto varió durante el año.
Figura 3. Distribución espacial de las tendencias del NDVI
para Marzo y Agosto en las zonas de riesgo de erosión
después de quitar la influencia de clima, encontrando: signo
de la tendencia temporal (arriba) y significación estadística
(abajo).
Encontrar que la precipitación acumulada tuviera
un efecto negativo sobre el NDVI fue desconcertante;
ya que se esperaba un efecto positivo. Esta anomalía
puede ser explicada por los siguientes factores: i) la
disponibilidad del agua no constituye un factor
limitante para el crecimiento de la vegetación en el
área de estudio, la cual recibe en promedio 900 mm
año-1, principalmente en invierno y primavera; y ii) la
cantidad de precipitación está bien correlacionada con
la cobertura de nubes en la región, con periodos de
lluvia que resultan en una reducción de la radiación
solar entrante, que se eleva en los días claros. Es bien
sabido que el nivel de precipitación deja de ser un
factor limitante para el crecimiento de la vegetación
en regiones húmedas, donde la competencia por el
espacio y la radiación solar es más importante. La
relación no lineal entre las precipitaciones y la
actividad de la vegetación en estas regiones podría ser
explicada por la ausencia de un efecto positivo
significativo, pero no la presencia de un efecto
negativo, como en nuestra área de estudio. Sin
embargo, la segunda explicación (nubosidad) podría
facilitar la explicación de nuestros datos.
Lamentablemente, se carece de la disponibilidad de
244
series temporales de nubosidad, por lo que la hipótesis
no pudo ser probada.
En estudios a escala más local, se han observado
tendencias temporales similares del NDVI, pero el
impacto humano ha sido incluido entre las
explicaciones. Fuller (1998) analizó una serie
temporal de 7 años de NDVI en Senegal para el
periodo 1987-1993, y observó las diferencias
espaciales en las tendencias temporales del NDVI en
función a las prácticas agrícolas y la gestión de pastos.
Pelkey et al. (2000) indicaron que, en Tanzania, la
creación de áreas naturales protegidas estaba teniendo
un efecto positivo en el incremento de la cobertura
vegetal y la biomasa en relación con las áreas que
muestra un uso humano más intensivo. La presencia
de una tendencia residual en los valores medios del
NDVI tras la eliminación de las influencias climáticas
se suele considerar que constituye una evidencia de
que otros factores, tales como las prácticas de uso
humano del suelo, están afectando a la actividad
vegetal. En el presente estudio se ha encontrado en
Agosto tendencias estadísticamente significativas para
todas las cuberturas. Dada la baja intensidad del uso
del suelo en la región, la atribución de estas
tendencias a causas humanas es difícil. Además, las
tendencias positivas del NDVI en Marzo fueron
explicadas por evolución de las temperaturas
mínimas. Por lo tanto, el adelantamiento del periodo
de crecimiento, además del aumento en la actividad
vegetal durante primavera y principios de verano,
pode causar mayor estrés en la vegetación en el mes
de Agosto. Tras la eliminación de los efectos
climáticos, las tendencias del NDVI en Marzo y
Agosto fueron a la baja tanto en pastizales como en
las áreas de cárcavas, en particular en las zonas de
riesgo de erosión. Esto puede constituir un signo de
degradación de estas zonas debido a la disminución de
la actividad vegetal en el área de estudio como efecto
del proceso de erosión del suelo en estas zonas
(Alatorre y Beguería, 2009b). En las zonas de erosión
el efecto de la tendencia temporal fue mayor que el
efecto de las variables climáticas y, en consecuencia,
estas áreas muestran en general una tendencia a la
baja del NDVI. Como esta clase de cobertura incluye
zonas muy sensibles que corren riesgo de perder toda
la cobertura vegetal, convirtiéndose así en cárcavas,
nos hemos centrado más en los factores que han
contribuido a esta degradación.
4.3 DISTRIBUCIÓN ESPACIAL DE LAS = 0.0345, respectivamente), lo que sugiere que los
TENDENCIAS POSITIVAS Y NEGATIVAS procesos de degradación se producen preferentemente
DEL NDVI EN ZONAS DE RIESGO DE en las zonas de umbría (orientación norte). Esto
EROSIÓN resulta consistente con otras investigaciones que han
Las tendencias negativas del NDVI en las zonas de revelado que las áreas de cárcavas se presentan
riesgo de erosión observadas en Marzo y Agosto, no predominantemente en las laderas de umbría (Alatorre
pudieron ser explicadas por los factores climáticos, lo y Beguería, 2009b) y están asociadas a los procesos
cual sugirió que los procesos de degradación como la mecánicos de meteorización por efecto de los ciclos
erosión o la expansión lateral de las cárcavas eran los de hielo y deshielo, que son más frecuentes en las
responsables. Esta posibilidad motivó una evaluación laderas con orientación.
detallada de la distribución espacial de las tendencias
del NDVI en las zonas de riesgo de erosión.
Tras eliminar las influencias climáticas, la
distribución espacial de las tendencias positivas y
negativas del NDVI en las zonas de riesgo de erosión
fue similar en Marzo y Agosto, lo que demuestra que
el proceso es bastante consistente, y no solo atribuible
a los efectos estacionales (Fig. 3). Las tendencias
negativas del NDVI predominaron en las dos
imágenes, lo que indica las ocurrencias de procesos de
degradación en estas áreas. Sin embargo, existen
regiones donde predominan las tendencias positivas,
sobre todo en la imagen de Marzo. La proporción de
las tendencias estadísticamente significativas es
mayor en Agosto, debido al aumento de las
condiciones de estrés, que predominan en este mes.
El mapa de la distribución espacial de las
tendencias del NDVI píxel a píxel permitió evaluar el
Figura 4. Correlación entre las tendencias de NDVI para
efecto de determinadas condiciones topográficas sobre
Marzo y Agosto en las zonas de riesgo de erosión y las
la presencias de procesos de degradación o variables topográficas (después de quitar la influencia del
recuperación vegetal. En Marzo, se encontró una clima). Los resultados contienen una muestran aleatoria del
relación positiva entre la evolución del NDVI y la 10% de los píxeles originales. Los puntos negros indican
elevación pero estadísticamente no significativa (p = los píxeles con una tendencia estadísticamente significativa.
0.283) (Fig. 4). Esto puede ser relacionado con la
localización de las áreas de cárcavas; estas Estos resultados contrastan con estudios que se han
predominan en el fondo de la depresión Eocena, en centrado en el control topográfico que ejerce sobre la
contraste con las zonas boscosas, que se encuentran recuperación vegetal, en el Pirineo español, que han
principalmente en las laderas. Se encontró una demostrado que en las laderas de umbría se registran
correlación negativa entre la evolución del NDVI y la mayores tasas de recuperación que las laderas
pendiente, lo que sugiere una asociación de pendientes soleadas (Pueyo y Beguería, 2007). Esto ha sido
más pronunciadas con las tendencias negativas. Esta explicado por la presencia de un mayor estrés sobre la
asociación podría ser relacionada con la influencia vegetación causado por el aumento de la
positiva que tiene la pendiente con la actividad de evapotranspiración en las laderas soleadas. Los
procesos de erosión. Se obtuvieron resultados resultados del presente estudio muestran que la
similares con las imágenes de Agosto (Fig. 4), aunque influencia topográfica sobre los procesos de
las relaciones con la altitud y la pendiente fueron más recuperación vegetal en zonas de riesgo de erosión es
débiles (p = 0.447 y p = 0.416). opuesta a las zonas con buena cubierta vegetal,
asociado a los procesos de erosión.
Con respecto a la radiación solar potencial, tanto
en Marzo y Agosto se encontraron correlaciones
positivas con las tendencias del NDVI (p = 0.113 y p

245
 5 CONCLUSIONES
Se ha analizado la evolución temporal de la actividad
vegetal sobre áreas vegetadas y en zonas de riesgo de
erosión en una pequeña área del Pirineo central
durante el periodo 1984-2007. Se obtuvieron dos
series temporales de NDVI a partir de una serie
homogenizada de imágenes Landsat TM y ETM+ para
los meses de Marzo y Agosto. Esto permitió el
análisis de la dinámica espacial y temporal de la
actividad vegetal en áreas con buena cobertura vegetal
(bosques y matorrales densos) y en zonas degradadas
afectadas por procesos de erosión (cárcavas y zonas
de riesgo de erosión). Las tendencias temporales del
NDVI fueron analizadas mediante una regresión
multivariante incorporando la evolución temporal de
los factores climáticos (precipitación y la temperatura
máxima y mínima).
Se esperaban diferencias estacionales en los
patrones espaciales de la actividad vegetal o de los
procesos de recuperación vegetal, como una
consecuencia de la estacionalidad climática en la
región y a la gran diferencia de disponibilidad de agua
en primavera y verano (la vegetación en esta última
estación es comúnmente afectada por estrés hídrico).
Los resultados obtenidos podrían haber sido
afectados por la heterogeneidad y la naturaleza de las
coberturas seleccionadas, ya que esta zona montañosa
es compleja y presenta una gran diversidad espacial.
Sin embargo, la resolución espacial (30 m) de la
imagen Landsat permitió una buena representación de
las distintas coberturas seleccionadas. La asignación a
cada cobertura de la clase más representativa, por
superficie, en un tamaño de píxel de 30 m podría
introducir algunos errores, pero era necesario
garantizar una comparación eficaz entre el conjunto
de datos de NDVI y la información categórica. Por
otra parte, los resultados fueron espacialmente
coherentes, claros y las pautas del NDVI coincidieron
con la distribución espacial de las distintas coberturas
de suelo empleadas.
En resumen, este estudio demostró que, en una
zona montañosa representativa del Pirineo central
español, se ha producido en los últimos 24 años un
significativo incremento en la actividad vegetal, que
se explica por el aumento de la temperatura mínima.
Los bosques de coníferas y frondosa han registrado el
mayor aumento en la actividad vegetal, mientras que
en los pastizales y matorrales ha sido moderado. Sin
embargo las condiciones extremas que existen en las
áreas con erosión activa y zonas de riesgo de erosión
246
no han permitido la recuperación de la vegetación en
el periodo de estudio.
REFERENCIAS
Alatorre, L.C. and BEGUERÍA, S. 2009a. Los modelos de
erosión: una revisión. Cuaternario & Geomorfología,
23(1-2): 43–62.
Alatorre, L.C. and BEGUERÍA, S. 2009b. Identification of
eroded areas using remote sensing in a badlands
landscape on marls in the central Spanish Pyrenees.
Catena, 76: 182–190.
Beguería, S., López-Moreno, J.I., Lorente, A., Seeger, M.
and García-Ruiz, J.M. 2003. Assessing the effect of
climate oscillations and land-use change on streamflow
in the central Spanish Pyrenees. Ambio, 32(4): 283–286.
Fuller, D.O. 1998. Trends in NDVI time series and their
relation to rangeland and crop production in Senegal,
1987–1993. International Journal of Remote Sensing,
19: 2013–2018.
Kirkby, M.J., Imeson, A.C., Bergkamp, G., and
Cammeraat, L.H. 1996. Scaling up processes and
models from the field plot to the watershed and regional
areas. Journal of Soil and Water Conservation, 51: 391–
396.
Lambin, E.F. 1996. Change detection at multiple temporal
scales: seasonal and annual variations in landscape
variables. Photogrammetric Engineering and Remote
Sensing, 62(8): 931–938.
Lasanta, T. and Vicente-Serrano, S. 2007. Cambios en la
cubierta vegetal en el Pirieno Aragonés en los últimos
50 años. Pirineos, 162: 125–154.
Olsson, E.G.A., Austrheim, G. and Grenne, S.N. 2000.
Landscape change patterns in mountains, land use and
environmental diversity, Mid-Norway 1960–1993.
Landscape Ecology 15: 155–177.
Pelkey, N.W., Stoner, C.J. and Caro, T.M. 2000. Vegetation
in Tanzania: assessing long term trends and effects of
protection using satellite imaginery. Biological
Conservation, 94: 297–309.
Pueyo, Y. and Beguería, S. 2007. Modelling the rate of
secondary succession after farmland abandonment in a
Mediterranean mountain area. Landscape and Urban
Planning, 83(4): 245–254.
Rouse, J.W., Hass, R.H., Schell, J.A., Deering, D.W. and
Harlan, J.C. 1974. Monitoring the vernal advancement
and retrogradation (greenwave effect) of natural
vegetation. NASA/GSFC type III final report,
Greenbelt, M.D.
Vicente-Serrano, S.M., Lasanta, T. and Romo, A. 2004.
Analysis of the spatial and temporal evolution of
vegetation cover in the Spanish central Pyrenees: the
role of human management, Environ. Manage, 34: 802–
818.
Vicente-Serrano, S.M., Pérez-Cabello, F. and Lasanta, T.
2008. Assessment of radiometric correction techniques
in analyzing vegetation variability and change using
 time series of Landsat images. Remote Sensing of Sahel by vegetation interaction. Science, 286: 1537–
Environment, 112: 3916–3934. 1540.
Zeng, J., Neelin, D., Lan, K.M. and Tucker, C.J. 1999.
Enhancement of interdecadal climate variability in the

247
 LUGARES A VISITAR EN EL VALLE DE MEXICALI: LOS SITIOS
RECOMENDADOS POR LOS HABITANTES
Judith LEY GARCÍAa, Fabiola Maribel DENEGRI DE DIOSb Luz María ORTEGA VILLAc
a
Universidad Autónoma de Baja California, jley@uabc.edu.mx, b fdenegri@uabc.edu.mx,
c
lucyo@uabc.edu.mx

RESUMEN
Este trabajo forma parte de un proyecto de investigación sobre paisajes culturales que desarrolla actualmente un
grupo de investigadores del cuerpo académico Sociedad y Territorio de la Universidad Autónoma de Baja
California, en el cual se asume que, al igual que sucede con los paisajes catalogados como patrimonio mundial y
nacional, en la escala local existen paisajes que resultan valiosos para las comunidades que los habitan, quienes
los construyen en lo cotidiano e identifican en ellos un valor turístico-recreativo que puede ser aprovechado para
incentivar el desarrollo rural. En este sentido, el objetivo de esta presentación es mostrar la distribución espacial
de los lugares que los habitantes del valle de Mexicali recomiendan visitar, así como describir los atributos y la
jerarquía de los sitios en función de las frecuencias observadas y su inclusión en las políticas turísticas locales.
Para tal fin se obtiene información de dos fuentes principales: el Comité de Turismo y Convenciones de
Mexicali y la encuesta de paisajes culturales (aplicada a una muestra de las localidades de 100 a más habitantes
del valle), se lleva a cabo la georreferenciación de los datos para integrarlos en un sistema de información
geográfica que facilita la lectura espacial de la información.
Palabras clave: paisaje cultural, paisaje local, valle de Mexicali, turismo cultural.
características del patrimonio natural y cultural, pero
1.INTRODUCCIÓN
las comunidades anfitrionas y los pueblos indígenas
La promoción del turismo cultural ha sido un objetivo deben involucrarse en la planificación de la
internacional expresado, entre otros documentos, en la conservación del patrimonio y en la planificación del
Carta Internacional sobre Turismo Cultural (La Turismo. Las actividades derivadas de lo anterior
Gestión del Turismo con Patrimonio Significativo) deben beneficiar a la comunidad anfitriona. En este
firmada en México en 1999, la cual pretende que se sentido, el turismo cultural se convierte en un
promuevan planes y programas relacionados con el instrumento integral de desarrollo local, en el cual la
patrimonio y el turismo desde una comprensión del comunidad participa ofreciendo opciones y
patrimonio cultural como base importante para el beneficiándose de la derrama económica que éstas
desarrollo. generan.
En dicho documento se entiende que el turismo es En México, el Plan Nacional de Desarrollo (2007-
uno de los medios más importantes para el 2012) identifica al sector turismo como una prioridad
intercambio cultural y es también una fuerza que nacional, como un factor de desarrollo y motor de
permite captar los aspectos económicos del crecimiento económico, por su elevada productividad,
patrimonio. Así: “Un objetivo fundamental de la generación de empleos y derrama económica. Por lo
gestión del Patrimonio consiste en comunicar su anterior, en la planeación nacional se propone el
significado y la necesidad de su conservación tanto a impulso a la infraestructura y los servicios que doten
la comunidad anfitriona como a los visitantes”. Pero de capacidades a la población local de tal forma que
es importante considerar que “El acceso físico, les permita ser partícipes del desarrollo,
intelectual y/o emotivo, sensato y bien gestionado a particularmente en las comunidades rurales donde la
los bienes del Patrimonio, así como el acceso al promoción del turismo es una estrategia de
desarrollo cultural, constituyen al mismo tiempo un diversificación de las actividades económicas.
derecho y un privilegio.” (Icomos, 1999).
En Baja california se considera el turismo
Por lo que se considera que los programas de alternativo como una opción que permite al turista
promoción del turismo deben proteger y ensalzar las entrar en contacto con las expresiones culturales de

248
comunidades rurales, indígenas y urbanas de tal forma
que se reconozca y respete el patrimonio cultural e
histórico (Congreso del Estado de Baja California,
1995). De lo anterior, se desprende lo modalidad de
turismo rural que permite al turista participar en
actividades de la vida cotidiana de las comunidades
agrarias, ejidos y pueblos indígenas para conocer y ser
partícipe de las tradiciones de las comunidades
locales.
Desde la comprensión de los paisajes culturales
como patrimonio local, el turismo es un medio que
permite comunicar el significado del patrimonio y
generar formas de conservarlo. Por ello, la
identificación de los destinos y atractivos para el
turismo cultural resulta fundamental. Sin embargo, la
importancia de los sitios para los organismos
promotores de la actividad turística y para los
habitantes del lugar no forzosamente corresponden,
por lo que los sitios ofertados “oficialmente” pueden
ser ignorados por la comunidad, y aquellos que son de
importancia para los habitantes pueden no ser
incluidos en la lista oficial, generándose en ambos
casos una comunicación limitada de los valores
locales, una suboferta y un estado de indefensión de
patrimonio.
Por lo anteriormente expuesto, el objetivo del
presente trabajo es reportar las diferencias entre la
oferta turística gubernamental y los sitios que los
habitantes desean mostrar a los visitantes y turistas,
para ello se toma como caso de estudio el valle de
Mexicali.
1.1. EL VALLE DE MEXICALI
El valle de Mexicali es un paisaje cultural joven, su
origen se remonta a finales del siglo XIX cuando la
expansión económica del capital estadounidense hacia
el sur de la frontera encontró las facilidades necesarias
para adquirir grandes extensiones territoriales y los
derechos sobre los recursos del suelo, subsuelo
(Anguiano, 1992) y agua. Previo a estos sucesos, el
actual municipio de Mexicali fue habitado por grupos
indígenas (seminómadas), de los cuales prevalecen
actualmente los Cucapah. Estos grupos, comparados
con los indígenas de otras regiones del país, dejaron
escasos vestigios materiales de su existencia.
Las inversiones estadounidenses en infraestructura
de riego para el aprovechamiento de las aguas del Río
Colorado y la conexión del territorio con Estados
Unidos mediante una red ferroviaria para el
intercambio de insumos y productos (Kerig, 2000),
249
permitieron la transformación del paisaje natural,
formado por una porción del desierto de Sonora, en un
productivo valle algodonero.
El poblamiento del valle de Mexicali en los
primeras décadas se dio principalmente a lo largo de
las vías del ferrocarril y, con el paso del tiempo y la
inversión pública en la organización productiva del
territorio, la construcción de carreteras y caminos, la
conexión física con el resto del país, así como las
políticas económicas y agrarias, los asentamientos
humanos proliferaron en toda la extensión del valle
(Álvarez, 2006) hasta alcanzar, hoy en día, un total de
1652 localidades (Inegi, 2010).
En este sentido, la conformación del valle de
Mexicali es la impronta humana más profunda en el
paisaje desértico original, y el paisaje cultural
producido abarca actualmente una amplia gama de
objetos geográficos que constituyen evidencias
palpables de este proceso, como también incluye las
diversas formas que la comunidad local ha tenido de
moldear el paisaje en lo cotidiano y de convertirlo en
un espacio de vida.
En conjunto, los elementos físicos y simbólicos
que integran el paisaje cultural constituyen atractivos
del lugar y son susceptibles de aprovechamiento
mediante la actividad turística-recreativa.
2.MÉTODO
Para comparar el número y tipo de sitios turísticos del
valle de Mexicali ofertados por el Comité de Turismo
y Convenciones de Mexicali (Cotuco) con respecto a
los sitios que los habitantes recomiendan visitar se
generaron dos inventarios de la siguiente manera:
La oferta turística gubernamental se obtuvo de
Cotuco y se complementó con datos contenidos en los
planes y programas de desarrollo municipal y estatal.
Mientras que para el análisis de los sitios sugeridos
por los habitantes se utilizó la información obtenida
por medio de una encuesta a una muestra
representativa de habitantes de localidades de 100 a
más habitantes del valle de Mexicali, en la cual se
incluyen, entre otras preguntas, cuáles lugares del
valle llevaría a conocer y por qué.
La información procedente de ambas fuentes se
localizó geográficamente y se integró en un sistema de
información, el cual permitió la superposición de los
mapas de los sitios recomendados y los sitios
ofertados, así como el análisis de la relación espacial
entre ambos.
 3. RESULTADOS
3.1. LA OFERTA TURISTICA OFICIAL
El modelo turístico del valle de Mexicali se encuentra
conformado por cinco rutas trazadas a partir de las
principales carreteras que buscan conectar los sitios y
bienes de valor histórico y cultural (18 sitios
históricos, 3 compuertas, 9 estaciones de ferrocarril, 3
museos, 1 sitio de venta de artesanías), así como 12
zonas de caza y 1 pesca (ver figura 1) que constituyen
el atractivo turístico local.
Adicionalmente, el Instituto Nacional de
Antropología e Historia (INAH) identifica la ruta de
Anza (línea roja punteada), una ruta histórica que se
estableció en la porción noroeste de México como
resultado de dos expediciones del capitán Juan
Bautista de Anza entre 1774 y 1775, con el propósito
de conectar Sonora con la Alta California. En su Figura 1. Distribución espacial de la oferta turística (rutas
segunda expedición cruza el noroeste del valle de y sitios turísticos). Fuente: Elaboración propia a partir de
Mexicali tocando 5 puntos donde hoy en día se han Cotuco.
colocado placas de identificación.
3.2. LA RECOMENDACIÓN DE LOS
Casi todas las rutas inician en Los Algodones,
HABITANTES
localidad ubicada al noreste del municipio que colinda
con el estado de Arizona, y que con el paso del tiempo Los sitios recomendados por los habitantes son
se ha convertido en un destino para el turismo de principalmente poblados (86% de las respuestas)
“salud”. Luego cruzan diversas zonas del valle mientras que el resto (14%) se refiere a la visita de
conformando la ruta temática “rural” para luego todo el valle, de elementos de infraestructura (canales,
dirigirse a la ciudad o al puerto de San Felipe. pozos, carreteras, entre otros), del paisaje (dunas,
sierra, río, naturaleza, vegetación.), de la actividad
Como puede observarse en la figura 1, gran parte
económica (agricultura, ganadería e industria) y otros
de la oferta turística se distribuye en la porción norte
objetos geográficos.
del territorio. Esto sucede porque gran parte de los
sitios históricos son estaciones del ferrocarril Con respecto a los poblados, los habitantes
Intercalifornia cuya vía cruzaba precisamente esta recomiendan visitar 117 de los 1652 poblados
porción (línea color amarillo), y otros son edificios de registrados por INEGI (2010), de ellos sobresalen los
escuelas primarias que fueron construidas en los poblados más grandes como Guadalupe Victoria,
primeros poblados del valle, y en los más prósperos, Algodones, Ciudad Coahuila entre otros (ver tabla 1).
generalmente próximos a las vías del ferrocarril. En la tabla 1 se muestran 15 sitios sugeridos por
los habitantes, los cuales en conjunto abarcaron 51%
Por su parte, la oferta cinegética se encuentra distribuida en
la parte central del valle pero la mayor superficie se de las respuestas. En esta tabla también se señala la
concentra en la zona señalada en el párrafo anterior. frecuencia observada (fo) y si es parte de la oferta
Mientras que la zona de pesca y el sitio de artesanías se turística oficial. De ello puede observarse que existe
encuentran próximas al río Hardy al suroeste del valle cierta congruencia entre la oferta oficial y la
donde se asientan los grupos Cucapah. recomendación por parte de los habitantes,
representada por 7 de 15 sitios. Cabe aclarar que la
mayoría de los sitios sugeridos por el Cotuco también
son recomendados por los habitantes, pero a
diferencia de los 15 identificados el resto presentan
frecuencias muy bajas.

250
 Tabla 1. Los sitios más recomendados por los Para los habitantes del valle de Mexicali los sitios
habitantes. tienen ciertos atributos que los hacen atractivos, de los
No. Sitio fo Cotuco 15 lugares señalan lo siguiente:
1 x Sitio 1. Acerca de Guadalupe Victoria (Km. 43), se
Guadalupe Victoria 89
menciona que es uno de los poblados más grandes,
2 Algodones 62 x hay más tiendas, es el que tiene más producción
3 Cd. Morelos 52 x agrícola y mayor diversidad de cultivos, y en los
canales hay cangrejos.
4 Benito Juárez 44
Sitio 2. Con respecto a Algodones (Vicente
5 Michoacán de Ocampo 44 x
Guerrero) se señala que es una comunidad grande, es
6 Nuevo León 42 un poblado bonito, es frontera, es turístico, hay
7 Hermosillo 35 tiendas, artesanías y cosas que comprar. También se
dice que rumbo a algodones hay siembra de hortalizas
8 Ciudad Coahuila 30 x
y está la presa Morelos.
9 Toluca 30 Sitio 3. En Ciudad Morelos (Cuervos) se
10 Geotérmica 29 x recomienda visitar los campos agrícolas donde
11 C. Prieto 28
compañías americanas siembran hortalizas y los pozos
de extracción de agua. Es una comunidad grande.
12 Monterrey 24 x
Sitio 4. Se recomienda visitar Benito Juárez
13 Oaxaca 24 (Tecolotes) porque es un poblado grande, tiene
14 V. Carranza 23 tianguis, albercas y un parque.
15 Quintana Roo 21 Sitio 5. Acerca de Michoacán de Ocampo se
En la figura 2 se muestra la distribución espacial menciona que es un poblado con historia, es un lugar
de los 15 sitios identificados en la tabla 1, éstos se pionero, es una comunidad grande, por lo civilizado,
concentran principalmente en dos zonas, en el noreste por el parque, el museo y las albercas. Además se
y en el centro del valle de Mexicali (ver figura 2), comenta que por la carretera se ve bonito por la
contraponiéndose en cierta forma a la distribución de siembra y los pozos.
los sitios del Cotuco. Sitio 6. Se recomienda visitar el Nuevo León
porque es considerado de los poblados grandes, es un
ejido bonito, por la agricultura y distintos sembradíos,
por los pozos de la geotérmica.
Sitio 7. El poblado Hermosillo es de los más
grandes, tiene de todo, está bien organizado, tiene una
entrada bonita con vegetación, a las orillas se pueden
conocer las siembras, los pozos y empaques
agrícolas.
Sitio 8. Se considera que en Ciudad Coahuila (km
57) hay más cultivos que en otras partes y es de los
poblados más grandes.
Sitio 9. Acerca del Toluca, se recomienda por los
cultivos de hortalizas, porque hay más árboles, por las
naranjas, porque es de los más verdes.
Sitio 10. Se recomienda conocer la Geotérmica por
los pozos de extracción y porque es impresionante.
Figura 2. Distribución espacial de los sitios recomendados Sitio 11. Con respecto a Cerro Prieto se
por los habitantes. Fuente: Elaboración propia. recomienda ver el volcán, el cráter, y desde ahí los
pozos de extracción y la geotérmica.

251
 Sitio 12. La recomendación del Monterrey es para
ver las parcelas cultivadas, las siembras y los pozos,
se considera que la entrada al poblado es bonita y
tiene vegetación.
Sitio 13. Acerca del Oaxaca se considera que tiene
muchos sembradíos y se ve bonito, también es
atractivo por el desastre (sismo del 4 abril de 2010),
por el parque, las tiendas y los pozos.
Sitio 14. En la colonia Carranza hay mucha uva, se
recomienda conocer a la gente y todo el ejido porque
es de los más grandes.
Sitio 15. Con respecto al Quintana Roo, se señala
que el poblado más bonito del valle, es una
comunidad grande, tiene bonita vegetación, la entrada
es bonita, hay tiendas, el parque es bonito. Además se
menciona que tiene mejor tierra y por ello se ven más
árboles y cultivos, ahí se cultivan verduras.
Como puede apreciarse en el listado anterior,
algunos de los atributos de los sitios son: a) el tamaño
de la localidad, pues esto impacta en la disponibilidad
de servicios básicos, equipamiento y la oferta de
comercio y servicios; b) la actividad agrícola,
especialmente la cantidad y diversidad de cultivos, de
los cuales destacan las hortalizas y los empaques; c) la
importancia histórica como poblado pionero del valle;
d) el turismo internacional o de frontera; e) elementos
interesantes o únicos (geotérmica, volcán); y f) la
presencia de vegetación o agua.
En algunos de estos atributos se coincide con la
lógica oficial en la cual se incluye a los poblados más
grandes durante el recorrido para recarga de gasolina
y compras, los poblados con edificios históricos y los
sitios interesantes. Sin embargo, la población del valle
más que mostrar edificios históricos se interesa por
mostrar los poblados pioneros donde puede o no haber
edificios históricos; se interesa por mostrar los
poblados donde vive la gente del valle sobre todo
aquellos que son bonitos o están “bien arreglados”;
también encuentra en la agricultura y en la propia
gente los valores profundos del valle, por lo que
mostrar “lo que se hace” y “cómo se hace” a quienes
no lo conocen es para ellos uno de los atractivos
principales.
Lo anterior no significa que la oferta turística
existente y los sitios recomendados por los habitantes
se contrapongan, al contrario, ambos pueden resultar
complementarios para conformar una oferta integral.
Sobre todo si se toma en cuenta que en el Plan
Municipal de Desarrollo 2011-2013 una de las
252
estrategias es la promoción del programa “sé turista en
tu municipio” (Coplademm, 2011) para el cual resulta
básico identificar opciones para los habitantes del
municipio, y consolidarlas mediante mejoras en
infraestructura, equipamiento, seguridad y atención,
así como la gestión de proyectos de inversión
turística.
4. CONCLUSIÓN
En este recorrido por los sitios de interés turístico de
valle de Mexicali se han encontrado coincidencias y
diferencias entre la oferta oficial y los sitios
recomendados por los habitantes.
Mientras que la visión oficial se limita a ciertos
sitios y zonas del valle, la información proporcionada
por los habitantes permitió integrar un inventario
amplio, del cual sobresalen algunos sitios, pero el total
abarca como un todo el territorio del valle. Esto
muestra una diferencia importante entre ambas
visiones, porque más allá del aspecto cuantitativo, la
oferta turística oficial abarca una suma de sitios
aislados (especialmente edificios) mientras que los
habitantes encuentran que todo el valle vale la pena
ser visitado por su agricultura, su gente y su historia.
Desde la perspectiva del turismo cultural y del
desarrollo local, este hallazgo nos permite cuestionar
un modelo turístico que por un lado impone sitios y
por otro, ignora lugares valiosos para los habitantes,
poniendo en riesgo el patrimonio local. Pero sobre
todo, un modelo de planeación que toma al paisaje
cultural como una suma de elementos físicos y
vestigios materiales ajenos a la comunidad que lo
habita.
Por lo anterior, resulta necesario transitar hacia una
planeación integral del paisaje cultural donde la
participación de la comunidad local como la principal
promotora de los valores del paisaje, permitan no sólo
la comunicación y conservación de los atributos que
lo hacen culturalmente valioso, sino sentar las bases
del desarrollo de la propia comunidad.
REFERENCIAS
Álvarez de la Torre, G. B. 2006. Estudio sobre la
estructura interna de la ciudad fronteriza de Mexicali a
partir del concepto de centralidad. Tesis de doctorado
en ciencias económicas, UABC, Mexicali, México.
Anguiano, M. E. 1992. Irrigación y capital para transformar
el desierto. La formación social del valle de Mexicali a
principios del siglo XX. Frontera Norte. 4(8):125-147.
Barbosa, M.E. 2007. La política del turismo cultural y el
diseño de producto turístico para el turismo cultural.
Caso: corredor turístico Bogotá-Boyacá-Santander.
Revista-Escuela de Administración de Negocios,
60:105-122.
Comité de Planeación para el Desarrollo del Municipio de
Mexicali (Coplademm). 2011. Plan municipal de
desarrollo 2011-2013. XX Ayuntamiento de Mexicali.
México.
Comité de Turismo y Convenciones de Mexicali (Cotuco).
s/f. Rutas turísticas del valle de Mexicali. En línea:
http://controlservers.com/cotuco/images/Plano.pdf (Consulta 15
de julio de 2011).
Conaculta-INAH. s/f. La Ruta de Juan Bautista de Anza en
Baja California. INAH. Mexicali, Baja California,
México.
Kerig, D. P. 2001. El valle de Mexicali y la Colorado River
Land Company 1902-1946. Colección: Baja California
Nuestra Historia (vol.17), UABC: Mexicali.
Icomos. 1999. Carta Internacional sobre Turismo Cultural.
(La Gestión del Turismo con Patrimonio Significativo,
253
1999). International Council of Monuments and Sites.
Unesco. México.
Instituto Nacional de Estadística y Geografía (Inegi). 2010.
XIII Censo de Población y vivienda. Principales
resultados por localidad (ITER). En línea:
http://www.censo2010.org.mx/ (Consulta 10 de junio de
2011).
Congreso del Estado de baja California. 1995. Ley de
Turismo del Estado de Baja California. Periódico
Oficial, 30: 1-21. Publicado el 7 de julio de 1995.
Presidencia de la República. 2007. Plan Nacional de
Desarrollo (2007-2012). En línea:
http://pnd.presidencia.gob.mx/pdf/PND_2007-2012.pdf (Consulta
10 de junio de 2011).
Secretaría de Turismo (Sectur). 2007. Programa sectorial de
turismo 2007-2012. Secretaría de Turismo. México.
Secretaría de Turismo del Estado (Secture). 2007. Baja
California. Plan de marketing 2007-2013. Gobierno del
Estado de Baja California. México.
 COMPREHENSIVE MRV SYSTEM FOR TROPICAL PEATLANDS
Yan GAOa, Mitsuru OSAKIa, Kazuyo HIROSEa, Farfan HELMYc, Sekine HOZUMAb
a
Hokkaido Univesity, email: yan@census.hokudai.ac.jp
b
Mitsubishi Research Institute, Inc, Japan
c
National Council on Climate Change, Indonesia

RESUMEN
Wetlands, including mainly peatlands and mangroves, cover at least 9% of the area of the planet (Ramsar STRP
2005). Wetlands not only provide many types of ecosystem services, they hold a significant amount of carbon as
well (FIELD 2009). However, severe deforestation and degradation in wetlands lead to huge amount of carbon
emission in addition to the loss of ecosystem services. To reduce carbon emission in wetlands and slow down
global warming, the establishment of carbon measurement, reporting, and verification (MRV) system is critical.
Since 1997, the Hokkaido University Group and Indonesian Institutes have conducted programs on monitoring
and management in peatland ecosystem of Central Kalimantan in Indonesia. Based upon the data from long term
monitoring, here we propose a comprehensive MRV system for complete carbon cycle measurement and
simulation covering forest, soil and water in peatland using both remote sensing and ground measurement. The
proposed MRV system has eight major components: 1) measurement of CO2 flux and CO2 concentration; 2)
detection of wildfire hotspots; 3) estimation of forest degradation; 4) measurement of deforestation and forest
biomass change; 5) estimation of peat soil moisture and measurement of water table level; 6) detection of peat
dome and measurement of peat thickness; 7) estimation and detection of peat subsidence; and 8) estimation of
soluble organic carbon in peat water. Since peatland ecosystem is far more complicated than for example, dry
land forest ecosystem, once this MRV system is established in peatland, it can be adopted by other ecosystems.
Palabras clave: Peatlands, MRV, Central Kalimantan
have collected long term ground measurement data
1 INTRODUCTION
from forest, soil and water sectors. Based upon the
Wetlands, including mainly peatlands and mangroves, data from long term monitoring, here we propose a
cover at least 9% of the area of the planet (Ramsar comprehensive MRV system for complete carbon
STRP 2005). Wetlands not only provide many types cycle measurement and simulation using both remote
of ecosystem services, they hold a significant amount sensing and ground measurement.
of carbon as well (FIELD 2009). In wetlands, soil
carbon content is high under the peat-forestry. 2 RESEARCH AREA
Severe deforestation and forest degradation in The research area is located in Central Kalimantan,
wetlands lead to huge amount of carbon emission in Indonesia, the peatland area in Ex-Mega Rice Project
addition to the loss of ecosystem services. Especially site. It includes three types of peatland forests: un-
in peatland, destruction of peat forest ascribe into drained peat, drained peat, and drained and burnt peat
“large carbon emission and biodiversity loss”. To (figure 1). Central Kalimantan is located near the
reduce carbon emission, slow down global warming, equator (with the latitude in the range of 0 – 3S), and
and protect biodiversity in wetlands, the application of two seasons are dominant: raining season (December
reducing emissions from deforestation and forest – May) and dry season (From June – November).
degradation (REDD +) mechanism has important Large scale deforestation and forest degradation in
meaning. It is expected to generate new incentive with peatland have caused big damage to peatland
co-benefit to tropical peatland ecosystems. For this, ecosystem and carbon loss. In order to stop carbon
the establishment of carbon measurement, reporting emission and slow down global warming, it is
and verification (MRV) system is critical. Since 1997, important to establish carbon measurement, reporting
the Hokkaido University Group and Indonesian and verification system.
Institutes have conducted peatland monitoring and

254
 Upper left: un-drained forest
Lower left: drained forest
Upper right: drained forest
affected by fire

Figure 2. Pictures illustrating three types of forest in the

study area. Pictures courtesy to Prof. Hirano from
Hokkaido University.

3 MAJOR COMPONENTS OF
PROPOSED MRV SYSTEM
Our proposed comprehensive MRV system covers
complete carbon cycle measurement and simulation in
peatland using both remote sensing techniques and
ground measurement data from forest, soil and water.
This MRV system includes 8 major components: 1)
measurement of CO2 flux and CO2 concentration; 2)
detection of wildfire hotspots; 3) estimation of forest
degradation and forest species mapping; 4)
measurement of deforestation and forest biomass
change; 5) estimation of peat soil moisture and
measurement of water table level; 6) detection of peat
dome and measurement of peat thickness; 7)
estimation and detection of peat subsidence; and 8)
estimation of soluble organic carbon in peat water.
Figura 3 illustrates the eight components in peatland
carbon measurement.

Figure 1. The study area. Here SF stands for National

Forest, which is un-drained forest; KF stands for disturbed
forest/drained forest; and KB stands for fire affected area,
which is forest area after being drained and affected by
forest fire. Figure courtesy to Hirose from Hokkaido
University.

Figure 3. Proposed comprehensive MRV system for

tropical peatland. Figure courtesy to Hirose from Hokkaido
University.

In section 3.1 – 3.3, we explain in detail 3

components: 1) CO2 flux and concentration, 3) Forest

255
degradation and forest species mapping and 8)
Soluble organic carbon measurement in peat water.
3.1 CO 2 CONCENTRATION ESTIMATION
BY GOSAT, FES-C, UAV
The Japanese satellite, the Greenhouse Gases
Observing Satellite (GOSAT) operated by the Japan
Aerospace Exploration Agency (JAXA), the National
Institute for Environmental Studies (NIES) and the
Ministry of the Environment (MOE), is the world’s
first spacecraft to measure the concentration of green
house gases (GHGs) such as carbon dioxide (CO2)
and methane (CH4) in atmosphere. It enables to map
the COs concentration with data observed by CO2 flux
tower and simulated by CO2 concentration model
related to soil moisture in peatland. GOSAT flies at an
altitude of approximately 666km and has the
observation cycle of 3 days. The observation
instrument onboard the satellite is the Thermal And
Near-Infrared Sensor for Carbon Observation
(TANSO), composed by Fourier Transform
Spectrometer (FTS) and Cloud and Aerosol Imager
(CAI).
The theory of CO2 measurement by FES-C is
illustrated in detail by figure 4.
Figure 4. Illustration of working theory of FES-C (Fully
Automated Observation of CO2). Figure courtesy to Prof.
Inoue from University of Tokyo.
3.2 FOREST DEGRADATION AND SPECIES
MAPPING
Hyper-spectral image can be used to map forest
species and monitor forest degradation. Hyper-
Spectral Imager SUIte (HISUI) is being developed by
the Ministry of Economy, Trade and Industry (METI)
of Japan and it will be launched in 2014. It has 185
narrow spectral bands (57 bands in VNIR/10nm, 128
bands in SWIR/12.5nm, covering 400nm – 2500nm.
The spatial resolution is 30m. The radiometric
resolution is 12 bit. HISUI data can be applied for
256
forest species detection, forest degradation evaluation,
and water soluble carbon estimation (section 3.3)
which play an important role in carbon cycle of
tropical peatland. Figure 5 illustrates how forest
species can be mapped in a great detail using
hyperspectral images, in this case, CASI image.
Figura 5. Left: CASI data obtained on 2004/9/1 for an area
in Tokyo. CASI hyperspectral image is featured by 72
spectral bands cover spectral range from 413 to 1053nm,
with 1m spatial resolution. Right: Classified CASI image,
15 forest species were detected, including: Japanese cedar,
Cedar, Zelkova, Blue Japanese oak, among others. Figure
courtesy to Earth Remote Sensing Data Analysis Center
(ERSDAC).
3.3 SOLUBLE ORGANIC CARBON IN PEAT
WATER
Peat water has high carbon content. The measurement
of carbon in peat water is important to complete the
full carbon cycle in peat land ecosystem. The content
of dissolved organic carbon (DOC) is highly related to
the concentration of colored dissolved organic matter
(CDOM). Thus DOC in peat water system can be
estimated through the measurement of CDOM
concentration. Remote sensing has been used to
provide the measurement of DOC over large
geographic region by mapping CDOM. However,
most of these researches used only multi-spectral
satellite images for inland water systems, such as
lakes and caves (Kutser et al. 2005; Birdwell, et al,
2010). Hyper-spectral satellite images have the
characteristics of observing ground surface through
many continuous, contiguous and narrow spectral
bands, providing detailed spectral information of
ground surface objects and can be applied to detect
vegetation species and mineral components. In this
research, we apply hyper-spectral satellite images in
peat water system for CDOM detection. Hymap
airborne image data were acquired simultaneously
with in situ measurement through which thirteen peat
water samples were collected. At each sample site, we
record water depth, pH, temperature, total dissolved
solid (TDS), coordinates etc. DOC and CDOM
concentration is measured in the lab. CDOM
absorption at various wavelengths is analyzed and
correlated with DOC (figure 4). The measured CDOM
absorption is correlated with the band ratio of Hymap
satellite images.

40

30
y = 90.003x +
20 5.2475
DOC (mg/L)

R² = 0.8406
10

0 Figura 7. DOC and CDOM concentration detection using

0 0.2 0.4
CDOM 420nm
Figura 6. Correlation between DOC and CDOM (420nm);
the correlation coefficient R2=0.8406, however, two data
points (HK0 and HS4) were ignored which have very high
DOC value while rather low CDOM values. Lab analysis
data courtesy to Ms. Yusti Syawal.
Figure 6 shows the correlation between DOC lab
analysis values and the CDOM absorption values at
wavelength of 420nm. Once we establish the
correlation between DOC and CDOM, and the
relation between CDOM and Hymap spectral
information, the DOC in peat water can be quantified.
We are going to test the simple ratio index (RI) and
the normalized difference spectral index (NDSI) to
construct the correlation with CDOM. As one of the
final results, DOC and CDOM concentration in peat
water system can be measured as illustrated in figure
7.
ALI images which was acquired in 2004, July. Figure
courtesy to (Kutser, et al. 2005).
4 CONCLUSION
This paper proposed a comprehensive carbon MRV
system for establishing REDD scheme in tropical
peatland. REDD is expected to generate new incentive
with co-benefit to tropical peatland ecosystems, which
will reduce carbon emission, slow down global
warming and protect biodiversity in peatland. This
MRV system is based upon the data from long term
monitoring, and it includes complete carbon cycle
measurement and simulation in peatland using both
remote sensing techniques and ground measurement
data from peat forest, peat soil and peat water. Since
peatland ecosystem is far more complicated than for
example, dry land forest ecosystem, once this MRV
system is established in peatland, it could be adopted
by other ecosystems.
AKNOWLEDGEMENTS
We would like to express our gratitude to the
following organizations for their collaboration in this
project: Japan Science Technology (JST), Japan
International Cooperation Agency (JICA), University
of Palangka Raya, Earth Remote Sensing Data
Analysis Center (ERSDAC), Mitsubishi Research
Institute (MRI) and all the researchers who have
contributed to JST-JICA project.

REFERENCES
Kutser, T., Pierson, D.C., Tranvik, L., Reinart, A., Sobek,
S., and Kallio, K., 2005, Using satellite remote sensing
to estimate the colored dissolved organic matter
absorption coefficient in lakes. Ecosystems, 8, 709-720.

257
Blackwell, J.E., Engel, A.S., 2010, Characterization of UV-Vis absorbance and flurorescence spectroscopy.
disolved organic matter in cave and spring water using Organic Geochemistry, 41, 270-280.

258
 PROPUESTA METODOLÓGICA PARA ESPACIALIZAR LA
DISTRIBUCIÓN DE LOS CAPITALES DE CARBONO AÉREOS
Rogelio O. CORONA NÚÑEZa, Alma V. MENDOZA PONCEa
a
Procesos y Sistemas de Información en Geomática, SA de CV, Calle 5, Viveros de Peten No. 18, Viveros del
Valle, Tlalnepantla, Méx., email: rogeliocoronan@yahoo.com.mx

RESUMEN
El estudio fue realizado en un ecosistema tropical seco en el estado de Oaxaca. Las parcelar muestreadas fueron
seleccionadas con base en dos criterios: 1) los diferentes tipos de vegetación del mosaico del paisaje, como son:
pastizales, vegetación de galería y selvas con diferentes estados de sucesión y 2) la homogeneidad de las
parcelas muestreadas. En las parcelas seleccionadas se tomaron medidas dasométricas de los árboles y medidas
y muestras de arbustos, bejucos, mantillo y plantas herbáceas. Con las medidas tomadas y ecuaciones
alométricas se estimó la biomasa forestal contenida en cada parcela de estudio. Además, se calculó el índice
normalizado de vegetación (NDVI), el cual demostró ser el índice que mejor explicó la variabilidad de la
biomasa, con este índice se realizó la especialización de la biomasa, con la cual se calcularon los capitales de
carbono (C). Los resultados sugieren que Los capitales de carboono presenta valores que van de 1.5 a 151.5
MgC ha-1, con una media de 45.7 Mg ha-1. Sin embargo, la biomasa forestal se concentró principalmente en el
rango de 23 a 48.6 Mg ha-1, que corresponde principalmente al Bosque Tropical Caducifolio (BTC), en una
superficie cercana a 78% del total evaluada. El sitio con las mejores condiciones de almacenamiento de C se
ubicó en el Parque Nacional Bahías de Huatulco, que corresponde a la vegetación de galería, mientras que los
valores más bajos se encontraron en las cercanías de las áreas rurales y corresponden a los pastizales. Los
valores medios corresponden al BTC.
Palabras clave: Biomasa, Carbono, Bosque Tropical Seco, Oaxaca, Modelos, NDVI, LandSat.
El uso de imágenes satelitales ha ganado una
1 INTRODUCCIÓN
mayor aceptación como herramienta para hacer
El cambio del uso/cobertura del suelo es un proceso estimaciones de almacenamiento de C en las
relevante con consecuencias locales, regionales y coberturas forestales. El uso de estas imágenes ha
globales (Foley et al., 2005). La deforestación total o presentado buenos resultados para entender la
parcial (degradación) puede ser considerada como una distribución de la biomasa en ecosistemas de bosques
de las principales fuerzas conductoras que alteran el de zonas templadas (Lawrence y Ripple, 1998; Boyd
ciclo del C. Por ello, el aumento de la biomasa forestal et. al., 2002; Dong et. al., 2003). Sin embargo, su
es un elemento clave para poder mitigar los efectos aplicación en bosques húmedos tropicales ha sido
del cambio climático por la reducción directa de los limitada sobretodo cuando se ha intentado relacionar
gases de efecto invernadero. los datos satelitales con la biomasa vegetal, con el
La medición de la biomasa forestal generalmente índice del área foliar o con la edad de los bosques
se realiza directamente en campo a partir de un (Nelson et. al., 2000; Steininger, 2000; Foody et. al.,
proceso destructivo, el cual normalmente es muy 2001; Lu et al., 2004).
costoso. Sin embargo, las estimaciones de biomasa a En México se encuentra principalmente a lo largo
partir de mediciones dasométricas (diámetro basal, de la vertiente del Pacífico, desde Sonora hasta
diámetro normal, altura y diámetro de las copas) de Chiapas. Estos bosques están sufriendo una rápida
árboles y/o arbustos y su posterior aplicación en conversión por avance de la frontera agrícola del tipo
ecuaciones alométricas de especies y/o ecosistemas tumba roza y quema, y para el establecimiento de
con condiciones biofísicas similares es una gran pastos para el ganado. De acuerdo con Janzen (1986)
alternativa para evitar los procesos destructivos y los y Hoekstra et al., (2005) los bosques tropicales secos
altos costos. son de los ecosistemas más amenazados del mundo.
Se calcula que las selvas mexicanas cubrían alrededor

259
de un 20% de la superficie nacional, del cual el 60%
corresponde al BTC (Miranda y Hernández 1963;
Villalobos, 1994). Se estimó una tasa de deforestación
para el BTC entre 1976 al 2000 de 181,975 ha/año
(Mas et al., 2004). Aunque otros la han calculado de
300,000 ha por año para el periodo de 1990-1995
(Miranda, 1996) y para el año 1992 de 163,000 ha por
año (Rincón et al., 1999).
La deforestación es la segunda fuente de emisiones
a la atmósfera, después de la quema de combustibles
fósiles (van der Werf et al., 2009). Para muchos países
en vías de desarrollo, la deforestación y/o degradación
de la vegetación es la principal fuente de gases de
efecto invernadero (IPCC, 2007). Por ello, la
reducción de la deforestación, la restauración de
tierras degradadas y el mejoramiento de prácticas
agropecuarias pueden reducir significativamente las
emisiones a la atmósfera (House et al., 2002). De
acuerdo con Corona (2008) el desarrollo económico
de una región, principalmente en el sector terciario, ha
promovido la regeneración del bosque, lo que se
traduce en la reducción de emisiones de dióxido de C
proveniente de la deforestación. Sin embargo, se
desconoce cómo dichos capitales de C se distribuyen
dentro del paisaje. De esta manera, el entendimiento
de la distribución de los capitales, pueden fungir como
base para la generación de políticas de apropiación de
la tierra y del desarrollo urbano.
2 AREA DE ESTUDIO
El área en estudio se encuentra en el municipio de
Santa María Huatulco, el cual pertenece a la provincia
fisiográfica Sierra Madre del Sur y a la subprovincia
llamada Costas del Sur. Dentro de estos sistemas de
topoformas se expresan asociaciones rocosas de
diversos orígenes y edades. La geomorfología y la
fisiografía se encuentran definidas por las
estribaciones de la Sierra Madre del Sur, mismas que
llegan al mar y forman las bahías, acantilados y
escarpes rocosos que caracterizan a esta porción del
Pacífico en Oaxaca. El relieve se caracteriza por ser
abrupto y montañoso en su porción sur, presentando
en forma perpendicular a la costa algunos valles en
principio estrechos y que al acercarse al mar se
ensanchan. En la porción noreste, puede distinguirse
una zona de lomeríos suaves con pendientes
moderadas (0 a 15%), las cuales forman cerros
redondeados, cerros aislados, lomeríos, dunas, playas
de bahías, escarpes, acantilados, islas y farallones. Las
elevaciones van desde los 0 hasta poco más de los 600
260
msnm en la parte más norteña. Por su posición
latitudinal y la influencia de las aguas cálidas del
Océano Pacífico, se presenta un clima cálido
subhúmedo con un porcentaje de lluvias en verano
mayor al 90% (Köppen, modificado por García,
2004). Debido a su ubicación dentro de la franja
intertropical, la intensidad lumínica es alta y casi
constante a través de todo el año, lo que provoca un
régimen térmico casi uniforme, donde las oscilaciones
son menores a 5°C.
3 MATERIALES Y MÉTODOS
3.1 TOMA DE DATOS EN CAMPO
Para estimar los capitales de C del año 2010, por
medio de un inventario forestal realizado en sitio, se
seleccionaron 94 parcelas con una superficie de 100
m2 cada una, las cuales fueron georreferenciadas.
Dentro de cada parcela se tomaron los siguientes datos
por cada individuo: para árboles se determinó la
especie, la altura y el diámetro normal; y para
arbustos, el diámetro basal, la altura y los radios de la
copa. Con estos datos se estimó la biomasa forestal
empleando las ecuaciones:
Árbol:
kg = 10 ^ [(-0.535) + log (área basal)…..…. Brown
(1997)
y Arbusto:
kg = 0.620385 + (0.035891 * ALTURA^2 * DAP) +
(0.158131 * DAP) – (0.18587 * ALTURA) –
(0.09618 * LN(ALTURA)) + (0.30789
*LN(DAP))….……..…. de Návar, et al., (2004)
Dentro de cada parcela se anidaron tres cuadrantes
de 900 cm2 donde se recogieron las hierbas, pastos,
mantillo, troncos (necromasa). Igualmente, para el
caso de los bejucos, se establecieron tres parcelas
anidadas de 1m2 donde se cortaron todos los
elementos aéreos que estuvieran presentes.
Posteriormente, se pesaron en sitio con una balanza
digital con un error de +/-1g y se llevaron a
laboratorio para secar hasta peso constante. Se calculó
el porcentaje de humedad de cada muestra y se
estimaron los almacenes de C de toda la parcela (100
m2).
Para la determinación de los capitales de C se
consideró que el 50% del peso de la biomasa forestal
correspondía a carbono aéreo. Mismo valor indicado
por el Panel Intergubernamental ante el Cambio
Climático (IPCC) y porcentaje ampliamente aceptado
en estudios científicos relacionados con este tipo de
proyecto.
3.2 PROCESAMIENTO ESPACIAL DE
DATOS
Se emplearon imágenes LandSat ETM+7 del año
2005 para calcular los diferentes índices de
vegetación. La imagen corresponde a la época de
secas que es cuando existe la menor actividad
fotosintética en este tipo de ecosistemas y la ausencia
de nubes, esto evita la sobresaturación de la
información espectral por el elevado índice foliar que
se puede presentar, concentrando los valores en los
rangos medios (Gilabert et al., 1997; Purevdorj et al.,
1998; Dong et al., 2003).
El empleo de estas imágenes partió del supuesto
que el crecimiento forestal es relativamente
proporcional en todos los estadios del bosque
degradado, así como de los diferentes tipos de
vegetación. Además, que la presión antropogénica no
era dinámica en el espacio. Esto nos ofrece una base
de referencia para poder hacer las estimaciones y la
distribución de la biomasa de los ecosistemas con sus
diferentes grados de perturbación, así como de los
usos de suelo agropecuarios.
Para el cálculo de la biomasa se optó por la
regresión múltiple lineal generalizada (GLM) con una
distribución del error del tipo Poisson y Gaussian con
el programa r-2.13.1 Los diferentes índices de
vegetación fueron transformados a una imagen de 8
bits y todas estas capas funcionaron como la variable
independiente. Mientras que las estimaciones de
biomasa forestal fungieron como la variable
dependiente. Con esto se logró explorar la relación
intrínseca entre la reflectancia y la biomasa,
reduciendo la multicolinealidad que puede surgir entre
las diferentes bandas espectrales. La selección del
mejor modelo se hizo a través de la evaluación de r2,
r2 ajustada (valor más alto) y el criterio de Akaike
(valor más bajo). Además, los mejores modelos
fueron evaluados por medio del análisis de los
residuales. Éstos a su vez, se evaluaron por medio de
la identificación del valor máximo, mínimo, promedio
y desviación estándar. Posteriormente, los índices
fueron empleados para seleccionar el modelo que
mostrara menos variación entre el dato real y el
modelado, y que mostrara la desviación estándar más
baja. Como complemento se evaluó el índice de
261
correlación de Pearson entre el valor real y el
modelado para poder resolver el grado en el que se
puede explicar la varianza de los datos.
Se generaron 15 modelos estadísticos para calcular
los capitales de C por medio de la integración de los
índices de vegetación y la biomasa aérea. Estos
modelos fueron resultado de la integración de
diferentes transformaciones de las variables y de sus
respectivas combinaciones (log, ln, fracciones, etc.).
Finalmente, con el modelo generado bajo un sistema
de información geográfica se procesó la información
para obtener el mapa resultante con la distribución de
la biomasa forestal con una resolución de 30 x 30 m.
4 RESULTADOS
4.1 CUANTIFICACIÓN DE BIOMASA
El índice de vegetación que mostró los mejores
resultados para explicar la variabilidad de la biomasa
forestal fue el NDVI con una transformación a 8 bits.
Se estimó un valor de r2 de 0.792 y la ecuación para
biomasa fue
kg = [(EXP (-9.914) + (0.2718 * NDVI) + (-0.0009203
* NDVI^2)] * 0.01111] (Figura 1).
Toda vez que el NDVI es un índice que ayuda a
distinguir las características de la vegetación los
valores bajos de NDVI se encontraron en áreas con
vegetación dispersa, campos cultivados y en zona de
pastizales. Mientras que los valores más altos se
registraron en los bosques maduros y en la zonas de
vegetación de galería y ribereñas. Las etapas
suscesionales del bosque se encontraron en los valores
intermedios en un gradiente entre las etapas indicadas
anteriormente.
450 Real
400
Modelo Final
350
300
MG ha-1
250
200
150
100
50
0
70 90 110 130 150 170
NDVI
Figura 1. Biomasa forestal medida y modelada.
4.2 PATRONES DE DISTRIBUCIÓN DE LA
BIOMASA
De manera puntual se puede indicar que los valores
más altos se encuentran restringidos a pequeñas áreas
como en las vertientes de los ríos cercanos a la costa y
en las zonas de humedales. Los valores más bajos se
encuentran cercanos a las áreas rurales. Las áreas
agrícolas fueron eliminadas del análisis para evitar
sesgos en la contabilización del C, así como de las
urbanas y poblados rurales.
En la Figura 2 se pueden distinguir las áreas con
los valores más bajos de capitales de carbono
promedio por hectárea se encuentran en la zona C del
sitio de estudio representadas por vegetación primaria
y secundaria. La zona B y D muestran valores de
medios de almacenamiento de carbono. Sin embargo,
sus características biológicas son un tanto diferentes.
Por ejemplo en la zona B existe una amplia
más altos de biomasa. Sin embargo, el segundo factor
se relacionó con cuestiones climáticas. Es decir, sitios
donde se presentan condiciones climáticas con mayor
temperatura y menor humedad se observaron árboles
de menor porte, a diferencia de zonas donde existía
una mayor humedad y menor incidencia solar, el BTC
mostró tener un dosel más cerrado, DAP más anchos y
árboles más altos, logrando que los individuos
forestales sean de mayor biomasa. Por ejemplo, la
porción Este del sitio de estudio presentó una menor
humedad del ambiente y una mayor temperatura,
observaciones realizadas en campo. Sin embargo, los
sitios con pequeñas depresiones, como las cañadas,
los sitios con mayor altitud y la porción Oeste del sitio
de estudio mostraron tener una menor temperatura y
mayor humedad ambiental.
14000
12000

distribución de vegetación primaria, mientras que en 10000

la zona D existe una alta densidad de árboles de gran
tamaño, pero combinada con zonas altamente 8000

perturbadas. Finalmente, la zona A es donde se

6000
concentra la vegetación con un grado de conservación
medio a bajo pero con la mayor cantidad de carbono 4000
(Tabla 1).
2000
Tabla 1. Concentración de almacenes de C.
Sitio Superficie (ha) MgCmin ha-1 MgCmax ha-1 MgCprom ha-1 MgCtotal 0
A 7310.2 1.5 151.5 50.4 368,660.7 2.7 - 49.3 - 71.6 - 82.2 - 97.4 - 118.6 - 151.5 - 190.3 - 233.8 - 274.9 -
B 6665.3 2.5 151.5 44.8 298,558.8 49.3 71.6 82.2 97.4 118.6 151.5 190.3 233.8 274.9 303.1
C 4581.3 2.3 151.5 40.9 187,292.7
D
Total
19446.2
38003.0
1.7
1.5
151.5
151.5
45.3
45.7
1,736,737.1
1,736,737.1
Figura 2. Distribución de los capitales de carbono.

