proyecto diseño y operación del sistema de información...

INSTITUTO DE INVESTIGACIONES MARINAS Y COSTERAS “JOSÉ BENITO VIVES D´ANDREIS” - INVEMAR

Proyecto “Diseño y operación del Sistema de Información Ambiental,

la Línea Base y el Sistema Nacional de Monitoreo Ambiental para Colombia”

Proyecto Específico:

Formulación Y Diseño Del Sistema De Gestión De Indicadores Ambientales Marinos Y Costeros De Colombia

SIGEIN PRIMERA FASE

ANEXO III PROTOCOLOS Y ESTANDARES

Santa Marta, Abril de 2003

INSTITUTO DE INVESTIGACIONES MARINAS Y COSTERAS José Benito Vives D´andreis

INVEMAR

PROYECTO INDICADORES DE LÍNEA BASE PROTOCOLOS DE MONITOREO

Protocolo: Extensión de Ecosistemas Objetivo: Determinar la extensión actual – área - de los principales ecosistemas marinos y costeros (Arrecifes de Coral, Praderas de pastos marinos, manglares, humedales, playas) mediante el uso de imágenes Landsat ETM 7. Alcance: Se aplica en áreas de referencia y control así: Arrecifes coralinos: Islas del rosario Archipiélago de San Bernardo Archipiélago de San Andrés y Providencia Praderas de pastos marinos: Departamento de la Guajira Archipiélago de San Bernardo Archipiélago de San Andrés y Providencia Manglares: Ciénaga Grande de Santa Marta Golfo de Morrosquillo Ciénaga de la Virgen – Bolívar Bahía de Cispatá Golfo de Uraba Departamento del Choco Departamento del Valle de Cauca Departamento del Cauca Departamento de Nariño Humedales Ciénaga Grande de Santa Marta Bahía de Cispatá Ciénaga de la Virgen Playas En las zonas de interés. Escala de Trabajo: 1:100.000 Formato de salida: Mapa temático de extensión de ecosistemas a escala 1:100.000 Requerimientos: Información: Imagen Landsat ETM 7 actual Mapa de extensión de ecosistemas de referencia (año 1987) Software: Procesador de Sensores Remotos PCI Geomatica

ILWIS EXCEL ARCVIEW Hardware: Estación de trabajo SIG Personal: Experto en SIG- Sensores Remotos.

Apoyo: Expertos temáticos en ecosistemas marinos. Diagrama de procesos: (ver gráfico 1) Limitaciones: Esta metodología es de carácter general, esta diseñada para obtener la extensión de categorías generales de cobertura (corales, manglares, pastos marinos, etc.) y no diferencia entre tipos de cobertura de la misma categoría, ni estructura o composición florística o cualquier otro nivel de detalle. Recomendaciones:

• Adquirir imágenes con 0% de cobertura de nubes sobre el área de interés. • Adquirir imágenes con poco nivel de sedimentación (época seca) sobre las áreas sumergidas de

interés. • Adquirir imágenes con poco rozamiento (oleaje) de la superficie marina por acción del viento

sobre las áreas de interés. • Adquirir imágenes de épocas climáticas similares a las de referencia. • Áreas de referencia espacial previamente determinadas para cada zona de interés. • Toda información espacial debe ir con Proyección Transversal de Mercator, Datum Observatorio

de Bogotá, Elipsoide Internacional de 1924.

Referencias Barrett, E.C. and Curtis, L.F. (1992). Introduction to Environmental Remote Sensing. (Third Edition). London: Chapman and Hall Cracknell, A.P. and Hayes, L.W. (1990). Introduction to Remote Sensing. London: Taylor and Francis Chuvieco, E., Fundamentos de teledetección espacial, Ed. Rialp, Madrid, 1996.

Curran, P.J. (1986). Principles of Remote Sensing. London: Longman

Ferrer, A., Mitjana, M., Rodríguez, J., Serrat, C., Torrent, J.A., Fonaments d=estadística aplicada, Ed. UPC, Barcelona, 1995.

Finn, J.T. & Wilkie, D.S., Remote Sensing Imagery for Natural Resource Monitoring, Columbia University Press, 1996. Harrison, B.A. and Judd, D.L. (1989). Introduction to Remotely Sensed Data. Canberra: Commonwealth Scientific and Industrial Research Organisation Jensen, J.R. (1995). Introductory Digital Image Processing. A Remote Sensing Perspective. (Second Edition). Englewood Cliffs: Prentice-Hall Lillesand, T.M. and Keifer, R.W. (1994). Remote Sensing and Image Interpretation. (Third Edition). NewYork: Wiley

Mather, P.M., Computer processing of remotely-sensed images. An introduction, Ed. John Wiley & Sons, New York, 1987. Open Universiteit (1989). Remote Sensing. Course Book and Colour Images Book. Heerlen: Open Universiteit. (Available from The Open University, Milton Keynes, UK as PS670 study pack)

Pinilla, C., Elementos de Teledetección, Ed. Rama, Madrid, 1995.

Press, W.H. et al, Numerical Recipes in C: The Art of Scientific Computing, Cambridge University Press, 1997. Sabins, F.F. (1996). Remote Sensing. Principles and Interpretation. (Third Edition). San Francisco: Freeman Schildt, H., C Manual de referencias, Ed. Osborne-McGraw-Hill, Madrid, 1987. Wilkie, D.S. and Finn, J.T. (1996). Remote Sensing Imagery for Natural Resources Monitoring: A Guide for First-time Users. NewYork: Columbia University Press Richards, J.A. (1995). Remote Sensing Digital Image Analysis: An Introduction. (Second Edition). NewYork: Springer-Verlag

Grafico 1: Diagrama de procesos Protocolo Extensión de Ecosistemas Marinos y Costeros

Protocolo: Extensión de Ecosistemas Proceso: Georeferenciación imagen Términos y definiciones: Una imagen de satélite, al igual que las fotografías aéreas, no proporciona información georreferenciada; además puede sufrir una serie de distorsiones, similares a las de los fotogramas debidas a los movimientos del satélite. Las correcciones necesarias para restaurar a cada punto de la imagen sus coordenadas reales se basan en ecuaciones polinómicas que permiten modificar de forma flexible las coordenadas de la imagen. El orden del polinomio determina la flexibilidad del ajuste y de la tranfomación, normalmente se emplean transformaciones de tipo lineal (polinomio de grado 1), cuadrático (polinomio de grado 2) o cúbico (polinomio de grado 3).Los casos más habituales son la transformación lineal:

y la transformación cuadrática:

la transformación cúbica es más compleja, las ecuaciones son similares a las lineales y cuadráticas pero inclyendo términos elevados al cubo. Empleando el procedimiento de los mínimos cuadrados, se pueden calcular los valores de los coeficientes A,B,..., N, a partir de las coordenadas de un conjunto de puntos de control. Como regla general, el número de puntos de control debería ser mayor que el número de parámetros que se van a calcular, 6 en la transformación lineal, 12 en la cuadrática y 24 en la cúbica. Es importante determinar cual es el tipo de transformación más adecuada en función del tipo de distorsiones que se supone que aparecen en la imagen y de la cantidad y calidad de los puntos de control. Es necesario tener en cuenta que cuanto mayor sea el grado de los polinomios implicados, más sensible será la transformación a errores en la selección de los puntos de control.

Figura 1: Corrección geométrica mediante transformación lineal La transformación lineal es la más sencilla (figura 1) asume que no hay distorsión en la imagen y simplemente se requiere una traslación (coeficientes A y E), cambio de escala (coeficientes B y H) y rotación de la imagen (coeficientes D y G). Por tanto si el origen de coordenadas de la imagen original es (c=0,f=0) entonces: A=valor de X en el punto en el que c=0 E=valor de Y en el punto en el que f=0 Si no es necesario rotar la imagen B y H son factores de escala

D=0 G=0 Casi todos los programas de SIG disponen de algún procedimientos para realizar una transformación de coordenadas. Resultan además muy útiles para incorporar mapas escaneados. En general se basan en una serie de etapas básicas:

1. Se busca una serie de puntos de control (generalmente lugares muy destacados y visibles) y se averiguan las coordenadas de cada uno de ellos en los dos sistemas de coordenadas, (X,Y) y (c,f)

2. Determinación del tipo de transformación más adecuada en función del tipo de datos de partida y del número de puntos de control que hayan podido encontrarse.

3. Mediante mínimos cuadrados se obtienen los valores de los coeficientes de regresión a, b, c, d, e y f. Estos coeficientes así calculados permiten realizar una modificación del sistema de coordenadas con el mínimo grado de error.

4. Se aplican las ecuaciones anteriores, con los valores calculados de los coeficientes, a todas las coordenadas iniciales para obtener así sus nuevos valores en el sistema de referencia final.

Las etapas 3 y 4 suelen llevarse a cabo automáticamente. Este procedimiento es válido tanto para capas raster como para vectoriales, en el segundo caso el procedimiento estaría completo con los pasos anteriores. Sin embargo en el caso de capas raster es necesario aplicar un procedimiento para transferir la información de los pixels originales a los pixels resultantes del proceso de transformación ya que con estas funciones de transformación va a crearse una nueva matriz correctamente posicionada, pero vacia. El llenado de esta matriz es, precisamente, el objetivo de la última fase de la transformación de coordenadas. El problema resulta más complejo de lo que pudiera pensarse a primera vista. Idealmente, cada pixel de la capa transformada debería corresponderse a un solo pixel en la original. Lo normal, sin embargo, es que el pixel de la nueva imagen se sitúe entre varios de la original, incluso puede variar el tamaño de los pixels. El trasvase de valores de la capa original a la transformada puede abordarse por tres métodos dependiendo de la complejidad de la transformación realizada y del tipo de datos.

• Método del vecino más próximo. Sitúa en cada pixel de la imagen corregida el valor del pixel más cercano en la imagen original. Esta es la solución más rápida y la que supone menor transformación de los valores originales. Su principal inconveniente radica en la distorsión que introduce en rasgos lineales de la imagen. Es la más adecuada en caso de variables cualitativas, pero evidentemente, no en teledetección.

• Interpolación bilineal, supone promediar los valores de los cuatro pixels más cercanos en la capa original. Este promedio se pondera según la distancia del pixel original al corregido, de este modo tienen una mayor influencia aquellos pixels más cercanos en la capa inicial. Reduce el efecto de distorsión en rasgos lineales pero difumina los contrastes espaciales.

• En la Convolución cúbica, se considera los valores de los 16 pixels más próximos. El efecto visual es mas correcto en caso de que se trabaje con imágenes de satélite o fotografías digitalizadas, sin embargo supone un volumen de cálculo mucho mayor.

Requerimientos específicos: Información: Información de referencia –línea base- sobre extensión de ecosistemas. Mapas y cartografía de referencia. Condiciones previas:

• ninguna Desarrollo:

1. Se definen puntos comunes entre la imagen actual y la imagen de referencia; Por lo menos 8 puntos distribuidos uniformemente en la imagen.

2. Se establece el sector de interés (sub-escena) de acuerdo a la referencia para la zona. 3. Se fijan los términos de georeferencia de acuerdo a: Proyección Transversal de Mercator, Datum

Observatorio de Bogotá, Elipsoide Internacional de 1924. 4. Se genera la imagen de trabajo actual georeferenciada.

Algoritmo: Procedimiento estándar de acuerdo al software utilizado. (GSP Works de PCI Geomatica) Ejemplo: Observaciones:

Protocolo: Extensión de Ecosistemas Proceso: Análisis estadístico preliminar de la imagen Términos y definiciones: En muchos casos se hace necesario un análisis estadístico de los valores digitales que forman una imagen, o una porción de ella, antes de aplicarle cualquier proceso o transformación. Por este motivo se han implementado un conjunto de funciones que realizan los siguientes cálculos:

- media, variancia y desviación estándar de los niveles digitales.

- histograma.

- diagramas de dispersión, para contrastar gráficamente la información de dos o tres bandas.

- matriz de covariancia y matriz de correlación de una imagen multiespectral.

- valores y vectores propios de la matriz de covariancias.


• ninguna Desarrollo: Calcular:

• media, variancia y desviación estándar de los niveles digitales.

• Histograma de cada una de las bandas

• diagramas de dispersión, para contrastar gráficamente la información de dos o tres bandas.

• matriz de covariancia y matriz de correlación de la imagen. • valores y vectores propios de la matriz de covariancias.

Algoritmo: Procedimiento estándar de acuerdo al software utilizado. (Focus de PCI Geomatica) Ejemplo: Observaciones:

Protocolo: Extensión de Ecosistemas Proceso: Corrección Radio métrica Términos y definiciones: Las correcciones radiométricas y geométricas de la imagen se hacen con el propósito de preparar los datos para realizar estudios precisos. Los estudios de análisis multitemporal por ejemplo, requieren alta precisión en la corrección geométrica de la imagen. Las fuentes de error más comunes en la calidad espectral de la imagen son las originadas por el movimiento de la plataforma que genera cambios en la escala y la falta de calibración del sensor. Estas son corregidas generalmente en la estación receptora. Las generadas por la dispersión atmosférica son más sensitivas a las longitudes de onda cortas. Las correcciones radiométricas modifican los ND originales con el objetivo de acercarlos a una recepción ideal. Generalmente comprenden la restauración de líneas o píxeles perdidos, corrección del bandeado de la imagen y las correcciones atmosféricas. La corrección atmosférica no son aplicables a imágenes de radar debido a que la atmósfera es transparente a las microondas.

Bandeado (stripping)



• Algoritmos estándares de corrección. Algoritmo: Procedimiento estándar de acuerdo al software utilizado. (Focus de PCI Geomatica) Ejemplo:

Observaciones:

Protocolo: Extensión de Ecosistemas Proceso: Corrección Atmosférica Términos y definiciones: La corrección por la atenuación atmosférica es especialmente importante para objetivos obscuros tales como cuerpos de agua. En algunas condiciones la señal que llega la sensor puede estar compuesta de menos del 20% de señal proveniente de bajo del agua y de más de 80% de señal proveniente de la atmósfera, como es el caso de los sensores de color del océano. Existe una serie de técnicas para remover el efecto de la atmósfera. Las más complejas modelan matemáticamente las condiciones de la atmósfera en el momento y lugar en que la imagen fue adquirida, lo que a menudo requiere de la toma de información en terreno. Fundamentos teóricos Interacción atmósfera-radiación electromagnética Puesto que la atmósfera apenas refleja radiación solar la modificacion por parte de la atmosfera de la radiacion entrante y saliente incluye tres procesos:

• Transmisión

o Dispersión

o Refracción

• Absorción Dispersión La dispersión es el redireccionamiento de la radiación por parte de los gases y aerosoles presentes en la atmósfera en cualquier dirección. Existen tres tipos básicos de dispersión:

1. Dispersión de Rayleigh.

o La producen los gases atmosféricos en la alta atmósfera (9-10 Km).

o Es mayor cuanto menor es la longitud de onda. La luz azul se dispoersa cuatro veces más que la roja y la ultravioleta 16 veces más que la roja

2. Dispersión de Mie

o Se produce en la baja atmósfera (0-5 Km) debido a los aerosoles (polvo, polen, gotitas de agua).

o Los aerosoles tienen un tamaño más o menos igual que la longitud de onda quye dispersan

o Afecta especialmente a la luz visible

3. Dispersión no selectiva

o Se produce en la baja atmósfera

o Las partículas son mayores que la radiación incidente

o No depende de la longitud de onda La luminosidad de la atmósfera es efecto de la dispersión. Los satélites registran esta luminosidad además de la energía reflejada por los objetos situados sobre la superficie terrestre. El resultado es:

o Aumenta el brillo general de la imagen

o Disminuye el contraste (los objetos brillantes aparecen más oscuros y los oscuros más brillantes)

o Se difuminan los bordes de los objetos Refracción Se trata de un cambio de dirección de la luz que ocurre cuando la luz atraviesa dos medios con diferente densidad (diferentes capas de la atmósfera por ejemplo). Causa espejismos en días cálidos y degrada la signatura espectral de los objetos. Absorción Cada uno de los gases atmosféricos tiene capacidad para absorber radiación en diferentes longitudes de onda. Fundamentalmente son tres los gases que absorben radiación:

o Ozono: Absorbe radiación ultravioleta

o Dióxido de carbono: Absorbe radiación en 13-17.5 m;

o Vapor de agua: Absorbe radiación en 5.5-7 m;y por encima de 27 m; De este modo aparecen una serie de regiones en el espectro en las que la radiación es absorbida por uno o varios de los gases. Esto deja, por otro lado, regiones del espectro en las que no se produce absorción, son las denominadas ventanas atmosféricas. Por tanto la teledetección sólo va a ser en principio viable en estas ventanas, las principales aparecen en:

o Visible e infrarrojo cercano (0.3 - 1.35 m)

o Varias en el infrarrojo medio (1.5 - 1.8 m; 2 - 2.4 m; 2.9 - 4.2 m; 4.5 -5.5

m)

o Infrarrojo térmico (8 - 14 m)

o Microondas, por encima de 20 m la atmósfera es prácticamente transparente

Prácticamente la totalidad de los sensores de los satélites están diseñados para captar radiación en estas ventanas. Una excepción interesante es el canal 2 de METEOSAT que recoge información en una banda en la que el único gas con capacidad de absorción es el vapor de agua. Su objetivo es evidentemente estimar el contenido de este gas a partir de la radiación que llega al sensor, cuanto menos radiación llegue mayor será la cantidad de vapor de agua. En general se considera que si el día es suficientemente despejado la absorción atmosférica puede despreciarse.

efecto topográfico

En cuanto a la dispersión, no se puede evitar tan fácilmente, y además resulta difícil cuantificar cual es la influencia real que tiene sobre la radiación que llega al sensor. Hay métodos bastante eficiente para eliminar esta distorsión pero sólo funcionan bien si se dispone de sondeos aerológicos. El método del mínimo del histograma ha sido muy usado aunque es muy criticado por los teóricos de la teledetección. Consiste en restar a toda la imagen el valor mínimo que aparece en el histograma ya que se supone que ese mínimo corresponde a la radiación aportada por la atmósfera. Este mínimo debería corresponder a una masa de agua (a ser posible profunda y limpia) ya que se asume que su reflectividad es cero en longitudes de onda corta.

