División de Ciencias Biológicas y de la Salud

Licenciatura en Biología

Servicio Social:

Evaluar los cambios de uso de suelo de la región de la Chinantla en Oaxaca,a partir de imágenes de satélite.

Presenta:

Miranda Moctezuma Anabell Georgina

Asesor interno:

Biol. Gilberto Hernández CárdenasProf. Titular “B” Dpto. de Biología

Universidad Autónoma Metropolitana unidad Iztapalapa, Laboratorio demanejo de Recursos Naturales, edificio anexo del edificio S. Cubículo AS-

109. Noviembre del 2000 a noviembre del 2002

Nombre: Miranda Moctezuma Anabell Georgina

Matrícula: 93329507

Licenciatura: Biología

Proyecto de Servicio Social:

EVALUAR LOS CAMBIOS DE USO DE SUELO DE LA REGIÓN DE LACHINANTLA EN OAXACA, A PARTIR DE IMÁGENES DE SATÉLITE.

Clave de registro: B.044.00

Fecha de entrega: 11 de Noviembre del 2002

Asesor interno:

Biol. Gilberto Hernández CárdenasNo. de empl. 23198, Prof. Titular “A”Dpto. de Biología

Resumen

Objetivo: Analizar los cambios en la cobertura vegetal a través de imágenes Landsat-TMde 1992 y Landsat-ETM del año 2000 de la región de la Chinantla en Oaxaca

Resultados: Obtención dos imágenes de la región Chinanteca correspondientes a los años1992 y 2000 corregidas geométricamente y ajustadas a la escena que corresponde a laregión. Un modelo cartográfico que describe el proceso de corrección radiométricaaplicado para la eliminación de sombra causado por el relieve. Se obtuvieron dos imágenesclasificadas con los usos de suelo y vegetación de la región de la Chinantla en Oaxaca, unmapa generalizado de uso de suelo y tipos de vegetación, generado a partir de lainformación temática disponible de INEGI y SERBO, una base de datos de puntos deverificación realizados en abril del 2000 y diciembre del 2001.

Conclusiones: la clasificación no supervisada puede no ser un buen método para lograr ladiscriminación de la vegetación tropical y uso de suelo de la región de la Chinantla,mientras que la clasificación supervisada puede generar imágenes clasificadas con un granvalor temático que puede ser mas propiamente ajustado al medio físico real de la escena dela cual procede la imagen, se recomienda realizar mas puntos de muestreo en campo pararealizar campos de entrenamiento que mejoren la obtención de resultados de laclasificación supervisada.

EVALUAR LOS CAMBIOS DE USO DE SUELO DE LA REGIÓN DE LA CHINANTLAEN OAXACA, APARTIR DE IMAGÉNES DE SATÉLITE.

INTRODUCCIÓN

El deterioro ambiental se define como la transformación del medio ambiente causado porfenómenos naturales o humanos que dan lugar a la reducción o completa pérdida de suspropiedades físicas y biológicas de la que la ultima consecuencia es una disminución en ladisponibilidad de bienes y servicios que proveen los ecosistemas para los seres humanos (Landa,Meave & Carabias, 1997). Es importante señalar que de los numerosos factores que contribuyenal deterioro ambiental, ha sido el sector productivo primario (incluye practicas agrícolas,ganaderas, silvícolas y pesca) quien más a afectado los ecosistemas en el país, ya que hapropiciado la reducción de selvas y bosques al abrir espacios y terrenos de manera desordenada,así como el asentamiento irregular de comunidades. Por su alcance territorial la agricultura y laganadería han determinado las transformaciones ambientales más importantes en el espacio ruralde México, que a su vez se han traducido en grandes tasas de deforestación. Se estima que entre1970 y 1980 los promedios de deforestación fueron de 400 mil hectáreas (SEDUE 1983) a 678mil hectáreas (Masera, 1997) anuales (Cervantes, Arriaga y Carabias, 1996) y entre 1981 y1991la deforestación promedio se calculó en 678mil hectáreas, siendo una de las más altas del mundo(FAO, 1993). Nuestro país ha perdido más de 95% de sus bosques tropicales húmedos, mas de lamitad de sus bosques templados y un porcentaje difícil de calcular de sus zonas áridas.

Las condiciones de pobreza y la falta de alternativas tecnológicas y productivas viablesobligan a los habitantes de las zonas rurales a realizar agricultura en terrenos que no tienen unpotencial adecuado. En tanto que la ganadería ha tenido su mayor impacto en zonas tropicales ytempladas del país. Al mismo tiempo el aprovechamiento forestal ha sido escaso, ya que no existeun marco legal que permita establecer la propiedad y los derechos y vías de utilización debosques y selvas, por ello el uso forestal se ha dirigido a favor de la ganadería, agricultura ydesarrollo urbano.

En México la problemática ambiental no se restringe solo al deterioro ambiental, sino quetambién podemos sumar a sus causas la falta de información y datos reales acerca de la condiciónque guardan los recursos naturales. Esta deficiencia afecta la creación de marcos jurídicos legalesque armonicen la explotación y conservación de los mismos. Uno de los ejemplos más grandes esel deterioro y casi desaparición de la selva mexicana. Se estima que casi el 90% de las áreastropicales han sido transformadas en sistemas agrícolas especializados y en pastizales para laganadería extensiva, es decir de un 11% que cubrían las selvas en la superficie del país hoy sehan reducido hasta una décima parte de su distribución original (Rzedowski, 1994). El InventarioNacional Forestal Periódico (1992-1994) reportó 26,440,061 hectáreas de bosques tropicales yotras asociaciones (bosque mesófilo, manglar, palmar, selva fragmentada, selva de galería ysabana), de los cuales 5,793,910 hectáreas corresponden a selvas altas y medianas.

Los problemas más graves que se viven en el país por deforestación acelerada son ladesertificación y la degradación de la tierra. La desertificación es el incremento del área ocupadapor las zonas áridas y semiáridas debido a la actividad humana, erosión y variaciones climáticas;se manifiesta por sequías, fluctuaciones climáticas a largo plazo. La degradación de la tierra es la

suma de la erosión eólica, hídrica, salinización, degradación física, degradación química ybiológica, que tienen como resultado la disminución en la fertilidad del suelo perdiendo así sucapacidad productiva. Debido a que la degradación de la tierra afecta directamente al tipo devegetación, esta puede ser detectada por variaciones en la cubierta vegetal, también es posiblededucir el grado de deterioro, la fase en que se encuentre y la causa. El diagnóstico ambiental dela cubierta vegetal incrementa la capacidad de los estudios de la superficie terrestre a través delanálisis de imágenes que reciben los satélites.

La actual perspectiva ambiental promueve el uso de información actualizada con lacapacidad para almacenar y manejar una mayor cantidad de datos que definan los atributos de losobjetos estudiados. Los Sistemas de Posicionamiento Global (SPG), basados en los satélites quecubren la tierra pueden proporcionar la posición (latitud, longitud y altura) sobre la superficie dela tierra de cualquier objeto con una gran precisión. Otra herramienta de la geografía es laPercepción Remota (PR), se refiere al análisis de la respuesta espectral de objetos que seencuentran en la superficie de la tierra (Bocco, Palacio y Valenzuela, 1991), contribuye también ala creación de imágenes multiespectrales que abarcan un espectro visual mayor al del ojohumano. La percepción remota se basa en el uso de sensores dirigidos a distancia, estos sensorestienen la capacidad de medir las emisiones de energía de la superficie de la tierra, dichasemisiones no son sino las diferentes longitudes de onda que son reflejadas y que tienen comofuente la radiación solar. Cada una de las longitudes de onda registradas por los sensores han sidoreflejadas por una superficie a la que le anteceden ciertas características particulares con las quedebe cumplir el material que la emite; es decir que la longitud de onda reflejada por unasuperficie depende del tipo de materia, orgánica o inorgánica; de su textura, humedad, cantidadde pigmentos, contenido y tipo de minerales, profundidad del objeto, inclinación, orientación,altitud, etc., además de las variaciones debido al movimiento y curvatura de la tierra así como lasocasionadas por el desplazamiento del sensor a través de la órbita que describen alrededor de latierra. Estos antecedentes permiten que la percepción remota posea la información suficiente parapoder traducir los datos que se almacena en un sensor satelital a través del análisis de datos, paraello se apoya en los Sistemas de Información Geográfica (SIG). Los SIG son el conjunto deprogramas y equipos de cómputo que permiten el acopio, manipulación y transformación dedatos espaciales y no espaciales. Contribuyen a la toma de decisiones y a la conformación desistemas expertos (Bocco, Palacio y Valenzuela, 1991). Los SIG son el resultado de los avancesen la electrónica y computación y han progresado para ser usados en situaciones complejas dondela exactitud es su prioridad, esto permite a la geografía trabajar con datos en su verdaderocontexto espacial, proporcionando información visual de gran capacidad de síntesis informativa,logrando con ello la selección o agrupamiento de objetos (Pérez, 2000). El objetivo último de losSIG es generar mapas temáticos que proporcionen un tipo de información visual y de análisis lomas cercana posible al espacio real.