Los resultados nos indican que existen sitios con 14,000

valores de carbono tan bajos como 1.5 MgC ha-1 12,000

correspondientes a los pastizales y valores tan altos

10,000
como la vegetación de galería donde sus valores
ascienden a 151.5 MgC ha-1. La biomasa forestal
Hectáreas (ha)

8,000

promedio ponderada del sitio asciende a 45.7 MgC ha- 6,000

1
. Finalmente, el total de la biomasa aérea forestal
presente en el sitio es de 1,736.7 GgC. En la Figura 2 4,000

y 3 se muestra la distribución de la biomasa y donde 2,000

se define que se concentran principalmente en el

rango de 23 a 48.6 MgC ha-1, en una superficie 0
1.5 - 23 - 34.4 - 41.1 - 48.7 - 61.4 - 77.8 - 95 - 114.4 - 135.1 -

cercana a las 29,217 ha. 22.9 34.3 41.0 48.6 61.3 77.7 94.9 114.3
Rangos de concentración de capitales de carbono (MgC ha-1)
135 151.5

5 DISCUSIÓN Figura 3. Concentraciones de biomasa forestal.

La distribución de la biomasa y de los capitales de
carbono del BTC resultaron estar correlacionados con
dos factores, el primero corresponde a una cuestión de
grado de perturbación de la vegetación. La vegetación
con mayor calidad forestal resultó contener los valores
Por lo indicado anteriormente, se puede entender
que la existencia de zonas con mayor calidad forestal
no necesariamente son las que contienen la mayor
concentración de biomasa, como es el caso de la zona
B y la C. Por el contrario, se encuentran las zonas A y

262
D que contienen principalmente una selva con calidad
media, y un alto grado de perturbación por la
extracción de material forestal, pastizales para
ganadería y agricultura del tipo roza tumba y quema.
Pero al contener las mejores condiciones climáticas
para el desarrollo de la vegetación, los balances de
biomasa responden a que la biomasa media son los
dos más altos de las zonas analizadas.
Anaya et al., (2009) hicieron una amplia revisión
de los rangos reportados de biomasa para diferentes
tipos de vegetación en zonas tropicales, donde indica
que los pastizales se concentran entre 0.6 a 10 Mg ha-
1
. El bosque secundario concentra valores de 11 a 87
Mg ha-1 y los bosques primarios de 98 a 397 Mg ha-1.
Ahora bien, a nivel internacional se ha reportado una
medida de biomasa de los bosques secos de 160 Mg
ha-1 (Houghton, 1996), mientras que en la región
Parque Chaqueño en Argentina se reportó un valor
medio de 102 Mg ha-1, un valor mínimo de 54.6 y
máximo de 135 Mg ha-1 (Gasparri et al,. 2007). Estos
valores nos muestran que los datos obtenidos en este
estudio se encuentran dentro de los rangos normales
reportados para este tipo de vegetación. Ahora bien,
con relación a los valores reportados dentro del
contexto nacional, Martínez-Yrizar et al., (1982)
reportó una biomasa para Chamela, Jalisco de 85 Mg
ha-1, mientras que Jaramillo et al., (2003) encontró
una biomasa de 94 a 126 Mg ha-1, valores similares a
los encontrados en este estudio. Sin embargo, en
nuestro sitio de estudio encontramos áreas con una
biomasa que superaba los 200 Mg ha-1 y en algunos
sitios hasta los 250 Mg ha-1. Esto pone de manifiesto
que en esta región existen una alta concentración de
biomasa forestal y por consiguiente de capitales de C,
mismo que deberán almacenarse.
6 CONCLUSIONES
Los resultados mostraron que las concentraciones de
biomasa y de capitales de C de este sitio, son
superiores a la media nacional y a las reportadas
dentro de un contexto internacional. Por lo que se
pone de manifiesto la importancia de su conservación.
La biomasa forestal responde a las presiones
bióticas locales, por lo que los cambios de la humedad
del medio ambiente, la incidencia de los vientos,
insolación, etc., pueden favorecer o limitar los
almacenes de C. Sin embargo, faltan más estudios que
nos ayude a entender el efecto de los elementos
microclimáticos sobre la biomasa forestal y por tanto,
en los capitales de C dentro de un contexto local.
263
Los resultados presentados en este trabajo sugieren
que las imágenes satelitales Landsat 7 ETM+ proveen
datos valiosos que pueden ser relacionados con
información de campo para desarrollar metodologías
de monitoreo de biomasa aérea de los bosques
tropicales secos. Donde se mostró que con
manipulaciones sencillas y sin correcciones
espectrales se pueden tener valoraciones confiables de
la biomasa forestal, y por tanto de los capitales de C.
Una gran ventaja de estos análisis es que se puede
distinguir la distribución espacial de los capitales de
carbono dentro de un contexto regional y las
concentraciones totales de la biomasa. De esta
manera, se evita sobrevaluar los capitales de C por
medio de una simple extrapolación de la biomasa
media a toda el área en estudio o con el potencial de
BTC; como la gran mayoría de los estudios que se han
realizado a nivel nacional. Otra ventaja que presenta
este método es que puede ser adaptado e integrado en
los planes de desarrollo urbano. Toda vez que no sólo
se puede tener una buena aproximación de los valores
de biomasa. Sino que también de su ubicación, lo que
es una buena herramienta para poder proteger los
almacenes de carbono, evitando su desmonte por
concepto de cambio de uso/cobertura del suelo para el
establecimiento de coberturas antrópicas.
Finalmente, es importante mencionar que las
limitantes de este método son: (1) la extensión total
para el cálculo de la biomasa regional es dependiente
de la escena de la imagen de Landsat; y (2) el cálculo
de interpolación por este método sólo debe aplicarse
al ecosistema muestreado.
AGRADECIMIENTOS
Quiero agradecer al Geog. Ricardo López Martínez
por el procesamiento de la información en el SIG y
por el apoyo de muestreo en campo, y al M en C Jorge
Calónico Soto por el apoyo de muestreo y
clasificación de especies forestales en campo.
REFERENCIAS
Anaya, J. Chuvieco, E., Palacios-Urueta, A. 2009.
Aboveground biomass assessment in Colombia: A
remote sensing approach. Forest Ecology and
Management 257: 1237–1246
Boyd, D, Foody, G., Ripple, W. 2002. Evaluation of
approaches for forest cover estimation in the Pacific
Northwest, USA, using remote sensing. Appl.
Geography 22: 375-392.
Brown, S. 1997. Estimating Biomass and Biomass Change
of Tropical Forests: a Primer. FAO Forestry Paper Nº
134.
Corona, R. 2008.Dinámica espacio-temporal de los
conductores sociales, políticos y económicos de la
deforestación y de los cambios de uso/cobertura del
suelo a escala local en el bosque tropical caducifolio
del sur de Oaxaca, México. Tesis de Maestría en
Ciencias Biológicas, UNAM.
Dong J., Kaufmann, R., Myneni, R., Tucker, C., Kauppi, P.,
Liskid, J., Buermann, W., Alexeyev, V., Hughes, M.K.
2003. Remote sensing estimates of boreal and temperate
forest woody biomass: carbon pools, sources, and links.
Rem. Sens. Environ. 84: 393-410
Foley, J., DeFries, R., Asner, G., Barford, C. Bonan, G.,
Carpenter, S., Chapin, F., Coe, M., Daily, G., Gibbs, H.,
Helkowski, J., Holloway, T., Howard, E., Kucharik, C.,
Monfreda, C., Patz, J., Prentice, I., Ramankutty, N.,
Snyder, P. 2005. Global consequences of land use.
Science 309: 570-574.
Foody, G., Cutler, M., McMorrow, J., Pelz D., Tangki, H.,
Boyd, D., Douglas, I. 2001. Mapping the biomass of
Bornean rain forest from remotely sensed data. Global
Ecol. Biogeogr. 10: 379-387.
García, E. 2004. Modificaciones al sistema de clasificación
de climática de Köppen, Instituto de Geografía, UNAM,
México.
Gasparri, N., Parmuchi, M., Bono, J., Karszenbaum, H.
Montenegro, L. 2007. Utilidad de imágenes Landsat 7
ETM+ de diferentes fechas para la estimación de
biomasa aérea en bosques subtropicales secos de
Argentina. Congreso de la asociación española de
Teledección.
Gilabert, M.A., González-Piqueras, J., García-Haro, J.
1997. Acerca de los índices de vegetación. Revista de
teledetección 8: 1-10.
Hoekstra, J., Boucher, T., Ricketts, T., Roberts, C. 2005.
Confronting a biome crisis: global disparities of habitat
loss and protection. Ecology Letters 8: 23-29.
Houghton, R., 1996. Converting terrestrial ecosystem from
sources to links of carbon. Ambio. 25, 267-272
House, J.I., Colin Prentice, I. & Le Quere, C. 2002. Maxi-
mum impacts of future reforestation or deforestation on
atmospheric CO2. Global Change Biology 8:11,
1047-1052.
IPCC 2007. Climate Change 2007: The Physical Science
Basis. Contribution of Working Group I to the Fourth
Assessment Report of the Intergovernmental Panel on
Climate Change. Cambridge, UK and New York, USA,
Cambridge University Press.
Janzen, D. 1986. Tropical Dry Forest. The Most
Endangered Major Tropical Ecosystem. En; E. Wilson
(Ed), Biodiversity, National Academy Press,
Washington.
Jaramillo, V., Kauffman, B., Rentería-Rodríguez, L.,
Cummings, D., and Ellingson, E. 2003. Biomasa,
264
Carbon, and Nitrogen Pools in Mexican Tropical Dry
Forest Landscapes. Ecosystems 6: 609-629.
Lawrence, R., Ripple, W. 1998. Comparisons among
vegetation indices and bandwise regression in a highly
disturbed, heterogeneous landscape: Mount St. Helens,
Washington. Rem. Sens. Environ. 64: 91-102.
Lu, D., Mausel, P., Brondízio, E., Moran, E. 2004.
Relationships between forest stand parameters and
Landsat TM spectral responses in the Brazilian Amazon
Basin. For. Ecol. Manage. 198: 149-167.
Martinez-Yrizar, Sarukhan, J., Perez-Jimenez, A., Rincon,
E., Maass, J., Solis-Magallanes, A., and Cervantes, L.
1992. Above-Ground Phytomass of a Tropical
Deciduous Forest on the Coast of Jalisco, Mexico.
Journal of Tropical Ecology 8:1, 87-96.
Mas, J. F.; Velázquez, A.; Díaz-Gallegos, J.; Mayorga-
Saucedo, R.; Alcántara, C.; Bocco, G.; Castro, R.;
Fernández T.; y Pérez-Vega, A. 2004. Assessing land
use/cover changes: a nationwide multidate spatial
database for Mexico. International Journal of Applied
Earth Observation and Geoinformation, 5:4, 249-261.
Miranda, F.; y Hernández, E. 1963. Los tipos de
Vegetación en México y su Clasificación. Boletín de la
Sociedad Botánica de México, SARH, México 23.
Miranda, A. 1996. La Selva Tropical Estacional: Entre la
vida y la muerte. Ocelotl, Revista Mexicana de
Conservación, Méx. Pronatura AC. 5: 28-35
Návara, J., Méndezb, E., Nájerab, Gracianob, J.,Dalec,
Parresold. B. 2004. Biomass equations for shrub species
of Tamaulipan thornscrub of North-eastern Mexico.
Journal of Arid Environments 59: 657–674.
Nelson, R., Kimes, D., Salas, W., Routhier, M. 2000.
Secondary forest age and tropical forest biomass
estimation using thematic mapper imagery. Bioscience
50, 419-431.
Purevdorj, T., Tateishi, R.., and Honda, Y. 1998.
Relationships between percent vegetation cover and
vegetation indices. Int. J. Rem. Sens. 19: 3519-3535.
R 2.13.1, R Development Core Team. 2011. R: A language
and environment for statistical computing. R
Foundation for Statistical Computing, Vienna, Austria.
ISBN 3-900051-07-0, URL http://www.R-project.org.
Rincón, E.; Álvarez, M.; González, G.; Huante, P.; and
Hernández, A. 1999. Gaceta Ecológica, México-
SEMARNAT-INE. 53: 62-71.
Steininger, M.K. 2000. Satellite estimation of tropical
secondary forest above-ground biomass: data from
Brazil and Bolivia. Int. J. Rem. Sens. 21: 1139-1157
Van der Werf, G, Morton, D., DeFries, R., Olivier, J.,
Kasibhatla, P., Jackson, R., Collatz, G. and Randerson,
J. (2009): CO2 emissions from forest loss. Nature
Geoscience 2:1, 737-738.
Villalobos, J. 1994. Revegetación y Reforestación de las
Áreas Ganaderas en las Zonas Tropicales de México.
SARH, Subsecretaría de Ganadería. COTECOCA.,
México
 PROPIEDAD DE LA TIERRA Y CAMBIO DE USO DEL SUELO,
ESTUDIO DE CASO PARA EL MUNICIPIO DE TANCÍTARO

Carlos Iván SALINAS ESPINOSAa, José de Jesús Alfonso FUENTES JUNCOa

a
Centro de Investigaciones en Ecosistemas UNAM, Antigua Carretera a Pátzcuaro No. 8701, Col. Ex-
Hacienda de San José de La Huerta C.P. 58190, Email: karrloz_0407@yahoo.com.mx

RESUMEN
Resumen: se presenta un estudio cuyo objetivo fue el análisis espacio-temporal de las coberturas vegetales,
para el municipio de Tancítaro tomando como referencia el tipo de propiedad de la tierra: social (comunal y
ejidal) y privada. Para tal efecto, se comparan los periodos del año 2000 y 2009. Para el trabajo se usaron
herramientas de percepción remota y SIG (ortofotos ya corregidas e imágenes satelitales Spot a 10 m). Se llevó
acabo la interpretación visual monoscópica de las imágenes y se realizó verificación de campo. Así mismo, se
comparó proporcionalmente cuál de los tipos de propiedad presentes en el municipio tuvo un fenómeno de
cambio de uso del suelo (CUS) mayor. Se analizaron un total de 69473 hectáreas de propiedad privada y 7404
hectáreas de propiedad social. En la propiedad social hubo recuperación de bosque en 20.62 hectáreas, lo que
representa el 1.99% del total además, de los 21 ejidos del municipio, once se presentan sin cambio, siete se
presentan con alguna disminución aunque mínima y tres presentan recuperación de áreas de bosque. En cuanto
al área comprendida por la propiedad privada son más notorios los cambios ya que se encontró que hubo una
ligera pérdida de bosque siendo está de alrededor de 1415 hectáreas es decir, un porcentaje de 4.55% de
bosque perdido en el periodo de estudio. Los resultados muestran cómo la propiedad social está realizando en
el municipio de Tancítaro un manejo de recursos forestales aparentemente más adecuado, mientras que en el
caso de la propiedad privada el fenómeno de cambio de uso del suelo forestal hacia otras coberturas es mayor
evidenciando la ausencia o el mal manejo del bosque. Los resultados son consistentes con los hallados en otros
estudios e informes técnicos (López, 2003; Fuentes y Alvarado, 2005 y 2008) donde se han hecho éstas
comparaciones. Se analizaron también los periodos de producción del aguacate y del maíz analizando el precio
existente para corroborar la influencia del cultivo comercial y del de manutención en el CUS. Los estudios
indican que los fenómenos que influyen para que se de ésta aparente recuperación o detención del CUS son la
migración rural, los mercados de aguacate y maíz –que son sustancialmente distintos- y la organización rural
(asambleas en el caso de ejidos y comunidades; cooperativas, sociedades o simplemente inexistente en el caso
de la propiedad privada).
Se evidencia la utilidad de las herramientas tanto de SIG como de PR para el análisis integrado del fenómeno
de cambio de uso del suelo en zonas de alta importancia biológica, social y ambiental.
Palabras clave: cambio de uso del suelo (CUS), propiedad privada, propiedad social, superficie boscosa.
completa o parcial (Vitousek et al. 1997). El
1 INTRODUCCIÓN desarrollo socioeconómico y las políticas
Todos los organismos modifican su ambiente, y los prevalecientes en México han estado por décadas
seres humanos no son ninguna excepción. Al mismo fuertemente asociados con una degradación rápida del
tiempo que la población humana ha crecido y el poder entorno natural (Peters, 2003). Esta degradación por
de la tecnología se ha ampliado, el alcance y la lo general está ampliamente relacionada con una falta
naturaleza de estas modificaciones han producido de manejo de recursos adecuado. Este mal manejo de
cambios drásticos. Muchos ecosistemas terrestres en recursos naturales se atribuye principalmente a los
su mayoría, aunque también acuáticos, son dominados cambios en el uso del suelo ya que estos cambios
directamente por la humanidad, y no hay ecosistema irrumpen en el ambiente físico y biológico.
en la superficie del planeta libre de influencia humana

265
 De la misma forma, nos encontramos con un país
en el cual la propiedad de la tierra está dividida en tres
partes; con un 52% está el régimen de propiedad
social; el 40% del territorio lo detenta la pequeña
propiedad o propiedad privada, y finalmente el 8% del
total de tierras y aguas en el país está en poder de la
federación (Jiménez 2005). Según los datos del censo
ejidal de INEGI (2007) en México se encuentran
31514 ejidos y comunidades, de los cuales
encontramos en Michoacán una representatividad del
6.06% respecto al total del país, es decir un total de
1910 ejidos y comunidades en el estado y dichos
ejidos y comunidades ostentan el 80% de los bosques
y tierras con vegetación nativa en el país. (Velázquez
et al. 2008). A pesar de que algunos han llegado a
creer que las tierras en posesión de ejidatarios y
comuneros pueden ser devastadas por el mal manejo
por estas entidades sociales, algunos estudios de
cobertura vegetal en ejidos y comunidades han
encontrado cierta recuperación de las coberturas
vegetales nativas a pesar de que los propietarios hacen
uso regular de los recursos para mercado comercial o
uso interno (Velázquez et al. 2008). El tipo de
propiedad de la tierra es un factor determinante en el
cambio de uso del suelo, ya que esto puede ser un
parteaguas en el buen o mal uso del suelo, así como de
los cambios y las dinámicas espacio-temporales en el
uso del mismo. Se considera de vital importancia no
dejar de lado la propiedad de la tierra ni concebirla
como entidad separada del fenómeno de CUS, sino
considerar su posible correlación con el uso de suelo y
el fenómeno de CUS. Esto es, la propiedad de la tierra
podría dictar en el futuro las políticas de uso del suelo
y administración de los recursos, al existir una
correlación entre patrones de uso de suelo y la
propiedad de la tierra. Y es por ello, indispensable
hacer un análisis de la relación existente entre estos
factores.
El municipio de Tancítaro es actualmente uno de
los más importantes productores de cultivo de
aguacate tanto a nivel país, (CONANP 2008) como a
nivel mundial, pero todavía hace un par de décadas el
municipio se dedicaba a la extracción de madera y a la
producción de maíz como actividades preponderantes,
lo que pone de relieve la importancia de hacer un
análisis de cambio de uso de suelo y propiedad de la
tierra para detectar tendencias, analizar el por qué se
dieron cambios en las actividades, y aún más, para ver
las posibles causas socioeconómicas que dan lugar al
cambio de uso del suelo.
266
El presente trabajo analiza la manera en que la
propiedad de la tierra puede influir en los ritmos del
CUS -ya sea mayor o menor- y analizar en esta
perspectiva la dinámica espacio-temporal del uso del
suelo. El estudio se enfoca en las superficies boscosas,
ya que esto refleja mejor al menos parcialmente, las
diferencias existentes entre propietarios de ejidos y
comunidades y los propietarios privados. Finalmente,
se analiza la influencia del mercado del maíz y el
aguacate (actividades ampliamente realizadas en la
región), en el fenómeno del CUS para la región del
municipio de Tancítaro.
2 DESCRIPCION DEL AREA DE
ESTUDIO
El municipio de Tancítaro se encuentra entre las
coordenadas geográficas 19°09’ y 19°32’ de latitud
norte; los meridianos 102°11’ y 102°31’ de longitud
oeste; altitud entre 900 y 3 800 msnm, siendo el Pico
de Tancítaro la elevación más alta en el estado de
Michoacán. El Municipio colinda al norte con los
municipios de Peribán y Uruapan; al este con los de
Uruapan, Nuevo Parangaricutiro, Parácuaro y
Apatzingán; al sur con los municipios de Apatzingán
y Buenavista; y al oeste con los municipios de
Buenavista y Peribán. Tiene una extensión territorial
de 717.65 km cuadrados (71765 hectáreas) y ocupa el
1.22 % de la superficie total del estado. El municipio
fisiográficamente pertenece a la provincia del Eje
Neovolcánico y se encuentra entre dos subprovincias:
la Neovolcánica Tarasca y la Escarpa Limítrofe del
Sur. La región completa del municipio es
caracterizada por una fuerte actividad volcánica
reciente, en particular del Pico de Tancítaro, y por una
actividad tectónica también importante que ha
originado un relieve muy complejo y diverso. La
región posee los siguientes climas: cálido subhúmedo
con lluvias en verano; semicálido subhúmedo con
lluvias en verano; semicálido subhúmedo con lluvias
en verano, con menor humedad que el anterior;
templado subhúmedo con lluvias en verano; templado
húmedo con abundantes lluvias en verano, semifrío
húmedo con abundantes lluvias en verano y semiseco
muy cálido y cálido. En el municipio hay siete tipos
de suelo distintos aunque la mayoría están marcados
por la actividad volcánica. Los suelos que
encontramos son de manera general: andosol, luvisol,
litosol, acrisol, cambisol, regosol, vertisol, y feozem
(INEGI 2008).
 La vegetación del Tancítaro es muy diversa, ya que 4 RESULTADOS
en esta zona podemos encontrar, presencia de
Se presentan los cambios para los años 2000 y 2009
vegetación primaria como bosques de encino, pino, o
en referencia al tipo de propiedad, con los resultados
mixtos de pino- encino y una importante comunidad
siguientes:
de bosque de oyamel. (García et al. 2002), así como
una importante extensión de Pinus hartwegii. 4.1 CUS FORESTAL DE LA PROPIEDAD
SOCIAL
3 MATERIALES Y METODOS Con la base de datos en el SIG se analizaron un total
Se utilizaron mapas topográficos temáticos 1: 50,000 de 7403 hectáreas de propiedad social de las cuales
de INEGI para el municipio. En este caso los mapas solo se analizó el cambio de superficie con bosque de
utilizados fueron de la zona 13 de UTM: B28, B29, algún tipo:
B38, B39, B48 y B49. Tabla 1. Superficies forestales en distintos
Para la interpretación de las fotografías aéreas e periodos para propiedad social en el municipio de
imágenes satelitales, primero se seleccionó el área a Tancítaro. Fuente: Elaboración propia con base en
cubrir de cada una de las imágenes mediante interpretación digital.
sobreposición tanto de la imagen satelital como de la
Año 2000 Año 2009 ESTADO
foto aérea a un mapa topográfico (Fuentes 2000). La
interpretación de las ortofotos se realizó siguiendo las
claves de identificación de Guerra-Peña (1987), Superficie
1012.75 1033.37 Aumento
boscosa
mientras que la interpretación de las imágenes
satelitales se realizó utilizando compuestos en falso
La tabla anterior muestra como la superficie
color para su interpretación visual monoscópica.
boscosa tiene un ligero aumento en la propiedad
Posteriormente, las fotografías o imágenes se social, es una recuperación en extensión de alrededor
digitalizaron en el programa ILWIS 3.3. Se formuló de 21 hectáreas de superficie forestal.
una leyenda adecuada según las coberturas observadas
Tabla 2. Concentrado cultivos en distintos
y se seleccionó una referenciación espacial y
periodos para propiedad social en el municipio de
proyección cartográfica común a las imágenes y
Tancítaro. Fuente: Elaboración propia con base en
fotografías.
interpretación digital.
Se llevó a cabo la verificación de la calidad de los
Tipo de cobertura Año 2000 Año 2009
datos en campo mediante inspección visual así como
la toma de datos con GPS. Con esto se verificó la Cultivos permanentes 1093.2 1220.3
certeza de los datos de acuerdo con la metodología de Cultivos anuales 902.3 832.1
Bocco (2001).
Total 1995.5 2052.4
Se utilizaron herramientas de sobreposición, cruce,
y reclasificación en el SIG para relacionar y estimar Los resultados muestran que el aumento en
los procesos de cambio en relación con las superficies proporción de cultivos permanentes y anuales ha sido
de ejidos, comunidades, propiedades privadas y alto ya que es alrededor de 10% de aumento de
federales cultivos permanentes, lo que representa un aumento
de 127 hectáreas en el periodo. Refiriéndose a cultivos
En una etapa posterior, se incorporaron al análisis
anuales, hubo pérdida cercana al 8% que es una
también los precios de maíz y aguacate con base en el
pérdida de 70 hectáreas en el periodo de estudio. El
Sistema de Información Agroalimentaria y Pesquera
total de cultivos en la propiedad social también vio un
(SIAP 2009).
pequeño aumento en superficie ya que aumentó un
Para la cartografía ejidal se tomaron las 2.77% que es un aumento de 57 hectáreas.
poligonales del PROCEDE (2000) y el resto, se
4.2 CUS FORESTAL PARA PROPIEDAD
consideró como propiedad privada dado que no se
PRIVADA
tiene registro de propiedad comunal indígena ni
federal. Las superficies forestales para la propiedad privada se
presentaron de la siguiente manera:

267

Tabla 3. Superficies boscosa y no boscosa y el
CUS para propiedad privada. Fuente: Elaboración
propia.
Tipo de cobertura Año 2000 Año 2009
Superficie boscosa 34535.4 30990.8
Superficie no boscosa 34929.5 38482.5
Se encontró una pérdida de superficie forestal en el
tiempo comprendido de 3553 hectáreas, las cuales
favorecieron a las coberturas no boscosas, por lo que
el porcentaje de pérdida boscosa en la propiedad
privada es mucho mayor que en la propiedad social,
(porcentaje de pérdida de 11% respecto a la superficie
boscosa, lo que indica una gran diferencia en
proporción con respecto al CUS de la propiedad
social, pues ésta última presenta aumentos en
superficie boscosa y no disminución como en la
propiedad privada.
Tabla 4. Cultivos para propiedad privada. Fuente:
Elaboración propia con base en interpretación digital.
Tipo de cobertura Año 2000 Año 2009
Cultivos permanentes 15858.3 18515.6
Cultivos anuales 9374.5 8012.1
Total 25232.8 26527.7
Los cultivos en la propiedad privada presentan
cambios distintos y proporcionalmente mayores a los
de la propiedad social. Los cultivos permanentes
aumentaron casi el 15% y los anuales disminuyeron
en 14.5%; los cultivos en general aumentaron un
4.8%, lo cual puede estar indicando que los cultivos
permanentes son uno de los principales factores que
propician el CUS.
4.3 PRECIOS COMO FACTOR EN EL CUS
Los precios en el mercado para los dos principales
cultivos del municipio, además de contrastantes
constituyen un indicador del fenómeno de CUS como
se ve en la figura siguiente, pues es posible observar
un aumento del precio de aguacate acompañado por el
aumento correspondiente del área dedicada a dicho
cultivo.
268
Como se observa en la figura siguiente, el precio
promedio comenzó en 11.97 pesos mexicanos en el
año 2002, y cerró la temporada 2010 a 19.18 pesos. El
precio aunque no ha tenido un aumento constante,
siempre ha observado una tendencia al aumento de los
precios locales. También se observa como, a la par del
alza de los precios se ha dado un aumento en las
superficies cubiertas por cultivos de aguacate, y
aunque en el periodo de estudio no se analizan los
precios anteriores a 2002, es dable suponer con las
referencias históricas no oficiales, que los precios eran
más bajos que en fechas posteriores a 2002.
PRECIOS DE AGUACATE
A PARTIR DE
TEMPORADA 2002-2003
VS AREA OCUPADA…
30.00
20.00 PRECIOS
10.00 AGUACATE
0.00
2002-…
2003-…
2004-…
2005-…
2006-…
2007-…
2008-…
2009-…
Figura 1. Precios históricos del aguacate. Porcentaje de
área total ocupada por cultivos permanentes en el municipio
de Tancítaro.
Lo anterior nos indica en primer lugar, el gran
valor comercial que ha ido adquiriendo la actividad
aguacatera haciéndola muy redituable y por tanto
estimulando su práctica y en segundo lugar, lo
anterior la coloca como uno de los factores para que
se realice el cambio de uso del suelo a su favor. Es
decir, que el hecho de tener una actividad agrícola en
la que los precios pagados al productor son altos, ésta
le permite generar ganancias estimulando así el
aumento de la superficie aguacatera en detrimento de
las coberturas que le generan al productor menores
ganancias.
En el caso del maíz y para la región del Tancítaro,
la actividad no llega a ser redituable para el
campesino o productor, pero el territorio en general es
propicio para el cultivo de aguacate de tal forma que
puede ocasionar que se den cambios de actividad y
por tanto, en el uso del suelo para realizar una
actividad más redituable. El caso del maíz al menos
para Michoacán es relevante ya que a pesar de las
grandes cantidades de maíz que se producen el precio
que se paga al productor por kilo es muy bajo, ya que
como se observa en la gráfica a pesar de que el precio
se encuentra a la alza no se puede comparar con el
aumento que presenta el aguacate. Por ejemplo, el
aguacate en su mes mas bajo llega a tener un costo de
12 pesos mientras que el maíz en todo el año alcanza
un precio promedio de 2.67 pesos, forzando la
búsqueda de otras alternativas y con ello, la
conversión de cultivos anuales a cultivos
semipermanentes o permanentes.
Figura 2. Precios históricos del maíz por kilo pagados al
productor en el municipio de Tancítaro.
De acuerdo con lo anterior es muy posible
también, que las distintas utilidades económicas entre
cultivo de aguacate y maíz sean factor de CUS en
favor de los cultivos permanentes.
5 DISCUSION
La propiedad de la tierra en el municipio es
posiblemente un factor que juega a favor de un
manejo de recursos más adecuado. Esto se explica por
el hecho de que entre propietarios privados y ejidos la
variable de la propiedad y la forma en que se toman
decisiones son las que diferencian en este estudio a
unos y otros, pues las demás variables como clima,
suelo, relieve son comunes a los dos tipos de
propiedad. Por lo tanto es dable suponer que la
propiedad de la tierra está íntimamente ligada al uso
del suelo y su forma de manejo.
Los datos obtenidos para el CUS por tipo de
propiedad abonan a favor de lo anterior, siendo mayor
el cambio de uso del suelo en las zonas boscosas en el
269
caso de los propietarios privados que en los
ejidatarios.
Lo anterior, si reconocemos que los precios en los
cultivos afectan y/o benefician por igual a propietarios
privados que a ejidatarios.
6 CONCLUSIONES
En la propiedad social hubo recuperación de bosque
en 20.62 hectáreas, lo cual representa un porcentaje de
recuperación de 1.99%. En cuanto al área
comprendida por la propiedad privada son más
notorios los cambios ya que se encontró que hubo una
ligera pérdida de bosque siendo está de alrededor de
1415 hectáreas, un porcentaje de 4.55% de bosque
perdido en el periodo de estudio. Los resultados
muestran cómo la propiedad social está realizando en
el municipio de Tancítaro un manejo de recursos
forestales aparentemente más adecuado, mientras que
en el caso de la propiedad privada el fenómeno de
cambio de uso del suelo forestal hacia otras coberturas
es mayor evidenciando la ausencia o el mal manejo
del bosque. Los precios del aguacate oscilaron mucho,
pero fueron desde el inicio del periodo de estudio a la
alza, y aunque los precios del maíz fueron a la alza
también, el precio vario mínimamente, ya que el
precio del aguacate aumento alrededor de 8 pesos
mexicanos en el periodo, y el maíz solo aumento
algunos centavos en el periodo de estudio, lo cual
hace ver la marcada diferencia entre uno y otro
mercado, y aunque los precios están en función de
algunos otros factores como la oferta y la demanda, es
notoria la comparación entre la intensidad con que se
realiza una actividad y otra.
Finalmente, es necesario evaluar las motivaciones
sociales del CUS en una forma más detallada para
corroborar los resultados aquí presentados y poder así
extrapolarlos a otras regiones del país.
REFERENCIAS
Bocco G., M. Mendoza y O. Masera. 2001. La dinámica
del cambio del uso del suelo en Michoacán. Una
propuesta metodológica para el estudio de los
procesos de deforestación. Investigaciones
Geográficas, Boletín del Instituto de Geografía, UNAM.
Núm. 44. pp. 18-38.
Comisión Nacional de Áreas Naturales Protegidas, 2008.
Estudio Previo Justificativo para la recategorización
del Parque Nacional Pico de Tancítaro como Área de
Protección de Flora y Fauna. Michoacán, México. 88
pp. y 3 anexos en total 132 pp.
Fuentes J. J. A.2000. Evaluación del deterioro en áreas
naturales protegidas. Un enfoque geomorfológico. El
caso del Parque Nacional Pico Tancítaro,
Michoacán. Tesis de Maestría. UNAM. 115 pp.
García R. I. 2002. Flora del Parque Nacional Pico de
Tancítaro, Michoacán. Primera Edición. CONABIO.
México.
INEGI. 2008. Prontuario de información geográfica
municipal de los Estados Unidos Mexicanos. México.
INEGI.2007. Núcleos Agrarios. Tabulados básicos por
municipio. Michoacán de Ocampo. México.
.
270
Jiménez A. 2005. La gestión del patrimonio arqueológico
en México. Valoración y propuestas. Tesis de
Maestría en Arqueología. ENAH, INAH.
Peters E.2003. Conservación de Ecosistemas Templados
de Montaña en México. Sánchez Ó., E. Vega, E. Peters
y O. Monroy- Vilches (editores). INE, México.
Velázquez A. 2008. Situación actual y prospectiva del
cambio de uso de suelo en México. En: México ante
los desafíos del desarrollo milenio.
Vitousek, P., Mooney, M. and Harold, A., 1997. Human
domination of Earth’s ecosystems. Science, 277: 494-
499
 LA PRESIÓN DE USO DE LA TIERRA EN LA RESERVA DE LA
BIÓSFERA ZICUIRÁN-INFIERNILLO
Thomas IHLa, Francisco BAUTISTAa, Manuel MENDOZAa, Ana BURGOSa, Gabriela CUEVASa
a
Centro de Investigaciones en Geografía Ambiental, Universidad Nacional Autónoma de México, Antigua
Carretera a Pátzcuaro No. 8701, C.P. 58190 Morelia, Mich., email: thomasjosefihl@gmail.com

RESUMEN
Este documento muestra el proceso de monitoreo y la evaluación de los cambios de uso de la tierra en la
Reserva de la Biósfera Zicuirán Infiernillo, en la entidad de Michoacán. Mediante del uso y manejo de
imágenes de satélite y cartografía existente se clasificaron cuatro momentos de diferentes uso de la tierra (años
1976, 1990, 2000 y 2008). La combinación de estos momentos permite identificar tres grados de conservación:
uso permanente, uso intermitente y conservación permanente de las zonas de influencia, amortiguamiento y
núcleo.
Palabras clave: Uso permanente, uso intermitente, conservación, "Chance Detection", zona núcleo, zona de
amortiguamiento, zona de influencia.

1 LA RESERVA DE LA BIÓSFERA subtipos climáticos, y grupos de suelos que ocasionan

ZICUIRAN-INFIERNILLO una gran diversidad biológica.

En 1971 la UNESCO lanzó un proyecto denominado La RBZI es una de zona rica en especies, por
"el hombre y la biósfera", que tenía como objetivo ejemplo (Rzedowski, 1978, CONANP, 2006), al
conciliar la mentalidad y el uso de los recursos menos 539 especies de plantas vasculares algunas de
naturales. Como parte de ese proyecto se las cuales están consideradas bajo alguna categoría de
seleccionarían lugares geográficos representativos de riesgo según la NOM-059-SEMARNAT-2010, 19
los diferentes hábitats del mundo. Esas áreas se especies de plantas vasculares son endémicas se creé
conocen como reservas de la biósfera. que hay al menos 253 especies de aves, 14 de las
cuales son endémicas, etc.
La función de estos espacios es además de la
conservación y protección de la biodiversidad,
también el desarrollo social y económico.
La comisión nacional de áreas naturales protegidas
(CONANP) define las Reservas de la Biósfera como
"áreas representativas de uno o más ecosistemas no
alterados por la acción del ser humano o que requieran
ser preservados y restaurados, en las cuales habitan
especies representativas de la biodiversidad nacional,
incluyendo a las consideradas endémicas, amenazadas
o en peligro de extinción"(http://www.conanp.gob.mx
04/08/2011).
La Reserva de la Biósfera Zicuirán Infiernillo Figura 1. Ubicación fisiográfica de la Reserva de la
(RBZI) está ubicada en el centro de la depresión del Biósfera de Zicuirán-Infiernillo (Fondo: Modelo de SRTM)
Río Balsas-Tepalcatepec y rodeada por el Sistema
Neovolcánico Transversal en el norte y por la 2 PROBLEMAS Y CONFLICTOS
Cordillera Costera del Sur por el pacifico (CONANP Aunque la RBZI fue creada por decreto el 30 de
2006: 12). La RBZI contiene una gran geodiversidad, noviembre de 2007, ya existen varios conflictos de
expresada en una diversidad de geoformas, tipos y uso de la tierra y amenazas al interior de la reserva.
Desde el valle de Tepalcatepec ocurre una migración

271
de población rural adentro de la reserva para ocupar
nuevos terrenos (Figura 3). La presión de uso de la
tierra es más acentuada en el norte y noreste (Cuadro
1).
Cuadro 1. Áreas Población humana en y alrededor
de la Reserva de la Biósfera (Base de datos: CONTEO
2005 de INEGI)
2
Locali Vivien Pobla- km Poblaci
dades das ción ón por
-2
km
Zona N 2 2 15 227.0 0.07
Zona A 116 2722 13247 2480.5 5.34
Zona I 199 9041 40779 1967.8 20.72
Múgica*) 53 9164 40232 379.3 106.08
*) El municipio Múgica se encuentro en las límites de la Zona de
influencia (para su comparación)

El crecimiento demográfico y la inmigración

causan conflictos típicos entre distintos intereses. Por
un lado la preservación del medioambiente, la
protección de los paisajes y la conservación de la geo-
y biodiversidad y, por el otro lado, la satisfacción de
las necesidades básicas del la población pobre en esta
zona. Sin embargo, el análisis de uso actual del suelo
no refleja esta problemática. Diversos actores e
instituciones consideran que las actividades agrícolas
y pecuarias son las grandes amenazas a la
conservación del hábitat y la biodiversidad en la
RBZI.
Figura 2. Pastoreo tradicional (sin riego) cerca del
poblando de La Huacana, Mich.
Figura 3. Distribución y densidad de población en y
alrededor de la reserva de la biósfera y representación
grafica de la presión a la ANP (Elaborado con datos de
CONTEO 2005 de INEGI).
2.1 METODOLOGÍA
El presente trabajo muestra el proceso de monitoreo y
la evaluación de los cambios de uso de la tierra en la
RBZI. Mediante del uso y manejo de imágenes de
satélite y cartografía existente se analizaron cuatro
momentos de diferentes uso de la tierra (años 1976,
1990, 2000 y 2008).
En este caso se uso una clasificación visual que
tiene mayores niveles de confianza que las digitales
(López et al., 2006). La interpretación en criterios
estándar (Lillesand y Kiefer, 2000). La leyenda usada
en la actualización es compatible con la de 1976
(INEGI) y 2000 (INE) La interpretación de 1990 se
realizó sobre una imagen TM desplegada en monitor
de computadora a escala 1:110,000; el año de 2008 se
interpretó de manera similar, pero con una imagen
SPOT desplegada en pantalla de monitor de
computadora a escala 1:80,000.
Con la excepción de los pastizales todas las clases
fueron claramente identificadas a través de sus

272
propiedades espectrales. Los pastizales se caracterizan de nuevo la selva baja caducifolia previa al uso de la
por un mosaico de escala pequeña de pastos, arbustos tierra. Por eso preferimos una combinación de los
y árboles. Esa textura se puede identificar mejor con cuatro momentos, para identificar la proporción de
imágenes de SPOT con una resolución espacial de 10 uso permanente, uso intermitente y de conservación
m en la banda pancromática. permanente.
Para la detección del cambio de uso de suelo por Cuadro 2. Resultados de la clasificación uso de la
actividades agrícolas se combinaron las tierra por el año 2008
clasificaciones temporales para identificar las zonas
Tipo ha %
de uso permanente, intermitente y las áreas de
conservación. Agricultura de riego y humedad 8224.38 1.76

Manejamos por este estudio tres zonas de Agricultura de temporal 36078.56 7.72
diferentes intensidades de uso o conservación: La Asentamiento humano 1269.22 0.27
zona núcleo de RBZI (N), la zona de amortiguamiento Bosque de coníferas y latifoliadas 3842.17 0.82
(A) y la zona de influencia (I) alrededor de la RBZI.
Bosque de latifoliadas 13919.56 2.98
2.2 MONITOREO Y EVALUACIÓN Cuerpo de agua 32833.89 7.02
Primero analizamos los resultados de la reciente Otros tipos de vegetación 2693.82 0.58
clasificación del año 2008 (Cuadro 2). La mayor parte
Pastizales inducidos y cultivados 23062.31 4.93
del área de estudio consiste de selva baja caducifolia y
subcaducifolia, con casi tres cuartas de toda la Selva caducifolia y subcaducifolia 345602.23 73.92
superficie, le sigue la agricultura temporal por debajo TOTAL 467526.14 100.00
del 10%. Las áreas de pastoreo representan sólo una Las observaciones (Cuadro 3) de los resultados del
fracción menor de 4.93%. Con base en esta análisis multitemporal más importantes son:
observación (monotemporal), el problema del
pastoreo, no parece ser grave. a) La zona núcleo (N) se encuentra bien
conservada (96.72%);
Los asentamientos humanos se localizan en las
tierras fértiles, planas, profundas, con mayor b) En la zona amortiguamiento (A) aumenta el
humedad, situación que en el futuro ocasionará uso de tierra de manera significativa, ya que
problemas de abasto de productos agrícolas y alrededor del 20.77% de la superficie es o fue
pecuarios. utilizada;
La selva baja caducifolia y subcaducifolia son las c) En la zona de influencia (I) de la RBZI hay
coberturas de plantas que ocupan la mayor superficie áreas grandes de uso intermitente; y
(73.92%). La diversidad de coberturas vegetales d) las áreas de uso intermitente corresponde a
expresa la diversidad de tipos y subtipos climáticos. agricultura y a actividades pecuarias (Figura
En la zona de amortiguamiento se encuentran áreas 4).
con vegetación arbórea proveniente de usos agrícolas e) El total de uso intermitente es de 55.06%
y pecuarios que puede llegar a ser confundida con
vegetación primaria; sin embargo, dichas selvas f) Hay un total 136,257 ha en uso permanente
abiertas, principalmente con huizaches son en realidad más uso intermitente equivalente al 29.14% del
vegetación secundaria que difícilmente llegará a ser total
Cuadro 3. Uso de la tierra en las zonas núcleo, amortiguamiento y de influencia

Uso permanente Uso intermitente Conservación permanente Total

ha % ha % ha % ha %
Zona N 12.25 0.05 744.53 3.28 21954.29 96.72 22698.88 4.86
Zona A 6067.11 2.45 45932.35 18.52 202114.16 81.48 248048.96 53.06
Zona I 18056.87 9.18 65443.73 33.26 131325.39 66.74 196778.3 42.09
24136.23 112120.62 355405.52 467526.14 100

273
2.3 DISCUSIÓN
En términos metodológicos, es importante resaltar que
este es uno de los pocos trabajos que evalúan los
cambios de la cobertura vegetal y uso del terreno
usando más de tres fechas, los que permite identificar
con mayor detalle los patrones temporales de cambio
(Mendoza et al., 2011).
En particular, la ganadería extensiva es el uso de
suelo identificado como el responsable de gran parte
de la deforestación al convertir las selvas en pastizales
cultivados. Las pasturas establecidas durante periodos
prolongados provocan cambios negativos importantes
en la estructura física del suelo como su
compactación, erosión y la pérdida de la fertilidad,
entre otros (Alegre y Lara, 1991; Hoyos et al., 1995;
Zapata-Buenfil et al., 2009). Pero las pasturas
inducidas itinerantes con periodos de uso, descanso y
uso pueden llegar a ser de mayor peligro ambiental y
ecológico porque son una forma de degradación
encubierta y silenciosa. Encubierta porque en el
barbecho o descanso de la tierra hay una “superficial”
recuperación del ecosistema, debido a que la
recuperación de un suelo degradado es mucho más
larga que la recuperación de una cobertura vegetal
de 20 a 30 años. Es una degradación de tierras
silenciosa porque a menudo en los mapas realizados
en un tiempo solo se reporta la superficie con pasto
actual y no se hace un análisis espacial y temporal de
las zonas de uso recurrentes como praderas inducidas
con lo cual la superficie en “uso-descanso-uso” como
praderas a menudos es de cinco a diez veces mayor al
reportado.
Una vez establecidas las praderas, los pastos
establecen una competencia continua con las especies
arbóreas y arbustivas locales que intenta invadir la
pradera, hasta encarecer mucho el mantenimiento del
pastizal, por lo que pasados unos 15 a 20 años, la
degradación del pastizal ocasiona su abandono y la
reapertura de nuevas zonas arboladas.
Para el mantenimiento de los pastizales durante
esos 15 a 20 años se invierte gran cantidad de esfuerzo
y recursos económicos en fertilización y riego. La
fertilización con productos químicos es un método
efectivo para incrementar la fertilidad y la producción
agrícola pero implica un costo; mientras que con el
riego se reduce el problema de la estacionalidad, pero
el agua y la tecnología no siempre están disponibles y
ambas tienen un costo. Sin embargo, la fertilización y
riego utilizados sin conocimiento técnico pueden
274
llegara a ocasionar problemas de contaminación y
azolve de los cuerpos de agua. Cuando se establecen
los pastizales y conforme avanza la degradación del
suelo la inversión en el mantenimiento del pastizal es
mayor. La degradación de los pastizales sólo se
resuelve temporalmente con su abandono y con la
apertura de nuevas tierras para pastos, lo cual genera
una intensidad de degradación de suelos que en
algunas ocasiones ya no es reversible.
Esta situación puede ocasionar afectaciones
ambientales y ecológicas de dos tipos:
a) las parcelas de pastizales menores de 500 ha
ocasionan la fragmentación del hábitat
(aislamiento entre poblaciones de organismos) y
degradación del suelo dependiente de la
intensidad de uso;
b) las zonas con parcelas de pastizales entre 501 y
1300 ha ocasionan una mayor y más intensa
degradación de suelos que puede llegar a
repercutir en la degradación de la cubierta vegetal,
erosión del suelo, contaminación y azolve de
cuerpos de agua, colonización de especies
invasoras, y pérdida de la rentabilidad económica,
entre otros aspectos negativos.
En la RBZI se observa que la eliminación de la
selva baja para convertirla en pastizales extensivo
ocasiona que al final se convierta a huizaches en lugar
de restablecerse la selva baja, esta situación puede
estar presentándose por dos causas o la combinación
de ambas: la degradación intensa del suelo y el efecto
del cambio climático. Los huizaches son típicos de
clima semiárido.
3 CONCLUSIÓN
Un análisis multitemporal del uso de la tierra separado
por zonas de diferente nivel de protección permite un
mejor entendimiento de la dinámica de uso de la
tierra.
La zona núcleo de la RBZI se encuentra bien
conservada (96.72%). Sin embargo, la zona de
amortiguamiento está siendo usada cada vez con
mayor intensidad (20%), esto permite deducir que en
un tiempo no lejano la zona de amortiguamiento
pudiera llegar a ser fuertemente utilizada y tener algún
grado de impacto en la biodiversidad de la RBZI.
Por otro lado, se recomienda encontrar, desarrollar,
proponer y fomentar prácticas agroecológicas
permanentes en la zona de influencia para que por un
lado se generen productos agrícolas, pecuarios y compatibles con la conservación biológica y los
forestales tendientes al mejoramiento de la calidad de servicios ambientales que se generan en la RBZI.
vida de las poblaciones humanas y, por el otro, sean

Figura 4. Mapa de conservación y usos (permanentes e intermitentes) en la reserva y su zona de influencia

275
 AGRADECIMIENTOS
El presente escrito es un resultado del proyecto:
Evaluación multi-escalar de la aptitud de uso de los
suelos en zonas pecuarias de la Reserva de la Biósfera
de Infiernillo. Agradecimos la Coordinación de
Planeación para el Desarrollo (CPLADE Michoacán)
por su financiamiento.
REFERENCIAS
Alegre J, Lara P. 1991. Efecto de los animales en pastoreo
sobre las propiedades físicas de los suelos en la región
tropical húmeda de Perú. Pasturas tropicales CIAT.
13(1): 18-23.
Burgos, A., Cuevas, G., Carlón T., Ramírez, V., Tinoco, A.,
Solorio, G., S. Pérez Cortez. 2010. Determinación de
cambios de uso del suelo como base del ordenamiento
territorial de la Reserva de la Biosfera Zicuirán
Infiernillo. GTZ-CONANP, 47 pp.+ Base de Datos
Espaciales
Comisión Nacional de Áreas Naturales Protegidas
(CONANP) 2006. “Estudio Previo Justificativo para el
establecimiento de la Reserva de la Biosfera Zicuirán
Infiernillo, México, D.F., pp. 181.
Comisión Nacional Forestal (CONAFOR) 2000. Inventario
Nacional Forestal
276
Hoyos P, García O, Torres MI. 1995. Manejo y utilización
de pasturas en suelos ácidos de Colombia. Fascículo 4
de la serie de capacitación en tecnología de producción
de pastos. CIAT. 120.
Instituto Nacional de Estadística y Geografía (INEGI)
2006. II Conteo de Población y Vivienda 2005.
Principales resultados por localidad 2005. Estados
Unidos Mexicanos.
Lillesand T.M. y R.W. Kiefer, 2000. Remote Sensing and
Image Analysis 4th Edition. John Wiley and Sons, New
York. 736 pp.
López-Granados E, G. Bocco, M. E. Mendoza, A.
Velázquez y R. Aguirre, 2006. Peasant emigration and
land-use change at the watershed level. A GIS-based
approach in Central Mexico. Agricultural Systems 90
(1-3): 62-78.
Mendoza, M.E., E. López-Granados, D. Geneletti, D.R.
Pérez-Salicrup y V. Salinas, 2011. Analysing land
cover and land use change processes at watershed level:
A multitemporal study in the Lake Cuitzeo Watershed,
Mexico (1975-2003). Applied Geography 31: 237-250.
Rzedowski, J. 1978. Vegetación de México. Editorial
Limusa. México.
Zapata-Buenfil G., F. Bautista y M. Astier. 2009.
Caracterización forrajera de un sistema silvopastoril de
vegetación secundaria con base en la aptitud de suelo.
Técnica pecuaria. 47(39): 257-270.
 ANALYSIS OF LAND COVER TRANSITION FOR A STUDY AREA IN
CENTRAL KALIMANTAN, INDONESIA, 2000 - 2004
Yan GAOa, R.G.PONTIUS Jr.b, Kazuyo HIROSEa, Mitsuru OSAKIa, Takashi KOHYAMAa, Hendrik
SEGAHa, Sekine HOZUMAc
a
Hokkaido Univesity, email: yan@census.hokudai.ac.jp
b
Clark University, USA
c
Mitsubishi Research Institute, Japan

RESUMEN
In this paper, we applied a change detection analysis based on extended transition matrix of two classified
maps. The extended transition matrix has one column of loss and one row of gain in land cover categories
comparing with the normal transition matrix. We quantified land cover transitions and identified the location
of the transitions. We also identified systematic land cover transitions by observing the deviations of observed
transitions from the transitions under a random process. The next research step is to apply the same method to
the complete peatland area of Central Kalimantan to analyze the major signals of land cover transitions.
Palabras clave: Transition matrix, allocation, swap location
correction, the blue band value was restored. Thick
1 INTRODUCCIÓN
clouds effects were also removed.
Land cover change analysis reveals important
information that contributes to the understanding of
the fundamental processes and causes behind the
changes. Transition matrix is often used, in which the
rows show the categories of the map from an initial
time and the columns a subsequent time. Most of the
land cover change analysis focuses primarily on
quantity, location, and category change (Eiden et al,
Before After
2002; Mundia and Aniya, 2005; Vaconcelos et al,
2002; Wardell et al, 2003). This paper analyzes land- Figura 1. Reflectance profiles before and after the
cover maps from two points in time to characterize the atmospheric correction.
systematic land-cover transitions by applying the
methodology of Pontius et al (2004). After image pre-processing, normalized difference
vegetation index (NDVI) was calculated, and with the
2 METODHS NDVI band and the six multispectral bands of Landsat
2.1 THE STUDY AREA AND DATA image, unsupervised classification was used to
classify the two Landsat images into four land cover
The study area is located in the Central Kalimantan categories: forest, grass/scrub land, bare land, and
province on the island of Borneo, at the left side of other. Figure 2 shows the classified land cover maps.
Palangka Raya city, covering about 1896 km2. The
main land cover types are forest, grassland, and bare
land. Data include one Landsat ETM+ scene from (1)
July, 16, 2000 and one TM scene from June, 17, 2004.
Firstly, satellite images were corrected geographically
and atmospherically. The atmospheric correction
removed the effects of the aerosols which influence
mostly the reflectance around 450nm. Figure 1
showed the reflectance profile of forest. After the

277
 - relative proportion of the other categories in time 2.
Classified TM 2004
Classified ETM+ 2000
Figura 2. Classified Landsat images with four categories;
forest (green), bare land (gray), grass/scrub land (red), and
other (blue).
2.2 QUANTITY OF CHANGE
The quantity of land cover by category was analyzed
in terms of gross gains, gross losses and persistence;
net quantity change and swap location change were
analyzed as well. A transition matrix was produced
using the information of the two classified land cover
maps. In the transition matrix, the off-diagonal entries
comprise the proportions of the landscape that
experienced transition from one category to a different
category while the on-diagonal entries indicate
persistence of categories. The row totals at the right
denote the proportion of the landscape by category in
2000 and the column totals at the bottom denote the
proportion of landscape by category in 2004.
2.3 EXPECTED CHANGE DUE TO
RANDOM PROCESSES
It is needed to interpret the transitions relative to the
sizes of the categories in order to identify systematic
transitions within the matrix (Pontius et al. 2004). A
non-random gain and a non-random loss for a
particular transition imply a systematic process of
change (Alo and Pontius 2008). The expected
transition under a random process of loss can be
calculated using equation (1), where
(1)
;expected transition from category i to category
j under a random process of loss, is the
observed loss of category i, is the column total for
category j, and is the column total for category I;
is the sum of the column total of all categories
except category i, Equation (1) assumes that the gross
loss of each category is fixed, and then distributes the
loss across the other categories according to the
278
Equation (1) rearranges only the off-diagonal
transitions within each row while holding the
persistence constant on the diagonal. If the difference
between the observed and the expected transition
under random process of loss is positive, then the
category in that column gained more from the
category in row than would be expected by a random
process of loss in that categories of the row. If the
value is negative, then the category in that column
gained less from the category in row than would be
expected by a random process of loss in that category
of the row.
Similarly, equation (2) gives the expected
transitions under a process of gain, .
(2)
where is the expected transition from category i
to category j under a random process of gain,
is the observed gain for category j, is the row
total for category i, and is the sum of row
totals of all categories excluding category j. Equation
(2) assumes that the gross gain of each category is
fixed, and distributes the gross gain across the other
categories at the initial time. Thus the observed
persistence retained on the diagonals in order to
examine the off-diagonal transitions. If the difference
between the observed and the expected transition
under a random process of gain is positive, the
category in that row lost more to the category in
column than would be expected by random process of
gain in that category of the column. If the value is
negative, the category in that row lost less to the
category in column than that would be expected by
random process of gain in that category of the column.
3 RESULTS
3.1 GROSS LOSS, GROSS GAIN, AND
PERSISTENCE
The transition matrix of the land cover maps from
2000 and 2004 is shown in table 1, wherein the rows
display the results of the land cover categories of 2000
and the columns display those categories of 2004.
 3.2 NET QUANTITY CHANGE AND SWAP
Table 1. Transition matrix showing the transitions LOCATION CHANGE
between land-cover categories in both pixel counts The total change, net quantity change and swap
(normal font) and in percentage of the total landscape location change for each category in the percentage of
observed (italics). Here F: forest, G: grass/scrub land, the landscape are summed up in table 2.
B: bare land, O: other.
2004 Table 2, Budget of landscape persistence and
T 2000 Loss
F G B O components of change in terms of percentage of
1601831 84152 118230 6696 1810909 209078 landscape.
F
75.94 3.99 5.61 0.32 85.85 9.91
23758 18816 6596 1760 50930 32114 Land/cover Persistence Gain Loss Total Swap Net
G
2000

1.13 0.89 0.31 0.08 2.41 1.52

Forest 75.94 5.05 9.91 14.96 10.1 4.86
82504 36597 114070 4196 237367 123297
B
3.91 1.74 5.41 0.20 11.25 5.85 Grass 0.89 5.73 1.52 7.25 3.04 4.21
171 114 982 8808 10075 1267
O Bareland 5.41 5.96 5.85 11.81 11.7 0.11
0.01 0.01 0.05 0.42 0.48 0.06
T 1708264 139679 239878 21460 2109281 365756 Other 0.42 0.60 0.06 0.66 0.12 0.54
2004 80.99 6.62 11.37 1.02 1.00 17.34
106433 120836 125808 12652 365756 Total 82.66 17.34 17.34 34.68 24.96 9.72
Gain
5.05 5.73 5.96 0.60 17.34
In land cover transition analysis, the swap location
change is often neglected. For bare land, the net
The last column indicates gross loss and the last quantity change is less than 1%; however, its swap
row indicates gross gain by category, derived by location change is 11.7% of the landscape. Had we
subtracting the persistence from the column total and only considered the net quantity change, we would
the row total. The persistence values are those on the have concluded that forest and bare land are two
diagonal of the transition matrix. In total, 17.34% of relatively stable categories, and we would have
the landscape has experienced change. The change missed the big quantities of swap location change,
rate is 4.34%. The location of the gross gain, gross which would lead to a dramatic underestimate of the
loss and persistence of the land cover categories are total change (Pontius et al. 2004).
shown in figure 3.
3.3 SYSTEMATIC PROCESS OF
TRANSITION
In order to identify systematic transitions within the
transition matrix, the observed transitions are
compared to the expected transitions under a random
process of gain and loss, calculated using equations 1
and 2. The expected loss is written in italics and the
expected gain in normal font in table 3.
(a) Forest (b) Bare land

(c) Grass/scrub land

Figure 3, Gain, loss, and persistence analysis from 2000 to

2004 for land cover categories of (a) forest, (b) bare land,
and (c) grass/scrub land.

279
 inspection of only the observed values in our
Table 3, Transitions in percentage of the transition matrix would likely focus on the largest
landscape; the observed transitions are shown in bold transition of change, which is from forest to bare
font, the transitions under a random process of loss in land. Such an assessment fails to consider that forest
italics and the transitions under a random process of and bare land are the two largest categories on the
gain in normal font. Here F: forest, G: grass/scrub landscape, so even a random process of land change
land, B: bare land, O: other. would cause a large transition from forest to bare
2004 T 2000 Loss land. The large value for the observed transition from
F G B O forest to bare land is actually less than the two
75.94 3.99 5.61 0.32 85.85 9.91 expected values under a random process of change.
F 75.94 3.45 5.93 0.53 85.85 9.91
75.94 5.04 5.77 0.52 87.27 11.33 Although the transition between forest and bare land
1.13 0.89 0.31 0.08 2.41 1.52 is large, these two categories do not seem to be
G 1.32 0.89 0.19 0.02 2.41 1.52 engaged in a systematic transition. Moreover, a simple
2000

0.86 0.89 0.16 0.01 1.93 1.04

3.91 1.74 5.41 0.20 11.25 5.85 interpretation of the observed values may overlook the
B 5.34 0.44 5.41 0.07 11.25 5.85 conversion of grass/scrubland to bare land because it
4.01 0.66 5.41 0.07 11.25 4.74
0.01 0.01 0.05 0.42 0.48 0.06
was small. While the analysis of the transition matrix
O 0.05 0.00 0.01 0.42 0.48 0.06 reveals a larger transition from grass/scrub land to
0.17 0.03 0.03 0.42 0.65 3.70 bare land than would be expected from random
80.99 6.62 11.37 1.02 1.00 17.34
T 2004 82.65 4.79 11.53 1.03 1.00 17.34
processes of change.
80.99 6.62 11.37 1.02 1.00 0.23
5.05 5.73 5.96 0.60 17.34 AKNOLEDGMENTS
Gain 6.71 3.89 6.12 0.61 17.34
5.05 5.73 5.96 0.60 17.34 We would like to express our gratitude to the
Forest and bare land are the largest among all the following organizations for their collaboration in this
categories and the transition between these two project: Japan Science Technology (JST), Japan
categories also account for the largest percentage of International Cooperation Agency (JICA), University
the study area. The observed transition from forest to of Palangka Raya, Earth Remote Sensing Data
bare land is 5.61%, less than the expected loss under a Analysis Center (ERSDAC), Mitsubishi Research
random process (5.93%): when forest loses, it is not Institute (MRI) and all the researchers who have
especially vulnerable to bare land. The expected gain contributed to JST-JICA project.
of bare land from forest under a random process is
5.77%, larger than the observed gain: when bare land REFERENCES
gains, it does not target on forest. Hence the transition Alo C A, Pontius R G Jr, 2008, “Identifying systematic
from forest to bare land is not systematic. The land-cover transitions using remote sensing and GIS the
observed transition from bare land to forest is also fate of forests inside and outside protected areas of
less than the expected gain and loss due to a random Southwestern Ghana” Environment and Planning B
process, meaning that bare land was not vulnerable to Planning and Design 2008, 35, 280-295.
forest when it lost and when forest gained, it did not Braimoh A.K., 2006, Random and systematic land-cover
target on bare land. The transition from bare land to transitions in Northern Ghana, Agriculture, Ecosystems
and Environment, 113, 254-263.
forest was also not systematic. A similar analysis
Eiden G., Vidal, C., Georgiva, N., 2002, Land cover/land
shows that the transition between forest and use change detection using point area frame survey data,
grass/scrub land was not systematic either. building Agro Environmental Indicators EUR Report,
number 20521, pp 55-74.
4 CONCLUSION Manandhar, R., Odeh, I,O.A., Pontius Jr., R.G., 2010,
This analysis has demonstrated the necessity of a Analysis of twenty years of categorical land transitions
detailed approach in analyzing land cover transitions in the lower Hunter of New South Wales, Australia.
Agricultural, Ecosystems and Environment, 135, 336-
in order to detect systematic land cover changes based
346.
on deviations of observed patterns from random Mundia C.N., Aniya, M., 2005, Analysis of land use/cover
patterns of change. A simplistic interpretation of the changes and urban expansion of Nairobi city using
transition matrix might fail to reveal systematic remote sensing and GIS, International Journal of
processes within a pattern of land change. An Remote Sensing, 26, 2831-2849.

280
Pontius R G Jr. Shusas E, McEachern M, 2004, “Detecting
important categorical land changes while accounting for
persistence” Agriculture, Ecosystems and Environment
100, 251-268.
Vasconcelos M.J.P., Mussa Biai J.C., Araujo, A., Diniz
M.A.,2002, Land cover change in two protected areas of
281
Guinea-Bissau (1956-1998), Applied Geography, 22,
139-156.
Wardell D.A., Reenberg A., Tottrup C., 2003, Historical
footprints in contemporary land use systems: forest
cover changes in savannah woodlands in the Sudano-
Sahelian zone, Global Environmental Change, 13, 235-
254.
 EL TURISMO COMO PRINCIPAL FACTOR DE CAMBIO DE USO DE
SUELO EN EL MUNICIPIO DE VALLE DE BRAVO: PERIODO 1980-
2010
María de Jesús RODRÍGUEZ LÓPEZ a, Miguel Ángel BALDERAS PLATA a, Xanat ANTONIO
NÉMIGA a, Juan Carlos CASTRO VILLEGAS a
a
Facultad de Geografía. Universidad Autónoma del Estado de México, Cerro de Coatepec, Ciudad
Universitaria s/n. Toluca, Estado de México. CP 50110. Email: marileshka_241 @hotmail.com

RESUMEN
En este documento se aborda al turismo como principal factor de cambio de uso de suelo en el municipio de
Valle de Bravo, a partir del estudio de los cambios de uso de suelo con base a información multitemporal y el
uso de imágenes de satélite Landsat TM. La metodología se basa en procesamiento digital de datos utilizando
el software Idrisi versión 15.0. Los resultados de esta primera etapa permitieron obsevar que el cambio de uso
de suelo se ha generado por el abandono del campo, quedando éste para reforestación o construcción. Vale la
pena destacar que la gran demanda de residencias turísticas por parte del turismo ha influido de forma
determinante en estos cambios.
Palabras clave: Geografía, turismo, SIG, cambio de uso de suelo.
apoyadas en el uso de sensores remotos y análisis
1 INTRODUCCIÓN
estadístico espacial.
Dentro de la relación hombre-medio, el ser humano
Entre los factores de cambio de uso de suelo
busca la satisfacción de sus necesidades, dentro de las
podemos destacar, entre otros, el turismo, el cual ha
cuales, como básicas podemos considerar: comer,
tenido grandes impactos entre los cuales podemos
vestir y un espacio en el cual habitar. La
mencionar: un crecimiento urbano anárquico causado
consecuencia, transforma el paisaje adecuándolo a su
por el incremento del tráfico vehicular, una
forma de vivir y a su necesidad. Cada actividad que el
transformación de actividades tradicionales (como la
hombre realiza requiere un espacio: para trabajar, para
agricultura) a actividades comerciales y a la
vivir, para divertir, etc. Con el paso del tiempo estas
formación de asentamientos irregulares por efecto del
actividades han condicionado el entorno físico
polo de crecimiento turístico; es el caso de Valle de
haciendo evidente los diversos usos que se le dan al
Bravo, que con el paso del tiempo ha venido sufriendo
suelo y más aún los cambios.
una serie de transformaciones en cuanto a proceso de
En este contexto, es de gran interés el análisis de uso y cambio de suelo, el cual comenzó a
cambio de uso de suelo en el municipio de Valle de desarrollarse a partir de la construcción del embalse
Bravo el cual presenta una dinámica bastante “Miguel Alemán” (1937), lo que sumado a la buena
interesante debido al incremento del turismo el cual se calidad ecológica lo convirtió en un área de descanso,
ha convertido en el principal sustento de la población recreación y turismo pasivo; situación que se
y demanda de espacios para dicha actividad. intensificó en los últimos veinte años.

2 PLANTEAMIENTO DEL PROBLEMA
Y JUSTIFICACIÓN
En México estudiar la magnitud, dinámica y
causalidad de los procesos de cambio de uso de suelo
se ha vuelto fundamental. En general, los esfuerzos de
analizar y modelar estos procesos se orientan a
responder ¿Por qué ocurre el cambio de uso de suelo?
¿Dónde? y ¿Cuándo ocurre este cambio?. Estas tres
interrogantes son abordadas a través de metodologías
Por otra parte, el turismo es una actividad que
requiere ser estudiada desde diferentes perspectivas, y
una de esas perspectivas es el de la geografía, que
busca establecer diferencias espaciales de la actividad
turística en sus variadas manifestaciones.
Razones por las cuales esta investigación tiene
como principal finalidad el análisis de dicha actividad
como el principal factor generador de cambio de uso
de suelo en el lugar antes mencionado.

