DETERMINACIÓN DE LA VARIACIÓN DE LA COBERTURA VEGETAL POR

ACTIVIDAD MINERA, EMPLEANDO

IMÁGENES SATELITALES EN EL DISTRITO
DE ANANEA, PERIODO 2000 -2023
Marco teórico

Cobertura vegetal

La cobertura vegetal puede ser definida como la capa de vegetación natural

que cubre la superficie terrestre, comprendiendo una amplia gama de biomasas

con diferentes características fisonómicas y ambientales que van desde

pastizales hasta las áreas cubiertas por bosques naturales. También se

incluyen las coberturas vegetales inducidas que son el resultado de la acción

humana como serían las áreas de cultivos (Subia, 2020).

Su distribución en la tierra depende de los factores climáticos y de los suelos.

La relación entre la vegetación y el clima es muy grande. Tiene tanta

importancia que inclusive se llega a dar nomenclatura (nombre) a los climas

según el tipo de vegetación que crece en la zona donde ellos imperan. Por eso

se habla de un clima de selva de un clima de sabana de un clima de páramo,

entre otros (Rosales, 2017).

De manera muy particular, como se expresó anteriormente, se indica que

cobertura vegetal es un manto verde compuesto de plantas, que recubren

espacios territoriales, que dependiendo de la interacción biótica y abiótica, se

encuentran con mayor o menor desarrollo de sus componentes, los cuales son

muy vulnerables y tienen una tendencia a desaparecer según el grado de

influencia de las actividades humanas, las cuales deben ser consideras en

procesos de regulación para mantener la sostenibilidad ambiental en beneficio

de las presentes y futuras generaciones (Navarrete & Mejia, 2018).

Sistemas de información geográfica (SIG) y la cobertura vegetal

Según Navarrete & Mejia (2018), define a los SIG como “la unión de

información en formato digital y herramientas informáticas (programas) para su

análisis con unos objetivos concretos en el que la información aparece

georreferenciada es decir incluye su posición en el espacio”.

Otra caracterización de SIG se encuentra en CIAT, IGAC, UE (2007), quienes

expresan que son “un conjunto de métodos, herramientas y datos que están

diseñados para actuar coordinada y lógicamente en la captura,

almacenamiento, análisis, transformación y presentación de toda la información

geográfica y sus atributos, con el fin de satisfacer múltiples propósitos” (De la

Cruz & Gamarra, 2021).

Los SIG, se componen de varios elementos, el cuerpo del proceso del análisis

territorial en formato digital es el hardware y software; el primero, es el

ordenador que contiene dispositivos periféricos de entrada y salida; el segundo,

corresponde a un conjunto de procesos llevados a cabo por una serie de

algoritmos y modelos ejecutados en programas, los cuales utilizan la

información, y la representan en datos geográficos, como raster que

corresponden a las imágenes satelitales y fotografías aéreas, y de tipo vectorial

como la georreferenciación expresada en puntos, líneas y polígonos.

Análisis multitemporal de la cobertura vegetal

El análisis multitemporal, se lo utiliza con información proveniente de sensores

remotos, como las imágenes satelitales o fotos aéreas referentes a un mismo

sitio, las cuales son registradas en diferentes fechas (Rosales, 2017). estas

actúan conjuntamente con elementos espaciales y de atributos, que de una

manera conjunta analizan, comparan y muestran los cambios a lo largo de un

periodo definido de tiempo; estos cambios pueden ser de los elementos

espaciales, como también las nuevas características del tema en estudio; se

recalca la gran utilidad de estos métodos de análisis espacial (Navarrete &

Mejia, 2018).

Como resultado de estos análisis, se obtienen representaciones cartográficas

de los cambios de cobertura vegetal suscitados a lo largo del tiempo,

mostrando las incidencias provocadas por las perturbaciones y/o conflictos de

uso de suelo que se han generado en una determinada área geográfica (Abreu,

Cabrera, Fernández, & Icasitiniaga, 2017).