OBJETIVO GENERAL

Analizar los cambios en la cobertura vegetal utilizando imágenes de los satélites Landsat-TM y Landsat-ETM de los años de 1992 y 2000 de la región de la Chinantla en Oaxaca.

METODOLOGÍA

I. Recopilación de información bibliográfica.Se llevó a cabo la búsqueda y recopilación de datos e información posible (cartashidrológicas, topográficas, diagnósticos ambientales, informes ó inventarios estatales yregionales, etc.) para contribuir al cumplimiento del objetivo mencionado.

II. Georregistrar las imágenes Landsat-TM de 1992 y Landsat-ETM del 2000 de la región dela Chinantla. Se asignaron coordenadas a las imágenes para poder integrarlas a los SIG que seutilizaron para su procesamiento y análisis.

III. Clasificación no supervisada de las Imágenes de satélite.En las imágenes obtenidas de los satélites fueron aplicadas técnicas para agrupar loselementos con respuestas espectrales similares. A cada grupo formado se le asigno unidentificador (nombre o clave) que lo distinguió de los demás.

IV. Establecimiento de criterios a partir de la información temática de la región para mejorarla clasificación de las imágenes de satélite. Se uso la información temática recopilada, de extensión territorial, delimitaciónmunicipal, uso de suelo, topografía, hidrología, cuencas y microcuencas, esto se integró ala clasificación de las imágenes de satélite.

V. Clasificación supervisada de las imágenes de satélite.En esta etapa se realizaron reconocimientos en campo de los elementos obtenidos de lasimágenes originales Landsat-TM y Landsat-ETM durante la clasificación no supervisada,obteniendo pruebas de la existencia y ubicación de los objetos registrados en la imagen.

VI. Generar mapas de uso de suelo de la región de la Chinantla en Oaxaca.Una vez clasificadas ambas imágenes de la región de la Chinantla y con la informacióntemática integrada a la clasificación se procedió a realizar dos nuevas imágenes donde semanifiestan los usos de suelo y tipos de vegetación de la región.

ACTIVIDADES REALIZADAS

A. Imágenes de satélite

Para la realización del análisis de la cobertura vegetal de la región Chinanteca se usarondos imágenes de satélite, la primera se obtuvo de sensor satelital Landsat-TM la imagencorresponde al año de 1992 tomada el 18 de marzo a las 12:59:48 hora de México, la segundaimagen se obtuvo de sensor Landsat-ETM la imagen es del año 2000 tomada el 24 de abril. Larazón por la cual se usaron estas imágenes es por la elevada resolución espacial que ofrecen losmapeadores temáticos (TM), ya que poseen un dispositivo de barrido mecánico que utiliza 7sensores para diferentes longitudes de onda, el mapeador temático mejorado (ETM) además deposeer las siete bandas tiene la banda pancromatica que abarca todo el espectro visible de luz.Los TM y ETM pueden barrer la escena en dirección horizontal y vertical simultáneamenteabarcando 185 km. de amplitud con 6 líneas de 480 m. de barrido (horizontal) a través de la rutadel satélite (vertical), lo que disminuye el error y mejora la resolución espacial.

Los sensores temáticos se enumeran a continuación pues cada una de ellas absorbe unalongitud de onda específica que será utilizada para el análisis de datos.

Banda Longitud de onda (µm) Espectro SensorLandsat-TM

SensorLandsat-ETM

1 0.45 -0.52 azul Si Si2 0.52 - 0.60 verde Si Si3 0.63 - 0.69 rojo Si Si4 0.76 -0.90 infrarrojo cercano Si Si5 1.55 -1.75 infrarrojo medio Si Si7* 2.08 - 2.35 infrarrojo medio Si Si6 10.4 - 12.5 termal Si Si8 pancrómática No Si

*La banda 7 está fuera de secuencia ya que fue adicionada posteriormente al diseño de las seis bandas previas que habían sidofirmemente establecidas. Esta fue incorporada como requerimiento para la comunidad geológica debido a la importancia de laregión de los 2µm en la evaluación de la alteración hidrotermal (Richards, 1993)

B. Corrección geométrica

Solo se corrigió la imagen de 1992, dado que la imagen del año 2000 ya había sidocorregida. La corrección geométrica se realizó en el programa IMAGINE versión 8.3 deERDAS© Este proceso corrige la distorsión causada por el movimiento de la tierra y el satélite, lacurvatura terrestre u otras variaciones en la altitud de la plataforma del sensor satelital, de estemodo se logra obtener una interpretación lo más ajustada posible al medio físico real.

La corrección se realizó usando un modelo geométrico polinomial, el cual establecerelaciones matemáticas entre los pixeles de destino en una imagen y las coordenadascorrespondientes de estos sobre la tierra, sin tomar en cuenta la fuente o el tipo de distorsión.

En la corrección geométrica se usó la imagen del año 2000, desarrollándola en base a lossiguientes puntos:

1. Se aseguro que las imágenes tuvieran la misma resolución (30 m por pixel).

2. Se marcaron puntos de control tanto en el mapa como en la imagen haciendo paresrespectivamente, de esta manera se tiene un punto que define la posición en la tierra y unpixel de correspondencia de ese punto en la imagen.

3. Para marcar los sistemas de coordenadas de cada par de puntos de control se eligieron rasgoscaracterísticos de la imagen, tal como intersecciones de ríos, aristas de cerros, caminos y ríos,cuidando que quedaran distribuidos por toda la imagen, especialmente en los alrededores,esto para asegurar un buen comportamiento del análisis polinomial.

4. Se marcaron 195 pares de puntos de control los cuales se analizaron con el método demuestreo del vecino más cercano. Este método elige el pixel que esta más cercano al puntomarcado en la imagen para luego trasladarlo al sistema de coordenadas corregido.

5. Por ultimo se especificaron los datos de proyección UTM y la resolución resultante, para estecaso de 30 metros por pixel.

C. Procesamiento de imágenes corregidas geométricamente

Recorte de imágenes

Las imágenes obtenidas de la corrección geométrica se cortaron para ajustar la escena alárea de la región Chinanteca con las coordenadas UTM: 877158.00, 2026551.00, 680358.00 y1871091.00. Una vez cortadas las imágenes se exportaron cambiando el formato ERDAS (*.img)a IDRISI for Windos 2.0© (*.lan), de esta manera se lograron separar las bandas que componían alas imágenes, de la imagen de 1992 se obtuvieron siete bandas y de la imagen del 2000 seisbandas.

Eliminación de sombras

Debido a que la imagen del año 1992 presentaba un marcado sombreado causado por elrelieve de la región se decidió aplicar una corrección radiométrica, este método corrige losdefectos de transmisión de las longitudes de onda en las diferentes bandas, los cuales puedencausar problemas durante la interpretación de la clasificación.

Para eliminar el sombreado se empleo un índice de vegetación (IV). El IV es un cocienteque se obtiene de una división pixel a pixel entre los niveles digitales de dos o más bandas y esutilizado para reducir el efecto del relieve en la caracterización espectral de distintas cubiertas. El

IV homogeneiza el efecto del relieve de tal forma que tenderá a resaltar el contraste espectralfrente al contraste de iluminación (Chuvieco, 1995). El IV empleado en este análisis se obtuvo delas bandas infrarrojo cercano (IRc) que abarca de 0.76 a 0.90µm y roja (R) que abarca unalongitud de onda de 0.63 a 0.69µm. El cociente entre la banda IRc y R se ha aplicado en estudiosde cartografía y vegetación, se ha probado que los IV ofrecen una correlación positiva conparámetros vitales de la vegetación, tal como la biomasa total, índices de verdor de la hoja osuperficie foliar. La utilización de éstas bandas se justifica porque la imagen temática puededetectar las variaciones en la vegetación debido al contraste espectral producido entre ambas, enotras palabras se sabe que a mayor contraste la vegetación es mas vigorosa y cuanto menor sea elcontraste la vegetación representada es de menor vigor.