282
 3 MÉTODOS Y MATERIALES
3.1. CARACTERIZACIÓN DE LA ZONA DE
ESTUDIO
El municipio de Valle de Bravo se localiza al poniente
del Estado de México. Limita al Norte con Donato
Guerra, al Sur con Temascaltepec, al Este con
Amanalco y Temascaltepec y al Oeste con Ixtapan del
Oro, Santo Tomás de los Plátanos y Otzoloapan. Su
superficie territorial es de 421.95 km2 (H.
Ayuntamiento Valle de Bravo, 2011).
El municipio pertenece a la Subprovincia
fisiográfica Mil Cumbres, teniendo su origen en el
Cenozoico; limitando al sur con la Subprovincia del
Balsas y al norte con la de Lagos y Volcanes del
Anáhuac. Los tipos de roca que se encuentran son
metamórficas (esquisto), ígneas (toba, andesita y
basalto) y algunas sedimentarias (H. Ayuntamiento
Valle de Bravo, 2011).
Destaca su relieve montañoso conformado por las
Sierras de Temascaltepec, Tenayac y Valle de Bravo.
De acuerdo a las cartas edafológicas de INEGI (1977)
en Valle de Bravo predominan los Andosoles seguido
por Regosol, Acrisol, Vertisol y Luvisol.
El clima es predominantemente templado sub-
húmedo con lluvias en verano. Dentro de su
infraestructura hidráulica destacan las presas de Valle
de Bravo y de Colorines.
La mayor parte del territorio municipal es área
boscosa, destacan diferentes especies arbóreas, entre
ellas: pino, encino, oyamel y fresno. En algunas áreas
se pueden encontrar superficies con pastizales, bosque
mesófilo de montaña y selva baja caducifolia.
En general predomina la fauna de bosques
templados, que cubren casi la totalidad del municipio,
cuyas comunidades se caracterizan por los mamíferos
pequeños como: conejo castellano y de monte, ardilla
gris, roja y negra, ardillón, topo, rata de los volcanes,
comadreja, zorra, liebre, hurón, murciélago y tejón.
Entre los anfibios y reptiles se mencionan salamandra,
lagartija, culebra y víbora de cascabel. Del grupo de
las aves tenemos los carpinteros, paloma llorona,
trepadores, colibrí, búho, codorniz, algunas
depredadoras como la aguililla de cola roja, gavilán,
zopilote y cuervo (H. Ayuntamiento Valle de Bravo,
2011).
3.2. CARACTERIZACIÓN SOCIAL
Se identifican 43 comunidades y la Villa de Colorines
las cuales conforman el municipio.
283
La lengua indígena predominante en el municipio
es la Mazahua. Otras lenguas indígenas que se hablan
en el municipio son el náhuatl, mixteca, purépecha,
etc. (H. Ayuntamiento Valle de Bravo, 2011).
Con respecto a la población, el municipio cuenta
con un total de 61 599 personas, esto de acuerdo con
el último censo de INEGI (2010).
3.3. MÉTODO
El procedimiento utilizado para esta investigación es
comparar la estructura socioeconómica del municipio
con los resultados obtenidos de un análisis
cartográfico a través de las imágenes de satélite, esto
con ayuda de las herramientas de los SIG. Par ello
seguimos los siguientes pasos:
1. Obtención de información.- En este apartado se
buscó información tanto estadística como cartográfica
del municipio de los años 1986 y 2010. Esto
obteniendo los datos de los censos de los años
respectivos así como las imágenes correspondientes.
2. Obtención y procesamiento de imágenes.- Se
obtuvieron imágenes de satélite Landsat TM de los
años 1986-2009 en época de estiaje con una
resolución espacial de 30 metros. De las cuales se
georreferenciaron así como trataron (deformaciones,
nubosidad, etc.), se cortaron a las dimensiones del
municipio y se procedió a la obtención de campos de
entrenamiento (de los siete grandes grupos de
coberturas), firmas espectrales y la elaboración de la
clasificación supervisada mediante el método máxima
verisimilitud, que evalúa la probabilidad de que un
píxel dado pertenezca a una categoría y clasifica el
píxel en la categoría con la probabilidad más alta de
los miembros (Eastman, 2001; citado por Sotelo,
2007), siendo ésta la más precisa de los métodos de
clasificación.
3. Análisis de resultados.- Se compararan los
resultados obtenidos del análisis estadístico y de los
arrojados por los métodos de clasificación de cada una
de las imágenes de satélite. Obteniendo el factor
detonante del cambio de uso de suelo en el municipio
de Valle de Bravo.
4 RESULTADOS
De acuerdo al análisis estadístico de los censos de
población y vivienda la población tuvo un decremento
entre 1980 y 1990, esto puede ser por migración de la
gente principalmente al D.F. y su zona metropolitana
(Cuadro 1), para las décadas posteriores ha venido
incrementándose de manera consecutiva. Así como la
Población Económicamente Activa (PEA) ha tenido el Durante la década de 1980 a 1990 la agricultura
mismo comportamiento a excepción de la última era la cobertura de mayor extensión territorial en el
década la cual presenta un decremento muy municipio seguida por las zonas forestales y
significativo, debido a que la mayor parte de las apareciendo como zonas urbana la cabecera
personas cuentan con trabajos fuera del municipio, así municipal, Colorines y Avándaro (Figura 2).
como personas que se dedican al comercio informal.
Cuadro 1. PEA Municipio de Valle de Bravo.
Pob. sector sector sector
Año Total PEA 1 2 3
197
0 27779 5827 37.99 16.95 45.04
198 1182
0 36762 9 24.00 19.72 56.27
199 1045
0 36135 7 20.79 30.65 41.56
Figura 2. Imagen correspondiente al uso de suelo de 1980
200 3515
0 57375 4 10.18 27.39 58.68 Para la siguiente década del 90 al 2000 la
201 2489 agricultura fue perdiendo terreno incrementándose las
zonas correspondientes a pastizales y desprovistas de
0 61599 5 1.24 12.08 86.67 vegetación y en menor proporción un ligero
Fuente: INEGI, Censos Económicos IX-XVII. incremento en las zonas forestales debido a la
Por otra parte el municipio de Valle de Bravo ha inserción de proyectos de reforestación en los parques
mostrado un cambio en su actividad principal pasando estatales de Monte Alto, Cerro Gordo, Saúcos, etc.
de ser un municipio agrícola a uno con vocación (Figura 3).
turística y comercial, esto queda demostrado por la
Figura 1.

PEA Sector Económico

100

80

60 sector1

40 sector2
Figura 3. Imagen correspondiente al uso de suelo de 1990
sector3
20
Para la última década las zonas agrícolas
0 disminuyen considerablemente aumentándose las
1980 1990 2000 2010 coberturas de pastizales, desprovistas de vegetación
así mismo hay un ligero incremento en las zonas
Figura 1. La actividad económica por sectores en el urbanas y en las zonas forestales debido a la demanda
municipio de Valle de Bravo periodo 1980-2010. del turismo residencial (Figura 4).

Los resultados obtenidos del análisis estadístico se

confrontaron con el análisis obtenido de las imágenes
de satélite por medio de las clasificaciones,
obteniendo los mapas de uso de suelo de las diferentes
décadas.

284

Figura 4. Imagen correspondiente al uso de suelo de 2000
Para el periodo actual (Figura 5) es notable la
reducción de zonas agrícolas y se incrementa la zona
urbana así como la vegetación, debido a las campañas
de reforestación del municipio por parte del gobierno
municipal o ONG´s principalmente en la Reserva de
“Monte Alto” así como en “Cerro Gordo” y los
Saúcos. Los pastizales también aumentan debido a la
falta de incentivos para el campo cuya única opción
rentable es venderlos y fin último es la construcción.
La zona urbana también crece aunque en menor
proporción, gracias a que se han regulado los usos y
hacia dónde se debe crecer (esto, de acuerdo con el
Plan de Desarrollo actual), pero también se han
encontrado lugares en donde no se respeta la
normatividad de uso de suelo, principalmente
alrededor de la presa, ya que empieza la construcción
de residencias.
Figura 5. Imagen correspondiente al uso de suelo de 2010.
Derivado del análisis anterior se presenta el
resultado final q indica el total de áreas que sufrieron
cambios así como el gráfico correspondiente (figura
6):
285
Cambio de Uso Suelo
40000
30000 1980
20000
1990
10000
2000
0
2010
Figura 6. Gráfica comparativa de las diferentes cubiertas:
ganancias y pérdidas.
La cobertura de bosque ha venido disminuyendo
mientras que la zona urbana por el contrario, ha
incrementado, las coberturas de pastizales, agrícola y
sin vegetación tienen un comportamiento en el cual
disminuyen, crecen y vuelven a disminuir. Se puede
deducir que al quedar abandonados los campos
agrícolas, los pastizales ganan espacio o por el
contrario, se vuelven zonas desprovistas de
vegetación, así como la selva baja puede considerarse
zona de recuperación, ya que presenta crecimiento
durante tres etapas.
5 CONCLUSIONES
La terciarización del municipio ha venido
fortaleciéndose en las últimas dos décadas debido al
auge turístico del municipio de Valle de Bravo. El
desarrollo se inicia con la intensa construcción de
viviendas residenciales, trayendo como consecuencia
desarrollos inmobiliarios; surge la afluencia de
visitantes, se construyen hoteles y se habilitan casas
de huéspedes, el comercio crece y el turismo se
considera ahora como el eje de la economía.
Fue a partir de la construcción del embalse
“Miguel Alemán” (1937) y el sistema hidroeléctrico
“Cutzamala” (1947) que junto con el buen sistema
ecológico en el lugar lo que atrajo a visitantes, pero no
fue sino hasta 1970 con el festival “Avándaro” que
Valle de Bravo se dio a conocer a nivel nacional. Y
para estas dos últimas décadas la internacionalización
del municipio ha sido la meta (Plan de Desarrollo
Municipal vigente 2009-2012). Son estas
circunstancias por las cuales las actividades del sector
primario y secundario han sido abandonadas aunque
no del todo, cabe aclarar, pues la agricultura se
encuentra todavía en algunas localidades alrededor de
la cabecera municipal como San Gabriel Ixtla,
Cuadrilla de Dolores y Santa María Pipioltepec. Con
respecto a la industria se han desarrollado sólo dos: la
eléctrica (debido a los trabajos llevados a cabo en el
sistema Cutzamala) y la de la construcción, debido a
la demanda de residencias para el turismo pasivo (de
fines de semana) y contribuyen en algo la práctica de
deportes extremos tales como parapente, motocross,
gokarts, sky…etc. Durante los últimos veinte años el
comercio, los servicios y, por supuesto, el turismo, has
venido a ser las actividades económicas principales de
Valle de Bravo.
Lo anterior, puede explicar porque existen zonas
sin vegetación, ya que al no practicar la agricultura, el
suelo queda expuesto haciéndolo vulnerable a la
erosión, al desgaste…; al ser abandonado queda como
opción dejarlo así para la próxima época de siembra,
la reforestación o para la venta del terreno.
Por otro lado, debido a la implantación de nuevas
especies así como a las campañas de reforestación en
el municipio la cubierta vegetal ha tenido un
incremento notable.
Se han venido realizando proyectos ecoturísticos,
en donde se combina la construcción de grandes
hoteles, cabañas, residencias con naturaleza (bosque,
ríos…etc.) principalmente en Avándaro, así como
también se ha venido invadiendo espacio
exclusivamente para cuando el vaso se encuentra en
su máxima capacidad. Caso el Arco, San Antonio y
San Gaspar.
REFERENCIAS
Capulín B., A; A. Vial A. (2000). Cambio del uso de suelo
y tendencias de crecimiento urbano en la cabecera
municipal de Xonacatlán, México 1977-1999. Tesis de
Licenciatura en Geografía. Facultad de Geografía.
UAEM. Clave: G /153.
Castañeda R., M. F.; García L., J. L. (2009) Análisis de
cambio de la ocupación del suelo en el Parque Nacional
Nevado de Toluca (PNNT) durante el periodo 2000-
2008. Tesis de Licenciatura en Geografía. Facultad de
Geografía. UAEM. Clave: G/ 379
Carey B., P.; Sandoval V., V.; Saldivia K., R. (2007).
Proyección de los sistemas de cosecha forestal en las
plantaciones establecidas en el contorno de la reserva
286
Río Cruces para los próximos diez años. Bosque. Vol.
28. Núm. 2. Pp. 173-177.
Chuvieco, E. (1996). Fundamentos de teledetección
espacial. 3º ed. revisada. Ediciones RIALP. S.A.
Madrid, España. 568 p.
Díez, P. J., A., (1993). Introducción a la Percepción
Remota. 1ª. Edición. UAEM. Facultad de Geografía,
Toluca, Estado de México.
E. Sotelo, R.; Gutiérrez C., M. del C.; Ortíz S., A.; Cruz B.,
G. y Segura C., M. A. (2007). Delimitación de
vertisoles a través de la identificación de sus firmas
espectrales con el uso de imágenes Landsat TM. Revista
Terra Latinoamericana. Vol. 25. Núm. 3. Pp. 223-230.
García L., E. (2002). Reconocimiento espacial de zonas de
combinación de factores naturales en el contexto de un
sig analítico. Centro de Aplicaciones de Tecnologías
Avanzada (CENATAV). Ciudad de la Habana, Cuba.
Gómez O., D. (2002). Ordenación Territorial. Ed. Agrícola
Española. España. Pág. 285.
Jong, Bernardus de. (2001). Cambio de uso de suelo y
flujos de carbono en Los Altos de Chiapas, México.
Colegio de la Frontera Sur, México. Simposio
Internacional Medición y Monitoreo de la captura de
carbono en ecosistemas forestales. 18 al 20 de Octubre
de 2001. Valdivia, Chile.
Johnson H., S. (1980). Geografía urbana. Segunda edición.
Ed. Oikos-Tau. Barcelona. Pág. 271.
Lambin, E.F., (1997). Modelling and monitoring land-cover
change processes in tropical regions. Progress in
Physical Geography 21.
Lee, H., Carr J.L. y Lankerani A., (1995). Human
disturbance and natural habitat: a biome level analysis
of a global data set. Biodivesity and Conservation 4.
López E. (2000). Cambio de uso de cobertura vegetal y uso
del suelo en la cuenca de lago de Cuitzeo. Tesis
Doctoral en Ciencias Biológicas. Facultad de Ciencias.
UNAM.
Massiris C., Á. (2005). Fundamentos conceptuales y
metodológicos del Ordenamiento Territorial.
Universidad Pedagógica y Tecnológica de Colombia.
Jotamor Ltda. Colombia.
Pineda J., N. B.; Bosque S., J.; Gómez D., M.; Plata R., W.
(2009). Análisis de cambio de uso del suelo en el Estado
de México mediante Sistemas de Información
Geográfica y técnicas de regresión multivariantes. Una
aproximación a los procesos de deforestación.
Investigaciones geográficas. Núm. 69. Agosto, 2009.
Pp. 33-52. Universidad Nacional Autónoma de México.
México
 EL CRECIMIENTO IRREGULAR DE LA MANCHA URBANA
PROVOCADO POR HUERTAS Y POLÍGONOS AGRÍCOLAS DENTRO
DE LA CIUDAD
Mario Iván UC CAMPOSa, Manuel Iván GILL HERNÁNDEZa, Heber Javier GARCÍA CORTESa,
Jesús Alfredo BANDA GRANADOSa
a
Universidad Autónoma de Cd. Juárez, Campus Cuauhtémoc, bufone2@hotmail.com

RESUMEN
Haciendo uso de las herramientas que nos proveen los sensores remotos, se puede identificar el tipo de
crecimiento irregular que se está generando debido a la existencia de huertas y expansión de las mismas dentro
del área urbana. En la bibliografía consultada solo se menciona que el crecimiento urbano modifica las áreas
agrícolas. Se requiere crear matrices de costos para la infraestructura de servicios de drenaje y agua potable
que surten a los nuevos fraccionamientos, ya que estos servicios rodean huertas y polígonos agrícolas, y por
consiguiente, la inversión. El principal objetivo es predecir hacia donde está dirigido el crecimiento urbano,
tomando en cuenta los posibles lugares que ya han sido destinados para huertas o polígonos agrícolas, generar
la cartografía más probable del polígono urbano hacía el 2020, y una matriz de costos que generalice la
inversión por dichos servicios. Este estudio muestra el uso de la teledetección con una metodología sencilla y
práctica, que combinada con información levantada en campo, permite crear una cartografía actualizada de Cd.
Cuauhtémoc, Chihuahua y su posible crecimiento hacia el futuro. En dicho estudio se han utilizado Imágenes
del sensor Landsat TM de las fechas entre Junio-Septiembre del 2000 y 2010 para obtener el crecimiento en
ese lapso de tiempo. Las imágenes fueron procesadas con el software de IDRISI Kilimanjaro™ utilizando una
clasificación supervisada de la zona estudiada, obteniendo la ubicación de huertas, polígonos agrícolas y
crecimiento de la mancha urbana en el tiempo.
Palabras clave: Cambio de uso de suelo, crecimiento irregular, urbano, agrícola, huertas, matriz, cartografía.

1 INTRODUCCION Este no es un fenómeno nuevo, se han analizado

Las ciudades se expanden casi
imperceptiblemente día a día; zonas que no han
sido previstas para habitar son ocupadas, divididas,
lotificadas y subdivididas; el crecimiento de las
ciudades sucede de este modo; al parecer no
existen límites para la expansión, no hay zona, por
peligrosa que sea o por esencial para el equilibrio
ambiental, que frene la expansión. (Jan Bazant,
2008)
Este estudio demuestra que en el caso de Cd
Cuauhtémoc Chih. sucede lo contrario, ya que, el
crecimiento urbano está definido principalmente
por las huertas y polígonos agrícolas.
Las ciudades se expanden incesantemente
alrededor de todo su perímetro. Se expanden
masivamente de manera atomizada a muy baja
densidad. La expansión no es perceptible a simple
vista sino que con los años esos terrenos se van
densificando y los asentamientos de la periferia
van, gradualmente, anexándose a la mancha urbana
de la ciudad. (Jan Bazant, 2008)
el crecimiento posterior de la mancha urbana y se
verifica que esta crece irregularmente por causas
de la ubicación de polígonos agrícolas y huertas.
Cabe mencionar que estos dos usos de suelo se
encuentran dentro del área urbana y la mayoría en
las periferias de la ciudad, lo que propicia un
crecimiento urbano desmedido y a la vez contrae
una inversión mayor en lo que se refiere a servicios
de drenaje y agua entubada.
Uno de los causantes de estos gastos excesivos
en la otorgación de servicios está dado por la mala
planeación del crecimiento urbano. Actualmente
no está definido sobre qué sectores se debe planear
un crecimiento urbano, si no, este se define por
comodidad y espacio habitable.
Una de las razones por la que planeación urbana
es tan cambiante y poco efectiva es poco solamente
el gobierno la realiza. Depende del ejecutivo y su
gobierno establecer los parámetros del plan,
elaborarlo, decretarlo, asignar recursos para su
implementación y realizar aprobaciones de uso de

287
suelo para diversos proyectos urbanos que ADQUISICION DE LAS IMÁGENES
respaldan al plan. (Jan Banzant, 2008)
Con la adquisición de las imágenes del satélite
Landsat TM de las fechas Junio-Septiembre del
2000 y 2010, se ha digitalizado el polígono urbano
de Cd. De Cuauhtémoc Chih. de cada año, a la vez
se ha obtenido la ubicación de las huertas y
polígonos agrícolas que se encuentra dentro del
área urbana; que al juntar dichas clasificaciones
(Urbano, agrícola y huertas) se ha creado el
polígono urbano de la ciudad que rodea los
polígonos agrícolas y las huertas.
Para validar los campos de entrenamiento se
hizo una clasificación supervisada tomando puntos
sobre las huertas y polígonos agrícolas así como en
el área urbana. Las imágenes se descargaron del portal de
http://glovis.usgs.gov/, del satélite Landsat TM 4-5
Se investigó en la JMAS de Cd. Cuauhtémoc row 33 y path 40, con un 30% de nubosidad.
Chih. Los costos de inversión en lo que se refiere a
drenaje y agua entubada para obtener un CORRECCION RADIOMETRICA
aproximado que contemple el gasto por brindar Las imágenes fueron corregidas por cada banda a
este servicio en las áreas en que la ciudad rodee acepción de la banda 6 con Idrisi Kilimanjaro
huertas y polígonos agrícolas. mediante el modulo de ATMOSC, haciendo uso de
la opción de apparent reflectance model, utilizando
2 METODOLOGIA los metadatos de la escena. (Figura 1)
2.1 AREA DE ESTUDIO
El área de estudio es Cd. de Cuauhtémoc
Chihuahua; está se encuentra ubicado al centro-
oeste, en la zona de transición entre la meseta y la
sierra Tarahumara del estado de Chihuahua,
ubicado a 28 ° 25’E latitud y 106 ° 52’N longitud
El territorio se encuentra situado en las
estribaciones de la Sierra Madre Occidental, que le
da un relieve accidentado en su parte oeste,
mientras que en el este es principalmente plano.
2.2 METODOS, MATERIAL Y
PROCEDIMIENTOS
• Idrisi Kilimanjaro™ (Gabinete) Figura 1.
• ArcMap (Gabinete)™ Esto se hizo por cada banda (1, 2, 3, 4, 5, 7) del
• GPS (Campo) 2000 y 2010, donde la longitud de onda se calculó:
• Fotografía Aérea (Escritorio) (Sumando el mínimo y máximo) / 2

Longitude de banda (Wavelenght)

Band1 .48
Band2 .56
Band3 .66
Band4 .83

288
 Band5 1.65
Band6 11.45
Band7 2.21
CORTE DEL AREA DE ESTUDIO
El área de estudio fue seleccionado mediante el
modulo de WINDOW, con el se cortaron cada una
de las bandas (1, 2, 3, 4, 5, 7) de cada año,
tomando en cuenta row y column, esto para que el
área de estudio sea más específica y tener una
mejor interpretacion de los diferentes coberturas de
los usos de suelo
PROCESAMIENTO DE LAS IMÁGENES
Con el modulo de COMPOSITE se hicieron Figura 3. Composición en verdadero color (1, 2, 3) del
composiciones en verdadero color bandas (1, 2, 3) año del 2010
y falso color bandas (2, 3, 4) para cada año, para
Mediante el modulo de DIGITALIZE se creó
tener una mejor vista de los usos de suelo (Figura2-
un archivo de vectores para cada imagen en el cual
3).
se digitalizaron los sitios de entrenamiento o bien
Training Sites para clasificar cada uso de suelo. Se
utilizaron las categorías de: Urbano, Agrícola,
Huertas de manzana y Cuerpos de Agua. (Figura 4-
5)

Figura 2. Composición en verdadero color (1, 2, 3) del

año del 2000

Figura4. Training sites 2000

289
Figura 5. Training sites 2010 Figura 7. NDVI 2010

Utilizando los módulos de MAKESIG Y Al obtener las firmas de cada año, se dispuso a
SIGCOMP se compararon las firmas espectrales de obtener las imágenes de las clasificaciones, esto
cada año, además se creó un NDVI con la banda 5 con ayuda del modulo de MAXLIKE (Máxima
y 7, se hizo con RASTER CALCULATOR para Probabilidad), (Figura 8-9).
cada año para poder discriminar mejor la
vegetación y obtener una mejor clasificación y este
fue agregado a las bandas (1, 2, 3, 4, 5, 7) en el
momento de crear las firmas o bien al ejecutar el
MAKESIG. (Figura 6-7)

Figura 8 Figura 9

CONVERSIÓN DE IMÁGENES
Para analizar cada una de las clasificaciones y
poder realizar la cartografía de la mancha urbana
de cada año, los archivos raster o .TIFF se han
convertido a archivo de vectores o .SHP por medio
del Software de ARCMap.™
Figura 6. NDVI 2000 RASTER A VECTORES
Se abrió el Maxlike del año del 2000, se convirtió
el archivo raster a vector y de igual manera para la
del año del 2010.
Una vez obtenido el archivo de vectores se
seleccionó por atributos cada categoría y se extrajo
de las demás dando como resultado los siguientes
mapas. (Figuras 10-11-12-13)

290
 mancha urbana tomando en cuenta los siguientes
criterios: Nuevos Polígonos Agrícolas y nos
nuevos espacios destinados a Huertas de manzana.
Para hacer la unión se ejecutó la función de
JOIN & RELATES obteniendo los siguientes
mapas: (Figuras 18-19)
Figura 10 figura 11

Figura 12 Figura 13

En la fig. 13 se puede observar que el

crecimiento irregular de la ciudad se ha venido
desde años anteriores como se muestra en la Figura 18. Cuauhtémoc en el 2000
leyenda las zonas agrícolas y las Huertas de
manzana son las que están influyendo y dando
forma al crecimiento de la mancha urbana.
(Figuras 14-15-16-17)

Figura 14 Figura 15

Figura 19. Cuauhtémoc en el 2010

El siguiente mapa muestra las zonas y predios

que ya han sido destinados a ser urbano, en la
mayoría son fraccionamientos y en algunos casos
es la expansión de la periferia, lotes que ya tienen
Figura 16 Figura 17 construcción y que en los próximos 10 años se
serán parte de la urbe de Cd. Cuauhtémoc Chih.
Figura 20.
Analizando las imágenes hacia el 2010 se
corrobora que el crecimiento irregular del área
urbana está influenciado por la creación de nuevos
polígonos agrícolas y huertas de manzana, además
de las ya existentes hace 10 años.
UNION DE CATEGORIAS
Para poder establecer una predicción de la
ciudad hacia el 2020 se han unido las categorías de
cada año y poder crear una cartografía de la

291

Figura 20
La Leyenda Azul claro muestra las áreas
próximas a consolidarse como urbano hacia el
2020, la leyenda Azul obscuro muestra la mancha
urbana ya consolidada, la leyenda verde muestra
las huertas de manzana y las nuevas huertas, y el
color café muestra las áreas de agricultura.
MATRIZ DE COSTOS (DRENAJE-AGUA
ENTUBADA)
Para crear la matriz de costos que generalice el
gasto de la JMAS en lo que se refiere a drenaje y
agua entubada, se investigo el presupuesto
destinado a este servicio obteniendo lo siguiente:
La tabla muestra el estimado aproximado por
colonias de los servicios de drenaje y agua
entubada. Fuente JMAS de Cuauhtémoc Chih
Total
Lotes*cuadr
Lotes*lado No. lados a Costo*Lote por cuadra
Drenaje 8 4 32
Agua Entubada 8 4 32
Total
3 RESULTADOS
1. Se ha cumplido con el principal objetivo que
es crear la cartografía de la Cd. de Cuauhtémoc
Chih. Hacia el 2020, prediciendo su crecimiento
del territorio tomando en cuenta las huertas de
manzana y polígonos agrícolas que rodean y están
dentro de la mancha urbana.
2. Se realizó la cartografía de la ciudad hacia el
año del 2000
3. Se realizó la cartografía de la ciudad hacia el
año del 2010
4. Se creó una matriz de costo que generaliza
los gastos que se generan por otorgar el servicio de
drenaje y agua entubada en las colonias o
fraccionamientos que rodean a los polígonos y
huertas de manzana.
AGRADECIMIENTOS
Nuestro más grato agradecimiento al MIAE. Hugo
Rojas Villalobos por su gran apoyo en tutorías, en
la redacción y composición del proyecto.
Nos complace agradecer al Dr. Luis Carlos
Bravo Peña por su cooperación y tutoría en nuestro
trabajo, ya que su aportación bibliográfica fue de
gran importancia para la realización del proyecto.
Por otro lado, también al Dr. Luis Carlos
Alatorre Cejudo ya que con su ayuda se nos facilitó
el procesamiento de imágenes y la descargas de las
mismas además de una mejor interpretación de los
diferentes usos de suelo.
Por último pero no menos importante al Dr.
Rolando Enrique Díaz Caravantes, por sus tutorías
en la creación de los polígonos sobre ARCMap™.
Un gran saludo al Arquitecto Luis Nájera de
JMAS de la Cd. de Cuauhtémoc Chihuahua, por su
Aprox. cooperación con información sobre los costos de
Costo total Cuadras por Total por
colonia Colonia drenaje y agua entubada.
4380 84096 40 3363840
2920 93440 40 3737600
177536 80 7101440
292
 ANÁLISIS BIOCLIMÁTICO Y ESTUDIO DE LA VEGETACIÓN DEL
TRANSECTO PICO DE TANCÍTARO-VALLE DE
APATZINGÁN, MICHOACÁN, MÉXICO
Consuelo MEDINA-GARCÍAa, Luis Fernando GOPAR-MERINOa, Joaquín GIMÉNEZ DE
AZCÁRATEb, Alejandro VELÁZQUEZ-MONTESa
a
CIGA – UNAM. Antigua carretera a Pátzcuaro 8701, Col. Exhacienda de San José de la Huerta, Morelia,
Michoacán, México.
medinaconsuelo34@hotmail.com, lgopar@pmip.unam.mx
b
Facultad de Veterinaria - USC. Carballo Calero, s/n. Lugo, España.
joaquin.gimenezdeazcarate@usc.es

RESUMEN
Se presentan los resultados obtenidos en el estudio de la vegetación del transecto Pico del Tancítaro-Valle de
Apatzingán, que son parte del análisis general que se está realizando para el estado de Michoacán. Esta zona
constituye una de los territorios más completos del estado para poner en práctica los métodos de análisis y
diagnosis de la vegetación a lo largo de gradientes ambientales y en particular climáticos. Es así que este
territorio se constituyó como un escenario ideal para la aplicación de los fundamentos del método bioclimático
(análisis a partir de los datos de estaciones meteorológicas y sus extrapolaciones) y fitosociológico (diagnosis
de las principales unidades de vegetación). Como resultado del análisis de las estaciones meteorológicas
correspondientes a la zona, se reconocieron y se expresaron cartográficamente los Bioclimas: Tropical Xérico
y Tropical Pluviestacional. Para el primer Bioclima se identificaron los pisos Infratropical semiárido,
Infratropical seco y Termotropical seco. En el segundo Bioclima se presentaron los siguientes pisos:
Termotropical húmedo y subhúmedo, Mesotropical húmedo y subhúmedo, Supratropical húmedo e
hiperhúmedo y Orotropical húmedo. Posteriormente se relaciona la vegetación potencial en los pisos
bioclimáticos, lo que permitió reconocer la distribución cliserial y la diagnosis de la vegetación natural
potencial expresada gráficamente.
Palabras clave: Bioclimatología, comunidades vegetales, fitosociología, Michoacán

1 INTRODUCCIÓN última década. La zona de estudio presenta

Este trabajo se enmarca dentro del proyecto de
investigación conjunto que en la actualidad están
realizando la Universidad de Santiago de Compostela,
España, y la Universidad Nacional Autónoma de
México. Las herramientas metodológicas utilizadas en
este proyecto emanan de la escuela geobotánica
europea del estudio de la vegetación, mismas que se
están utilizando en el presente trabajo. El transecto
Pico del Tancítaro-Valle de Apatzingán constituye
una de los territorios más completos del estado para
poner en práctica los métodos de análisis y diagnosis
de la vegetación a lo largo de gradientes ambientales y
en particular climáticos. El gradiente altitudinal
considerado (de más de 3,500 m) asegura unos
contrastes vegetacionales que ayudarán a delimitar los
pisos de vegetación y las comunidades vegetales que
los integran. Esta zona además cuenta con una extensa
información y acervo botánico acumulado durante la
características muy contrastantes, por un lado, se
encuentra la comunidad Indígena Nuevo San Juan
Parangaricutiro, en la cual se hace un manejo forestal
adecuado por lo que existen aún bosques en buen
estado de conservación. Por otro lado, el Pico de
Tancítaro declarado como área prioritaria para
conservación, es un territorio con presiones sociales,
pero aún no presenta manifestaciones importantes de
deterioro. La áreas restantes, cuya potencialidad se
corresponde a bosques de origen templado,
actualmente es una región aguacatera con el
monocultivo de Persea americana por lo que ha
sufrido una profunda transformación; de forma
análoga el valle de Apatzingán, que es la zona más
baja del área de estudio, tiene vocación agrícola
aunque es posible reconocer parches de vegetación
original correspondiente a bosques tropicales
caducifolios o bosques espinosos.

293
 2 AREA DE ESTUDIO
El área de estudio Pico de Tancítaro - Valle de
Apatzingán se localiza en la región Centro-Oeste del
estado de Michoacán entre los paralelos 19°.054061
latitud N -102°.4570123 latitud W y 19°.462874
latitud N -102°.98756 latitud W. Esta superficie
abarca una superficie aproximada de 1,685 km²
(168,498 ha). Administrativamente el territorio está
conformado, total o parcialmente, por los municipios
de Apatzingán, Buenavista, Múgica, Nuevo
Parangaricutiro, Parácuaro, Peribán, Uruapan y
Tancítaro.
Fisiográficamente la región de estudio participa de
dos unidades, Sistema Volcánico Transversal, en su
porción central, y de la depresión del río Balsas, en la
porción correspondiente al tributario Tepalcatepec. La
altitud oscila entre 260 a 3840 msnm, límites que se
corresponden respectivamente con el punto más bajo
del valle de Apatzingán y el Pico del Tancítaro.
3 MATERIAL Y MÉTODOS
3.1 DATOS CLIMÁTICOS
Derivado de la escasez de estaciones meteorológicas
en muchas zonas de México para obtener la
información necesaria de la región de estudio, del
procesamiento bioclimático se ha complementado con
datos de estaciones de zonas adyacentes y también de
zonas más distantes, pero que coinciden en el rango
altitudinal y en las características de la vegetación
potencial y del escenario ambiental. Del total de 37
estaciones utilizadas en este trabajo, 31 son de
Michoacán (5 dentro de zona de estudio y 26 fuera a
diferentes distancias), 5 del Estado de México y 1 de
Puebla. Los datos se han obtenido del SMN (Sistema
Meteorológico Nacional) y de la base de datos
climatológica nacional, extraída del programa
CLICOM, a través de los sistemas ERIC y ERIC II,
que incluye datos desde 1961 hasta el año 2000.
3.2 METODOLOGIA BIOCLIMÁTICA
La estructura conceptual del método bioclimático de
Rivas-Martínez (Rivas-Martínez y Rivas-Sáenz 2008)
asume tres unidades que lo sustentan: macroclima,
bioclima y piso bioclimático. Cada macroclima (que
para el caso de México es Tropical) se subdivide en
un número variable de bioclimas propios, mismos que
a su vez integran a los pisos bioclimáticos, los cuales
tienen una componente térmica y otra ómbrica
(termotipos y ombrotipos). Todos estos niveles de
aproximación se definen a partir del acotamiento de
una serie de parámetros e índices relacionados con la
294
temperatura y la precipitación. Es así que los diversos
índices y las subsecuentes divisiones bioclimáticas
dentro del macrobioclima Tropical fueron obtenidos
mediante el programa BIOCLIMA (Alcaraz, 2006).
3.3 METODOLOGÍA ESTUDIO DE LA
VEGETACIÓN Y FLORA
El trabajo de campo consistió en el levantamiento de
aproximadamente 30 inventarios efectuados bajo el
método fitosociológio (Braun Blanquet 1979, Gehú y
Rivas-Martínez 1981). Además se incorporaron
inventarios procedentes de trabajos previos efectuados
desde el año 1994, dando un total de 145 inventarios
fitosociológicos realizados durante los últimos 15
años a lo largo del territorio. Todos ellos se efectuaron
en las distintas comunidades vegetales presentes a lo
largo del gradiente altitudinal; con el fin de establecer
la relación entre los pisos bioclimáticos y la
correspondiente vegetación potencial. Para la
aplicación de los conceptos referidos a fitosociología
dinámico-catenal se siguieron los conceptos y
postulados promovidos desde la escuela geobotánica
española del paisaje (Alcaraz 1996, Géhu 1991, Géhu
y Rivas-Martínez 1981; Rivas-Martínez 1987a, 1994,
1997; Rivas-Martínez et al. 1999, Theurillat 1992).
Se reconocieron para el área de estudio “hábitats”
naturales de interés para la conservación de la
biodiversidad, a partir del concepto de hábitat
emanado de la directiva europea. Siendo la unidad
básica de diagnosis y es definida como el espacio
donde convergen determinados factores geográficos,
abióticos y bióticos y en el cual se desarrolla una
especie o comunidad vegetal, y que reúne unas
características físicas y biológicas particulares
necesarias para su supervivencia y reproducción.
(AUCT. PL. 2008; 2008 y Rodá et al 2009, W.AA.,
2009).
Del análisis de las floras locales se procedió a la
actualización taxonómica, principalmente del trabajo
del siglo pasado de Leavenworth (1946),
posteriormente se integró a partir de los trabajos de
Medina et al. (2000) García et al. (2002) y Chávez-
León (2006), así como de datos propios de campo, un
listado florístico de plantas vasculares encontradas en
la zona de estudio. La determinación de los con base a
la literatura especializada que existe para tal fin. El
material botánico se está depositando en el herbario
del Instituto de Ecología, A.C. (IEB); respaldos de la
flora más representativa se están depositando en el
Centro de Investigaciones en Geografía Ambiental
(CIGA) y en el Herbario SANT de la Universidad de
Santiago de Compostela.
4 RESULTADOS Y DISCUSIÓN
4.1 BIOCLIMAS Y PISOS BIOCLIMÁTICOS
4.1.1. Diagnosis de las estaciones
A partir de los datos de las estaciones meteorológicas
analizadas se obtuvo lo siguiente:
- Bioclimas: Tropical Xérico (14 estaciones) y
Tropical Pluviestacional (23 estaciones).
- Termotipos: Infratropical inferior (2 estaciones),
Infratropical superior (10), Termotropical inferior (4),
Termotropical superior (6), Mesotropical inferior (6),
Mesotropical superior (2), Supratropical inferior (4),
Supratropical superior (2) y Orotropical inferior(1).
En total se reconocen 5 termotipos con 9 horizontes.
- Ombrotipos: Semiárido inferior (una estación),
Semiárido superior (5), Seco inferior (5), Seco
superior (3), Subhúmedo inferior (4), Subhúmedo
superior (3), Húmedo inferior (11), Húmedo superior
(4), Hiperhúmedo inferior (1). En total se reconocen 5
ombrotipos con 9 horizontes.
- Isobioclimas 37 (estaciones):
a.- Tropical Pluviestacional (23 estaciones):
Termotropical Subhúmedo (4), Termotropical
Húmedo (4), Mesotropical Subhúmedo (1),
Mesotropical Húmedo (7), Supratropical Subhúmedo
(1), Supratropical Húmedo (4), Supratropical
Hiperhúmedo (1) y Orotropical Húmedo (1).
b.- Tropical Xérico (14 estaciones): Infratropical
Semiárido (6), Infratropical Seco (6) y Termotropical
Seco (2).
4.1.2. Pisos bioclimáticos, vegetación potencial
y bioindicadores
El piso bioclimático corresponde a cada uno de los
tipos o grupos de medios que se suceden en una
cliserie o zonación altitudinal. En la práctica se
delimitan por una serie de espacios termoclimáticos
contiguos a lo largo de un gradiente altitudinal o
latitudinal (marco físico o climático). Estos últimos se
corresponden con determinadas biocenosis, las
realidades biológicas que son los pisos de vegetación.
A partir del análisis bioclimático de las estaciones
consideradas la región de estudio se reparte entre los
Bioclimas Tropical Pluviestacional y Tropical Xérico.
Dentro de los Bioclimas el Pluviestacional ocupa una
mayor superficie, ya que se localiza en toda la región
serrana y en buena parte de su piedemonte. Por el
295
contrario el Bioclima Xérico ocupa los piedemontes y
fondos de valle por debajo 1,000 m según sea la
geomorfología y orientación de la zona. En relación a
los termotipos existe una distribución más o menos
equilibrada. Para cada situación reconocida se han
seleccionado las formaciones –o comunidades cuando
se pudo- y las plantas bioindicadoras. Ambas
prosperan en determinados espacios termo-
ombroclimáticos, más o menos restringidos, donde se
dan características climáticas (y edáficas) favorables,
manifestándose como fitoindicadores de dichos
espacios.
4.1.2.1. Tropical pluviestacional
En el territorio de estudio se reconocen los termotipos
Termotropical, Mesotropical, Supratropical y
Orotropical. Seguidamente se describen cada uno de
ellos y los isobioclimas representados:
a.- Termotropical Se localiza entre las cotas de los
800 a los 1,600 m, ocupando el horizonte inferior las
cotas de 800 a 1,200 m y el horizonte superior los
restantes de 1,200 a 1,600 m en la porción central del
área de estudio coincidiendo con laderas y lomeríos
bajos con temperatura media anual entre 25 y 18ºC.
a.1.- Termotropical Subhúmedo La vegetación
potencial representativa de este piso es el bosque
tropical subcaducifolio con elementos aciculifolios y
planocaducifolios cuya presencia parece favorecida
por el afloramiento de gravas volcánicas. Se trata de
mesobosques con una composición muy heterogénea
en donde dominan Annona longiflora, Byrsonima
crassifolia, Cyrtocarpa procera, Diospyros ebenaster,
Ficus pringlei, F. petiolaris, Lysiloma acapulcense,
Mangifera indica. En las condiciones atípicas
comentadas anteriormente prevalecen algunos de los
elementos como Pinus devoniana, P. maximinoi, P.
Pringlei, P. oocarpa, y Quercus spp. El
emplazamiento de este piso es en las áreas lluviosas
(precipitación entre 1,000 y 1,500 mm anuales) de la
franja altitudinal entre los 1,000 y 1,600 m.
a.2.- Termotropical Húmedo Los bosques
potenciales de este piso están representados por
comunidades mesofíticas mixtas de gran porte
localizadas en las barrancas profundas que descienden
de las zonas altas (horizonte Termotropical superior) y
que también se presentan en el horizonte inferior del
piso Mesotropical Húmedo. Se trata de macrobosques
pluriespecíficos dominados por Pinus spp., Quercus
spp., Celastrus pringlei, Clusia salvinii, Fraxinus
uhdei y Xylosma flexuosa, entre otras. Las
precipitaciones anuales superan los 1,500 mm.
 b.-Mesotropical Este termotipo se ubica entre las
cotas de 1,600 m y los 2,700 m s.n.m., coincidiendo
con lomeríos mayores y valles intermontanos de la
zona serrana, con temperatura media anual fluctuando
entre 18 y 12°C, con precipitaciones que fluctúan
entre los 800 y los 1,600 mm.
b.1.- Mesotropical Subhúmedo En altitudes de
1,900 a 2,200 m la vegetación potencial de este piso
se corresponde por lo general con bosques de encino
(Quercus spp.) a los que se suelen incorporar otros
elementos arbóreos principalmente del género Pinus.
Las especies más representativas de este génerp son:
Pinus pseudostrobus, P. leiophyla, P. maximinoi, P.
teocote.
b.2.- Mesotropical Húmedo En este piso se pueden
diferenciar dos comunidades representativas de la
vegetación potencial. En las zonas más bajas, ligadas
a las barrancas (Mesotropical Inferior), se presenta un
macrobosque mesofítico muy semejante al definido
anteriormente para el horizonte Termotropical
Superior de ombrotipo Húmedo, y en el que son
diagnósticas especies como Carpinus caroliniana,
Symplocos citrea, Ostrya carpinifolia, Oreopanax
spp., Tilia mexicana, Pinus pseudostrobus, P.
herrerae, Quercus candicans, Q. castanea, Bocconia
arborea, Photinia mexicana, Myrsinea coriacea y
Parathesis serrulata, Clethra spp. y Cupressus
lusitanica.
Ya en el horizonte Mesotropical Superior la
vegetación potencial se corresponde con un
macrobosque mixto de pino-encino-oyamel. Las
especies más representativas de esta situación son:
Pinus pseudostrobus, P leiophylla, Abies religiosa, A.
religiosa var. emarginata, Quercus laurina, Q.
rugosa, Styrax sp. y Garrya sp. Compartiendo en
áreas cercanas a arroyos o cañadas con Carpinus
caroliniana y Symplocos citrea, Pinus pseudostrobus,
P. leiophylla, P. devoniana, Quercus candicans, Q.
castanea y Q. magnoliifolia.
Es en este Mesotropical Húmedo donde se localiza
la vegetación azonal de carácter edafoxerófilo
Encontramos en este piso bioclimático una comunidad
edafoxerófila (en un malpaís) donde se
desarrolla:Psidium guajava, Balmea stormae y Cordia
curassavica.
c.-Supratropical Este termotipo se distribuye entre
las cotas de 2,700 y los 3,400 m s.n.m.
aproximadamente, coincidiendo con las laderas de los
cerros más elevados situados en el entorno del Pico
del Tancítaro. En esta franja la temperatura media
296
anual oscila entre 8 y 12 °C. La precipitación media
anual va de los 900 a los 1,800 mm. Los pisos
reconocidos son los siguientes:
c.1.- Supratropical Subhúmedo La vegetación
potencial de este piso está representada por el bosque
de pinos. Se trata de un meso (macro) bosque
dominado por Pinus pseudostrobus y P. leiophylla al
que se incorporan otros elementos como Quercus
crassipes, Prunus capulli, Crataegus mexicana y otras
especies. Este bosque se presenta preferentemente en
el horizonte inferior de piso Supratropical,
coincidiendo con las cotas más bajas, en torno a los
2,800 m.
c.2.- Supratropical Húmedo La vegetación
potencial de este piso se corresponde con los
macrobosques de oyamel (Abies religiosa, Abies
religiosa var. emarginata, con presencia esporádica de
Pinus douglasiana y Quercus laurina. Se presenta a lo
largo de todo el piso, entre los 2,700 y 3,400 m. En el
horizonte superior, ya próximo con el límite del piso
orotropical, es frecuente la aparición de Pinus
hartwegii y Alnus jorullensis.
c.3.- Supratropical Hiperhúmedo Puntualmente en
la franja supratropical se presentan enclaves
favorecidos topográficamente y con orientación a
norte u oeste, de ombrotipo hiperhúmedo. Su
vegetación potencial es muy semejante a la
anteriormente comentada, con la salvedad de la
incorporación de Pinus hartwegii, Salix paradoxa, y
Alnus jorullensis.
d. Orotropical Este termotipo está representado en
las cumbres más elevadas y zonas aledañas, por
encima de la cota de los 3,400 m (región de las
cumbres del Tancítaro). En esta franja altitudinal la
temperatura media anual oscila entre 4 y 8°C y la
precipitación se sitúa en torno a los 1,000-1,300 mm.
d.1.- Orotropical Húmedo La vegetación potencial
de este piso está representada por el bosque de Pinus
hartwegii; se trata de un mesobosque monoespecífico
de aspecto semiabierto, con un estrato herbáceo
conspicuo dominado por gramíneas amacolladas
(Calamagrostis spp. y Festuca spp.). En altitudes que
van de los 3,500 a 3,840 m se encuentra la comunidad
vegetal dominante es un Bosque bajo abierto de Pinus
hartwegii y Calamagrostis tolucensis, con un estrato
abierto arbustivo perennifolio de Juniperus monticola.
4.1.2.2. Tropical Xérico
Distribuido en las áreas de menor altitud del territorio,
este bioclima bien se puede relacionar con la región
conocida como “Tierra Caliente”, esto es, el valle de
Apatzingán – Tepalcatepec. Los termotipos presentes
en la zona son el Infratropical y el Termotropical. La
temperatura media anual está por encima de los 26ºC
y las precipitaciones no sobrepasan los 700 mm.
a.- Infratropical: Este termotipo se localiza por
debajo de la cota de los 800 m aproximadamente; en
esta franja la temperatura media anual oscila entre los
26 y 29°C; la precipitación media anual va de los 300
y 900 mm. El horizonte más ampliamente
representado es el superior, el inferior está únicamente
representado en el entorno de una localidad.
a.1.- Infratropical Semiárido Se localiza en la zona
más baja y tórrida del valle, por debajo
aproximadamente de la cota de los 400 m. La
vegetación potencial se corresponde con un
microbosque espinoso caducifolio, con una fenología
foliar condicionada por las escasas lluvias, dominado,
entre otras, por las siguientes especies: Caesalpinia
platyloba, Pithecellobium velutinum, Jacquinia
macrocarpa subsp. pungens, Cercidium praecox,
Manihot angustiloba y Bursera trimera, Acacia
macracantha, Piscidia carthagenensis emergiendo la
especies crasicaules entre ellas la endémica
Backebergia militaris.
a.2.- Infratropical Seco Por encima de la banda
anterior, sobre los 400 m, se produce un cambio
gradual de la formación anterior hacia el bosque
tropical caducifolio que es la fisionomía que adopta la
vegetación potencial de este piso hasta los
aproximadamente 800 m donde iniciará el termotipo
Termotropical. La vegetación potencial se
corresponde con un microbosque caducifolio y
pluriespecífico en donde destacan Cordia
elaeagnoides, C. dentata, Lysiloma microphyllum,
Haematoxylum brasiletto representantes de
297
Burseraceae como Bursera trimera, B. copallifera, B.
fagaroides, Bursera spp. y algunas cactáceas como
Stenocereus spp. y Backebergia militaris, otras
especies destacables son Jatropha curcas, Celtis
iguanaea, Acacia cochliacantha, Piscidia piscipula y
Heliocarpus sp.
b.- Termotropical Se localiza en los piedemontes y
laderas bajas de la cordillera entre las cotas de 800 y
1,200 m, en el centro y sur del área de estudio. La
temperatura media anual oscila entre 17 y 24°C y la
precipitación anual entre 700 y 1,000 mm.
b.1.- Termotropical Seco La vegetación potencial
está fisionómicamente dominada por el bosque
tropical caducifolio; las especies características varían
sensiblemente con respecto al piso anteriormente
comentado. Además se presentan Caesalpinia
pulcherrima, Crescentia alata, Ziziphus heteroneura,
Malpighia mexicana e Ipomoea wolcottiana.
4.1.3. Cartografía Bioclimática
Con base en los datos bioclimáticos obtenidos para las
diferentes estaciones se han podido extrapolar la
distribución representativa de las diferentes
situaciones comentadas anteriormente. De manera
general los resultados de los procesos se despliegan en
el mapa de Isobioclimas, mismo que servirá de base
para establecer las diferentes unidades de la
vegetación potencial del territorio. Las unidades
isobioclimáticas resultado de la combinación de las
unidades termo y ombrotipos son las siguientes:
Tropical pluviestacional: Termotropical subhúmedo,
Termotropical húmedo, Mesotropical subhúmedo,
Mesotropical húmedo, Supratropical subhúmedo,
Supratropical húmedo, Supratropical hiperhúmedo y
Orotropical húmedo; Tropical xérico: Infratropical
semiárido, Infratropical seco y Termotropical seco
(figura 1).
Figura 1. Aproximación de los rangos Isobioclimáticos presentes en la zona del transecto Pico de Tancítaro-Valle de
Apatzingán.
4.2 CARTOGRAFÍA DE LA VEGETACIÓN
POTENCIAL
Para expresar la vegetación potencial en los pisos
bioclimáticos, considerando a ésta como la vegetación
que podría existir en caso de que cesara la actividad
humana en el territorio del Tancítaro-Apatzingán, fue
necesario acudir a la literatura existente y a la base de
datos de los inventarios realizados en campo. Una vez
que las estaciones fueron caracterizadas
bioclimáticamente, a cada una de ellas se le asignó un
determinado tipo de vegetación potencial.
De manera general el Pico del Tancítaro -Valle de
Apatzingán presenta una fuerte fragmentación de sus
coberturas vegetales, sobre todo en las zonas cercanas
a los asentamientos humanos y en la zona de la
298
comarca aguacatera localizada en los pisos
Termotropical Subhúmedo, Mesotropical Subhúmedo
y Mesotropical Húmedo. Así mismo ha sufrido una
fuerte transformación el valle de Apatzingán
(Infratropical y Termotropical) donde la agricultura de
regadío ha sustituido en buena medida a la vegetación
natural. Se estima que en estas zonas de fuerte
transformación la superficie agraria alcanza un
porcentaje mayor al 30% (Garibay y Bocco 2007). El
resto de la vegetación sufre diferente grado de
alteración, estando en buena parte dominada por
comunidades de carácter secundario, lo que hizo más
difícil su interpretación y diagnosis con fines de la
elaboración del mapa de vegetación potencial (figura
2).
Figura 2. Mapa de la vegetación potencial relacionado con los isobioclimas presentes en la zona del transecto Pico de
Tancítaro-Valle de Apatzingán .
4.3 CATÁLOGO FLORÍSTICO
PRELIMINAR
Se han efectuado numerosas determinaciones in
situ y ex situ de aproximadamente 1,000
ejemplares recolectados en las áreas inventariadas.
El avance aproximadamente de este proceso para el
territorio de estudio es de un 70 %. Desde el punto
de vista fitogeográfico el territorio participa de los
reinos florísticos Holártico y Neotropical, dentro
de la región Mesoamericana de Montaña y Caribea
respectivamente. A nivel de provincias el territorio
participa de la Serranías Meridionales y de la
Depresión del Balsas (Rzedowski 1978). Siguiendo
la propuesta de Rivas-Martínez et al. (1999) el
territorio se ubica en el reino Neotropical-
Austroamericano, Región Madreana, provincias
Neovolcánica-Madreana Oriental y Río Balsas-
Madreana Meridional, sectores Neovolcánico, Río
Balsas y Madre del Sur.
Numéricamente la flora consta actualmente de
1506 especies de plantas, que corresponden a 613
299
géneros y 165 familias, además de 34 unidades
infraespecíficas. Los Familias mejor representadas
son: Compositae 209 (14%), Leguminosae 140
(9%), Gramineae 118 (8%), Orchidaceae 41 (2%)
Labiatae 35 (2%) y Solanaceae 35 (2%). Tales
proporciones nos indican que están con un
porcentaje de representación muy bajo, reflejando
que se tiene que mejorar el esfuerzo de colecta de
campo. De las especies registradas, se han
identificado un total de 23 especies incluidas en
alguna categoría de protección de la Norma Oficial
Mexicana NOM-059-ECOL-2001 (SEMARNAT
2002). Así mismo, siguiendo el Convención sobre
el Comercio Internacional de Especies
Amenazadas de Fauna y Flora Silvestres (CITES)
son 47 las especies incluidas en su anexo II. De
ellas 41 pertenecen a la familia Orchidaceae, 5 a
Cactaceae y una a Zygophyllaceae.
4 CONCLUSIONES
1.- La aplicación de la bioclimatología como
una herramienta para comprender la distribución y
sistematización de las comunidades vegetales a
través de un gradiente altitudinal nos ha permitido
establecer las delimitaciones entre los distintos
hábitats forestales representados en la región. Ello
nos permite conocer la distribución y participación
de cada una de las unidades bioclimáticas y
vegetacionales reconocidas en el territorio.
2.- En el territorio de estudio se reconocen los
bioclimas Tropical Pluviestacional y Tropical
Xérico. El primero, de más amplia distribución,
presenta los termotipos Termotropical,
Mesotropical, Supratropical y Orotropical, y los
ombrotipos Subhúmedo, Húmedo e Hiperhúmedo.
Dentro del Tropical Xérico se reconocen los
termotipos Infratropical y Termotropical, y los
ombrotipos Semirárido y Seco para el primero y
Seco, Subhúmedo y Húmedo para el segundo. La
combinación de termotipos y ombrotipos dio como
resultado 11 isobioclimas: Para el Tropical Xérico:
Infratropical Semiárido, Infratropical Seco y
Termotropical Seco. En el Tropical Pluviestacional
8 unidades: Termotropical Subhúmedo,
Termotropical Húmedo, Mesotropical Subhúmedo,
Mesotropical Húmedo, Supratropical Subhúmedo,
Supratropical Húmedo, Supratropical
Hiperhúmedo y Orotropical Húmedo.
3.- Para cada una de las situaciones
isobioclimáticas identificadas se asigna la
vegetación potencial correspondiente, mismas que
sirvieron de base para el establecimiento de los
hábitats forestales presentes en la región, y que se
enlistan a continuación:
Bosques de Pinus hartwegii
Bosques de Abies religiosa
Bosques mixtos de Pinus spp. y Abies religiosa
Bosques pluriespecíficos de barranca con
latifoliados
Bosques pauciespecíficos de lomeríos con
latifoliados
Bosques mixtos termotropicales de Pinus spp.
Bosques subcaducifolios pluriespecíficos
Bosques caducifolios espinosos
Bosques caducifolos no espinosos.
4.- Se elaboró un listado florístico de las plantas
vasculares de la región con un total de 1,506
especies que corresponden a 613 géneros y a 165
300
familias. Se considera que está representado en un
60% del total de la flora existente en la región.
5.- La incidencia de diferentes actuaciones
rurales ha estado afectando al uso del suelo y
consecuentemente a la vegetación natural del
territorio en amplias áreas. Pese al papel crucial
que tienen los bosques como generadores de bienes
y servicios ecosistémicos, hay una gran falta de
información cuantitativa sobre las cantidades,
cualidades y valoración económica de los bienes y
servicios generados por los distintos tipos de
bosques: regulación de flujos hidrológicos,
regulación del clima, control de la erosión,
regulación de las perturbaciones, sumideros de
carbono, fuente y refugio de biodiversidad,
provisión de productos madereros y no madereros,
usos recreativos y culturales y calidad paisajística.
AGRADECIMIENTOS
Los autores a gradecen la valiosa colaboración del
Dr. Alejandro Velázquez, M. en C. Alejandra
Larrazábal, Dr. Javier Amigo, Dr. Íñigo Pulgar, Dr.
Miguel Ángel Macías, M. en C. Faustino López y
al Biól. Gerardo Salazar por su valiosa
colaboración en la colecta e identificación de
material biológico reunido en campo. Así mismo,
la apreciada colaboración en la discusión y
construcción del marco teórico del presente
trabajo. Agradecemos también el apoyo de la
AECID, al Gobierno del Estado de Michoacán, a la
Universidad de Santiago de Compostela, España, y
a la Universidad Nacional Autónoma de México a
través del Centro de Investigaciones en Geografía
Ambiental por el apoyo y facilidades otorgadas
para la realización del presente trabajo.
REFERENCIAS
Alcaraz, F. 1996. Fitosociología integrada, paisaje y
biogeografía. In: Avances em Fitosociología.
Universidad Del País Vasco. 59-94.
Alcaraz, F. 2006. BIOCLIMA. Universidad de Murcia.
AUCT. PL. 2008. Os Hábitats de Interese Comunitario
en Galicia. Descrición e Valoración Territorial.
Monografías do Ibader 2. Universidad de Santiago
de Compostela. Lugo ISSN-1988-8341.
AUCT. PL. 2008. Os hábitats de interese comunitario en
Galicia. Fichas descritivas. Monografías do Ibader 3.
Universidade de Santiago de Compostela. Lugo.
ISSN 1988-8391.
Box, E. O. 1981. Macroclimate and plant forms: an
introduction to predictive modeling in
 Phytogeography. Tasks for Vegetation Science. Junk
Publ. La Haya. 1:1-258
Braun-Blanquet, J. 1979. Fitosociología. Bases para el
estudio de las comunidades vegetales. Ediciones
Blume, Madrid. 820 pp.
Chávez León, G. 2006. Inventario florístico y faunístico
del Parque Nacional Barranca del Cupatitzio,
Michoacán. Instituto Nacional de Investigaciones
Forestales Agrícolas y Pecuarias. Informe final
SNIB-CONABIO proyecto No. AS014. México,
D.F.
Garibay O. C. y G. Bocco V. 2007. Situación actual en
el Uso de Suelo en Comunidades Indígenas de la
Región Purépecha. 1976-2005. Informe Final.
Borrador. Morelia, Michoacán. México. 54 pp.
Géhu, J. M. (1991). L´analyse symphytosociologique et
géosymphytosociologique de l´espace. Théorie et
méthodologie. Coll. Phytosociol. 17: 11-46.
Géhu, J.M. & Rivas-Martínez. 1981. Notions
fondamentales de phytosociologie. In:
Syntaxonomie. Ed. Cramer. Vaduz Ver. Inter.
Symposium IV-V. 5-53.
Leavenworth, W.C. 1946. A Preliminary Study of the
Vegetation of the Region Between Cerro Tancitaro
and the Rio Tepalcatepec, Michoacan, Mexico: The
University of Notre Dame. American Midland Naturalist,
Vol. 36, No. 1 pp. 137-206. Stable URL:
http://www.jstor.org/stable/2421625
Medina G., C., F. Guevara-Féfer, M.A. Martínez R., P.
Silva-Sáenz, M.A. Chávez-Carbajal e I. García R.
2000. Estudio Florístico en el área de la Comunidad
Indígena de Nuevo San Juan Parangaricutiro,
Michoacán, México. Acta Botánica Mexicana.
Instituto de Ecología, A.C. Pátzcuaro, Michoacán.
52:5-41.
Rivas-Martínez, S. 1976. Sinfitosociología, una nueva
metodología para el estudio del paisaje vegetal.
Anal. Inst. Bot. Cavanilles 33: 179-188.
Rivas-Martínez, S. 1987. Memoria del Mapa de Series
de Vegetación de España 1: 400,000. Ministerio de
Agricultura Pesca y Alimentación. ICONA (Serie
Técnica). Madrid.
301
Rivas-Martínez, S. 1994. Dynamic-zonal
phytosociology as landscape science. Phytocoen. 24:
23-25.
Rivas Martínez S. 1997. Sintaxonomical synopsis of the
potential natural plant communities of North
America, I (Compendio sintaxonómico de la
vegetación natural potencial de Norteamérica, I).
Itinera Geobot. 10: 5-148.
Rivas Martínez, S., Sánchez Mata D. y M. Costa. 1999.
North American boreal and western temperate forest
vegetation (Sintaxonomical synopsis of the potential
natural plant communities of North America, II)
Itinera Geobot 12: 5-316.
Rivas Martínez, S. 2007. Synoptical Worlwide
Bioclimatic Classification System. http://
www.globalbioclimatics.org
Rodá, F., J.M. Olano, J. Cabello, J.M. Fernández-
Palacios, A. Gallardo, A. Escudero y F. Valladares.
2009. BOSQUES. En: W.AA., Bases ecológicas
preliminares para la conservación de los tipos de
hábitat de interés comunitario en España, Madrid:
Ministerio de Medio Ambiente, y Medio Rural y
Marino. 8p.
Rzedowski, J. 1978. Vegetación de México. Ed.
Limusa. México, D.F. 429 pp.
SEMARNAT. (Secretaría del Medio Ambiente y
Recursos Naturales). 2002. Norma Oficial Mexicana
NOM-059-ECOL-2001. Protección ambiental –
Especies nativas de México de flora y fauna
silvestres – Categorías de riesgo y especificaciones
para su inclusión, exclusión o cambio – Lista de
especies en riesgo. Diario Oficial de la Federación,
segunda sección, 6 de marzo de 2002. 95-190.
Theurillat, J. P. 1992. L´analyse du paisage végétale en
symphytosociologie: ses niveaux et leur domains
spatiaux. Bull. Ecol. 23(1-2): 83-92
W.AA., 2009. Bases ecológicas preliminares para la
conservación de los tipos de hábitats de interés
comunitario en España. Madrid: Ministerio de
Medio Ambiente, y Medio Rural y Marino. 1ª.
Edición.
 CAMBIOS DE USO DEL SUELO Y CUBIERTA VEGETAL EN EL
CENTRO DE CHIHUAHUA: UNA COMPARACIÓN PRELIMINAR
ENTRE MENONITAS Y MESTIZOS EN LA REGIÓN DE
CUAUHTÉMOC
Vladimir ERIVES BELTRÁN a, Ana Karen GARCIA PEÑA a, Sonia MIRAMONTES BELTRAN a,
Luis Ángel OJEDA RAMIREZ a, Gabriela PÉREZ GALDEÁN a, Yesenia SERVIN a, Luis Carlos
BRAVO PEÑA b.
a
Universidad Autónoma de Ciudad Juárez, División Multidisciplinaria de la UACJ en Cuauhtémoc, Avenida
Morelos y privada del Roble núm. 101, Fracc. El Roble, C.P. 31579, Cuauhtémoc, Chihuahua, México, e-mail:
vlaerbe2009@live.com.mx, ana-g-p@hotmail.com, ainos1705@hotmail.com, luizangel27@hotmail.com,
gapeg_18@hotmail.com,
yesenia-servin@hotmail.com.
b
Universidad Autónoma de Ciudad Juárez, División Multidisciplinaria de la UACJ en Cuauhtémoc, Calzada
Morelos y Privada del Roble #101, Cuauhtémoc, Chihuahua. C.P. 31500. Tel. 6251121719.
lcbravop@gmail.com. Profesor Investigador de tiempo completo.