Otro problema causado por la atmósfera es que también emite radiación que, por su temperatura, tendrá un máximo en el infrarrojo térmico. Puesto que la emisión atmosférica se produce en longitudes de onda mucho mayores que la radiación solar, apenas va a ser importante cuando se trabaje con esta. Cuando se trabaja en el infrarrojo térmico, el objetivo fundamental es estimar la temperatura de la superficie terrestre, sin embargo los datos que llegan al satélite incluyen emisión tanto de la superficie como de las diferentes capas de la atmósfera. Resulta difícil distinguir un efecto del otro, sin embargo se han hecho avances significativos en este sentido. Los problemas relacionados con la interacción de la atmósfera sólo tienen realmente importancia en estudios multitemporales. Si se hace clasificación de imágenes con imágenes de una sola fecha se asume que la distorsión atmosférica es equivalente en todo el espacio y para todas las bandas.

Una imagen de satélite en bruto contiene unos valores numéricos denominados niveles digitales (ND) que el satélite obtiene a partir de la energía recibida mediante una ecuación lineal. Para recuperar los valores de energía recibida es necesario aplicar la inversa de esa ecuación lineal. La energía recibida por el sensor es por su parte la suma de la energía reflejada por el terreno y la energía dispersada y reflejada por la atmósfera. Por otra parte la energía que llega al suelo es la energía solar por la transmisividad de la atmósfera. Esuelo = t·E0 Esatelite = r·Esuelo + Eatmosfera r = Esatelite - Eatmosfera / t·E0 Este esquema se complica aún más ya que sólo es válido en terreno perpendicular a los rayos solares. En caso contrario: Esuelo = t·sin(a)·E0 Donde a es el ángulo que forman los rayos solares respecto a la superficie del terreno. Ya que la cantidad de radiación que llega a un punto del terreno depende de este ángulo. Es necesario corregir todos estos problemas ya que de no ser así:

• Aparecerían efectos debidos a la mayor o menor iluminación

• Los resultados aparecerían difuminados por el efecto de la atmósfera

• Sería difícil comparar dos imágenes de dos fechas distintas con diferente influencia de la atmósfera

Obtención de parámetros Existen métodos sofisticados y complejos para obtener los parámetros relacionados con la corrección atmosférica sin embargo requieren gran abundancia de datos acerca del estado de la atmósfera en un momento determinado. Sin embargo existen otros métodos más sencillos y que funcionan relativamente bien:

Mínimo del histograma Sirve para eliminar la energía reflejada por la atmósfera hacia el satélite. Se basa en la asunción de que, puesto que la reflectividad en el oceano es prácticamente nula, toda la energía recibida desde los pixels de oceano procede de la atmósfera. Estos pixels de oceano coincidirán con los valores mínimos de los histogramas de las imágenes de ahí el nombre del método. En aquellos casos en que no se dispone en la imagen de pixels de oceano se podrían utilizar embalses aunque los resultados son evidentemente peores ya que un embalse pude ganar reflectividad debido a la turbidez, baja profundidad, desarrollo de algas, etc. Cálculo de iluminación: Sabiendo la pendiente y orientación de una porción del terreno y la posición del sol puede calcularse fácilmente el ángulo que forma el sol con la superficie del terreno. La posición del sol se obtiene a partir de la latitud del lugar el día y la hora y la pendiente y orientación del terreno a partir de un modelo digital de terreno.

Tabla 1: Coeficientes necesarios para obtener valores de energía a partir de los niveles digitales mediante la ecuación E=a0+a1ND

Banda a0 a1 E0 Mínimo

1 -6.2 0.786 1970 45

2 -6 0.817 1843 25

3 -4.5 0.64 1555 17

4 -4.5 0.635 1047 14

5 -1 0.128 227.1 7

7 -0.35

0.0424 80 78


• ninguna Desarrollo: Calcular:

• Parámetros de corrección (iluminación, dispersión)

• Coeficiente de corrección • Aplicar coefciente a la imagen.

Algoritmo: Procedimiento estándar de acuerdo al software utilizado. (Easy de PCI Geomatica) Ejemplo: Observaciones:

Protocolo: Extensión de Ecosistemas Proceso: Mejoramiento de la Imagen Términos y definiciones: Los métodos de mejoramiento de imagen son aplicados a una imagen que ya ha sido corregida radiométrica y geométricamente. El mejoramiento está diseñado para ayudar al analista humano a extraer e interpretar la información pictográfica. Esto se logra al enfatizar las características o patrones de interés; por ejemplo, el ojo humano puede identificar muchos más colores que tonos de gris, por lo tanto una paleta de colores puede representar mucha más información que una en tonos de gris. Mejora del contraste: Es un proceso que acentúa la intensidad relativa de los elementos de la imagen. Esto se puede lograr por una serie de aproximaciones, dependiendo de las necesidades de una tarea en particular, por ejemplo: i. Modificación lineal: y=ax+b ii. Modificación logarítmica y=b * log(ax)+c iii. Modificación exponencial y=b * exp(ax)+c iv. Modificación no lineal y=f(x) Donde x representa el valor de un elemento en la imagen previa, y es el valor modificado y a, b, c son constantes. El resultado del mejoramiento del contraste es una imagen en la cual las diferencias más pequeñas entre tonos de gris son enfatizadas y por lo tanto son más fáciles de distinguir por el ojo humano. En la figura 11 se aprecia la misma imagen que en la fig. 10; en este caso se ha me mejorado el contraste mediante un ajuste lineal. Se observa una mejor distribución de los tonos de gris disponibles v/s los niveles digitales existentes. Detección de borde (edge enhancement): Es un método en el cual se cambian los valores de intensidad en una imagen digital para mejorar la detección de características de borde en la escena. Es muy útil en la detección de características lineales como frentes (cálidos y fríos), o hechos por el hombre (canales de regadío). Es llevado a cabo por filtros matemáticos de paso alto, los que enfatizan los detalles en una imagen. Una de las técnicas más usadas es aplicar a la imagen una grilla de factores de corrección o factores de filtrado, siendo las más comunes la de 3x3 pixeles. Esta grilla de transformación o filtrado se coloca sobre un pixel en particular y se calcula su nuevo valor dependiendo de la función elegida para el filtro. En el ejemplo de la figura 12 a la imagen TM de la fig. 1, se le ha aplicado un filtro de variancia en un cuadrado de 3x3 pixeles, es decir el valor del pixel original se reemplaza por el valor de la variancia de la grilla de los 9 pixeles que lo rodean.

Figura 1: Banda 1, TM, en la cual se aplicó un filtro para la detección de borde (Variancia 3x3).

Tabla 1: Matriz de datos originales (izq.) y datos filtros por grilla de variancia de 3x3 pixeles (der.) En la tabla 1 se muestra la matriz de datos original de una imagen ficticia y a su derecha la matriz resultante después de realizar un filtro de variancia de 3x3 pixeles. Se puede apreciar que la imagen ha perdido sus bordes; esto es debido a que al filtrar, los pixeles que quedan en la orillas no pueden completar la grilla de filtrado. Mientras más grande sea la grilla, mayor cantidad de líneas y columnas se perderán en los bordes, por ejemplo en una grilla 3x3 se pierde una sola línea y columna, en una 5x5 se pierden dos, y así sucesivamente. Mejoramiento del color: El sistema visual humano puede discriminar sólo 20 a 30 tonos de gris, bajo un nivel de adaptación a la luz dado. Bajo las mismas condiciones de luz, puede discriminar un número mucho mayor de colores, por lo que el uso de color provee un dramático aumento en la cantidad de información que puede ser percibida. En la figura 13 se muestra la escena de la banda 1 TM a la cual se le ha colocado una paleta de color arcoiris. La paleta está colocada a un lado de la imagen e indica el número digital y el color correspondiente. Como la imagen ha sido previamente contrastada, a los pixeles con valores bajo 110 se les ha asignado el negro y a los pixeles con valores sobre 228 se les ha asignado el blanco. Suavizado: Esto tiene por objeto atenuar los contrastes espaciales presentes en la imagen. Se trata de asemejar el valor de cada pixel con el de sus vecinos, reduciendo la variabilidad espacial de la escena. Una imagen suavizada ofrece perfiles menos nítidos, más difuminados, como puede apreciarse en la figura. Este tipo de filtro permite restaurar los errores aleatorios que pueden presentarse en los números digitales (ND) de la imagen, fruto de un defecto en la adquisición o recepción de los datos, disminuyendo el "ruido" de Escena, el que se encuentra sobre en las zonas heterogéneas o de transición entre dos valores de radiancia; por ejemplo en un frente térmico. En forma similar a los filtros de detección de bordes los filtros de suavizado son grillas (usualmente de 3x3), las cuales se aplican sobre la matriz original de datos para obtener algún tipo de media ponderada de los valores que componen la grilla y reemplazar en este resultado el valor del pixel central. Mejoramiento multimagen: Las imágenes múltiples (multiespectrales o multitemporales) llevan más información que una sola imagen. El mejoramiento de imágenes múltiple involucra el mejoramiento en contraste independientemente en cada una de las imagen que componen la multimagen. Los componentes mejorados son mostrados como un composite en falso color. Esto permite el uso de color como una herramienta para detectar la diferencia entre las bandas o entre las fechas de las imágenes. En la figura 6 se muestra un composite RGB (red-gree-blue) o de color verdadero en el cual la banda 3 del TM se ha puesto en el cañón rojo del monitor, la banda 2 en el verde y la 1 en el azul. Este tipo de imagen es lo que más se acerca a lo que el ojo humano vería desde el espacio, y podría tomarse como una "fotografía" de la zona.

Figura 6: Composite multiespectral en falso color de las bandas 1 (azul),2 (verde) y 3 (rojo) de TM. Máscaras (Density slicing): Es posible simplificar el contenido de información de una imagen presentada en forma digital reduciendo el número de niveles digitales disponibles. Imágenes de alto contraste con sólo dos niveles pueden ser producidas por la asignación de un color a un nivel de ningún color al otro nivel. La división de la escala de grises en diferentes clases puede ser hecha de forma arbitraria o de acuerdo a las especificaciones del usuario. Este método puede ser usado para la separación de agua y tierra. En este caso se eligen una longitud de onda (generalmente en el IR) para la cual se presenta una diferencia entre agua y tierra (Figura 1). Un histograma de los datos nos mostrará dos formas claramente distinguibles, permitiendo al usuario definir un umbral para separar ambas clases. A los pixeles con un valor de radiancia bajo el umbral se les asigna un color particular, mientras que a los restantes se les asigna otro color.

Figura 7: Máscara binaria en la que la tierra aparece en negro y el agua en blanco.



• Desplegar la imagen en diferentes composiciones de color o 3-2-1 para ecosistemas sumergidos o 4-5-3 falso color estar para ecosistemas emergidos

• Aplicar realces de color a la imagen (root, stretch, etc.) • Reconocer detalles y comportamientos espectrales. • Analizar contrastes y semejanzas temáticas.

Algoritmo: Procedimiento estándar de acuerdo al software utilizado. (Focus de PCI Geomatica) Ejemplo:

Ejemplo 1 Composición Falso ETM Color 4-5-3 Bahía de Cispatá año 2000

Ejemplo 2 Composición color real ETM 3-2-1 Bahía de Cispatá año 2000

Ejemplo 3 Composición Color ETM 7-5-2 Bahia de Cispatá año 2000

Ejemplo 4 Composición color ETM 1-2-3 Archipiélago de San Bernardo año 2000

Ejemplo 5 Composición color ETM 3-2-1 Archipiélago de San Bernardo año 2000

Ejemplo 6 Composición color ETM 1-2 - IC Archipiélago de San Bernardo año 2000

Observaciones:

Protocolo: Extensión de Ecosistemas Proceso: Filtrado de la Imagen Términos y definiciones: Se utilizan para destacar algunos elementos de la imagen. Consiste en la aplicación a cada uno de los pixels de la imagen de una matriz de filtrado (generalmente de 3x3) que genera un nuevo valor mediante una media ponderada del valor original y los de los 8 pixels circundantes. Meidante diferentes combinaciones de los factores de ponderación se pueden conswguir diferentes efectos. Los filtros más utilizados son los de paso bajo que asignan a cada pixel el valor medio de los pixels circundantes; o los de paso alto (para resaltar zonas de gran variabilidad). La ecuación que se utiliza es:

Tabla 3: Filtro de paso bajo

1.00 1.00 1.00

1.00 1.00 1.00

1.00 1.00 1.00

Tabla 4: Filtro de paso alto

-1.0 -1.0 -

1.0

-1.0 9.00 -

1.0

-1.0 -1.0 -

1.0



• Aplicar filtros de acuerdo a la imagen, especialmente de detección de bordes.

Algoritmo: Procedimiento estándar de acuerdo al software utilizado. (Focus de PCI Geomatica) Ejemplo: Observaciones:

Protocolo: Extensión de Ecosistemas Proceso: Índices y Trasformaciones de la imagen Términos y definiciones: Cuando interesa detectar algún aspecto específico de la superficie terrestre, pueden utilizarse índices que utilicen algunas de las bandas. Estos índices suponen a su vez una transformación de las bandas. En general podemos hablar de dos tipos de transformaciones:

• Orientadas: Se sabe lo que se busca

o Indices de vegetación

o Transformación Tasseled Cap

• No orientadas: No sabemos a priori lo que buscamos

o Análisis de Componentes Principales Indices de vegetación El más conocido es el Indice Normalizado de Vegetación (NDVI) cuya ecuación es:

Este índice se basa en que la vegetación tiene una reflectividad muy alta en la banda 4 de landsat y muy baja en la banda 3. Por tanto cuanto mayor sea la diferencia entre ambas bandas mayor es el porcentaje de cobertura vegetal y más sana es esta. Se han propuesto distintas variantes para mejorar este índice. El objetivo fundamental es eliminar la influencia que el suelo puede tener sobre las reflectividades en el rojo y el infrarrojo y que pueda enmascarar las de la vegetación. Otros índices, utilizando otras bandas, permitirían analizar otros aspectos como puede ser la litología. NDVI SeptiembreTransformación Taselled Cap La transformación tasseled cap supone pasar de las 6 bandas de landsat a 3 bandas con un claro sentido físico que representan el brillo de la imagen (albedo), el verdor y la humedad. Estas nuevas bandas se obtienen mediante:

Los coeficientes Ckb, Ckv y Ckh de estas ecuaciones aparecen en la tabla 5

Tabla 5: Coeficientes de la transformacion tasseled cap

Componente TM1 TM2 TM3 TM4 TM5 TM7

Brillo 0.3037 0.2793 0.4743 0.5585

0.5082 0.1863

Verdor -0.2848

-0.2435

-0.5436

0.7243

0.0840

-0.1800

Humedad 0.1509 0.1973 0.3279 0.3406 -0.712 -

0.4572

Permiten llevar a cabo análisis de la densidad y estado de salud de la vegetación.

TC 1: Brillo TC 2: Verdor TC 3: Humedad TC 4

Índice de Atenuación Columna de Agua Se refiere a la posibilidad de eliminar la influencia de la columna de agua en los valores de reflectividad espectral de los ecosistemas marinos sumergidos.

Se observa que la intensidad de la reflectividad decae exponencialmente en función de la profundidad en aguas con bajos niveles de sedimentación y turbidez. El índice se puede expresar como:

Qué pude ser transformado a: Indice de atenuación columna de agua = ln(banda 1-Ls1)-K(ln(Banda2 – Ls2) Donde Banda 1 y Banda 2 son las bandas tm1 y tm2 de la imagen Landsat ETM. LS1 y LS2 son la media de las observaciones sobre la columna de agua. K es una constante que se estima para el Caribe Colombiana en 0.74 para imágenes Landsat ETM. Índice Coral Método desarrollado por Bore et al en 1996 y que básicamente consiste en realizar un transformación matemática con base en observaciones sobre la imagen de las zonas con cobertura de coral para calcular un cambio en la densidad de los mismos. La formula es:

(XS XS )1 1- O2

(XS XS )2 2- O2

--CI= 2

Xs2

2

Donde:

Xs y Xs = Bandas 1 y 2 de Spot XSXs y Xs = Valor DN del coral de referenciaK = constante entre 0 y 256 = Desviación estándar al cuadra de las variaciones del valor del DN de referencia.