Los modelos espaciales multitemporales, necesitan de dos elementos para

presentación de los datos como el ráster y el vector. El ráster representa las

imágenes, que vienen dadas en la unidad mínima llamada píxel o celdas; cada

una, cuenta con una numeración que es dada por un único valor, la cual

permite identificar al objeto o variable, representadas con mallas

interconectadas de pixeles dividida en filas y columnas. Es más utilizado para

realizar el estudio de representación de superficies. Haciendo posible el estudio

de determinados atributos, como por ejemplo la cobertura vegetal, ya que las

áreas se reconocen entre sí cuando representan idéntica información temática

(Torrachi, 2018). Por otro lado, el ráster puede representar datos temáticos o

continuos; los temáticos como uso del suelo; y los continuos como elevaciones,

temperatura, etc.; luego, de una imagen satelital es posible analizar la

cobertura vegetal y categorizar los diferentes usos de suelo mediante el

análisis de bandas espectrales (ESRI, 2017); la información clasificada es apta

para ser utilizada en cualquier campo de estudio de la percepción remota,

receptada por varios sensores que remiten de la energía electromagnética, a

través de bandas espectrales (Abreu, Cabrera, Fernández, & Icasitiniaga,

2017); esta bandas pueden reflejar la sensibilidad de la clorofila, pues son

útiles para identificar cambios en la vegetación (INEGI, 2017); Cada área u

objeto de estudio posee una forma distinta en la que refleja la energía

electromagnética absorbida, la radiación que refleja o transmite contiene

patrones distintivos, que servirán como diferenciador en la identificación de

variables de estudio (Caballero & Espinal, 2021).

Matriz de confusión

Briones (2018), indica que es posible comparar dos valoraciones utilizando la

matriz de confusión (C) o de contingencia, una de las cuales ha sido

establecida por el usuario como base y la otra está siendo evaluada. Se

comparan las categorías de cada valoración y se forma una matriz de

comparación de categorías de valoración. Estas categorías suelen estar

repartidas por el mapa o en varios sectores. Con la matriz de confusión se

obtienen tres categorías de precisión: precisión global, precisión del usuario y

precisión del producto.

Índice de Kappa (K)

Morales, Carrillo, y Farfan (2016), explica que el índice Kappa mide la

diferencia entre el mapa visualizado y la coincidencia de la realidad y lo

esperado; se basa únicamente en la precisión de la clasificación, ignorando la

causada por factores aleatorios; el objetivo de esta prueba es determinar si la

clasificación ha vizualizado la categoría de interés con mucha más precisión

que la obtenida por asignación aleatoria, como se aprecia en la ecuación.

NΣ X ii −Σ(X ii∗X +i)

k=
N 2−Σ(X i∗X +i)

Donde:
 N: es igual al total de datos muestreados,

Xii: indica el acuerdo observado y

(Xi¿X+i): es la concordancia esperada (producto de marginales).

Tabla 1.
Valoración del índice de Kappa

Índice Kappa Fuerza de concordancia

0.00 Pobre

0.01 - 0.20 Leve

0.21 - 0.40 Aceptable

0.41 - 0.60 Moderada

0.61 - 0.80 Considerable

0.81 - 1.00 Casi perfecta

Fuente:

(Torre y Rivas, 2019)

Factores que afectan el comportamiento espectral de la vegetación

En los suelos que se encuentren al descubierto se alterará el comportamiento

espectral por el contenido de humedad y coloración, por ejemplo, cuando existe

suelos secos su reflectancia será mayor, y por lo contario cuando la humedad

este presente la reflectancia significativamente será menor. La estructura de las

hojas, tipos de pigmentos contenidos la humedad, también tiene su nivel de

alteración; en cuanto al comportamiento espectral del agua, su reflectancia es

baja (Chariarse & Chariarse, 2021).

Índice de vegetación normalizada

Rouse J.W., Haas, R.H., Schell, J.A. i Deering, D.W. en el tercer simposio

"Sistemas de monitorización de la vegetación en las Grandes Llanuras con

ERTS - NASA”, Washington, D.C.- 1973, presentaron el Índice Normalizado

diferencial de la Vegetación - NDVI, sustentando que la vegetación tiene un

comportamiento distinto en cada longitud de onda de la banda espectral, en

función de su estado vegetativo, desarrollo alcanzado y ubicación al suelo

(Tafur, 2017).