RESUMEN
La región central del estado de Chihuahua se caracteriza por el desarrollo de actividades agropecuarias, que
obedece en buena medida a políticas de colonización por población menonita, misma que ha impuesto patrones
de transformación del territorio y que implican afectaciones a la biodiversidad y a la calidad de servicios
ambientales. Es apreciable que existen diferencias entre las formas de apropiación del paisaje por parte de la
población mestiza y menonita. Dichas diferencias deben considerarse en la planeación de los usos del suelo y
en la sustentabilidad del territorio. Es por eso que en este trabajo se realizó el análisis del cambio de coberturas
y usos de suelo, en tres polígonos de 225 Km2 cada uno, habitados por población con orígenes socio-culturales
distintos. Para este propósito: a) se realizó la fotointerpretación de usos de suelo, en orto-fotografías aéreas e
imágenes de satélite de alta resolución, correspondientes a cortes históricos distintos (1993 y 2006-07), b) se
generaron dos cartografías de escala 1:25,000, y c) se compararon las dinámicas y probabilidades de cambio
entre las clases. La construcción de la cartografía se apegó principalmente al esquema de clasificación de usos
de suelo propuesto por USGS. Los resultados sugieren diferencias en las formas de ampliación de los
asentamientos humanos. En la población menonita prevalece la tendencia a formar pequeños asentamientos
relativamente separados, mientras que en los mestizos se observa el crecimiento concéntrico de los polígonos
urbanos que ya existían. Se discuten estos resultados en términos de las implicaciones, sobre la problemática y
el manejo ambiental.
Palabras Clave: Fotointerpretación, Cobertura Vegetal y Usos de suelo, Comparación.
de la ciudad de Cuauhtémoc, sobre una zona
1 INTRODUCCIÓN conocida como “Corredor Comercial”.
La región centro del estado de Chihuahua es Esta zona se distingue por la diversidad de
caracterizada primordialmente por una intensa población, destacando dos poblaciones socio-
actividad agropecuaria. Según datos del INEGI, de las culturalmente diferentes: la población menonita y la
1,051,299 hectáreas destinadas a la Agricultura en el población mestiza. Gracias a eso la ciudad de
estado, la región de Cuauhtémoc aporta 104,941 Cuauhtémoc y las zonas aledañas tienen grandes
hectáreas; lo que representa un 9.98% de total del expectativas de crecimiento en cuanto a población y a
sembradío (INEGI, 2009). asentamientos humanos en la zona urbana.
La gran mayoría de esa producción es atendida por Por esta razón se realizó un estudio preliminar donde
la población menonita, ubicada en la región noroeste se hizo una comparación de cambios de cobertura

302
vegetal y usos de suelo para observar con precisión
cual ha sido el cambio, esto para ver las implicaciones
en términos de problemática y manejo ambiental.
2 METODOLOGÍA
Se definió el área de estudio, la cual es divida en tres
polígonos de 225 km2 cada una, tal como se muestra
en la siguiente figura:
Figura 1. Ubicación de las áreas de estudio.
Después de haber definido estas áreas, se inició
con el recorte de fotografías satelitales obtenidas con
el software Google Earth correspondientes a cada una
de las áreas definidas, a una distancia de 2.5 km y con
una elevación de 0, en el software de sistemas de
información geográfica, ArcMap de ESRI (Versión
9.3) se georreferenciaron dichas imágenes con un
Error Medio Cuadrático (RMS) menor a 1.0, además,
se cotejó visualmente que las imágenes, entre sí, no
sufrieran un desfase mayor a 15 metros, incluyendo
20 puntos de control en cada fotografía.
A partir del mosaico obtenido en el proceso
anterior, que comprendió los años 2006-07, y de orto
fotografías aéreas del año 1993, se generaron dos
cartografías de escala 1:25,000 para cada uno de estos
303
periodos, y se compararon las dinámicas y
probabilidades de cambio de una clase a otras, en cada
uno de los tres polígonos de estudio. La construcción
de la cartografía de usos de suelo en los tres casos se
apegó, a estándares de calidad cartográfica aceptados
internacionalmente, y al esquema de clasificación de
usos del suelo provisto por USGS (Unites States
Geological Survey), que reconoce en un primer nivel
categorías generales de cubierta vegetal y usos del
suelo, y en un segundo nivel categorías más
específicas que pueden agregarse o desagregarse a las
clases generales (Lillesand, et.al, 2008).
Después de la digitalización se importaron los
shapefiles resultantes al software IDRISI (Versión
Andes) donde se convirtió de vector a Raster, se
rasterizó, obteniendo así las tablas donde se indican
las áreas que corresponden a cada una de las clases en
hectáreas cuadradas, es decir la matriz de
correspondencia. Posteriormente se hizo un “crosstab”
(cruce de tablas) en el cual se hizo un enlace de tablas
donde se obtuvieron los resultados de cambio o
transformación de coberturas y uso de suelo en ambos
cortes históricos. Una vez generada la tabla final se
obtuvieron los porcentajes de dichos resultados y así
poder comparar las matrices de correspondencia.
3 RESULTADOS
De acuerdo a las cartografías generadas, se muestra
que existen patrones de transformación que indican
ciertas diferencias en la forma de apropiación del
territorio entre las culturas antes mencionadas. En la
población menonita se observa que los asentamientos
humanos son pequeños y que están relativamente
separados unos de otros. Ver: Fig. 1 (b-b´).
Por el contrario en la población mestiza se observa
que el patrón de crecimiento es concéntrico al
polígono urbano obtenido en el primer periodo del
análisis. Ver Fig. 1 (a-a´; c-c´).
En cuanto al cambio cual da a conocer que la
expansión de la población menonita se inclinó hacia la
búsqueda de territorio apto para la agricultura y/o
ganadería.
En las siguientes tablas de transición se obtuvieron
los porcentajes de las áreas correspondientes a cada
tipo de clase, con respecto al área total o el área de
estudio predeterminada, se incluyen los porcentajes de
cambio entre cada una de las mismas.
 Tabla 1.- Matriz de transición de clases en el área de Colonia Álvaro Obregón

Tabla 2. Matriz de transición de clases en el área de Corredor Comercial

Tabla 3. Matriz de transición de clases en el área de Ciudad Cuauhtémoc, Chihuahua.

304
 1993 2006-07
Col. Álvaro Obregón
Corredor Comercial.
Cd. Cuauhtémoc.

Figura 2. Clasificación de coberturas y usos del suelo en las tres áreas de estudio, durante los
dos periodos estudiados

De acuerdo con los resultados obtenidos en las
tablas y en las clasificaciones, se puede inferir en el
primero caso que los cambios de transición no son
muy apreciables, ya que su aumento y/o disminución
no es muy notable en ningún polígono señalado. Ver
Tabla 1 y Fig. 1(a-a´)
En el segundo caso se observa una total
disminución del cuerpo de agua predominante, así
mismo el área agropecuaria tuvo un masivo
crecimiento a costa del matorral ripario.

305
 El polígono urbano tuvo un favorable crecimiento
lo cual consolido dicha zona, uniendo los dispersos
polígonos que se encontraban en el primer corte
histórico a uno solo. Ver tabla 2 y Fig. 1(b-b´)
En el tercer caso Ciudad de Cuauhtémoc, se
muestran que el polígono principal de la zona urbana
tuvo un importante crecimiento concéntrico, esto
provoco la disminución de las demás zonas urbanas, a
su vez la zona pecuaria acrecentó en una superficie no
muy extensa. Ver tabla 3 y Fig. 1(c-c´).
306
4 CONCLUSIONES
En conclusión, dicho crecimiento de la zonas urbanas
en los tres casos, ha implicado afectaciones al medio
ambiente, es decir a la biodiversidad y calidad de
servicios ambientales, por ejemplo el agotamiento del
agua, sobreexplotación de los mantos acuíferos.
REFERENCIAS
INEGI. 2009. México en cifras información nacional por
entidad federativa y municipios. México.
Lillesand, Kiefer, Chipman. 2008. Remote sensing and
image interpretation. Wiley & Sons, United States of
America, pp.212-223.
 CLIMA Y RIESGO
AMBIENTAL
.

307
DISTRIBUCIÓN ESPACIAL DEL TRANSPORTE URBANO PARTICULAR
Y GENERACIÓN DE GASES EFECTO INVERNADERO: LA CIUDAD DE
MEXICALI
Ma. de los Ángeles SANTOS GÓMEZa, Judith LEY GARCÍAa, Osvaldo LEYVA CAMACHOa,
Moisés GALINDO DUARTEa
a
Universidad Autónoma de Baja California. Edificio de Investigación y Posgrado. Blvd. Benito Juárez s/n C.P.
21280. Mexicali. B. C. México. msantos@uabc.edu.mx.

RESUMEN
El cambio climático es una de las preocupaciones a nivel mundial, se manifiesta a través de variaciones en la
precipitación, desertificación, deforestación y fenómenos atmosféricos, se acentúa debido a la creciente
acumulación de gases efecto invernadero (GEI) producidos por las actividades humanas y tiene efectos negativos
en la economía y en la calidad de vida de la población. Uno de los principales sectores que contribuye a la
generación de dichas emisiones es el transporte urbano, sobre todo por la utilización del vehículo privado. La
cuantificación de los GEI es útil en la toma de decisiones y en el planteamiento de acciones tendientes a la
mitigación de este tipo de contaminación atmosférica. En este trabajo se presentan los cálculos de los GEI
generados por el uso de los automóviles particulares en el año 2005 en la ciudad de Mexicali, Baja California. La
estimación de los GEI esta basada en la metodología propuesta por el Panel Intergubernamental para el Cambio
climático (IPCC, por sus siglas en inglés), con la aplicación del método Nivel I. La información base fue
obtenida de instancias oficiales y estudios realizados en la Universidad Autónoma de Baja California. Los
sistemas de información geográfica se utilizaron como una herramienta de cálculo y análisis espacial de los
resultados obtenidos. Durante la realización de la presente investigación se hizo evidente la a escasez de datos la
cuantificación de los GEI, la cual se aplica en el establecimiento de programas o metas y en la toma de
decisiones para la reducción de GEI.
Palabras clave: transporte, gases efecto invernadero, cambio climático.
Se ha determinado que la generación de GEI por
1 INTRODUCCIÓN
actividades humanas es la principal causa del cambio
El efecto invernadero es un fenómeno atmosférico climático, el cual se manifiesta a través de cambios en
natural que permite mantener la temperatura del las precipitaciones, desertificación, deforestación y
planeta al retener parte de la energía proveniente del fenómenos atmosféricos, ha sido considerado como
sol, debido a la existencia de ciertos gases naturales y uno de los problemas trascendentales del siglo XXI e
de fuente humana denominados gases de efecto incluso de seguridad estratégica en el mundo, debido a
invernadero (GEI), que tienen la propiedad de que “pone en riesgo la sustentabilidad de los
absorber y re-emitir la radiación proveniente de la ecosistemas, generando cambios drásticos los
superficie de la Tierra y que poseen un forzamiento regímenes de lluvias, elevación del nivel del mar, la
radiativo que contribuye a la elevación de la ocurrencia de sequías, variaciones en la temporalidad
temperatura (INE, 2009). de los procesos biológicos, escasez en la
La sobreexplotación de los recursos naturales, la disponibilidad de agua dulce y suelos productivos,
quema de combustibles fósiles, el cambio de uso del incremento de enfermedades infecciosas y de las
suelo y la agricultura, entre otros, han contribuido a transmitidas por vectores” (INE, 2009).
incrementar, durante el último siglo, un 54% la Este fenómeno afecta todos los aspectos de la vida
concentración de bióxido de carbono, metano y óxido en el planeta, humanos y no humanos, muchas
nitroso en la atmósfera, motivando con ello, un especies se pueden extinguir debido a la destrucción
aumento en la temperatura de la tierra (Cárdenas, de sus hábitats como consecuencia del cambio
1999). climático, más rápido de lo que ellas se pueden
adaptar, este es el mayor problema global de

308
sustentabilidad que la humanidad haya tenido que
enfrentar.
Uno de los principales sectores que contribuye a la
generación de GEI es el transporte urbano, por la
quema de combustibles fósiles y por la utilización del
vehículo privado para la realización de una mayor
proporción de viajes (IPCC, 2001).
Para hacer frente a esta problemática, se han
realizado esfuerzos a nivel mundial con la finalidad de
reducir la emisión de dichos contaminantes, uno de
los primeros pasos que se dieron en este proceso fue
definir los gases causantes del cambio climático, en el
protocolo de Montreal se establecieron los siguientes:
a) Bióxido de carbono (CO2)
b) Metano (CH4)
c) Partículas volátiles no metano (NMVOC)
d) Óxidos de nitrógeno (NOx)
e) Dióxido de nitrógeno (N2O)
f) Dióxido de azufre (SO2)
g) Perfluorocarbonos
En el protocolo de Kioto se firmaron acuerdos en
cuanto a metas de reducción de gases efecto
invernadero de parte de los países desarrollados,
mientras que los países en desarrollo se
comprometieron a implementar mecanismos de
desarrollo limpio (MDL) con el apoyo financiero de
los países más desarrollados, se requiere de la
elaboración de inventarios de gases efecto invernadero
que permitan cuantificar las emisiones emitidas a la
atmósfera y su actualización para evaluar el logro de
las metas propuestas. Estos inventarios se realizan
para diferentes fuentes, las cuales pueden ser fijas o
móviles y dependen de las actividades realizadas
(Protocolo de Kyoto, 1998).
La ciudad de Mexicali es la capital del estado de
Baja California, en México, se localiza al noroeste del
país, en la frontera con los Estados Unidos de
Norteamérica. Su topografía es plana y su traza vial es
una retícula limitada por la división política, la forma
en que ha crecido la mancha urbana y por el Río
Nuevo, que es una corriente que la divide
diagonalmente del Sureste al Noroeste, la cual
recientemente fue confinada en bóvedas y convertida
en una importante vialidad.
Para el cálculo de los GEI en el sector transporte se
utilizan los métodos que sugiere el IPCC, los cuales se
basan en factores de emisión y variables de actividad.
309
La multiplicación de la variable de actividad primaria
por el factor de emisión asociado a ella da como
resultado la estimación de la emisión correspondiente.
Cuando no se disponga de variable de actividad
primaria a niveles más bajos de desagregación
territorial debe recurrirse a variables subrogadas para
asignar espacialmente una estimación calculada a la
escala deseada (IPCC, 1997).
Para realizar un análisis y modelación ambiental,
como lo es la contaminación, resulta muy útil la
aplicación de los sistemas de información geográfica
(SIG), en este sentido, este trabajo se centra en la
estimación de emisiones generadas por los vehículos
particulares en el centro de población de la ciudad de
Mexicali durante el 2005, pues la mayor parte de los
estudios de este tipo que se han realizado en nuestro
país son a gran escala, es decir, a nivel país o estado,
por lo que se busca contar con información
desagregada que permita conocer la distribución
espacial de los contaminantes tipo GEI dentro de la
zona urbana de Mexicali.
2 MATERIALES Y MÉTODOS
Para estimar las emisiones generadas por el transporte
urbano particular, se empleó la metodología propuesta
por las Guías Revisadas del IPCC (1997), mediante la
cual se estimaron los siguientes GEI: metano (CH4),
dióxido de carbono (CO2), óxido nitroso (N2O) y,
finalmente, CO2 equivalente generados por la quema
de combustibles fósiles utilizados por el parque
vehicular privado en Mexicali.
El método de cálculo propuesto, Nivel I de IPCC,
depende de la cantidad de combustible vendido, en
este trabajo se consideró únicamente el consumido por
los vehículos particulares. Para estimar las emisiones
de GEI se calcularon los vehículos existentes en la
ciudad y su distribución por Unidad Geoestadística
Básica (AGEB). La cantidad de vehículos se estimó
en base a la tipología de vivienda que existe en
Mexicali y su distribución geográfica, así como la
cantidad de vehículos por tipo de vivienda. En la
Tabla 1 se presenta la cantidad de vehículos
particulares por tipo de vivienda.
 Tabla 1. Automóviles por tipo de vivienda (Galindo, periodo de permanencia de los GEI en la atmósfera de
2009) 100 años, los cuales se aprecian en la Tabla 3.
Tipo de vivienda Automóviles por vivienda Tabla 3. Factores de CO2 equivalente.
Residencial 3.74
Contaminante Factor de conversión a CO2eq
Medio 2.08
Popular 1.75 CO2 1
Interés social 1.66 CH4 21
Popular progresiva 1.02 N2O 310
Precaria y granjas 0.78
Las variables utilizadas fueron las siguientes: 3 RESULTADOS Y DISCUSION
1. Cantidad de vivienda por AGEB. En este trabajo se analizó la potencial contribución de
emisiones GEI por la cantidad de vehículos que se
2. Promedio de viviendas por tipo por
poseen en cada tipo de vivienda por AGEB, expresado
AGEB.
en términos de proporcionalidad. En la Figura 1 se
3. Autos por AGEB. puede observar los AGEBS en los que la proporción
4. Consumo de gasolina (litros): de CO2 equivalente es mayor, representados por los
colores más fuertes. La que aparece hacia el Norte es
5. Factores de emisión por tipo de una zona considerada residencial, mientras que el
contaminante. resto se aprecia en áreas con alta densidad de
6. Factores de CO2 equivalente para el resto vivienda.
de los contaminantes. El rango de datos seleccionados para este análisis
En la presente investigación los análisis se fue el de rompimiento natural ya que no existen
realizaron a partir del plano de distribución de normas que clasifiquen la generación de CO2
vivienda por tipología en Mexicali (XVIII equivalente. Dicho rango se puede apreciar en la
Ayuntamiento de Mexicali, 2005) con la aplicación de Figura 2.
MAPINFO se calculó la cantidad promedio de cada
tipo de vivienda por AGEB (INEGI, 2005), a partir de
la sobreposición de los mapas de AGEBS y el de
distribución geográfica de la tipología de vivienda y al
aplicarse el número de autos por vivienda se obtuvo el
número de vehículos por AGEB. El consumo de
gasolina por vehículo en 2005 resultó de multiplicar el
promedio de kilómetros anuales recorridos por cada
uno de ellos que fue de 13,937 Km y el rendimiento
promedio de los motores de los vehículos de 6.7 Km/lt
Figura 1. Distribución de emisiones por AGEB en
(Galindo et Al, 2009) cuyo valor fue de 2080.15 Mexicali en 2005
lt/automóvil, finalmente se aplicaron los factores de
emisión para cada tipo de contaminante (IPCC, 1997),
los cuales se pueden observar en la Tabla 2.
Tabla 2. Factores de emisión por tipo de
contaminante
Contaminante Factor de emisión gr/lt
CO2 2172.31
CH4 0.50
N2O 0.622
Para obtener la cantidad de CO2 equivalente se
utilizaron factores de conversión, considerando un
Figura 2. Rangos de distribución de emisiones

310
 En la Tabla 4 se presentan los GEI generados en la
ciudad de Mexicali en el año 2005 por el parque
vehicular privado, incluyendo la cantidad de C02
equivalente que representa el potencial daño a la
atmósfera por la suma de los tres principales
contaminantes de este tipo.
Tabla 4. Emisiones de GEI por tipo de
contaminante
Contaminante Toneladas
CO2 1,317,516.7
CH4 303.25
N2O 377.25
CO2 equivalente 1,440,831.28
Considerando que en 2005 la población en la
ciudad de Mexicali era de 684,758 habitantes, la
generación percápita de GEI en CO2 equivalente fue
de 2.1 Ton/hab. De acuerdo con el Informe Mundial
sobre Asentamiento Humanos publicado por Hábitat
(ONU, 2011) en 2011, para el año 2005 en la ciudad
de Washington el CO2 equivalente emitido a la
atmósfera fue de 19.7 Ton/hab., de los cuales el 13%
corresponde al transporte urbano, lo cual equivale a
2.47 Ton/hab.
En el caso de Mexicali, dado que la mayor
cantidad de vehículos se localizan en zonas
densamente pobladas, se recomienda analizar la
accesibilidad al transporte público que existe en
dichas áreas, para verificar si este es un factor
determinante para que las personas opten por la
adquisición de un vehículo de motor que les permita
realizar sus traslados, o bien si los servicios en dichas
zonas no se encuentran disponibles.
La cuantificación de emisiones tipo GEI es una
herramienta para la toma de decisiones ya que permite
identificar y contabilizar las principales emisiones,
distinguir sus aportaciones para orientar las medidas
de mitigación a considerarse en los programas de
gestión de la calidad del aire, estimar la calidad del
aire futura a través de modelación y datos sobre
distribución espacial y temporal de las emisiones,
determinar tendencias, evaluar los efectos de las
medidas de control en las tasas de emisiones de una
311
región, apoyar el establecimiento de programas de
intercambio de emisiones así como dar a conocer el
reporte de emisiones de las fuentes ya que en México
se tiene un compromiso internacional para integrar
inventarios de emisiones GEI.
Se recomienda la creación de una base de datos
estadísticos relacionados con el patrón de viajes,
kilómetros recorridos y consumo energético por el
parque vehicular que sea accesible para estudios de
investigación acerca de la contaminación ya que se
tiene que recurrir a variables auxiliares para la
desagregación o inferencia de información que nos
permita realizar estimaciones de gases efecto
invernadero a escalas locales.
REFERENCIAS
Instituto Nacional de Ecología (INE). Página web del
Instituto Nacional de Ecología. Consultado el 4 de
octubre del 2009 en: http://cambio_ climatico. INE.
gob.mx.
Cárdenas, L. 1999. Definición de un marco teórico para
comprender el concepto de desarrollo sustentable.
Revista de Urbanismo. Chile.
IPCC. 2001. Tercer Informe de Evaluación del cambio
climático.
Protocolo de Kyoto de la Convención Marco de las
Naciones Unidas Sobre el Cambio Climático.
Naciones Unidas 1998. Consultado el 04 de octubre del
2009 en:
http://unfccc.int/resource/docs/convkp/kpspan.pdf).
IPCC. 1997. Revised 1996 IPCC Guidelines for National
Green house Gas Inventories: Reference Manual.
Consultado en 2007 en el sitio: http://www.ipcc-
nggip.iges.or.jp/public/gl/invs1.html
XVIII Ayuntamiento de Mexicali. 2005. Instituto
Municipal de Investigación y Planeación Urbana de
Mexicali. Programa de Desarrollo Urbano de Centro de
Población de Mexicali 2025 (PDUCP).
Instituto Nacional de Estadística, Geografía e Informática
(INEGI). 2005. I Conteo de Población y vivienda.
México.
Galindo, Moisés. 2009. Instituto de Ingeniería UABC.
Escenarios, evaluación y propuestas de adaptación y
mitigación en transporte terrestre de Baja California,
primer reporte.
ONU - Hábitat. 2011. Informe Mundial Sobre
Asentamientos Humanos.
 RIESGO MUNICIPAL POR ÉPOCA DE LLUVIAS Y CICLONES
TROPICALES
Ricardo PRIETO GONZÁLEZ a, María Eugenia MAYA MAGAÑAb
a
Instituto Mexicano de Tecnología del Agua. Paseo Cuauhnáhuac No. 8532 Progreso, 62550 Jiutepec, Morelos,
México, email: rprieto@tlaloc.imta.com
b
Posgrado en Ingeniería, Facultad de Ingeniería, UNAM. Circuito Escolar s/n, Edificio 5, Ciudad Universitaria,
04510, Coyoacán, México D.F.

RESUMEN
Con el propósito de identificar el riesgo actual que existe ante la temporada de lluvias y ciclones tropicales en
cada uno de los municipios de la república mexicana, se calculó un índice de riesgo numérico que combina los
factores de peligro y vulnerabilidad.
Se presentan una serie de mapas creados con un sistema de información geográfica, los cuales muestran los
niveles de riesgo por época de lluvias en una escala de muy alto, alto, moderado, moderado bajo, bajo y muy
bajo riesgo.
Para el cálculo de riesgo se tomaron en cuenta el peligro y la vulnerabilidad por entidad federativa asociado a la
población, asignando categorías, para el peligro y vulnerabilidad; para evaluar el índice de peligro, se calculó un
promedio del índice de precipitación durante la temporada ciclónica (acumulado de mayo a noviembre y
promediado en el período 1941-2005) y del índice de impacto de ciclones tropicales, entre los años 1970 a 2008
para cada entidad federativa del país. Para estimar la vulnerabilidad de cada entidad federativa de la República
Mexicana, se consideraron los siguientes temas: salud, educación, vivienda, empleo e ingresos, población,
género, estructura familiar, edad, poblaciones con necesidades especiales, percepción local del riesgo y
capacidad de prevención y respuesta.
Los estados de Veracruz y Chiapas cuentan con los municipios con muy alto riesgo, entre ellos se encuentran:
Mixtla de Altamirano, Tehuipango, Mecatlán, Soledad Atzompa y Texcatepec para el primer estado, mientras
que para el segundo se encuentran los municipios de Chamula, Chalchihuitán y Santiago El Pinar.
Palabras clave: Ciclones tropicales, lluvias, riesgo, vulnerabilidad, peligro.
cuantas horas o días y tienden a producir
1 INTRODUCCIÓN inundaciones, deslizamientos de tierra, lodo y rocas,
La república mexicana recibe un promedio anual de así como afectaciones a la población y a la economía,
precipitación de alrededor de 770 mm. La mayor parte que por su importancia pueden ser locales, regionales
de esta precipitación se da durante los meses de mayo o, incluso, nacionales.
a noviembre, aunque existen regiones donde se tienen Debido a la ubicación geográfica de México, sus
lluvias todo el año. Los sistemas meteorológicos que condiciones climáticas y geológicas, así como a
producen la mayor parte de la precipitación pluvial a problemas de asentamientos humanos en zonas de alto
nivel nacional son las ondas del este, los ciclones riesgo, es vulnerable ante la presencia de fenómenos
tropicales, los desprendimientos de la zona de naturales, en particular de los ciclones tropicales. Al
convergencia intertropical, los frentes fríos, el monzón rápido desarrollo en las entidades federativas y a las
de Norteamérica, además de sistemas convectivos de amenazas que representan eventos extremos como
menor escala que se desarrollan localmente por huracanes y lluvias de gran intensidad, es necesario
forzamiento orográfico. crear información y conocimiento que ayude a generar
Las lluvias provocadas por el ingreso a territorio y operar planes de desarrollo.
nacional de ciclones tropicales, en cualquier de sus El análisis de riesgo ante los efectos
etapas (depresión, tormenta tropical o huracán), son potencialmente destructivos generados por huracanes
muy importantes debido a su carácter de tipo en las entidades del país, mantiene su importancia
torrencial, las cuales se pueden concentrar en unas

312
como diagnóstico para desarrollar un sistema de
prevención integral ante desastres, y así procurar el
menor daño posible en comunidades vulnerables. Se
busca determinar el riesgo que ocasionan las lluvias,
en particular las generadas por los ciclones tropicales
en sus diferentes categorías, para lo cual se desarrolló
un análisis en conjunto con la vulnerabilidad social y
la exposición de los bienes y personas que se
encuentran en el país.
Es importante determinar este riesgo para
establecer los mecanismos que coadyuven en medidas
de mitigación. Para ello es preciso conocer los estados
y municipios más vulnerables a la presencia de lluvias
intensas y tormentas, principalmente las generadas por
los ciclones tropicales. Para determinar el riesgo es
necesario calcular la vulnerabilidad y el peligro.
El Peligro se define como la probabilidad de
ocurrencia de un fenómeno potencialmente dañino de
cierta intensidad, durante un cierto periodo de tiempo
en un sitio dado. (http://www.proteccioncivil.df.
gob.mx/historia/sistemnal.html)
Una definición operativa de la vulnerabilidad, la
ofrece el grupo de investigadores del Instituto de
Investigaciones sobre Vulnerabilidad y Riesgos
(HVRI, por sus siglas en inglés), quienes la conciben
como la susceptibilidad de una población, sistema o
lugar dado, para sufrir algún daño por exposición a
una amenaza y que afecta directamente a capacidad de
prepararse, responder y recuperarse de los desastres
(Cutter et al., 2009).
La vulnerabilidad social tiene que ver
explícitamente con los factores demográficos y
socioeconómicos, que incrementan o atenúan los
impactos de los eventos de riesgo en las poblaciones
locales; es decir, la vulnerabilidad social ayuda a
definir quién está en riesgo y en qué grado puede
verse perjudicado.
2 OBJETIVO
Contar con un mapa que permita conocer los niveles
de riesgo a nivel municipal para dirigir esfuerzos de
manera preventiva y mitigar el impacto el impacto de
lluvias y ciclones tropicales, facilitando las
actividades de instituciones dedicadas a la atención
de emergencias y desastres.
3 METODOLOGÍA
Con ayuda de un sistema de información geográfica
(SIG), se elaboraron una serie de mapas los cuales
muestran los municipios que presentan mayor peligro
313
a causa de la temporada de lluvia y el ingreso de
ciclones tropicales, se identificó con colores los
municipios en riesgo muy alto, alto, moderado,
moderado bajo, bajo y muy bajo.
Para el cálculo del peligro por entidad federativa
de la República Mexicana, se tomaron en cuenta las
siguientes consideraciones:
Las entidades federativas fueron ordenadas de
acuerdo a un índice de precipitación o un índice de
impacto de ciclones tropicales, el valor del índice que
mayor contribuye al riesgo fue puesto al inicio y el
que menor contribuye al final. De ahí se definió un
numérico de 8 para los primeros 4 lugares de cada
categoría; un valor de 7 para los lugares 5 a 8, y así
sucesivamente hasta el valor de 1 del lugar 29 al 32.
Los valores resultantes de los índices tienen origen
estrictamente cuantitativo, sin embargo el resultado se
debe considerar de modo cualitativo, donde lo
importante es determinar el valor relativo del riesgo
de cada una de las entidades federativas.
Para evaluar el índice de peligro, se calculó un
promedio del índice de precipitación durante la
temporada ciclónica (acumulado de mayo a
noviembre y promediado en el período 1941-2005) y
del índice de impacto de ciclones tropicales entre los
años 1970 a 2008, para cada entidad federativa (tabla
1). Ambas bases publicadas en el sitio web del
Servicio Meteorológico Nacional (¡Error!
Referencia de hipervínculo no válida.):
Tabla 1 Índices de precipitación e impacto de
ciclones tropicales y su contribución al peligro
Fuente de Contribución
Índice
información al peligro
Precipitación Pagina web del
ante la servicio
temporada meteorológico
50%
ciclónica nacional
Pagina web del
Impacto de
servicio
ciclones 1970- 50%
meteorológico
2008
nacional
La precipitación acumulada de mayo a noviembre
sobre la República Mexicana, representa los
fenómenos asociados mayoritariamente a la entrada de
humedad de los océanos Atlántico y Pacífico a través
de sistemas de tipo tropical, como son la Zona de
Convergencia Intertropical, las ondas del este y los
ciclones tropicales. De acuerdo a las técnicas de
análisis actual, es un tarea difícil el poder diferenciar
estrictamente el origen de una lluvia determinada a un Desastres (CENAPRED) de México. Soares et al
fenómeno particular, ya que éstos coexisten en (2010) compararon las tres metodologías mencionadas
fronteras espaciales y temporales que no se pueden relacionando los siguientes temas: salud, educación,
definir, debido a la evolución constante de las vivienda, empleo e ingresos, población, género,
condiciones atmosféricas y al carácter fluido que estructura familiar, edad, poblaciones con necesidades
tienen las masas de aire. especiales, percepción local del riesgo y capacidad de
El Servicio Meteorológico Nacional publica a prevención y respuesta. Una vez sistematizadas,
través de su página de Internet http://smn.cna.gob.mx, comparadas y analizadas las metodologías que han
las entidades federativas afectadas durante el ingreso sido mencionadas se calculó el índice de
o paso de ciclones tropicales, determinando el nombre Vulnerabilidad Social a nivel municipal para México,
y la categoría del ciclón durante el impacto inicial, el esto implicó el desarrollo de tres niveles de
lugar de entrada a tierra, el período de afectación y el acercamiento: a) la definición temática y construcción
océano de origen del fenómeno. La tabla 2 muestra los de indicadores, con su clasificación de acuerdo con la
valores obtenidos para el peligro por estado. condición de vulnerabilidad; b) la construcción de
índices de vulnerabilidad temática y c) la construcción
Tabla 2. Valores de peligro para los estados de la de índice de vulnerabilidad social definitivo. Para este
república mexicana. trabajo se utilizaron los temas de salud, educación,
Entidad Peligro Entidad Peligro vivienda, empleo e ingresos y población
Baja California Los índices de vulnerabilidad social se obtienen de
Veracruz 7.5 Sur 4.5 promediar los índices de: salud, educación, vivienda,
empleo e ingresos y población por municipio. La tabla
Chiapas 7.0 Hidalgo 4.0
3 muestra la vulnerabilidad por estado, donde se ha
Estado de promediado el valor de la vulnerabilidad en los
Quintana Roo 7.0 México 3.5 municipios.
Colima 6.5 Morelos 3.5 Tabla 3. Valores de vulnerabilidad para los
Guerrero 6.5 Nuevo León 3.5 estados de la república mexicana
Michoacán 6.5 Sonora 3.5 Vulnera- Vulnera-
Entidad Estado
bilidad bilidad
Campeche 6.0 Coahuila 3.0
Oaxaca 0.68 Chihuahua 0.47
Jalisco 6.0 Distrito Federal 3.0
Chiapas 0.66 Nayarit 0.47
Oaxaca 6.0 Durango 3.0
Guerrero 0.66 México 0.47
Sinaloa 6.0 Chihuahua 2.5
Puebla 0.63 Jalisco 0.46
Yucatán 6.0 Querétaro 2.5 Veracruz 0.61 Tabasco 0.46
Nayarit 5.5 Aguascalientes 2.0 San Luis P. 0.60 Sinaloa 0.46
Tabasco 5.5 Baja Calif. Norte 2.0 Yucatán 0.58 Tlaxcala 0.45
Tamaulipas 5.5 Guanajuato 2.0 Michoacán 0.55 Quintana Roo 0.43
Puebla 5.0 Tlaxcala 2.0 Hidalgo 0.54 Aguascalientes 0.42
San Luis P. 5.0 Zacatecas 2.0 Campeche 0.52 Sonora 0.41
Querétaro 0.52 Colima 0.40
Se tomó el índice de vulnerabilidad social (IVS)
construido por Soares et al (2010) donde se revisaron Guanajuato 0.51 Nuevo León 0.39
diversas propuestas teóricas y metodológicas, de las Durango 0.50 Coahuila 0.37
cuales destacan las tres siguientes: a) el IVS (SoVI, Zacatecas 0.49 Baja Calif. Sur 0.33
por sus siglas en inglés que desarrolló es instituto de
Investigaciones sobre Vulnerabilidad y Riesgos Morelos 0.49 Distrito Federal 0.33
(HVRI); b) el IVS creado por el Sistema Integrado de Tamaulipas 0.48 Baja Cali. Norte 0.30
Indicadores Sociales del Ecuador (SIISE) y c) el IVS A partir de los valores numéricos del peligro para
planteado por el Centro Nacional de Prevención de cada estado y de la vulnerabilidad para cada

314
municipio se procedió a calcular el Riesgo a través de en un riesgo muy alto, 196 en alto, 765 en moderado,
la operación siguiente: 667 en moderado bajo, 507 en bajo y 304 en muy bajo
Riesgo = Peligro × Vulnerabilidad , (1) riesgo. Los municipios de la república mexicana con
muy alto riesgo ante la temporada de lluvias y el
Al realizar esta multiplicación, se obtienen valores ingreso de ciclones tropicales se encuentran en los
de riesgo en un rango de 0.51 a 6.85, para los 2,456 estados de Veracruz y Chiapas. Mientras Veracruz es
municipios de la república los cuales fueron, divididos afectado por ciclones que tienen su origen en el
en muy alto, alto, moderado, moderado bajo, bajo y Océano Atlántico, Chiapas es afectado por ciclones de
muy bajo riesgo. La tabla 4 muestra los valores, ambos océanos.
categoría y colores asignados de riesgo.
En situación de alto riesgo se encuentran los
Tabla 4. Rangos de riesgo para la república municipios en estados que colindan con el Océano
mexicana Pacífico, como son Oaxaca, Guerrero y Chiapas; y
Color municipios en el estado de Veracruz, que colinda con
Valor numérico Categoría el Golfo de México.
asignado
Riesgo ≥ 6 Muy Alto Rojo Los estados con más municipios en riesgo
¡Error! Se espera un Alto Naranja moderado y moderado bajo son: Campeche,
dígito.4.8 ≥ Riesgo > 6 Michoacán, Jalisco, Nayarit, Puebla, Tamaulipas, San
3.6 ≥ Riesgo > 4.8 Moderado Rosa Luis Potosí, Yucatán, Quintan Roo y Colima.
Moderado Amarillo Los estados con municipios en menor riesgo ante
2.4 ≥ Riesgo > 3.6 Bajo la temporada de lluvias y ciclones tropicales se
1.2 ≥ Riesgo > 2.4 Bajo Verde localizan en la zona norte del país son: Chihuahua,
0 ≥ Riesgo > 1.2 Muy Bajo Azul Sonora, Coahuila, Durango, Zacatecas, Baja
California Sur y Baja California Norte y Nuevo León.
4 RESULTADOS La figura 1 muestra el riesgo por municipio para la
México cuenta con 31 estados, 1 distrito federal y república mexicana.
2,456 municipios: de estos últimos 17 se encuentran

Figura 1. Nivel de riesgo municipal ante la época de lluvias y ciclones tropicales.

315
 A continuación se describe con mayor detalle
algunos estados con municipios en mayor riesgo en
la temporada de lluvias: Oaxaca, Veracruz, Chiapas
y Guerrero.
CHIAPAS. Localizado en el sureste de México,
cuenta con 118 municipios y tiene 4.8 millones de
habitantes. Es afectado por ciclones de ambos
océanos, Pacífico y Atlántico; tiene una precipitación
media anual de 1,968.9 mm. Cuenta con tres
municipios en muy alto riesgo: Santiago del Pinar,
Chamula y Chalchihuitán, ubicados en el centro del
estado. Tiene 43 municipios en riesgo alto y
representa el 25% de la población del estado. El
municipio con mayor población en alto riesgo es Las
Margaritas con 111 mil habitantes, ubicándose en el
este del estado.
En riesgo moderado y moderado bajo, se
encuentran 72 municipios, representando el 73% de
la población en el estado, destacando los municipios
de Tuxtla Gutiérrez, San Cristóbal de la Casas,
Tapachula y Ocosingo.
La figura 2 muestra el riesgo en época de lluvias
y ciclones tropicales, para los municipios de Chiapas.
Figura 2. Nivel de riesgo municipal ante la época de
lluvias y ciclones tropicales para el estado de Chiapas.
GUERRERO. Es afectado por ciclones
provenientes del océano Pacífico y tiene una
precipitación media anual de 1,105.4 mm. La entidad
cuenta con 81 municipios y tiene 3.4 millones de
habitantes. Diecinueve de sus municipios se
encuentran en alto riesgo, representando el 14% de la
población; 56 municipios se encuentran en riesgo
moderado y moderado bajo, constituyendo el 80% de
la población, entre estos municipios se encuentran
Acapulco de Juárez, Iguala y Taxco.
316
Chilpancingo de los Bravo capital del estado, es
el único municipio con bajo riesgo, contando con
241 mil habitantes.
La figura 3 muestra el riesgo en época de
lluvias y ciclones tropicales para los municipios de
Guerrero.
Figura 3. Nivel de riesgo municipal ante la época de
lluvias y ciclones tropicales, para el estado de Guerrero.
OAXACA. Cuenta con 570 municipios, y 3.8
millones de habitantes, es afectado por ciclones
que tienen su origen en el Océano Pacífico y tiene
una precipitación media anual de 1,518.8 mm.
De los 570 municipios que pertenecen a este
estado 58 se encuentran en alto riesgo, y
representan el 7.2% del total de la población. El
municipio con mayor población en alto riesgo es
Santa María Chilchotla con 20,500 habitantes,
encontrándose en la parte norte del estado.
Se localizan 501 municipios en riesgo
moderado y riesgo moderado bajo, representando
el 72.5% de la población; de estos municipios el
de mayor población es San Juan Bautista Tuxtepec,
con 145 mil habitantes, ubicándose en el norte del
estado.
En bajo riesgo se encuentran 11 municipios,
destacando los municipios de Salina Cruz y
Oaxaca de Juárez, representando el 20% del total
de habitantes del estado.
La figura 4 muestra el riesgo en época de
lluvias y ciclones tropicales de los municipios de
Oaxaca.
Figura 4. Nivel de riesgo municipal ante la época de
lluvias y ciclones tropicales, para el estado de Oaxaca.
VERACRUZ. Tuvo una población de 7.6
millones de habitantes en 2010. Es afectado por
ciclones que tienen su origen en el Océano Atlántico
y tiene una precipitación media anual de 1,492.0
mm. La entidad cuenta con 212 municipios. Este
estado tiene 14 municipios con muy alto riesgo, entre
los cuales se encuentran Mixtla de Altamirano,
Tehuipango, Mecatlán, Soledad Atzompa,
Texcatepec, los Reyes, Filomeno Mata. El municipio
de Tehuipango es el mayor en población con 20 mil
habitantes, ubicándose en el suroeste del estado.
En alto riesgo se ubican 76 municipios, los cuales
representan el 20% en población total del estado, la
mayor población se encuentra en el municipio de
Tantoyuca con 98 mil habitantes aproximadamente,
encontrándose en la parte norte del estado.
En riesgo moderado y moderado bajo se tienen
119 municipios; entre los de mayor población
encontramos Veracruz, Xalapa, Coatzacoalcos y
Córdoba, los cuales tienen 72% de la población total
del estado.
El municipio de Nanchital de Lázaro Cárdenas
del Río con una población de 27 mil habitantes se
encuentra en bajo riesgo, ubicándose en la parte sur
del estado.
La figura 5 muestra el riesgo de los municipios de
Veracruz ante la época de lluvias y ciclones
tropicales.
317
Figura 5. Nivel de riesgo municipal ante la época de
lluvias y ciclones tropicales, para el estado de Veracruz.
5 CONCLUSIONES
La elaboración de mapas de riesgo suficientemente
detallados permite conocer los municipios de la
república mexicana con valores elevados de riesgo
ante la temporada de lluvias y el ingreso de
ciclones tropicales, lo cual permite tomar medidas
de prevención, mitigación y adaptación antes de la
ocurrencia de eventos meteorológicos extremos.
Se observó que los municipios con muy alto
riesgo se encuentran en los estados de Veracruz y
Chiapas, siendo afectados por ciclones del
Atlántico para el primer caso y por ciclones de
ambos océanos en el caso de Chiapas. Los estados
con más municipios en situación de alto riesgo son
Veracruz, Chiapas, Oaxaca y Guerrero; para los
casos de riesgo moderado y moderado bajo, se
encuentran municipios en los estados de
Tamaulipas, Colima, Quintan Roo, Campeche,
Tabasco, Jalisco y Sinaloa, y en los municipios en
riesgo moderado bajo y bajo se encuentran en la
parte norte del país, en estados como Sonora,
Chihuahua, Coahuila, Baja California Norte y Sur,
Nuevo León y Durango.
Para reducir estos riesgos, se sugiere
implementar medidas de prevención y mitigación
como las siguientes:
 Sistemas operativos de pronóstico
estacional del clima.
 Pronóstico meteorológico de mediano y
corto plazo.
 Actualización constante de atlas de riesgos
hidrometeorológicos.
  Implementación de sistemas de alerta
temprana.
 Esquemas financieros de administración de
riesgo.
 Elaboración e implementación de planes de
respuesta.
 Planeación del uso del suelo para su
aprovechamiento habitacional, agrícola e
industrial.
Como posibilidad de trabajo a futuro, se sugiere
extender los estudios de evaluación de riesgo ante
lluvias y ciclones tropicales considerando los
aspectos siguientes:
1) Incorporar nuevas componentes para el
cálculo de la vulnerabilidad y el peligro,
algunas de las que pueden ser de mayor
importancia son los aspectos hidrológicos,
por ejemplo, definiendo la parte de la
población que se encuentra asentada en zonas
inundables; así como la estimación de zonas
que sean susceptibles de deslaves o
desgajamientos aún cuando sean zonas
relativamente libres de inundaciones.
2) Realizar estimaciones detalladas de las
condiciones socioeconómicas futuras que
ayuden a determinar la vulnerabilidad de la
318
población ante los distintos peligros
asociados al cambio climático.
AGRADECIMIENTOS
Los autores de este trabajo agradecen el apoyo
recibido de Virginia Edith Cortés Hernández,
Roberto Ramírez Villa, Denise Soares, Roberto
Romero, Ricardo López y Bárbara Cinthya San
Cristóbal Araujo.
REFERENCIAS
Cutter, Susan L, Chistopher T. Emrich, Jennifer J. Webb
and Daniel Morath, 2009. Social Vulnerability to
Climate Variability Hazards: A Review of the
literature. Final report to Oxfam America. Hazard
and Vulnerability ReseResearch Institute University
of South Carolina.
Martinez P., Patiño C,. 2010. Atlas de vulnerabilidad
hídrica en México ante el cambio climatico. IMTA.
Volumen III.
Soares D., Romero R., López R. 2010. Capitulo 1 Indice
de Vulnerabilidad Social, Atlas de vulnerabilidad
hídrica en México ante el cambio climatico. IMTA.
Volumen III
http://www.inegi.gob.mx/(consultado el 13 Jun. 2011).
http://smn.cna.gob.mx/climatologia/precipitacion/estado
s/precipit.gif (consultado el 20 Jun. 2011)
http://www.proteccioncivil.df.gob.mx/historia/sistemnal
.html (consultado el 11 Ago. 2011).
 GESTIÓN DE INFORMACIÓN SOBRE EL VIRUS DE LA INFLUENZA
TIPO A (H1N1) EN COSTA RICA
Oscar FRAUSTO MARTINEZa, Agustín GÓMEZ MELENDEZb
a
Laboratorio de Observación e Investigación Espacial - UQROO, Universidad e Quintana Roo, Campus
Cozumel, Quinatna Roo, 077600, email: ofrausto@uqroo.mx
b
Observatorio de Desarrollo de la Universidad de Costa Rica, Ciudad universitaria, San José, Costa Rica. email:
agomez@odd.ucr.ac.cr

RESUMEN
La gestión de información es uno de los elementos básicos que deben guardar las instituciones que trabajen con
datos o estadísticas. La urgencia por contar con resultados confiables, o simplemente contar con datos
actualizados es una de las tareas más costosas dentro de cualquier institución. En el campo de la Salud, el
fenómeno de la gestión de información cobra otro significado, la urgencia de información en el corto plazo; la
necesidad de contar con modelos de predicción o metodología que ayuden a brindar alertas tempranas sobre los
fenómenos de estudio, da poco margen de acción para el tratamiento de información. Para el caso del virus de la
influenza pandémica, el tiempo de respuesta, la parametrización de la información y la revisión de la misma, son
factores claves para los tomadores de decisiones. La posibilidad de contar con sistemas de monitoreo eficientes y
eficaces sobre la evolución de la enfermedad hace posible la generación de estrategias de mitigación altamente
efectivas. En el caso de Costa Rica no existió el desarrollo de un Sistema de Información a partir de la
información generada de los casos, sino que más bien se trabajó con archivos planos, sin embargo, una vez
superada la contingencia de la pandemia, la información obtenida es de suma utilidad para la visualización y
modelación en las regiones críticas (las fronteras e inclusive del centro del país), sitios donde se concentró la
mayor cantidad de casos, y cuyos son lineamientos básicos de análisis sirve de ejemplo para las acciones de
prevención de riesgos similares (gripe porcina y aviar). Es en este contexto que el Sistema de Información
Geográfica sobre el virus de la influenza tipo A (H1N1) fundamenta la toma de decisiones.
Palabras clave: bases de datos, SIG, geografía de la salud, riesgos biológicos.
Cada establecimiento de servicios públicos y
1 INTRODUCCIÓN
privados de salud tiene conformado un comité interno
El Ministerio de Salud (MINSA) en conjunto con para la atención de la influenza, este grupo coordina la
otras instituciones públicas del país ha trabajado de la información referente a la influenza de los pacientes y
mano para poder enfrentar los efectos que la pandemia formaliza el enlace con el área rectora de salud del
ha provocado en Costa Rica. Estas instituciones MINSA. Según este ministerio “si el establecimiento
conforman la Comisión Central, la cual está privado no cuenta con las condiciones para brindar
representada por: Caja Costarricense de Seguro Social atención con medidas de bioseguridad, hacer toma de
(CCSS), Instituto Costarricense de Investigación y muestras o brindar el tratamiento, se debe referir al
Enseñanza en Nutrición y Salud (INCIENSA), paciente al establecimiento de salud de la CCSS más
Ministerio de Agricultura y Ganadería (MAG), cercano”(MINSA, 2009).
Comisión Nacional de Emergencias (CNE),
La estructura organizacional del MINSA se divide
Ministerio de Educación, Universidades, Cruz Roja y
en tres niveles de gestión. El primer nivel (central)
Bomberos.
constituye el nivel político-estratégico y técnico-
Es deber de todos los centros de salud tanto normativo. El segundo nivel (regional) tiene una
públicos como privados que atiendan personas con naturaleza político-táctica y de enlace entre el nivel
síntomas de Enfermedades Tipo Influenza (ETI) central y el nivel local. El último nivel (local) tiene la
reportar la información diariamente requerida por las función político-operativa de la institución para la
autoridades de salud con base en los lineamientos ejecución de las funciones rectoras y de provisión de
oficiales de vigilancia e investigación epidemiológica servicios de salud.
emitidas por el MINSA.

319
 Dentro del segundo nivel se encuentran las
Direcciones Regionales de Salud (un total de 9) que
buscan garantizar el cumplimiento del marco
estratégico del ministerio en el ámbito regional y
constituyen un “paraguas que agrupa” a las
Direcciones de Áreas Rectoras de Salud. Estas últimas
son las unidades del nivel local del ministerio (80 en
total) tienen como objetivo asegurar que los procesos
institucionales se ejecuten de manera articulada.
(MINSA, 2008). (Ver figura 1).
Figura 1. Niveles de gestión del ministerio de Salud de
Costa Rica. (Elaboración propia).
La anterior descripción es importante para entender
el flujo de información para el registro de los casos
sospechosos según el Reglamento de Organización y
Funcionamiento del Sistema Nacional de Vigilancia
de la Salud que establece lo siguiente:
 Los establecimientos de salud, públicos y
privados, notificarán inmediatamente al
Área Rectora de Salud correspondiente, los
casos sospechosos de Influenza
Pandémica.
 Las Áreas Rectoras de Salud consolidarán
todas las notificaciones recibidas durante
el día en la base de datos de Excel
diseñada para este fin.
 Antes de las 9:00 a.m. de cada día, las
Áreas Rectoras de Salud enviarán a las
Direcciones Regionales de Rectoría de la
Salud correspondientes, vía electrónica, las
bases de datos actualizadas.
 Antes de las 10:00 a.m. de cada día, las
Direcciones Regionales de Rectoría de la
Salud consolidarán la información remitida
320
por las Áreas Rectoras de Salud y la
enviarán a la Dirección de Vigilancia de la
Salud.
Desde 1983 se ha implementado en Costa Rica una
boleta llamada VE-01 para los eventos de notificación
individual y es obligatoria. Para la pandemia del virus
tipo A (H1N1), esta boleta se modificó agregándole
un apartado específicamente para obtener información
acerca de la influenza. Cada establecimiento de salud
debe reportar todos sus casos sospechosos de
influenza pandémica por medio de esta boleta, cada
paciente con síntomas de ETI tiene la boleta VE-01 en
su expediente.
Posterior a la boleta, el MINSA diseña una ficha de
investigación, la cual consiste en determinar los
síntomas de las personas con ETI, y además tiene el
fin de identificar cuáles son los factores de riesgo de
la población de Costa Rica. A partir de que aumentó
aceleradamente el número de casos, el MINSA
concreta que la ficha se aplicaría solamente a las
personas hospitalizadas a causa del virus, pues la
capacidad de respuesta del MINSA de investigar caso
por caso no estaba siendo factible.
Esta boleta y ficha son estándar para todos los
centros médicos públicos y privados, con el propósito
de establecer una uniformidad a la hora de reportar la
información de los casos al MINSA, y este pueda
procesar la información, analizar los casos, la
proveniencia geográfica de cada paciente y dar
conocer la situación en que se encuentra el país.
Se define que el paciente que ingresa al hospital
por síntomas de ETI es un paciente sospechoso de
tener influenza tipo A H1N1 si viajó los 7 días
anteriores a algún país con casos confirmados o
probables, tienen nexo epidemiológico durante los
últimos 7 días con un caso confirmado o probable y
tienen menos de 65 años y está hospitalizado con una
infección respiratoria aguda grave (IRAG) tipo
influenza9.
Posterior al análisis de la información obtenida en
la boleta y en la ficha, si el caso cumple con la
definición de caso sospechoso, se procede a
clasificarlo en tres tipos de casos según la información
que ha suministrado.
Casos pendientes, es toda persona que sea un caso
sospechoso y además presente un resultado de
9
Lineamientos específicos para la Vigilancia
Epidemiológica de la Influenza Pandémica (Influenza A
H1N1)
laboratorio positivo por virus de influenza A, pero sin
que se pueda identificar aún a qué tipo de virus de
influenza se asocia. Caso confirmado, es toda persona
que cumpla la definición de caso sospechoso más un
resultado de laboratorio positivo por el virus de la
influenza pandémica A H1N1. Caso descartado, toda
persona que tenga una o varias de las siguientes
características: no cumple con la definición de caso
sospechoso, tiene signos y síntomas de influenza pero
no tiene nexo epidemiológico, cumple con la
definición de caso sospechoso pero el resultado del
laboratorio es negativo para influenza pandémica10.
Una vez que se ha realizado la valoración de todos
los casos tipificados como sospechosos se clasifican
en categorías según la escala de Triage11,
(clasificación de pacientes para priorizar la atención),
en el caso de la influenza pandémica, se reclasifican
los pacientes en estas categorías según el tipo de caso
para optimizar los recursos.
Se ha organizado una Comisión para analizar las
defunciones por causa sospechosa de influenza,
constituida por un patólogo, un intensivista, un
infectólogo, dos epidemiólogos, un representante del
INEC y la Ministra de Salud. El objetivo de la
comisión es investigar los casos de muertes, el
proceso consiste en revisar los expedientes de cada
persona fallecida, a partir de esto se genera una ficha
con información relevante y en base a los resultados
se define si la muerte fue producida por la influenza o
está asociada a la influenza o si la persona falleció con
influenza pero no fue la influenza la que provocó el
fallecimiento.
2 GESTIÓN DE LA INFORMACIÓN
El desarrollo de los sistemas de información han
contemplado la incorporación de nuevas tecnologías
capaces de no sólo representar los datos sino de
modelar escenarios y adelantar posibles
comportamientos en las variables de interés.
Herramientas como la minería de datos han
evolucionado el proceso de toma de decisiones.
Pero la creación o desarrollo de Sistemas de
Información conlleva la aplicación de metodologías
propias estructuradas en fases las cuales están
10
Lineamientos específicos para la Vigilancia
Epidemiológica de la Influenza Pandémica (Influenza A
H1N1)
11
Lineamientos Oficiales para la Prevención y Atención
Efectiva de la Influenza Pandémica A H1N1 en los
Servicios de Salud Públicos y Privados
321
orientadas a la correcta implementación o desarrollo
de los mismos.
En promedio se puede decir que el desarrollo de
Sistemas de Información pueden abarcar períodos
relativamente largos debido especialmente a la
complejidad de los mismos pero el panorama puede
ser muy diferente en el desarrollo de sistemas cuando
se tratan de eventos que toman lugar en un período
muy corto de tiempo pero que necesitan ser analizados
muy rápidamente, por ejemplo los centros o institutos
que velan por el monitoreo de terremotos si bien es
cierto no saben a ciencia cierta cuándo va a ocurrir un
evento, se encuentran en constantemente observación
sobre los cambios en la corteza terrestre; pero el
monitorear una enfermedad de la cual no se conoce su
comportamiento o inclusive sus efectos es otro tema
completamente diferente.
La rapidez en la propagación de la gripe A H1N1
así como su alto grado de contagio tomó
desprevenidos a los Ministerios de Salud de la región,
nunca se contó con herramientas de monitoreo
temprano que dieran alertas con el fin de evitar o
mitigar la propagación del fenómeno, sino que más
bien se contó con información posterior a la
diseminación de la gripe.
La rápida propagación obligó a las instituciones
rectoras de salud no sólo a desplegar campañas
informativas y preventivas sino también a generar
procedimientos para el acopio de la información, con
la mayor calidad posible.
El contar con estadísticas actualizadas, confiables
y exactas fue una de los principales cometidos de las
instituciones, pero como en todo proceso de
sistematización de información y de acopio de datos,
el recolectar los datos adecuados es de vital
importancia.
Mediante procedimientos internos dentro del
Ministerio la dirección de Vigilancia de la Salud del
Ministerio de Salud de Costa Rica, (ente encargado
del acopio de la información) realizó una serie de
modificaciones a boletas existentes como es el caso
del “Boletín de Notificación Individual de vigilancia
epidemiológica” (V.E.01), con el fin de poder recabar
de una forma rápida y ágil aquellos primeros casos
cuando se desató la gripe en el país. Adicional a estos
esfuerzos se confeccionaron herramientas
complementarias de recolección de información, y se
utilizaron los canales oficiales de suministro de
información antes mencionados. Pero es sin duda con
la elaboración de la “Ficha de investigación
epidemiológica. Casos Sospechosos de Influenza
AH1N1”, cuando realmente se empieza a recabar
información de vital importancia para el monitoreo de
la enfermedad, así como su sintomatología. (Todos
estos instrumentos se pueden consultar en los
correspondientes anexos).
La rápida acción en la creación de instrumentos o
la modificación de los mismos permitió que en el
corto plazo el país contara con estadísticas fuertes
sobre los casos confirmados, pendientes y descartados
permitiendo que los mismos puedan ser desagregados
a nivel de cantón, por sexo, edad entre otros.
El procedimiento antes descrito viene a formular
una parte de lo que los autores llaman “El ciclo de
sistematización de datos para la epidemia AH1N1”,
el mismo cuenta de una serie de pasos claramente
identificados que permitieron o dieron cabida a un
proceso de gestión de la información, en Figura 2 se
visualiza el macro proceso de gestión que se
desarrolló en el país.
Figura 2. Proceso de sistematización de la información
(Elaboración propia).
El ciclo da inicio cuando un paciente llega a un
centro hospitalario donde se generaba una primera
recolección de información, la cual posteriormente iba
ser enviada a diferentes instancias bajo un formato
uniforme, posterior a eso cada una de las instancias
rectoras procesaban los datos para ser divulgados.
Pero durante este proceso se presentó un colapso
en la logística de acopio de información, debido al
gran volumen de casos que eran atendidos versus la
rapidez con que se tenía que procesar la información,
esto obligó a los funcionarios del MINSA, a focalizar
los esfuerzos del acopio de datos de los casos
realmente confirmados.
El efecto inmediato que tuvo la decisión del
MINSA se ve reflejado en las estadísticas posteriores
322
a la semana 45, en donde es imposible contar con
información actualizada tanto de los casos pendientes
como de los descartados, lo cual diezma posibles
análisis de comportamiento de la enfermedad. Sin
duda la rápida propagación de la gripe unida a poco
personal laborando en las instituciones rectoras
imposibilitó el acopio de información.
Otro de los principales puntos que ayudaron al
colapso en el manejo de la información es la
inexistencia de bases de datos unificadas a lo interno
de los Hospitales o Clínicas que fuesen capaces de
suministrar la información en tiempo real.
El manejo de los datos en plataformas no estables
para el manejo de datos pudo ser uno de los
principales factores del colapso en la recolección de
datos. Durante el desarrollo de este tipo de
fenómenos es necesario contar con herramientas
robustas y unificadas que sean capaces de sostener los
procesos de acopio y procesamiento de información.
En la siguiente sección se da una breve explicación
del proceso de acopio de información que tuvo el
MINSA, para posteriormente presentar la información
básica de cómo afecto la enfermedad a Costa Rica,
tanto en datos puros como en mapas específicos para
el país.
3 ANÁLISIS DE DATOS
Una vez que el MINSA recolecta la información de
cada caso, esta información es sistematizada en una
base de datos en Excel diseñada por el personal del
Departamento de Vigilancia de la Salud del MINSA.
La estructura de la hoja de cálculo consta de 15
variables, entre ellas: el sexo, variables geográficas, el
establecimiento de salud donde la persona fue
atendida, la fecha y el tipo de caso en el cual se
clasifica al paciente. El período de los casos
registrados y tomados en cuenta para este análisis se
realizó entre la semana 16 y la semana 45 del año
2009.
A la semana 45, en Costa Rica se cuenta con un
total de 11249 casos sospechosos, de estos, 1615 son
casos confirmados, 8348 casos descartados y 1286
casos aún pendientes. Se cierra la semana 45 con total
de 40 defunciones, los datos se han calculado con base
en el reporte del MINSA a la semana 45 del 2009.
Para efectos del presente análisis, solamente se
mostrarán resultados para los casos confirmados de
Costa Rica. El primer caso confirmado del virus de
influenza tipo A (H1N1) se reporta el 22 de abril, 6
días después el 28 de abril se decreta Emergencia Comparación de pandemia de Influenza tipo A (H1N1) según sexo:
Casos confirmados simples de SE16 – 45/2009, Costa Rica.
Sanitaria Nacional. El 52.3% de los casos
confirmados con el virus de la influenza pandémica 1,80
son mujeres y 47.7% son hombres. 1,60

1,40

Tasa por cada 100 000 hab.