1 2

1O 2O

2

Xs2

2



• Calcular Indice de Vegetación Normalizado NVI para los ecosistemas emergidos

• Calcular Indice de Coral para zonas de arrecifes coralinos • Calcular Tasseled Cap para ecosistemas emergidos.

Algoritmo: Procedimiento estándar de acuerdo al software utilizado. (Modelling de PCI Geomatica) Calculo Índice de Vegetación Normalizado NVI %7 = (%4-%3)/(%4+%3) donde: %7 = Canal de 16 bits donde se guarda el NVI %3 y %4 = Bandas TM3 y TM4 imagen Landsat ETM. Calculo índice de atenuación columna de agua %8 = ln(%1-20.5)-0.74*ln(%2-17.05) donde: %8 = canal de 16 bits donde se guarda el índice de atenuación %1 = canal banda TM 1 de imagen Landsat ETM %2 = canal banda TM 2 de imagen Landsat ETM 20.5 y 17.05 son la media de las observaciones sobre los DN de la columna de Agua. Calculo bandas TM1 y TM2 atenuadas %9 = %1 * %8 %10 = %2 * %8 Donde: %9 y %10 = Canales de 16 bits donde se guarda las bandas TM1 y TM2 atenuadas en la columna de agua. Calculo Índice de Coral %12=f$exp((-1*((%1-K1)^2)/med1) - (((%2-K2)^2)/med2))*255 donde: %12 = Canal de 16 bits donde se guarda el resultado del IC f$exp = función exponencial %9 y %10 = Bandas TM1 y TM2 atenuadas en la columna de agua imagen Landsat ETM. K1 y K2 = valor de referencia DN (valor digital) observados para corales en las bandas TM1 y TM2 atenuadas en la columna de agua. Med1 y med2 = desviación estándar al cuadrado de los valores de DN observados para diferentes lugares en la imagen donde se presentan corales para los canales TM1 y TM2 atenuados en la columna de agua. Ejemplo:

Tassellad Cap Transformation

Ejemplo 7 Tasselled Cap Trasnformation Bahia de Cispatá sobre imagen Landsat ETM del 2000

Índice de Vegetación

Ejemplo 8 Indice de Vegetación Bahia de Cispatá sobre imagen Landsat ETM del 2000

Índice de Atenuación Columna de Agua

Ejemplo 9 Falso color ETM 3-2-1 sin y con atenuación columna de agua Archipiélago de San Bernardo año 2000

Indice Coral

Ejemplo 10 Indice de Coral Archipielago de San Bernardo Año 2000

Tabla 1: Valores de referencia usados en el calculo de IC para San Bernardo año 2000 Observaciones: Referencias Índice de Atenuación Armstrong, R.A., 1993, Remote sensing of submerged vegetation canopies for biomass estimation. International Journal of Remote Sensing, 14, 621–627.

Jerlov, N.G., 1951, Optical Studies of Ocean Water. Report of Swedish Deep-Sea Expeditions, 3, 73–97.

Jerlov, N.G., 1964,Optical Classification of Ocean Water. In Physical Aspects of Light in the Sea. (Honolulu:University of Hawaii Press), pp. 45–49.

Jerlov, N.G., 1976, Applied Optics. (Amsterdam: Elsevier Scientific Publishing Company).

Lyzenga, D.R., 1978, Passive remote sensing techniques for mapping water depth and bottom features. Applied Optics, 17, 379–383.

Lyzenga, D.R., 1981, Remote sensing of bottom reflectance and water attenuation parameters in shallow water using aircraft and Landsat data. International Journal of Remote Sensing, 2, 71–82.

DN TM1 Corales DN TM2 Corales 89 28

101 3296 3295 3399 3392 3098 33

100 3397 3295 3192 3188 2991 2983 2578 2581 2583 2688 2688 2979 2678 2483 2483 2582 2783 2582 2683 2683 2583 25 Valor de referencia

51,65608466 10,32275132Varianza de las observaciones

Maritorena, S., 1996, Remote sensing of the water attenuation in coral reefs: a case study in French Polynesia. International Journal of Remote Sensing, 17, 155–166.

Mumby, P.J., Clark, C.D., Green, E.P., and Edwards, A.J., 1998, Benefits of water column correction and contextual editing for mapping coral reefs. International Journal of Remote Sensing, 19, 203–210.

Open University, 1989, Seawater: Its Composition,Properties and Behaviour (Exeter:A. Wheaton and Co. Ltd).

Spitzer, D., and Dirks, R.W.J., 1987, Bottom influence on the reflectance of the sea. International Journal of Remote Sensing, 8, 279–290.

Tassan, S., 1996, Modified Lyzenga’s method for macroalgae detection in water with non-uniform composition. International Journal of Remote Sensing, 17, 1601–1607. Zainal, A.J.M., 1994, New technique for enhancing the detection and classification of shallow marine habitats. Marine Technology Journal, 28, 68–74. Referencias transformaciones y uso de sensores remotos en ecosistemas marinos y costeros

Ahmad, W., and Neil, D.T., 1994,An evaluation of Landsat Thematic Mapper (TM) digital data for discriminating coral reef zonation: Heron Reef (GBR). International Journal of Remote Sensing, 15, 2583–2597.

Andrew, N.L., and Mapstone, B.D., 1987, Sampling and the description of spatial pattern in marine ecology. Oceanography & Marine Biology Annual Reviews, 25, 39–90.

Bainbridge, S.J., and Reichelt, R.E., 1989, An assessment of ground truthing methods for coral reef remote sensing data. Proceedings of the 6th International Coral Reef Symposium, Townsville, 2, 439–444.

Biña, R.T., 1982, Application of Landsat data to coral reef management in the Philippines. Proceedings of the Great Barrier Reef Remote Sensing Workshop, James Cook University, Townsville, Australia, 1–39.

Biña, R.T., Carpenter, K., Zacher, W., Jara, R., and Lim, J.B., 1978,Coral reef mapping using Landsat data: follow-up studies. Proceedings of the 12th International Symposium on Remote Sensing of the Environment, (Michigan: ERIM), 1, 2051–2070.

Biña, R.T., and Ombac, E.R.,1979, Effects of tidal fluctuations on the spectral patterns of Landsat coral reef imageries. Proceedings of the 13th International Symposium on Remote Sensing of the Environment, (Michigan: ERIM), 3, 1293–1308.

Bour, W., 1989, SPOT images for coral reef mapping in New Caledonia. A fruitful approach for classic and new topics. Proceedings of the 6th International Coral Reef Symposium, Townsville, 2, 445–448.

Bour, W., Dupont, S., and Joannot, P., 1996, Establishing a SPOT thematic neo-channel for the study of hard-to-access lagoon environments. Example of application on the growth areas of the New Caledonian reefs. Geocarto International, 11, 29–39.

Bour, W., Nosmas, P., and Joannot, P.,1990, The setting up of a live madrepora or coral index through remote sensing for reef bionomic mapping. Proceedings of an International Workshop on Remote Sensing & Insular Environments in the Pacific: Integrated Approaches, ORSTOM/IFREMER, pp. 247–254.

Bour, W., Loubersac, L., and Rual, P.,1986, Thematic mapping of reefs by processing of simulated SPOT satellite data: application to the Trochus niloticus biotope on Tetembia Reef (New Caledonia). Marine Ecology Progress Series, 34, 243–249.

Carleton, J.H., and Done, T.J., 1995, Quantitative video sampling of coral reef benthos: large-scale application. Coral Reefs, 14, 35–46.

Catt, P., and Hopley, D., 1988,Assessment of large scale photographic imagery for management and monitoring of the Great Barrier Reef. Proceedings of the Symposium on Remote Sensing of the Coastal Zone, Gold Coast, Queensland, (Brisbane: Department of Geographic Information), pp. III.1.1–1.14.

de Vel, O.Y., and Bour, W., 1990, The structural and thematic mapping of coral reefs using high resolution SPOT data: application to the Tétembia reef (New Caledonia). Geocarto International, 5, 27–34.

Done, T.J., 1983, Coral zonation: its nature and significance. In Perspectives on Coral Reefs, edited by D.J. Barnes (Canberra: Brian Clouston Publishing), pp. 107–147.

Dubinsky, Z., 1990, Ecosystems of the World 25:Coral Reefs (New York: Elsevier).

Eckardt, F., 1992, Mapping coral reefs using Landsat TM. A feasibility study for Belize, Central America. MSc dissertation, Cranfield Institute of Technology, UK.

English, S., Wilkinson, C., and Baker, V., 1997, Survey Manual for Tropical Marine Resources, 2nd Edition. (Townsville: Australian Institute of Marine Science).

Fagerstrom, J.A., 1987, The Evolution of Reef Communities (New York: John Wiley and Sons).

Green, E.P., Mumby, P.J., Edwards, A.J., and Clark, C.D., 1996, A review of remote sensing for the assessment and management of tropical coastal resources. Coastal Management, 24, 1–40.

Greig-Smith, P., 1983, Quantitative Plant Ecology. (Oxford: Blackwell Scientific Publications).

Guerin, P.R.,1985,Reducing remoteness with remote sensing. Proceedings of the 27th Australian Survey Congress, Alice Springs, 1, 119–125.

Hopley, D., and Catt, P.C., 1989, Use of near infra-red aerial photography for monitoring ecological changes to coral reef flats on the Great Barrier Reef. Proceedings of the 6th International Coral Reef Symposium, Townsville, 3, 503-508.

Hopley, D., and van Stevenick, A.L., 1977, Infra-red aerial photography of coral reefs. Proceedings of the 3rd International Coral Reef Symposium, Miami, Florida, 1, 305–311.

Jupp, D.L.B., 1986, The Application and Potential of Remote Sensing in the Great Barrier Reef Region. (Townsville: Great Barrier Reef Marine Park Authority Research Publication).

Jupp, D.L.B., Mayo, K.K., Kuchler, D.A., Claasen, D.R., Kenchington, R.A., and Guerin, P.R., 1985, Remote sensing for planning and managing the Great Barrier Reef Australia. Photogrammetrica, 40, 21–42.

Jupp, D.L.B, Mayo, K.K., Kuchler, D.A., Heggen, S.J., Kendall, S.W., Radke, B.M., and Ayling, T., 1986, Landsat based interpretation of the Cairns section of the Great Barrier Reef Marine Park. Natural Resources Series No. 4. (Canberra: CSIRO Division of Water and Land Resources).

Kenchington, R.A., 1978, Visual surveys of large areas of coral reefs. In Coral Reefs: Research Methods, edited by D.R. Stoddart and R.E. Johannes (Paris: UNESCO),pp. 149–161.

Kenchington, R.A., and Claasen, D.R.,1988, Australia’s Great Barrier Reef – management technology. Proceedings of the Symposium on Remote Sensing of the Coastal Zone, Gold Coast, Queensland, (Brisbane: Department of Geographic Information), pp. KA.2.2–2.13.

Kirkman, H.,Olive, L., and Digby, B.,1988, Mapping of underwater seagrass meadows. Proceedings of the Symposium on Remote Sensing of the Coastal Zone, Gold Coast, Queensland, (Brisbane: Department of Geographic Information), pp. VA. 2.2 – 2.9.

Kuchler, D., Bour, W., and Douillet, P.,1988, Ground verification method for bathymetric satellite image maps of unsurveyed coral reefs. ITC Journal, 2, 196–199.

Kuchler, D.A., Jupp, D.L.B., Claasen, D.R., and Bour, W., 1986,Coral reef remote sensing applications. Geocarto International, 4, 3–15.

Littler, D.S., Littler, M.M., Bucher, K.E., and Norris, J.N., 1989, Marine Plants of the Caribbean: a Field Guide from Florida to Brazil (Shrewsbury: Airlife Publishing Ltd).

Loo, M.G.K., Lim, T.M., and Chou, L.M., 1992, Landuse changes of a recreational island as observed by satellite imagery. In Third ASEAN Science and Technology Week Conference Proceedings, Vol. 6, edited by L.M. Chou and C.R. Wilkinson (Singapore:University of Singapore),pp. 401–404.

Loubersac, L., Dahl, A.L., Collotte, P., LeMaire, O., D’Ozouville, L., and Grotte, A., 1988, Impact assessment of Cyclone Sally on the almost atoll of Aitutaki (Cook Islands) by remote sensing. Proceedings of the 6th International Coral Reef Symposium, Townsville, 2, 455–462.

Luczkovich, J.J., Wagner, T.W., Michalek, J.L., and Stoffle, R.W., 1993, Discrimination of coral reefs, seagrass meadows, and sand bottom types from space: a Dominican Republic case study. Photogrammetric Engineering & Remote Sensing, 59, 385–389.

Manieri, R., and Jaubert, J., 1985, Traitements d’image et cartographie de récifs coralliens en Mer Rouge (Golfe d’Aqaba). Oceanologica Acta, 8, 321–329.

Manieri, R., and Jaubert, J., 1984, Coral reef mapping in the Gulf of Aqaba (Red Sea) using computer image processing techniques for coral reef survey. Proceedings of the Symposium on Coral Reef Environments of the Red Sea, Jeddah, pp. 614–623.

Maritorena, S., Morel, A., and Gentili, B.,1994, Diffuse reflectance of oceanic shallow waters: influence of water depth and bottom albedo. Limnology & Oceanography, 37, 1689–1703.

McNeill, S.E.,1994, The selection and design of marine protected areas: Australia as a case study. Biodiversity & Conservation, 3, 586–605.

Meulstee, C., Nienhuis, P.H., and Van Stokkom, H.T.C., 1986, Biomass assessment of estuarine macrophytobenthos using aerial photography. Marine Biology, 91, 331–335.

Michalek, J.L., Wagner, T.W., Luczkovich, J.J., and Stoffle, R.W., 1993, Multispectral change vector analysis for monitoring coastal marine environments. Photogrammetric Engineering & Remote Sensing, 59, 381–384.

Mumby, P.J., Baker, M.A., Raines, P.S., Ridley, J.M., and Phillips, A.T., 1994, The potential of SPOT Panchromatic imagery as a tool for mapping coral reefs. Proceedings of the 2nd Thematic Conference on Remote Sensing for Marine & Coastal Environments, New Orleans, Louisiana (Michigan: ERIM), I, 259–267.

Mumby, P.J., Gray, D.A., Gibson, J.P., and Raines, P.S., 1995a, Geographic Information Systems: a tool for integrated coastal zone management in Belize. Coastal Management, 23, 111–121.

Mumby, P.J., Harborne, A.R., Raines, P.S., and Ridley, J.M.,1995b, A critical assessment of data derived from Coral Cay Conservation volunteers. Bulletin of Marine Science, 56, 742–756.

Mumby, P.J., Clark, C.D., Green, E.P., and Edwards, A.J., 1998a, The practical benefits of water column correction and contextual editing for mapping coral reefs. International Journal of Remote Sensing, 19, 203–210.

Mumby, P.J., Green, E.P., Clark, C.D., and Edwards, A.J., 1998b., Digital analysis of multispectral airborne imagery of coral reefs. Coral Reefs, 17, 59–69.

Mumby, P.J., Green, E.P., Edwards, A.J., and Clark, C.D., 1997, Coral reef habitat mapping: how much detail can remote sensing provide? Marine Biology, 130, 193–202.

Peddle, D.R., Le Drew, E.F., and Holden, H.M.,1995, Spectral mixture analysis of coral reef abundance from satellite imagery and in situ ocean spectra, Savusavu Bay, Fiji. Proceedings of the 3rd Thematic Conference Remote Sensing for Marine & Coastal Environments, Seattle (Michigan, ERIM), II, 563–575.

Rogers, C., Garrison, G., Grober, R., Hillis, Z-M., and Franke, M.A., 1994, Coral Reef Monitoring Manual for the Caribbean and Western Atlantic. (St. John: National Park Service, Virgin Islands National Park).

Sheppard, C.R.C, Matheson, K., Bythell, J.C., Murphy, P., Blair Myers, C., and Blake, B., 1995, Habitat mapping in the Caribbean for management and conservation: use and assessment of aerial photography. Aquatic Conservation: Marine & Freshwater Ecosystems, 5, 277–298.

Siswandono, 1992, The microBRIAN method for bathymetric mapping of the Pari reef and its accuracy assessment. Proceedings of the Regional Symposium on Living Resources in Coastal Areas. Manila, Philippines. (Manila: University of the Philippines), pp. 535–543.

Smith, V.E., Rogers, R.H., and Reed, L.E., 1975, Thematic mapping of coral reefs using Landsat data. Proceedings of the 10th International Symposium Remote Sensing of Environment (Michigan: ERIM) 1, 585–594.

Stoddart, D.R., and Johannes, R.E., 1978, Coral Reefs: Research Methods (Paris: UNESCO).

Sullivan, K.M., and Chiappone, M., 1992, A comparison of belt quadrat and species presence/absence sampling of stony coral (Scleractinia and Milleporina) and sponges for evaluating species patterning on patch reefs of the Central Bahamas. Bulletin of Marine Science, 50, 464–488.

Tiefang, L., Jianchun, Y., Huai, L., Hongda, F., Yuguo, D. and Xuelian, C., 1990, Applications of remote sensing for Sargassum on Daya Bay. Proceedings of the 11th Asian Conference on Remote Sensing, Guangzhou, China, November 15-21 1990, 2, J-5-1–J-5-7.