El índice de vegetación se obtuvo a través del siguiente modelo cartográfico:

La corrección radiométrica requirió de un modelo digital de elevación creado a partir deuna cobertura de curvas de nivel cada 30 m; a partir del cual se creó una máscara para separar lasladeras sombreadas del resto de la imagen. Para ello se requirió del día y hora en que se tomo laescena, utilizando el azimut de 90.85° y ángulo de elevación del sol de 22° 25’. Una vez que seobtuvieron los valores de reflectancia en sol y en sombra, se multiplicaron por el índice devegetación para así obtener las bandas corregidas. La metodología se ilustra en la siguientepágina con un modelo cartográfico:

Índice de VegetaciónIRc/R

BandaInfrarrojo

cercano, 1992

Banda Roja,1992

COCIENTE

D. Clasificación no supervisada

Para separar los diferentes tipos de usos de suelo y vegetación se procedió primero aobtener una clasificación no supervisada de la imagen de 1992. La clasificación no supervisadarequiere de una imagen compuesta en la cual se examinan los valores de reflectancia de cada unade las bandas usadas en la composición, identificándolos como grupos espectrales. Laclasificación no supervisada se encarga de obtener grupos (clusters) a través de un métodoestadístico multivariado (IDRISI for Windows©, 1999), específicamente con el método deanálisis de grupos, el cual se realiza en tres pasos:

i) Selección de variables (bandas espectrales) que intervienen en el análisisii) Selección de un criterio para medir la distancia entre casos (pixeles)iii) Selección de un criterio para agrupar los casos (pixeles) similares para

equipararlos con alguna clase espectral.

Selección de bandas

La selección de las bandas espectrales se hizo a través de una imagen compuestadenominada “falso color”, esta composición se obtiene desplazando hacia longitudes de onda máslargas las bandas del espectro visible (Chuvieco, 1995). En lugar de aplicar los colores rojo (R),verde (G) y azul (B) para la composición RGB: (siglas en inglés), se aplicaron las bandas delinfrarrojo medio, el infrarrojo cercano y el rojo visible respectivamente; generando una imagensemejante a los colores reales del paisaje.

Formación de grupos espectrales

El criterio utilizado para medir la distancia entre píxeles se conoce como DistanciaEuclindiana (Richards, 1993) que mide la similitud entre pixeles representado por la ecuación:

Donde: Da,b = distancia entre pixeles a,b = pixeles cualesquiera ND a,k y ND b,k = niveles digitales de los pixeles en la banda k k = banda m = número de bandas

Las condiciones de agrupamiento de los píxeles se establecieron a través del criterio delalgoritmo ISODATA. Este se basa en la estimación de algunas asignaturas razonables de lospixeles candidatos a agruparse y que se mueven de un grupo a otro; de cualquier forma el error dela sección precedente es reducido.

m

Da,b = { Σ (NDa,k -NDb,k)2 }1/2

k=1

El algoritmo ISODATA procede en las siguientes fases (Chuvieco, 1995):

i) Se señalan una serie de centros de clase, de acuerdo al número y forma indicadospor el usuario;

ii) Se asignan todos los pixeles de la imagen al centro de clase más próximo;iii) Se calculan de nuevo los centros de clase, teniendo en cuenta los valores de todos

los pixeles que se le hayan incorporado en la fase anterior;iv) Se vuelven a asignar todos los pixeles de la imagen al centro más cercano, el cual

debido al desplazamiento registrado en (iii), no tiene por que coincidir con laanterior asignación realizada en (ii);

v) Vuelven a calcularse los centros de clase, teniendo en cuenta las nuevasincorporaciones y se retorna a la fase (iv).

El proceso se repite iterativamente hasta que el centro de clase no se desplacesignificativamente, lo que indica un buen ajuste a los grupos presentes en la imagen. Antes deiniciar una nueva iteración, el algoritmo interroga algunos parámetros de control introducidospor el usuario y decide proseguir o terminar con la iteración si es que el desplazamiento ha sidoinferior al indicado.

Una vez terminado el proceso se observaron grupos dominantes y se eligieron solo 52 deellos, mismos que fueron asignados a 25 tipos de usos de suelo.

E. Integración de la información temática

Para el análisis de la vegetación de usaron las cartas de uso de suelo y vegetación de lazona 14 y 15 del Inventario Forestal Nacional 2000-2001, delimitación municipal del estado deOaxaca, carta topográfica e hidrología de INEGI (Instituto Nacional de Estadística, Geografía eInformática), uso de suelo y vegetación de Oaxaca de SERBO (Sociedad para el Estudio de losRecursos Bióticos de Oaxaca), las cartas, hidrológicas y topográficas fueron digitalizadas yguardados previamente como archivos vector, en el programa Arc View de ESRI. Se obtuvotambién una lista de claves de uso de suelo 1:250000 del Proyecto CPAN (INEGI), que incluíannombres de cada tipo de vegetación y uso y un identificador numérico. Las claves numéricas delProyecto CPAN fueron modificadas por abreviaturas para generar así una nueva clave de uso desuelo y tipo de vegetación de la Chinantla para uso de este proyecto (Anexo1).

El vector de límites municipales se utilizó para intersectar los vectores de uso de suelo yvegetación de INEGI y SERBO y delimitar así el área de la Chinantla, con ello se digitalizó unanueva cartografía de uso de suelo y vegetación a través del programa CARTA LINX, utilizandouna imagen en falso color. Para la discriminación de áreas en las que se podía apreciar diferenciade tono y color se tomo como guía la interpretación sugerida por Tindal (Tindal 1978 citado porChuvieco, 1995).

Clasificación de tonos y colores sugerida por Tindal.

§ Beige o dorado: pastizales

§ Rojo-Magenta: cultivos de riego y humedales

§ Rosas: cultivos de temporal

§ Blanco: nubes

§ Azul obscuro- negro: ríos o cuerpos de agua

§ Gris-azul: poblados

§ Verde obscuro: vegetación caducifolia o acicular

§ Verde: vegetación perenne y mesófilo

§ Verde claro: vegetación secundaria

Los polígonos de la nueva cobertura de usos de suelo y vegetación fueron asignados a lasclaves de uso de suelo y vegetación para la Chinantla (Anexo 1), se creó una paleta de colorsimilar a la que INEGI utiliza en las cartas de vegetación y uso de suelo. Finalmente se edito eimprimió como un mapa de uso de suelo y vegetación actualizado de la Chinantla (Fig.2).

En base a las cartas del informe nacional forestal de 1973 y 2000, se estableció el segundorecorrido que se realizaría por la región, ya que el primero se realizó del 20 al 24 de abril del2000, de este recorrido se tienen un archivo de puntos de verificación registrados en el GPS(Sistema de Posicionamiento Global) y otro de la ruta que se siguió durante el recorrido, así comouna tabla de datos donde se describe el tipo de vegetación o uso del suelo para cada punto deverificación. Tomando en cuenta la información de las cartas y el recorrido anterior se sabía queexistían puntos específicos que debían volver a verificarse y que influirían en la ruta a seguirdurante el recorrido.

F. Trabajo en campo

El segundo recorrido de verificación de campo se realizó del 14 al 21 de Diciembre delaño 2001, cubriendo los municipios de San Juan Lalana, Jacatepec, y San Felipe Usila, Para elrecorrido en campo se estableció primero un método de muestreo que permitiera obtenerinformación representativa de los tipos de vegetación de las zonas visitadas, sobre todo parapermitir una apreciación acorde a la escala en la que se desarrolló el análisis de las imágenes. Elmuestreo se realizo con el método de transecto en línea, los transectos debían tener al menos 250metros de longitud para obtener una muestra equivalente a la unidad de escala de las cartastemáticas, a lo largo de los transectos se marcaron puntos de verificación cada 30 metros paraseguir la escala de la resolución de las imágenes pues contenían un área de 30m por píxel. Lospuntos fueron georreferenciados y almacenados con el GPS, de este modo se obtuvieron datos

concretos de los tipos de vegetación que definirían la clasificación de valores para los nivelesdigitales registrado en cada pixel de la imagen o al menos en los lugares donde era difícil tener lacerteza de asignar una clase en específico, para asegurarnos de ello, los puntos del GPS semarcaron solo en tipos de vegetación bien definidos y que no presentaran variación alguna en almenos una área de 30 a 50 m2. En cada uno de los lugares donde fueron registrados los puntos serealizó, cuando fue posible, la colecta de plantas y se llenaron fichas técnicas (anexo 2),asociadas a cada uno de los ejemplares, que además de la descripción preliminar del ejemplarbotánico también permitieron recabar información del medio físico de la localidad y el tipo devegetación descrito en cada punto de verificación.