En Costa Rica todas las provincias han confirmado 1,20

casos de A H1N1, la tasa más alta la presenta la 1,00

0,80
Mujer
Hombre

provincia de Heredia con una tasa de 47.74 por 0,60

100.000 habitantes, seguida por la provincia de 0,40

0,20

Puntarenas y de San José con tasas similares, 47.67 y 0,00

16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
41.22 por cada 100.000 habitantes respectivamente. Provincias

Las tasas son superiores para las mujeres que para los
hombres excepto para la provincia de Cartago donde Figura 4. Casos confirmados de influenza pandémica por
los hombres han presentando 22.04% más casos sexo y por semana, Costa Rica 2009. (Fuente: Dirección de
confirmados que las mujeres. En general para Costa Vigilancia de la Salud, 2009 y Observatorio del Desarrollo,
Rica la tasa de casos confirmados es de 35.81 por 2009)
cada 100.000 habitantes (Figura 3).
Una vez que México anuncia su primer caso
Comparación de pandemia de Influenza tipo A (H1N1) según sexo: confirmado y se sostiene el aumento en los mismos,
Casos confirmados simples a la SE 45/2009, Costa Rica .
Tasas por 100 000 habitantes
Costa Rica se prepara y cuando se confirma el primer
HEREDIA
caso con el virus tipo A (H1N1), en la semana 17 se
PUNTARENAS
decreta Emergencia Sanitaria Nacional. La evolución
SAN JOSÉ de los casos en el país se han concentrado en las
Provincias

LIMÓN
Hombre
provincias centrales las primeras semanas desde la
CARTAGO Mujer
aparición del virus en Costa Rica, es a partir de la
ALAJUELA
semana 26 cuando se nota un elevado aumento de
GUANACASTE

0,00 5,00 10,00 15,00 20,00 25,00 30,00

casos confirmados en las provincias periféricas dado a
Tasa por cada 100 000 hab. la continua diseminación del virus. La primera
Figura 3. Casos confirmados de influenza pandémica por defunción en Costa Rica se declara en la semana 19,
sexo, por provincia, Costa Rica 2009. (Fuente: Dirección de en las semanas siguientes persiste el virus provocando
Vigilancia de la Salud, 2009 y Observatorio del Desarrollo, un acelerado crecimiento de casos confirmados.
2009)
La Organización Mundial de la Salud (OMS)
La tendencia de la pandemia es creciente y se declara la pandemia en fase 6, para estos momentos
acentúa en la semana 27, número máximo de casos Costa Rica se encuentra en el primer pico de la ola
que alcanza la primera ola de influenza en Costa Rica. pandémica. A raíz de los constantes resultados
A partir de la semana 28, tienden a decrecer los casos positivos de personas con influenza pandémica, el
confirmados. Prevalecen levemente las tasas MINSA comunica que como medida preventiva se
superiores en mujeres que en hombres. Se debe tener alargarán una semana más las vacaciones de medio
presente que un total de 197 casos confirmados no se período en escuelas y colegios de todo el país. Las
identifican en cual semana real se contagiaron (Figura autoridades de salud, decretan la implementación del
4). teletrabajo en mujeres que se encuentren en estado de
embarazo que presten servicios en instituciones
públicas y empresas públicas del estado y todas las
empresas del sector privado12. Estas estrategias
tomadas por el MINSA y el gobierno de Costa Rica se
emplean con el fin de extinguir y evitar la
propagación de la pandemia. En los meses de junio a
agosto se observa que las provincias con mayor tasa
de casos confirmados la presentan Limón, San José,
12
Decreto Ejecutivo N° 35434-S-MTSS publicado el 12 de agosto de
2009

323
Puntarenas y Heredia, con una tendencia a disminuir Desarrollo (PNUD), todos los mapas fueron
al mes de setiembre (Figura 5). desarrollados por el autor.
Evolución de pandemia de Influenza tipo A (H1N1) según provincia: El Objetivo de generar una representación espacial
Casos confirmados simples de SE16 – 45/2009, Costa Rica. de la influenza puede ser analizada de varias
(Tasas por 100 000 habitantes)
7,00 perspectivas la primera es para identificar aquellas
6,00
zonas geográficas que pueden ser más propensas a la
5,00
propagación del virus, especialmente por las altas
Tasa por cada 100 000 hab.

4,00
SAN JOSÉ concentraciones de población o por característica
ALAJUELA
CARTAGO geomorfológicas que pueden ser más ventajosas para
3,00 HEREDIA
GUANACASTE el virus. Otra perspectiva de análisis es para diseñar
2,00 PUNTARENAS
LIMÓN posibles escenarios de propagación de la enfermedad,
1,00
con el fin de evitar posibles contagios mediante la
0,00
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
definición de políticas específicas para la región.
Semana

También se pueden realizar análisis más

Figura 5. Casos confirmados de influenza pandémica por especializados al combinar diferentes capas temáticas
provincia y por semana, Costa Rica 2009. (Fuente: en el análisis, por ejemplo se pueden contar con la
Dirección de Vigilancia de la Salud, 2009 y Observatorio cercanía a los hospitales o clínicas, así como ámbitos
del Desarrollo, 2009) de acción o tasas de propagación de la enfermedad,
tomando como parámetro centros comerciales o
Las defunciones en Costa Rica, como se ha supermercados.
mencionado previamente en este capítulo, empiezan a
El presenta análisis toma como base algunos
notificarse en el país a partir del mes de mayo, el
conceptos de las tres perspectivas antes mencionadas
recuento hasta el mes de noviembre, referente a la
con el fin de que se pueda analizar el fenómeno del A
semana 45, se documentan un total de 40 defunciones
(H1N1) desde varias aristas.
por causa de la influenza pandémica.
Para la elaboración de estos mapas se tomaron
De las 40 muertes confirmadas el 45%
corresponden a la provincia de San José; para Alajuela varios parámetros de análisis se procesó la
información de los casos confirmados, pendientes y
un 17.5%; un 7.5% para Cartago; un 15% a Heredia;
descartados, adicionalmente a eso se realizó un
para Puntarenas 5% y para Limón un 10%. Para la
pequeño análisis para el centro del país utilizando la
provincia de Guanacaste no se han notificado muertes.
ubicación de las clínicas privadas y los hospitales.
Las tasas de mortalidad de influenza tipo A
Como una de las principales limitaciones del
(H1N1) para Costa Rica están representadas en la
estudio se tiene que la información base no se
figura 5. Cabe destacar que la provincia con la mayor
encuentra georeferenciada, esto significa que los casos
tasa de mortalidad a la semana 45 es Heredia con 1.36
defunciones por cada 100.000 habitantes, seguida por como tales sólo están ubicados a nivel de cantón, más
no se sabe la dirección exacta de donde se ubica el
San José y Limón con tasas de 1.12 y 0.91
caso debido a que dicha información es confidencial,
respectivamente, estas tres provincias presentan tasas
pero mediante un procedimiento geográfico se realizó
superiores al promedio para Costa Rica que en general
una distribución de los casos mediante la dispersión
tiene una tasa de mortalidad de 0.89 muertes por cada
de los mismos en el cantón correspondiente, con este
100.000 habitantes.
procedimiento lo que se puede observar es la
4. USO DE HERRAMIENTAS frecuencia de casos por cada cantón.
GEOGRÁFICAS PARA EL ANÁLISIS DE 4.1 MAPEO DE INFORMACIÓN
LA INFORMACIÓN El país de Costa Rica se divide en siete provincias y
Para el análisis de la información se utilizó el software en 81 cantones, la información recopilada por el
Arcview 3.2 y se emplearon las capas geográficas Ministerio de Salud, tiene como mínimo nivel de
proporcionadas por el Instituto Geográfico Nacional, desagregación los cantones. A pesar de contar con
con la proyección Lamberth Norte, y la información dicha desagregación la unidad de análisis es
del Índice de Desarrollo Humano Cantonal calculada relativamente grande y heterogéneas entre sí, es por
por el Programa de Naciones Unidas para el eso que para futuros análisis se deberá seleccionar

324
áreas geográficas con menores extensiones con el fin
de realizar análisis más detallados del comportamiento
y evolución de los casos.
En muchos análisis geográficos la simple
representación de los datos bastaría para una
descripción del fenómeno, pero la interacción de
variables exógenas al fenómeno puede llegar a
complementar el análisis o inclusive explicar el
comportamiento mismo de las variables.
Para este caso específico se utilizó el Índice de
Desarrollo Humano Cantonal, calculado por el
Programa de Naciones Unidades (PNUD-09) para
contrastar aquellas zonas en donde los valores tienden
a ser más Altos o Bajos, con el fin de identificar
posibles patrones o comportamientos diferenciados de
la enfermedad.
En la figura 6 se puede apreciar cuál fue la
distribución de los casos confirmados por el virus A
(H1N1) en el territorio nacional.
Figura 6. Mapa de distribución de casos confirmados por al
pandemia del virus de la influenza tipo A (H1N1).
(Elaboración propia).
Como se puede apreciar el mapa anterior para
Costa Rica a la semana 45 se cuentan con un total de
1615 casos confirmados de los cuales 197 no se
pudieron identificar cual fue la semana real de
contagio, 18 casos no pudieron ser identificados en
cual cantón residen. Cada uno de los puntos rojos
identificados en el mapa corresponde a un caso real
confirmado, mientras que los puntos anaranjados en el
mismo corresponden a aquellos casos donde no fue
posible identificar la semana de contagio del mismo.
El comportamiento del virus en el país como se
puede apreciar abarcó todos los cantones,
concentrándose en el centro del país, en la zona
325
pacífico central y en la zona limítrofe con Panamá. El
centro del país acumula la gran parte de la población,
por lo cual es de esperarse altos valores de personas
contagiada, además de la ubicación del principal
aeropuerto del país.
Otro dato importante a destacar es la concentración
de casos en ciertas zonas del país, así por ejemplo en
las zona limítrofe con Nicaragua presenta una menor
cantidad de casos comparados con Panamá, mientras
que en la zonas costeras del país los casos son
considerablemente menores.
Este comportamiento lo que lleva a suponer que el
virus se acentuó en la zona central del país que en las
costas e inclusive las fronteras.
Por otro lado si se toma como parámetro el índice
de Desarrollo Humano (IDH), se puede observar la
inexistencia de un patrón específico de la enfermedad,
eso quiere decir que afecta tanto a los cantones
clasificados bajo la escala indicada.
Otra manera de analizar la enfermedad es por
medio de los casos descartados esta variable lo que
viene a indicar es el impacto que causo el virus en la
población, como se puede apreciar en la figura 7, la
realidad del país cambia significativamente.
Figura 7. Mapa de distribución de casos descartados.
(Elaboración propia).
Como se puede apreciar, la cantidad de casos
descartados suma alrededor de 8348 casos
acumulados a la semana 45 de los cuales 1665 no fue
posible identificar la semana de contagio y cerca de
252 se desconoce el cantón de residencia.
Una de las principales razones por las cuales existe
tanto caso de personas descartadas por el virus es la
eficiente campaña que realizó el Ministerio de Salud
desde los inicios de la pandemia, pero al mismo
tiempo este comportamiento generó dentro de la
institución una saturación no sólo en los servicios
básicos de salud sino también en el acopio de datos y
el análisis de los mismos, como se mencionó
anteriormente.
En el mapa se puede apreciar como todo el país en
su gran mayoría reportó casos que posteriormente
fueron descartados, se confirma el patrón de la
conglomeración de casos en el centro de país, pero a
diferencia del casos confirmados las costas del país si
presentaron un mayor reporte de casos a pesar de que
los confirmados fueron significativamente menor.
Un fenómeno interesante a observar es como en la
parte este del país existe significativamente una mayor
cantidad de casos descartados que en la parte oeste del
territorio. E inclusive en la parte norte y sur del país
parecen contar con un número similar de reportes. Es
importante recalcar que la parte este del país
predomina un clima más húmedo y/o frio que la oeste
lo cual eventualmente puede llegar a beneficiar la
propagación del virus.
Al analizar el comportamiento de los casos
descartados con respecto al IDH se puede concluir que
no existe un patrón específico con respecto a aquellos
cantones que son considerados como altos o bajos,
sino que más bien sigue un comportamiento de
mancha del centro del país hacia afuera. Una última
variable interesante a analizar la compone el total de
casos pendientes a descartar a la semana 45, esta
variable es de suma importancia puesto que puede
llegar a ampliar significativamente la cifra de casos
confirmados. En la figura 8 se presenta el
comportamiento detectado para los casos pendientes.
Figura 8. Casos pendientes de dictamen. (Elaboración
propia).
326
Para el caso de las personas que están pendientes a
confirmar, el comportamiento es similar a los casos
confirmados y descartados, los casos se ubican en el
centro del país en donde parece existir un patrón un
poco más definido en la zona sur este que en la
noroeste.
A la semana 45 existen cerca de 1294 casos sin
confirmar de los cuales 195 no se conoce la semana
exacta de contagio y sólo 49 casos no se conoce el
cantón de residencia del paciente.
De igual manera que la variable de confirmados o
descartados no existe un patrón asociado a aquellos
cantones con un alto o bajo grado de desarrollo
humano, sino que más bien se acentúa el efecto de
mancha de adentro hacia afuera de la región.
El análisis antes desarrollado es una de las formas
en que se puede emplear la información recopilada
por el Ministerio de Salud en cuanto a la temática de
la influenza, adicional a este análisis se puede trabajar
con la inclusión de capas temáticas que ayuden de
cierta forma a comprender un poco el avance del
fenómeno, en el mapa que a continuación se presenta
trata de evidenciar precisamente esas discrepancias a
lo interno del país e inclusive explica el
comportamiento del porque se considera que el país
sigue un efecto de mancha.
Como se mencionó anteriormente la gran ventaja
que dan las herramientas de análisis geográfico es la
posibilidad de unir capas temáticas dentro del análisis
de cualquier fenómeno. Para el caso de la pandemia a
continuación se presenta un mapa temático (Figura 9)
que sistematiza varias capas con el fin de dar un
análisis un poco más detallado del comportamiento
que ha tenido la influenza en el país.
Figura 9. Sistema de análisis espacial para la pandemia.
(Elaboración propia).
 Para poder comprender el mapa antes expuesto es
necesario aclarar algunos puntos específicos del
mismo. Costa Rica ha contado con un alto desarrollo
en la zona central del país, y eso lo comprueba el
Índice de Desarrollo Humano. El desarrollo de
infraestructura, de educación entre otros
históricamente se ha concentrado en el centro del país.
Basta con solo mencionar que en el área de estudio
seleccionada existen cerca de 170 clínicas y 24
Hospitales en un área cercana a los 341 kilómetros
cuadrados.
Comparando con el resto del país el área
seleccionada concentra el 60% de las clínicas del país
y el 65% de los hospitales. Ante dichos resultados no
es de sorprenderse las cifra tan altas tanto en los casos
confirmados, como descartados y pendientes en el
centro del país.
Partiendo de esta realidad nacional se procedió a
identificar dentro del mapa la ubicación de los
principales hospitales en la zona, así mismo como las
clínicas tanto públicas como privadas que dan
atención. Una vez identificadas dichas instancias se
procedió a realizar un buffer o dispersión de los
puntos tomando como parámetro las posibles áreas de
atención de las clínicas y hospitales, esto se ve
representado por los diferentes círculos en aquellos
más grandes conforman los Hospitales y su área de
acción la conforman un círculo de 10 kilómetros,
mientras que los círculos pequeños contienen el
ámbito de acción de las clínicas las cuales se
circunscriben a 1 kilómetro.
Los puntos rojos indican el total de casos
confirmados, un punto corresponde a ocho casos
confirmados, mientras que los puntos de color naranja
corresponden a los casos que no se pudo identificarse
la semana de contagio.
Para el caso del área de estudio se identificaron un
total de 1032 casos lo que corresponde a un total de
64 % de todos los casos en el país, esto representa que
por cada hospital y clínica se atendió cerca de 7
casos.
Un patrón interesante a resaltar es que en el centro
del país es donde existe un mayor número de casos
identificadores pero al mismo tiempo es donde existe
un mayor número de hospitales ya que en un área de
81 kilómetros cuadrados se concentra la mayor
cantidad de Hospitales y casos. Esto en contraste con
las zonas periféricas a la región en donde cantones
como Puriscal, Acosta, Tarrazú, León Cortes, Paraíso,
Siquírres, Guácimo, Pococí, Alfaro Ruiz cuentan con
327
cerca de 8 casos confirmados por cada cantón
mientras que San José, Heredia, Alajuela y Cartago
concentran la mayor cantidad de casos.
En contraste con los mapas nacionales analizados
anteriormente; para este se utilizó una distribución del
total de habitantes que existen en promedio por
cantón, en lugar del Índice de Desarrollo Humano,
dichos datos fueron proporcionados por el Centro
Centroamericano de Población de la Universidad de
Costa Rica, que trabaja en conjunto con el Instituto
Nacional de Estadísticas. Como se puede observar y
como es de esperarse donde existe una mayor
concentración de habitantes es donde se registraron
una mayor cantidad de casos confirmados, en
contraste con los cantones antes mencionados en
donde la población no supera los 62 mil habitantes.
5 CONSIDERACIONES FINALES
A pesar de la buena ejecución del MINSA ante la
pandemia, hubo problemas con la administración de
los datos ya que el proceso se saturó durante el
registro de la información de cada paciente, esto se
debe en parte a que el registro se hizo manualmente
mediante las boletas mencionadas. Con un buen
sistema de información estos inconvenientes se
pueden prevenir ya que se sistematiza la información
más ágil y eficiente.
Es por esto la importancia de diseñar y sistemas de
información con bases sólidas de datos confiables. El
MINSA ya cuenta con una buena base de datos de
todos los tipos de casos del país, una ventaja de tener
sistematizada la información es estar alertas a las
zonas vulnerables del país en cuanto a la diseminación
del virus.
Para un el buen uso de los sistemas de
información, se debe contar con personal capacitado
para que el proceso de este sea el más óptimo y que
genere resultados de calidad para la toma de
decisiones de los usuarios ya que la información es de
interés público.
Una de las funciones de los sistemas de
información corresponde a almacenar información
retrospectiva con el fin de que sirva para comparar
información posterior, para este caso pandémico, sería
de mucha utilidad tener los datos almacenados de la
primer ola pandémica en un sistema para contar con
estos y poder hacer comparaciones en la segundo ola
pandémica que se espera y así poder detectar zonas
vulnerables.
 Los principales retos para Costa Rica en este
momento es diseñar y construir un sistema de
información en el que se refleje el esfuerzo que ha
venido efectuando el MINSA en la recopilación de los
datos de los casos. Capacitar personal para un uso
eficiente de los recursos que operan en torno al
fenómeno de la influenza pandémica y generar
resultados con prontitud exactos, creíbles y confiables.
AGRADECIMIENTOS
A los funcionarios(as) del Ministerio de Salud,
Ministerio de Agricultura, de la República de Costa
Rica, a la Dirección de Vigilancia de la Salud, a
ANUIES/CSUCA el apoyo otorgado al proyecto “S2
fortalecimiento del grupo de investigación de
desastres e impactos socio-ambientales provocados
por la pandemia de influenza tipo A(H1N1) de la
UCR-UQROO” convocatoria 2009, a la Universidad
de Quintana Roo, en especial al Observatorio Urbano
de la Riviera Maya de la Unidad Académica Cozumel
de la UQROO.
REFERENCIAS
Decreto ejecutivo Núm. 35434-S-MTSS (2009) [en línea]
La Gaceta Núm. 162, Poder ejecutivo-Decretos.
328
Recuperado de http://www.gaceta.go.crPub /
2009/08/20/COMP_20_08_2009.html#_
Toc238444871
Ministerio de Salud de Costa Rica. (2003). Reglamento de
Organización y Funcionamiento del Sistema Nacional
de Vigilancia de la Salud. Decreto Ejecutivo. Núm.
30945-S, Diario La Gaceta Núm. 18, San José, Costa
Rica, 2-4 pp.
–––– (2008). Reglamento Orgánico. La Gaceta, Diario
Oficial Núm. 105, San José Costa Rica, 3-15 pp.
–––– (2009). Lineamientos oficiales para la detección,
prevención y control efectivo de la influenza pandémica
A H1N1 para los servicios de salud públicos y privados.
Despacho ministerial, Dirección General de Salud,
Dirección de Desarrollo Estratégico Institucional. 45 y
59 pp.
–––– (2009a). Lineamientos oficiales para la detección,
prevención y control efectivo de la influenza pandémica
A H1N1. Vigilancia e Investigación Epidemiológica.
Despacho ministerial, Dirección General de Salud,
Dirección de Desarrollo Estratégico Institucional,
Dirección de Vigilancia de la Salud. 45 p.
Páginas de internet consultadas
Ministerio de Salud de Costa Rica
http://www.ministeriodesalud.go.cr/
Secretaría de Salud de México http://portal.salud.gob.mx/
 RIESGO POR TEMPERATURAS MÁXIMAS EXTREMAS EN EL VALLE
DE MEXICALI
Yessica Beatriz DEBO MONTEROa, Judith LEY GARCÍA b, Onofre R. CUETO GARCÍA c
a
Estudiante del posgrado MYDCI, noordarigely@gmail.com
b
Instituto de Investigaciones Sociales, jley@uabc.edu.mx
c
Instituto de Ingeniería, rafalcueto@uabc.edu.mx

RESUMEN
Mexicali es una de las zonas del país donde se presentan, con mayor frecuencia, temperaturas máximas. Este
municipio se localiza en el desierto de Sonora, razón por la cual, históricamente se han presentado temperaturas
que sobrepasan los 50oC en época de verano. Entre las repercusiones más importantes derivadas de este
fenómeno, se encuentran las pérdidas humanas, asociadas al golpe de calor. A pesar de que las temperaturas
máximas extremas (TME), se manifiestan cada año, la población presenta capacidades diferentes para resistirlas,
es decir, no toda la población del Valle es susceptible de sufrir el mismo nivel de daño. Por lo anterior, el
objetivo del presente trabajo es evaluar espacialmente el riesgo por TME, a partir del análisis de las condiciones
de los habitantes (acceso a servicios de salud, edad, actividad) y las viviendas (materiales constructivos, bienes y
servicios) del Valle de Mexicali, mediante la evaluación del peligro de TME, en relación con la capacidad de
resistencia a las mismas por parte de la población, diferenciando espacialmente los niveles de riesgo. Para lograr
lo anterior, se construye un sistema de información geográfica, donde se superpone la información espacial de
las temperaturas registradas en las estaciones climatológicas y las características de las localidades de acuerdo
con Instituto Nacional de Estadística y Geografía.
Palabras clave: peligro, vulnerabilidad, riesgo, SIG, valle de Mexicali, temperatura máxima extrema.
El municipio de Mexicali se encuentra en una de
1 INTRODUCCIÓN
las zonas del país con mayor intensidad de
El presente trabajo forma parte del proyecto de temperaturas máximas, la cual rebasa los 400C cada
investigación “Riesgos derivados de temperaturas verano presentando oscilaciones térmicas mayores a
extremas: el caso del Valle de Mexicali, B.C., los 18oC entre el mes más caliente y el mes más frío
México” que desarrolla la autora en el posgrado (IG-UNAM, 1992), por tal razón Mexicali es
Maestría y Doctorado en Ciencias e Ingeniería de la considerado un sitio de alta peligrosidad por
Universidad Autónoma de Baja California. temperaturas máximas extremas (TME).
Las temperaturas extremas son aquellas que Por lo anterior, el objetivo del presente trabajo es
estadísticamente sobrepasan 2 a 3 veces la desviación analizar el riesgo por TME en la zona rural del
estándar, respecto a los valores normales, a través del municipio de Mexicali. Para ello se utiliza un Sistema
tiempo, dichas temperaturas han mostrado evidencias de Información Geográfica (SIG), el cual permite
de su capacidad de dañar a la población de manera observar la relación espacial entre el peligro que
directa e indirecta (Ley y cols. 2006). representan las TME y la vulnerabilidad de la
Si bien las TE son recurrentes en ciertos lugares población rural.
del país, generalmente las zonas rurales son las más
afectadas debido a que presentan peores condiciones 2 MÉTODO
para resistirlas, por ejemplo: escasez de servicios En el análisis del riesgo por TE se toma como base la
básicos, menores ingresos y viviendas construidas con Guía Básica para la Elaboración de Atlas Estatales y
materiales precarios, entre otros. En este sentido las Municipales de Peligros y Riesgos de CENAPRED
zonas rurales son más vulnerables a las temperaturas (2004), la cual consta de las siguientes fases: a)
extremas y por ello presentan un mayor nivel de Identificación del peligro, b) evaluación de la
riesgo. vulnerabilidad, y c) estimación del riesgo.

329
2.1 IDENTIFICACIÓN DEL PELIGRO Tabla 1. Niveles de vulnerabilidad. Fuente:
o
Las temperaturas mayores a 38 C se consideran TME CENAPRED (2004).
(CENAPRED, 2006). Debido a que 38oC es el Grado de Valor de IVP
umbral a partir del cual se producen efectos negativos vulnerabilidad
en la salud humana. Si esta temperatura se presenta Muy Bajo 0-0.2
por más de una hora o más de un día, el peligro
aumenta. Bajo 0.2-0.4
Medio 0.4-0.6
Para identificar espacialmente el peligro se integra
la capa de la información sobre las TME registradas Alto 0.6-0.8
en las estaciones meteorológicas de CONAGUA Muy alto 0.8-1
(2011) disponibles en el área. Con la información
anterior se generan isotermas para representar los 2.3 ESTIMACIÓN DEL RIESGO
gradientes de TME en el territorio e identificar las En esta fase se realiza la superposición de la
zonas con mayor peligro. información sobre el comportamiento espacial del
Para este trabajo se seleccionó uno de los años más peligro por TME y la distribución de la población en
críticos por TME en el Valle de Mexicali, el año 2006. el área de estudio para observar la relación peligro-
2.2 EVALUACIÓN DE LA vulnerabilidad e identificar las localidades con mayor
VULNERABILIDAD nivel de riesgo.

En esta fase se evalúan las condiciones inseguras de la 3 RESULTADOS

población ante TME mediante el cálculo del Índice de
Vulnerabilidad Parcial13 (IVP), el cual toma en
consideración, entre otras variables, las siguientes: a)
no derechohabiencia al servicio de salud, b) falta de
energía eléctrica en la vivienda y c) falta de agua
potable en la vivienda.
Con base en lo anterior y con datos del censo 2010
de INEGI se realizó el cálculo de IVP por localidad
por medio de la siguiente fórmula:
IVP=EI(.5)+EII(.25)+EIII(.25), (1)
donde EI es el porcentaje de población sin
derechohabiencia al servicio de salud, EII es el
porcentaje de viviendas que carece de energía
eléctrica y EIII es el porcentaje de vivienda que carece
de agua potable.
El IVP da como resultado valores que van de 0 a 1
y que implican diferentes niveles de vulnerabilidad
(ver tabla 1).
13
Se le denomino IVP por que el índice de vulnerabilidad que se
utiliza en la estimación de riesgo incluye acceso a instituciones de
salud, derechohabiencia, número de habitantes, grupos de edad,
profesión, característica de la vivienda, entre otros, las cuales
serán calculadas en el proyecto de investigación completo.
En el año 2006 se presentaron temperaturas máximas
que van de 42 a 500C. El comportamiento de este año
se muestra en la figura1 en la cual puede observarse
que las temperaturas más altas se presentaron en la
zona centro y suroeste del valle. Por lo tanto estas
zonas pueden considerarse de mayor peligrosidad por
TME para ese año.
La superposición de esta información con las
localidades permitió identificar que en la zona de
mayor peligrosidad (temperaturas mayores a 50oC) se
encuentran ubicada 1% de las localidades. Mientras
que 11% de las localidades se encuentran en el rango
de temperatura que oscila de los de los 47oC a los
48.7oC. Alrededor de 41% de las localidades se
ubican en la zona con temperaturas que van de los
45oC a los 47oC. Finalmente 47% de las localidades
que se encuentran en zonas con temperaturas menores
a los 45oC pero mayores a 38 oC (ver tabla 2).
Tabla 2. Localidades expuestas por rango de
temperatura. Fuente: Elaboración propia.
Temperatura No. de Localidades
38 oC a 45 oC 736
45oC a 47oC 641
47oC a 48.7 oC 177
Mayor a 50oC 15

330
Figura 1. Isolíneas e interpolación de TME en Valle de
Figura 2. Distribución espacial de localidades por grado de
Mexicali durante el año 2006.Fuente: Elaboración propia a
vulnerabilidad. Fuente: Elaboración propia a partir de datos
partir de datos de CONAGUA (2011).
del censo por localidad de INEGI (2010).
El análisis preliminar de vulnerabilidad permitió
identificar la distribución espacial de localidades por
nivel de vulnerabilidad. En la tabla 3 y la figura 2 se
observa que 1248 localidades con una vulnerabilidad
muy baja en todo el valle, 241 localidades con
vulnerabilidad baja, 71 localidades con vulnerabilidad
media que se localizan la mayoría al norte del valle, 7
localidades con vulnerabilidad alta al este del valle y 2
localidades con vulnerabilidad muy alta localizadas al
noroeste del valle.
Tabla 3. Localidades que presentan
vulnerabilidad por TME en Valle de Mexicali.
IVP No. de Localidades
Muy Bajo 1248
Bajo 241
Medio 71
Alto 7
Muy alto 2

Figura 3. Identificación de riesgo por TME. Fuente:

Elaboración propia.

331
 La superposición de la información del peligro por
TME y el IVP se muestra en la figura 3, en la cual se
observan dos zonas de rango de temperatura mayor a
los 50oC abarca 15 localidades, en 6 de ellas
predominan las viviendas que carecen de electricidad,
mientras que en 2 predominan las viviendas que
carecen de agua potable, y 161 personas de 253
carecen de servicios médicos, dichas poblaciones se
encuentran dentro del ejido Durango, y las colonias
Leona Vicario y Carranza entre otras y señaladas en
puntos amarillos.
Mientras que en el rango de temperatura de 47oC a
48.7 oC se ubican 62 de 177 localidades presentan
viviendas que carecen de energía eléctrica, y en 39
localidades predominan las viviendas que carecen de
agua, de las cuales 4,172 habitantes carecen de
derechohabiencia.
o o
En la zona dentro del rango de 45 C a 47 C se
ubican 641 localidades de las cuales 118 localidades
presentan viviendas que carecen de servicio eléctrico,
en 222 localidades predominan las viviendas que
carecen de agua y 7, 215 personas no poseen servicio
de salud, dichas localidades se encuentran al noreste,
dentro de los ejidos: Torreón, Tepic, Tabasco,
Guadalajara, Campeche, entre otros y al noreste del
valle en la colonia Progreso, Zaragoza, Orizaba, etc.
La zona más crítica por el nivel de riesgo se ubica
al centro del valle como se observa en la figura 3
(círculo de color rosa).
4 REFLEXIÓN FINAL
En este trabajo se encontró que en el 2006 las TME se
presentan en todo el valle de Mexicali, pero su
distribución no es homogénea, porque existen zonas
que alcanzaron los 500C mientras que otras
332
presentaron temperaturas menores a 450C. Por lo
anterior la población se encuentra expuesta a
diferentes intensidades del peligro.
Por otro lado se encontró que si bien, la mayoría de
las localidades presentan un grado de vulnerabilidad
bajo, también existen localidades con vulnerabilidades
muy alta o alta que pueden verse afectadas en mayor
grado por las TME y por ello se encuentran en riesgo.
Con respecto a la diminución del riesgo por TME
en el valle de Mexicali se puede sugerir mejorar las
condiciones de la población por medio de la
ampliación de la cobertura de los servicios básicos y
de salud principalmente en las localidades más
vulnerables y en aquellas localidades expuestas a un
nivel más alto de peligro.
REFERENCIAS
CENAPRED. 2004. Guía básica para la elaboración de de
atlas estatales y municipales de peligros y riesgo del
Centro Nacional de Prevención de Desastres, pp. 45-63.
CENAPRED. 2006. Capítulo III. Análisis del peligro y
vulnerabilidad por bajas temperaturas y nevadas del
Centro Nacional de Prevención de Desastres, pp. 1-162.
CONAGUA 2011. Datos climatológicos diarios de las
estaciones de la Comisión Nacional de Agua.
http://smn.cna.gob.mx/index.php?option=com_content&view=article
&id=42&Itemid=75
IG-UNAM. 1992. Atlas Nacional de México (1990-1992).
Mapas temáticos de México, primera edición,
elaborados por el Instituto de Geografía de la UNAM.
INEGI. 2010. Censo de Población y vivienda 2010 del
Instituto Nacional de Estadística y geografía.
Ley J., Venegas R., García R. 2006. Atlas de Riesgos
Naturales y Químicos. Identificación y zonificación)
Ciudad de Mexicali, Baja California, México. pp 122-
133.
 EVIDENCIAS DEL EFECTO DE “ISLA DE CALOR” EN MORELIA ,
MICHOACÁN, MÉXICO
Roberto Javier GÓMEZ-BERMEJO a, Isabel Ramírez Ramírez b, Francisco Espinosa García a
a
Centro de Investigaciones en Ecosistemas, UNAM, Antigua Carretera a Pátzcuaro No. 8701 Col. Ex-
Hacienda de San José de La Huerta, Morelia Michoacán. MÉXICO, email: rjgomez@cieco.unam.mx
b
Centro de Investigaciones en Geografía Ambiental, UNAM campus Morelia

RESUMEN
Los cambios climáticos presentes en las ciudades varían de forma muy contrastante en la matriz urbana. Uno
de los efectos más evidentes es el incremento de calor en el ambiente urbano. Este efecto donde la temperatura
de la ciudad es mayor que en las áreas rurales aledañas se denomina “Isla de Calor Urbana” (ICU). Estos
cambios dependen de la ubicación, extensión y cantidad de habitantes presentes en las zonas urbanas, por lo
que influyen en la distribución la flora y fauna presentes el paisaje urbano. Pueden favorecer o no especies
invasoras de clima cálidos en el zonas con mayor temperatura dentro de las ciudades. Para verificar esta
situación, este estudio se enfocó a estudiar la presencia del efecto de ICU en la zona urbana y rural aledaña de
Morelia, contrastándola con su zona rural aledaña. Para delimitar el gradiente térmico de la ciudad utilizamos
imágenes de percepción remota LandSat 7 ETM+ disponibles para el área de estudio de los años comprendidos
del 2000 al 2003 que no presentaran nubosidad. De las imágenes se obtuvo la banda del infrarrojo térmico de
la cual se obtuvo los valores de temperatura, a partir de los valores de radiancia, mediante el método COSIME.
Los resultados preliminares de nuestro estudio indican que el efecto de ICU en Morelia no es evidente ya que
presenta mucha similitud con la temperatura de zonas rurales aledañas de la ciudad. Solo se evidenciaron
algunos “puntos cálidos” principalmente en sitios asociados a fabricas y a predios con suelos desnudos. Para
explicar las causas de este comportamiento, como el relieve, la hidrología y la distribución de zonas verdes
presentes en la zona urbana y rural aledaña de Morelia (ZURAM).
Palabras clave: Morelia, temperatura, isla de calor, puntos cálidos.
vegetación (sitios permeables y húmedos) por
1 INTRODUCCIÓN
superficies pavimentadas resistentes (impermeables y
Las ciudades constituyen el más claro ejemplo de un secas). Para cualquier material de la superficie algunas
ambiente artificial perturbado. Los cambios propiedades físicas, tales como la capacidad de calor,
microclimáticos presentes en las ciudades varían de conductividad térmica y la inercia, juegan un papel
forma muy contrastante en la matriz urbana. Por efecto importante en el régimen de la temperatura de un
de la urbanización se producen cambios en el paisaje. cuerpo en equilibrio con su ambiente (Campbell,
La rápida urbanización de las superficies artificiales se 2002).
debe al reemplazo natural de tierra. Este reemplazo de
Dentro de los fenómenos urbanos climáticos que
suelo por pavimento y construcciones genera una
influyen en las características ambientales urbanas,
modificación importante de los campos de flujo de
destaca la diferencia observada en la temperatura
energia a micro y mesoescala (101-103 y 103-104,
existente entre las ciudades y su entorno rural aledaño.
respectivamente) de las ciudades (Arnfield, 2002). El
Este efecto donde la temperatura de la ciudad es mayor
microclima de las ciudades es muy distinto al original,
que en las áreas rurales aledañas se denomina “Isla de
sobre todo cuando se compara con las zonas cercanas.
Calor Urbana” (ICU). Este fenómeno urbano se debe
Esto debido principalmente a la gran dinámica
principalmente al reemplazo de suelo por pavimento y
energética presente en las ciudades, además de los
edificios, aunado a la dinámica energética generada
cambios en los usos del suelo que fueron modificando
por motores de combustión, aparatos eléctricos y
el paisaje nativo.
movimiento de materia (Landsberg, 1981).
En las áreas con desarrollo urbano, que son
Los estudios de este fenómeno tradicionalmente
características por sus edificios, carreteras y otras
han sido realizados para lugares aislados y con las
infraestructuras, donde se sustituyen tierra con
mediciones de la temperatura del aire in situ. La

333
tecnología de teledetección por satélite ha hecho
posible estudiar ICU de forma remota y continental o
mundial (Oke et al., 1999). Por su conformación y
heterogeneidad en sus espacios y estructuras, las
ciudades presentan en una gran variedad de
microambientes (Rapoport y López-Moreno, 1987). La
estructura, composición y dinámica de las ciudades
genera una gran cantidad de respuestas físicas,
químicas y biológicas (Marzluff, 2008). Estas
condiciones que afectan no solo a los habitantes, sino a
toda la flora y fauna presentes, dependiendo de la
ubicación, extensión y cantidad de habitantes dentro
del paisaje urbano.
En diversos trabajos florísticos sobre especies
vegetales en zonas urbanas y periurbanas se refleja la
capacidad de las ciudades para albergar distintos tipos
de plantas en sus diversos microambientes (Vibrans,
1998; Liang, et al, 2008). Esto se considera que se
debe a que la vegetación puede responder de formas
muy variadas en función de las condiciones térmicas
que encuentre en el ambiente (Quattrochi y Ridd,
1998). Un conjunto de especies características de sitios
perturbados, son las malezas. Las plantas denominadas
“malezas” son especies vegetales consideradas
indicadoras de perturbación debido a que crecen en los
alrededores de casas, vías de comunicación, y cultivos
así como en otros ambientes con actividad humana.
Dentro de las malezas, existen algunas llamadas
“invasoras”, que son especies exóticas, capaces de
sobrevivir, reproducirse y establecerse en hábitats o
ecosistemas naturales o modificados donde puede
amenazar la diversidad biológica, la economía y la
salud pública (CDB, 2009).Sin embargo, muchas de
las malezas pueden coexistir con especies bien
establecidas y naturalizarse, sin lograr un efecto
negativo sobre el ambiente. Esta ausencia de
comportamiento invasivo refleja que en las malezas
existen factores que pueden inhibir su predominancia
en un ambiente evitando así ser una amenaza para la
biodiversidad existente (Naranjo y Dirzo 2009; Vié et
al. 2009). Los impactos de las islas de calor urbano y
el cambio climático global (o el calentamiento global)
a menudo son similares.
Debido a que se ha propuesto que las ciudades y
áreas perturbanas representan un ambiente muy
diverso que permite que plantas exóticas ingresen a
ellas (Rapoport et al., 1983). En este estudio
consideramos que esta situación puede facilitar que en
las ciudades se refugien plantas invasoras de climas
más cálidos, ya que las ciudades pueden presentar
efecto de isla de calor urbano.
334
2 METODO
Nuestro estudio se enfocó a analizar la presencia del
efecto de ICU en la ciudad de Morelia, Michoacán,
México. El Efecto de ICU en superficie se puede
obtener a través de percepción remota utilizando la
banda del infrarrojo térmico obtenida por satélites con
sensores sensibles a la longitud de onda entre 3 y 14
µm. En el caso de Landsat ETM+, es la banda 6, con
una longitud de onda de 10.4 a 12.5 µm. Esta imagen
tiene una resolución suficiente para distinguir de forma
diferenciada la radiación de techos, calles,
estacionamientos y otras planchas de cemento, como
son parques, etc (Marzluff, 2008).
Para delimitar el gradiente térmico del área de
estudio utilizamos las imágenes multitemporales
(multianuales) de los meses que presentaban la mayor
temperatura promedio máxima y mínima diaria (Mayo
y Enero respectivamente) debido a que el efecto de
ICU es más evidente en condiciones ambientales
donde los valores térmicos son más extremos
(Arnfield, 2002).
3 AREA DE ESTUDIO
El área de trabajo comprende la zona urbana y rural
aledaña de Morelia (ZURAM), Michoacán, México.
Ésta ocupa cerca de 90 km2 con una población de
730,000 habitantes (INEGI, 2010). Se encuentra
localizada en las coordenadas geográficas 19° 39’ y
19° 44’latitud norte y 101° 08’ y 101° 15’longitud
oeste. Su altitud promedio es de 1940 m. Forma parte
de la cuenca del Lago de Cuitzeo. Sus principales ríos
son el “Grande” y el “Chiquito”. Estos dos ríos,
rodeaban la ciudad hasta mediados del Siglo XX,
poseen gran parte de su cauce dentro de Morelia. El
clima es templado con lluvias en verano, con
precipitación promedio anual de 770 mm. Las
temperaturas oscilan de 1.4 a 32°C con promedio
anual de 17.7°C. En el climograma del sitio se observa
que la temperatura media mensual oscila entre los 14
0
C y los 23 0C, registrándose las temperaturas menores
de noviembre a febrero y las mayores de abril a junio
de cada año. Las mayores precipitaciones ocurren de
junio a septiembre, siendo los mayores registros en el
mes de junio, con una precipitación pluvial media de
96 mm.
La ZURAM presenta un relieve donde se
encuentran principalmente 3 unidades
geomorfológicas: piedemonte, lomeríos y colinas.
(López-Granados, 1999). Dentro del área existen
varias fallas geológicas, de las que destacan dos, por
considerarse como potencialmente sísmicas (López-
Granados, 1999). Dichas fallas son responsables de la
formación de la loma sobre la cual se ha construido la
ciudad colonial de Morelia, así como del desnivel
(200m) entre la Mesa de Santa María y la Loma de
Morelia (Garduño-Monroy, et al., 2001).
4 PROCESAMIENTO DE IMÁGENES
Para delimitar el gradiente térmico del área de estudio
utilizamos imágenes de los meses con mayor
temperatura promedio máxima y mínima diaria, es
decir, mayo y enero, respectivamente. Esto debido a
que el efecto de ICU es más evidente en condiciones
ambientales donde los valores térmicos son más
extremos (Arnfield, 2002).
Para el área de estudio se adquirieron las imágenes
disponibles de Landsat 7 Enhanced Thematic Mapper
Plus (ETM +) imagen (Fila / Ruta: 26/48 y 27/48). Los
datos que se utilizaron en esta investigación, son de
días que presentaron una atmósfera muy clara. Las
imágenes fueron adquiridas a través del Centro de
Datos del Sistema de Observación de los Recursos
Terrestres (USGS. Se descargaron imágenes con un
nivel de calidad 1G, que significa imágenes ya
corregidas de distorsiones radiométricas y Figura 1. Imagen de la banda 6, infrarrojo térmico. Se
geométricas. La banda térmica de ETM + tiene una
resolución espacial de 60 m, y las imágenes térmicas
de Landsat 7 generalmente están bien calibradas a los
datos reales de tierra (Arvidson, 2002). Por lo que las
imágenes satelitales adquiridas fueron corregidas
topográficamente por el método COSINE, que
relaciona parámetros topográficos (elevación,
pendiente, orientación de ladera, el ángulo de
incidencia, el ángulo de reflexión) con los valores de
radiancia de la imagen (Teillet et al 1982). Las
diferencias de temperatura en grados centígrados
fueron derivadas y corregidas a partir de la calibración
del valor radiométrico de la banda 6.
5 RESULTADOS
Los resultados preliminares indican que el contraste
térmico entre la zona urbana y las áreas rurales
aledañas, el efecto de ICU en ZURAM no es evidente.
Existen puntos de la ciudad que presentan marcada
diferencia de temperatura con los sitios aledaños, pero
esta diferencia es de forma muy limitada. En toda el
área de estudio predomina la similitud de temperaturas
entre zonas rurales aledañas y las de la ciudad. A nivel
de toda el área de estudio se distingue una tendencia
de gradientes térmicos que va de menor a mayor
temperatura con dirección del Sureste al Noroeste
(Fig. 1). Este gradiente se origina cerca al Club de
Golf de Morelia (donde la falla de “La Paloma”
alcanza su mayor desnivel) y va disminuyendo en la
cercanía de las áreas verdes del Planetario (el
335
Zoológico y el Parque Cuauhtémoc). Es a partir del
centro histórico de Morelia, con dirección al Noreste,
cuando los puntos fríos disminuyen y comienzan a
aparecer los puntos más cálidos. Aunque no se observó
un efecto de ICU en el área urbana (causado por la
ciudad en relación a su periferia) este estudio permitió
evidenciar que el gradiente térmico no es homogéneo
en toda el área estudiada. A nivel local (colonias o
parques, por ejemplo), se pudieron evidenciar algunos
puntos “cálidos” o “fríos” que dentro de la ZURAM
implican distintos usos del suelo.
puede apreciar que el efecto de ICU en el área de estudio. A
nivel local se aprecian puntos cálidos (claros) y fríos
(oscuros) de la ZURAM.
En la ZURAM se encontraron puntos cálidos que
estaban principalmente asociados con fábricas y
predios con suelos desnudos. Para el caso de los
puntos fríos, los sitios que destacan como sitios con
menor temperatura dentro del área corresponden a
espacios abiertos (jardines, parques, laderas). Esta
presencia de puntos cálidos o fríos en términos de su
estructura térmica se distinguen fuertemente de la
ZURAM.
6 DISCUSIÓN
Aunque la información sobre la forma y la dinámica
de la ICU ahora está disponible principalmente para
las zonas climáticas de las regiones templadas, este
estudio contribuye en ampliar las evaluaciones del
efecto de ICU en áreas tropicales, como se ejemplifica
en estudios de la Ciudad de México (Oke et al., 1999)
y puede contribuir a la base de conocimientos sobre
climatología urbana.
En la interpretación de los datos y las imágenes
térmicas de distribución de la temperatura en un área
es compleja, a medida que se incrementan los factores
que intervienen en el clima urbano (Arnfield, 2002).
Probablemente el efecto de Isla de Calor en nuestra
área de estudio no fue tan evidente debido al efecto de
ladera, originado por la falla “La Paloma”, sea de
mayor influencia en la temperatura que ZURAM
(Barbour et al., 1981). Al parecer, los usos recreativos
y culturales en la parte sur de la ciudad, ayudan a
disminuir el efecto de ICU.
La magnitud y extensión espacial de los puntos
cálidos varían de cero hasta un valor máximo de algo
más de 4 °C. También las extensiones espaciales son
algo variadas, con extensiones entre 30 y 500 m por lo
que el efecto de puntos cálidos o fríos parece estar
restringido a una distancia relacionada con las
dimensiones del parque, fábrica o cuerpo de agua.
Aunque estén presentes varios puntos con evidente
diferencia de temperatura, su distribución es dispersa y
su efecto muy limitado, por lo que se origina un efecto
de ICU.
7 CONCLUSIONES
En este estudio preliminar no se aprecia un efecto de la
isla de calor urbano (ICU) en la zona urbana y
periferia de Morelia, debido a que no existen
diferencias entre las temperaturas de la zona urbana y
areas rurales aledañas. Solo se encontraron efectos
locales donde la diferencia de temperatura se hace
evidente, sea en incremento (puntos cálidos) o
disminución (puntos fríos). Las fábricas de la ciudad
son significativamente los puntos más cálidos y
parques son los lugares con temperaturas menores
dentro de área estudiada. Probablemente el efecto de
ICU en la ZURAM no sea evidente es debido a otros
factores que influyen en el gradiente térmico, como
son el relieve, la hidrología y las amplias zonas verdes
presentes en la ZURAM.
REFERENCIAS
Arnfield, A. 2003. Two decades of urban climate research:
A review of turbulence, exchanges of energy and water,
and the urban heat island. Int. J. Climatol. 23: 1–26
Arvidson, T. 2002. Personal Correspondence, Landsat 7
Senior Systems Engineer, Landsat Project Science
Office, Goddard Space Flight Center, Washington, DC.
Barbour G.M., Burk, J.H. y W.D. Pitts. 1981. Terrestrial
plant ecology. Benjamin/ Cummings Publishing
Bornstein RD. 1968. Observations of the urban heat island
effect in New York City. Journal of Applied
Meteorology 7: 575–582.
Campbell, J. B. 2002. Introduction to Remote Sensing. (3rd
ed.). New York: The Guilford Press.
336
CDB. 2009. Conferencia de las Partes COP 6, Decisión
VI/22: “Especies exóticas que amenazan a los
ecosistemas, los hábitats o las especies”. Convenio sobre
Diversidad Biológica.
Garduño-Monroy, E.; Arreygue-Rocha, I.; Israde-Alcántara
and G. Rodríguez-Torres. 2001. Efectos de las fallas
asociadas a sobreexplotación de acuíferos y la presencia
de fallas potencialmente sísmicas en Morelia,
Michoacán, México. Revista Mexicana de Ciencias
Geológicas, 18 pp. 37–54. |
López-Granados, E. 1999. Cambio de uso de suelo y
crecimiento urbano en la ciudad de Morelia. Tesis de
Grado. Maestría en Ciencias. Facultad de Biología,
Universidad Michoacana de San Nicolás de
Hidalgo: 134 pp.Landsberg, H.E. 1981. The Urban Climate.
Academic Press: New York.
Liang, Y., Li, J.W., Li, J., y S.Valimaki.2008. “Impact of
urbanization on plant diversity: A case study in built-up
areas of Beijing”. Forestry Studies in China, 10(3): 179-
188.
Marzluff, J., 2008. Urban ecology: an international
perspective on the interaction between humans and
nature. Ed. Springer. 807pp.
Naranjo, E.J. y R. Dirzo. 2009. “Impacto de los factores
antropogénicos de afectación directa a las poblaciones
silvestres de flora y fauna”. En R. Dirzo, R. González y
I.J. March (comps.). Capital natural de México. Vol II:
Estado de conservación y tendencias de cambio.
CONABIO, México. 247-276.
Oke T.R.; Spronken-Smith, R.A.; J´auregui E, y C.S.B.
Grimmond. 1999. The energy balance of central Mexico
City during the dry season. Atmospheric Environment
33: 3919–3930.
Quattrochi, D. A., & Ridd, M. K. 1998. Analysis of
vegetation within a semi-arid urban environment using
high spatial resolution airborne thermal infrared remote
sensing data. Atmospheric Environment, 32, 19–33.
Rapoport, E. y I. López-Moreno. 1987. “Aportes a la
ecología urbana de la ciudad de México”. México :
Limusa. 228 pp.
Rapoport, E., Díaz-Betancourt, M. y I. López-Moreno.
1983. “Aspectos de la ecología urbana en la ciudad de
México: flora de las calles y baldíos”. México : Limusa.
197 pp.
Teillet, P. M.: Guindon, B.y D. G. Goodeonugh. 1982. “On
the slope-aspect correction of multispectral scanner
data,” Canada Journal of Remote Sensing., vol. 8, pp.
84–106.
Vibrans, H. 1998. “Urban weeds of Mexico City. Floristic
composition and important families”. Anales del
Instituto de Biología, Serie Botánica, 69(1): 37-69.
Vié, J.C., C. Hilton-Taylor y S.N. Stuart. 2009. “Wildlife in
a changing world - An analysis of the 2008 IUCN red
list of threatened species”. Gland, Suiza.
 IDENTIFICACIÓN DE AMENAZAS DE SEQUÍAS EN REGIONES
AGROPECUARIAS DEL ESTADO DE PUEBLA, MÉXICO.
Ángel David FLORES-DOMÍNGUEZa, Javier Ángel GONZÁLEZ-CORTÉSb y Angélica
GUTIERREZ-DEL VALLEb
a
Posgrado en Geografía CIGA-UNAM, Morelia, Michoacán, México, aflores@pmip.unam.mx
b
Fundación Produce Puebla A.C., Puebla, México

RESUMEN
Dadas las recurrentes afectaciones que las sequías provocan en el sector agropecuario, y debido a que sus
impactos se manifiestan de forma más drástica en las zonas dependientes del temporal de lluvias, se plantea la
presente investigación, la cual tiene por objetivo identificar la amenaza de presentarse una sequía en regiones
agropecuarias del Estado de Puebla, México. Para lograr esto se hará un análisis mediante sistemas de
información geográfica, de los lugares en donde se han presentado sequías según los registros oficiales, para
relacionar la ubicación espacial del fenómeno con las condiciones atmosféricas presentes durante su
ocurrencia, así como otros factores que también pudieran estar relacionados, como el relieve, la altitud, la
cubierta del suelo y su grado de perturbación o la capacidad física de retención de agua en los suelos. Una vez
identificadas las condiciones determinantes para la ocurrencia de la sequía, se clasificará el territorio de
acuerdo a su probabilidad de ocurrencia. En las zonas con mayor probabilidad se hará un análisis del efecto
socioeconómico que una sequía podría ocasionar. La información generada servirá para elaborar un sistema de
alerta sobre riesgos en la producción agrícola del Estado de Puebla, el cual se hará disponible a través de un
portal agroclimático de libre acceso en internet, donde se proporciona información agroclimática para todo el
estado. Se espera que dicha información sirva de base para una mejor planificación de la actividad
agropecuaria en el Estado y la disminución del riesgo de afectaciones por sequías.
Palabras clave: Sequía, Amenaza, Agroclimático, Puebla
degradados poco productivos, altamente compactados
1 INTRODUCCIÓN
por efecto del sobrepastoreo y la pérdida de la
Las sequías pueden considerarse como una alteración cubierta vegetal; hacen que se dificulte la infiltración
del ciclo hidrológico en donde las escasas y por tanto el agua será retenida en menor cantidad en
precipitaciones, combinadas con otros fenómenos el suelo.
como fuertes vientos y altas temperaturas, modifican
Aproximadamente en México se cultivan cada año
la distribución de la humedad, y provocan severas
16 millones de hectáreas en temporal, principalmente
crisis ambientales. Desde un enfoque agrícola, se
con cereales, granos, hortalizas y frutales, se estima
relaciona con una baja disponibilidad de agua en el
que cerca del 50% de las pérdidas agrícolas anuales
suelo que limita o impide el desarrollo fenológico de
son ocasionadas por efecto de las sequías. Mediante el
las plantas.
programa de atención a contingencias climatológicas
La ocurrencia de sequías representa importantes (PACC) dependiente de la Secretaría de Agricultura,
daños económicos por la pérdida parcial o total de Ganadería, Desarrollo Rural, Pesca y Alimentación
cultivos anuales o perennes, ganado, especies (SAGARPA) , los gobiernos federal y estatal destinan
forestales maderables y no maderables y fauna cerca de mil millones de pesos anuales para
silvestre. Los daños son más severos en áreas donde la compensar a los productores por la pérdida de sus
agricultura depende completamente del régimen cosechas.
temporal de lluvias; generalmente estas zonas se
En el Estado de Puebla, en el año 2009 se
asocian con poca o nula tecnificación agrícola, con
destinaron casi 119 millones de pesos para el pago a
problemas sociales como pobreza y marginación
productores afectados por contingencias
(FAO, 1995), en donde los productores practican una
climatológicas que dañaron 129 mil 500 hectáreas y
agricultura de subsistencia. Esta situación combinada
726 unidades animal.
con otros problemas ambientales como suelos

337
 Debido a que existe una estrecha relación entre las suelo; esta información se utilizará como insumo de
variaciones climáticas y el desarrollo de la agricultura, un análisis de pesos de evidencias, en donde se
la cual se ha documentado desde hace varios siglos calculará la probabilidad para cada insumo de estar
(Florescano, 1980; Le Roy, 1991; Contreras 2005), y asociado a la ocurrencia de una sequía.
debido a la presencia recurrente de fenómenos Con los resultados de la evaluación se propondrá la
climáticos como El Niño, que ocasionan siniestros en delimitación de zonas geográficas con similar
la agricultura, se hace cada vez más necesario generar probabilidad de ocurrencia, en base a un análisis de
información que incorpore herramientas modernas de conglomerados y se representarán por medio de
análisis (Conde et al. 1999), para los tomadores de cartogramas. Estos mapas finales serán incorporados a
decisiones, a fin de ayudar a disminuir el efecto de las un sistema de alerta temprana de sequías, mediante
condiciones climáticas extremas enmarcadas en una aplicación web, en donde se hará disponible a
procesos de cambios climáticos globales. instituciones interesadas y al público en general.
Este trabajo se enfoca a proponer la delimitación
geográfica de las zonas agropecuarias para el Estado 3 AVANCES EN LA INVESTIGACIÓN
de Puebla, con mayor probabilidad de ser afectadas Al momento se tiene la estimación del área de
por sequías, a partir del análisis de su recurrencia confiabilidad para 129 estaciones meteorológicas
histórica, contrastada con datos meteorológicos, distribuidas en el estado, el área se delimitó en base en
pronósticos agroclimáticos, uso del suelo, cobertura y una distancia máxima de 20 km de radio alrededor de
su estado de conservación. La información generada la estación y una pendiente máxima de 3 grados
será disponible para el público interesado en el tema y (Figura 1). Se tiene una base de datos con registros de
tomadores de decisiones en el sector agropecuario 10 años de eventos de sequías ocurridos y su
(gobierno, instituciones educativas y de investigación, ubicación geográfica aproximada con base en las
prestadores de servicios profesionales y productores). localidades de INEGI del 2005.
2 METODOLOGÍA 4 FIGURAS Y TABLAS
Como primer paso se obtendrá la base de evidencias
de sitios donde se han presentado sequías, a partir de
listados de productores beneficiados del Programa de
Atención a Desastres Naturales en el Sector
Agropecuario y Pesquero durante el periodo de 2000 a
2011, y se ubicarán espacialmente a partir de la base
de datos de localidades de INEGI del 2005, los
eventos se clasificarán de acuerdo a su magnitud de
daño.
Posteriormente se hará el análisis de las
condiciones meteorológicas que prevalecieron durante
la ocurrencia del siniestro con base en registros
agroclimáticos de estaciones aledañas a las zonas. Con
los datos climáticos se estimarán variables
relacionadas con la deficiencia hídrica para las
plantas, como la evapotranspiración potencial e
índices de sequías. El análisis de los datos de las
estaciones incluye la estimación de un área de
confiabilidad alrededor de cada estación estimada en
base al relieve del terreno.
Con base en la carta edafológica y de uso del suelo
de INEGI, se hará la delimitación de las zonas Figura 1. Área máxima de confiabilidad en la estimación
agrícolas de temporal, la evaluación de la capacidad de datos meteorológicos para estaciones en el Estado de
de almacenamiento de agua en el suelo, el estado de Puebla.
degradación de la vegetación y el tipo de cubierta del

338
 AGRADECIMIENTOS
Este trabajo se está realizando con financiamiento de
la Fundación Produce Puebla, así mismo se agradece
el apoyo del M. en C. Mauricio Mora, gerente de la
Fundación y a la Comisión Nacional del Agua por
proporcionar la base de datos climáticos; a la
Secretaría de Desarrollo Rural de Puebla por la bases
de datos sobre contingencias climáticas. Al Dr.
Francisco Bautista y al CIGA por proporcionar el
software MOCLIC.
REFERENCIAS
Conde, C., Ferrer, R., Araujo, R., Gay, C., Magaña, V.,
Pérez, J., Morales, T. y Orozco, S. 1999. “El niño y la
339
agricultura”, en Magaña, V. (ed). Los impactos de El
Niño en México. SEP-CONACyT. Pp 103-136
Contreras, C. 2005. Las sequías en México durante el siglo
XIX. Investigaciones Geográficas 56: 118-133
FAO. 1995. Agricultura mundial hacia el año 2010, estudio
de la FAO. Mundiprensa. España. Versión digital
consultada en marzo de 2010, disponible a través del
vínculo:
http://www.fao.org/DOCREP/003/V4200S/V4200S00.
HTM
Florescano, E. 1980. Análisis Histórico de las Sequías en
México. SARH: Com. Plan Hidráulico Nacional.
México.
Le Roy, E. 1991. Historia del clima desde el año mil. Fondo
de Cultura Económica. México. 522 pp.
 APLICACIÓN DE UN SISTEMA DE INFORMACIÓN GEOGRÁFICA
PARA LA DETERMINACIÓN DEL RIESGO POR FLUJOS DE
DERRUBIOS
Guillermo CARDOSO LANDAa
a
Instituto Tecnológico de Chilpancingo, Av. Guerrero # 81, Col. Ruffo Figueroa, Chilpancingo, Gro.,
email: gclanda@prodigy.net.mx

RESUMEN
El conocimiento del mecanismo en el proceso de inicio de los flujos de derrubios es fundamental para la
mitigación de los peligros asociados a este tipo de flujos y un requisito necesario para implementar medidas
tendientes a disminuir los efectos desastrosos que ellos producen. Entender este proceso puede proporcionar
una guía para clasificar las áreas potencialmente peligrosas, donde se requieran proponer métodos y estructuras
de protección. Por otro lado, también puede incrementar el conocimiento de las situaciones críticas de estas
zonas y servir como un criterio para enviar información de prevención a tiempo para que las personas puedan
ser evacuadas de esos lugares de alto riesgo. Tomando en consideración los factores predominantes y los
modelos para el inicio de flujos de derrubios conocidos, así como el análisis de los trabajos de investigaciones
desarrollados a la fecha, los modelos hidrológicos distribuidos y empleando la tecnología de los sistemas de
información geográfica y de los modelos digitales de elevaciones en combinación con el modelo de estabilidad
de talud infinito, se desarrolló un modelo para estimar las potenciales zonas de inicio en un flujo de derrubios.
Palabras clave: Sistema de información geográfica, flujo de derrubios, zona de inicio
importante el estudio de su comportamiento, con el
1 INTRODUCCIÓN
propósito de disminuir los graves daños económicos y
Los desastres naturales constituyen un serio obstáculo de pérdidas de vidas humanas que originan.
para el desarrollo humano y el cumplimiento de los
Objetivos de Desarrollo del Milenio tan importantes 2 FLUJOS DE DERRUBIOS
como la reducción de la pobreza extrema a la mitad Los flujos de derrubios (debris flows) están formados
antes del año 2015. No en vano los desastres naturales de una mezcla de material fino (arena, limo y arcilla),
provocan pérdidas económicas anuales que van desde material grueso (gravas y boleos) y una cantidad
los 75,500 millones de dólares estadounidenses en los variable de agua, que forma un lodo, el cual se mueve
años 60, 138,400 millones en los años 70, 213,900 hacia ladera abajo, generalmente en oleadas inducidas
millones en los 80 y 659,900 millones en los 90, la por la acción de la gravedad y el colapso repentino del
mayoría de ellos en el mundo desarrollado. Ahora material en el banco. Generalmente tienen lugar en
bien, las estimaciones económicas no captan laderas cubiertas por roca delgada no consolidada y
adecuadamente el impacto de los desastres en los suelo de derrubios, especialmente donde la cubierta
países más pobres, donde los costos en términos de vegetal ha sido removida por deforestación o
vidas humanas, de medios de subsistencia y de incendios.
reconstrucción de infraestructuras destrozadas son
más elevados. Actualmente, el 85 por ciento de En cualquier flujo de derrubios se distinguen tres
quienes se encuentran expuestos a los terremotos, elementos fundamentales: el área de generación, la
ciclones tropicales, inundaciones y sequías, viven en trayectoria principal y la zona de depósito. Estos
países cuyo desarrollo humano es medio o bajo. En flujos comúnmente siguen los escurrimientos del
términos absolutos, se ha evidenciado que el costo drenaje preexistentes y las trayectorias tienen una
económico de los desastres ha ido en aumento en el sección transversal rectangular o en forma de “V”.
transcurso de las últimas décadas. Un tipo de estos Algunos de los derrubios gruesos serán acumulados al
desastres naturales son los debris flows, los cuales han lado de la trayectoria para formar crestas laterales.
incrementado su presencia en los años recientes y en Los depósitos de un flujo de derrubios son dejados
la mayoría de las regiones del mundo, por lo que es donde la pendiente del canal disminuye o al pie de los

340
frentes en la montaña. Una serie de oleadas sucesivas
construirán al interior un abanico de derrubios.
Algunos flujos de derrubios son fluidos
excepcionalmente largos y pueden viajar grandes
distancias más allá del área de generación. Los
depósitos de estos flujos de baja viscosidad se
extienden fuera en áreas de confinamiento disminuido
para formar abanicos aluviales (Costa, 1984).
Los flujos de derrubios se presentan en la mayoría
de los ambientes climáticos, desde desiertos hasta
regiones alpinas y desde zonas árticas a áreas
mediterráneas. Este tipo de flujos son potencialmente
una forma muy destructiva de movimiento de ladera
en regiones montañosas, donde el aumento repentino
de agua, generalmente proveniente de lluvia intensa o Figura 1.- Deslizamiento a nivel mundial por año de 1903
nieve derretida, puede movilizar los escombros o a 2003.
derrubios cubriendo las laderas e incorporando en su
interior el flujo de derrubios, (Hutchinson, 1988). En esta figura 2 pueden apreciarse los países que
en 100 años han padecido con mayor frecuencia los
Los flujos de derrubios son los movimientos desastres producidos por los deslizamientos, entre los
rápidos de derrumbes de tierras, ocasionados por que destacan los enlistados en la parte inferior de esta
flujos hiperconcentrados de agua y sedimentos, que figura, aunque recientemente se han presentado en
ocurren en una gran variedad de medios ambientes a otros países que no aparecen en esta relación.
lo largo de todo el mundo. Son particularmente
peligrosos para la vida y las propiedades debido a sus
altas velocidades y gran fuerza destructiva, abatiendo
casas, caminos, puentes, árboles y cultivos, corrientes
naturales y ecosistemas a lo largo de su trayectoria.
Los flujos de escombros o derrubios están
generalmente asociados con periodos de precipitación
alta e intensidades de lluvias muy fuertes o con
nevadas intensas que tienden a presentarse como
avenidas de mezclas sedimentos-agua con resultados
catastróficos para la zona en donde se presentan.
2.1 FLUJO DE DERRUBIOS A NIVEL
MUNDIAL
En todas las bases de datos de desastres que se
analizaron, no se encuentran separados los desastres Figura 2.- Deslizamientos por país de 1903 a 2003.
por flujos de derrubios exclusivamente, sino que se
incluyen en los desastres debido a procesos de 2.2 PROCESO DE INICIO DE LOS FLUJOS
remoción en masa o deslizamientos, por lo tanto se DE DERRUBIOS
presentan a continuación los resultados totales y en El conocimiento del mecanismo en el proceso de
porcentaje de deslizamientos por país recopilador por inicio de los flujos de derrubios es fundamental para
la base de datos de EM-DAT. la mitigación de los peligros asociados a este tipo de
En esta Figura 1 se observa cómo se han flujos y un requisito necesario para implementar
incremento los deslizamientos durante 100 años, medidas tendientes a disminuir los efectos desastrosos
desde 1903 hasta 2003, en especial durante el periodo que ellos producen. Entender este proceso puede
de 1990 hasta 2002. proporcionar una guía para clasificar las áreas
potencialmente peligrosas, donde se requieran
proponer métodos y estructuras de protección. Por