Thamrongnawasawat T., and Catt P., 1994, High resolution remote sensing of reef biology: the application of digitised air photography to coral mapping. Proceedings of the 7th Australasian Remote Sensing Conference, Melbourne pp. 690–697.

Thamrongnawasawat, T., and Hopley, D., 1994, Digitised aerial photography: a new tool for reef research and management. Proceedings of the 3rd ASEAN - Australia Regional Conference. Bangkok, Thailand.

Thamrongnawasawat, T., and Hopley, D.,1995, Digitised aerial photography applied to small area reef management in Thailand. In Recent Advances in Marine Science and Technology 94. edited by O. Bellwood, J.H. Choat, and N. Saxena (Townsville: James Cook University),pp. 385–394.

Thamrongnawasawat, T., and Sudura, S., 1992, Image processing techniques for studying fringing reefs in Thailand using Landsat and SPOT data. In Third ASEAN Science & Technology Week Conference Proceedings, edited by L.M. Chou and C.R. Wilkinson (Singapore: University of Singapore).

Thamrongnawasawat, T., Sudura, S., and Tangjaitrong, S., 1994, Summary of remote sensing of the coastal zone: the ASEAN region. Proceedings of the 3rd ASEAN-Australia Regional Conference, Bangkok, Thailand.

UNESCO, 1995, Contending With Global Change. Meeting report on coral reef assessment and status evaluation workshop (Jakarta: UNESCO).

Vousden, D.,1988, The Bahrain marine survey: a study of the marine environment of Bahrain using remote sensing as a rapid assessment methodology. Proceedings of the ROPME Workshop on Coastal Area Development. UNEP Regional Seas Reports and Studies No. 90 ROPME Publication No. GC-5/006, pp.3–34.

Vousden, D., 1996, Remote sensing and habitat mapping. Chapter 5,unpublished PhD thesis, University College of North Wales.

Wagle, B.G., and Hashimi, N.H., 1994, Coastal geomorphology of Mahe Island, Seychelles. International Journal of Remote Sensing, 11, 281–287.

Wouthuyzen, S., Gotoh, K., Uno, S., and Yutoh,Y., 1990, Mapping of sedimentation area in coral reef zone of Okinawa main island using satellite data. Pacific Congress on Marine Science and Technology, Tokyo pp. 1–5.

Zainal, A.J.M., Dalby, D.H., and Robinson, I.S., 1993, Monitoring marine ecological changes on the east coast of Bahrain with Landsat TM. Photogrammetric Engineering & Remote Sensing, 59, 415–421.

Zainal, A.J.M., 1994, New technique for enhancing the detection and classification of shallow marine habitats. Marine Technology Journal, 28, 68–74. Zar, J.H.,1996, Biostatistical Analysis (New Jersey: Prentice-Hall).

Protocolo: Extensión de Ecosistemas Proceso: Análisis de Componentes Principales PCA Términos y definiciones:

Figura 2:Alta correlación entre bandas

Uno de los problemas que aparecen en la clasificación estadística es la alta correlación entre variables. En este caso la introducción de varias variables en la clasificación no aporta más información. En la figura 2 aparece un ejemplo en el cual las bandas 3 y 4 de Landsat TM podrían resumirse en una sola variable. Las diferentes técnicas de análisis multivariante permiten transformar una serie de variables en nuevas variables denominadas componentes incorrelacionadas, que absorben la varianza (variabilidad) total de los datos. Estos componentes están ordenados además de mayor a menor en relación al porcentaje de la varianza total que absorben. Ello permite eliminar los componentes que absorban un escaso porcentaje de la varianza original y quedarnos con los que absorban mayor variabilidad. Para ello hace falta analizar los resultados del análisis de componentes principales: la matriz de vectores propios y el vector de valores propios. Sin embargo los modulos de análisis de componentes principales de los programas de SIG no suelen aportar toda la información necesaria.

Componente 1 Componente 2 Componente 3

Componente 4 Componente 5 Componente 7



• Calcular PCA • Análisis estadístico del PCA • Determinar pertinencia del PCA

Algoritmo: Procedimiento estándar de acuerdo al software utilizado. (Modelling de PCI Geomatica) Ejemplo: Observaciones:

Protocolo: Extensión de Ecosistemas Proceso: Clasificación de la imagen Términos y definiciones: La elaboración de una clasificación del área de estudio en una serie de clases relativas a litología, tipos de vegetación, usos del suelo, etc., es uno de los objetivos fundamentales en teledetección. La clasificación en teledetección es un caso particular del problema general de clasificar N individuos en un conjunto de K clases en función de una serie de variables (X1, X2,...,Xn). Para resolver este problema se necesita una medida de la semejanza o diferencia entre los diferentes individuos y entre los individuos y las clases. Dos individuos muy parecidos pertenecerán con toda seguridad a la misma clase, mientras que dos individuos distintos pertenecerán a diferentes clases. La medida más utilizada es la distancia euclidiana:

aunque pueden utilizarse otro tipo de distancias. Para estimar los valores de X1, X2,...,Xn para las diferentes clases se utiliza la media aritmética de los valores de los pixels incluidos en la clase. Puesto que en la práctica no podemos saber con certeza a que clase corresponde cada uno de los pixels, el problema de la clasificación se convierte en un problema de probabilidad de pertenencia a cada una de las clases de un conjunto, por tanto se suelen usar métodos estadísticos. La clasificación conlleva dos pasos fundamentales:

• Generación de un conjunto de clases y sus respuestas espectrales características (generalmente a partir de una mustra de pixels)

• Adjudicación de todos los pixels a alguna de las clases Suponiendo que los datos han pasado ya todo tipo de correcciones de tipo geométrico o atmosférico, existen dos métodos complementarios para afrontar el problema de la generación de clases, estos son válidos tanto en imágenes de satélite como en cualquier otro campo.

• Partir de una serie de clases previamente definidas y obtener sus signaturas espectrales (clasificación supervisada)

• No establecer ninguna clase a priori, aunque es necesario determinar el número de clases que queremos establecer, y dejar que las defina un procedimiento automático (clasificación no supervisada)

En realidad suelen utilizarse ambos procedimientos ya que son complementarios. La clasificación supervisada utiliza nuestro conocimiento del terreno pero si este conocimiento no es perfecto pueden escaparse cosas que una clasificación no supervisada detectaría. Generalmente el proceso de clasificación conlleva las siguientes etapas:

• Análisis de Componentes Principales para resumir la información contenida en las bandas e incluso eliminar alguna del análisis.

• Generación de clases y signaturas espectrales características.

o Clasificación no supervisada. Se utilizan algoritmos matemáticos de clasificacón automática. Los más comunes son los algoritmos de clustering que divide el espacio de las variables en una serie de regiones de manera que se minimice la varianza interna de los pixeles incluidos en cada región. Cada región define de este modo una clase espectral.

o Selección de areas de entrenamiento para clasificación supervisada. Se trata de áreas de las que se conoce a priori la clase a la que pertenecen y que servirán para generar una signatura espectral característica de cada una de las clases. Se denominan clases informacionales.

o Comparación de las signaturas espectrales características de las clases informacionales con las clases espectrales. Determinación de las clases con las que se trabajará finalmente. En general se prefiere trabajar con clases espectrales que con clases informacionales.

• Clasificación propiamente dicha. Existen múltiples métodos:

o No estadísticos (mínima distancia, paralelepípedos)

o Estadísticos clásicos (máxima probabilidad)

o Algorítmos basados en inteligencia artificial (lógica borrosa, redes neuronales)

o Evaluación de la precisión de la clasificación

Clasificación No-Supervisada Se utilizan algorítmos de clasificación automática multivariante como el clustering. Este consta de N pasos siendo N el número total de individuos a clasificar.

Figura 1: Dendrograma obtenido a partir de los pixels de las áreas de entrenamiento

En cada paso se identifican los dos individuos más próximos, se hace una clase con ellos y se sustituyen por el centroide de la clase resultante. De este modo cada paso analiza un individuo menos que el anterior

ya que los individuos van siendo sustituidos por clases. El proceso se detiene cuando se ha alcanzado un número de clases igual al número de clases que habia sido establecido a priori. El resultado final de un proceso de clustering suele ser un dendrograma (figura 1) en el que puede verse como los diversos individuos se aglutinan en clases, primero los que estan a un menor distancia (los mas parecidos), y como posteriormente las clases se unen entre si. A partir de un dendrograma podemos elegir el número de clases que queremos mantener en función de diferentes criterios. El dendrograma de la figura 1 se ha construido con los valores que aparecen en la figura 2. Pueden verse claramente los 3 grupos que se han identificado en aquella figura. Cuando se utiliza en teledetección se clasifican todos los pixels, por tanto la salida no puede ser un dendrograma por razones prácticas. La salida es un mapa en el que los pixels aparecen adjudicados a las diferentes clases. Por tanto debemos elegir a priori el número de clases que queremos, este número debe ser elevado ya que siempre podremos a posteriori unir aquellas clases que no tenga sentido mantener separadas. Un análisis de cluster tampoco nos da las signaturas espectrales de las clases que se han creado, para ello deben utilizarse otras herramientas de SIG. Si se obtienen las medias de las distintas clases para las distintas bandas espectrales, podran introducirse en un programa de estadística para reconstruir el dendrogama y poder unificar clases.

Figura 2: Distribución de los pixels de las diferentes áreas de entrenamiento. Determinación de las clases o categorías para clasificar. Obtener el rango de ND que identifican una categoría, es una tarea compleja, teniendo en cuenta la variabilidad de la zona de estudio. Esta fase se lleva a cabo seleccionando una muestra de pixeles de la imagen que representen adecuadamente a las categorías de interés. Es vital disponer de una buena muestra, ya que de lo contrario se obtendrán resultados pobres en la clasificación. Varios autores han comprobado que los resultados de la clasificación se ven mucho más influidos por la definición previa de las categorías que del criterio que se use para discriminarlas posteriormente. En definitiva, la fase de entrenamiento constituye la columna vertebral de la clasificación

numérica.

La clasificación supervisada La clasificación supervisada se basa en la disponibilidad de áreas de entrenamiento. Estas deben ser áreas lo más homogeneas posibles y en las que sepamos lo que había el día que se tomó la imagen. Por ello esta operación se realiza el mismo día en el que el satélite toma la imagen y luego se compra esta. Otra posibilidad es utilizar fotografía aérea o información de otro tipo.

Para entender mejor los conceptos básicos de la clasificación y los diferentes métodos, vamos a suponer que disponemos sólo de dos bandas de landsat (TM3 y TM4) para realizar la clasificación. Esto permite la representación gráfica de los diferentes procedimientos, con lo que la distancia euclidiana pasa a ser simplemente la distancia sobre el plano, figura 2. Los pixels representados con tres colores diferentes corresponden a tres clases diferentes obtenidas a partir de las areas de entrenamiento. La respuesta espectral de una clase será la respuesta espectral media de sus pixels. diferentes áreas de entrenamiento. Sin embargo, puesto que hemos creado las signaturas espectrales con varios pixels de una misma clase, lo que obtenemos no es una signatura en la que a cada banda se asigna un valor de reflectividad, sino una distribución de reflectividades para cada banda con una serie de estadísticos, los más relevantes para el análisis posterior son:

• media

• desviación típica

• máximo

• mínimo. Una vez que se dispone de un conjunto de clases y de sus signaturas espectrales características, vamos a tratar de adjudicar cada uno de los pixels a una clase. Para ello existen diversos procedimientos, los más clásicos son:

• Clasificación por mínima distancia

• Clasificación por paralelepípedos

• Clasificación de máxima verosimilitud

• Clasificación por mínima distancia Puesto que cada clase dispone de una reflectividad media para cada una de las bandas, podemos situar cada una de las clases como un centroide en un espacio de variables. Es este espacio de variables se puede calcular la distancia entre un pixel y una clase.

Evidentemente el pixel x se asignará a la clase respecto a la cual su distancia sea mínima (figura 5). En definitiva, se definen una serie de hiperesferas que rellenan el hiperespacio de variables sin intersectarse. Este método no es demasiado bueno ya que sobreclasifica la imagen, es decir ningún pixel queda sin clasificar. Aunque algunos autores señalan esto como una ventaja, realmente es un problema ya que es preferible dejar áreas sin clasificar que clasificarlas sin garantías.

Figura 5: Clasificación por mínima distancia Se han propuesto diversos métodos para forzar la clasificación de todos los pixels a una u otra clase. Sin embargo lo más adecuado sería cartografiar estos pixels con problemas de clasificación para determinar cual es la razón e intentar solventarla. Normalmente serán los pixels de borde los que den problemas de clasificación por su propia naturaleza mixta.

Figura 6: Importancia del rango de valores de cada clase y su probabilidad en clasificación

Por otro lado no se tiene en cuenta las desviación típicas de cada una de las bandas para cada una de las clases, así un clase con una baja desviación típica no debería absorber pixels alejados de su centroide (figura 6). Clasificación por paralelepípedos En este método se definen una serie de paralelepípedos, hiperparalelepípedos manteniendo la nomenclatura anterior, que definen las fronteras de cada clase (figura 7). La definición de cada uno de los paralelepípedos debe hacerse teniendo en cuenta los valores máximos y mínimos de reflectividad para cada una de las bandas. Con este método pueden aparecer pixels sin asignar o pixels asignados a varias clases.

Figura 7: Clasificación por paralelepípedos Clasificación por máxima verosimilitud Puesto que se tiene la media y la desviación típica de cada una de las clases, se puede utilizar algún modelo de distribución de probabilidad. El clasificador de máxima probabilidad asume que los datos siguen una función de distribución normal para asignar la probabilidad de que un pixel cualquiera pertenezca a cada una de las clases. El pixel se asigna de este modo a la clase a la que es más probable que pertenezca. Este método puede usarse de forma automática, o puede establecerse algún criterio que permita asignar pixels a una clase sólo si la probabilidad correspondiente es superior a determinado umbral. Permite por otro lado definir algún tipo de criterio para medir la calidad de la asignación, por ejemplo la diferencia entre la máxima probabilidad y la siguiente. En la figura 8 aparecen una serie de elipses rodeando a cada uno de los centroides, se trata de lineas de isoprobabilidad, por tanto el pixel se clasificará como perteneciente a la clase en la que sus valores resulten más probables. Sin embargo la hipótesis de que los datos de reflectividad siguen una distribución normal no siempre se cumple y debería verificarse siempre.

Figura 8: Clasificación por máxima probabilidad Requerimientos específicos: Información: Información de referencia –línea base- sobre extensión de ecosistemas. Mapas y cartografía de referencia. Condiciones previas:

• Todas las anteriores • Conocimiento de la zona de interés. • Apoyo de experto temático • Apoyo de experto conocedor de la zona.

Desarrollo:

• Determinar insumos para la clasificación (PCA, Tasselled Cap, Bandas, mezcla de los anteriores) • Determinación de categorías • Selección de áreas de entrenamiento (training) para la clasificación. • Interpretación de resultados. • Prueba de clasificaciones no supervisadas con diferentes números de clases y algoritmos.

Algoritmo: Procedimiento estándar de acuerdo al software utilizado. (Clasify de PCI Geomatica) Ejemplo: Categorías de Clasificación Ecosistemas Marinos y costeros

• Cuerpo de Agua Marino

• Cuerpo de Agua Continental • Corales Someros • Corales Profundos • Praderas de Pastos • Playas • Fondos arenosos • Fondos bioturbados • Bosques de Manglar • Otros Bosques • Arbustos • Pastos • Cultivos • Zonas Urbanas • Infraestructura • Nubes • Sombras • Otros

Observaciones:

Ejemplo 11 Clasificación no supervisada método K-mean Bahía de Cispatá año 2000

Ejemplo 12 Clasificación supervisada Archipiélago de San Bernardo

Protocolo: Extensión de Ecosistemas Proceso: Clasificación mediante Redes Neuronales Términos y definiciones: Clasificación por redes neuronales Se basan en el uso de redes neuronales artificiales que, se supone, imitan a las redes neuronales reales en el desarrollo de tareas de aprendizaje. Una neurona artificial es un objeto lógico (se trata de software no de hardware) que recibe diversas entradas, hace una suma ponderada de las mismas y produce una salida a partir de la aplicación de una función umbral a la media ponderada.

Si conectamos las asalidas de unas neuronas como entradas de otras obtenemos una red neuronal. Uno de los ejemplos más típicos de red neuronal es el la Back Propagation Neural Network que aparece en el siguiente gráfico.