G. Clasificación supervisada

La clasificación supervisada se realizó en base al reconocimiento previo de la zona detrabajo, donde se identificaron usos de suelo y tipos de vegetación que posteriormente habrían decorresponder a las diferentes clases de niveles digitales sobre la imagen. Algunos autores señalanque la clasificación supervisada pretende definir clases informacionales por lo que puede resultarsubjetivo y artificial, ya que puede forzar a la discriminación de categorías que no tengan un clarosignificado espectral. Recordemos que las firmas (signaturas) espectrales tienen diferentescomportamientos en los diferentes tipos de vegetación que corresponden a variaciones en elambiente y el medio físico además de las ya generadas por los sensores remotos.

Se requirió de la imagen en falso color y de los archivos de puntos y recorridos de lasvisitas de abril y diciembre realizadas a la Chinantla, que debido a su extensión, no se logro haceruna prospección completa por lo que la información temática de las cartas fue necesaria paraidentificar categorías de otros tipos de vegetación además de los observados en campo. Laclasificación supervisada procedió en base a la metodología del manual de IDRISI forWindows©.

Polígonos de entrenamiento

Los polígonos o sitios de entrenamiento son áreas representativas de cada tipo de cubiertaque se identifican sobre la imagen. Estas áreas separan en categorías los valores espectrales de laimagen. Estas áreas sirven para que el programa identifique a las categorías a partir de las cualesasignará diferentes clases a cada uno de los pixeles de la imagen.

Los polígonos de entrenamiento se digitalizaron usando la composición en falso color(3:4:5) de la imagen del año 2000 ya que ofrecía la misma capacidad de discriminación visualque el falso color de la imagen de 1992 y alternativamente la banda 5 de la imagen de 1992debido al contraste de grises que ofrecía. De cuerdo con la metodología de IDRISI forWindows© el tamaño de cada sitio de entrenamiento requiere de una cantidad mínima de pixelesigual a 10 veces tantas capas tenga la imagen a clasificar; por lo que se requirió de un mínimo de60 pixeles de área por polígono de entrenamiento. Inicialmente se digitalizaron polígonos sobreáreas previamente reconocidas en campo durante los recorridos de abril y diciembre, el resto deellos se digitalizó sobre áreas reportadas con el mismo tipo de vegetación tanto en la carta deINEGI como de SERBO.

Se digitalizaron entre 10 y 15 sitios de entrenamiento para cada una de las categorías deuso de suelo y tipo de vegetación; a fin de reflejar la variabilidad del nivel digital de los pixelesen cada una de ellas. Los sitios de entrenamiento se asignaron a las categorías de la tabla 1.

Tabla 1. Categorías de uso de suelo y tipo de vegetación para laregión de la Chinantla, Oax.

1. Agua2. Selva alta perennifolia3. Selva alta perennifolia con vegetación secundaria4. Bosque mesófilo de montaña5. Bosque mesófilo de montaña con vegetación secundaria6. Selva mediana perennifolia7. Selva mediana perennifolia con vegetación secundaria8. Pino9. Pino con vegetación secundaria10. Encino-Pino11. Encino-Pino con vegetación secundaria12. Encino con vegetación secundaria13. Selva mediana subperennifolia14. Selva baja caducifolia15. Pastizal16. Agricultura de humedad anual y semipermanente17. Agricultura de humedad anual18. Agricultura de riego semipermanente19. Agricultura de riego anual20. Cultivos de Café21. Acahuales22. Poblados23. Agricultura de temporal24. Nubes

Extracción de firmas espectrales

La extracción de firmas espectrales consiste en analizar estadísticamente las categorías apartir de los niveles digitales de todos los pixeles incluidos en los polígonos de entrenamiento, elcalculó estadístico incluye todas las bandas que componen la imagen a clasificar. El análisispermite crear las firmas (signaturas) espectrales para cada tipo de cubierta identificada sobre laimagen.

La extracción de firmas espectrales de las imágenes de 1992 y 2000 se logró utilizando elarchivo vector de polígonos de entrenamiento, las bandas correspondientes a cada imagen paragenerar las firmas y un archivo de asignaturas para cada imagen y el nombre para cada una de lasclases que fueron incluidas. Se calcularon los valores estadísticos básicos para cada una de las

firmas espectrales. Finalmente se obtuvo un archivo de firmas para todos los nivele digitales,estos se analizaron de forma gráfica en base a los valores de la media de cada una, tomando encuenta que cuando las bandas aparecen como líneas paralelas y próximas indicaban un probablesolapamiento entre ellas, mientras que las intersecciones manifiestan en que bandas es másprobable separar a las categorías, logrando así discriminar aquellas que podían presentardemasiada similitud y llegar a generar problemas en la clasificación.

Clasificación de la imagen

La clasificación permite asignar a cada uno de los pixeles de las imágenes a una de lascategoría definida en la fase de entrenamiento, generando una nueva imagen con sus pixeles yaclasificados. La clasificación de la imagen utiliza diversos algoritmos conocidos comoclasificadores suaves y clasificadores fuertes; uno de los algoritmos mas conocido y que ademásse utilizó para este trabajo fue el clasificador fuerte llamado de Máxima verosimilitud, estealgoritmo se basa en la teoría de probabilidad bayesiana, usando la información de un grupo desitios el proceso utiliza la media y la matriz de varianza-covarianza de las signaturas para estimarla probabilidad que tiene un pixel de pertenecer a una clase cualquiera (IDRISI for Windows©).En la aplicación del algoritmo se incluyeron todas las signaturas y se evaluaron con la mismaprobabilidad.

En la imagen de 1992 se observo que los cultivos de temporal eran clases que no podíanser comparadas con la imagen del 2000, ya que, en la primera el cultivo de temporal persistíaúnicamente alrededor de las nubes, a la misma vez que esta no tenían un equivalente sobre laimagen del 2000. Por lo anterior se decidió crear una máscara con la imagen de 1992 paraeliminar ambas categorías a través de una reclasificación, de este modo se obtuvieron solo 22 delas categorías de la tabla 1.

H Edición de mapas

Las imágenes se editaron en el programa Arc View de ESRI, este programa permitemodificar los datos y las imágenes presentándolos como un mapa temático.

OBJETIVOS Y METAS ALCANZADAS

El objetivo de analizar los cambios de uso de suelo de la región de la Chinantla en Oaxacase alcanzó satisfactoriamente, pues se logró la edición de dos mapas de uso de suelo y vegetaciónpara la región, lo que permite comparar el incremento o disminución de la superficie de cada unade las categorías en un intervalo de tiempo de 8 años.

Se contemplan como metas alcanzadas:

La obtención de los mapas de uso de suelo y vegetación de la región de la Chinantla delos años de 1992 y 2000 basados en las imágenes de satélite de los mismos años. Esto significaque se cuenta con una fuente de datos confiables, en un intervalo de ocho años, que representan lavariación real en tiempo y espacio de los cambios en la cobertura vegetal.

El desarrollo de una metodología que ayudará a estudios similares incluyendo el procesopara la eliminación de sombras, el cual contribuye a mejorar la calidad de la información que serecibe de la imagen y en consecuencia de los resultados que se obtienen del análisis de los valoresradiométricos una vez que se han corregido.

La obtención de dos imágenes de satélite corregidas geométrica y radiométricamente de laregión de la Chinantla del estado de Oaxaca; en las que consecutivamente se realizará otro tipode análisis que den seguimiento al estudio de la región.

La integración de la percepción remota a los sistemas de información geográfica parallevar a cabo el análisis e interpretación de las imágenes de satélite, también se logró laintegración de la información temática de las cartas de INEGI y SERBO así como de lainformación obtenida directamente del medio físico.

Se logro desarrollar la habilidad en el manejo de algunos programas y equipos queconforman los Sistemas de Información Geográfica, así como la comprensión de las basesteóricas, matemáticas y estadísticas sobre de las que se desarrollan los análisis que fueronaplicados en la elaboración de este trabajo.