341
otro lado, también puede incrementar el conocimiento
de las situaciones críticas de estas zonas y servir como
un criterio para enviar información de prevención a
tiempo para que las personas puedan ser evacuadas de
esos lugares de alto riesgo (Cheng & Tseng, 2003).
Sin embargo, las investigaciones relacionadas con los
flujos de derrubios, hasta este momento, se han
enfocado esencialmente sobre la dinámica de los
flujos de derrubios, su mecanismo de depósito, la
modelación numérica y el equipo de medición de
algunas de sus características. El proceso de
formación de los flujos de derrubios se encuentra en la
actualidad muy pobremente entendido. Esta es la
razón fundamental de este trabajo, con la idea de
ayudar a incrementar un poco la comprensión del
proceso de inicio de los flujos de derrubios.
2.3 FACTORES DESENCADENANTES DE
LOS FLUJOS DE DERRUBIOS
Los procesos de remoción en masa o movimientos del
terreno (dentro de los cuales se incluyen los flujos de
derrubios), ocurren debido a dos causas
fundamentales, las cuales son de tipo externo y de tipo
interno (Terzaghi, 1950; Selby, 1993). Las causas
externas son todas aquellas que producen un
incremento en la tensión o en los esfuerzos, pero no
en la resistencia de los materiales; en tanto que las
fuerzas internas son las que disminuyen la resistencia
de los materiales sin cambiar la tensión o los
esfuerzos. De esta manera, se puede decir que los
procesos de remoción en masa son aquellos
movimientos de masas de suelo, detritos y rocas que
ocurren en una ladera como resultado de la influencia
directa de la gravedad y que pueden ser
desencadenados por factores internos o externos.
Entre los cambios de tipo externo más importantes se
encuentran los cambios geométricos o de peso que
sufren las laderas (como resultado de erosión,
socavación, incisión de un río, excavaciones
artificiales, cargas y descargas), las tensiones
transitorias naturales y artificiales a las que son
expuestas (sismos, vibraciones por explosiones o uso
de maquinaria pesada) y los cambios en el régimen
hidrológico (intensidad y duración de las
precipitaciones, etc.).
Los principales cambios de tipo interno se
relacionan con la transformación de los materiales a
través de movimientos progresivos (por expansiones
laterales, fisuras, etc.), procesos de intemperismo y
erosión. Los procesos de remoción en masa ocurren
gracias a la combinación de este tipo de factores, ya
que todos ellos contribuyen en diferente grado a su
342
inestabilidad. Sin embargo, de acuerdo a las
circunstancias, algunos de estos elementos pueden ser
considerados como factores desencadenantes
decisivos, como por ejemplo, la presencia de lluvias
extraordinarias en materiales permeables, razón por la
cual no solo es importante conocer los mecanismos y
tipos de movimientos, sino también los factores que
causan y controlan este tipo de procesos en espacios
definidos, (Alcántara, 2000).
2.4 MODELOS ACTUALES EMPLEADOS
PARA DESCRIBIR EL INICIO DE LOS
FLUJOS DE DERRUBIOS
El análisis previo de los principales mecanismos
desencadenantes del inicio del movimiento en un flujo
de derrubios subrayan que los factores causantes de
esta fase del proceso son la localización del área
desencadenante y el mecanismo principal
desencadenante (acciones hidrodinámicas, causas
geotécnicas y equilibrio mecánico).
En un nivel de pronóstico es difícil identificar cuál
de estos mecanismos es el más probable o realiza la
mayor contribución; en cualquier caso, alguno de
estos tipos de mecanismos puede incluir a otros, o más
bien, dentro del mismo evento distintos mecanismos
desencadenantes pueden ocurrir en diferentes áreas de
la cuenca. En algunos estudios relativos a las
condiciones de desencadenamiento de flujos de
derrubios no cohesivos seguidos de un flujo de agua
superficial, el análisis se concentra en el estudio de la
inestabilidad de la acumulación de materiales que
tiene lugar a continuación de la saturación.
Un flujo superficial que escurre a lo largo de una
ladera, proveniente de una lluvia intensa,
primeramente satura las capas de derrubios, a
continuación los moviliza, causando de este modo la
dispersión de las partículas sólidas de la acumulación
a lo largo de la profundidad completa del
escurrimiento superficial, el cual se convierte
finalmente en un flujo de derrubios.
Con el propósito de identificar los mecanismos que
involucran al material sólido dentro de un flujo
líquido, es necesario analizar los papeles jugados por
las varias fuerzas actuantes en la génesis del
movimiento. Las aproximaciones desarrolladas hasta
la fecha son las siguientes, (Lorenzini et al., 2004):
a. Modelo de estabilidad de talud infinito.
b. Aproximación de Shields.
c. Aproximación de Takahashi.
 d. Desarrollos recientes.
3 MODELO PROPUESTO
El proceso de inicio de los flujos de derrubios está
influido por gran cantidad de factores, destacando los
que se presentaron en párrafos precedentes, es decir:
geológicos y morfológicos, hidrológicos, cobertura
vegetal, topográficos y antrópicos; siendo necesario
establecer una metodología que tome en consideración
la mayor parte de estos aspectos.
Algunas investigaciones han tratado de entender la
relación entre los procesos geomorfológicos y los
climáticos que desencadenan los flujos de derrubios.
En estos trabajos se han analizado las propiedades
físicas de los taludes fallados, los efectos del ángulo
de inclinación y la presión de poro en los suelos, la
mecánica del movimiento de los flujos de derrubios y
las propiedades de los depósitos resultantes, (Scott
1972, Williams and Guy 1973, Hollingsworth and
Kovacs 1981, Istok and Harward 1983, Pierson and
Costa 1987, Montgomery and Dietrich, 1994; Wu and
Sidle, 1995; Pack, 1995; Morgan et al. 1997, Reid et
al. 1997, Griffiths et al. 1997, Wieczorek et al. 1997,
Tognacca & Bezzola 1997, Gregoretti 2000, Iverson
2000, Chen & Jan 2003, Reid et al. 2003, Savage &
Baum 2003).
Tomando en consideración los factores
predominantes y los modelos para el inicio de flujos
de derrubios conocidos, así como el análisis de los
trabajos de investigaciones anteriores, los modelos
hidrológicos distribuidos y empleando la tecnología
de los sistemas de información geográfica y de los
modelos digitales de elevaciones en combinación con
el modelo de estabilidad de talud infinito, se
desarrolló un modelo para estimar las potenciales
zonas de inicio en un flujo de derrubios.
3.1 DESCRIPCIÓN DEL MODELO
PROPUESTO
Fundamentado en lo anterior, se propone que el
modelo más adecuado para predecir las zonas
potenciales de inicio de un flujo de derrubios debe
considerar la combinación de un modelo hidrológico
distribuido con el modelo de estabilidad de talud
infinito, agrupándolos mediante la tecnología de los
sistemas de información geográfica y los modelos
digitales de elevaciones, que permiten el uso de
grandes cantidades de datos y el mapeo de las zonas
geográficas en estudio.
El modelo propuesto, a base de un programa de
computadora (el cual se desarrolló utilizando algunas
343
subrutinas propuestas por Pack et al, 1999, el
programa seleccionado de ESRI, ArcView GIS 3.3
con su extensión ArcView Analyst Spatial, algunas
subrutinas del modelo SINMAP y los modelos
digitales de elevaciones, MDE), predice la estabilidad
potencial de un flujo de derrubios, utiliza una
ecuación para el factor de seguridad y la Ley de Darcy
para flujo saturado dentro del suelo, con el propósito
de estimar la distribución de las presiones de poro. El
flujo saturado se refiere al flujo a través del material
poroso, tal como el suelo, donde los poros están
completamente llenos de agua, (Domenico &
Schwartz, 1998).
El cálculo del factor de seguridad (FS) está basado
en la forma para talud infinito de la ley de falla de
Mohr-Coulomb, expresada mediante la relación de
fuerzas estabilizadoras con respecto a las fuerzas
desestabilizadoras en un plano de falla paralelo a la
superficie del suelo, (Hammond et al., 1992,
Montgomery and Dietrich, 1994) que compara las
componentes desequilibrantes debido a la acción de la
gravedad y las componentes resistivas de fricción y
cohesión sobre un plano de falla paralelo a la
superficie del terreno con efectos de borde
despreciables.
La presión de poro debida a la mezcla de suelo
reduce el esfuerzo normal efectivo, el cual gracias al
ángulo de fricción interna es relacionado con el
esfuerzo cortante. La presión hidráulica de poro es
calculada suponiendo un estado uniforme hidrológico
con la profundidad del suelo saturado suficientemente
calculado para sostener una descarga lateral
proporcional al área de captación específica (el área
talud arriba por unidad de longitud de contorno).
C r  C s  cos 2   s g ( D  Dw )  (  s g   w g ) Dw  tan 
FS 
D s g sin  cos  [1]

Figura 3.- Variables utilizadas en la ecuación 1
La teoría en que se fundamenta el modelo
propuesto, se implementó en forma computarizada. La
teoría se incorporó dentro de una librería de rutinas de
computación que pueden ser llamadas para ejecutar
tareas computacionales, que incluyen el cálculo de los
índices de estabilidad y de saturación (índice de
humedad). Adicionalmente las rutinas de la librería se
encuentran también disponibles para realizar muchas
tareas básicas para el manejo de los datos de la malla
en el modelo digital de elevaciones (MDE),
incluyendo minas de relleno topográficas, cálculo de
taludes, determinación de las direcciones del flujo y
definición del área de drenaje hacia un punto
específico. Estas diferentes rutinas se escribieron en
lenguaje de programación C y están contenidas dentro
de un archivo de librería de vínculo dinámico (DLL).
Debido a la naturaleza espacial o geográfica del
análisis realizado en el modelo, se requieren mapas
impresos o en pantalla para interpretar algunas salidas
computacionales. En lugar de crear rutinas habituales
para proporcionar habilidades de análisis geográficos
comunes, el modelo utiliza el propio software de los
Sistemas de Información Geográfica (SIG) para
manejar esas tareas.
3.2 ÍNDICE DE HUMEDAD TOPOGRÁFICO
El surgimiento del parámetro ‘área de captación
específica’, a (ver la figura 4) definida como el área
talud arriba por unidad de longitud de contorno
[m2/m] ha sido uno de los desarrollos que ha hecho
historia en la hidrología reciente, debido a Beven and
Kirkby (1979). Está estrechamente ligado a modelos
hidrológicos recientes que representan la generación
del escurrimiento por la saturación a causa del
mecanismo de abajo (TOPMODEL Beven and
Kirkby, 1979; Loughlin, 1986; TOPOG Moore et al.,
344
1988; Moore and Grayson, 1991 y THALES Grayson
et al., 1992).
Figura 4.- Definición de área de captación específica.
Estos desarrollos siguieron las observaciones de
campo de aquella humedad del suelo o áreas de
saturación superficiales más altas que tienden a
ocurrir en áreas convergentes cóncavas. También se
ha reportado que los deslizamientos o procesos de
remoción en masa tienen su origen más comúnmente
en áreas de convergencia topográfica (Montgomery
and Dietrich, 1994).
Como resultado del TOPMODEL (y otros modelos
similares del índice de humedad basado en la
topografía del sitio) pueden realizarse las siguientes
presunciones:
1) El flujo subsuperficial lateral cóncavo sigue
las pendientes topográficas.
2) El gasto lateral en cada punto está en
equilibrio con un estado uniforme de recarga
R [m/h].
3) La capacidad para flujo lateral en cada punto
es T sin  , donde T es la transmisividad del
suelo [m2/h], es decir, la conductividad
hidráulica [m/h] por el espesor del suelo [m].
Las condiciones 1 y 2 implican que el gasto lateral
q , integrando la profundidad por longitud unitaria de
contorno [m2/h] es:
q  Ra [2]
La condición 3 difiere de una consideración común
del TOPMODEL (Beven and Kirkby, 1979) en la cual
no se asume la disminución de la conductividad
hidráulica con la profundidad. Sin embargo, se supone
la conductividad uniforme de un manto de suelo
descansando sobre un lecho de roca relativamente
impermeable. Adicionalmente, se emplea la función
sin  en lugar de la función tan  , siendo esto más
adecuado debido a que la distancia al flujo es a lo inferior y superior. Formalmente esos límites definen
largo del talud. La diferencia entre tan y sin  , que distribuciones de probabilidad uniformes sobre las
es insignificante para los ángulos pequeños, tiene cuales estas cantidades se establece que varían al
importancia para los taludes excesivos que dan origen
a los deslizamientos. De acuerdo a la condición 3 la azar. Si se propone que R / T  x , tan   t y las
humedad relativa es, distribuciones uniformes con límites inferior y
 Ra  superior como,
w  Min  ,1
 T sin   [3] C ~ U (C1 , C2 ) [5]
La humedad relativa tiene valor límite superior de x ~ U ( x1 , x2 ) [6]
1, suponiendo que con cualquier exceso se genera el t ~ U (t1 , t 2 ) [7]
flujo superficial. Como se aprecia en la figura 65, la
humedad relativa define la profundidad relativa del Los valores más pequeños de C y t (por ejemplo,
nivel de aguas freáticas dentro de la capa de suelo. La C1 y t1 ) junto con el más grande valor de x (por
relación R / T de la ecuación 3, la cual tiene unidades ejemplo, x 2 ) definen el peor caso (escenario más
de [m-1], cuantifica la humedad relativa en términos de conservativo) bajo esta incertidumbre (variabilidad)
un supuesto estado uniforme de recarga relacionado propuesta en los parámetros. Las áreas sujetas bajo
con la capacidad del suelo para el drenaje lateral del este peor caso presentan un factor de seguridad FS
agua. Aún cuando el término ‘estado uniforme’ es mayor que uno, el cual está en términos de este
utilizado para flujo lateral aproximado empleando la modelo estable incondicionalmente y puede ser
ecuación 2, la cantidad R no es un periodo extenso expresado mediante,
promedio de recarga (por ejemplo anual). Más bien es
  a  
la recarga efectiva para un periodo crítico de clima C1  cos  1  min  x 2 ,1r t1
lluvioso apropiado para disparar los deslizamientos.   sin   
SI  FS min 
La relación R / T , la cual es tratada como un sin  [8]
parámetro único, por lo tanto combina tanto factores Para aquellas áreas donde el factor de seguridad
climáticos como hidrogeológicos. mínimo es menor que uno, hay una posibilidad
De la cantidad sinT / R  [m] puede pensarse como
(probabilidad) de falla. Esta es una probabilidad
espacial debido a la incertidumbre (variabilidad
espacial) en C , tan  y T . Esta probabilidad tiene un
la longitud de la inclinación de la colina (plana, no
convergente) requerida para desarrollar la saturación
en el periodo crítico lluvioso está considerándose. elemento temporal en R , que caracteriza la humedad
Esta idea puede ser beneficiosa para el que puede variar con el tiempo. Por lo tanto, la
establecimiento de valores estimados de campo de incertidumbre en x combina ambas probabilidades,
R / T a través de la identificación de campo de los tanto espacial como temporal. En estas regiones (con
FS min  1 ), se puede expresar que,
límites de la superficie de saturación.
3.3 ÍNDICE DE ESTABILIDAD SI  Pr obFS  1 [9]
Para definir el índice de estabilidad, se introduce el sobre las distribuciones de C , x y T (ecuaciones 5, 6
índice de humedad de la ecuación 3 dentro del factor
y 7). El mejor escenario se presenta cuando C  C2 ,
de seguridad adimensional, con lo cual se obtiene que,
x  x1 y t  t 2 , con lo cual se obtiene que,
  Ra  
C  cos  1  min  ,1r  tan 
  T sin      a  
FS  C 2  cos  1  min  x1 ,1r t 2
sin  [4]   sin   
FS max 
sin  [10]
las variables a y  son a causa de la topografía con
FS max  1
los parámetros C, tan  , r y R / T . Pack et al. (2001) En el caso donde , entonces,
SI  Pr obFS  1  0
proponen que la relación de densidades r sea [11]
esencialmente una constante (con un valor de 0.5),
pero permitiendo incertidumbre en las otras tres
cantidades a causa de la especificación de límites

345
3.4 DIAGRAMA DE FLUJO DEL MODELO
Con el propósito de mostrar gráficamente el modelo
propuesto, se presenta enseguida un diagrama de
flujo.
DATOS
DE EN-
TRADA
ELABO-
RAR EL
GIS
ELABO-
RAR EL
MDE
CÁLCULO DEL
ÍNDICE DE
ESTABILI.
CÁLCULO DEL
ÍNDICE
HUMEDAD
RESULTADOS
Figura 5.- Diagrama de flujo del modelo propuesto.
3.5 ADQUISICIÓN DE DATOS DE CAMPO
Es necesario conocer una serie de rasgos de la zona en
estudio, donde se presuma la posibilidad de que un
flujo de derrubios se presente o en donde
históricamente ya se tenga conocimiento de que haya
ocurrido, antes de aplicar el modelo, los cuales
deberán incluir: ángulos de inclinación de la zona,
tipo de árboles y vegetación, clasificación de suelos,
profundidad del suelo, origen del suelo, geología del
sitio, tiempo en que se presentó el evento (si es el
caso), indicadores de agua subterránea e
infraestructura y poblados cercanos. Los métodos para
la adquisición de estos datos se propone que sean:
1 Levantamiento de las zonas de inicio de los
flujos de derrubios (en el caso que lo requiera),
empleando un receptor portátil de sistema de
posicionamiento global (GPS, por sus siglas en inglés
de Global Positioning System).
2 Localización de la geología y litología de la zona
en mapas y comparación con los datos de
observaciones de campo.
3 Obtención de ángulos de inclinación y
elevaciones de la zona en estudio y su comparación
con planos topográficos y/o modelos digitales de
elevación.
4 Condiciones de escurrimientos superficiales y
subterráneos, mediante inspecciones y análisis de los
registros hidrológicos históricos del lugar.
346
5 Espesor y tipo de suelo, obteniendo muestras de
campo.
6 Tipo, densidad y edad de la vegetación en el sitio
de estudio.
3.6 DATOS DE ENTRADA Y RESULTADOS
El modelo propuesto deriva su clasificación de
estabilidad del terreno desde datos de entrada, como el
talud topográfico, el área de captación específica y la
cuantificación de parámetros de las propiedades del
material (tales como la resistencia) y del clima
(principalmente un parámetro hidrológico como la
lluvia). Cada uno de estos parámetros está delineado
sobre una malla numérica en el área de estudio. La
producción primaria de esta aproximación de
modelado es un índice de estabilidad, que es el valor
numérico mediante el cual se clasifica o categoriza la
estabilidad del terreno en cada localización de la malla
dentro del área en estudio. Las variables topográficas
son calculadas automáticamente a partir de los datos
del modelo digital de elevaciones (MDE). Los otros
parámetros de entrada se reconoce que son inciertos,
por lo que en el modelo se especifican en términos de
los límites superiores e inferior de los rangos que ellos
pueden adoptar.
4 SISTEMA DE INFORMACIÓN
GEOGRÁFICA
De acuerdo a los requerimientos necesarios para la
determinación de las zonas de inicio producidas por
los flujos de derrubios en una región montañosa, se
seleccionó el empleo del software desarrollado por
ESRI para un sistema de información geográfica,
llamado ArcView GIS 3.3 debido su versatilidad y
características.
Atendiendo a los factores desencadenantes del
proceso de inicio en los flujos de derrubios
comentados se proponen los temas enlistados a
continuación como parte integrante del proyecto de
ArcView GIS 3.3 zoinifluder.apr.
Capa 1. Topografía de la zona de estudio.
Capa 2. Datos hidráulicos superficiales.
Capa 3. Ángulo de fricción interna del suelo.
Capa 4. Densidad del suelo.
Capa 5. Cohesión del suelo.
Capa 6. Cobertura vegetal (fuerza de la raíz de los
árboles).
Capa 7. Datos hidráulicos subterráneos.
 En el esquema presentado se observan los temas o
capas propuestos para su desarrollo en el proyecto de
ArcView GIS 3.3 denominado ‘zoinifluder’.
Figura 6.- Temas o capas en el proyecto
‘zoinifluder’.
347
REFERENCIAS
Cheng, K., Lin, L., Chang, S. (1997). “The field
investigation and GIS application in a potential
hazardous area of debris flow”. Proceedings of the First
International Conference on Debris-Flow Hazards
Mitigation, ASCE, 83-92.
Cho, S. E., and Lee, S. R. (2002). “Evaluation of surficial
stability for homogeneous slopes considering rainfall
characteristics”. Journal of Geotechnical and
Geoenvironmental Engineering, ASCE, 128(9), 756-
763.
Hamilton, R. M. (2000). “Science and technology for
natural disaster reduction”. Natural Hazards Review,
ASCE, 1(1), 56-60.
Highland, L. M., Ellen, S. D., Christian, S. B., y Brown III,
W. M. (1997). Debris-flow hazards in the United States.
USGS, Fact Sheet 176-97.
Honda, N., Egashira, S. (1997). “Prediction of debris flow
characteristics in mountain torrents”. Proceedings of the
First International Conference on Debris-Flow Hazards
Mitigation, ASCE, 707-716.
Lanfear, K. J. (2000). “The future of GIS and water
resources”. Water Resources Impact, AWWA, Vol. 2,
and number 5, September 2000, 9-11.
López, J. L., García, R. (2002). “Análisis y mapeo de
inundaciones torrenciales en abanicos aluviales” (Parte I
y Parte II). XX Congreso Latinoamericano de
Hidráulica, Cuba, IAHR.
SENSORES ACTIVOS

348
 APLICACIÓN DE SENSORES ACTIVOS EN EL SUR DEL GOLFO DE
MÉXICO
Diego GÁMEZ SOTOa, Bernardo SHIRASAGO GERMANa, Maclovio OBESO NIEBLASa, Fernando
de Jesús SÁNCHEZ LINDOROa, Ricardo GARCÍA MORALESa.
a
Centro Interdisciplinario de Ciencias Marinas IPN. Av. Instituto Politécnico Nacional s/n. Col. Playa Palo de
Santa Rita. Apdo. Postal 592. CP 23096. La Paz, B.C.S. México. Tels. (12)1234658, 1234734 y 1234666. Fax
(612) 1225322. email: arawing_02@hotmail.com

RESUMEN
En el marco de las aplicaciones de las imágenes de radar en la Oceanografía Física, se realizó un estudio del
funcionamiento y aplicación del Radar de Apertura Sintética (SAR) y el Escaterómetro SeaWinds en el sur del
Golfo de México, donde se localiza la Bahía de Campeche, cuerpo de agua de gran relevancia para él pías. En
esta bahía descargan los ríos más caudalosos de México, como son el Coatzacoalcos y el Sistema Grijalva-
Usumacinta, además de albergar la Sonda de Campeche, zona de alta producción petrolera de México. El
periodo de estudio corresponde a los meses de septiembre y octubre de 1999, época caracterizada por
condiciones adversas debido a fuertes lluvias y consecuentes descargas de los ríos anteriormente mencionados.
Con las imágenes SAR se detectaron entre otros fenómenos oceanográficos frentes, corrientes litorales, así como
atmosféricos por ejemplo celdas de lluvia y zonas con ausencia de viento. Sumado a esto se realizó un análisis de
contaminación superficial, encontrando una menor contaminación a la esperada en la Sonda de Campeche. Los
vectores de viento obtenidos fueron idóneos para la formación de las imágenes de radar. Mediante el cálculo del
Coeficiente Normalizado de Backscattering 0, se obtuvieron valores para las manchas naturales, así como para
las causadas por la actividad petrolera, y para las celdas de lluvia.
Palabras clave: SAR, ERS2, SeaWinds, QuikScat, 0 (sigma cero).
en 1978, el cual, además de contar con el SAR,
1 INTRODUCCIÓN llevaba instalado un escaterómetro y un altímetro.
Dentro del desarrollo de la percepción remota En la Oceanografía Física sus principales usos se
espacial se encuentra el RADAR (Radio Detection enfocan en el estudio de las corrientes marinas,
and Ranging), que dio la pauta para importantes remolinos, frentes de viento, propagación de ondas
descubrimientos en el campo de las microondas. La internas, oleaje, mapeo de la topografía submarina,
evolución tecnológica de los radares fue tan grande entre otros. A su vez puede ser usado en la
que aparecieron sistemas altamente desarrollados, detección de contaminación marina causada por
como el Radar de Apertura Sintética (SAR, derrames de petróleo, barcos destinados a la pesca
Synthetic Aperture Radar), que obtiene datos de la ilegal y por ultimo para el apoyo de establecimiento
superficie terrestre en muy alta resolución y el de rutas marítimas (Aguirre-Gómez, 2002). A pesar
Escaterómetro (Scatterometer), que es un sistema de estas aplicaciones importantes al estudio marino,
para medir las velocidades del viento sobre la el uso de este tipo de información ha sido limitado
superficie del mar. Con el desarrollo del Radar de debido a varios inconvenientes, como son su
Apertura Sintética, en la década de 1950 se creó una compleja interpretación, su precio elevado y la
herramienta para el estudio de los océanos, zonas necesidad de solicitarlas a las diferentes agencias
terrestres, espacio aéreo y la exploración espacial. espaciales con meses de antelación. Esto último
debido a que este tipo de sensores requieren de un
Durante la década de 1970 se le dio un uso civil elevado consumo de energía, lo cual limita su
siendo montados en aeronaves para algunos funcionamiento a una fracción relativamente
programas utilizando imágenes de radar (Gandía & pequeña de la órbita (Shirasago, 1996).
Melía, 1995), pero sin duda alguna, se logró obtener
toda su capacidad en programas espaciales. La Los primeros ensayos de obtención de imágenes
utilización del radar montado en plataformas SAR a bordo de un satélite de la NASA SEASAT se
satelitales se inició con el lanzamiento del SEASAT realizaron en el año de 1978 (Beal et al., 1981). Por

349
otra parte, los escaterómetros, abordo de satélites,
son los únicos sistemas de procesamiento remoto
capaces de proporcionar mediciones de alta
resolución espacial y temporal de la velocidad del
viento cerca de la superficie de los océanos, en
condiciones de cielo despejado y nuboso (Chelton et
al., 2006).
Las primeras investigaciones en la aplicación del
radar en la medición de los vientos sobre la
superficie del océano, fueron en el siglo pasado a
finales de los 60's. Los primeros escaterómetros
espaciales fueron incluidos como la parte de las
misiones SKYLAB en 1973 y 1974, los que a pesar
de sus grandes limitaciones demostraron su
factibilidad. El satélite SEASAT incluyó un
escaterómetro denominado SASS (SEASAT-A
Scatterometer System), el cual operó de junio a
octubre de 1978 y demostró el gran potencial en las
mediciones de velocidad de viento que podían
hacerse desde el espacio, con la resolución espacial
de 50 km que prevaleció durante muchos años.
Posteriormente, la ESA (European Space Agency)
con sus satélites ERS-1 y ERS-2, la NASA
(National Aeronautics and Space Administration) en
cooperación con la JAEA (Japan Aerospace
Exploration Agency), con los satélites NSCAT y
ADEOS-II, han continuado con el suministro de
datos de vientos desde el espacio (Lira, 2002).
El sensor SeaWinds en el QuikScat, fue una
misión de “recuperación rápida” para llenar el
hueco creado por la pérdida de datos del
escaterómetro NSCAT, de la NASA, cuando éste
falló repentinamente en 1997. El QuikScat ha
continuado recabado los datos que el NSCAT inició
en septiembre de 1996, con una mayor resolución
espacial siendo de 25 km (Altas et al, 1999). A
pesar de la escases de estudios con el sensor SAR en
la Bahía de Campeche, algunas investigaciones han
demostrado la utilidad de este sensor satelital, en las
aplicaciones marinas e incluso bajo cobertura de
nubes, ya que debido a sus características de sensor
activo, permiten el monitoreo del océano bajo tales
condiciones.
Fu y Holt (1982) sentaron las bases para la
detección de numerosos fenómenos marinos y
atmosféricos con imágenes ópticas del SAR del
Seasat. Shirasago (1996), realizó un estudio de
circulación marina en el Mar de Alborán,
encontrando que fenómenos marinos y amplio
atmosféricos, eran detectados en la superficie del
mar con imágenes SAR. En la detección de oleaje,
350
González et al., (1980) y Beal (1980), analizaron en
detalle la capacidad de detección de olas u oleaje
(ondas) del SEASAT/SAR, demostrando resultados
satisfactorios. Beal et al., (1983) dedicaron
considerables esfuerzos en la medición y evolución
espacial de los espectros de ondas, al este de
EE.UU. Otras aplicaciones, como en derrames de
petróleo, son importantes ya que incluso el gobierno
de Noruega usa este tipo de imágenes para
monitorear la contaminación de aceites y petróleo
provocados por la limpieza de los buques en el mar,
y principalmente en zonas de explotación petrolera
en el ambiente marino (Wismann et al., 1998).
Algunas aplicaciones en México se han realizado
con el sensor SeaWinds como el estudio del
fenómeno de brisa marina sobre el océano realizado
por Gille et al., (2003) en todo el Golfo de México,
donde encontraron diferencias considerables entre
los vientos de la mañana y la tarde. Otros estudios
con datos de este sensor de vientos se han
conducido en el mencionado golfo como el
realizado por Sharma y D´Sa, 2008, en el cual
analizaron la variabilidad interanual y el impacto de
huracanes en su parte norte. Este sensor ha tenido
aplicaciones en otras zonas del país, como el
realizado por García-Álvarez (2003), en el que
asocia la dirección de los vientos con surgencias
provocadas en las costas de Sonora y Sinaloa. Por
otra parte, López-Calderón (2008), utilizó datos de
QuikScat para relacionar la generación de eddies
ciclonicos y anticiclónicos, en la parte norte del
Golfo de California. Con respecto a la circulación
del Golfo de México se puede mencionar que ésta
es compleja, en la cual destaca el Sistema de
Corrientes de Yucatán-Lazo-Florida.
La variabilidad de dicho sistema determina en
gran parte la circulación general del golfo, la cual
penetra en su interior generando la formación de
grandes anillos anticiclónicos, los cuales influyen
en la circulación de la Bahía de Campeche. Por lo
tanto el objetivo del presente estudio es usar los
datos de los sensores SAR y SeaWinds, para la
detección de diferentes fenómenos oceanográficos y
atmosféricos en la Bahía de Campeche, así como
analizar la presencia de manchas de petróleo.
El presente estudio se encuentra en concordancia
con el interés en el desarrollo de la tecnología
espacial en nuestro país, se hace necesario un
conocimiento de la operación,
funcionamiento y adquisición de datos, de
diferentes sensores instalados en plataformas
satelitales, para su posterior aplicación en las
ciencias de la Tierra. Considerando la relevancia
económica de la Bahía de Campeche y las
condiciones adversas que prevalecieron en el
periodo de estudio. Será de gran utilidad la
aplicación de sensores activos (Radar de Apertura
Sintética y Escaterómetro), ya que al parecer son los
que nos proporcionarán mejores resultados.
2 ÁREA DE ESTUDIO.
La Bahía de Campeche está situada en la región
suroeste del Golfo de México. Esta zona es de gran
relevancia en nuestro país en cuanto a la
explotación petrolera y la gran actividad pesquera,
se encuentra localizada entre los 17°10' y 20°47' de
latitud norte y entre los 89°10‘ y 92°32' de longitud
oeste, el clima es cálido subhúmedo con lluvias en
verano-otoño. Con una temperatura promedio anual
24-28 oC. Precipitación anual total de 4,500
milímetros (Almanza et al., 2000), alcanza
profundidades máximas de 2500 m., y cuenta con
una amplia plataforma continental de 200 m., de
profundidad (Fig. 1).
Figura 1. Ubicación del área de estudio. Bahía de
Campeche, Tomado de Faustino Z. G. / César F. C.
(1994).
La Bahía de Campeche se ha convertido en una
zona importante desde el punto de vista ecológico,
económico y social, en virtud de su reconocido
valor como una de las zonas pesqueras más
importante de México (Secretaría de Pesca, 1990).
Así mismo sobresale su importancia por contener
yacimientos petroleros considerables (Sonda de
Campeche), habiendo llegado a ser el complejo
Cantarell, el quinto a nivel mundial en producción
petrolera. Finalmente, es de mencionarse que
exploración y extracción, como recurso no
renovable, ha generado conflicto de intereses con
los recursos naturales renovables por su alta tasa de
contaminación del ambiente (Nehring, 1978;
351
Stewart-Gordon, 1979). La Sonda de Campeche
posee más de 100 plataformas marítimas para la
explotación petrolera, con una profundidad de 180 a
200 m, por lo tanto la plataforma continental
delimita con ella y se encuentra una distancia
aproximada de 150 km., de la costa.
3 MATERIAL Y MÉTODOS.
Para el análisis SAR, se utilizaron 18 imágenes
SAR.PRI (Presision Images) proporcionadas por la
Agencia Espacial Europea (ESA), las cuales se
encuentran almacenadas en CD-ROMS en formato
interno, obtenidas durante el mes de septiembre y
octubre de 1999, las cuales tienen las siguientes
características: Número de Pixeles por línea 8000;
Número de líneas 8200; Tamaño del pixel 10 m (en
rango) y 10 m (en acimut); Numero de bits por
pixel; 16 (2 bytes) (Resolución Radiométrica); Total
de bits por imagen 63, 075,600 (63 Megabytes
Aproximadamente). Así mismo, se usaron datos
diarios de los meses de septiembre y octubre,
mismo periodo de a las imágenes SAR, del
Escaterómetro QuikScat, del Nivel-3, en formato
HDF (Hierarchical Data Format). Suministrados por
el PO.DAAC-JPL (Physical Oceanography
Distributed Active Archive Center- Jet Propulsion
Laboratory), que incluyen los datos obtenidos en
paso ascendente y descendente.
La cobertura espacial es de todos los océanos y
aproximadamente el 90% del océano libre de hielo
cada día. La resolución espacial de los datos del
Nivel-3 en QuikScat son proporcionados en una
malla global de 1440 pixeles de longitud por 720 de
latitud de 0.25º por 0.25º (25 kms de resolución
espacial efectiva). Las Imágenes SAR fueron
manipuladas por medio de los procesadores de
imágenes de satélite BestW (Envisat and ERS SAR
Toolbox), estas es una HMI (Human Machine
Interface), la cual fue usada para extraer la
información de las imágenes SAR.PRI contenidas
en los CD´s. Esta información sirvió como base
para la creación de vistas rápidas (Quick Looks) y
localizaciones. Con el Nest (Next ESA SAR
Toolbox) se procesaron los datos derivados de
BestW para crear máscaras y bandas virtuales, las
cuales fueron de ayuda para le detección de
manchas de petróleo y objetos tales como barcos o
plataformas petroleras, también nos mostró una
vista global de la posición de las imágenes en el
área de estudio, por medio de los mapas virtuales
(MVN). Así mismo, se utilizaron diferentes
herramientas del ERMapper las cuales
complementaron el correcto tratamiento de las
imágenes para un mejor resultado, entre dichas
herramientas se pueden mencionar los filtros de
radar. ENVI (Environment for Visualizing Images),
proporcionó herramientas para la creación de
diagramas espectrales, y algoritmos para el cálculo
del coeficiente normalizado σ0 los cuales fueron
aplicados directamente a las imágenes almacenadas
en los CD-ROMS suministrados por la ESA. Los
datos de vientos del QuikScat fueron procesados por
software desarrollado en lenguaje C++ para
Windows en estudios previos, en el cual se crearon
vectores de viento derivados de los datos Nivel-3
del escaterómetro SeaWinds, la imagen resultante se
comparó con la imagen SAR.PRI, para la
interpretación de diferentes fenómenos
atmosféricos. El Coeficiente Normalizado de
Backscattering σ0, también conocido como
coeficiente retrodispersión es la parametrización de
la señal enviada por el radar a la superficie de la
tierra, la cual se comportar diferentemente de
acuerdo con la rugosidad y geometría del
terreno.Los productos PRI son generados por
diferentes procesadores en ESA/ESRIN, entre otros
tales como, la FAP Alemán (D-PAF), la FAP
Italiano (I-PAF), la PAF-Reino Unido (UK-PAF).
El algoritmo para el cálculo de σ0para productos
PRI es el siguiente:
• 10.log se usa la para la conversión a
decibeles.
• PRI_DN2 es la única variable en la
ecuación.
• sin(α) es el ángulo de incidencia de la señal
electromagnética (23o).
• K es la constante de calibración del radar
(944061), dada por la ESA para el ERS-2.
Las 18 imágenes SAR.PRI almacenadas en los
CD-ROMS en formato interno de la ESA, fueron
descifradas por la Interfaz Humano Maquina (HMI),
BestW (Envisat and ERS SAR Toolbox),
obteniendo el archivo de cabeceras correspondiente
a cada imagen, el cual contiene toda la información
descriptible del producto contenido en el CD, la
cual se usó para generar las imágenes de vista
rápida (Quick Looks), pero debido al ruido Speckle,
interpretarlas es altamente complicado, así que este
fue reducido por medio de filtros de radar, otro
352
aspecto importante es mencionar que las imágenes
en paso descendente (Polo Norte a Polo Sur), para
eso aplicando un el proceso denominado Flip
(Girar), se logró asignar la correcta posición y
orientación para cada imagen de los pasos
descendentes, de tal manera que el análisis como la
interpretación dejaron de ser tan complejas, mas no
fácil. Para identificar cada imagen se le agrego la
siguiente nomenclatura 01O232122893177, la cual
se desglosa de la siguiente manera: 01 es el número
de la imagen; O23212 es la órbita; 28 el Día; 9 el
Mes; 3177 el Cuadro o Frame.
4 RESULTADOS.
El día 28 de septiembre, en esta primer serie de
imágenes, sobresalen en primer instancia trenes de
onda de larga longitud entre 5.6 y 7.8 km., de
longitud, los cuales son visibles en las imágenes “a”
y “b”. En la imagen “b” es visible una mancha de
petróleo de 2.4 km., la cual está encerrada en un
círculo. En la imagen “c” se reduce la presencia de
dichos trenes de onda, y sobresale una mancha de
petróleo de 4.8 km., encerrado en el círculo, la cual
dado su localización se asume que se debe a causas
naturales (chapopotera) y los puntos brillantes o
blancos, que son las plataformas que forman parte
de la Sonda de Campeche. (fig., 2).
En el figura 4, en la desembocadura del río
Grijalva ilustrada en la imagen encerrada en el
rectángulo “A”, se detectó un frente pluma de río de
aproximadamente 15.3 km., representado por una
línea curva con altos valores de backscattering. La
desembocadura del río San Pedro encerrado en el
rectángulo “B”, no presento ningún frente visible.
Los frentes son causados por las fuertes descargas
causadas por las constantes lluvias en el periodo de
estudio. Encerrado en el círculo se tiene la presencia
de contaminantes superficiales.

c)
a) d)
b)
Figura 2. Imágenes del 28 de Septiembre de 1999 de
fenómenos oceanográficos. a) Trenes de onda
(01O232122893177). b) Trenes de onda y mancha de
petróleo señalada mediante círculo (02O232122893195).
c) Mancha de petróleo señalada en el círculo y
plataformas petroleras de la Sonda de Campeche
(03O232122893213). d) Desembocadura Río Grijalva y
San Pedro (04O232122893231).
En el figura 3, en la desembocadura del río
Grijalva ilustrada en la imagen encerrada en el
rectángulo “A”, se detectó un frente pluma de río de
aproximadamente 15.3 km., representado por una
línea curva con altos valores de backscattering. La
desembocadura del río San Pedro encerrado en el
rectángulo “B”, no presento ningún frente visible.
Los frentes son causados por las fuertes descargas
causadas por las constantes lluvias en el periodo de
estudio. Encerrado en el círculo se tiene la presencia
de contaminantes superficiales.
353
B
A
Figura 3. Comparación entre MVN y la imagen SAR.
Rectángulo “A” desembocadura río Grijalva. Rectángulo
“B” desembocadura río San Pedro.
El día 7 octubre, se muestra un mosaico de 3
imágenes. En la parte central superior encerrado en
él círculo, se detectó un segundo derrame natural el
cual posee una dimensión de un punto “A” a un “B”
de 11 km. Nuevamente haciendo referencia a su
localización, se asume que es una chapopotera.
También son visibles otras estructuras debido al
cambio de en los valores de backscattering causados
por un frente oceánico que ocupa gran parte de la
imagen (parte superior izquierda), otro tipo de
estructuras están dados por líneas oscuras o de bajo
backscattering, dichas líneas son visibles en la parte
central de la imagen. Estas pueden ser causadas por
la presencia de una corriente, y dada la posición de
las imágenes dicha corriente evidente mente es una
rama de la Corriente de Yucatán que se desplaza por
la plataforma de Yucatán y llega a la bahía de
Campeche. A su vez es sobre saliente el fenómeno
atmosférico observado en las 3 imágenes, el cual es
representado por una vasta zona oscura lo cual
indica una zona frontal de viento.

Figura 4. Mosaico 7 de octubre.
En las imágenes correspondientes al 13 de
octubre, se detectaron filamentos de petróleo los
cuales dada su firma en las imágenes SAR, son
mayormente causados por barcos que transportan
dicho producto, o por las actividades de limpieza de
los barcos o buques en el medio marino, en la figura
5 que se muestran 5 filamentos (círculos), y 2
barcos (cuadros), los cuales son detectados por
representar puntos con altos valores de
backscattering, los cuales esta seguidos por la estela
que dejan al desplazarse.
354
Figura 5. Filamentos de Petróleo (círculos) y barcos
(cuadros).
El 14 de octubre, se detectaron celdas de lluvias
(fenómeno atmosférico), sumando a lo anterior,
nuevamente los puntos con altos valores de
backscattering en la parte inferior derecha,
corresponden a las plataformas de la Sonda de
Campeche, a diferencia de las anteriores imágenes,
se tiene un conjunto mayor de plataformas y
también sobre salen manchas alrededor de algunas
plataformas lo cual indica la presencia de
contaminación superficial (fig., 6).
a) b)
Figura 6. a) Celdas de lluvia (15O2344114103177). b)
Celdas de lluvia y plataformas de la Sonda de Campeche
(16O2344114103195).
En las siguientes imágenes se muestra una
comparación entre los datos de viento tomados con
el SeaWinds QuikScat sobre puestos en las
imágenes SAR, encontrando bastante similitud. La
retrodisperción, responde a las diferencias en las
magnitudes del viento, mostrando de forma gráfica
como, las zonas donde el viento es más intenso,
estas son más brillantes, y conforme el viento se
hace menos intenso las zonas se van tornando más 5 CONCLUSIONES.
oscuras (fig., 7).
Se obtuvo información de fenómenos
oceanográficos frentes, corrientes litorales, así como
atmosféricos por ejemplo celdas de lluvia, zona con
ausencia de viento, frentes y esfuerzos de viento, a
pesar de las condiciones adversas de la región, en la
época de estudio. La presencia de manchas de
petróleo en la Sonda de Campeche fue menor a la
esperada, lo cual nos indica que al menos en el
periodo de estudio, no se presentaron importantes
derrames causados por la explotación petrolera. Los
campos de viento han sido fundamentales para
poder detectar los fenómenos observados por el
radar, como oceanográficos y atmosféricos.

Figura 7. Sobre posición de vectores de viento sobre
imágenes SAR.
Respecto al cálculo del Coeficiente Normalizado
de Backscattering σ0, para las manchas (derrames)
causados por la actividad petrolera o por causas
naturales se obtuvieron los siguientes resultados:
Tabla 1. Valores sigma cero, derrames causados
por actividad petrolera.
03O232122893213 07O233347100405
a) -10.41 dB a) -22.15 dB
b) -0.47 dB b) -15.37 dB
c) -8.87 dB c) -11.17 dB
d) -1.28 dB
Tabla 2. Valores sigma cero, derrames naturales.
14O234201310405 17O2344114103213
a) -16.30 dB a) -1.65 dB
b) -17.42 dB
c) -12.67 dB
En las celdas de lluvia de la imagen
15O2344114103177, no se obtuvieron valores de σ0
mayores a -8 dB, pero se encontraron valores
positivos debido a números digitales (DN) mayores
a mil. En comparación con las detectadas en la
imagen 16O2344114103195, donde los valores
fueron mayores a -10 dB, ya que los números
digitales (DN) eran igual o mayores a 200.
AGRADECIMIENTOS.
Este trabajo ha sido realizado gracias al apoyo de
las becas COFAA, EDI y CONACYT.
Agradecemos al Instituto Politécnico Nacional, por
el material bibliográfico suministrado.
REFERENCIAS
Aguirre-Gómez, R. 2002. Los Mares Mexicanos a través
de la Percepción Remota. Edit. UNAM-Plaza &
Valdez, México, 85p.
Atlas, R., S. C. Bloom, R. N. Hoffman, E. Brin, J.
Ardizzone, J. Terry, D. Bungato, & J. C. Jusem. 1999.
Geophysical Validation of NSCAT Winds Using
Atmosheric Data and Analyses. J. Geophys. Res.
104(C5):11405-11424.
Beal, R. C. 1980. Spaceborne imaging radar: Ocean
surface wave monitoring. Science, 208, 1371-1375.
Beal, R. C., D. G. Tilley, and F. M. Monaldo. 1983.
Large- and small-scale spatial evolution of digitally
processed ocean surface wave spectra from the Seasat
synthetic aperture radar. J. Geophys. Res., 88, 1761-
1778.
Beal, R. C., P. S. DeLeonibus & I. Katz. 1981.
Spaceborne Synthetic Aperture Radar for
Oceanography, Johns Hopkins Univ. Press,
Baltimore, Md., 215p.
Chelton, R. 2006. On the Use of QuikSCAT
Scatterometer Measurements of Surface Winds for
Marine Weather Prediction. Mon. Weather Rev.,
134:2055-2070p.
Gandía & Melía, 1995.La Teledetección en Seguimiento
de Fenómenos Naturales. Microondas. Universidad de
Valencia, 249p.
García-Álvarez, 2003. Procesamiento y aplicación de
datos de satélite para el análisis de fenómenos
marinos en el Golfo de California. Tesis de
Licenciatura, Tecnológico de La Paz, B. C. S., 75p.

355
Gille, S. T., S. G. Llewellyn Smith, & S. M. Lee. 2003.
Measuring the Sea Breeze from QuikSCAT
Scatterometry. Geophys. Res. Letters, 11:4:222-234.
González, F. I., and Coauthors. 1980. Seasat synthetic
aperture radar: Ocean surface wave detection
capabilities. Science, 204, 1418-1421.
Lee-Lueng Fu y Benjamin Holt. 1982. Seasat Views
Oceans and Sea Ice With Synthetic-Aperture Radar.
NASA. Jet Propulsion Laboratory. California Institute
of Technology Pasadena, California. JPL Publication
81-120, 200p.
Lira, J. 2002.Sistema radar de imágenes. 1ª edición,
Universidad Nacional Autónoma de México, 55p.
López-Calderón, R. 2008. Mesoscale eddies and wind
variability in the northern Gulf of California. J.
Geophys. Res., 113, C10001, DOI:
10.1029/2007JC004630, 2008.
Nehring, R. 1978. Ciencia y Desarrollo, Campos
petroleros gigantes y recursos mundiales de petróleo.
CONACyT. 1978. 199 p.
Secretaría de Pesca, Anuario estadístico de pesca 1988.
Dirección General de Informática y Estadística,
México. 1990. 351 p.
356
Sharma y D´Sa, 2008. Assessment and Analysis of
QuikSCAT Vector Wind Products for the Gulf of
Mexico; www.mdpi.org/sensors
Shirasago, B. 1996. Aplicación del Radar de Apertura
Sintética (SAR) del satélite ERS-1 al estudio de la
dinámica superficial de mesoescala en el
Mediterráneo Occidental. Tesis Doctorado.
Universidad Barcelona, 252p.
Stewart-Gordon, J. 1979. El petróleo en México y en el
mundo, El petróleo mexicano: mitos, realidades y
futuro. pp. 259-268.
Wismann, M., W. G. Alpers & H. Hühnerfuss. 1998.
Radar signatures of marine mineral oil spills
measured by and airborne multi-frequency radar.
Inter. J. Remote Sensing, 19:3607-3623p.
Faustino Z. García y César F. Coto. 1994. Abundancia y
Distribución de Larvas de Bregmacerotidae (Pisces)
en la Bahía de Campeche México. Ciencias Marinas,
año/vol. 20, número 002, UABC Ensenada, México,
pp. 219-26.
GEOLOGÍA E
HIDROLOGÍA

357
SISTEMA DE INFORMACIÓN HIDROLÓGICA PARA LA CUENCA DEL
RÍO MAYO, SONORA.
Jaime RIVERA BENITESa, Carlos PATIÑO GÓMEZa, Ben-Hur RUIZ MORELOSa, Jaime
VELÁZQUEZ ÁLVAREZa
a
Instituto Mexicano de Tecnología del Agua
Jiutepec, Morelos, México. jrivera@tlaloc.imta.mx

RESUMEN
En el Instituto Mexicano de Tecnología del Agua (IMTA) se han realizado proyectos y aplicaciones de sistemas
de información geográfica (SIG) utilizando bases de datos geográficas con la estructura del modelo de datos
ArcHydro. Estas bases de datos son consideradas como la columna vertebral de un sistema de información
hidrológica debido a que almacenan y proporcionan información, tanto numérica como espacial, que requieren
ciertos modelos de simulación para analizar diversos escenarios en el uso de los recursos hídricos en una cuenca
o región hidrológica. En este trabajo, se presenta un sistema de información hidrológica para la cuenca del río
Mayo en el estado de Sonora. El sistema consta de una base de datos con estructura ArcHydro en su componente
de aguas superficiales; con opciones de consulta y actualización de la información almacenada y con opciones
para exportar e importar la información requerida y generada por un modelo que simula la operación conjunta
presa-acuífero. Tanto la información almacenada como los resultados obtenidos por el modelo se visualizan y
consultan a través de la plataforma ArcGis. Esta herramienta permite contar con una base de datos actualizada y
con ello analizar nuevos escenarios en las políticas de operación de la infraestructura hidráulica en la cuenca.
Palabras clave: ArcHydro, Sistema de información hidrológica, río Mayo
considerando la información requerida por el
1 INTRODUCCIÓN modelo de simulación dinámica.
El concepto de sistema de información hidrológica El SIH se desarrolló en la plataforma ArcGIS
(SIH) puede definirse como un sistema de cómputo versión 9.0, y permite la consulta, actualización,
que integra información espacial y temporal para extracción e importación de la información
apoyar el análisis y modelación hidrológica, así almacenada en el sistema, lo cual lo convierte en
como para la toma de decisiones (Maidment, 2002). una herramienta de apoyo a las decisiones.
Este sistema se basa en el concepto de base de datos
geográfica con aplicación de la estructura del 2 DESCRIPCIÓN DE LA CUENCA DEL
modelo de datos ArcHydro1. RÍO MAYO
En el IMTA se desarrolló el “Estudio para el La cuenca del río Mayo se localiza dentro de la
manejo óptimo del agua superficial y subterránea y región hidrológica administrativa II Noroeste de
exploración de escenarios en la cuenca del río acuerdo a la clasificación de la Comisión Nacional
Mayo” con el objetivo de explorar escenarios de del Agua. La Región Noroeste está integrada por la
manejo conjunto del agua superficial y del agua región hidrológica 8, Sonora Norte y la número 9,
subterránea a través de la construcción de reglas de Sonora Sur, que en conjunto suman una superficie
operación conjunta de la presa Adolfo Ruiz Cortines hidrológica de 212 266 km2.
y del acuífero del valle del río Mayo.
En la región hidrológica número 9, se localizan
Para simular diferentes condiciones de operación las cuencas de los ríos Sonora, Yaqui, Mátape y
de la infraestructura hidráulica en la cuenca, se Mayo, ésta última con una superficie de 27 541
desarrolló un modelo de simulación dinámica dentro Km2, de los cuales 20 226 km2 corresponden al
de la plataforma Powersim Studio 2003. estado de Sonora.
Se desarrolló el SIH de la cuenca del río Mayo El río Mayo, representa el escurrimiento
con información de contexto, de los recursos superficial más relevante de la cuenca, nace en la
hídricos y de los usos del agua en la cuenca y Sierra Madre Occidental dentro del estado de

358
Chihuahua, recorre 294 km hasta su desembocadura Tabla 1. Componentes del modelo ArcHydro
en el golfo de California, presenta una pendiente INFORMACIÓN
media de 0.68 %, con dirección preferencial COMPONENTE
RELACIONADA
noreste-suroeste y recibe por la margen derecha las
aportaciones del arroyo Los Cedros. La Características HydroFeature
Red
HydroJunction
infraestructura hidráulica del área está caracterizada
por las presas: Adolfo Ruiz Cortines, sobre el río Drenaje (Watershed) Regiones hidrológicas, cuencas
Mayo; El Veranito, en el arroyo Promontorios; y y subcuencas
Juan Maldonado, en el arroyo Jincori. Cuerpos de agua (lagos,
Waterbody lagunas). Presas
El distrito de riego 038, río Mayo, se localiza en
la parte baja de la cuenca, tiene una extensión de
Red hidrográfica (ríos y
97,051 ha que se hallan distribuidas en los
HydroEdge corrientes) totalmente conectada
municipios de Etchojoa, Huatabampo y Navojoa,
siendo sus cultivos principales: trigo, cártamo,
hortalizas, maíz, papa, garbanzo, algodón, sorgo, Ubicación de puntos donde se
soya, ajonjolí y fríjol. miden datos relacionados con la
cantidad y calidad del recurso,
Dentro de los usos del agua superficial destacan MonitoringPoint y cualquier otro punto de
en orden de importancia: el agrícola, doméstico, ubicación fija para registro de
industrial y pecuario. datos

Time Series (series de En puntos de monitoreo:

tiempo)
datos climatológicos, datos
Básicamente la información cartográfica se
hidrométricos
refiere a datos vectoriales y file)
(formato shape datosy tipo
de
raster obtenidos del INEGI. La información
calidad del agua
hidrológica comprende las series históricas de las
diferentes variables climatológicas e hidrométricas
que se miden dentro de la cuenca obtenida de los
sistemas CLICOM, ERIC III y BANDAS.
Los procesos realizados para la implementación
Figura 1. Localización geográfica de la cuenca del río
del modelo ArcHydro fueron:
Mayo, Sonora a. Revisión de la información
b. Generación de los mosaicos de datos
3 METODOLOGÍA vectoriales
IMPLEMENTACIÓN DE LA BASE DE c. Análisis y edición de la información
DATOS GEOGRÁFICA vectorial. Red hidrográfica y cuerpos de
agua
La base de datos geográfica se implementó d. Creación de la base de datos geográfica
utilizando la versión framework del modelo de e. Creación de la Red Geométrica.
datos ArcHydro. Conectividad de la red hidrográfica
En la tabla 1 se describe la información f. Trazado de la Red Geométrica. Trazado de
relacionada con cada componente dentro del modelo la red hidrográfica hacia aguas arriba y
ArcHydro. aguas abajo
g. Proceso de definición de la cuenca.
Delimitación de la cuenca utilizando la red
hidrográfica y el raster de direcciones de
flujo
h. Integración de la información histórica
i. Aplicación del esquema ArcHydro

359
 j. Revisión de formatos de entrada y salida de
datos de la plataforma Powersim Studio
2003
Figura 2. Base de datos geográfica de la cuenca del rio
Mayo
MODELO DE SIMULACIÓN DINÁMICA
El modelo de simulación tiene como objetivo contar
con una herramienta que permita analizar la
operación conjunta de la Presa Adolfo Ruiz
Cortines y el acuífero valle del río Mayo, que
abastecen de agua al distrito de riego 038 Río Mayo,
principal consumidor.
Figura 3. Módulo en Powersim Studio 2003 que simula
el funcionamiento de vaso
360
Figura 4. Interfaz de usuario del modelo dinámico
SISTEMA DE INFORMACIÓN
HIDROLÓGICO DE LA CUENCA DEL
RÍO MAYO
El Sistema de Información de la cuenca del río
Mayo se desarrolló en la plataforma ArcGIS versión
9.0. El diseño de la interfaz de usuario del sistema
comprende las opciones de consulta de datos
descriptivos y medidos a través de la selección de
entidades geográficas; una opción de exportación de
datos estadísticos que permiten enviar a un archivo
de Microsoft Excel la información de la presa
Adolfo Ruiz Cortines y del acuífero valle del río
Mayo que sirven de insumo al modelo dinámico de
simulación; por último, se cuenta con una opción de
actualización que permite ingresar nuevos datos
estadísticos a la base de datos geográfica e ingresar
los resultados obtenidos del modelo de simulación
dinámica.
Figura 5. Módulo del SIH
4 RESULTADOS
El resultado es la creación de un SIH para la cuenca
del río Mayo que comprende una base de datos
geográfica personal implementada en tipo de
Microsoft Access (*.mdb) y una interfaz de usuario
en ArcGIS que comprende opciones de consulta de
información descriptiva y estadística, y de
exportación e importación de datos.

Figura 8. Opción Actualizar datos estadísticos

Figura 6. Sistema de información de la cuenca del río

Mayo

Figura 9. Esquema del SIH cuenca del río Mayo

Figura 7. Opciones de consulta de datos descriptivos y
estadísticos de la presa Adolfo Ruiz Cortines
5 CONCLUSIONES
El Sistema de Información Hidrológica para la
cuenca del río Mayo es una herramienta de apoyo a
las decisiones que proporciona la información
almacenada en su base de datos a un modelo de
simulación dinámica que permite analizar diversos
escenarios en el uso de los recursos hídricos en la
cuenca.

REFERENCIAS
Maidment, David R., ArcHydro GIS for water resources.
ESRI Press. Redlands, California, USA, 2002.
Instituto Mexicano de Tecnología del Agua. Desarrollo
de bases de datos georreferenciados para modelos
dinámicos de simulación. Aplicación a la cuenca del
río Mayo. Informe Final. IMTA, 2005.
Instituto Mexicano de Tecnología del Agua. Estudio para
el manejo óptimo del agua superficial y subterránea y
exploración de escenarios en la cuenca del rio mayo.
Informe Final. IMTA, 2004.
Instituto Nacional de Estadística y Geografía, INEGI,
Estudio Hidrológico del Estado de Sonora, México.