Consta de una capa de entrada con tantos neuronas como variables de entrada se vayan a introducir en el modelo (en el caso de la teledetección sería una por cada banda utilizada para clasificar), una capa oculta que realiza la mayor parte del cálculo y una capa de salida con tantas neuronas como posibles clases existan. En teledetección esta salida suele consistir en un valor numérico entre 0 y 1 para cada clase, cuanto mayor sea este valor más verosimil resulta que el pixel pertenezca a la clase en cuestión Para trabajar con una red neuronal existen varias fases: Entrenamiento. Se le introducen a la red la respuesta espectral de pixeles cuya clase se conoce y se compara la salida con la realidad. A partir de esta comparación se modifican los coeficientes de ponderación de todas las neuronas para que se obtenga la respuesta adecuada (se trata de un procedimiento automático) es decir un 1 en la clase correcta y ceros en las incorrectas Estabilización. Al principio del entrenamiento, los factores de ponderación cambian muy deprisa, pero conforme este se desarrolla (y si las areas de entrenamiento se han seleccionado correctamente) se estabilizan (no se modifican aunque se vuelvan a introducir los pixels de entrenamiento). En este momento finaliza la fase de entrenamiento Clasificación Se introducen las respuestas espectrales de los pixels cuya clase no se conoce y se adjudican a la clase que de una respuesta más alta (que no va a ser necesariamente 1). Se trata en definitiva de un método de clasificación no paramétrico robusto que da buenos resultados cuando las respuestas espectrales de las clases no siguen una distribución normal. La clave está en el conjunto de coeficientes de ponderación que constituyen un conjunto de parámetros que deben ajustarse a unos datos de entrada y salida. Por tanto en cierto modo es equivalente a una regresión. Arboles de clasificación Suponen un análisis exhaustivo de las respuestas espectrales de las clases y del conjunto de datos disponibles, consiste en ir haciendo preguntas a cada pixel cuya respuesta positiva o negativa conducirá a otra pregunta y asi sucesivamente hasta obtener la clase a la que pertenece. Se basa en los mismos principios que los sistemas expertos. Clasificadores borrosos Sea cual sea el procedimiento de clasificación utilizado, surge el problema de que algunos pixels resultan inclasificables, bien porque sus probabilidades de pertenencia a cualquier clase sean muy bajas (máxima verosimilitud, salidas de un método de redes neuronales, etc.) o porque aparezcan dos o más clases con muy alta probabilidad que se disputen el pixel. En estos casos tiene más sentido no clasificar los pixels de forma unívoca sino establecer cual es su posibilidad de pertenencia a cada una de las clases (el concepto de posibilidad no es exactamente igual al de probabilidad). Las técnicas de redes neuronales son una de las técnicas objetivas más utilizadas en el reconocimiento automático de patrones y en la clasificación de datos de sensores remotos. Estas técnicas son útiles en el análisis no lineal de los procesos naturales. En este capitulo se mostrará el proceso de diseño, construcción, entrenamiento y aplicación de dos tipos de redes con diferente tipo de entrenamiento (supervisado y no supervisado) a una imagen procedente del satélite Landsat ETM 7. A cada "pixel" de la imagen se le asignará de forma automática un valor que representa: tierra, mar o la clase de cobertura. Entre las razones de la amplia utilización de las redes neuronales, se pueden destacar las siguientes:

• Teóricamente pueden determinar cualquier función, por lo que son adecuadas en aplicaciones que no son fácilmente descritas analíticamente.

• Excepto los patrones de entrada, no es necesario suministrar información adicional. • Se pueden aplicar a cualquier tipo de patrones y a cualquier tipo de datos. • Se obtienen buenos resultados con datos ruidosos, como los encontrados frecuentemente en

meteorología. • No se hacen hipótesis acerca de la distribución estadística de las variables de entrada.

• Después de entrenadas son extremadamente rápidas y fácilmente implementables en arquitecturas paralelas.

Hay cientos de diferentes modelos de redes neuronales descritos en la literatura. Las redes difieren unas de otras en la topología y en el tipo de entrenamiento. De entre todos ellos hemos seleccionado dos redes: una con entrenamiento supervisado (descrita en el apartado 2) y otra con entrenamiento no supervisado. Entrenamiento supervisado (Perceptrón Multicapa): En el proceso de entrenamiento de la redes de este tipo, se utilizan patrones conocidos y ya clasificados. Dentro de las redes con entrenamiento supervisado, la más utilizada es el Perceptrón Multicapa usando en el entrenamiento un algoritmo de retropropagación. Topología. Consta de una capa de entrada, una o varias capas escondidas y una capa de salida. El número de neuronas que constituyen cada capa debe adaptarse a cada problema.

Figura 1: Diagrama de la topología del Perceptrón Multicapa. Cada neurona de la capa escondida (x'i) o de la capa de salida (yl) tiene como entradas las neuronas de la capa anterior. El valor de salida de cada neurona esta representado por las siguientes funciones: x sub i' = f ( SUM from {j=1} TO {N-1} w sub {ij} x sub i - theta sub i ) y sub l = f (sum from {k=0} to {M-1} w sub {kl} ' x sub k '- theta sub k ' ) donde wij y w'kl son los pesos, que se determinarán en el proceso de entrenamiento y f() es la función de activación. Función de activación. Como función de activación se emplean normalmente funciones continuas, crecientes, diferenciables y no lineales. La más utilizada es la función sigmoide binaria, debido a que la relación existente entre el valor de la función en un punto y su derivada, evita el cálculo de la derivada.

La función sigmoide binaria tiene como salida valores entre 0 y 1. Rough Equation f(x)={1} OVER {1+exp(- sigma x)} Rough Equation f'(x)= sigma f(x) LEFT [{1-f(x)} RIGHT ]

Figura 2: Función sigmoide binaria con .=1. En algunos casos puede ser más adecuado utilizar la función sigmoide bipolar, cuyo rango de salida esta comprendido entre -1 y 1. Rough Equation g(x)=2f(x)-1={2} OVER {1+exp(- sigma x)}-1 Rough Equation g'(x)={ sigma } OVER {2} LEFT [{1+g(x)} RIGHT ] LEFT [{1-g(x)} RIGHT ] Entrenamiento no supervisado. Mapas Topológicos Autoorganizativos (Mapas de Kohonen). En este tipo de redes en el proceso de entrenamiento no es necesario disponer de información "a priori" o tener clasificados los patrones del conjunto de entrenamiento, siendo el propio proceso de entrenamiento el que produce la clasificación. Algoritmo para producir Mapas Topológicos Autoorganizativos (Mapas de Kohonen) La Topología de los Mapas de Kohonen puede verse en la Figura 5.

Figura 5: Topología de un Mapa de Kohonen. Consta de una capa de entrada y una capa de salida. En la capa entrada se introducen los valores de los datos y se calcula la salida de cada neurona como producto escalar de los pesos de cada neurona por los valores de la capa de entrada. Después de entrenada, la salida para cada patrón es una matriz de distancias del patrón de entrada a los vectores peso de cada neurona. La disposición del mapa topológico como matriz permite fijar el criterio de vecindad, ya que las salidas (distancias) de una neurona y las neuronas cercanas son similares. La interpretación de la matriz de salida puede ser todo lo compleja y exhaustiva que se desee, teniendo siempre en mente la interpretación geométrica de la red como conjunto de distancias del patrón de entrada a los vectores de peso de las neuronas, estos tienen la propiedad de hacer mínimo el error total sobre el conjunto de entrenamiento. El algoritmo de entrenamiento es el siguiente: Desarrollo: Paso 1: Inicializar los pesos Procedimiento operativo de entrenamiento del Perceptrón Multicapa. El esquema operativo para la construcción de la red, constará de las siguientes fases: Fase 1.- Selección de los patrones de entrenamiento. Se seleccionan un conjunto de patrones de entrada (x0,x1,......,xN-1) y sus correspondientes salidas deseadas (d0,d1,....,dM-1). Este conjunto de patrones disponibles se divide en un conjunto de entrenamiento y un conjunto de test. Fase 2.- Aplicar iterativamente el algoritmo de entrenamiento ("BACKPRO-PAGATION") a todos los patrones: Se aplica el algoritmo de entrenamiento a cada uno de los patrones del conjunto de entrenamiento. Una vez pasado el algoritmo a todos los patrones del conjunto de entrenamiento, se calcula el error total correspondiente a esa iteración para el conjunto de entrenamiento. El proceso de iteración se repite hasta que el error total de una iteración es menor que una cantidad prefijada, o hasta que este se estabiliza. En este momento se salvan los pesos.

Con los pesos obtenidos en el paso anterior se aplica la red al conjunto de patrones que reservamos como conjunto de test. Si el error cometido al aplicar la red al conjunto de test es del orden del que obtuvimos al aplicar el algoritmo de entrenamiento al conjunto de patrones de entrenamiento, se considera que la red tiene un comportamiento adecuado. Si no, sería necesario repetir el proceso variando la topología, la función de activación, el algoritmo de entrenamiento o el tipo de red. Algoritmo: Algoritmo de entrenamiento (BACKPROPAGATION) El algoritmo de entrenamiento por retropropagación, es un algoritmo iterativo por descenso del gradiente diseñado para minimizar el error cuadrático medio entre la salida real del Perceptrón Multicapa y la salida deseada. Consta de los siguientes pasos (asumiremos una función de activación sigmoide binaria que simplifica el cálculo de las derivadas): Paso 1: Inicializar Pesos y Umbrales. Todos los pesos y umbrales de los nodos se inicializan con valores aleatorios pequeños. Paso 2: Presentar la entrada y las salidas deseadas. Se presenta un vector de entrada (x0,x1,......,xN-1) y la salida deseada (d0,d1,....,dM-1). Si la red se usa como un clasificador, todas las componentes de cada vector salida son 0 excepto la componente (o componentes) que corresponde al patrón de entrada que se fija a 1. Paso 3: Cálculo de las salidas reales. Usando las funciones sigmoides para cada neurona y a través de la topología de la red se calculan las salidas (y0,y1,.....,yM-1) Paso 4: Adaptación de los pesos. Se utiliza un algoritmo recursivo empezando en los nodos de salida y trabajando hacia atrás hasta llegar a la primera capa escondida. Se ajustan los pesos mediante la siguiente fórmula (descenso del gradiente): Rough Equation w SUB {ij}(t+1)=w SUB {ij}(t)+ eta delta SUB {j}x SUB {i} SUP {,} donde: wij(t): es el peso desde el nodo i-ésimo escondido en el instante t (o el peso desde una entrada) al nodo j-ésimo. xj': es la salida del nodo i-ésimo (o es una entrada) .: es un término de ganancia comprendido entre 0 y 1. Normalmente se usan valores pequeños, siendo conveniente hacer pruebas de convergencia y estabilidad con varios valores. .j: es un término de error para el nodo j: a) Si el nodo j es un nodo de salida, entonces: Rough Equation delta SUB {j}=y SUB {j} CDOT(1-y SUB {j}) CDOT(d SUB {j}-y SUB {j}) donde dj es la salida deseada del nodo j e yj es la salida real obtenida por la red. En la fórmula [8] yj(1-yj) es la derivada de la función de activación, si se desea emplear otra función de activación sería necesario sustituir este factor por la derivada de la función de activación empleada. El uso de funciones como la sigmoide, en las cuales el valor de la función y su derivada están relacionados, permite acelerar el algoritmo de entrenamiento evitando hacer cálculos adicionales.

b) Si el nodo j es un nodo interno escondido, entonces: Rough Equation delta SUB {j}=x SUB {j} ' CDOT (1-x SUB {j} ' ) SUM FROM {k} delta SUB {k} w SUB {jk} donde k es el índice que recorre todos los nodos de la capa por encima del nodo j. Cuando hay problemas de convergencia es conveniente añadir un término de momento (efecto de memoria del cambio en el paso anterior) que evite que el proceso quede atrapado en algún mínimo local de la función de error. En este caso la actualización de los pesos se realiza mediante la fórmula: Rough Equation w SUB {ij}(t+1)=w SUB {ij}(t)+ eta delta SUB {j}x SUB {i} SUP {,}+ alpha (w SUB {ij}(t)-w SUB {ij}(t-1)) donde 0<.<1. Paso 5: Repetir el proceso desde el paso 2 hasta que el error o los cambios en los pesos sean despreciables. Ejemplo: Observaciones:

Protocolo: Extensión de Ecosistemas Proceso: Evaluación Clasificación de la Imagen Términos y definiciones: Existen dos posibilidades, evaluar una estimación teórica del error en función de las características del algoritmo de clasificación o analizar una serie de áreas test obtenidas del mismo modo que las áreas de entrenamiento. El segundo modo de proceder permite obtener una estimación más realista de los errores mientras la muestra de pixels para la estimación del error sea lo suficientemente grande y representativo.

Un método simple y apropiado de evaluaciones de los errores es utilizar la matriz de confusión de clases:

Tabla 6: Matriz de confusiones con 6 clases

A B C D E F Ni

(ni)ci (ni

c)i

A 50 3 0 0 2 5 60 83.3 10 21

B 4 62 3 0 0 1 70 88.5 8 10

C 4 4 70 0 8 3 86 81.4 19 6

D 0 0 0 64 0 0 64 100.0 0 3

E 3 0 2 0 71 1 78 91.0 6 10

F 10 3 1 3 0 33 50 66.0 17 10

408 85.8 60 60

Con este tipo de análisis, se obtiene, no sólo una caracterización del error cometido, sino también una medida sobre la adecuación de las clases consideradas a la realidad y de los parámetros utilizados para caracterizarlas. Puede por tanto utilizarse para definir un nuevo conjunto de clases para realizar una clasificación. En la tabla aparece un ejemplo de matriz de confusiones, los valores en filas representan las clases reales y en columnas aparecen (en la parte izquierda de la tabla) las clases obtenidas tras la clasificación. Por tanto debe interpretarse como el número de pixels que perteneciendo a la clase fila han sido adjudicados a la clase columna.

En la parte derecha de la tabla aparece: Ni es el número total de pixels de cada clase, el porcentaje de pixels clasificados correctamente para cada clase. (ni)c

i es el número de pixels que correspondiendo a la clase i han sido adjudicados a otras, y (ni

c)i es el número de pixels adjudicados a i cuando en realidad pertenecen a otra clase. La última fila presenta la totalización de estos resultados.


• Todas las anteriores • Conocimiento de la zona de interés. • Apoyo de experto temático • Apoyo de experto conocedor de la zona.

Desarrollo:

• Calcular matriz de confusión de las clases Algoritmo: Procedimiento estándar de acuerdo al software utilizado. (Clasify de PCI Geomatica) Ejemplo: Observaciones:

Protocolo: Extensión de Ecosistemas Proceso: Delimitación y calculo de extensión de unidades Términos y definiciones: La delimitación de unidades, incluye la conversión de datos procedentes de los mapas, la observación sobre el terreno, las imágenes procesadas obtenidas mediante satélites y fotografías aéreas en datos digitales compatibles. Hoy en día, la mayor parte de los SIG utilizan un sistema de digitalización manual para introducir en el sistema los datos de los mapas. Ello quiere decir que alguien debe sentarse ante el mapa colocado sobre una gran mesa horizontal para la digitalización y utilizando un pequeño visor, seguir las miles de pequeñas líneas que forman el mapa, manteniendo cuidadosamente la retícula (como la mira de un fusil) sobre las líneas, para que no se digitalicen dos veces ni se omitan, y para que las intersecciones se unan cuidadosamente y no se dejen espacios entre las líneas. Rste proceso se aplica igualmente para la delimitación de unidades obtenida del procesamiento digital, solo que la delimitación se hace a partir del despliegue del resultado de la clasificación o de cualquier otro análisis (filtros, ecualizaciones, índices, composiciones en color, etc.) sobre la pantalla, determinando con el cursor los respectivos limites de las unidades.

Posteriormente, por un proceso de “poligonización” estos vectores se transforman en polígonos, se les genera su respectiva topología y se le relacionan las tablas y atributos necesarios para realizar los análisis deseados.

Requerimientos específicos: Información: Información de referencia –línea base- sobre extensión de ecosistemas. Mapas y cartografía de referencia.

Condiciones previas:

• Clasificación imagen Desarrollo:

• Exportar resultado de la clasificación a un SIG. • Verificar clases • Generar topología • Analizar extensión por unidades y por clases.

Algoritmo: Procedimiento estándar de acuerdo al software utilizado. (ILWIS, Arcinfo) Ejemplo:

Ejemplo 13 Evaluación extensión cobertura de manglar Bahía de Cispatá año 2000

Clase Área 1986 Ha. Área 2000 Ha. Coral Somero 4502,55 3185,9694 Coral Profundo 4016,58 4749,55065 Mar 49156,72 49488,52433 nubes 296,39 0 sombras 102,91 0 sin información 110,87 211,185 Coral 8519,121675 7935,52005 Fanerógamas 4181,95 4482,9702 Islas 308,25 249,279525

Arena 367,38 676,1169 Total 13.487,57 13.555,07 Tabla 1. Evaluación áreas clasificación del 1986 y 2000 Archipiélago de San Bernardo.

San Bernardo 1986-2000

0100020003000400050006000700080009000

Coral

Fanero

gamas

Islas

Arena

19862000

Ejemplo 14 Gráfico comparativo de extensiones Archipiélago de San Bernanrdo

Observaciones:


INVEMAR


Protocolo: Perdida y/o Ganancia en extensión de Ecosistemas Marinos y Costeros Objetivo: Medir los cambios presentados (perdida-ganancia) en la extensión de los ecosistemas marinos y costeros (manglares, arrecifes de coral, praderas de pastos marinos, playas, lagunas costeras) con relación a una línea base inicial. Alcance: Se aplica en áreas de referencia y control así: Arrecifes coralinos: Islas del rosario Archipiélago de San Bernardo Archipiélago de San Andrés y Providencia Praderas de pastos marinos: Departamento de la Guajira Archipiélago de San Bernardo Archipiélago de San Andrés y Providencia Manglares: Ciénaga Grande de Santa Marta Golfo de Morrosquillo Ciénaga de la Virgen – Bolívar Bahía de Cispatá Golfo de Uraba Departamento del Choco Departamento del Valle de Cauca Departamento del Cauca Departamento de Nariño Humedales Ciénaga Grande de Santa Marta Bahía de Cispatá Ciénaga de la Virgen Playas En las zonas de interés. Escala de Trabajo: 1:100.000 Formato de salida: Gráfico multitemporal comparativo de cambio de áreas por área de

referencia. Mapa de análisis multitemporal por área de referencia. Requerimientos: Información: Mapa de extensión de ecosistemas actualizado

Mapa de extensión de ecosistemas de referencia (línea base) Software: ILWIS EXCEL ARCVIEW Hardware: Estación de trabajo SIG Personal: Experto en SIG- Sensores Remotos.