RESULTADOS

Corrección geométrica

La escena corregida de la región de la Chinantla de 1992 obtuvo un error de concordanciade puntos menor a 0.5 de píxel, tomando en cuenta que la unidad de muestra era de un píxel y deacuerdo con el error máximo aceptable sugerido por ERDAS©, en la metodología de análisispolinomial (error<0.5 de la unidad); se determino que la corrección era aceptable. Para verificarla corrección se sobrepusieron a la imagen los vectores de curvas de nivel e hidrología.

Corte de las imágenesLas bandas de la imagen de 1992 y 2000 quedaron separadas y ajustadas a las

coordenadas x,y maxima y x,y mínima.

Corrección espectral

En la corrección espectral el índice de vegetación (IV) obtenido mostró que las laderascon sombra poseían un valor mayor que 1, mientras que las laderas sin sombra tenían valoresmenores o iguales a 1; por lo tanto se logró separar ambas laderas utilizando la lógica booleana.Los IV de cada ladera fueron multiplicados por lo valores originales de cada banda, obteniendoasí valores homogéneos de cada ladera finalmente se unieron para formar las bandas IRc y Rcorregidas. Al utilizarlas dichas bandas para generar nuevamente una composición de color(3:4:5), se obtuvo una imagen sin sombra y con una notable disminución en el área que abarcabanlas nubes, otro de los resultados de la corrección espectral fue la mejora de los tonos emitidos porla imagen.

La imagen del año 2000 no se sometió a este proceso ya que el efecto del relieve no eratan severo como en la imagen de 1992.

Clasificación no supervisada

La clasificación no supervisada de la imagen de 1992 (Fig.1 en Anexo 3), presento unaagrupación de píxeles no satisfactoria pues al proceder con la asignación de las categorías de usode suelo y tipos de vegetación se observó que no lograron separarse correctamente las firmasespectrales; por lo que algunos tipos de vegetación, tal como la selva alta perennifolia y el bosquemesófilo de montaña se presentan fuera del área de distribución reportada para la región de laChinantla; por ejemplo la clase espectral de selva alta perennifolia aparece hasta en 100 msnmjusto sobre la sombras que originalmente producían las nubes y donde INEGI reporta pastizales,agricultura de temporal y riego como principal uso de suelo también se observa que el bosquemesófilo de montaña aparece distribuido desde los 500 msnm, en tanto que INEGI y SERBO loreportan entre 1500 y 2500 msnm, también se observa que el bosque de pino-encino ó encino-pino son clases que aparecen en zonas que se clasificaron como agricultura de riego por INEGI ySERBO. En cuanto a la vegetación templada no se logra distinguir muy bien una agrupaciónconsistente que defina el área que estas ocupan. Finalmente para los usos de suelo de agriculturade humedad, temporal y riego parece no existir mucho problema sin embargo no se puede decir

lo mismo del pastizal pues aunque parece distribuida de acuerdo a las cartas de INEGI y SERBOtambién se le puede apreciar agregado y formando un margen alrededor de las nubes.

Información temática

La información temática recabada generó un tercer mapa de uso de suelo y vegetación dela región de la Chinantla (Fig. 2), las categorías se generalizaron lo más posible para obtener unmínimo de fragmentación y crear así un mapa preliminar que reflejará los usos de suelo y lostipos de vegetación que podían ser observados durante la verificación de campo.

Trabajo en campo

Durante el recorrido de campo de diciembre del 2001 se identificaron: encino convegetación secundaria, pastizales, selva mediana perennifolia con vegetación secundaria,cafetales abandonados, potreros, acahuales de selva alta perennifolia y bosque mesófilo demontaña. Los 134 puntos de verificación se ubican en los siguientes municipios: 1)San JuanLalana con un total de 25 puntos de verificación sobre las localidades de José López Portillo, Ríogrande y Arroyo plátanos, 2) Jacatepec se hicieron dos transectos en las localidades la Joya yCamino a Ayozintepec con un total de 18 puntos de verificación y 6 puntos mas de referenciasobre cultivos de Hule y acahuales, 3) San Felipe Usila con dos transectos en la localidad deSanta cruz Tepetotutla, con un total de 15 puntos de verificación. Las plantas colectadas seprensaron y etiquetaron, quedando en el Laboratorio de Recursos Naturales del departamento deBiología, cada uno con una ficha técnica anexa, para su posterior identificación.

Los puntos de verificación del 2000 y 2001 se registraron en una tabla de datos con ladescripción de los puntos del recorrido de abril (Tabla 2) y otra tabla con la descripción de lostransectos realizados durante diciembre (Tabla 3). Debido a la escala el recorrido de diciembredel 2000 no puede ser representado sobre los mapas, por lo que solo fue posible mostrar la ruta ylos puntos de verificación realizados en abril (Fig. 3). En este mapa se puede observar claramentelas dimensiones del área de trabajo, el cual además debido a la gran variación de relieve es difícilacceder a las distintas zonas que deseen verificarse. Los resultados se encuentran en el anexo 2.

Clasificación supervisada

El método de clasificación supervisada se empleo tanto en la imagen de l992 como en laimagen del 2000, se obtuvo un vector con 325 sitios de entrenamiento, en las comparacióngráfica de los valores de la media de cada una de las firmas espectrales se observo que las clasesque mostraban similitudes eran: la agricultura de humedad y riego, los bosques de pino, pino convegetación secundaria, pino-encino, pino-encino con vegetación secundaria y encino convegetación secundaria así como la selva mediana subperennifolia, el cultivo de café, losacahuales y el pastizal. Los resultados finales de la clasificación supervisada son: la imagenclasificada de 1992 (Fig. 4) y la imagen clasificada del 2000 (Fig. 5), cada una con veintidóscategorías de uso de suelo y tipo de vegetación.

Las imágenes se utilizaron para obtener el área en kilómetros cuadrados de cada una desus clases, lo que permitió estimar el porcentaje de la disminución o incremento del área de cadaclase en un intervalo de ocho años (Tabla 4). En ella se observo que existió una disminución enla vegetación primaria, tal que, la selva alta perennifolia perdió un 2.25% del área que en 1992presentaba, el bosque mesófilo de montaña perdió un 1.16% de su área siendo este el menorporcentaje alcanzado en cuanto a pérdida de vegetación primaria se refiere, la selva medianaperennifolia presentó la pérdida mas elevada siendo está de 3.13%. El pino-encino y la selva bajacaducifolia disminuyeron sus áreas en 1.46% y 1.45% respectivamente. Es de notar que contrarioa lo que se observa en las vegetaciones primarias antes mencionadas, el bosque de pino y la selvamediana subperennifolia incrementaron su área en 1.85% y 0.07% respectivamente, lo cualdiscutiremos mas adelante. Las vegetaciones secundarias presentaron una tendencia hacia elincremento de su área original, excepto la asociación de bosque de pino–encino con vegetaciónsecundaria, la cual reporta una pérdida de 0.38% de su área. De las actividades de uso de suelopresentaron incremento la agricultura de humedad anual con 0.11%, la agricultura de riego anualen 1.10% y el cultivo de café en un 3.86%. En tanto que la agricultura de humedad y riegosemipermanentes disminuyeron. Finalmente las áreas sin vegetación aparente, es decir losacahuales disminuyeron su área en un 0.79%, mientras que las áreas ocupadas por pobladosincrementaron en un 0.49%.

Se obtuvo una matriz de asociación entre los píxeles de la imagen de 1992 y la imagen del2000 (Tabla 5), en ella se analizó la similitud de las categorías entre las imágenes pixel a pixel yse calculó la proporción del número de pixeles que caen dentro del área de su misma clase, o biendentro del área de otras clases diferentes.

DISCUSIÓN Y CONCLUSIONES

Observando la sobre posición del vector de hidrología y curvas de nivel en la imagengeométricamente corregida se logra apreciar un buen ajuste entre las líneas que marcan el caucede los ríos y los ríos de la imagen. Por lo tanto se considera que la imagen fue favorablementecorregida.

De la corrección radiométrica se puede decir que la aplicación de un índice de vegetaciónactúa favorablemente sobre las bandas del espectro rojo e infrarrojo cercano, que como se hamencionado logran detectar variaciones en la vegetación. El IV logró un equilibrio en el contrastede ambas bandas, transformando sus valores y acercándolos más a lo que se percibe en el mediofísico. Sin embargo habrá de notarse que la eliminación de nubes no se logró totalmente, esto sedebe al elevado contenido de humedad que poseen, lo cual dificulto la homogenización delcontraste. El modelo cartográfico que se genero para la corrección de las bandas resulto acertadoy permite hacer de la corrección radiométrica un método sistematizado que puede aplicarse enáreas con vegetación perennifolia, subperennifolia y mesófila.