361
 CALIDAD DEL AGUA Y CONTEXTO SOCIAL COMO BASE PARA LA
PLANEACIÓN Y GESTIÓN EN CUENCAS PERIURBANAS. EL CASO
DEL RÍO CHIQUITO, MORELIA, MICHOACÁN.
Héctor Ulises SÁNCHEZ SEPÚLVEDAa, Manuel MENDOZA CANTÚa, Antonio VIEYRA
MEDRANOa
a
Centro de Investigaciones en Geografía Ambiental, UNAM,Antigua Carretera a Pátzcuaro No. 8701, Col. Ex
Hacienda San José de la Huerta, 58190, Morelia, Michoacán,email: husansep@gmail.com,

RESUMEN
La cuenca periurbana del río Chiquito es considerada como uno de los sitios de más alta biodiversidad en el
municipio de Morelia y uno prioritario para su conservación. Actualmente, provee aproximadamente el 5% del
agua abastece al municipio.Considerando que la ciudad de Morelia expande de poco en poco sus fronteras hacia
ésta cuenca, se realiza una evaluación de la calidad de las aguas de la misma como un indicador del grado de
deterioro o degradación ambiental, en específico y de manera directa, de la erosión y los contaminantes en el
agua y suelo, e indirectamente, de la pérdida de cubierta vegetal, el mal manejo agropecuario, el uso inadecuado
del suelo, etc. Finalmente, se hace un análisis donde se integra la evaluación hidrológica por medio de la
utilización de un Índice de la Calidad del Agua (ICA). Los sitios que se encuentran más alejados de la ciudad, en
zonas altas y boscosas son aquellos que presentan los valores del ICA más altos y constantes a lo largo del año,
no así para los puntos de muestreo que se ubican cerca de poblados (Jesús del Monte, San Miguel del Monte y
San José de las Torres) y menos aún en los lugares urbanos (dentro de la ciudad), donde las cifras del ICA son
constantemente bajos durante las cuatro campañas de muestreo.
Palabras clave: río Chiquito, Morelia, calidad del agua, cuenca periurbana, ICA

1 INTRODUCCIÓN fuertesprocesoserosivos y en consecuencia gran

contenido de sólidos en suspensión en susaguas.
La cuenca del ríoChiquitoabarcaunasuperficie de casi
6,500 hectáreas y se encuentra al suroriente de la 2 OBJETIVO GENERAL
ciudad de Morelia, en el municipio del mismonombre.
Caracterizar el estado actual de la cuenca del río
Esconsideradacomouno de los sitios de
Chiquito (evaluando la calidad y cantidad de sus
másaltabiodiversidad en el municipio y
aguas superficiales), así como las condiciones
unoprioritarioparasuconservación, todavezque la
socioeconómicas de su población y las relaciones
ciudad de Morelia se abasteciósólo de lasaguas de
espaciales-funcionales que existen entre la cuenca y la
esteríodesdesufundación, hasta la mitad del siglo XX
ciudad de Morelia, con la finalidad de establecer una
(Ávila, 2007; López y Fuentes, 2007). Actualmente,
discusión en el marco de la planeación de cuencas
proveeaproximadamentealrededor del 5% del
periurbanas.
aguaqueabastece a la ciudad (Ayuntamiento de
Morelia, 2010). 3 METODOLOGÍA
Como resultado del crecimiento de la mancha En la fig.1 se muestra la metodología general de la
urbana de la ciudad de Morelia, es inevitable la investigación y la manera en que se articula la
presiónsobre el medio rural quecircundaestazona de la porciónrelacionada con la evaluación de la calidad del
ciudad. Dicho lo anterior, resultatrascendentalanalizar agua (hidrológica), con lavinculada con elcontexto
el estadoambiental actual de la cuenca del ríoChiquito, social (socioeconómica).Cabemencionaren
no sólopor los serviciosambientalesquebrinda (agua, adelantesólo se presentanalgunos de los resultados de
regulaciónmicroclimática, sitios de recreación, etc.), la primera parte, en específico con la confección de
tambiénporlas personas que en ellahabitan y unÍndice de la Calidad del Agua (ICA).
quetodavíaencuentra parte de susustentoeconómico en
lasactividadesproductivasprimarias.
Cabemencionarque la cuencasufre de

362
3.1 TEMPORALIDAD, PUNTOS DE 3.2 ÍNDICE DE CALIDAD DEL AGUA (ICA).
MUESTREO Y PARÁMETROS Para poder integrar los datos obtenidos por los
EVALUADOS parámetros y ver más claramente la calidad del agua
Por razones logísticas se decidió llevar a cabo cuatro presente en cada punto, se decidió utilizar el ICA
campañas de muestreo para caracterizar el año propuesto por Martínez de Bascarán (1979), el cual
hidrológico 2010-2011 en la cuenca del río Chiquito. indica del 0 al 100% la calidad general del agua,
Con una diferencia de tres meses entre cada una, la siendo los valores menores a 50% considerados como
primera campaña de muestreo se realizó antes de la inaceptables (ver tabla en la sección de resultados).
temporada de lluvias (última semana del mes de abril Este índice posee diversas ventajas, por un lado
de 2010); la segunda campaña durante la temporada muestra la calidad general del agua sin hacerlo para
de lluvias (última semana de julio de 2010); la tercera un uso en específico, y por el otro, su cociente
después de la temporada de lluvias (última semana de normalizado puede ajustarse a los parámetros
octubre de 2010); y finalmente, la última campaña de evaluados y no necesariamente a todos los propuestos
muestreo se ejecutó en secas (últimos días del mes de por el autor. No obstante, ésta úlitma ventaja puede
enero 2011). ser a la vez una desventaja, ya que el ICA se vuelve
exclusivo para las sitios evaluados con determinados
parámetros, por lo que su comparación con otros
estudios donde se utiliza el mismo ICA pero
diferentes parámetros debe hacerse con precaución. A
continuación se expresa la ecuación para calcular el
ICA, aunque cabe mencionar que en la versión
original se presenta además un producto por una
constante k que toma un valor subjetivo de 0 a 1 de
acuerdo al aspecto del agua; sin embargo, diversos
autores han encontrado que esta subjetividad tiende
subestimar el ICA, por lo tanto se decidió no llevar a
cabo el producto por esta constante y así obtener un
valor que sólo refleje la calidad del agua de acuerdo a
los datos que toma cada parámetro en cada punto
muestreado.
Figura 1. Muestra la metodología general de la
investigación dividida en los aspectos hidrológicos y en los
socioeconómicos.
Donde:
Se escogieron 19 puntos de muestreo distribuidos
por toda la cuenca, de tal manera que representaran el Ci: Valor porcentual asignado a los parámetros
agua de las corrientes superficiales de la parte alta, (definido por el autor para distintos rangos de valores
media y baja de la cuenca. Para cada sitio se que pueden tomar cada parámetro)
obtuvieron 13 parámetros que se muestran en la tabla Pi: Peso asignado a cada parámetro (definido por el
1. autor de acuerdo a la importancia de cada parámetro
Tabla 1. Muestra los 13 parámetros de calidad del dentro del ICA)
agua que fueron evaluados durante las campañas de
muestreo. 4 RESULTADOS
INDICADORES
Cabe mencionar que por cuestiones de tiempo y
INDICADORES INDICADORES
BACTERIOLÓ- espacio en el presente poster sólo se exponen los
FÍSICOS QUÍMICOS
GICOS resultados más importantes para la calidad del agua. A
OBTENCIÓN EN 1. Temperatura 5. pH continuación se muestra un mapa con una gráfica por
CAMPO 2. Conductividad 6. Oxígenodisuelto
punto para los resultados del ICA en cada campaña de
7., 8. y 9.Nutrimentos muestreo. En la tabla contigua se muestran los
3.Sólidos
(NO3, N Amoniacal,
OBTENCIÓN EN SuspendidosTotales
PO4)
12. y 13. E. Coli, y resultados del ICA para cada punto en cada campaña.
LABORATORIO 4. Turbidez “otras coliformes”
10. DBO5 Cabe decir que para este mapa no se incluyeron los
11. Dureza Total datos de los parámetros bacteriológicos en el cálculo

363
del ICA ya que sólo fueron analizados en la campaña suspensión y en adición la turbidez del agua. Además,
2 y 4, temporada de lluvias y secas respectivamente. en esos momentos se registran las mayores
Tabla 2. Expone los resultados del ICA temperaturas, por lo que la actividad biológica en el
paracadapunto la cuencaevaluado, en agua es mayor y por ende el consumo de oxígeno
lascuatrocampañas de maestro. disuelto también.
ICA
Finalmente, el ICA obtenido en la zona de emisión
C1 C3
de la cuenca (Campestre) muestra una cierta
Punto de Muestreo C2 C4 capacidad de recuperación o de resiliencia en relación
Pre- Post-
Lluvias Secas
lluvias lluvias a la calidad del agua de la cuenca.
La Rosa 85.4 88.3 84.2 87.9
La Pitaya 85.4 86.3 85.0 88.3
Camino a Atécuaro 87.1 54.2 82.1 84.6
Agua Escondida 87.5 79.2 85.4 89.2
Torrecillas 86.3 85.8 83.8 85.8
Agua Zarca 84.6 82.9 83.3 84.6
San Miguel del Monte (SMM) 76.3 66.7 86.3 86.7
Planta de Tratamiento SMM 42.5 63.3 52.1 61.3
San José de las Torres (SJ) 43.3 77.5 80.8 82.1
Jesús del Monte (JM) 42.1 69.6 70.0 69.2
Planta de Tratamiento JM 73.8 34.6 48.8 40.0
Manantial Río Bello 70.8 77.9 72.1 73.3
Río Bello (RB) 78.8 77.9 84.2 86.7
Carretera JM 65.0 49.2 79.2 65.4
Los Filtros RB 78.8 57.5 80.4 75.4
Los Filtros SJ seco 77.5 85.8 85.0
Campestre 81.7 55.0 83.8 91.7
García Obeso 62.5 47.9 59.2 60.4
Av. Michoacán 52.9 44.6 51.3 47.9
Figura 2.Para cada punto evaluado de la cuenca, muestra
las gráficas de barras a partir de los valores del ICA en las
cuatro campañas.
5 DISCUSIÓN Y CONCLUSIONES
Los sitios que se encuentran más alejados de la AGRADECIMIENTOS
ciudad, en zonas altas y boscosas son aquellos que Agradecemos a Rosaura Baez, a María Fernanda
presentan valores del ICA más altos y constantes a lo Alejandre y a Teodoro Carlón. Así como a la beca
largo del año, no así para los puntos de muestreo que otorgada por el CONACYT al primer autor de este
se ubican cerca de poblados (Jesús del Monte, San texto durante sus estudios de maestría.
Miguel del Monte y San José de las Torres) y menos
aún en los lugares urbanos (García Obeso y Av. REFERENCIAS
Michoacán), donde las cifras del ICA son
Ávila, P. 2007. Agua, ciudad y medioambiente: una
constantemente bajos durante las cuatro campañas. visión histórica de Morelia. Centro de Investigaciones
Con excepción de las plantas de tratamiento y los en Ecosistemas de la Universidad Nacional Autónoma
dos sitios urbanos, la mayoría de las corrientes de México/Secretaría de Desarrollo
superficiales de la cuenca se mantienen durante el año Social/Ayuntamiento de Morelia/Observatorio Urbano
en un rango de calidad de aceptable a buena (60- de Morelia, México
Ayuntamiento de Morelia. 2010. Programa de Desarrollo
85%), aunque pareciera haber una tendencia a
Urbano del Centro de Población de Morelia 2010,
disminuir durante la época de lluvias. A pesar de que Ayuntamiento de Morelia, Morelia
las precipitaciones pueden disminuir la concentración http://www.morelia.gob.mx/pdf/INDUM/PDUCPM_2010.p
de algunos contaminantes, la cuenca del río Chiquito df(acceso 15 mayo, 2011)
sufre de fuertes procesos erosivos, mismos que a lo López, E. y Fuentes, J. 2007. Elaboración e instrumentación
largo de la temporada de lluvias incrementan de un modelo de ordenamiento ecológico territorial para
dramáticamente la proporción de sólidos en el Municipio de Morelia (fase de diagnóstico). Centro
de Investigaciones en Ecosistemas

364
 IMPLEMENTACIÓN DE UN SISTEMA DE INFORMACIÓN
GEOGRÁFICA PARA EL BALANCE HÍDRICO MENSUAL EN 15
CUENCAS HIDROGRÁFICAS DE COSTA RICA
Yolanda SOLÍS ALVARADOa, Jaqueline LAFRAGUA CONTRERASa, David BÁEZ OROPEZAb
a
Instituto Mexicano de Tecnología del Agua, Paseo Cuauhnáhuac 8532, Col. Progreso, Jiutepec, Morelos,
México. CP 62550, email: ysolis@tlaloc.imta.mx, jaquelin@tlaloc.imta.mx
b
Proserti, DF. México. david.baezo@proserti.com

RESUMEN
El Sistema de Información Geográfica implementado para estimar el Balance Hídrico Mensual en 15 cuencas de
Costa Rica (SIGBALHI-CR) se aplica en el manejo de la información asociada con el recurso hídrico disponible
por cuenca hidrológica y su principal virtud es que presenta los resultados de los balances hídricos y
disponibilidad de agua en un intervalo de tiempo mensual de forma rápida, fácil e integral. El principal usuario
del sistema es el Ministerio de Ambiente y Energía (MINAE) de Costa Rica que lo utiliza para manejar y
consultar dicha información al momento de dirigir sus acciones y proyectos prioritarios en las 15 cuencas
hidrológicas. Los principales resultados del sistema son: el balance hídrico de manera tabular y el mapa de
disponibilidad de agua superficial (mensual o anual) de cada una de las cuencas, las cuales tendrán tono verde
cuando se tiene disponibilidad de agua y tono rojo cuando no hay disponibilidad. Lo relevante de este trabajo es
que se tiene un Sistema de Información Geográfico pionero en el cálculo de disponibilidad de agua por cuenca
hidrológica de manera semi-automática. Es conveniente tomar esta experiencia para replicar el SIGBALHI-CR
en las trece Regiones hidrológicas de México para el cálculo de la disponibilidad de agua superficial.
Palabras clave: Sistema de Información Geográfica, recursos hídricos, cuenca hidrológica, disponibilidad de
agua, balance hídrico, Costa Rica.
GIS 9.2 y Access, mediante programación en Visual
1 INTRODUCCIÓN
Basic, que permite tanto la consulta de la información
El IMTA desarrolló el estudio “Elaboración de de las cuencas directamente en la pantalla de la
Balances Hídricos por cuencas hidrográficas y computadora, como en papel, a través de reportes en
propuesta de modernización de las redes de tablas y mapas impresos.
medición”, financiado por el Banco Interamericano
El sistema SIGBALHI-CR maneja en forma
de Desarrollo (sede en Washington DC, USA) y
integrada la cartografía y las tablas de información de
forma parte del Plan Nacional de Gestión Integrada de
los mapas temáticos del país con que cuenta el
Recursos Hídricos (PNGIRH) del Ministerio del
MINAE y otras instituciones que proveyeron
Ambiente y Energía (MINAE) de Costa Rica. Uno de
información cartográfica, tal como se observa en el
los objetivos de dicho estudio fue diseñar y desarrollar
esquema general del SIGBALHI-CR de la fig. 1. Para
un sistema de información georeferenciado para
lograrlo, el sistema incluye información geoespacial
presentar los resultados de los balances hídricos y
que contiene variables de lluvia, precipitación,
disponibilidad de agua por cuenca hidrológica y a
temperatura, etc., las cuales manipula mediante
nivel mensual. De manera que el MINAE pueda de
programación en herramientas de ArcView GIS 9.2 y
forma rápida, fácil e integral, manejar y consultar
de Access.
dicha información al momento de dirigir sus acciones
de gestión hídrica. El levantamiento y recopilación de El SIGBALHI-CR cuenta en su primera versión
toda la información necesaria para dichos balances se con la cartografía digital proveniente de distintas
llevó a cabo en San José, Costa Rica. fuentes de Costa Rica (MINAE, Atlas del Instituto
Tecnológico de Costa Rica, etc.) y los balances
El Sistema de Información Geográfica para estimar
hídricos para las cuencas: Abangares, Barranca,
el Balance Hídrico Mensual en 15 cuencas de Costa
Bebedero, Naranjo, Península de Nicoya, Parrita,
Rica (SIGBALHI-CR) es una herramienta de cómputo
Pacuare, Río Frío, San Carlos, Reventazón, Sarapiquí-
implementada dentro de los ambientes de ArcView

365
Chirripó, Savegre, Grande de Tárcoles, Tempisque y
Grande de Térraba.
Figura 1. Esquema general del SIGBALHI-CR.
La información alfanumérica de cada cuenca
hidrográfica está dividida en dos partes dentro de la
base de datos, una parte no modificable y otra
actualizable. La porción no modificable de la base de
datos alfanumérica comprende las siguientes
variables: a) ubicación de una cuenca en coordenadas
UTM (Universal Transversal Mercator) y Latitud-
Longitud para los sistemas de referencia Lambert
Costa Rica Norte, establecido en Costa Rica como el
sistema de Referencia par la cartografía nacional; b)
superficie de la cuenca en metros cuadrados; c)
perímetro de la cuenca en metros; y, d) identificador
o nombre de la cuenca. La parte actualizable
considera los siguientes aspectos: a) Usos de suelo, b)
Edafología y c) Información hidroclimatológica y de
vasos de almacenamiento.
2 DESCRIPCIÓN DEL SIGBALHI-CR
El SIGBALHI-CR trabaja sobre la plataforma
ArcView GIS 9.2, con almacenamiento de datos en
Access, programación de rutinas en Visual Basic y
conexión interna a archivos de Excel relativos a
información base (variables) necesaria para el cálculo
de los balances de cada cuenca.
2.1 INFORMACIÓN REQUERIDA.
Para su correcto funcionamiento el SIGBALHI-CR
cuenta con la siguiente información: en cuanto a datos
tabulares; tablas de las variables para el balance
hídrico, cuencas hidrográficas, catálogo de usos de la
366
tierra, catálogo de tipos de suelo y catálogo de usos
del agua.
En cuanto a datos matriciales; cuenta con imágenes
tipo raster ortocorregidas, georeferenciadas y
almacenadas en formato GeoTiff (formato Tiff con
información de ubicación geográfica). Mediante las
imágenes se forma un mosaico para cada una de las
cuencas para la estimación del balance hídrico. Los
mosaicos representan un mapa base de referencia.
En cuanto a datos vectoriales, los cuales son
archivos con extensión .shp (formato de trabajo en
ambiente ArcView GIS 9.2), el SIGBALHI-CR
cuenta, entre los más importantes, con límites de las
cuencas, estaciones de medición - que incluyen datos
de evaporación, humedad relativa, temperatura,
precipitación e hidrometría (gastos)-, edafología,
geología, uso de la tierra, topografía y red
hidrográfica.
2.2 BANCO DE DATOS DEL SIGBALHI-CR.
Toda la información cartográfica que se recopiló fue
georeferenciada a la proyección denominada CR
Lambert Norte. Por otro lado, a cada capa cartográfica
geoespacial se le asoció su tabla de información, para
el caso de la información proveniente de las
estaciones climatológicas, hidrométricas, etc. cuentan
con una tabla de información general completa.
La información cartográfica fue clasificada como
sigue: Geología; División política; Poblados;
Concesiones; Estaciones de medición; Áreas
protegidas; Vegetación y uso de suelo; Relieve;
Hidrografía; Infraestructura hidráulica; Localidades y
rasgos urbanos; Instalaciones diversas e industriales; y
Comunicación y transporte - red vial
Cada una de las agrupaciones anteriores contiene
las siguientes capas temáticas:
Geología (tipos de roca, tipo de suelo)
Falla
Geología superficial
División política
Cantones
Provincias
Distritos
Regiones
 Población Poblados
Distribución por cantón
Densidad por cantón Comunicación y transporte
Tasa de crecimiento Carreteras

Concesiones 2.3 MODELO CONCEPTUAL DEL

SISTEMA.
Estaciones de medición (pluviométricas, El SIGBALHI-CR mantiene un diálogo con el usuario
climatológicas) mediante los nueve módulos que integran el Modelo
conceptual del sistema (ver fig. 2 y 3): Ambiente
Estaciones climatológicas ArcView GIS 9.2, Mapas temáticos, Consultas,
Estaciones pluviométricas (hidrométricas) Cálculo de Balance, Disponibilidad Superficial,
Pozos piezométricos Presentación (Mapas de Salida), Herramientas,
Información y Ayuda. Estos módulos están
organizados a través de menús de opciones e íconos o
Áreas naturales protegidas (integradas en la capa botones asociados a procesos.
de uso de la tierra)

Vegetación y uso de la tierra (uso de la tierra)

Vegetación y uso de la tierra 2000
Vegetación y uso de la tierra 2005

Relieve (topografía escala 1:50,000)

Topografía (1:50,000)

Hidrografía (red hidrográfica - ríos)

Límite de las cuencas
Límite de la región hidrográfica

Figura 2. Módulos y submódulos que integran el

Infraestructura hidráulica (Presas, Plantas SIGBALHI-CR.
hidroeléctricas)
Estructuras lineales
Cuerpos de agua
Figura 3. Menús del sistema y botón de gráficas.
Presa
Canal Módulo Ambiente ArcView GIS 9.2, posee todo el
manejo original normal de una licencia de ArcView
Estanque GIS 9.2, el cual está pensado para usuarios
experimentados que puedan generar nuevas capas de
información, desarrollar aplicaciones (inclusive darle
Localidades y rasgos urbanos (escuelas, comercio,
mantenimiento al SIGBALHI-CR), o usar cualquier
etc.)
comando propio de ArcView.
Área urbana

367
 Módulo Mapas temáticos, integra el banco
nacional cartográfico del SIGBALHI-CR, del cual
algunas capas se emplean directamente en el balance y
el resto de capas se usan “de contexto” para ubicar
ciertos temas específicos dentro de una cuenca, como
son sus carreteras, proyectos hidroeléctricos, etc.
Módulo Consultas, informa sobre Datos
descriptivos y Lista de estaciones. Los datos
descriptivos permiten desplegar información de las
estaciones de medición (de evaporación, humedad
relativa, temperatura, precipitación, gastos), y fotos,
en caso de existir. Algunos de los datos generales son:
identificador de la estación, clave, nombre, cuenca en
la que está, no. de cuenca, institución responsable,
elevación (en m.s.n.m.), estado, y coordenada X y Y.
En el módulo cálculo de balance se reúne la
interconexión entre variables necesarias para el
cálculo del balance hídrico mensual, dividido en los
siguientes grandes grupos: precipitación, temperatura
media, humedad relativa, radiación solar, volumen de
lluvia, intercepción, infiltración, evapotranspiración,
evaporación, usos consultivos, volumen aportado,
exportaciones/importaciones, retornos, fugas, estación
hidrométrica, balance, disponibilidad superficial y
situación subterránea (ver fig. 4).
Módulo Disponibilidad superficial, muestra en
pantalla el mapa de disponibilidad de agua superficial
ya sea mensual o anual de cada una de las cuencas,
mediante la selección en una caja de diálogo del tipo
de disponibilidad a consultar. Dicho mapa de
disponibilidad tendrá la cuenca en tono verde cuando
hay disponibilidad de agua y tono rojo cuando no la
hay.
Módulo Presentación (Mapas de Salida), también
llamado Mapa de Salida, permite revisar la manera en
que se prepara el mapa para ser impreso de acuerdo a
la zona del dibujo que está siendo visualizada en
pantalla.
Módulo Herramientas, es una miscelánea de
funciones que permiten operaciones de “maquillaje”
para incorporar información adicional o elementos de
dibujo (gráficos) a un mapa para su posterior
impresión.
Módulo Información, contiene una breve reseña de
la metodología implementada por el SIGBALHI-CR
para el cálculo del balance hídrico mensual.
Módulo Ayuda, es la ayuda en línea del uso y
descripción de cada una de las opciones
implementadas en el SIGBALHI-CR.
368
2.4 INTERFASES DEL MÓDULO CÁLCULO
DEL BALANCE Y DETERMINACIÓN DE
INFORMACIÓN FIJA PARA EL BALANCE
En el módulo cálculo de balance se reúne la
interconexión entre variables necesarias para el
cálculo del balance hídrico mensual, se divide en los
siguientes grandes grupos: precipitación, temperatura
media, humedad relativa (hr), radiación solar (rs),
volumen de lluvia, intercepción, infiltración,
evapotranspiración, evaporación, usos consuntivos,
volumen aportado, exportaciones/importaciones,
retornos, fugas, estación hidorométrica, balance,
disponibilidad superficial y situación subterránea (ver
fig. 4). Los anteriores grupos combinados con la
información fija permiten establecer el universo
completo de información necesaria para el cálculo del
balance mensual y anual por cuenca.
Los pasos para establecer la información fija para
el cálculo del balance o bien la que se actualiza con
menor periodicidad son los siguientes (ver fig. 4,
sección submenús):
* Configuración: esta opción permite establecer en
el Sistema las rutas de acceso a los archivos históricos
de donde se actualizarán los datos de las estaciones
de: radiación, hidrometría, precipitación, temperatura
y humedad relativa (HR); así como copiar un balance
existente a un nuevo balance; es decir, almacenar un
respaldo de los balances del año activo, para iniciar un
balance para un año nuevo; establecer los nombres de
los archivos de datos y seleccionar una nueva cuenca
para trabajar.
* Catálogos: En los catálogos se configuran las
variables de Porcentajes de Retornos para el Balance
(permite asignar dichos porcentajes); Valor del gasto
base (Q Base m3/s) para el balance y Áreas de
geología.
Figura 4. Menú principal para el cálculo del balance.
 * Capacidad de infiltración: Aquí se determina la
capacidad de infiltración que se asumirá en el cálculo
del balance. Para lo cual, permite seleccionar los
tipos de suelo y sus porcentajes de infiltración. Se
despliegan tres ventanas generales: a) Áreas del Mapa
(donde se muestran los Tipos de Suelo y sus
respectivas áreas, existentes en el mapa cargado y
visible desde Mapas Temáticos), b) Catálogos (Se
despliegan los Tipos de Suelo que puede el usuario
manejar en esa cuenca), y c) Resultados, donde se
despliega el resultado de las sumas o restas anteriores
para definir el valor a usa en el balance para la
variable Área Considerada y Área Total. Con lo
anterior el SIGBALHI-CR asigna el porcentaje de
Lluvia por Tipo de Suelo.
* Capacidad de evapotranspiración/capacidad
de intercepción. En esta sección se define la
capacidad de evapotranspiración o bien la capacidad
de intercepción a través de leer las áreas para cada uso
de la tierra del mapa. Con las áreas de uso del suelo se
calcula el área total, área de vegetación de W para la
evapotranspiración, el área de vegetación restante y el
área de bosque para la capacidad de intercepción.
* Estaciones de referencia: Las estaciones de
referencia o estaciones virtuales (no existan
físicamente en la cuenca en estudio) son utilizadas
para asignar datos calculados por otro medio y
necesarios para la generación del balance.
2.5 CÁLCULO DE DISPONIBILIAD DE
AGUA POR CUENCA HIDROLÓGICA
El cálculo del balance determina posteriormente la
disponibilidad de agua por cuenca hidrológica, para lo
cual es necesario establecer la interconexión entre las
variables necesarias para el cálculo del balance
hídrico mensual, mismas que se explican a
continuación:
* Precipitación: Esta opción permite leer la
precipitación desde archivos tipo Excel, pudiendo ser
establecidos en el módulo de configuración, cuyo
contenido sea únicamente la precipitación.
* Temperatura media: A través de archivos tipo
Excel, el sistema lee datos de temperatura de acuerdo
a las estaciones establecidas en la configuración. Se
despliegan valores con sombra azul cuando estos
pueden ser modificados desde teclado, desde aquí es
posible actualizar la BD en Access.
369
* Humedad relativa (hr): Lee datos históricos de
humedad relativa desde el archivo previamente
definido en la configuración.
* Radiación solar (rs): Esta opción se maneja de
manera similar a todas las variables anteriores,
leyendo lecturas de radiación solar para cada uno de
los meses del año a calcular por estación.
* Volumen de lluvia: Con los datos de
precipitación previamente leídos, el sistema acumula
las precipitaciones para cada uno de los meses del año
y obtiene el volumen de lluvia anual.
* Intercepción: Esta variable presenta como datos
sugeridos (default) el porcentaje interceptado de
bosque y su área; y, el porcentaje interceptado de
vegetación restante y con ellos calcula la intercepción
en la vegetación de toda la cuenca.
* Infiltración: Para obtener esta variable primero
se obtiene el área en km2 para cada tipo de suelo al
cual se le asigna un porcentaje de lluvia determinando
así el volumen potencial de infiltración en Mm3.
* Usos consuntivos: El sistema cuantifica y
despliega los usos consuntivos por mes y por año
existentes en la cuenca sobre la cual se está
calculando el balance. SIGBALHI-CR calcula el
volumen por uso (Agroindustrial, agropecuario,
comercial, consumo humano, generación
hidroeléctrica, etc,) y por fuente (Superficial,
manantiales, pozos), para el caso de generación de
energía hidroeléctrica incluye la fuente Superficial
ICE.
* Volumen aportado: En esta opción se efectúa el
cálculo del volumen aportado por manantiales y por
pozos para cada mes y el anual.
* Exportaciones/Importaciones: Si es el caso de
cuencas interconectadas, el sistema despliega la
distribución mensual por cuenca ya sea de
exportaciones y/o importaciones según corresponda.
En caso de que no existan algunos de los dos
conceptos aparecerá la tabla con ceros y sin nombre
de cuenca (ver fig. 5).
Figura 5. Ejemplo de asignación de exportaciones e
importaciones.

* Retornos: La variable Retornos se calcula

considerando un porcentaje de retornos de acuerdo al
tipo de uso de agua que se tenga en la cuenca donde se
realiza el balance. El sistema despliega el volumen de
retornos mensual y anual por uso.
* Fugas: El SIGBALI-CR determina las fugas en
redes de agua potable en Mm3 considerando un
porcentaje de fugas, mismo que es editable,
obteniendo un Volumen de fugas mensual y un
volumen anual de acuerdo a la dotación en litros por
habitante por día, la población en la cuenca y el
volumen mensual y anual suministrado.
* Estación fluviométrica: La información de la
estación fluviométrica sirve para validar o dar
certidumbre a los resultados obtenidos en los cálculos
(ver fig. 6).
Figura 7. Ejemplo de resultados de un balance.
Las variables finales para calcular las entradas al
balance son: Volumen de lluvia (Vll), Retornos (Re),
Volumen de manantiales (Vm), Bombeo (B),
Importaciones (Im) y Aguas arriba (Ar). Y para
calcular las salidas, son: Evapotranspiración (ET),
Infiltración (Inf), Intercepción (Inter), Evaporación
(Ev), Usos Consuntivos (Uc), Fugas (f) y
Exportaciones (Ex). La ecuación para el cálculo de las
aguas abajo queda de la siguiente manera:
Ab = (Vll + Re + B + Vm + Im + Ar) –
(ET + Inf + Inter + Ev + Uc + f + Ex) (1)
Adicionalmente, se despliega un comparativo de
las aguas abajo calculadas (ver ec. 1) respecto de las
aguas abajo registradas por estaciones de medición,
como punto de referencia. Los resultados del balance
se presentan también en dos gráficas, una para datos
calculados contra los registrados, y la otra basados en
la oferta y la demanda (ver fig. 8).

Figura 6. Ejemplo de resultados de una estación

fluviométrica.

* Balance: El balance por cuenca se presenta

iniciando con el nombre de la cuenca, el período que
cubre el balance, el área de la cuenca en estudio y el
desglose mensual de los valores de cada una de las
variables así como su valor anual (ver fig. 7).

370
 debido a la lluvia, y el segundo, Considerando recarga
total en función de la variación de volumen. Las
variables reportadas son: Entradas (recarga natural),
Saldas (manantiales y pozos) y Situación. Cada
variable se presenta mensual y anual.

3 RESULTADOS
Los principales resultados del sistema son: el balance
hídrico de manera tabular y el mapa de disponibilidad
de agua superficial (mensual o anual) de cada una de
las cuencas. La disponibilidad en la cuenca se colorea
en tono verde cuando se tiene disponibilidad de agua
y tono rojo cuando no hay disponibilidad.
El SIGBALHI-CR es un Sistema de Información
Geográfico pionero en el cálculo de disponibilidad de
agua por cuenca hidrológica de manera semi-
automática. Pues está diseñado con base en botones
programados para actualizar de manera rápida la
información de las variables medidas y concentradas
en archivos Excel para su incorporación al sistema.
Figura 8. Ejemplo de gráficas de un balance. Es conveniente tomar esta experiencia para replicar
el SIGBALHI-CR en las trece Regiones hidrológicas
* Disponibilidad superficial: En la pestaña
de México para el cálculo de la disponibilidad de agua
disponibilidad superficial, se despliega la Oferta
superficial y de esta manera agilizar la actualización
potencial y volúmenes comprometidos, los volúmenes
de la disponibilidad por cuenca, misma que por ley
reservados, y, la disponibilidad de agua tanto por
debe ser actualizada y publicada cada tres años en
cuenca propia como a la salida del cauce principal
México.
(ver fig. 9).
AGRADECIMIENTOS
Los autores agradecen al Banco Interamericano de
Desarrollo (BID) por el apoyo financiero a través de
licitación pública internacional para el desarrollo del
estudio de “Elaboración de balances hídricos por
cuencas hidrográficas y propuesta de modernización
de las redes de medición” elaborado en 2007 y 2008.

REFERENCIAS
Lafragua, J., et all, 2008. “Elaboración de Balances
Hídricos por Cuencas Hidrográficas y Propuesta de
Modernización de las Redes de Medición en Costa
Rica”, San José de Costa Rica.
Solís, Y., et all, 2007. Manual de usuario del Sistema de
Información Geográfica para el Balance Hídrico
Mensual en 15 Cuencas Hidrográficas. Costa Rica
(SIGBALHI-CR) ver 1.0.
Figura 9. Ejemplo de resultados de disponibilidad.

* Situación subterránea: La situación de agua

subterránea en la cuenca se presenta considerando
dos casos. El primero, Considerando recarga natural

371
 LOCALIZACIÓN DE ZONAS POTENCIALES DE REGARGA DEL
ACUÍFERO DE LA CIUDAD DE MÉXICO
Héctor SANVICENTE-SÁNCHEZa, Victor Manuel DÍAZ GARCÍAb
a
IMTA, P. Cuahunáhuac 8532, Jiutepec, Mor, email: hsanvice@tlaloc.imta.mx
b
CONAGUA, Insurgentes Sur 2416, México, D.F.

RESUMEN
Los acuíferos de la cuenca del Valle de México sufren una severa sobreexplotación debida a que no se recargan
en su totalidad de manera natural con el agua de lluvia; esta debería de infiltrarse a través de zonas permeables,
pero en la Cd. de México estas áreas cada vez son menores, además el agua de la lluvia es interceptada por la red
de drenaje. El presente trabajo desarrolla una metodología en la que mediante el uso de sistemas de información
geográfica (SIG) y de un análisis multicriterio se identifican áreas consideradas como potenciales de recarga
dentro del acuífero de la Zona Metropolitana de la Ciudad de México. Las técnicas de evaluación multicriterio
son algoritmos numéricos que definen la posibilidad de una solución con base en una ponderación de elementos
que se asigna mediante una lógica matemática, en esta técnica la ponderación o peso es asignada a las capas de
datos dentro del SIG para reflejar su importancia relativa. En este estudio se empleo la extensión MCE FLOWA
(multicriteria evaluation fuzzy linguistic ordered weighted averaging), la cual incorpora el proceso de análisis
jerárquico (AHP por sus siglas en inglés) y cuantificadores lingüísticos. Los mapas criterio que se consideraron
relevantes para una decisión se comparan cara a cara en una matriz de paridad inteligente, que es una medida
para establecer la preferencia relativa entre los factores. Se seleccionaron tres mapas raster escala 1:250,000 que
son geología, suelos y vegetación. La alternativa de los cuantificadores lingüísticos FEW obtuvo los mejores
resultados para el estudio encontrándose ocho zonas potenciales de recarga, ubicadas principalmente en la parte
sureste del acuífero, varias de estas zonas coinciden con estudios previos que utilizaron otra metodología.
Palabras clave: Acuífero de la Cd. De México, Recarga de acuíferos, evaluación multicriterio, MCE FLOWA
(SIG) y puede aplicarse en cualquier otra área de
1 INTRODUCCIÓN
estudio que requiera encontrar zonas potenciales de
La infiltración derivada de la precipitación es uno de recarga para acuíferos.
los componentes más importantes del ciclo
Como antecedentes a este estudio se tiene que
hidrológico. La infiltración es un proceso complejo y
Saraf and Sarma (1998) aplicó el análisis multicriterio
depende de las condiciones de utilización del suelo, de
para la identificación de zonas de infiltración en rocas
la vegetación, de la red fluvial, de la pendiente de la
duras. Shankar and Mohan (2005) aplicó también el
superficie, de la evaporación, del tipo de suelo, de la
análisis multicriterio en recarga artificial de acuíferos
geología, de la zona y de la precipitación.
en rocas volcánicas. Finalmente, Ruman et al. (2005)
La urbanización aumenta superficies impermeables aplicó un análisis multicriterio a través de Sistemas de
en una cuenca y transporta la descarga del agua de Información Geográfica (SIG) para identificar zonas
lluvia al sistema de alcantarillado que descarga en de infiltración en una cuenca urbana. En cada uno de
afluentes externos. Esto da como resultado una menor los casos anteriores se ha aplicado una técnica de
infiltración y recarga del agua subterránea. análisis propia para identificar la ponderación o la
El presente trabajo presenta una técnica de importancia de cada criterio que se emplea en el
identificación de zonas potenciales para la infiltración análisis.
en el acuífero de la Zona Metropolitana de la Ciudad Las técnicas de evaluación multicriterio son
de México. algoritmos numéricos que definen la posibilidad de
La metodología que aquí se presenta es una técnica una solución con base en elementos con una
en desarrollo que se basa en la aplicación de una ponderación asignada mediante una lógica matemática
análisis multicriterio (Satty, 1980 y 1991) con el o interpretaciones lógicas; en esta técnica la
empleo de un Sistema de Información Geográfica ponderación o peso es asignado a las capas de datos

372
para reflejar una importancia relativa (Phukon et al.,
2004).
La implementación del análisis multicriterio en un
SIG implica que las variables a analizar se representen
a través de mapas con lo cual se establece además de
su valor, su distribución espacial, la sobreposición,
combinación o modelación de estos mapas o capas
espaciales, ponderados adecuadamente permite llevar
a cabo el análisis multicriterio.
La aplicación en un SIG del análisis multicriterio
actualmente está simplificado ya que hay herramientas
disponibles en la WEB para la paquetería que maneja
estas herramientas informáticas.
En este estudio se empleo una de ellas llamada
MCE FLOWA debido a su versatilidad y fácil
instalación. El software MCE FLOWA se utilizó en
conjunto con la versión del Windows XP y con
ArcInfo 9.2. Chen et al. (2008) empleo la extensión
FLOWA con el ArcGis 9.2 para la evaluación de la
extensión de zonas de irrigación en tierras de cultivo
en una región de Australia).
2 ÁREA DE ESTUDIO
El área de estudio comprende exclusivamente la zona
superficial dentro de los límites marcados como el
acuífero Zona Metropolitana de la Ciudad de México
(CONAGUA, 2003) y que forma parte de la Cuenca
de Valle de México en la porción central de México.
La figura 1 muestra la localización de dicho acuífero.
Figura 1. Imagen satelital de Google Earth que muestra los
límites asignados por la CONAGUA para el acuífero Zona
Metropolitana de la Ciudad de México y que comprende el
área de estudio.
373
El acuífero de la Zona Metropolitana de la Ciudad
de México (ZMCDM) tiene una extensión de 2,013
km2 (CONAGUA, 2010) y colinda al oriente con dos
acuíferos que son, el acuífero de Texcoco y el de
Chalco-Amecameca, al poniente colinda con el de
Valle de Toluca, al norte con el acuífero de
Cuautitlán-Pachuca y al sur con los acuíferos de
Cuernavaca y el de Cuautla-Yautepec.
Se consideró el acuífero ZMCDM para el presente
estudio ya que la zona urbana de la ciudad de México
cubre un área muy extensa cuyo crecimiento ha
venido limitando la recarga natural, mientras que las
necesidades de agua van en aumento por la densidad
de población que concentra, además de presentar
problemas de hundimiento y fracturamiento debido a
la disminución en el nivel freático como consecuencia
de la sobre explotación que sufre (UAM, 2009).
De acuerdo a la determinación de la disponibilidad
del agua en el acuífero ZMCDM publicada por la
CONAGUA en el Diario Oficial de la Federación,
primero en 2003 (CONAGUA, 2003) y
posteriormente actualizada en 2009 (CONAGUA,
2009) la situación del acuífero aparentemente mejoró
por una mayor recarga debido a caudales que inyectan
pozos de absorción de agua de lluvia para evitar
inundaciones y una disminución del volumen
concesionado. Sin embargo, la extracción real ha
aumentado. La tabla 1 muestra la comparación de
ambos estudios.
Tabla 1. Comparación de los estudios de
disponibilidad publicados por la CONAGUA en el
DOF en 2003 y 2009
CONAGUA CONAGUA
Variable
2003 2009
Recarga
279 512.8
(hm3/año)
Extracción
507.4 623.8
(hm3/año)
Volumen
concesionado 1248 1226.4
(hm3/año)
Relación
4.47 2.39
concesión/recarga
Déficit, recarga -
concesión -969 -713.6
(hm3/año)
Según el censo realizado en la Región XIII Aguas
del Valle de México por la CONAGUA (2007) este
acuífero contaba con 1,524 pozos de los cuales 304
carecían de título de concesión.
Con respecto a las zonas de recarga identificadas
en estudios anteriores se tiene que la UAM (2009)
basándose en la geología de la región descrita por
Mosser et al. (1996) establece que las litologías del
Cuaternario constituidas por fenobasaltos y domos
volcánicos definen las áreas de mayor potencial de
infiltración de acuerdo con su porosidad y múltiples
fracturamientos, estos últimos descrito por Marín-
Córdoba y Aguayo (1989), Santoyo et al. (2005) y
García-Palomo et al. (2008). Otras litologías aunque
con menos potencial de recarga son las lavas
porfidoandesíticas y los afloramientos de la formación
Tarango; así como también los depósitos aluviales
ubicados en la parte baja de la cuenca que
generalmente son la fuente del agua subterránea ya
que reciben su recarga de las elevaciones cercanas.
Sin embargo estas zonas consideradas también
favorables para la recarga del acuífero, la mancha
urbana las ha estado cubriendo con su expansión
continua.
Leyva, E. (2010) en su estudio de modelación del
acuífero Zona Metropolitana de la Ciudad de México,
menciona que la zona de recarga más importante es la
Sierra Chichinautzin y sus alrededores, debido a la
alta permeabilidad de las rocas, pero descarta otras
fuentes. Asimismo, distingue un acuífero libre de
mayor extensión y otro confinado, los que han variado
en extensión con el tiempo.
3 EVALUACIÓN MULTICRITERIO
El proceso de evaluación multicriterio (MCE por sus
siglas en inglés) consiste en un conjunto de técnicas
enfocadas en obtener modelos para evaluar y tomar
una decisión con base en criterios y objetivos
establecidos en un ambiente multidimensional. Tomar
una decisión con base en criterios y objetivos que
entran en conflicto entre sí no es fácil, ya que un
mismo objetivo puede ser visto como más importante
para unos aspectos y sin importancia para otros. El
problema general de la MCE es seleccionar aquella
alternativa que mejor satisfaga las preferencias del
decisor.
En los SIG las alternativas son unidades espaciales
conocidas como objetos de tal forma que en los
modelos raster son celdas y en los vectoriales son
puntos, líneas y polígonos, agrupándose en una sola
categoría constituyendo una capa temática donde el
número de categorías es igual a las capas que quieran
374
establecerse dando un conjunto global de alternativas
de selección.
Las alternativas son cada una de las soluciones
posibles a un problema, dotadas de ventajas e
inconvenientes diferentes. Las alternativas pueden ser
celdas, ó polígonos, o puntos del plano y puede haber
“m” alternativas:
{Ai}, (i=1, m). (1)
Las características de las alternativas es que son
completamente disjuntas y exhaustivas, no cabe
concebir alterativas “intermedias” a las enumeradas, si
tales alternativas quisieran considerarse se añade
simplemente con carácter individual a la lista anterior,
el conjunto {Ai} es discreto y universal para los
efectos de la MCE aplicada a los SIG.
La decisión es la elección de una de las alternativas
posibles para solucionar un problema. Esta es el
resultado final que se espera después de aplicar
cualquier método de MCE. Se considera un criterio
los distintos aspectos de la realidad que inciden en las
ventajas o desventajas de las alternativas disponibles
como soluciones al problema. Los criterios son
conocidos también como atributos o variables y sobre
ellos se basa la decisión y forman un conjunto
discreto:
{Cj}, (j=1, n). (2)
La regla de decisión tiene como insumos a las
capas de cada criterio, de tal forma que para poder
llevar a cabo la evaluación es necesario que la regla de
decisión se aplique en las capas criterio junto con las
limitantes para poder obtener el modelo de decisión.
El conjunto de procedimientos de la MCE aplicables
en un entorno SIG, basan su funcionamiento
aritmético en lo que se ha definido como regla de
decisión, que es de donde se evalúa y se logra tener
como resultado final el modelo de decisión. La mejor
forma de ordenar la relación de criterios con respecto
de las alternativas que define la MCE, es una matriz y
se le conoce con el nombre de Matriz de Evaluación
(figura 2); también recibe otros nombres como matriz
de puntuación, matriz de efectividad o matriz de
proyecto-efecto.
El diseño de la Matriz de Evaluación debe hacerse
con mucha certeza y cuidado porque en ella los
distintos métodos de MCE basan todo su
funcionamiento intrínseco para lograr la evaluación de
las alternativas. El resultado del proceso de evaluación
está marcado en la asignación de valores a las
alternativas y por lo general las variables o criterios a
evaluar no están medidos en escala de intervalos o
razón si no que en los SIG, se presenta frecuentemente
una escala nominal. El punto ideal es el vector que
contiene los valores más altos de cada criterio (valores
más altos de cada fila en la Matriz de Evaluación).
Figura 2. Matriz de Evaluación
La ponderación o asignación de pesos es asignar
un valor específico a cada criterio que concuerde con
su importancia relativa; este valor específico es
expresado mediante números naturales o en
porcentajes. Cuando los pesos se han asignado a cada
criterio se genera una matriz que contenga las
prioridades (figura 3). Para poder asignar los pesos es
recomendable, aunque no siempre es posible, contar
con un grupo interdisciplinario con el fin de que no se
obtenga un resultado sesgado hacia un criterio del cual
fueran todos expertos o ninguno.
Figura 3. Matriz de Prioridades
Obteniendo las matrices de Evaluación y
Prioridades, se emplean una serie de métodos para
generar la matriz final denominada de Valoración en
la cual cada alternativa ha obtenido un valor, según
cada uno de los puntos de vista planeados (figura 4).
375
Figura 4. Matriz de Valoración
Los valores ri son una función del número y
naturaleza de los criterios, las prioridades empleadas y
las técnicas aritméticas aplicadas.
Después de haber asignado puntuación a los
criterios y pesos, se puede utilizar el método de suma
ponderada como un método de Evaluación
Multicriterio. El método de ponderación de los
factores que se empleo en este ejercicio con la
extensión MCE FLOWA es el de eigenpesos descrito
por Saaty (1980).
Por ejemplo, considerar dos criterios “A” y “B”
con valores en sus alternativas xij y el peso para cada
criterio wj de 0.66 y 0.34 respectivamente, se aplica el
método de la suma ponderada donde cada cuadro es
una celda (figura 4).
Figura 5. Matriz de Prioridades
Se trata de un procedimiento de comparación por
pares de los criterios, que parte de una matriz
cuadrada en la cual el número de filas y columnas está
definido por el número de criterios a ponderar. Así se
establece una matriz de comparación entre pares de
criterios (tabla 2), comparando la importancia de cada
uno de ellos con los demás, posteriormente se
establece el eigenvector principal, el cual establece los
pesos (wj) que a su vez proporciona una medida
cuantitativa de la consistencia de los juicios de valor Este procedimiento a diferencia de otros permite
entre pares de factores. verificar la consistencia de los juicios de valor
Así se establece una matriz de comparación entre asignados mediante un dato cuantitativo obtenido
pares de criterios (tabla 4), comparando la importancia después de obtener los pesos; este valor se le
de cada uno de ellos con los demás, posteriormente se denomina “Razón de Consistencia” (c.r.) por sus
establece el eigenvector principal, el cual establece los siglas en ingles (consistency ratio) que se establece
pesos (wj) que a su vez proporciona una medida mediante el cociente del índice de consistencia (c.i.),
cuantitativa de la consistencia de los juicios de valor por sus siglas en ingles (consistency index) y el índice
entre pares de factores. aleatorio (r.i.) por sus siglas en ingles (random index).
MCE FLOWA calcula este cociente en forma
La escala de medida que se emplea en este método automatizada simplificando el consumo de recursos en
y que estima el coeficiente aij, ha surgido de 28 estas operaciones.
escalas alternativas, es una escala de tipo continuo
(ratios o razón) que va desde un valor mínimo de 1/9 Esta herramienta adiciona al ArcGIS con un
hasta 9. módulo del proceso de jerarquización analítico (AHP
por sus siglas en inglés); usando este procedimiento
Tabla 2. Matriz de variables de comparación por que hace un promedio ponderado a través del
pares. cuantificador-dirigido (OWA), el AHP-OWA es el
FACTORES Criterio j Criterio jj
Criterio operador de la combinación de los criterios múltiples.
La naturaleza del AHP-OWA depende de parámetros
jjj
que se expresan por medio de cuantificadores
Criterio i a11 a21 a31 lingüísticos a veces no muy claros o ambiguos.
Criterio ii a12 a22 a32 Cambiando los términos lingüísticos el AHP-OWA
Criterio iii a13 a23 a33 puede generar una amplia gama de las estrategias de
decisión.
El coeficiente aij vale, cuando al comparar el
criterio i con j: Aquí se propone el empleo de un sistema de
evaluación de criterios múltiples con la puesta en
 Absolutamente menos importante 1/9
práctica del AHP-OWA (MCE- FLOWA) dentro de
 Demostrablemente menos importante 1/7 ArcGIS, que es capaz de integrar etiquetas dentro del
 Notablemente menos importante 1/5 EMC convencional para la toma de decisión espacial,
 Ligeramente menos importante 1/3 por lo que se sugiere que el SIG-EMC propuesto
 Igualmente importante 1 simplificará la definición de las estrategias de decisión
 Ligeramente más importante 3 y facilitará un análisis exploratorio de criterios
 Notablemente más importante 5 múltiples incorporando la información cualitativa
 Demostrablemente más importante 7 dentro del análisis
Absolutamente más importante 9Posteriormente,
4 APLICACIÓN DEL MCE-FLOWA AL
es preciso sumar cada columna para obtener un
marginal de columna, y a continuación, se genera una ACUÍFERO ZMCDM
nueva matriz mediante la división de cada celda entre Los mapas criterio que se consideraron relevantes
el marginal de su columna. Y por último, se genera el para una decisión se compararon cara a cara en una
eigenvector principal normalizado (tabla 3). matriz de paridad inteligente, que es una medida para
Tabla 3. Cálculo del Eigenvector y su expresar la preferencia relativa entre los factores. Se
normalización. seleccionaron tres mapas raster con una escala
original 1:250,000 (CONAGUA, 2008) con una
Crit j Crit jj Crit jjj Eig Eigen amplia clasificación de rocas, suelos y vegetación para
en normal usarse como criterios dentro de los límites del acuífero
Zona Metropolitana de la Ciudad de México que se
Crit i a11/∑A A21/∑B A31/∑C ∑i ∑i/n identificaron como: geología (geol), suelos y
vegetación (bosques), (figuras 6, 7 y 8).
Crit ii a12/∑A A22/∑B A32/∑C ∑ii ∑ii/n
La cobertura urbana de la Ciudad de México
Crit iii a13/∑A A23/∑B A33/∑C ∑iii ∑iii/n dispone de una superficie de concreto y asfalto sobre

376
una parte importante de la superficie del acuífero de la
ZMCDM (figura 6); la capa geológica queda por
debajo de ésta, sin embargo lo que se trata es de
averiguar con los criterios seleccionados áreas
favorables para la recarga de acuerdo con sus
condiciones naturales, pudiendo darse algún sitio
favorable dentro de la cobertura de la zona urbana, y
que podría indicarse como sitio potencial para un pozo
de inyección. Las capas del suelo y vegetación ya
tienen considerada la extensión de la ciudad dentro de
sus áreas.

Figura 8. Mapa de suelos

Los mapas que se emplearon para convertirse en

criterios están delimitados por la extensión del
acuífero ZMDCM. Estos mapas vectoriales se
transformaron a raster mediante la extensión Spatial
Analyst. Estos mapas presentan en su contenido varias
capas que muestran de manera general las
características geológicas, edafológicas y de
vegetación.
La red fluvial sobre el acuífero en su mayor parte
está entubada o en canales y su trazo está representado
Figura 6. Mapa Geológico por líneas; en este análisis MCE se utilizaron áreas y
no es conveniente mezclarlos ya que las celdas que los
representan en el mapa raster son distintas. MCE
FLOWA hace una advertencia al hacer esta mezcla de
vectores en el sentido de que el índice de la matriz
sale del rango al hacer el cálculo aplicando el
cuantificador lingüístico. En una etapa anterior a este
estudio se llevó a cabo un ejercicio en donde se
emplearon cuatro mapas criterio que incluyó el de los
ríos; al comparar los resultados con el estudio actual
no se encontró alguna diferencia significativa contra
el resultado obtenido empleando tres mapas raster,
cuyos resultados fueron más precisos..

5 RESULTADOS
Se llevaron a cabo varios análisis de acuerdo al
Figura 7. Mapa de vegetación proceso descrito del MCE aplicando la extensión
MCE FLOWA, donde se consideraron los mapas
criterio señalados anteriormente, se les asignó un peso
y se obtuvo el resultado con el cociente de
consistencia más bajo (tabla 4).

377
 Tabla 4. Pesos obtenidos para el proceso MCE con
el coeficiente de consistencia más bajo.
Se emplearon tres criterios y un objetivo con siete
alternativas llamadas cuantificadores lingüísticos; de
las alternativas sólo una se selecciono por
considerarse como resultado de interés en un mapa
dentro de los límites del acuífero en formato raster.
Todos los mapas raster que se obtuvieron del MCE
FLOWA se procesaron con la misma rampa de
colores considerando los valores más altos para
identificar las zonas de recarga. De estos mapas el que
mostró las zonas de interés mejor delimitadas y con
los parámetros estadísticos más significativos fue el
cuantificador FEW (figura 9 y tabla 5). Los demás
cuantificadores como SOME y MANY muestran
valores estadísticos de interés pero de menor
relevancia, no obstante las zonas de recarga que
señalan en su mayor parte coinciden con las del
cuantificador FEW en donde son más abundantes.
ATLEASTONE fue el cuantificador con menor
relevancia en la información gráfica en el mapa
aunque con valores estadísticos similares a FEW. Por
otra parte HALF señala áreas de recarga menos
dispersas y bien delimitadas pero en menor
proporción y sus parámetros estadísticos son
ligeramente inferiores.
Tabla 5. Estadísticas de los valores en los mapas
obtenidos mediante el MCE FLOWA.
Comparando el mapa del cuantificador FEW y el
mapa con el relieve del MDE con la ubicación de los
límites delegacionales del Distrito Federal se pueden
378
localizar las áreas de recarga propuestas por MCE
FLOWA (figura 9).
Figura 9. Comparativo entre el mapa del cuantificador
FEW y el MDE del acuífero ZMCDM.
Las áreas de recarga propuestas se encuentran en el
extremo sureste del mapa FLOWA las zonas color
rojo intenso que están sobre las laderas de los
volcanes (A) Ocotéctl y Tláloc , así como en las
laderas del volcán Chichinautzin en el extremo sur
central de la Delegación Xochimilco; (B) la parte baja
de la Cuenca del Río Magdalena y las barrancas de la
Delegación Álvaro Obregón y las que se encuentran
en el extremo oriental que corresponde a las laderas
de la (C) Sierra de Santa Catarina en Iztapalapa; al sur
de ésta hay otra área sobre las inmediaciones de (D)
Santa Ana Tlacotenco, en Tlahuac; la zona sur central
se presenta un área menor en las inmediaciones de (E)
San Salvador Cuauhtenco, en la Delegación
Xochimilco y las laderas situadas al sur del Cerro
Cuatzín; (F) en las zonas bajas de las laderas de las
Sierra del San Miguel y el Ajusco en la Magdalena
Contreras; (G) y la pequeña sierra que se encuentra
entre el poblado de Tres Marías y la salida de la
carretera de cuota México Cuernavaca; y por último la
zona de barrancas situada al norte de San Mateo y al
oeste de Atizapán de Zaragoza, en el Fraccionamiento
la Estadía (H) en el Estado de México.
Las zonas delimitadas por el análisis multicriterio
efectuado coinciden en casi todos los casos con sitios
detectados para el mismo fin en estudios previos,
como las señaladas por la Secretaría del Medio
Ambiente del Distrito Federal (SMADF, 2005) para la
recarga del acuífero, también se encontró coincidencia
con la zonas identificadas por la UAM (2009) como
zonas estratégicas para la recarga que deben contar
con protección; así como en otros artículos publicados
en fechas más recientes donde se señalan zonas de
recarga (Aguirre, 2010).
 6 CONCLUSIONES
1.- Se encontraron ocho zonas con potencial para
la recarga natural en el área del acuífero de la Zona
Metropolitana de la Ciudad de México bajo el análisis
AMC con la extensión MCE-FLOWA para ArcGIS.
2.- La alternativa de los cuantificadores
lingüísticos FEW obtuvo los mejores resultados para
el objetivo del estudio.
3.-Esta metodología es aplicable a la localización
de zonas de recarga para aguas subterráneas utilizando
los criterios adecuados y puede ser de utilidad para
otros estudios similares.
4.- Para el caso del Acuífero Zona Metropolitana
de la Ciudad de México se encontraron coincidencias
de las áreas favorables para la recarga natural del agua
subterránea, con estudios previos que utilizaron otra
metodología. Estos sitios pueden sugerirse para iniciar
un estudio de recarga artificial además de proponerlos
como áreas protegidas.
REFERENCIAS
Saaty, T. 1980. The analytic hierarchy process: planning,
priority setting, resource allocation (decision making
series). McGraw-Hill, New York, pp. 287.
Saaty, T. 1991. Prediction, projection and forecasting.
Kluwer Academic Pub., Dordecht, pp. 251.
Saraf, A. and Sarma, K. 1998. Integrated remote sensing
and GIS for groundwater exploration and identification
of artificial recharge sites. Int. J. Remote Sens. 19:1825-
1841.
Shankar, R. and Mohan, G. 2005. GIS based
hydrogeomorphic approach for identification of site-
specific artificial-recharge techniques in the Deccan
Volcanic Province. J. Earth Syst. Sci. 114:505-514.
Rumman, N., Lin, G. and Li, J. 2005. Investigation of GIS-
based surface hydrological modeling for identifying
infiltration zones in an urban watershed. Environmental
Informatics Archives 3:315-322.
Phukon, P., Phukan, S., Das, P. and Sarna, B. 2004.
Multicriteria evaluation in GIS environmental for
groundwater resource mapping in Guwahi City areas. In
Development Net. Map India Conference, India, pp. 10.
Chen, Y., Khan, S. and Padar, Z. 2008. Irrigation
intensification or extension assessment: a GIS-based
spatial fuzzy multi-criteria evaluation. In Proceedings of
the 8th International Symposium on Spatial accuracy
assessment in Natural Resources and Environmental
Sciences, Shangai, China, pp. 309-318.
CONAGUA 2003. Acuerdo por el que se dan a conocer los
límites de 188 acuíferos de los Estados Unidos
Mexicanos, los resultados de los estudios realizados
para determinar la disponibilidad media anual de agua y
sus planos de localización. Diario Oficial de la
379
Federación (DOF), CNA, México, publicado el 31 de
enero de 2003.
CONAGUA 2010. Estadísticas del Agua en México,
edición 2010. CNA, México, pp 258.
UAM 2009. Repensar la Cuenca: la gestión de los ciclos del
agua en el Valle de México, Universidad Autónoma
Metropolitana, USAID: Oficina para América Latina y
el Caribe,
http://www.consejosdecuenca.org.mx/modules.php?nam
e=Web_Link&1_op=viewlink&cid=6&min=0&orderby
=titleA&show=10(accesado Ene. 2010).
CONAGUA 2009. Acuerdo por el que se dan a conocer la
ubicación geográfica del territorio nacional, se actualiza
la disponibilidad media anual de agua subterránea de
282 acuíferos, y se modifica, para su mejor precisión, la
descripción geográfica de 202 acuíferos. Diario Oficial
de la Federación (DOF), Comisión Nacional del Agua,
México, publicado el 28 de agosto de 2009.
CONAGUA 2007. Informe del censo de aprovechamientos
en la región XIII Aguas del Valle de México.
Subdirección General de Administración del Agua,
Comisión Nacional del Agua, México.
Mooser, F., Montiel, A. y Zúñiga, A. 1996. Nuevo mapa
geológico de las cuencas de México, Toluca y Puebla:
estratigrafía, tectónica regional y aspectos geotérmicos.
Comisión Federal de Electricidad, México, pp. 27.
Marín-Córdoba, S. y Aguayo, C.J. 1989. Evolución
Geológica de la Cuenca de México e importancia de sus
rasgos estructurales. En Gío-Argaéz, R., Hernández-
Ruíz, I. y Sáinz-Hernández, E. (eds.) Ecología Urbana,
Sociedad Mexicana de Historia Natural, México, D.F.,
pp. 65-75.
Santoyo-Villa, E., Ovando-Shelley, E., Mooser, F. y León-
Plata, E. 2005. Síntesis geotécnica de la cuenca del
Valle de México. TGC Geotecnia S.A. de C.V., México,
pp. 171.
García-Palomo, A., Zamorano, J.J., López-Miguel, C.,
Galván-García, A., Valerio, V., Ortega, R. y Macías, J.
2008. El arreglo morfoestructural de la Sierra de Las
Cruces, México central. Rev. Mex. Cienc. geol. 25:158-
178.
Leyva, E. 2010. Acuíferos semiconfinados y su
modelación: aplicaciones al acuífero de la Zona
Metropolitana de la Ciudad de México. Tesis de
Maestría, Programa de Posgrado en Ciencias de la
Tierra, UNAM, México, pp. 220.
CONAGUA 2008. Geobase CONAGUA. Subdirección
General de Programación, Comisión Nacional del Agua,
México. (DVD).
SMADF 2005. Estudio para la recarga del acuífero en el
suelo de conservación del Distrito Federal. Secretaria
del Medio Ambiente, Gobierno del Distrito Federal.,
http://www.sma.df.gob.mx/sma/links/download/archivos/estudio_reca
rga_acuifero_suelo_%20de_conservacion.pdf (accesado Feb.
2010).
Aguirre, R. 2010. Recarga artificial del acuífero de la
Ciudad de México. Ingeniería Civil 495: 20-24.
 ANÁLISIS DE LOS CUERPOS DE AGUA EN EL ESTADO DE
CHIHUAHUA, MÉXICO: UNA PERSPECTIVA GEOESTADÍSTICA
Jaime Octavio LOYA CARRILLOa, Rolando Enrique DIAZ CARAVANTESb
a
Estudiante de Geoinformática en la Universidad Autónoma de Ciudad Juárez, Calzada Morelos y Privada del
Roble, email: jimmy_9108@hotmail.com
b
Profesor investigador de tiempo completo en la Universidad Autónoma de Ciudad Juárez,
email:diazrol@gmail.com

RESUMEN
Los recursos hídricos, tales como los cuerpos de agua superficiales, se distribuyen siguiendo un cierto patrón
espacial; por lo tanto, es posible que estos sean representados cartográficamente, motivo por el cual el presente
trabajo, tiene por objetivo representar la concentración espacial de los cuerpos de agua contenidos a lo largo del
estado de Chihuahua, México. Esto es importante, pues contribuye con la creación de bases de datos, que
brinden información más concreta sobre las características espaciales del recurso agua. La metodología seguida
durante la elaboración de este trabajo, consistió en llevar a cabo un análisis geoestadístico, el cual involucra las
técnicas de análisis de vecindad y densidad de Kernel. El primer método, consiste en definir, en forma global, si
existe o no una agrupación espacial de los cuerpos de agua y la segunda, permite conocer las áreas donde estos
se concentran. La ubicación de los cuerpos de agua estudiados, se basa en los datos disponibles en la página
oficial de la Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO). La información
es manejada mediante el programa ArcGis 9.3. Los resultados obtenidos, muestran que los cuerpos de agua
presentan un patrón espacial mayormente agrupado al norte del Estado, esto es importante, ya que fortalece la
toma de decisiones para políticas de gestión de recursos hídricos, así como para áreas del conocimiento como
ciencias medioambientales, biológicas, geográficas y sociales, entre otras.
Palabras clave: Cuerpos de agua, análisis geoestadístico, base de datos, vecindad, densidad de Kernel

1 INTRODUCCIÓN conocer mejor el contexto de los objetos analizados y

Según el Instituto de Nacional de Estadística y
Geografía (2005), el estado de Chihuahua cuenta con
área un total de 247, 455 Km2, el cual representa el
12.6% de la superficie total del país, este es el estado
de mayor superficie y hablando del uso de recursos
hídricos, también el mayor usuario de agua en el norte
de México (Estrucplan, 2011).
Hoy en día el manejo de la información espacial se
esta volviendo cada vez mas recurrente, sobre todo a
la hora de la realización de actividades que afecten el
territorio en cuestión. La creación de bases de datos
geoespacial permite describir los objetos presentes en
un espacio geográfico, a través de tres características
básicas: atributos, localización y topología (Gutiérrez,
2006). La localización, la cual se conforma por la
geometría del objeto y su ubicación espacial de
acuerdo a un sistema de coordenadas de referencia,
permite conocer donde se sitúa un objeto y que
espacio ocupa. Por otro lado, la topología se define
por medio de relaciones conceptuales y espaciales
entre los objetos representados, permitiendo entonces
establecer jerarquías entre los elementos existentes.
Con base en datos geo-espaciales es posible
generar una serie de parámetros que permiten
describir la situación del espacio geográfico, como lo
es en el caso de este documento, donde se considera
importante generar información que permita conocer
el grado de concentración de los cuerpos de agua y el
área en que estos se localizan, por medio de un
estimador de densidad y análisis de vecindad.
La disponibilidad espacial del agua, es un factor
determinante que permite conocer el potencial
biológico de diversos lugares, además sustentar
procesos como la planificación agrícola, zonificación,
entre otras. Por ello es de suma importancia la
realización de este estudio, ya que generar
información actualizada de los cuerpo de agua en el
estado de Chihuahua, así como su distribución y
concentración, puede dar pie a futuras investigaciones
y servir como sustento al diseño de políticas del agua,
que permitan mantener el contexto en el que estos se
encuentran inmersos.