Además se manifiesta que la vegetación sana, es de color verde oscura tiene

bajos niveles de reflectividad del espectro de la banda roja y azul, alto en la

banda verde y muy alto en el Infrarrojo cercano; la vegetación enferma o

estresada, de color verde amarillento mantiene bajos los niveles de

reflectividad en el espectro de la banda roja y azul, alto en la banda verde y la

reflectividad espectro del infrarrojo cercano disminuye en relación a la

vegetación sana; la vegetación muerta, de color verde marrón no irradia

reflectividad en ninguna de las bandas (Tafur, 2017)

Teóricamente el NDVI mide la densidad de cobertura vegetal y se obtiene al

combinar las bandas roja e Infrarroja cercano de la radiación reflejada sobre la

radiación entrante; matemáticamente se representa en la siguiente fórmula

ρ b 5−ρb 4
NDVI (L 8)=
ρ b 5+ ρ b 4

Donde:

NDVI : Índice de vegetación de diferencia

normalizada

ρb 2: Reflectancia en la banda 5 (infrarrojo).

ρb 5 : Reflectancia en la banda 4 (rojo).

Los rangos de valores del NDVI varían entre el 0 y 1, el Cero (0), representa el

valor aproximado a la falta de vegetación (menor densidad) y valor cercano a 1

representa una alta presencia de vegetación (mayor densidad); los valores

negativos representan las superficies sin vegetación.

Además, Campo & Marinas (2015), Han establecido valores del NDVI para

tipos de cobertura vegetal, como se muestra en la siguiente tabla:

Tabla 2.
Valores estandarizados de NDVI por tipo de Cobertura Vegetal.
Valores Descripción de Coberturas vegetales
de NDVI

Menore Cuerpos No vegetales (Agua, minerales)

s de 0

Entre 0 Áreas rocosas, arenosas, con mínima

y 0.1 cobertura vegetal.

Entre Áreas pobres con arbustos o pasturas

0.1 a naturales, cobertura rala
0.2

Entre Áreas con árboles y arbustos, cobertura

0.2 a Semi Denso
0.3

Mayores Áreas donde la vegetación se encuentra

0.3 en un estado de gran vigor y densidad,
cobertura Denso

Fuente: (Campo & Marinas, 2015)

El valor del NDVI está asociado a la actividad fotosintética, cuando la

fotosíntesis es alta la densidad de la cobertura vegetal aumenta y el valor del

NDVI se incrementa; contrariamente cuando no existe actividad fotosintética el

valor del NDVI disminuye reflejando baja densidad de cobertura vegetal o

estado de la planta de enfermedad o estrés (Campo & Marinas, 2015).

Proyección de pérdidas de la cobertura vegetal

La proyección tiene como fin determinar áreas con mayor susceptibilidad a ser

afectadas por procesos de conversión de ecosistemas naturales, esto consiste

en la implementación de un modelo empírico que caracterice los procesos de

conversión de la vegetación natural observados en el período aproximado.

Además, cabe mencionar que la proyección cumple con el objetivo dotar de

información sobre la magnitud, estructura, crecimiento, distribución de la

población y de sus características económicas, sociales y demográficas, que

sirva de base para la elaboración de planes generales de desarrollo y la

formulación de programas y proyectos a cargo de organismos de los sectores

público y privado (Rosales, 2017)

Cobertura vegetal

Las coberturas vegetales son aquellas que consideran el desarrollo de las

plantas o cultivos, con la finalidad de mejorar la capacidad productiva de los

terrenos y ayudar a disminuir la erosión del suelo (Córdova & Sánchez, 2020).

Índice de vegetación normalizada (NDVI)

El NDVI mide la relación entre la energía absorbida y emitida por los objetos

terrestres. Aplicando a las comunidades de plantas, el índice arroja valores de

intensidad del verdor de la zona, y da cuenta de la cantidad de vegetación

presente en una superficie y su estado de salud o vigor vegetativo (Rosales,

2017).