La clasificación no supervisada como se menciono en el apartado de resultados, no fuesatisfactoria ya que los tipos de vegetación tanto primaria como secundaria sufren modificacionesen su distribución de manera que no logra haber concordancia entre la imagen resultante y lascartas de INEGI y SERBO. Este fenómeno pudo ocurrir porque: a) de las tres variables (bandasespectrales) elegidas solo dos se habían sometido a un proceso de corrección geométrica,

mientras que la tercera se tomo de la imagen original; b) que la corrección geométrica no eliminótotalmente las sombras ni las nubes de la imagen, de hecho éstas ultimas solo disminuyeron suextensión y c) que la selva alta perennifolia y el bosque mesófilo de montaña; así como losbosques templados son tipos de vegetación que suelen compartir elementos de vegetacióncaracterísticos y que solo la abundancia de uno u otro puede llegar a definirlos.

No obstante los resultados presentados anteriormente se puede decir que la clasificaciónno supervisada fue útil al ofrecer una representación de la tendencia de agrupación de los píxelesde acuerdo a los niveles digitales de cada uno de ellos, también funcionó como indicador decuales eran las categorías que necesitaban verificación en campo para así lograr una mejordiferenciación entre ellas.

En el recorrido se observó que el efecto de borde afecta a las vegetaciones naturales yaque a varios metros adentro se pueden encontrar elementos de vegetación secundariaprincipalmente ruderales y malezas. También se constato que se continúa con el tradicionalproceso de roza-tumba-quema, ya que se encontraron áreas con signos de haber sufridoincendios. Existe también la tendencia de cambiar el uso agrícola por el uso ganadero ya que acierto tiempo las tierras de la Chinantla bajan la calidad de los cultivos. En cuanto a laexplotación forestal esta sigue estando presente en muchas de las zonas visitadas y permite tantola extracción del recurso como el rápido cambio en el uso de la tierra, pasando en muchos casosde forestal a agrícola o ganadero. Debido a la crisis del café que se vive desde hace varios años,se encontraron a la mayoría de estos cultivos abandonados y en un estado de deterioro tal, que yapresentaban una gran cantidad de malezas, aunque estas áreas están todavía lejos de recuperarsede la transformación que sufrieron con la introducción de los cafetales; otros tipos de cultivos quese encontraron abandonados fueron los de hule, al parecer esto se debe a la edad de los mismos.

La verificación de campo permitió contemplar un panorama general del estado dedeterioro que presenta la región Chinantleca, de manera que podemos decir que, no obstante latendencia de algunas comunidades a conservar sus áreas naturales, el deterioro no se ha detenido.

Las imágenes de la clasificación supervisada se observaron con el vector de curvas denivel cada 500 metros, corroborando así que las clases de vegetación se distribuyen de formanormal a la esperada en cuanto a rangos altitudinales se refiere; ya que se puede apreciar selvaalta perennifolia en un rango de 500 a 1500 msnm, el bosque mesófilo de montaña se distribuyeentre los 1500 msnm y más o menos los 2500 msnm, en algunas zonas el bosque mesófilo demontaña aparece desde los 1000 msnm, la selva baja caducifolia se encuentra entre los 100 msnma 500 msnm y las vegetaciones templadas como el pino, encino y pino-encino entre los 2500msnm y 3000 msnm que es la mayor altitud promedio que se alcanza en la región; es claro que nose puede incluir dentro de esta distribución las actividades de uso de suelo ya que éstas obedecena otros factores y no solo a la variación de altitud de la región, salvo el cultivo de café quedepende de la altitud y la exposición e inclinación de las laderas.

Tomando en cuenta las diferentes características climáticas y fisiográficas que determinanla distribución espacial de los tipos de vegetación y acorde a las cartas de INEGI y SERBO sepuede decir que la clasificación supervisada generó buenos resultados en cuanto a la distribuciónde la vegetación.

De la diferencia de áreas de cada una de las categorías de uso de suelo y tipos devegetación, se observa que la superficie ocupada por los cuerpos de agua aumentan hacia el año2000, esto se debe a que una porción de las firmas espectrales que definen a la selva medianasubperennifolia, la selva alta perennifolia, los poblados y la agricultura de humedad y riegoanuales, no se separan por completo de la firma espectral de los cuerpos de agua, durante laclasificación supervisada de la imagen de año 2000, esto se aprecia en la matriz de similitud de latabla 5. El aumento del porcentaje del área ocupada por el pino ocurre porque en la imagenclasificada de l992 algunos píxeles del bosque mesófilo de montaña, el bosque de pino-encino yel pino con vegetación secundaria tienen firmas espectrales similares a las del bosque de pino,mientras que la clasificación del 2000 relaciona a estas mismas categorías; pero en unaproporción mayor, por lo cual, ocurre el aumento en el área ocupada por la vegetación de pino.Para la selva mediana subperennifolia ocurre el mismo fenómeno, es decir, mientras que para laimagen de l992 el pastizal y la agricultura de riego semipermanente son similares a la selvamediana subperennifolia; para la imagen del 2000 la similitud se presenta entre la selva medianaperennifolia, la agricultura de riego y el acahual, teniendo como resultado una mayor extensiónen su área con respecto a la de 1992.

La clasificación supervisada de la imagen de 1992 no logra separar correctamente a lasvegetaciones templadas de modo que desde el bosque de pino hasta el encino con vegetaciónsecundaria, e incluso el bosque mesófilo de montaña y la selva baja caducifolia tienen similitudescon el bosque de pino-encino con vegetación secundaria. En tanto que la imagen del 2000 solorelaciona al bosque mesófilo de montaña, al bosque de pino-encino y la selva baja caducifoliacon la vegetación de pino-encino con vegetación secundaria, debido a ello disminuye en suextensión.

Los datos de la matriz de similitud nos dice que en la imagen de 1992, existe una ciertaproporción de píxeles con firmas espectrales que se confunden con la agricultura de humedadanual y la agricultura de riego semipermanente; estos píxeles incluyen a la selva medianaperennifolia con vegetación secundaria, la selva alta perennifolia con vegetación secundaria, laselva mediana subperennifolia, el cultivo de café, el pastizal, la agricultura de humedad y laagricultura de riego anual. Estos mismos datos nos indican que en la imagen del año 2000 lasimilitud se conserva solo para la selva alta perennifolia con vegetación secundaria, la selvamediana perennifolia y subperennifolia, y el pastizal, como consecuencia de esto la agricultura dehumedad anual y la agricultura de riego semipermanente presentan una disminución en suextensión. Las áreas de acahual presentan un comportamiento similar ya que en la imagen de1992 se relaciona con cinco categorías y en la imagen del 2000 permanece solo con dos de estascinco categorías. Del aumento en la extensión de los cultivos de café podemos argüir que en laimagen de 1992 los cafetales son a veces clasificados como acahuales; en tanto que en la imagendel 2000, los acahuales, la agricultura de riego y humedad así como la selva alta y medianaperennifolia con vegetación secundaria son clasificados como cafetales.

Respecto a las firmas la selva alta perennifolia y la selva mediana perennifolia solopodemos decir que la ausencia de la banda 6 en la imagen de 1992 debió ser la causa de lasimilitud entre ambos tipos de vegetación ya que estos pueden ser diferenciados solo por la bandatermal.

Los casos de incremento ó disminución de áreas que se manejaron anteriormente, exponenque al haber hecho una corrección espectral se obtienen diferencias en el comportamiento de lasimágenes cuando son sometidas a un mismo proceso, es decir a una clasificación supervisada.Sabemos que la imagen de 1992 se sometió a un proceso de eliminación de sombras causadas porel relieve, lo cual produjo una homogenización de los contrastes, que a su vez lograron separarlas firmas espectrales con mayor precisión, disminuyendo también la proporción de similitudentre las firmas, contrario a esto la imagen del año 2000 a la que no se le hizo ninguna correcciónespectral obtuvo firmas espectrales que no se separaron satisfactoriamente lo que ocasionó que laproporción de la similitud entre las firmas aumentará; finalmente esto se reflejó en un aumentodel número de píxeles que representaban a cada clase espectral. En otras palabras podemos decirque una porción de los píxeles que permiten incrementar el área que ocupan las categorías de usode suelo y tipo de vegetación, son consecuencia de las diferencias de contraste entre las bandasque componen a la imagen; sin embargo esto no significa que en el medio físico haya ocurridoalgún tipo de incremento.