Apoyo: Expertos temáticos en ecosistemas marinos. Diagrama de procesos:

Recomendaciones:

• Contar con la información actualizada y de referencia validadas y estandarizadas.


Protocolo: Perdida y/o Ganancia en extensión de Ecosistemas Marinos y Costeros Proceso: Detección de Cambios Términos y definiciones: Desde el punto de vista de la teledetección, la observación remota del territorio permite un registro periódico de información sobre la superficie terrestre. Esta característica de las imágenes permite la implementación de distintas técnicas para la detección de cambios. Estas técnicas permiten mediante el análisis de imágenes de distintas fechas y utilizando herramientas como el álgebra de mapas y métodos estadísticos entre otras, establecer que es lo que ha cambiado en las imágenes y consecuentemente poder realizar una representación cartográfica del cambio del uso/ocupación de suelo acaecido en el territorio objeto de estudio.

Con la realización de los análisis multitemporales apropiados han de poder establecerse sobre un territorio dado labores de predicción, prevención, determinación de escenarios futuros, monitorización de ciertos elementos del medio natural así como la estimación del cambio producido en las diferentes clases de uso/ocupación de suelo.

El cambio es la principal manifestación del transcurrir del tiempo. Este cambio se manifiesta en todos los aspectos de la realidad, sin embargo la principal faceta del cambio que aquí se tratará es: el cambio de uso/ocupación de suelo, entendiendo este cambio como fruto de la evolución natural del territorio o producido por una serie de procesos antrópicos inducidos por causas de tipo político, económico, social, demográfico, etc.

ÁLGEBRA DE IMÁGENES-DETECCIÓN DE CAMBIOS

La resta suele utilizarse para examinar las diferencias absolutas entre un par de imágenes tomadas en distinta fecha. El resultado es una imagen continua con valores positivos y valores negativos, el valor cero indica la no existencia de cambio entre las dos fechas. Entre las dos fechas puede haber un cambio considerado como normal por lo que solo los valores mínimos y máximos de la imagen resta corresponden a un cambio real, de la determinación óptima del umbral de cambio dependerá el éxito del análisis multitemporal.

Visualmente la imagen de cambio es una imagen en niveles de gris donde los tonos de gris intermedios muestran zonas en las que el uso/ocupación de suelo no ha experimentado cambio y los valores extremos de la imagen correspondientes con los tonos blancos y negros corresponden al cambio de uno u otro signo acaecido entre ambas fechas.

INTERPRETACIÓN DE LAS IMÁGENES DE CAMBIO

La interpretación de las imágenes de cambio se ha llevado a cabo tomando no el área completa de estudio sino considerando unos casos significativos dentro de la misma, elementos que tipifican la respuesta del sector objeto del trabajo. Para ello se ha utilizado la metodología del análisis visual de imágenes que tiene en cuenta criterios de análisis propios de la fotointerpretación y que no pueden ser fácilmente implementados mediante técnicas de tratamiento digital de imágenes, ya que esta tecnología se basa exclusivamente en los niveles digitales registrados por el sensor. Estos criterios permiten discriminar cambios con un comportamiento espectral similar pero con un significado temático diferente.

Los criterios de interpretación utilizados han sido los siguientes:

Tono: hace referencia a la intensidad de energía registrada por el sensor en un determinada banda. Cada cubierta de usos/ocupación de suelo tiene unos determinados tonos según la banda espectral del satélite que estemos utilizando.

Color: La composición coloreada de distintas bandas espectrales de una misma escena produce un aumento de la información disponible para poder interpretar una determinada imagen.

Textura: Esta cualidad hace referencia a la aparente suavidad o rugosidad de determinadas áreas de la imagen y esfruto de la relación entre el tamaño de los objetos representados en la imagen y la resolución espacial del sistema sensor.

Entorno espacial: Determinadas cubiertas de interés pueden ser discriminadas con criterios de interpretación basados en el conocimiento del área de estudio por parte del interprete. El contexto espacial es imposible de abordar por técnicas digitales y permite afinar los resultados de cualquier tipo de interpretación.

Otros criterios para la interpretación visual de las imágenes son el reconocimiento de patrones espaciales, formas y contornos de elementos presentes en la imagen fruto de la ocupación antrópica del territorio. Y elementos propios de la fecha de adquisición de las imágenes como son el conocimiento de la fenología del área de estudio y las sombras de la imagen. Requerimientos específicos: Información: Mapa de extensión de ecosistemas actualizado Mapa de extensión de ecosistemas de referencia (línea base) Software: ILWIS EXCEL ARCVIEW Hardware: Estación de trabajo SIG Personal: Experto en SIG- Sensores Remotos.

Apoyo: Expertos temáticos en ecosistemas marinos. Condiciones previas:

• Mapas temáticos de extensión de ecosistemas multitemporales de las diferentes áreas de referencia.

• Procesamiento digital de las imágenes Landsat ETM actualizadas de las zonas de referencia. Desarrollo:

5. Generar mapa de cambios en la extensión de ecosistemas en las diferentes áreas de referencia con respecto a la línea base inicial.

6. Generar gráfico multitemporal de barras con los cambios de extensión de ecosistemas en las áreas de referencia.

Algoritmo: en EXCELL y modelling de PCI Geomatica Perdida y/o Ganancia: PYG = AreaActualEcosistema – AreaReferenciaEcosistema (línea base)

Detección de Cambios: Para Arrecifes de Coral: if(%2 =1 0r %2 = 2 and %1 != 1 or %1 != 2) then %3 = 9 “ganancia de área” else if(%2 !=1 0r %2 != 2 and %1 = 1 or %1 = 2) then %3 = 10 “perdida de área” else %3 = %1 “sin cambio” endif endif donde: %1 = áreas de ecosistemas de referencia (línea Base) %2 = áreas de ecosistemas actual %3 = canal donde se guarda el resultado de los cambios de área (perdida/ganancia) Para Pradera de Pastos Marinos: if(%2 =3 and %1 != 3) then %3 = 9 “ganancia de área” else if(%2 !=3 and %1 = 3) then %3 = 10 “perdida de área” else %3 = %1 “sin cambio” endif endif donde: %1 = áreas de ecosistemas de referencia (línea Base) %2 = áreas de ecosistemas actual %3 = canal donde se guarda el resultado de los cambios de área (perdida/ganancia)

Para bosques de manglar if(%1 = 10 and %2 != 9) then %3 = 17 “Ganancia” else if(%1 != 10 and %2 = 9) then %3 = 18 “perdida” else %3 = %1 “Sin Cambio” endif donde: %1 = áreas de ecosistemas de referencia (línea Base) %2 = áreas de ecosistemas actual %3 = canal donde se guarda el resultado de los cambios de área (perdida/ganancia)

Ejemplo:

Cobertura Año 2000 Año 1986 Perdida y/o Ganancia Arrecife de Coral 7935,52 8519,122 -583,6 -6,85% Pradera de Pastos 4482,97 4181,95 301,02 7,20% Bosque de Manglar 249,2795 308,2489 -58,969 -19,13% Fondos Arenosos 676,1169 367,3807 308,736 84,04% Sombras y nubes 0 399,3021 Tabla 1: Perdida y/o Ganancia de ecosistemas costeros 1986-2000 Archipiélago de San Bernardo.

0100020003000400050006000700080009000

Arrecife deCoral

Pradera dePastos

Bosque deManglar

FondosArenosos

Sombras ynubes

Año 1986Año 2000

Gráfico 1 Perdida y/o Ganancia de ecosistemas costeros 1986-2000 Archipiélago de San Bernardo.

Ejemplo: 1 Mapa temático perdida y ganancia 1986-2000 de praderas de Fanerógamas Archipiélago de San Bernardo

Ejemplo: 2 Dinámica de Bosques de Manglar 1986-2000 Bahia de Cispatá. Rojo indica perdida, verde ganancia.

Cobertura Año 2000 Año 1986 perdida/ganacia Bosque de Manglar 8657,77 9332,91 -675,14 Cultivos y Pastos 37975,86 36351,03 1624,82 Tabla 2: Perdida y/o Ganancia Bosque de Manglar 1986-2000 Bahía de Cispatá.

0,005000,00

10000,0015000,0020000,00

25000,0030000,00

35000,0040000,00

Bosque deManglar

Cultivos yPastos

Año 1986Año 2000

Gráfico 2: Perdida y/o Ganancia Bosque de Manglar 1986-2000 Bahía de Cispatá

Observaciones:

Referencias: EASTMAN, J.R.; MCKENDRY, J.E. (1991). Change and time series analysis. UNITAR. Geneve FUNG, T.; LE DREW, E. (1987) Application of principal component analysis to change detection. International Journal of Remote Sensing, 53,1649-1658. FUNG, T.; LE DREW, E. (1988) The determination of optimal treshold levels for changa detection using various accuary indices. International Journal of Remote Sensing, 54,1449-1454. JENSEN, J,R. (1990) Introductory Digital Image Processing. A remote sensing perspective. Prentice Hall. Enlewood Cliffs. MALILA, W.A. (1980) Change Vector Analysis: An aproach for detecting forest changes with Landsat. Machine Processing of Remotely Sensed Data Symposium, 326-335. PICCHIOTTI, A.; CASACCHIA, R.; SALVATORI, R. (1997). Multitemporal Analysis of spectral and spatial features of the Venice Lagoon. . International Journal of Remote Sensing, 18, 183-196. RICHARDSON, A.J. ; WIEGAND, C.L. (1977) Distinguishing vegetation from soil background information. Motogrammetric Engineering and Remote Sensing, 43, 1541-1552 SNODGRASS, R. (1987) The temporal Query Language Tquel. ACM transactions database systems, 12, 247-297. TOWNSHEND, J.R.G.; GOFF, T.E.; TUCKER, C.J. (1985). Multitemporal dimensionality of images of Normalized Difference Vegetation Index at continental scales. IEEE Pansactions on Geoscience and Remote Sensing, vol. GE-23, nº 6, 888-895.


INVEMAR


Protocolo: Densidad y vigor de ecosistemas Objetivo: Medir la densidad y el vigor de los ecosistemas marinos y costeros (manglares, arrecifes de coral, praderas de pastos marinos) con relación a una línea base inicial. Alcance: Se aplica en áreas de referencia y control así: Arrecifes coralinos: Islas del rosario Archipiélago de San Bernardo Archipiélago de San Andrés y Providencia Praderas de pastos marinos: Departamento de la Guajira Archipiélago de San Bernardo Archipiélago de San Andrés y Providencia Manglares: Ciénaga Grande de Santa Marta Golfo de Morrosquillo Ciénaga de la Virgen – Bolívar Bahía de Cispatá Golfo de Uraba Departamento del Choco Departamento del Valle de Cauca Departamento del Cauca Departamento de Nariño Escala de Trabajo: 1:100.000 Formato de salida: Gráfico multitemporal comparativo de cambio de áreas por área de

referencia. Mapa de análisis multitemporal por área de referencia. Requerimientos: Información: Mapa de extensión de ecosistemas actualizado Mapa de extensión de ecosistemas de referencia (línea base) Índice de Vegetación NVI, Índice de coral, Indice de cobertura atenuado

inverso (ICAI) para ecosistemas sumergidos. Software: ILWIS EXCEL ARCVIEW Hardware: Estación de trabajo SR/SIG

Personal: Experto en SIG- Sensores Remotos.

Apoyo: Expertos temáticos en ecosistemas marinos. Diagrama de procesos:

Recomendaciones:

• Contar con la información actualizada y de referencia validadas y estandarizadas.


Protocolo: Densidad y vigor de ecosistemas Proceso: Análisis de índices de cobertura de ecosistemas marinos y costeros Términos y definiciones: Radiación Electromagnetica.

Anteriormente se definió la teledetección como aquella técnica que nos permite obtener información a distancia de los objetos situados sobre la superficie terrestre. Para que esta observación remota sea posible, es preciso que entre los objetos y el sensor exista algún tipo de interacción. Nuestros sentidos perciben un objeto sólo cuando pueden descifrar la información que este les envía. Por ejemplo, somos capaces de ver un árbol porque nuestros ojos reciben y traducen convenientemente una energía luminosa procedente del mismo. Esa señal además, no es originada por el árbol, si no por un foco energético exterior que le ilumina. De ahí que no seamos capaces de percibir ese árbol en plena oscuridad.

Este sencillo ejemplo nos sirve para introducir los tres principales elementos de cualquier sistema de teledetección: sensor (nuestro ojo), Objeto Observado (árbol) y flujo energético que permite poner a ambos en relación. En el caso del ojo, ese flujo procede del objeto por reflexión de la luz solar. Podría también tratarse de un tipo de energía emitida por el propio objeto, o incluso por el sensor. Éstas son, precisamente, las tres formas de adquirir información a partir de un sensor remoto: Por reflexión, por emisión y por emisión-reflexión

La primera de ellas es la forma más importante de teledetección pues se deriva directamente de la luz solar, (principal fuente de energía de nuestro planeta).

El sol ilumina la superficie terrestre, que refleja esa energía en función del tipo de cubierta presente sobre ella. Ese flujo reflejado se recoge por el sensor, que lo trasmite posteriormente a las estaciones receptoras. Entre superficie y sensor se interpone la atmósfera, que dispersa y absorbe parte de la señal original. De igual forma, la observación remota pueda basarse en la energía emitida por la propias cubiertas, o en la que podríamos enviar desde un sensor que fuera capaz, tanto de generar su propio flujo energético, como de recoger posteriormente su reflexión sobre la superficie terrestre.

En cualquiera de estos casos, el flujo energético entre la cubierta terrestre y el sensor constituye una forma de Radiación electro-magnética.

La radiación electromagnética tiene propiedades fundamentales y se comporta de varias maneras predecibles según los elementos esenciales de la teoría cuántica. consiste en un campo eléctrico (E) qué varía en magnitud y es perpendicular a la dirección en que la radiación está viajando, y un campo magnético (M) que esta orientado a los ángulos rectos al campo eléctrico. Ambos campos viajan a la velocidad de luz (C).

Como es sabido, la energía se transfiere de un lugar a otro por tres procesos: convección, conducción y radiación.

Históricamente las propiedades de la radiación electro-magnética se han explicado por dos teorías aparentemente contrapuestas: Aquella que la concibe como un haz ondulatorio (Huygens,Maxwell), y aquella otra que la considera como una sucesión de unidades discretas de energía, fotones o cuantos, con masa igual a cero (Plank, Einstein). Actualmente, parece que las dos teorías se pueden compaginar, pues se ha demostrado que la luz puede comportarse de acuerdo a ambos planteamientos.

Según la teoría ondulatoria, la energía electro-magnética se trasmite de un lugar a otro siguiendo un modelo armónico y continuo, a la velocidad de la luz y conteniendo dos campos de fuerzas ortogonales entre sí: eléctrico y magnético.

Las características de este flujo energético pueden describirse por dos elementos: Longitud de onda (l) y Frecuencia (F). La primera hace referencia a la distancia entre dos picos sucesivos de una onda, mientras que la frecuencia designa el número de clicos pasando por un punto fijo en una unidad de tiempo. Ambos elementos están inversamente relacionados:

c=lF

Donde c indica la velocidad de la luz (3 x 108 m/s), l expresa la longitud de onda (habitualmente en micrómetros, 1 mm=10-6 m) y F la frecuencia (Hertzios, ciclos por segundo). En definitiva, a mayor longitud de onda, menor frecuencia y viceversa, por lo que basta con indicar un solo término para identificar propiamente el tipo de energía mencionado.

Gracias a la teoría cuántica, podemos calcular la cantidad de energía transportada por un fotón , siempre que se conozca su frecuencia:

Q=hF

Donde Q es la energía radiante de un fotón (en julios), F la frecuencia y h la constante de Planck (6.66 x 10-34J.s), sustituyendo en la ecuación c=lF, podemos asimismo expresar: Q=h(c/l).Lo que significa, que a mayor longitud de onda o menor frecuencia el contenido energético será menor y viceversa. Esto implica que la radiación en longitudes de onda largas es más difícil de detectar que aquella proveniente de longitudes cortas, de ahí que las primeras requieran medios de detección más refinados.

EL ESPECTRO ELECTRO-MAGNÉTICO.

Podemos definir totalmente cualquier tipo de energía dando su longitud de onda (o frecuencia).El espectro electromagnético es la sucesión continua de esos valores de frecuencia, aunque conceptualmente se divide en bandas, en las que la radiación electromagnética manifiesta un comportamiento similar. La organización de estas bandas de longitudes de onda o frecuencia se denomina Espectro Electro-magnético . Comprende desde longitudes de onda más cortas (rayos gamma, rayos X), hasta las kilométricas (tele-comunicaciones). Las unidades de medida más comunes se relacionan con la longitud de onda. Para las más cortas se utilizan micrómetros, mientras que las más largas se miden en centímetros o metros. Normalmente a estas últimas (denominadas micro-ondas) se las designa también por valores de frecuencia (en Gigahertzios= 109 Hz).