Imágenes satelitales

Los satélites de observación de recursos naturales orbitan a unos 700 km de

altura en sentido Norte – Sur, y llevan a bordo una serie de sensores que

captan la radiación solar reflejada por las distintas zonas de la superficie

terrestre, y las separa en diversas bandas del espectro electromagnético. A

medida que el satélite avanza en su órbita, va “observando” líneas de

pequeños elementos, las que, ubicadas una al lado 30 de la otra, forman

cuadros llamados imágenes satelitales (Córdova & Sánchez, 2020).

Sistemas de información geográfica (SIG)

Asistido por ordenador que permite la adquisición, almacenamiento,

manipulación y análisis, visualización y salida de datos espaciales, para su

futuro uso de acuerdo a un requerimiento específico (Pozo, 2018).

Bibliografía

Abreu, C., Cabrera, S., Fernández, G., & Icasitiniaga, M. (2017). Frimas Espectrales y Características
de Coberturas Fundamentales. Montevideo: Universidad de la Republica de Uruguay.

Álvarez, M. (2018). Variación de la cobertura vegetal en el parque nacional Machalilla, mediante la

evaluación de índices de vegetación, provincia de Manabí. Guayaquil: Universidad de
Guayaquil.

Campo, G., & Marinas, G. (2015). Relaciones entre el índice espectral de vegetación NDVI y la
cobertura vegetal en pastos de puerto del Pirineo Occidental. Juarez: Editado por XLV
Reunión Científica de la SEEP. .

Chariarse, A., & Chariarse, P. (2021). Análisis multitemporal del uso de suelo y cobertura vegetal
mediante el uso de herramientas SIG aplicados a la cuenca de Chuyapi -Santa Ana - La
Convención – Cusco. Cusco: Universidad Andina del Cusco.

Córdova, J., & Sánchez, L. (2020). Análisis de la variación multitemporal de la cobertura vegetal
entre los años 2010-2018, en la cuenca del río Neshuya, Ucayali, Perú. Pucallpa:
Universidad Nacional de Ucayali.

Cruz, D., Curbelo, E., Ferrer, Y., & Ávila, D. (2020). Variaciones espaciales y temporales en el Índice
de Vegetación de Diferencia Normalizada en Cuba. Ecosistemas, 1 - 12.

De la cruz, F., & Gamarra, R. (2021). Efecto de la variabilidad atmosférica en la cobertura vegetal
del Refugio de vida silvestre Laquipampa entre 1990-2020. Lima: Universidad César Vallejo.

De la Cruz, F., & Gamarra, R. (2021). Efecto de la variabilidad atmosférica en la cobertura vegetal
del Refugio de vida silvestre Laquipampa entre 1990-2020. Chiclayo: Universidad César
Vallejo.
ESRI. (2017). ArcGIS. Obtenido de http://desktop.arcgis.com/es/arcmap/10.3/manage-data/raster-
andimages/what-is-raster-data.htm

Flores, R. (2019). Relación entre el comportamiento dinámico del área glaciar del nevado
santocoronado y las variaciones climáticas del entorno, Moquegua. Moquegua:
Universidad nacional de Moquegua .

Gore Puno. (2015). Plan de accion de la estratgia regional de la diversidad biologica.

Hernández, R., & Mendoza, C. (2014). Metodología d ela investigación: Las rutas
cuantitativa,cualitativa y mixta. Mexico: McGRAW-HILL INTERAMERICANA EDITORES, S.A.
de C. V.

INEGI. (2017). Aspectos técnicos de las imágenes Lansart. Lima: Instituto Nacional de Estadística y
Geografía.

Rosales, O. (2017). Análisis Multitemporal del Uso del Suelo y Cobertura Vegetal de la Cuenca del
Río Tahuando y Proyección de Cambios al Año 2031, en el Cantón Ibarra, Provincia de
Imbabura. Ibarra: Universidad Técnica del Norte.

Nombre: LAROTA BUSTINCIO JHON RONALD

Curso: SEMINARIO DE TESIS