Por otra parte la clasificación supervisada de la imagen de 1992 no logra disminuir laproporción de similitud entre las categorías de uso de suelo, especialmente entre la agricultura dehumedad y riego; esto puede ser el resultado de la presencia de nubes en el área de estudio, cuyosvalores radiométricos influyeron sobre los cultivos asociados al contenido de humedad. Elanálisis de la matriz de similitud nos permite decir que a pesar de no haber sido corregidaespectralmente la imagen del año 2000, obtuvo mejores resultados en la separación de lasvegetaciones templadas, de igual forma las categorías de uso de suelo disminuyen el grado desimilitud entre ellas. Estos comportamientos de las imágenes se manifiestan en la reducción deáreas de pino-encino y selva baja caducifolia, así como de la agricultura de humedad anual ysemipermanente y la agricultura de riego semipermanente (Tabla 4).

Entonces la clasificación supervisada es un método que permite agrupar los valores dereflectancia de una imagen y discriminarlos para presentarlos como clases de uso de suelo yvegetación. Este tipo de clasificación tiende a mejorar sus resultados cuando se trabaja conimágenes que han sido sometidas a los mismos procesos de corrección y análisis.

En conclusión se puede decir que el análisis de la percepción remota ofrece la posibilidadde evaluar a través de imágenes de satélite los cambios en la cobertura vegetal de la región de laChinantla, como se ha visto en la ultima parte de esta discusión se requiere homogenizar los datosde las imágenes que serán evaluadas y procurar también que provengan del mismo tipo de sensorpara disminuir el error en el análisis.

CRITERIOS DE EVALUACIÓN

La evaluación del servicio social se llevó a cabo por el asesor interno, quien se basó en laobtención de resultados, el tiempo de dedicación y el logro de objetivos que se propusieron en elproyecto inicial de este servicio.

BIBLIOGRAFÍA

1. ArcView©, 1996. ArvView GIS. The Geographic Information System for Everyone. Edt.by Enviromental Systems Research Institute, Inc. United States of America. pp 350

2. Bocco V. G., J. L. Palacio y C. R. Valenzuela. 1991. Integración de la percepción remotay los sistemas de información geográfica. Ciencia y Desarrollo. 17 (97):79-88.

3. Bosque S. J., F. J. escobar, E García y M. J. Saldo. 1994. Sistemas de informacióngeográfica. Prácticas con PC ARC/INFO e IDRISI. Addyson-Wesley. EditorialIberoamericana. Pp 3-21.

4. Cervantes,V., V. Arriaga y J. Carabias. 1996. La problemática socioambiental einstitucional de la reforestación en la Región de la Montaña, Guerrero, México. Boletín dela Sociedad Botánica de México 59:67-80

5. Chuvieco, E. 1995. Fundamentos de Teledetección Espacial. 2ª edición. EdicionesRIALP, S.A. Madrid, España. pp 453.

6. Eastman, J.R. 1997. IDRISI for Windows© Tutorial Exercises. Version 2. IDRISIproduction©. Clark University United States of America.

7. ERDAS©. 1997. ERDAS IMAGINE TOUR GUIDES, edt. ERDAS Inc. Atlanta, Georgia.pp 454

8. FAO. 1993. Forest Resources Assessment 1990. Tropical Countries. OrganizaciónMundial de Alimento y Agricultura. Forestry Paper, 112. en: manejo de RecursosNaturales 1993. CONABIO

9. Hagan, J.E., J. R. Eastman & J. Auble. 1998. Carta Linx. The Espatial Data Builder.User´s guide. Version 1.0 by Carta Linx Production©. United States of America. pp 197.

10. Hernández, G. y M. Pérez. 1997. Diagnóstico ambiental de la región Chinantleca deOaxaca. Departamento de Biología de la UAM-I. México D. F.

11. IDRISI for Windows©. 1999. Idrisi for Windows. User´s guide number 2. Version 32.IDRISI production©. Clark University United States of America.

12. INEGI,(….) Carta Topográfica 1:250,000. Zona 14

13. INEGI,(….) Claves de Uso de Suelo 1:250000 del Proyecto CPAN.

14. INEGI, 2001. Inventario Forestal Nacional 2000-2001. Inventario forestal nacional de laszonas 14 y 15. INEGI, Instituto de geografía de la UNAM y SEMARNAP.

15. INEGI, Sistema de Cuentas Nacionales de México, PIB por entidad federativa, 1993-1996

16. Landa. R., J. Meave & J. Carabias. 1997, Enviromental Deterioration in Rural México: anesamination of the concept. Ecological Applications, 7(1):316-319.

17. Pérez L. M. 2000. Sistemas de Información Geográfica y análisis de Percepción Remota.http://www.spin.com.mx/sigmex

18. Richards, J. A. 1993. Remote Sensing Digital Image Analysis an Introduction. 2ª edición.editorial Springer-Verlag. Berlin Heidelberg. Germany. pp 340.

19. Rzedowski, J. 1994 Vegetación de México. Limusa Noriega editores. México D. F.

20. SARH, Inventario Nacional Forestal Periódico, 1992-1994. Subsecretaría Forestal y deFauna Silvestre, SARH, México 1994. en: Estadísticas del Medioambiente , vol. IIMedioambiente y recursos naturales. INEGI. 1999

21. Toledo, V. M. 1998. La diversidad biológica de México. Ciencia y Desarrollo. 14(81):17-30

22. Masera. 1997. Estadísticas del Medio Ambiente. SEMARNAP-INEGI. pp 214

Anexo 1

Claves de uso de suelo y tipos de vegetación

Claves de Vegetación primaria

Uso de suelo o tipo de vegetación Clave de INEGI Clave para la Chinantla *Pastizal inducido 2000 PZPastizal cultivado 2100 PZBosque mesófilo de montaña 2600 BMMBosque de pino 2700 PBosque de pino-encino 2800 P-QBosque de encino-pino 2900 Q-PBosque de Encino 3000 QSelva Alta Perennifolia 3500 SAPSelva mediana perennifolia 3700 SMPSelva mediana subperennifolia 3800 MqSelva baja caducifolia 4300 SBCCiudades 6900 PBLCuerpos de agua 7000 AguaÁreas sin vegetación aparente 6800 ACHL

Claves de Vegetación secundaria

Uso de suelo o tipo de vegetación Clave de INEGI Clave para la Chinantla *Vegetación secundaria arbórea 16 v2Vegetación secundaria arbustiva 17 v2Vegetación secundaria herbácea 18 v2

Uso de suelo

Tipo de Agricultura Clave de INEGI Clave para la Chinantla *Agricultura de riego 1000 ARAgricultura de humedad 1200 AHAgricultura de temporal 1300 AT

Tipo de cultivo Clave de INEGI Clave para la Chinantla *Cultivo anual 01 aCultivos semipermanentes 02 aCultivos anuales y semipermanentes 04 as

* Las claves numéricas de INEGI se modificaron por abreviaturas para la Clasificación de Uso deSuelo y Vegetación de la región de la Chinantla en Oaxaca.

Anexo 2.

Mapa de uso de suelo y vegetación

Información de campo

Ficha técnica utilizada para recabar información de campo

Plantas de:_________________________________________Familia:____________________________________________Colector:_____________________________________________________No de colecta:___________Fecha:Nombre científico:Nombre local:Usos:

Estado:_____________________________Municipio:Localidad:

Lat.:____________________Long.:__________________Alt.:____________________Pto. GPS:

Tiipo de vegetación:________________________________________________________Veg. prim.: Veg. sec.:

Estrato: E A Ar H Abundancia: + 1 2 3 4 5 Forma Biológica: A Ar H L

Tamaño:__________ Repartición: A L R Fenología: V Fl Fr Anual: Perenne:

Asociada:Otros datos:

Relive: 1 2 3 4 5 6 Afloramiento rocoso: 1 2 3 4 5 6 Origen del suelo: 1 2 3 4

Pedregosidad: 1 2 3 4 5 6 Drenaje externo: 1 2 3 4 5 Grado de erosión: 1 2 3 4 5

Tipo de erosión: 1 2 3 4 5 Suelo:_____________________________Inclinación:

Información ambiental:

Anexo 3.