Desde el punto de vista de la teledetección, conviene destacar una serie de bandas espectrales, que son las más frecuentemente empleadas con la tecnología actual. Su denominación y amplitud varían según distintos autores, si bien la terminología más común es la siguiente:

El Espectro visible (0.4 a 0.7 mm). Es la única radiación electromagnética perceptible por el ojo humano (de ahí su nombre). Coincide con la longitud de onda donde es máxima la radiación solar. Podemos localizar los distintos colores en las longitudes:

Azul: 0.4 - 0.5 mm Verde: 0.5 - 0.6 mm Rojo: 0.6 - 0.7 mm

Suelen distinguirse tres bandas o colores elementales, que se denominan:

Azul: 0.446 - 0.500 mm

Verde: 0.500 - 0.60 mm

Rojo: 0.600 - 0.70 mm

Los colores elementales están asociados a estas longitudes de onda.

Infrarrojo próximo (0.7 a 1.3 mm). A veces se les denomina también infrarrojo reflejado o fotográfico, puesto que parte de él puede detectarse a partir de filmes dotados de emulsiones especiales. Resulta de especial importancia por su capacidad para discriminar masas vegetales y concentraciones de humedad.

Infrarrojo próximo (1.3 a 8 mm), en donde se entremezclan los procesos de reflexión de la luz solar y de emisión de la superficie terrestre. Resulta Idóneo para estimar contenido de humedad en la vegetación y detección de focos de alta temperatura.

Infrarrojo lejano o térmico (8 a 14 mm), que incluye la porción emisiva del espectro terrestre, en donde se detecta el calor proveniente de la mayor parte de las cubiertas terrestres.

Micro-ondas (a partir de 1 mm), con gran interés por ser un tipo de energía bastante transparente a la cubierta nubosa.

Se trata de las mayores longitudes de onda utilizadas en teledetección. La observación de esta banda es compleja, y todavía no muy común. Pero el interés está creciendo debido a que en estas frecuencias la atmósfera es transparente y no existe el problema de que las cubiertas nubosas oculten la superficie terrestre.

Como la emitan cía de los objetos es muy baja en esta banda, es muy difícil detectar flujo. Los aparatos que lo hacen se llaman radiómetros de microondas. Por lo tanto, se construyen sensores para esta banda que emiten su propio haz de microondas, del que posteriormente recogerán su reflexión (teledetección activa).

En este tipo de sistemas, tiene mucha importancia la rugosidad de la superficie para cómo sea la señal de retorno. Por ejemplo los suelos rugosos y secos tendrán un mayor coeficiente de retro-difusión, y por tanto, aparecerán en tonos más claros en las imágenes radar.

Interaccion De La Atmosfera Con La Radiacion Electromagnetica.

Entre el sensor y la superficie terrestre se interpone la atmósfera que interfiere de formas diversas con el flujo radiante. Como es sabido la atmósfera se compone de gases -anhídrido carbónico, oxigeno, ozono, nitrógeno y argón principalmente, vapor de agua y aerosoles.

La energía solar incidente en nuestro planeta está cifrada en 340 Wm-2 (vatios/m2). De toda ella, sólo 173 Wm-2 llegan a la superficie terrestre, este factor de reducción o ALVEDO habrá de ser tenido en cuenta a la hora de interpretar la respuesta de los objetos. En el trayecto seguido por la radiación electromagnética ésta sufrirá tres fenómenos principales:

- Absorción

- Dispersión

- Emisión

Sus efectos se manifiestan en un emborronamiento de la imagen; se reduce el contraste y la cantidad total de radiación que llega al sensor. Existen diversas correcciones en forma de algoritmos para tratar estos efectos.

Entre estos componentes, el anhídrido carbónico, ozono y vapor de agua son los principales responsables de la interacción con la energía electro-magnética. Su efecto es triple como ya se menciono anteriormente: (i) absorción: Proceso por el cual las moléculas y partículas de la atmósfera absorben la energía radiante (65 Wm-2) y la transforman en energía interna que posteriormente será emitida en el infrarrojo térmico. La atmósfera reduce así la observación espacial a ciertas bandas concretas del espectro, llamadas ventanas atmosféricas. Pero si lo que se pretende es estudiar la atmósfera (satélites meteorológicos), los sensores se diseñarán para captar la radiación precisamente en aquellos lugares donde la absorción atmosférica sea más alta.; (ii) dispersión: Este fenómeno se traduce en un redireccionamiento o pequeño desvío del camino recto de propagación. Es causado por la interacción entre la radiación y los gases y partículas atmosféricas. La reflexión consiguiente a ese choque, supone un aporte adicional a la radiancia proveniente de la superficie terrestre. Se reduce por tanto la radiancia directa, aumentando la difusa. (iii) emisión: Como cualquier cuerpo con temperatura mayor que -273 ºK, emite su propia radiación, que lógicamente tiene mayor importancia en el infrarrojo térmico. Por tanto, su efecto es fundamental si pretendemos trabajar en dicha banda del infrarrojo térmico. Como todo cuerpo caliente, que tiene su mayor importancia en el infrarrojo térmico. Estos procesos introducen modificaciones, en ocasiones muy severas, en la radiación originalmente propagada entre la cubierta y el sensor.

Absorción atmósferica : La atmósfera se comporta como un filtro selectivo a distintas longitudes de onda, de tal forma que en algunas bandas del espectro elimina prácticamente cualquier posibilidad de observación remota. Los principales causantes de esta absorción son:

· Oxígeno atómico (O2), que filtra las radiaciones ultravioleta por debajo de 0.1µm, así como pequeños sectores en el infrarrojo térmico y las micro-ondas.

· Ozono (O3), responsable de la eliminación de la energía ultravioleta. inferior a 0.3µm, así como en un sector de las micro-ondas (en torno a 27 mm).

· Vapor de agua, con una fuerte absorción en tomo a 6 mm y otras menores entre 0.6 y 2µm.

· Anhídrido carbónico (CO2), que absorbe en el infrarrojo térmico (15µm), con importantes efectos en el infrarrojo medio, entre 2.5 y 4.5 µm.

Como consecuencia de esta absorción la observación espacial se reduce a determinadas bandas del espectro, conocidas como ventanas atmosféricas. en donde la transmisividad de la atmósfera es suficientemente alta . Las principales ventanas atmosféricas son las siguientes: (i) espectro visible e infra-

rrojo cercano, situada entre 0.3 y 1.35 µm. (ii) varias en el infrarrojo medio: de 1.5 a 1.8 µm, 2.0 a 2.4 µm, 2.9 a 4.2µm. y 4.5 a 5.5 µm; (iii) infrarrojo térmico, entre 8 y 14 µm , y (iv) micro-ondas, por encima de 20 mm, en donde la atmósfera es prácticamente transparente.

Estas ventanas atmosféricas son idóneas para realizar procesos de teledetección, por lo que el diseño de los sensores espaciales tiende a ajustarse a estas bandas, evitando interferencias extrañas al fenómeno que pretende observarse, salvo la presencia de nubes, que absorben en todo el espectro óptico. Si se pretende, por el contrario, observar la atmósfera en lugar de la superficie terrestre, los sectores espectrales más convenientes son, precisamente , aquellos en donde la absorción atmosférica es alta. Por esta razón, los satélites meteorológicos incorporan bandas de estas regiones del espectro.

Dispersión Atmosférica: Es de gran importancia su efecto de absorción puede paliarse simplemente situando las bandas de observación en áreas donde la transmisividad atmosférica sea alta. Por ello, no resulta muy habitual encontrar ese problema en la interpretación de imágenes (salvo en caso de coberturas nubosas. Normalmente evitables gracias a una buena selección de la imagen). Mucho más complejo, sin embargo, es soslayar el efecto de dispersión causada por la atmósfera, presente en mayor o menor grado en cualquier imagen adquirida con sensores remotos.

La dispersión de la radiación electromagnética es causada por interacción entre‚ esta y los gases y partículas atmosféricas en suspensión. La reflexión consiguiente a ese choque supone un aporte adicional a la radiación proveniente de la superficie terrestre (luz atmosférica). En definitiva, se reduce la radiancia directa, aumentándose la difusa. Puesto que las partículas atmosféricas son muy variables en el tiempo y en el espacio, resulta muy complejo cuantificar su influencia final en la imagen adquirida por el sensor. Pese a ello, convendrá tener en cuenta este factor, especialmente cuando se pretenda convertir los valores digitales de la imagen a parámetros Físicos, o se aborden estudios multi-temporales.

Los principales causantes de la dispersiòn atmosférica son los aerosoles el vapor de agua. Los aerosoles son partículas en suspensión de origen muy diverso: oceánico debidas al movimiento de las aguas-, o continental, polvo en suspensión o partículas emitidas por combustión. En función de su origen y características poseen muy variados tamaños, lo que implica distintos tipos de dispersión, ya que, ésta es muy dependiente de su diámetro. De esta forma se habla de dispersión Rayleigh, cuando afecta a longitudes de onda inferiores al diámetro de la partícula; dispersión Mie, cuando se trata de partículas de diámetro similar a la longitud de onda, y de dispersión no selectiva, cuando se menciona las partículas de mayor tamaño.

La dispersión Rayleigh afecta a las longitudes de onda más cortas. Es la más conocida y la de mayor influencia en teledetección, causante, por ejemplo del color azul del cielo. En fotografía área, es muy claro su efecto por el tono azulado que presentan los fotogramas cuando se realizan, desde cierta altura. Cualquier observador distante puede comprobar este resultado, especialmente en los meses de verano, cuando se difumina el paisaje al divisarlo a largas distancias.

En cuanto a la dispersión Mie, es También dependiente de la longitud de onda, si bien en menor grado que la anterior. Aerosoles y polvo atmosférico son los principales responsables de este tipo de dispersión, aunque también está presente en incendios forestales o en brumas costeras. Por último, en cuanto a la dispersión no selectiva afecta por igual a diversas longitudes de onda. Por esta razón, las nubes o nieblas tienden a aparecer blancas, ya que dispersan por igual toda la luz visible.

Los procesos de dispersión son muy complejos y difíciles de cuantificar en la imagen resultante. Normalmente no se dispone de datos coetáneos a la adquisición de ésta, por lo que la corrección atmosférica se basa en relaciones entre elementos de la propia imagen. Esta estimación puede ser burda en algunos casos, dificulta, en última instancia el uso de la imágenes adquiridas por sensores espaciales como medida cuantitativa de parámetros bio-físicos.

Emisión Atmosférica

El efecto de emisión atmosférica resulta fundamental en el trabajo dentro del infrarrojo térmico. Si se pretenden obtener mediciones de temperatura a partir de las imágenes espaciales. Al igual que cualquier cuerpo por encima del cero absoluto, la atmósfera emite energía caloríca, por lo que ese parámetro debe considerarse por separarlo de la emitancia espectral proveniente del suelo. Esos procesos de corrección atmosférica se han abordado habitualmente, mediante el análisis combinado de la señal captada en dos bandas situadas en el infrarrojo térmico. Son los denominados algoritmos de ventana paflida (split window).

Características De La Radiación Energética En El Espectro Óptico.

Se denomina dominio óptico del espectro a aquel grupo de longitudes de onda directamente dependientes de la energía solar, además se analizará lo correspondiente al infrarrojo medio, cuando los procesos de reflexión son dominantes sobre los de emisión.

En consecuencia, conviene analizar con más detenimiento en este apartado las características espectrales del sol, fuente principal de energía radiante en nuestro planeta. Más adelante nos detendremos en analizar el comportamiento de las principales coberturas terrestres frente a este tipo de radiación.

El sol se encuentra a una temperatura radiante próxima a los 6.000 K. Esto implica, según la ley de Wien, que su máxima emitancia espectral se produce en torno a los 0.45 µm, coincidente con el color verde apreciado por nuestros ojos. La curva espectral de la radiación solar se asemeja bastante a la de un cuerpo negro a esa temperatura.

Ya hemos visto antes que esta banda constituye el grupo de longitudes de onda directamente dependientes de la luz solar. Es la banda de mayor interés para la observación remota de la superficie terrestre.

La radiación cuando entra en contacto con la superficie terrestre puede sufrir cuatro procesos diferentes: Figura 1, Figura 2

Parte será reflejada con un ángulo similar a aquél con el que haya incidido. Esta reflexión recibe el nombre de ESPECULAR.

Parte será reflejada uniformemente en todas direcciones. Reflexión LAMBERTIANA.

Parte será absorbida por el objeto, de modo que éste sufra un calentamiento. Más adelante perderá esa energía en forma de radiación en el infrarrojo térmico, el cuerpo se enfriará.

Parte será transmitida a otros objetos o a la superficie terrestre y no volverá al espacio exterior, donde se encuentra el sensor.

El flujo radiante se descompone en tres términos: fi = fr + fa + ft (flujo incidente es igual al reflejado más el absorbido más el transmitido). Dividiendo todos los términos entre f i obtenemos: 1 = r + a + t .

Siendo rigurosos, dependen de la longitud de onda: 1=rl + al + tl

El que esta proporción rl + al + tl varíe con la longitud de onda, es interesante para poder distinguir diversas zonas conociendo precisamente esa variación de proporciones. Las divergencias espectrales entre superficies, permitirán distinguirlas (especialmente los referidos a reflectividad, que suponen la principal fuente de información en teledetección), una vez hayan sido corregidos de los efectos causados por la atmósfera y otras anomalías. En el espectro visible, esta divergencia se manifiesta en lo que llamamos 'color'.

Teniendo en cuenta la componente de reflectividad (rl), que es lo que podemos medir con el sensor, podremos saber qué tipo de superficie es la que da esa firma espectral.

En cuanto a las condiciones de observación, conviene tener presente que la cantidad de energía que llega la sensor depende del ángulo con que la superficie refleje la energía incidente, así como del que formen el haz incidente con la posición del sensor. Esta geometría de observación está estrechamente ligada a la rugosidad que presenta la superficie. A este respecto , pueden distinguirse dos tipos de cubiertas : aquellas que reflejan la energía con el mismo ángulo de flujo incidente (especular), y aquellas que lo reflejan uniformemente en todas las direcciones (lambertiana). En el primer caso , el sensor sólo recibe energía reflejada del suelo si está situado en la dirección del ángulo de reflexión, siendo nula en cualquier otro caso. Si la superficie lamberentiana, la radiancia es constante en cualquier ángulo de reflexión.

Comportamiento Espectral Teórico Para Los Tres Elementos Fundamentales Del Paisaje, En El Dominio Óptico

Vegetación vigorosa

Es especialmente variable, dependiendo de múltiples factores: estado fenológico, forma y contenido en humedad. De manera general se puede decir que presenta una reducida reflectividad en las bandas visibles, con un máximo relativo en la región del verde (0.55 µm). Esto es debido al efecto absorbente de los pigmentos fotosintéticos de las hojas. De entre estos, las hojas contienen clorofila que absorben las longitudes de onda del rojas y azules. Por eso, en vegetación no vigorosa la clorofila no absorbe tanto y la hoja se torna a un color amarillento (verde + rojo).

La estructura celular interna da la elevada reflectividad en el infrarrojo cercano que luego va reduciéndose paulatinamente hacia el infrarrojo medio. Por tanto, el contraste más nítido se presenta entre las bandas visibles (especialmente rojo) y el infrarrojo cercano. Cuanto mayor sea ese contraste, mayor será el vigor de la vegetación.

Estos tres parámetros: cantidad de pigmentos, estructura celular y contenido en agua, manifestados por la respuesta espectral de esa masa de vegetación de la que forman parte, puede servir para discernir entre unas especies y otras, su nivel de desarrollo e incluso entre su estado sanitario.

Agua :Absorbe o transmite la mayor parte de la radiación visible que recibe. Por tanto presentará una curva espectral plana, baja y de sentido descendente. De todas formas, en aguas poco profundas, la reflectividad aumenta. Los factores que afectan a este comportamiento son: profundidad, contenido en materias en suspensión (clorofila, arcillas y nutrientes) y rugosidad de la superficie (éste último factor extremadamente importante).

Por su parte, la nieve ofrece un comportamiento completamente diferente a el del agua, con una reflectividad elevada en las bandas visibles, reduciéndose drásticamente en el infrarrojo cercano.

Suelos: Muchas veces son invisibles, debido a la vegetación. Para suelos desnudos, comportamiento espectral mucho más uniforme que el de la vegetación. La curva espectral que presentan es bastante plana y de carácter ligeramente ascendente.

El comportamiento espectral del suelo desnudo es mucho más uniforme que el de la vegetación, mostrando una curva espectral bastante plana y de carácter ascendente. Los principales factores que intervienen en este caso son la composición química del suelo, su textura y estructura y el contenido en humedad. Por ejemplo, un suelo de origen calcáreo tiende al color blanco, indicando alta reflectividad en todas las bandas visibles, mientras que los arcillosos ofrecen una mayor reflectividad en el rojo, como consecuencia de su contenido en óxido de hierro. La reflectividad espectral presenta mayores valores en suelos de textura gruesa, apelmazados, secos y sin materia orgánica. Como ya se ha dicho para la vegetación, el contenido en humedad es uno de los elementos destacados en la reflectividad en longitudes de onda largas (infrarrojo medio) y así suelos con alto contenido en humedad darán una reflectividad baja en esa banda. Cuanto más seco y apelmazado sea un suelo, mayor será su reflectividad.