380
 2 OBJETIVOS
Gracias al uso emergente de los Sistemas de
Información Geográfica y con el propósito de apoyar
la toma de decisiones que afecten la integridad hídrica
del estado de Chihuahua, el siguiente trabajo pretende
evaluar la distribución espacial de los cuerpos de agua
desde una panorámica global, utilizando el análisis de
vecindad y de forma local utilizando el análisis de
densidad de Kernel.
A partir del objetivo general del estudio se
desglosan algunos más:
1. Establecer en una base de datos geoespacial, la
información referente a los cuerpos de agua, para
un análisis posterior.
2. Generar un análisis de vecindad para los cuerpos
de agua ubicados en el estado, esto con el fin de
conocer el grado de agrupación de los mismos.
3. Obtener un análisis de densidad de Kernel, para
Figura 1. Estado de Chihuahua, área de estudio.
381
descubrir algún patrón geoespacial y la intensidad
con los que los cuerpos de agua se encuentran
dispersos.
3 AREA DE ESTUDIO
El estado de Chihuahua esta comprendido entre los
31° 47’ y 25° 38’ de latitud norte, 103° 18’ y 109°
07’ de longitud oeste. Colinda al Norte con los
Estados Unidos de América; al Este con los Estados
Unidos de América y Coahuila, al Sur con Durango y
Sinaloa; al Oeste con Sonora (Figura 1).
4 MATERIALES Y METODOS
4.1 MANEJO DE LA INFORMACIÓN
Para la realización de este trabajo fue necesario
obtener la cartografía digital del estado de Chihuahua,
desde el sitio oficial de la Comisión Nacional para el
Conocimiento y Uso de la Biodiversidad
(CONABIO), la cual consiste en un archivo en
formato shapefile que contiene los cuerpos de agua, la distancia media observada al vecino más próximo a
en total 51. La información obtenida fue manejada partir de la suma total de las distancias entre el
∑
mediante el Sistema de Información Geográfica número total de elementos en estudio ( ̅̅̅̅̅̅ ).
ArcMap 9.3.
La distancia media esperada se obtiene a partir de:
4.2 ANALISIS DE VECINDAD
Para el análisis de vecindad se sigue el método ̅̅̅̅̅̅ (1)
√
propuesto por Ebdon (1982), para ello es necesario
manejar datos de tipo punto y polígono, es decir se donde ̅̅̅̅̅̅= distancia media esperada, p= Densidad
manejan las coordenadas correspondientes al de puntos por unidad de área
centroide de cada cuerpo de agua, así como la Durante el análisis se tomo el área comprendida
representación del polígono correspondiente al estado por el estado de Chihuahua en Kilómetros cuadrados,
de Chihuahua. siendo entonces 247,455 Km2.
Para el cálculo de los centroides fue necesario Para el índice de vecindad:
ejecutar rutinas de Visual Basic for Application en el ̅̅̅̅̅
software ArcMap 9.3. Estas pequeñas rutinas permiten (2)
̅̅̅̅̅̅
el cálculo de coordenadas “X” y “Y” que demuestran
el centroide de cada polígono existente en la donde R = Índice de vecindad pudiendo ser de 0 a 2.5,
cartografía, lo cual posteriormente permitirá mostrar donde el valor mas bajo indica una estructura
un archivo de puntos para el análisis de vecindad. Una completamente agrupada, el mayor completamente
vez obtenido el archivo de puntos se calcula la dispersa y 1 indica una estructura aleatoria.
distancia con la herramienta Distance to Point a cada Para el estadístico de prueba es necesario:
punto, con el fin de obtener parejas siendo entonces C
̅̅̅̅̅ ̅̅̅̅̅̅
(3)
un punto y su vecino mas cercano Tabla 1. ̅
donde C = Estadístico de prueba y ̅ = Error
Para el análisis de vecindad correspondiente fue
estándar.
necesario obtener algunos parámetros, tal es el caso de
Tabla 1. Datos necesarios para el análisis de vecindad

382
4.3 DENSIDAD DE KERNEL Tabla 2. Muestra los parámetros calculados
necesarios para el análisis de vecindad
El método de densidad de Kernel permite representar
los datos de forma suavizada, lo cual facilita su PARÁMETRO RESULTADO
̅̅̅̅̅̅ 19.91 Km
interpretación (Baxter y Beardah, 1997). El estudio de
densidad de Kernel propuesto en este documento, ̅̅̅̅̅̅ 34.83 Km
pretende mostrar el área de mayor concentración de 0.57
los cuerpos de agua existentes en el estado de ̅ 2.54
Chihuahua, además de su influencia sobre el espacio C -5.85
en que estos se presentan.
Partiendo del tercer objetivo planteado para este
Según Díaz y Scott (2010), el análisis de densidad
trabajo, donde se pretende evaluar el método de
de Kernel, asigna valores en base al muestreo de la
densidad de Kernel y tratar de descubrir algún patrón
zona, computando entonces la intensidad
de distribución geoespacial, así como establecer la
correspondiente en base a las observaciones que
intensidad con los que los cuerpos de agua se
rodean a un elemento y según los mismos autores
encuentran dispersos, se utilizo un radio de 50 km, lo
ArcGis emplea una función cuadrática de Kernel,
que permitió descubrir que hacia el norte del estado se
siendo entonces la siguiente ecuación:
presenta la mayor agrupación de cuerpos de agua
∑ ⁄ [ ] (4) (Figura 2). El radio utilizado en este procedimiento se
determino en base al método ensayo y error, para cada
donde: resultado se observo su desviación estándar,
considerando entonces 50 kilómetros, el radio más
significativo y el que permitió distinguir mejor el
= radio del circulo vecino
grado de dispersión de los elementos estudiados.
= distancia entre el punto s y el punto observado Si
𝑛 = número de puntos observados
D(s) = densidad en el punto s
= Punto de observación i

5 RESULTADOS Y DISCUSIÓN
Para el primer objetivo, fue posible generar la
información geográfica referente los cuerpos de agua
en el estado de Chihuahua, con esto se obtuvo un
análisis de vecindad y densidad de Kernel, para
comprobar la distribución espacial que presentan los
elementos aquí mencionados.
Para el objetivo dos de este documento, se describe
el análisis de vecindad como una técnica desarrollada
por ecologistas y botánicos (Clark y Evans, 1954),
cuyo objetivo es medir la estructura de un conjunto de
puntos en dos dimensiones, existiendo la posibilidad Figura 2. Mapa que muestra la densidad de los
de hasta tres. Para este análisis, los parámetros cuerpos de agua, en el estado de Chihuahua.
obtenidos se presentan en la Tabla 2, donde los Como se puede observar en el Figura 2, en el norte
valores más representativos son R y C, en este caso de Chihuahua existe mayor presencia de cuerpos de
0.57 y -5.85 respectivamente, lo que indica una agua, siendo entonces muy alta, alta y media
estructura muy agrupada. concentración espacial. Estas categorías fueron
determinadas por medio de una reclasificación de los
valores en el mapa de densidad de Kernel en una
escala ordinal, en donde 1 indica muy bajo, 2 bajo, 3
medio, 4 alto y 5 muy alto.

383
 6 CONCLUSIONES
A partir del análisis exploratorio es posible observar
una importante concentración de cuerpos de agua
hacia el norte del estado de Chihuahua, lo cual da
pautas a futuras investigaciones que pretendan
descubrir a que obedecen estos patrones de
distribución espacial. Cabe destacar la importancia de
estudiar los cuerpos de agua y su relación con el
entorno en que estos se encuentran inmersos, como
los sistemas biológicos, ecológicos, asentamientos
humanos, entre otros.
Es también importante recalcar la utilización de
estudios como el desarrollado en este documento,
sobre todo para el apoyo a la toma de decisiones y a la
implementación de políticas que generan impactos de
índole social, ambiental y demás procesos que puedan
concebirse en el espacio en cuestión.
REFERENCIAS
Albarran Melze, N. C., Rangel Ruiz, L. J., & Gamboa
Aguilar, J. (2009). Distribución y abundancia de
384
Melanoides tuberculata (Gastropoda: Thiaridae) en la
Reserva de la Biosfera Pantanos de Centla, Tabasco,
México. Red de Revistas Científicas de América Latina,
el Caribe, España y Portugal , 93-104.
Barrera, H., & Lozada, B. (2008). DISTRIBUCIÓN
ESPACIAL DEL ÍNDICE DE DISPONIBILIDAD DE
HUMEDAD MENSUAL. Agronomía Trop , 51-56.
Baxter, M. J., & Beardah, C. C. (1997). Some
Archaeological Applications of Kernel Density
Estimates. Journal of Archaeological Science , 347-354.
Chihuahua, G. d. (2010). Plan Estatal de Desarrollo 2004 -
2010. Chihuahua.
Díaz Caravantes, R. E., & Scott, C. A. (2010). Water
management and biodiversity conservation interface in
Mexico: Ageographical analysis. Applied Geography ,
343-354.
Ebdon, D. (1982). Estadística para geógrafos. Barcelona
España: Oikos-tau.
Gutiérrez, M. (2006). El Rol de las Bases de Datos
Espaciales en una Infraestructura de Datos. GSDI .
Reyes Cortés, I. A., Reyes Cortés, M., & Ruiz Cisneros, H.
D. (2009). PROBLEMÁTICA DEL AGUA EN
CHIHUAHUA: UNA PROPUESTA. CulCyT , 36-41.
 CARACTERIZACIÓN GEOMORFOLÓGICA DEL CERRO EL LEÓN,
SAN FELIPE, GUANAJUATO: CUANTIFICACIÓN DEL GASTO DE
AGUA DE MANANTIAL Y SU PROBABLE USO AGRÍCOLA
Víctor Manuel ORTEGA CHÁVEZa
a
Universidad de Guanajuato, Campus Guanajuato, División de Ingenierías, Departamento de Geomática e
Hidráulica, Av. Juárez N0. 77, Centro, C. P. 36000, Guanajuato, Gto. email: vicman@ugto.mx

RESUMEN
Se presenta la caracterización geomorfológica y el potencial de uso agrícola, del gasto por flujo concentrado
superficial de agua proveniente de un manantial artesiano, para productos agrícolas de tipo perenne y
estacional. El análisis demuestra que se puede realizar un uso sustentable del manantial en su recurso hídrico,
ya que su aprovechamiento se realiza sin generar alguna obra de extracción. Se foto identifican y clasifican, en
una imagen pancromática estereoscópica de anaglifo, la geomorfología del sitio considerando la forma y
geometría del relieve, y el origen y dominio de la litología, la cobertura vegetal y el uso del suelo. Para
cuantificar la cantidad de gasto disponible en el manantial, se evaluó el flujo hídrico únicamente en época de
estiaje (enero-marzo), y a partir de dos sitios de muestreo, uno próximo al afloramiento del agua, aplicando el
método volumétrico; el otro, se localizó en la transición entre la planicie fluvial, el graben San Felipe y los
lomeríos bajos que forman la sierra de Guanajuato, se utilizó sección-pendiente-velocidad media. Se estima la
demanda de agua para los cultivos perennes y los estacionales con base a la evapotranspiración por especie y la
eficiencia del riego por goteo. En el primer sitio de muestreo se obtuvo un gasto mínimo de 0.51 lt/s y uno
máximo de 0.88 lt/s, con una media de 0.73 lt/s. Mientras que en el segundo punto de medición se obtuvo un
gasto promedio de 1.03 lt/s. El gasto promedio para la época de estiaje es de 0.88 lt/s; con ello, se calculó que
se generan por día 76 m3 de agua. Este, volumen de agua, alcanza para regar 2,648 plantas de naranjos, en una
superficie de 1.6 hectáreas. Para el cultivo estacional de coliflor, se riegan 126,720 plantas en un área de 3.54
hectáreas. El potencial de aprovechamiento del recurso hídrico del manantial, en la agricultura, permite obtener
un valor agregado a través de la comercialización de las cosechas, ya que es un recurso poco aprovechado. El
cálculo del gasto del manantial del cerro El León, se realizó para la época de estiaje, en un solo manantial y
para el flujo base del mismo, de modo que al unirlo al gasto de otros dos manantiales vecinos, promover su
almacenamiento y vincularlo al agua de lluvia, incrementa la extensión de la agricultura de riego con base a la
disponibilidad del recurso hídrico, incluso se puede considerar para dotar de agua potable a localidades
vecinas.
Palabras clave: Manantial, gasto, flujo base, artesiano
topografía (posición vertical del relieve) y el clima
1 INTRODUCCIÓN
(periodicidad y cantidad de lluvia). Su origen puede
Identificar fuentes de abastecimiento de agua, para ser ser: ígneo, en forma de manantiales de agua caliente y
utilizadas en la agricultura, ganadería, o como géiseres; o atmosférico, si el agua de lluvia se infiltra
dotación de agua potable para la población, forma en el suelo y aflora en un sitio en elevación menor, lo
parte de los inventarios de recursos naturales. Tal es el que ocurre por el movimiento del agua en los poros
caso del agua originada en manantiales, y que pueden del suelo por acción de la gravedad (Kreye, 1996).
utilizarse en la agricultura. Si solo se aprovecha el Los manantiales artesianos son los que están
agua que produce el manantial, sin producir obras de confinados en capas impermeables, cuya estructura
extracción, se asegura un uso sustentable del mismo. estratificada presenta un levantamiento sobre el nivel
Un manantial es el afloramiento natural de agua de superficie y con inclinación. Cuando aflora el agua,
confinada en la superficie del relieve terrestre. El flujo se origina el manantial. El gasto o flujo hidráulico, de
hidráulico queda regido por la interacción de tres una vena líquida, es la cantidad de volumen de agua
variables principales: la geología (distribución y que pasa por una sección de control en un lapso de
permeabilidad de las unidades litológicas), la tiempo determinado (Sotelo, 1997). El flujo base es el

385
gasto que circula en los cauces naturales a partir del
aporte de los mantos freáticos, en el que no hay aporte
originado por la lluvia (Aparicio, 2003).
Por otro lado, cada vegetal tiene requerimientos de
agua para realizar el desempeño de sus funciones, lo
que se expresa en una tasa de demanda variable con
base a los periodos críticos que definen las etapas en
que ocurre su desarrollo, por ejemplo, con los
cereales, las leguminosas y las hortalizas, las etapas
son: la espigadura, la floración, el grano lechoso, el
grano pastoso, el botón, la floración, la formación de
vaina, la vaina verde, y el desarrollo del fruto
(Doorenbos y Pruitt, (1976).
Esta demanda de agua se engloba en dos procesos,
como es la evaporación que ocurre en el suelo, a causa
de la incidencia de la luz solar, y en la
evapotranspiración en las mismas, por resultado del
crecimiento y la fotosíntesis.
Cabe indicar que el agua aprovechada por las
plantas depende también de las características físicas
y químicas del suelo, como es la textura, la
profundidad de los horizontes, el contenido de materia Figura 1. Localización del manantial del cerro El León.
orgánica, cantidad de poros, capacidad de campo,
densidad aparente y punto de marchitez aparente. El tipo de red hidrográfica es dendrítica, con una
cuenca de figura alargada de rumbo noroeste-sureste.
Con ello, caracterizar la geomorfología y la
hidrometría del manantial del cerro El León, permite La geomorfología es de planicie de material
clasificar el tipo de manantial y cuantificar su gasto acumulativo; mientras que los lomeríos son de rocas
producido; así como calcular el potencial de volcánicas, con fallas y fracturas.
aplicación en la producción agrícola de cultivos La litología que conforma a los lomeríos bajos y
perennes y estacionales en la localidad El Saucillo, las planicies es de tobas riolíticas y riolitas del
San Felipe, Gto. terciario-oligoceno, mientras que en la porción de
1.1 LOCALIZACIÓN lomeríos altos es de riolitas del terciario-oligoceno,
acomodado en estratos basculados en dirección
El sitio en estudio se localiza entre los paralelos 21° noreste-suroeste y un echado promedio de 15°.
25’ y 21° 27’ al norte del Ecuador y los meridianos
101° 19’ y 101° 16’ al oeste de Greenwich (Figura 1). 2 METODOLOGÍA Y MATERIALES
El río que conduce el agua del manantial tiene una
longitud de 1, 690 metros. Presenta un cota de La cartografía digital e impresa, es en temas de
elevación inicial 2, 245 msnm, mientras que la cota topografía (INEGI, 1998) a escala 1:50,000 con clave
final es la 2, 183 msnm, con un rumbo promedio de F14C33, editadas por el Instituto Nacional de
NE 58° y un desnivel de 62 metros. Estadística y Geografía (INEGI); la geología se tomó
de la carta geológica minera 1:50,000 con clave
La temperatura media es semicálida, entre los 18° F14C33 editada por el Servicio Geológico Mexicano
C y 22° C, y una máxima entre 30° C y 34° C y una (SGM) antes Consejo de Recursos Minerales
mínima entre 8° C y 12° C. Presenta un clima (COREMI). Fotografías aéreas con fecha 2003-2004,
BS1kw(w), de tipo templado con lluvias en verano. tomadas por INEGI. Se utilizó el Sistema de
Información Geográfico (SIG) Integrated Land and
Water Information System (ILWIS) versión 3.4.
En una etapa primera, se obtuvo una clasificación
de la geomorfología del terreno al realizar la

386
fotointerpretación de pares estereoscópicos a escala A 2 / 3 1/ 2
Q R S , (2)
1:40,000, del INEGI del año 2003-2004. Se n
identificaron y clasificaron las unidades de terreno en
planicies y lomeríos, aplicando el criterio de donde: Q, es el gasto obtenido para una sección
clasificación con base al origen y dominio de la tipo, en m3/s; A, es el área hidráulica de la sección, en
litología, ubicación topográfica, morfología, patrón de m2; R, es el radio hidráulico de la sección, en m; S, es
drenaje y gradiente de la pendiente (Verstappen y Van la pendiente, adimensional; n, es el coeficiente de
Zuidam, 1991). Algunos rasgos del relieve que rugosidad de Manning, adimensional.
auxiliaron fueron el considerar los límites y rasgos
3 RESULTADOS
geométricos y morfológicos del graben de San Felipe,
la interrupción vertical de las elevaciones que La geología del área de estudio muestra la presencia
configuran la Sierra de Guanajuato. de tres fallas geológicas. Una que delimita al sur el
bloque afallado y basculado, el cual tiene un echado
El uso del suelo y cobertura vegetal del lugar se
general de 13° y una azimut de 78° y se le denomina
obtuvo al realizar una fotointerpretación de fotografía
falla El Saucillo. Al centro, configurando el canal del
aérea. Para ello se utilizaron pares estereoscópicos de
manantial, está la falla El León, con un echado de 18°
vuelos aéreos realizados por el INEGI, a escala
y azimut de 72°, interrumpida por una falla transversal
1:40,000 con fecha de 2003-2004, se ortorrectificaron
de movimiento lateral de sur a norte, definida como
aplicando el modelo digital de elevaciones. Con la
La Cañada, por lo que la cambia de echado y azimut
imagen ortorrectificada, se construyeron polígonos y
para terminar ambos en un valor de 85°. Al norte
se clasificaron para el uso del suelo y cobertura
aparece la falla El Burro, semi-curva, de movimiento
vegetal, en el software SIG ILWIS versión 3.4.
lateral y azimut de 85°. Con base a la carta geológico
Se generó un modelo digital de elevaciones minera del SGM, se establece que algunas de las fallas
(MDE), a partir de la información de las curvas de presentan mineralización en veta y brecha de oro,
nivel de la carta topográfica a escala 1:50,000, del plata y estaño (Figura 2). La litología es de toba
INEGI con clave F14C33 de San Felipe. El tamaño de riolítica, riolita del terciario (ToTR-R), y riolita del
celda utilizado fue de 20 metros. terciario (ToR).
En el SIG ILWIS, se elaboró una imagen El uso del suelo y cobertura vegetal identificada,
estereoscópica de visión anaglifo en azul-rojo, para dentro y cerca del área de estudio, corresponde a
identificar los rasgos geométricos y litológicos que Pastizal natural (Pn), Matorral xerófilo (Mx),
dan origen al manantial. Agricultura de temporal anual permanente (Atp) y
La hidrometría del manantial se consideró en dos Bosque natural de latifoliadas (Encino) (Figura 3).
puntos, realizando en el primero un aforo cercano al
afloramiento del manantial; el segundo punto, se
localizó en la coincidencia espacial del graben San
Felipe y las elevaciones que configuran a la sierra. La
hidrometría del primer punto se realizó con base al
método volumétrico (Ec. 1); mientras que en el
segundo, se aplicó área-pendiente-velocidad (Ec. 2).
A partir de los requerimientos hídricos de una
planta, como es el naranjo y la coliflor, se estima la
demanda potencial considerando todo el desarrollo de ToTR-R
la misma y la generación del fruto, calculando así el
volumen de agua por día, al englobar la evaporación ToR
desde el suelo y la evapotranspiración de las plantas.
Q = Vol/t, (1)
donde: Q, es el gasto obtenido para un instante de
tiempo t, en m3/s; Vol, es el volumen de agua captado, Figura 2. Geología del área de estudio (SGM, 2005).
en l; t, es el tiempo de medición, en s.

387
 Tabla 1. Resumen del muestreo volumétrico,
en el punto de aforo 1.
Tiempo, s Volumen, l Gasto, lt/s
1.50 1.00 0.667
1.85 0.96 0.519
1.97 1.20 0.609
Mx
2.00 1.38 0.690
1.97 1.48 0.751
1.70 1.25 0.735
1.90 1.35 0.711
Mx 1.90 1.43 0.753
1.95 1.55 0.795
2.00 1.32 0.660
1.85 1.58 0.854
2.00 1.58 0.790
Figura 3. Descripción y clasificación del uso del suelo y 1.75 1.55 0.886
cobertura vegetal. 2.10 1.72 0.819
2.00 1.54 0.770
El resumen de los aforos realizados en el punto 1,
ubicado al NW de la salida del canal del manantial, se Media = 0.734
indican en la Tabla 1; en la Tabla 2, aparece el dato Desv. Estándar = 0.0955
aforo en el punto 2 (Figura 4).
Tabla 2. Resumen del muestreo por sección-
Volumen total de agua aportado en un día, por el pendiente-velocidad, en el punto de aforo 2.
manantial es: Coeficiente Pendiente del Velocidad con
Radio hidráulico, Gasto con velocidad de
n de fondo del canal, n de Manning,
m Manning, m3/s
Punto de aforo 1: 63, 072 litros = 63.1 m3 Manning
0.04 0.022895
adim.
0.0112612
m/s
0.2139 0.001059

Punto de aforo 2 (salida): 91, 497 litros = 91.5 m3
Con base a los requerimientos de agua para el
cultivo de naranjos, tenemos:
En una huerta de árboles de naranjos espaciados en
una dimensión de 2 x 3 metros y una fronda del 70%,
se obtuvo un requerimiento de 4.3 mm/día, por
consumo de evapotranspiración, y de 25.8 l/día/árbol,
con base a la superficie que abarcan en el terreno.
Figura 4. Localización de los puntos de aforo en el cauce
del manantial.
Área sección 1, Área sección 2,
Área media, m2
Gasto con sección y
m2 m2 velocidad, m3/s
0.005332854 0.004571017 0.004951935 0.001005
Al considerar una eficiencia de riego del 90%, se
calcula que la dotación de agua para cada árbol de
naranjo es de 28.7 l/día.
Con una red de riego que dota el agua al árbol con
cuatro goteros de gasto igual a 4 litros por hora, se
requiere de que funcione el equipo de bombeo el
tiempo mínimo de 7.2 horas por día.
Con la dotación de 28.7 litros al día, para cada
árbol, y con un volumen generado diario por el
manantial igual a 91, 497 litros, se alcanza a regar por
día un total de 3, 188 árboles, lo que es una superficie
de 1.9 hectáreas sembradas con naranjos.
En el caso de la siembra de coliflor, con una planta
sembrada en una superficie rectangular de 40 x 70 cm,
y un coeficiente de cobertura del 60%, si el
requerimiento es de 2.4 mm/día por planta, se calcula
una demanda hídrica por planta de 0.48 lt/día. Con
una eficiencia de riego tan solo del 80%, el total de
demanda de agua por día y planta es de 0.60 litros.
Con surcos de 10 metros de longitud y 25 plantas,
una motobomba que surte 5 litros/hora, se cubre la
cuota de hidratación en 3 horas. Con los 91, 497 litros

388
por día disponibles del manantial, se obtuvo que
alcanza para regar una cantidad de surcos con longitud
de 10 metros, igual a: 6, 099. Lo que significa una
superficie de 1, 707 m2.
4 CONCLUSIONES
Con base a la geología estructural y de litología,
así como de la geomorfología del terreno, se identificó
que el manantial del cerro El León, localizado el NW
de la comunidad El Saucillo, corresponde al tipo
artesiano. Además de que se le identificó
geológicamente como un bloque basculado y
naturaleza volcánica de rocas estratificadas que
originan al manantial.
Se verificó que la vegetación que domina en la
superficie del terreno es de tipo arbórea y de matorral,
con base a la extensión de la cubierta vegetal de
encinos, madroños y pingüica.
Con base a la cantidad de agua aforada del
manantial, en la época de estiaje, se obtuvo que el
volumen de agua disponible por día, es del orden de
los 91 metros cúbicos.
Al realizar el comparativo de necesidades de agua
por el tipo de planta y de dotación del manantial, se
obtuvo que el mismo puede servir agua en cantidad
suficiente como para que la comunidad El Saucillo,
tenga una actividad secundaria, con base en
agricultura de cultivos perennes y estacionales, que le
reditúe beneficios económicos.
Cabe considerar que sólo se hizo el cálculo con el
agua que fluye del manantial, para darle un destino en
389
actividades agrícolas a través de un sistema de riego
por goteo. La disponibilidad de agua se incrementa en
la época de lluvia, por la portación de la misma. Si se
agrega el gasto de dos manantiales vecinos, el
potencial de reserva hídrica se ve aumentado. Se
considera que utilizar el agua del manantial sin
generar obras de extracción produce un uso
sustentable del recurso para actividades agrícolas.
REFERENCIAS
Aparicio Mijares, Francisco Javier. 2003. Fundamentos de
hidrología de superficie. Editorial Limusa. México.
Doorenbos, J.; Pruitt, W. O. 1976. Las necesidades de agua
de los cultivos. FAO.
INEGI. Instituto Nacional de Estadística, Geografía e
Informática. 1998. Carta topográfica escala 1:50,000,
clave F14C33. Aguascalientes, Ags., Méx.
INEGI. Instituto Nacional de Estadística, Geografía e
Informática. 2004. Fotografías aéreas en escala 1:40,
000, de clave principal F14C33. Aguascalientes, Ags,
México.
Kreye, R. 1996. Defining the source area of water supply
springs. Canadian Cataloguing in Publication Data. Pp.
2-5.
Servicio Geológico Mexicano (SGM). 2005. Carta
geológica minera, clave F14C33, San Felipe, Gto.
Pachuca, Hgo., Méx.
Sotelo Ávila, Gilberto. 1997. Hidráulica general, Vol. 1
Fundamentos. LIMUSA, Noriega editores. Méx. D. F.
Verstappen H., Th.; Van Zuidam, R. A. 1991. El sistema
ITC para Levantamientos Geomorfológicos, Una base
para la evaluación de recursos y riesgos naturales. ITC
publicación No. 10. Enschede, the Netherlands: 89p.
 CAMBIOS DE LA CUBIERTA VEGETAL Y LOS USOS DEL SUELO EN
UNA CUENCA ENDORREICA DE LA REGIÓN CENTRAL DE
CHIHUAHUA EN EL PERIODO 1993-2010. UNA ZONIFICACIÓN
DESDE LA PERSPECTIVA HIDROFUNCIONAL

Luis Carlos BRAVO PEÑAa , Rolando E. DÍAZ CARAVANTES a, Luis Carlos ALATORRE
CEJUDOa, Erick SÁNCHEZ FLORESb, Samuel Alberto AGUILAR ESTRADAa

a
Universidad Autónoma de Ciudad Juárez, Licenciatura en Geoinformática. Campus Cd. Cuauhtémoc,
Chihuahua. email: luis.bravo@uacj.mx
b
Universidad Autónoma de Ciudad Juárez, Doctorado en Estudios Urbanos.

RESUMEN
En este trabajo se muestran los resultados de un análisis multitemporal de cambios de cubierta vegetal y de
usos del suelo (CCVUS) en la cuenca Laguna Bustillos (329,815 ha), en la región central de Chihuahua. En el
estudio se identificaron mediante una clasificación con el clasificador de Máxima Probabilidad (Maximum
Likelihood), la dinámica de transformación del territorio durante el periodo 1993-2010 y los CCVUS en las
áreas de la cuenca que serían más importantes desde una perspectiva hidrofuncional. Se identificaron
genéricamente diez clases principales de Cubierta Vegetal y Usos del Suelo, y mediante análisis de evaluación
post-clasificatoria (Exactitud del Productor, del Usuario e Índice Kappa), la correspondencia de la cartografía
generada con las cubiertas existentes en el terreno. A partir de la cartografía validada se realizó una tabulación
cruzada, y se identificó el comportamiento y las transiciones de cada clase en el mismo periodo de medición,
tanto a nivel global como en las áreas hidrofuncionales. Los resultados indican que la frontera agropecuaria se
ha expandido desde las zonas planas (Cuenca Baja) hacia las áreas de piedemonte y laderas pronunciadas
(Cuencas Media y Alta), y que los fragmentos agrícolas de estas dos zonas se están abandonando para
transformarse en pastizales. Los cambios de cubierta más importantes han ocurrido en zonas relevantes para la
recarga de acuíferos, particularmente vulnerables al efecto ambiental de los CCVUS. Se discuten las
implicaciones hidrológicas de estos cambios, y los mecanismos de retroalimentación existentes con las
condiciones actuales de abatimiento del acuífero en esta región de Chihuahua.
Palabras clave: Análisis Multitemporal, Cubierta Vegetal, Acuífero, Zona Hidrofuncional.

1 INTRODUCCIÓN específicas, que hacen conveniente el análisis de los

La evaluación de los cambios de uso del suelo y la
cubierta vegetal en el territorio de una cuenca
hidrológica permite identificar tendencias de deterioro
ambiental que deben ser reguladas. Las acciones
encaminadas a controlar estos procesos son más
efectivas, si se prioriza espacialmente a las áreas de la
cuenca con mayor vulnerabilidad ambiental (Olguín y
Pineda, 2010). Aunque la cuenca vincula múltiples
elementos físicos que le hacen funcionar como un
todo, posee áreas con funciones hidrológicas
cambios de la cubierta vegetal y los usos del suelo,
bajo un abordaje que permita la disgregación espacial
(Cotler et al., 2004).
Existen diversos criterios para subdividir
espacialmente a las cuencas hidrológicas (Cuevas et
al., 2007). La orografía, el orden de los
escurrimientos, los tipos de vegetación dominantes o
la presencia de microclimas, constituyen elementos
que permiten subdividirla en unidades más pequeñas.
Sin embargo, la desagregación espacial pierde utilidad

390
para la gestión ambiental, si las unidades resultantes
no facilitan la identificación de los vínculos entre el
cambio de la cubierta vegetal y los usos del suelo, y el
funcionamiento hidrológico de toda la unidad. Las
subdivisiones a nivel de subcuencas y microcuencas, o
bien de zonas hidrofuncionales resultan más
apropiadas para este propósito (Walker, 2006).
Cuando se habla de zonas hidrofuncionales, se
alude a áreas de la cuenca que tienen un claro
significado hidrológico. La funcionalidad hídrica
depende de numerosos factores, pero se reconoce de
manera práctica que el gradiente altitudinal de la
cuenca puede subdividirse en tres zonas (Cuenca Alta,
Media, o Baja) vinculadas estrechamente con la
captación, almacenamiento hídrico, y salida de las
escorrentías (Garrido et al., 2010). Estas zonas tienen
roles específicos en la recarga del acuífero, y
contribuyen de forma particular al gasto total de la
cuenca. Tienen claras diferencias físicas (pendiente,
relieve, orden de corrientes) y pueden ser muy útiles
para diferenciar los impactos espaciales de los
cambios en la cubierta vegetal y los usos del suelo.
Dada su utilidad, en este trabajo se presentan los
resultados de un análisis multitemporal de cambios de
uso del suelo y la cubierta vegetal en una cuenca del
centro oriente de Chihuahua, mediante un abordaje
que incorpora las subdivisiones hidrofuncionales
anteriores al territorio de la cuenca. Se muestran las
ventajas de dividir el territorio por sus atributos de
funcionalidad hídrica, durante la evaluación del
cambio de cubiertas de vegetación y usos del suelo.
2 AREA DE ESTUDIO
El área de estudio corresponde a la Cuenca Laguna
Bustillos (Figura 1), situada en la región centro-oeste
de Chihuahua. Esta cuenca (330,390 ha) está cubierta
en casi un 70% por paisajes fuertemente antropizados.
391
Figura 1. Área de Estudio
La Cuenca se ubica en una región de Chihuahua
que muestra presiones intensas sobre el agua
subterránea. La zona contribuye con el 50% de la
producción estatal de cereales forrajeros, y tiene una
aportación muy importante en la producción de leche
y queso (INEGI, 2007). Estos volúmenes de
producción se han sustentado históricamente en el uso
intensivo del agua del acuífero, y en la ampliación de
la frontera agropecuaria, a terrenos que son
inapropiados para ello. Los cambios de la cubierta
vegetal en zonas hidrológicamente vulnerables, y la
intensidad de extracción del agua subterránea, han
propiciado el agotamiento del acuífero, el abandono
de tierras, y la competencia por el agua con los
usuarios urbanos (Arriaga et al., 2002; INEGI, 2007;
CONAGUA, 2009).
3 METODOLOGÍA
Esta se subdivide genéricamente en tres fases: 1)
Re-delimitación de la cuenca, 2) Delimitación de
zonas hidrofuncionales, 3) Evaluación de los cambios
en la cubierta vegetal y los usos del suelo.
3.1. REDELIMITACIÓN DE LA CUENCA
Esta fase consistió en la re-delimitación y
actualización del parteaguas de la cuenca Laguna
Bustillos. A la fecha de realización del trabajo se
contaba con varios mapas de la misma, pero carecían
del nivel de detalle requerido. Para la redelimitación
de la cuenca, se analizó la altimetría de la zona en un
modelo digital de elevación (MDE) provisto por el
Servicio Geológico de los Estados Unidos (USGS),
con resolución de 90 metros por pixel. Este MDE se
corrigió con el algoritmo de Planchon y Darboux
(2001), para garantizar la conectividad hidrológica en
pixeles contiguos que drenan hacia una misma
dirección de salida. A partir del modelo corregido, se
obtuvo el sentido y dirección de los escurrimientos
mediante el uso de operadores de contexto espacial en
el programa IDRISI Taiga. Con estos operadores se
determinaron la pendiente y dirección de flujo
tomando en cuenta el valor altimétrico (Z) de cada
pixel y los adyacentes, bajo el algoritmo provisto por
Monmonier (1982). A partir de aquí se identificaron y
reagruparon las superficies de terreno que escurren
hacia un mismo punto de salida. El proceso se realizó
iterativamente hasta llegar a un límite superior o
parteaguas de toda el área de escurrimiento. Este
parteaguas se vectorizó y exportó al software ArcMap
9.3, y fue sobrepuesto a una imagen de satélite
corregida geométricamente (Landsat ETM, resolución
30 m) con puntos de control en campo. A partir de
esta sobreposición, se digitalizaron aquellas zonas
donde existían notorias discrepancias entre el límite
de cuenca y la red de drenaje superficial observada en
la imagen.
3.2. DELIMITACIÓN DE ZONAS HIDRO-
FUNCIONALES
Con el MDE y el parteaguas corregido, se realizó
una delimitación preliminar de las zonas
hidrofuncionales. Se partió de la premisa de que es
posible diferenciar geográficamente áreas potenciales
de colecta, captación, o emisión hídrica, a partir de: a)
su posición altimétrica en la cuenca (rango
hipsométrico), b) la confluencia y el orden de las
corrientes predominantes en cada rango hipsométrico,
c) la geomorfología y los procesos predominantes de
modelado del paisaje al interior del mismo, y d) la
energía del relieve. Con base en este supuesto, el
primer paso para la delimitación de zonas
hidrofuncionales fue la obtención de tres perfiles
altitudinales del terreno en el área del MDE contenida
dentro del parteaguas. Estos tres perfiles (uno
longitudinal mayor a 70 km y dos transversales con
extensiones mayores a 40 km) se realizaron con el
propósito de identificar gráficamente los pisos
altitudinales y las pendientes predominantes desde la
parte baja o zona de emisión de la cuenca, hasta el
límite superior o parteaguas de la misma.
Con los perfiles anteriores se definieron tres rangos
hipsométricos preliminares, uno por cada zona
hidrofuncional (Cuenca Baja: de los 1967 a los 2020
metros, Cuenca Media: de los 2020 a los 2200 metros,
y Cuenca Alta: de los 2200 metros en adelante), que
se utilizaron posteriormente en la reclasificación de
las altitudes del MDE. A partir de esta reclasificación
392
en límites discretos, se vectorizaron los polígonos
resultantes, y se sobrepusieron a una imagen de
satélite con resolución de 30 metros y a un mapa de
pendientes del MDE. Con la sobreposición se
corroboró la homogeneidad de cada rango
hipsométrico (Cuenca Baja, Media y Alta) en las
variables b, c y d, del párrafo anterior, elegidas como
criterios adicionales de diferenciación hidrofuncional
entre un rango y otro
3.3. ANÁLISIS DE CAMBIOS DE USO DEL SUELO Y
LA CUBIERTA VEGETAL
Se realizó la comparación multitemporal de
cubiertas y usos del terreno, correspondientes a 1993
y 2010. La cuenca correspondiente a la Laguna
Bustillos queda contenida en dos imágenes adyacentes
(Paths 32 y 33, Row 40) por lo que fue necesario
armar mosaicos con ambas escenas para cada año. Se
seleccionaron en ambas fechas imágenes de la
temporada de otoño (octubre-noviembre), con un
desfase menor a siete días entre dos escenas
adyacentes. Puesto que las imágenes correspondieron
a diferentes fechas, se realizó un remuestreo a 30 m y
corrección geométrica de ambas escenas, a fin de
corregistrarlas y reducir los errores de comparación
multitemporal. La corrección geométrica se realizó
mediante el método imagen-imagen, con una función
de mapeo lineal y un tipo de remuestreo del vecino
más cercano (Nearest Neighbor). Se tomó como
imagen de referencia una escena validada, con puntos
de corregistro levantados en campo. El máximo error
aceptado fue el equivalente en distancia a 0.5 pixel.
Una vez que las imágenes adyacentes se ajustaron
al mismo espacio, se construyó un mosaico de cada
banda espectral con el módulo Mosaic de Idrisi. Este
módulo se ha utilizado previamente por otros autores,
pues une las imágenes con base en sus coordenadas
geográficas, y permite definir distintas alternativas de
homogeneización y ajuste de los valores de brillo de
la imagen (Berlanga et al., 2009). Puesto que las
fechas de toma entre escenas adyacentes eran muy
cercanas, se eligió el valor medio, a fin de minimizar
las variaciones en la reflectancia registrada de ambas,
mismas que pueden originarse por diferencias en la
interferencia atmosférica de un día a otro, o a un
ligero cambio en la inclinación solar por la diferencia
de fechas. Posteriormente se hizo un recorte a cada
mosaico, delimitando el área de la cuenca. Estos
mosaicos se utilizaron como insumos en la
clasificación supervisada de usos del suelo.
 Se definieron 10 clases de cubierta vegetal y de
uso del suelo, a partir de recorridos por el área y
fotointerpretación. Para cada clase se obtuvo la firma
espectral mediante la selección de campos de
entrenamiento corroborados in situ o mediante
fotointerpretación de imágenes de alta resolución
(Ortofotos de 1993 o imágenes Ikonos visibles en
google earth correspondientes a los años 2009-2010),
abarcando en promedio cuatro veces el número
mínimo de pixeles requerido por clase (10 m).
Posteriormente se analizó la separabilidad de firmas
con el Método de la Divergencia Transformada,
agregando o descartando los campos existentes si el
índice de separabilidad arrojaba valores inferiores a
1900, mismos que en la bibliografía se reportan como
valores por debajo del umbral mínimo de
separabilidad aceptada (García-Mora y Mas, 2009;
Eastman, 2006)
Una vez aceptadas las firmas espectrales, se realizó
la clasificación con el algoritmo de Máxima
Verosimilitud (Lillesand y Kiefer, 2003), asignando
manualmente las probabilidades de las distintas clases
con base en su cobertura aproximada en la realidad, de
acuerdo a la experiencia de campo del grupo de
trabajo. A las cubiertas obtenidas se les aplicó un
filtro de moda, considerando una matriz de cinco por
cinco pixeles. Este filtro disminuye el efecto de “sal y
pimienta” y reduce la probabilidad de que pixeles
aislados, mal clasificados, sesguen la evaluación de la
confiabilidad postclasificatoria (Chuvieco, 2008).
Sobre este primer mapa de cubiertas se añadieron
polígonos de dos clases de uso del suelo que en la
dinámica del paisaje regional tienen un papel muy
relevante: las huertas de manzana, y los asentamientos
de inmigrantes menonitas. Se trata de clases que no
son fáciles de distinguir en una clasificación espectral,
sea por la confusión con otras clases y cubiertas de la
zona que presentan respuesta radiométrica parecida
(huerta de manzana y bosque de pino-encino, por
ejemplo), o por el patrón de asentamiento del grupo
étnico en cuestión (por preferencias culturales los
menonitas construyen sus casas muy distantes unas de
otras, por lo que sus asentamientos se confunden con
la clase suelo desnudo en una imagen Landsat). Dadas
estas fuentes de confusión, ambas clases se
digitalizaron directamente en imágenes de alta
resolución correspondientes a las mismas fechas de
referencia (Ortofotos de INEGI para el año 1993, e
imágenes Ikonos para el año 2010), y se traslaparon a
las imágenes clasificadas mediante una operación de
algebra de mapas.
393
Con las cubiertas obtenidas-enriquecidas, se
realizó un ensayo de validación post-clasificatoria
(Congalton y Green, 1999), considerando una matriz
aleatoria de quinientos puntos (cincuenta puntos por
clase) comparados contra igual número de valores
terreno. Con esta matriz por mapa, se obtuvieron los
valores de Fiabilidad Global, el Índice Kappa, y
parámetros de fiabilidad por clase como la exactitud
del productor y del usuario (Chuvieco, 2008). Las
cartografías de ambos años se compararon entre sí
mediante un análisis de tabulación cruzada (Pontius et
al., 2004), a fin de obtener las matrices de cambio a
nivel cuenca entre 1993 y 2010. Posteriormente, con
los mismos mapas y la zonificación hidrofuncional de
la cuenca, se hizo el corte, traslape y evaluación de
cambios a nivel de zona hidrofuncional.
4 RESULTADOS Y DISCUSIÓN
4.1. DELIMITACIÓN DE LA CUENCA Y ZONAS
HIDROFUNCIONALES
Se obtuvo un nuevo polígono de la cuenca Laguna
Bustillos (330,392 ha) notablemente distinto a los
polígonos previos existentes en la cartografía de
INEGI o CONAGUA. Por otra parte, la sobreposición
entre los rangos definidos para cada clase
hipsométrica, el MDE corregido, y la imagen de
referencia, permitió comprobar la pertinencia de los
límites altitudinales identificados en los perfiles del
MDE. El área contenida dentro de los distintos límites
mostró homogeneidad en variables como: a) las
pendientes predominantes por rango, b) los procesos
geomorfológicos predominantes, c) la confluencia y
orden de los escurrimientos (primero, segundo, tercero
hasta n orden). Esta homogeneidad y el rango
hipsométrico definen tres áreas hidrofuncionales con
distinta área (Tabla 1, Figura 2) y atributos físicos.
Tabla 1. Áreas de cada zona hidrofuncional
Zona Hidrofuncional Área en ha
Cuenca Baja 83,972
Cuenca Media 167,116
Cuenca Alta 79,304
Figura 2. Zonas Hidrofuncionales de la cuenca Laguna
Figura 3. Distribución espacial de las pendientes en el área
Bustillos de estudio

En esta zonificación, la Cuenca Alta presenta

predominancia de pendientes pronunciadas (Tabla 2, 4.2. CAMBIOS EN EL USO DEL SUELO
Figura 3), con iniciación de corrientes de primer
4.2.1. EVALUACIÓN DE LA EXACTITUD
orden, y procesos fluvio-erosivos de modelado del
DE LA CLASIFICACION
paisaje. La Cuenca Media abarca áreas de transición
con pendientes de ligeras a moderadas, y confluencia Las cartografías de cubierta vegetal y uso del suelo
de la red superficial de drenaje (corrientes de segundo tuvieron valores aceptables en estimadores de
orden). La Cuenca Baja por su parte, correspondió con exactitud de la clasificación como el Índice Kappa y
áreas aledañas o adyacentes a los cauces principales, la Fiabilidad Global (Tabla 3). Los resultados denotan
que corresponden a corrientes de tercer y cuarto buena correspondencia entre las clases asignadas a la
orden. Estas áreas con pendientes planas o muy imagen, y la realidad del terreno, por lo que vista la
suaves, con áreas inundables o sujetas a inundación en clasificación en conjunto, es posible establecer las
periodos extraordinarios, se ubican en las cercanías de tendencias de cambio en toda la cuenca.
la laguna Bustillos. Tabla 3. Valores de confiabilidad global para cada
Tabla 2. Pendientes predominantes por zona de la corte histórico analizado
cuenca Estimador Clasificación Clasificación
Pendiente Cuenca Cuenca Cuenca 1993 2010
en Baja Media Alta Índice Kappa 0.743 0.795
Grados (%) (%) (%) Fiabilidad Global 0.810 0.842
0 a 1º 60.59 10.68 0.84 Visto a nivel de clases, los valores alcanzados en
1 a 3º 38.54 63.33 17.78
estimadores como la Exactitud del Productor y del
3 a 5º 0.53 8.97 7.60
Usuario, sugieren que es preciso afinar el trabajo de
5 a 15º 0.32 15.48 50.39
> a 15º 0.02 1.55 23.39
clasificación sobre ciertas categorías de información,
pues algunas de ellas tienden a confundirse en la
clasificación final. En la clasificación de 1993 por
ejemplo, hubo errores importantes en las clases

394
Encinar Perturbado, Matorrales-Veg. Secundaria, 4.2.2 CAMBIOS GLOBALES EN LA
(Tabla 4), mientras que en la clasificación CUENCA Y POR ZONA
correspondiente al año 2010, las clases que generaron HIDROFUNCIONAL
confusión son Encinar Perturbado y Matorrales-Veg. Los resultados revelaron un proceso acentuado de
Secundaria. cambio en clases vinculadas con la actividad
Tabla 4. Valores de Fiabilidad por clase para la agropecuaria. Destacan los incrementos en las clases
clasificación correspondiente al año 1993 Pastizales y Huertas de Manzana, y el decremento de
Exactitud la clase Agricultura de Cultivos Anuales (Figura 4).
Exactitud Les siguieron en orden de importancia las clases
del
Clase del Usuario Matorrales-Vegetación Secundaria, Suelo Desnudo y
Productor
1993 2010 1993 2010 Asentamientos Humanos.
Agricultura de Anuales 0.90 0.82 0.82 0.96 Estos cambios se asocian a la pérdida de áreas
Bosque de Pino-Encino 0.79 0.87 0.90 0.89 naturales como el Bosque de Pino o el Bosque de Pino
Cuerpos de Agua 0.91 1.00 1.00 1.00
Encino, o se vinculan a transiciones sistemáticas de un
Encinar perturbado 0.35 0.08 0.70 1.00
uso de suelo a otro.
Huertas de Manzana 1.00 0.83 1.00 1.00
Pastizales 0.61 0.90 0.93 0.80 Una de las clases que incrementaron más su área
Suelo Desnudo 0.95 0.82 0.49 0.58 fue la clase pastizales. Esta amplió su cobertura en
Asentamientos Humanos 1.00 0.91 1.00 1.00 casi un 357% respecto a 1993, con aportaciones de
Matorrales-Veg. Sec. 0.29 0.55 0.67 0.50 todas las clases, pero fundamentalmente de la
Bosque de Pino 0.91 0.97 0.67 0.64 agricultura de anuales (37160 ha), suelo desnudo
Este problema no pudo corregirse aunque se (15196 ha) y bosque de pino-encino (8055 ha). La
incorporaran más campos de entrenamiento, y aunque superficie ocupada por huertas de manzana también se
la separabilidad de firmas espectrales siempre incrementó (68%), pero en menor proporción a la
mantuviera sus valores por arriba de 1900. No clase anterior. En este último caso los principales
obstante esta fuente de confusión, en ambos periodos aportes provienen de la agricultura de anuales (2490.5
se trata de clases que no representan gran cobertura en ha), y de áreas con suelo desnudo (363 ha), o bien de
el área de estudio, por lo que el índice Kappa y el cubierta natural (bosques de pino, o pino-encino) que
valor de fiabilidad global incrementarían si se les se ha deforestado para esta actividad. Otras clases
ponderara un peso proporcional a sus cubiertas en los indicadoras de la antropización del paisaje, como los
mapas obtenidos. asentamientos humanos, o la superficie cubierta por
matorrales-vegetación secundaria también se
Al respecto, para mejorar el Índice Kappa distintos incrementaron sustancialmente.
autores han mencionado la posibilidad de otorgar
pesos y ponderadores a las clases con baja cobertura y
alto grado de error (Stehman y Czaplewski 1998;
Congalton y Green, 1999). Otros indican la
generalización de clases, combinando categorías
afines entre sí para elevar el valor de este estimador
(Chuvieco, 2008). En este trabajo se exploró la
segunda opción, fusionando las categorías Bosque de
Pino y Bosque de Pino Encino en la categoría Bosque
de Pino y Latifoliadas, y las categorías Agricultura de
Anuales y Pastizales en la categoría Suelo
Agropecuario. Con estas combinaciones de clase los
valores de Kappa se elevaron hasta 0.795 en la
clasificación de 1993, y hasta 0. 8323 en la
clasificación del año 2010. Dichos resultados no se
muestran en detalle en este documento.

395
Figura 4. Cubierta Vegetal y Uso del Suelo en la Cuenca Cuerpos de Agua 386.8 121.9 -264.8
Laguna Bustillos (1993-2010) Encinar Perturbado 1980.6 213.5 -1767.0
Huertas de Manzana 2849.5 4681.8 1832.3
Pastizales 11941.0 57952.6 46011.6
Los resultados por zona hidrofuncional indican que Suelo Desnudo 23404.9 6854.1 -16550.8
los cambios de cubierta son más acentuados en la Asentamientos Hum. 4094.6 5812.2 1717.6
cuenca media (Tablas 5, 6 y7). En términos generales, Matorrales-Veg. Sec. 1033.8 3646.7 2612.8
todas las clases variaron en magnitudes mucho Bosque de Pino 4175.7 1454.0 -2721.6
mayores a los cambios observados en las dos zonas
hidrofuncionales restantes. Puede ejemplificarse con Tabla 7. Cambios en la Cuenca Alta.
la agricultura de anuales, que se redujo en casi 30,000
ha, en la cuenca media, mientras que no rebasó las Cubierta Cubierta
Pérdida o
2000 ha de cambio en las dos zonas restantes. El Clase 1993 2010
ganancia.
(ha) (ha)
bosque de pino encino también perdió una cobertura
Agricultura de Anuales 7178.94 5517.81 -1661.13
mucho mayor respecto a las pérdidas observadas para
Bosque de Pino-Encino 45668.07 51300.54 5632.47
esta clase en las dos cuencas restantes. La clase que Cuerpos de Agua 2.79 0.00 -2.79
observó un cambio mucho mayor fue la clase Encinar Perturbado 338.49 48.69 -289.80
pastizales, que incrementó en varios órdenes de Huertas de Manzana 37.26 55.71 18.45
magnitud respecto a los incrementos observados en Pastizales 3428.28 8129.16 4700.88
las dos unidades restantes. La clase asentamientos Suelo Desnudo 1341.81 113.22 -1228.59
humanos también tuvo un crecimiento mayor que el Asentamientos Hum. 74.97 79.38 4.41
observado en las dos áreas hidrofuncionales restantes. Matorrales-Veg. Sec. 268.92 424.80 155.88
Bosque de Pino 20965.14 13635.36 -7329.78
La cuenca alta también experimentó cambios, pero
estos son menores a los observados en la cuenca
media, e incluso en algunos casos, en la cuenca baja.
La única clase cuyos cambios rebasan claramente el
observado en las dos zonas restantes, fue la clase
Bosque de Pino, pues esta reduce su cubierta en más
de un 200% respecto a las reducciones en la cuenca
Tabla 5. Cambios en la Cuenca Baja media, y en casi un 2000% respecto a lo observado en
la cuenca baja. Este cambio podría relacionarse con la
Cubierta Cubierta Pérdida degradación del bosque, o a un cambio en la respuesta
1993 2010 o
Clase espectral por la extracción indiscriminada de madera y
(ha) (ha) ganancia
Agricultura de Anuales 44098.9 42294.5 -1804.4
leña en las montañas de la zona.
Bosque de Pino-Encino 1554.9 187.1 -1367.8 Los resultados globales indican, que los cambios
Cuerpos de Agua 13884.8 10731.4 -3153.4 de uso del suelo en la cuenca Laguna Bustillos han
Encinar Perturbado 207.9 6.57 -201.3 sido significativos en las últimas dos décadas. Estos
Huertas de Manzana 1259.8 2261.0 1001.2 cambios, desagregados por zonas hidrofuncionales,
Pastizales 2220.4 14247.7 12027.2 son más notorios en las partes medias y altas de la
Suelo Desnudo 13872.6 6926.3 -6946.2 cuenca. Este proceso ha implicado la pérdida de áreas
Asentamientos Hum. 2431.5 3096.8 665.2 naturales, la ampliación de la agricultura, y la
Matorrales-Veg. Sec. 3996.5 4132.4 135.9
ampliación de los pastizales. A este respecto puede
Bosque de Pino 444.3 87.9 -356.4
señalarse, que muchos polígonos agrícolas se
abandonan con el tiempo, incorporándose como
Tabla 6. Cambios en la Cuenca Media pastizales con uso ganadero, o bien como áreas de
matorrales cubiertas de vegetación secundaria.
Cubierta Cubierta
Pérdida o Dichas transiciones tienen efectos directos sobre el
Clase 1993 2010
ganancia.
(ha) (ha) ciclo hidrológico. La pérdida de cubierta vegetal
Agricultura de Anuales 89054.8 60790.0 -28264.7 generalmente implica una disminución de la
Bosque de Pino-Encino 28193.9 25588.7 -2605.2 capacidad de infiltración al acuífero (Wainwright et

396
al., 2002; Seyfried et al., 2005), con impactos
ambientales mayores cuando esta ocurre en zonas
hidrofuncionalmente importantes, donde las tasas de
infiltración y captación son claves y fundamentales
para la recarga regional. En los recorridos de campo
se ha podido constatar que la conversión de bosques al
uso agropecuario facilita la formación de cárcavas y
erosión del suelo, contribuyendo a la pérdida de
fertilidad de la tierra. No hay evaluaciones locales que
identifiquen los factores socioeconómicos que
retroalimentan este proceso, pero se ha identificado en
otros escenarios, que las pérdidas de productividad a
veces se compensan con nuevos desmontes (Bravo et
al., 2010). Si este es el caso en la Cuenca Laguna
Bustillos, es de suponerse que los cambios de uso del
suelo generen un proceso concomitante de deterioro
ambiental, con repercusiones crecientes sobre la
recarga del acuífero, y las tasas de escorrentía.
5 CONCLUSIONES
Los cambios de uso del suelo y cubierta vegetal en
la Cuenca Laguna Bustillos, adquieren una
connotación distinta cuando se desagregan y analizan
por zona hidrofuncional. Si bien de forma global
revelan un proceso de antropización creciente del
paisaje durante las últimas dos décadas, vistos de
manera particular indican que este proceso presenta
diferencias de severidad entre una zona hidrofuncional
y otra. Puesto que la función hidrológica también es
distinta entre zonas, los impactos del cambio de
cubiertas y usos del suelo no son proporcionales entre
ellas. El proceso de evaluación de cambio de cubiertas
se ajusta a lo realizado en numerosos trabajos que
abordan este tema, pero su ventaja radica en la
posibilidad de distinguir matices y diferencias de una
zona hidrofuncional a otra. La posibilidad de
diferenciar geográficamente las consecuencias del
cambio de la cubierta vegetal y el uso del suelo,
mejora sin duda la identificación de acciones
prioritarias para la gestión y regulación ambiental en
cuencas hidrológicas.
AGRADECIMIENTOS
Los autores agradecen el financiamiento otorgado
por el Programa de Mejoramiento del Profesorado
(PROMEP) para el desarrollo de este proyecto
(PROMEP-UACJ-PTC-197).
REFERENCIAS
Arriaga, L., V. Aguilar, J. Alcocer. 2002. Aguas
continentales y diversidad biológica de México.
397
Comisión Nacional para el Conocimiento y Uso de la
Biodiversidad. México.
Berlanga, C., García, R., López, J. y A. Ruíz. 2010.
Patrones de Cambio de Coberturas y Usos del Suelo en
la Región Costa Norte de Nayarit (1973-2000).
Investigaciones Geográficas, Boletín del Instituto de
Geografía, UNAM. (72):7-22.
Bravo, L.C., Castellanos-Villegas, A. y S. Doode-
Matsumoto. 2010. Sequía Agropecuaria y
Vulnerabilidad. Un caso de estudio en el centro-oriente
de Sonora, enfocado a la actividad ganadera de
producción y exportación de becerros. Revista de
Estudios Sociales. XVIII(35):209-241 pp.
Chuvieco, E, 2008. Teledetección ambiental: La
observación de la Tierra desde el espacio. Ariel.
Barcelona.
CONAGUA, 2009. Actualización de la disponibilidad
media anual de agua subterránea Acuífero 0805
Cuauhtémoc. Estado de Chihuahua.
Congalton, R. G., Green, K., 1999. Assessing the Accuracy
of Remotely Sensed Data: principles and Practices.
Lewis Publishers. Florida. USA.
Cotler, H., Priego, A., Rodríguez, C., y C. Enriquez. 2004.
Determinación de Zonas Prioritarias para la
Ecorehabilitación de la Cuenca Lerma-Chapala. Gaceta
Ecológica (71):79-92.
Cuevas M. L., Garrido A., Cotler H. y Pérez J. L., 2007.
Regionalización de las Cuencas Hidrográficas de
México escala 1:250000 para su análisis integrado.
Instituto Nacional de Ecología, SEMARNAT, México.
Eastman, R. 2006. Idrisi Andes. Guide to GIS and Image
Processing. Clark Labs University.
García-Mora, T., J.F. Mas, 2009. Comparación de
metodologías para el mapeo de la cobertura y uso del
suelo en el sureste de México. Investigaciones
Geográficas, Boletín del Instituto de Geografía, UNAM.
(67):7-19.
Garrido, A., Pérez, J. y C. Enríquez. 2010. Delimitación de
las Zonas Funcionales de las Cuencas Hidrográficas de
México. En. Cotler, H. 2010 (Comp.). Las cuencas
hidrográficas de México. Diagnóstico y priorización.
14-17 pp.
INEGI. 2007. Censo Agropecuario. Tabulados básicos por
entidad y municipio.
Lillesand, T. y R. Kiefer. 2003. Remote sensing and image
interpretation. 4th Edition. Wiley N.Y. 536 pp.
Monmonier, Mark, 1982. Computer-Assisted Cartography:
Principles and Prospects.. Englewood Cliffs, N.J.:
Prentice-Hall, Inc. 76-80 pp.
Planchon, O., Darboux, F., 2001. A fast, simple and
versatile algorithm to fill the depressions of digital
elevation models. Catena 46, 159–176.
Olguín, J., R. Pineda. 2010. Importancia de la priorización
hidrológica en la toma de decisiones de manejo en la
subcuenca del Río Ayuquila, Jalisco, México.
CIENCIA@UAQ. 3(2):42-51.
Pontius, R. G. Jr., E. Shusas and M. McEachern,
2004.Detecting important categorical land changes
while accounting for persistence. Agriculture,
Ecosystems
and Environment, (101).251–268.
Stehman, S. y R. Czaplewski 1998. Design and Analysis for
Thematic Map Accuracy Assessment: Fundamental
Principles. Remote Sensing Environment (61): 331-344.
398
Seyfried, M., Schwinning, S., Walvoordl, M. 2005.
Ecohydrological control of deep drainage in arid and
semiarid regions. Ecology, (86):277-287.
Walker, J., T. Dowling y S. Veitch. 2006. An Assessment
of Catchment Condition in Australia, Ecological
Indicators, 6(1):205-214.
Wainwright, J., Parsons, A., Schlesinger, W., Abrahams, A.
2002. Hydrology-vegetation interactions in areas of
discontinuos flow on a semi-arid bajada, Southern New
Mexico. Journal of Arid Environments, (51):319-338.
CARTOGRAFÍA
HISTÓRICA

399
 LA REPRESENTACIÓN CARTOGRÁFICA DE LAS CALIFORNIAS. UN
RECORRIDO A TRAVÉS DEL TIEMPO
Ángela VERDUGO MELÉNDEZ1, Fabiola Maribel DENEGRI DE DIOS2, Judith LEY GARCÍA3
1
Estudiante de la Facultad de Arquitectura y Diseño, angela.mldz@gmail.com
2
Estudiante del Doctorado en Planeación y Desarrollo Sustentable, fdenegri@uabc.edu.mx
3
Investigadora del Instituto de Investigaciones Sociales, jley@uabc.edu.mx

RESUMEN
Los mapas son formas de abstracción hechas por humanos para humanos, basados en estimaciones,
generalizaciones e interpretaciones de las condiciones geográficas reales por ello, muestran diversos desfases o
incongruencias con la realidad representada. Estas representaciones cartográficas nos muestran a dónde ir, qué
hay, cómo es un sitio y cuáles son sus potenciales, cada una de ellas, es sobre todo, una imagen de un lugar
específico, y como tal está sujeta a la percepción e interpretación de quienes lo habitan, lo visitan o sólo lo
imaginan ¿Qué nos cuentan los mapas históricos de las californias sobre los cambios en el imaginario de esta
zona en diferentes momentos? Tomando en cuenta que los mapas son modelos temporales y espaciales de la
realidad, el objetivo de este trabajo es mostrar, por medio de una infográfica, cómo ha cambiado la imagen que
se ha tenido de los estados californianos a través de la historia y explorar los hechos que dieron pié a esas
diferentes nociones. Para ello se lleva a cabo la recopilación y comparación de mapas elaborados en diferentes
épocas por cartógrafos de diversos países durante el descubrimiento y reconocimiento del territorio californiano
antes de la Guerra de Intervención estadunidense que marcó la división de las californias.
Palabras clave: cartografía histórica, las californias, representación cartográfica antigua.
se ha tenido de los estados californianos a través de la
1 INTRODUCCIÓN
historia y explicar los hechos que dieron pié a esas
La historia de muchos territorios latinoamericanos, diferentes nociones.
por sus historias de conquista, está llena de relatos
Utilizar el método cartográfico de investigación
interesantes y variables, lo que vuelven su historia
por medio del análisis de mapas comparativos de
cartográfica tan fascinante como mutable. El presente
diferentes épocas, y relacionar éstos con la
documento está enfocado a describir la infográfica
transformación de la representación cartográfica,
creada a partir de una investigación sobre cartografía
permite apoyar la comprensión y el estudio de
histórica de Las Californias, refiriendo, en conjunto a
diferentes fenómenos socioeconómicos, teniendo en
la península de Baja California Norte y Sur, estados
cuenta que los mapas son modelos temporales y
localizados en el Noroeste de México, así como el
espaciales de la realidad.
estado Norteaméricano de California. La creación de
esta infográfica implica desarrollar los hechos que
dieron pie a la evolución de la representación a través
de mapas de cierto territorio.
La infografía, por su parte, es un medio que
permite transmitir información clara, asequible y
precisa, mediante textos, imágenes, mapas, gráficos y
todo tipo de iconos. Por esta razón fue que se utilizó
como herramienta gráfica para la exposición de esta
investigación.

2 OBJETIVO
El objetivo de esta investigación, y del formato que se
utilizó para mostrarla, es relatar, por medio de un
medio gráfico, cómo ha ido cambiando la imagen que

400
 3 CARTEL gracias a sus programas de investigación surgió la
iniciativa de comenzar proyectos hacia la
comprensión de nuestras condiciones socioculturales.
A la Facultad de Ciencias Humanas UABC, por
contar con el acervo bibliográfico. A la Dra. Judith
Ley, Investigadora del Instituto de Investigaciones
Sociales UABC, que además de coautora del presente
trabajo es una excelente coordinadora de programa. A
Fabiola Denegri De Dios, coautora del presente
trabajo y un gran apoyo en el mismo. Finalmente a
todos los que hicieron posible con su tiempo el
permitirnos trabajar en el proyecto sin problemas.

AGRADECIMIENTOS
Al Instituto de Investigaciones Sociales de la
Universidad Autónoma de Baja California, donde
REFERENCIAS
León Portilla, Miguel (1989) Cartografía y
Crónicas de Baja California. UNAM. México, D.F.
Aber, James (2008) Brief History of Maps and
Cartography. Disponible en: academic.emporia.edu.
Consultado en Noviembre de 2010
Alchin, L.K. (2006) History Timelines. Disponible
en: history-timelines.org.uk. Consultado en Enero de
2011.
California Map Society (2008). Historic
Cartography. Disponible en californiamapsociety.org.
Consultado en Enero de 2011.
Francaviglia, Richard (2005) Mapping and
Imagination in the Great Basin: A Cartographic
history. UNR, Nevada, US.

401
402