Clasificación de imágenes

Tabla 4. Superficie total ocupada por cada una de las categorias de tipo de vegetación en sus respectivas imágenes.se presenta el area total en km2 y en porcentaje, así como la diferencia de áreas en km2 y porcentajeLas categoria que perdieron superficie se encuentra marcadas en rojo

Categoria Uso de suelo y tipo Imagen de 1992 % de área Imagen del 2000 % de área Diferencia Diferenciade vegetación área en km2 área en km2 de áreas de %

0 0 01 Agua 188.5707 1.74 191.1636 1.76 2.593 0.022 SAP 1059.0516 9.76 815.1957 7.52 -243.856 -2.253 SAP v2 1035.9828 9.55 1280.3355 11.80 244.353 2.254 BMM 1258.6158 11.60 1132.9569 10.44 -125.659 -1.165 BMM v2 237.3471 2.19 396.8352 3.66 159.488 1.476 SMP 697.4865 6.43 357.9282 3.30 -339.558 -3.137 SMP v2 595.8342 5.49 754.6599 6.96 158.826 1.468 P * 573.1101 5.28 773.37 7.13 200.260 1.859 P v2 220.5504 2.03 253.2663 2.33 32.716 0.30

10 P-Q 505.4544 4.66 346.6143 3.20 -158.840 -1.4611 P-Q v2 614.2959 5.66 573.4548 5.29 -40.841 -0.3812 Q v2 384.867 3.55 415.4877 3.83 30.621 0.2813 Mq * 388.8126 3.58 396.7344 3.66 7.922 0.0714 SBC 388.5606 3.58 231.2253 2.13 -157.335 -1.4515 Pz 641.4336 5.91 835.2036 7.70 193.770 1.7916 Has 310.5234 2.86 247.374 2.28 -63.149 -0.5817 Ha 318.4803 2.94 330.3378 3.05 11.858 0.1118 Rsm 665.1819 6.13 246.2877 2.27 -418.894 -3.8619 Ra 127.35 1.17 246.4281 2.27 119.078 1.1020 Café * 104.6088 0.96 523.5246 4.83 418.916 3.8621 Ach 394.2054 3.63 308.5983 2.84 -85.607 -0.7922 PBL 136.9008 1.26 190.242 1.75 53.341 0.49

Tabla 5.Matriz de proporciones de sobrelapamiento entre cada una de las catagorias de las imagenes de 1992 y 2000Las filas contienen las categorias de la imagen del año 2000 y las columnas contienen las categorias de la imagen de 1992,las proporciones de las firmas espectrales que presentan similitudes con mas de una categoria se encuentra resaltadas en rojo.

2000 Agua SAP SAP v2 BMM BMM v2 SMP SMP v2 P P v2 P-Q P-Q v2 Q v2

1992 ---------- ---------- ---------- ---------- ---------- ---------- ---------- ---------- ---------- ---------- --------------------Agua 0.010 0.001 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000SAP 0.000 0.030 0.004 0.007 0.000 0.005 0.004 0.000 0.000 0.001 0.000 0.001

SAP v2 0.000 0.010 0.032 0.007 0.002 0.005 0.010 0.000 0.000 0.001 0.001 0.003BMM 0.000 0.010 0.002 0.050 0.002 0.000 0.001 0.002 0.000 0.007 0.004 0.000

BMM v2 0.000 0.001 0.005 0.004 0.009 0.000 0.000 0.001 0.000 0.002 0.004 0.000SMP 0.000 0.005 0.002 0.000 0.000 0.011 0.002 0.000 0.000 0.000 0.000 0.001

SMP v2 0.000 0.006 0.007 0.000 0.000 0.011 0.005 0.000 0.000 0.000 0.000 0.003P 0.000 0.000 0.000 0.008 0.001 0.000 0.000 0.030 0.003 0.009 0.002 0.000

P v2 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.002 0.006 0.003 0.004 0.000P-Q 0.000 0.001 0.000 0.004 0.001 0.000 0.000 0.004 0.002 0.005 0.004 0.000

P-Q v2 0.000 0.001 0.002 0.004 0.002 0.000 0.001 0.001 0.002 0.005 0.016 0.001Q v2 0.000 0.002 0.003 0.001 0.000 0.002 0.002 0.000 0.000 0.001 0.002 0.003Mq 0.001 0.001 0.000 0.000 0.000 0.004 0.004 0.000 0.000 0.000 0.000 0.000SBC 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.001 0.001 0.003 0.001Pz 0.000 0.001 0.002 0.000 0.000 0.002 0.002 0.000 0.000 0.000 0.001 0.003

Has 0.000 0.000 0.000 0.000 0.000 0.001 0.001 0.000 0.000 0.000 0.000 0.001Ha 0.000 0.001 0.001 0.000 0.000 0.001 0.001 0.000 0.000 0.000 0.000 0.002

Rsm 0.001 0.000 0.000 0.000 0.000 0.000 0.001 0.000 0.000 0.000 0.000 0.000Ra 0.000 0.000 0.000 0.000 0.000 0.000 0.001 0.000 0.000 0.000 0.000 0.001

Café 0.000 0.001 0.006 0.000 0.000 0.002 0.003 0.000 0.000 0.000 0.000 0.003Ach 0.000 0.002 0.003 0.000 0.000 0.004 0.002 0.000 0.000 0.000 0.000 0.002PBL 0.001 0.000 0.001 0.000 0.000 0.000 0.001 0.000 0.001 0.001 0.001 0.000

---------- ---------- ---------- ---------- ----------- --------- ---------- ---------- ---------- ---------- ----------- ---------Total 0.013 0.074 0.072 0.088 0.017 0.049 0.041 0.040 0.015 0.035 0.043 0.027

Tabla 5.Matriz de proporciones de sobrelapamiento entre cada una de las catagorias de las imagenes de 1992 y 2000Las filas contienen las categorias de la imagen del año 2000 y las columnas contienen las categorias de la imagen de 1992,las proporciones de las firmas espectrales que presentan similitudes con mas de una categoria se encuentra resaltadas en rojo.

2000 Mq SBC Pz Has Ha Rsm Ra Café Ach PBL Total

1992 ---------- ---------- ---------- ---------- ---------- ---------- ---------- ---------- ---------- ---------- ----------Agua 0.001 0.000 0.000 0.000 0.001 0.0002 0.000 0.000 0.000 0.0003 0.0133SAP 0.001 0.000 0.000 0.000 0.001 0.000 0.000 0.000 0.000 0.000 0.0567

SAP v2 0.001 0.000 0.003 0.004 0.003 0.002 0.001 0.001 0.003 0.001 0.0890BMM 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.0788

BMM v2 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.0276SMP 0.001 0.000 0.000 0.000 0.001 0.000 0.000 0.001 0.001 0.000 0.0249

SMP v2 0.001 0.000 0.004 0.002 0.003 0.003 0.001 0.001 0.004 0.000 0.0525P 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.0538

P v2 0.000 0.003 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.0176P-Q 0.000 0.002 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.0241

P-Q v2 0.000 0.004 0.000 0.001 0.000 0.000 0.000 0.000 0.000 0.000 0.0399Q v2 0.000 0.003 0.002 0.002 0.002 0.002 0.000 0.001 0.001 0.000 0.0289Mq 0.008 0.000 0.002 0.000 0.000 0.004 0.001 0.000 0.003 0.001 0.0276SBC 0.000 0.009 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.0161Pz 0.004 0.000 0.015 0.004 0.003 0.012 0.002 0.001 0.004 0.001 0.0581

Has 0.001 0.000 0.003 0.001 0.001 0.005 0.001 0.000 0.001 0.001 0.0172Ha 0.000 0.000 0.005 0.002 0.002 0.004 0.001 0.001 0.002 0.000 0.0230

Rsm 0.005 0.000 0.002 0.000 0.000 0.005 0.000 0.000 0.000 0.001 0.0171Ra 0.001 0.002 0.003 0.001 0.001 0.004 0.001 0.000 0.001 0.001 0.0171

Café 0.001 0.000 0.005 0.003 0.003 0.004 0.001 0.001 0.004 0.000 0.0364Ach 0.000 0.000 0.001 0.001 0.001 0.001 0.000 0.001 0.003 0.000 0.0215PBL 0.001 0.002 0.000 0.001 0.000 0.001 0.000 0.000 0.000 0.002 0.0132

---------- ---------- ---------- ---------- ----------- --------- ---------- ---------- ---------- ---------- -----------Total 0.027 0.027 0.045 0.022 0.022 0.046 0.009 0.007 0.027 0.010 1.0000