Comportamiento Espectral Teórico Para Los Tres Elementos Fundamentales Del Paisaje, En El Dominio Del Infrarrojo Térmico

vegetación Presenta unas propiedades en general bastante complejas. Como absorbe energía solar durante el día, y la devuelve durante la noche, está más caliente que el aire que la rodea durante la noche, y más fría que su entorno durante el día.

suelos y agua : El factor más destacado es su contenido de humedad. A mayor humedad, más frío estará durante el día y más cálido durante la noche, con respecto a los suelos secos. El agua posee la mayor inercia térmica debido a su alta conductividad. Es más difícil que cambie su temperatura. Requerimientos específicos: Información: Mapa de extensión de ecosistemas actualizado Mapa de extensión de ecosistemas de referencia (línea base) Software: PCI Geomatica

ILWIS EXCEL ARCVIEW Hardware: Estación de trabajo SIG/SR Personal: Experto en SIG- Sensores Remotos.

Apoyo: Expertos temáticos en ecosistemas marinos. Condiciones previas:

• Mapas temáticos de extensión de ecosistemas multitemporales de las diferentes áreas de referencia.

• Indices de cobertura (NVI,IC, ICAI) • Procesamiento digital de las imágenes Landsat ETM actualizadas de las zonas de referencia.

Desarrollo:

7. Generar mapa de densidad y vigor de ecosistemas en las diferentes áreas de referencia con respecto a la línea base inicial.

8. Generar gráfico multitemporal de barras con los cambios de la densidad y el vigor de ecosistemas en las áreas de referencia.

Algoritmo: en EXCELL

Para manglares n

IDV = [∑∑∑∑NVIi*APixi ]/ ATotal i=1

donde: NIVi = Indice de vegetación para cada clase i sobre el área de bosque de manglar. APixi = Area para cada clase i sobre el área de bosque de manglar. Attotal = Área total del bosque de manglar.

Para Arrecifes de Coral n

IDV = [∑∑∑∑ICi*APixi ]/ ATotal i=1

donde: ICi = Indice de Coral para cada clase i sobre el área del arrecife de coral. APixi = Area para cada clase i sobre el área del arrecife de coral. Attotal = Área total del arrecife de coral.

Para Pradera de Fanerógama n

IDV = [∑∑∑∑ICAIi*APixi ]/ ATotal i=1

donde: ICAIi = Indice de Cobertura Atenuado Inverso para cada clase i sobre el área de la pradera de fanerógama. APixi = Area para cada clase i sobre el área de la pradera de fanerógama. Attotal = Área total de la pradera de fanerógama. Ejemplo:

Ejemplo: 3 Índice de Vegetación aplicado a las áreas de manglar Bahía de Cispatá año 1986

Ejemplo: 2 Índice de Vegetación aplicado a las áreas de manglar Bahía de Cispatá año 2000

Tabla 1: Tablas de valores de IVN Bahía de Cispatá para los años 1986 y 2000

IVN Bahía Cispatá

0,561479213

0,374941769

0

0,1

0,2

0,3

0,4

0,5

0,6

1986 2000

IVN Bahía Cispatá

Gráfico 3 IVN multitemporal 1986-2000 Bahía de Cispatá

Ejemplo: 3 Índice Coral Archipiélago de San Bernardo 1986.

Ejemplo: 4 Índice Coral Archipiélago de San Bernardo 2000.

Tabla 2 Valores del Índice de Coral 1986-2000 Archipiélago de San Bernardo

Indice Coral Archipiélago de San Bernardo

61,30808488

48,2081034

0

10

20

30

40

50

60

70

1986 2000

Indice Coral Archipiélagode San Bernardo

Gráfico 4 IC multitemporal 1986-2000 Archipiélago de San Bernardo

Ejemplo: 5 Índice Fanerogama Archipiélago de San Bernardo 1986.

Ejemplo: 6 Índice Fanerógama Archipiélago de San Bernardo 2000.

Tabla 3 Valores del Índice Fanerógama 1986-2000 Archipiélago de San Bernardo

Indice Fanerogama Archipiélago de San Bernardo

44,85

18,14

0

10

20

30

40

50

1986 2000

Indice FanerogamaArchipiélago de SanBernardo

Gráfico 3 IF multitemporal 1986-2000 Archipiélago de San Bernardo Observaciones: Referencias:


INVEMAR


Protocolo: FRAGMENTACÓN DE ECOSISTEMAS MARINOS Y COSTEROS Objetivo: Determinar el estado de fragmentación de los principales ecosistemas marinos y costeros (Arrecifes de Coral, Praderas de pastos marinos, manglares, humedales) Alcance: Se aplica en áreas de referencia y control así: Arrecifes coralinos: Islas del rosario Archipiélago de San Bernardo Archipiélago de San Andrés y Providencia Praderas de pastos marinos: Departamento de la Guajira Archipiélago de San Bernardo Archipiélago de San Andrés y Providencia Manglares: Ciénaga Grande de Santa Marta Golfo de Morrosquillo Ciénaga de la Virgen – Bolívar Bahía de Cispatá Golfo de Uraba Departamento del Choco Departamento del Valle de Cauca Departamento del Cauca Departamento de Nariño Humedales Ciénaga Grande de Santa Marta Bahía de Cispatá Ciénaga de la Virgen Escala de Trabajo: 1:100.000 Formato de salida: Gráfico multitemporal de fragmentación de ecosistemas. Requerimientos: Información: Mapa de extensión de ecosistemas actual. Mapa de extensión de ecosistemas de referencia (año 1987) Software: Procesador de Sensores Remotos PCI Geomatica ILWIS EXCEL ARCVIEW

Hardware: Estación de trabajo SIG Personal: Experto en SIG- Sensores Remotos.

Apoyo: Expertos temáticos en ecosistemas marinos.

Diagrama de procesos: Recomendaciones:


Protocolo: FRAGMENTACÓN DE ECOSISTEMAS MARINOS Y COSTEROS

Proceso: CALCULO DE LA FRAGMENTACIÓN

Términos y definiciones: Fragmentación del habitat. Definición. La fragmentación es la división de un hábitat continuo en pedazos más pequeños y aislados, cuyos resultados son: la reducción del área total del hábitat, la reducción del tamaño de los parches de hábitat y el aumento del aislamiento en las poblaciones que los habitan (ECOTONO, 1996). Según Primack (1998) el proceso de fragmentación no ocurre al azar, las áreas mas accesibles de topografía poco accidentada y con alta productividad son las primeras en ser alteradas para utilizar las tierras en agricultura, asentamientos humanos o extracción forestal. Consecuencias. La fragmentación puede ocasionar la extinción local o regional de especies, la pérdida de recursos genéticos, el aumento en la ocurrencia de plagas, la disminución en la polinización de cultivos, la alteración de los procesos de formación y mantenimiento de los suelos (erosión), evitar la recarga de los acuíferos, alterar los ciclos biogeoquímicos, entre otros procesos de deterioro ambiental (Bustamante & Grez, 1995). Caracteristicas de ecosistemas fragmentados. La fragmentación del paisaje produce una serie de parches de vegetación remanente rodeados por una matriz de vegetación distinta y/o uso de la tierra. Los efectos primarios de esta fragmentación se reflejan en las alteraciones microclimáticas dentro y alrededor del remanente (parche) y el otro efecto es el aislamiento de cada área con respecto a otras áreas remanentes dentro del paisaje. Es así que, en un paisaje fragmentado existen cambios en el ambiente físico como en el biogeográfico (Saunders et al., 1991). Cambios Microclimáticos. La fragmentación del paisaje tiene como resultado cambios en los flujos físicos a través del paisaje. Alteraciones en los flujos de radiación, viento y agua pueden tener efectos importantes sobre la Vegetación nativa remanente (Saunders et al., 1991). Flujos de radiación.- El balance energético de un paisaje fragmentado sería muy distinto de otro con una total cobertura vegetal nativa, especialmente donde la vegetación nativa fue densa antes de ser removida. La remoción de vegetación nativa y el reemplazo de ésta con especies cultivables con diferente morfología y fenología altera el balance de radiación por el incremento de la radiación solar en la superficie durante el día, cambiando el albedo, e incrementando la reradiación en la noche. Esto produce que las especies tolerantes a las sombras se vean restringidas al interior de los parches. Por otro lado el proceso del ciclo de nutrientes puede ser afectado por el incremento de la temperatura del suelo y sus efectos sobre la actividad de microorganismos del suelo y numerosos invertebrados (Parker 1989). Viento.- El incremento de la exposición al viento de los paisajes fragmentados puede ocasionar daños sobre la vegetación, también por daños físicos directos, o por el aumento de la evapotranspiarción, reduciendo así la humedad y aumentando la desecación (Lovejoy et al., 1986). Flujo de agua.- La fragmentación del paisaje influye en la modificación del régimen local del agua por la alteración de varios componentes del ciclo hidrológico. La remoción de la vegetación nativa produce

cambios en la intercepción de la cantidad de agua de lluvia y de la evapotranspiración y en consecuencia cambios en los niveles de humedad del suelo (Kapos, 1989). Aislamiento. La fragmentación del paisaje tiene dos consecuencias importantes para la biota. Primero, existe una reducción del área de hábitat disponible, con posibles incrementos en la densidad de la fauna sobreviviente en los remanentes, y la segunda consecuencia, es que los hábitats que son dejados fragmentados en remanentes se aíslan en diferentes grados. El tiempo desde el aislamiento, la distancia entre remanentes adyacentes y el grado de conectividad entre ellos son importantes para determinar la respuesta de la biota frente a la fragmentación (Saunders et al., 1991). Influencias modificantes. Tamaño del remanente: Los remanentes mas pequeños, tienen una gran influencia por los factores externos, en estos la dinámica del ecosistema es probablemente dirigida por factores externos que por fuerzas internas. En estos remanentes adquiere la importancia del efecto de borde. Los remanentes mas grandes tienen un gran área núcleo que no es afectado por el medio y los cambios bióticos asociados con el borde (Harris, 1988). El “área mínima dinámica” según Pickett & Thompson (1978) o “ las áreas mínimas con un régimen de disturbación natural las cuales mantienen recursos internos aprovechables” probablemente podrían existir solamente en extensos sitios de conservación. Por otro lado, trabajos realizados recientemente por Steenmans y Pinborg (2000) y Elorrieta et al. (2001) consideran parches de 6250 m2 (pixels de 250m) para determinar índices de fragmentación. Posición en el paisaje: La posición del remanente en el paisaje afecta a la prefragmentación de patrones geomorfológicos, de suelos y vegetación, y a partir de ésta se determina la estructura y la composición de la vegetación de algún remanente dado (Harris, 1988). Indices de Fragmentación. La fragmentación de los bosques, es un tipo de degradación que determina cambios en la relación perímetro/superficie, y tiene una directa relación en la formación del área de borde (Ab), y en la forma de las unidades de bosque. Es por esta razón que, un importante número de trabajos relacionados al tema utilizan índices estructurales simples (Cuadro 1) para la cuantificación de cambios en la cobertura forestal, un ejemplo de ello son los trabajos realizados en Argentina por Zerda et al. (1998) en zonas chaqueñas. Cuadro 1. Algunos índices estructurales simples para la cuantificación de cambios en la cobertura forestal.

(*) MAB: es la máxima superficie contínua de bosques en el paisaje estudiado Donde: S = superficie total

Ssj = sumatoria áreas de bosque Max ¦j ) = Area máxima (parche) de bosque

Al tratar de uniformizar metodologías con respecto a estudios ambientales en Europa, el índice de fragmentación utilizado (Cuadro 2) es el mismo, como se puede ver en trabajos de Steenmans y Pinborg (2000) realizado en gran parte de Europa y por Elorrieta et al. (2001) realizado en España. Fórmula utilizada para la obtención de índices de fragmentación IF = f / ((mean count/16) * (sum count / 16 )) Donde: f = frecuencia

mean count = Número total de celdas sensibles / número de complejos sum count = Número total de celdas sensibles 16 = Número de pixels a 250 m


• Delimitación normalizada del área a medir (zona de referencia) y mascara sobre el o los ecosistemas a medir.

Desarrollo: El índice de fragmentación elegido proviene de un trabajo de Steenmans y Pinborg (2000), de la Agencia Europea de Medio Ambiente, recogido en el capítulo 5 (Anthropogenic fragmentation of potencial seminatural and natural areas) de la publicación digital: From Land Cover to Landscape Diversity in the European Union. Se reclasificó el mapa de cobertura en dos clases: áreas naturales y no naturales o antropizadas. Se procedió a un remuestreo (resample) del mapa, para trabajar con pixels de 250 metros según indica el trabajo de Steenmans y Pinborg (2000). Se dividió la zona de estudio en cuadrantes de dos kilómetros por lado mediante una grilla. Para cada celda de la grilla se determinaron cuantos complejos naturales conectados y no conectados se encontraban dentro de la celda. Posteriormente se utilizó el filtro binario PEPPSALT con cuatro conexiones con el fin de eliminar aquellas áreas naturales que se encontraran aisladas o sin una de las cuatro conexiones (arriba, abajo, izquierda, derecha) a otro pixel de área natural. Posteriormente se obtuvieron los histogramas de cada celda de trabajo, antes del filtro y después del filtro, para saber exactamente cuantos complejos conectados y no conectados existían en dicha celda. Luego se llevaron todos los valores obtenidos a una tabla de EXCEL y a partir de estos datos un índice de fragmentación fue calculado para cada celda de la grilla, mediante la siguiente fórmula: Indice de fragmentación = frecuencia/((Cuenta media/16) * (Suma de areas naturales/16)) Donde: Frecuencia = Número de “pixels sensitivos” (complejos) conectados en cada celda de la grilla Cuenta media / 16 = tamaño promedio de los clases (clusters) en Km2 Suma de áreas naturales / 16 = área total de todos los pixels que son áreas naturales Cada pixel tiene un tamaño de 250 m, por eso 4 x 4 = 16 pixels que representan 1 km2

En la figura 4 se muestra un ejemplo para una celda de 2 x 2 Km.

Figura 4. Ejemplo para calcular un índice de fragmentación Los índices de fragmentación obtenidos fueron clasificados dentro de un rango de clases determinado según el trabajo de Stennmans y Pinborg (2000) que va de mínimo a extremo como se muestra en la siguiente tabla: Tabla 3. Clasificación de la fragmentación según el valor del índice.

Algoritmo: Cálculo estándar en ILWIS y EXCEL.

Ejemplo: 4

Ejemplo 15 Bosque de Manglar Bahía de Cispatá año 2000

Ejemplo 16 Identificación de fragmentos de manglar Bahía de Cispatá año 2000

Ejemplo 17 Resample a 250 mt y Grilla a 2000 Bosque de manglar bahía de Cispatá año 2000

Ejemplo 18 Grilla a 2000 metros para calcular el Índice de Fragmentación Bahía de Cispatá

Ejemplo 19 Índice de Fragmentación (Ifpromedio = 49.01) Bahía de Cispatá año 2000

Ejemplo 20 Tabla en ILWIS para el cálculo del IF Bahía de Cispatá

Ejemplo 21 Bosque de Manglar Bahía de Cispatá 1986

Ejemplo 22 Índice de Fragmentación (IFpromedio = 61.31) Bahía de Cispatá 1986

Observaciones:

Referencias: AGUILAR, C., E. MARTINEZ, L. ARRIAGA. 2000. Publicación digitaleEn: www.conabio.gob.mx/biodiversitas/deforestacion.html. BUSTOS, J., & P. CHACON DE ULLOA. 1999. Mirmecofauna asociada a dos zonas de perturbación variable en el Parque de los Farallones de Cali, In Memorias del primer Simposio de Biología, Universidad del Valle, Cali-Colombia, 3 p. BUSTAMANTE, R. Y A. GREZ. 1995. Consecuencias ecológicas de la fragmentación de los bosques nativos. Ciencia y ambiente, 11(2): 58-63. CEC. 1993. CORINE Land Cover, guide technique, Report EUR 1285EN. Office for Publications of the European Communities, Luxembourg, 144 pp. DALENCE, S., J. GUTIERREZ, G. GUZMAN, G. SEGOVIA. 1999. Levantamiento semidetallado de suelos en el valle alto. Zona Punata –Arani. Informe de trabajo de campo. CLAS. Cochabamba-Bolivia. 56 p. ECOTONO. 1996. Fragmentación y Metapoblaciones. Centro para la Biología de la Conservación. Invierno (1996): 2. European Environment Agency (EEA) & European Topic Centre (ETC). 1999. Land Cover, Corine Land Cover Technical Guide. En http://www.etc.satellus.se/the_data/technical_Guide.html. ELORRIETA, J. R. TORTAJADA, F. ALONSO-PASTOR, M. CABALLERO. 2000. En: http:/www.cfnavarra.es/Medioambiente/agenda/Biodiv/Intro.htm. FAO. 1999. Land Use Planning and Farming Systems Analysis. Rome. FUPAGEMA-PROBONA. 1994. Plan piloto de manejo de recursos forestales, agrícolas y de pastoreo en la comunidad de Pajchanti, La Paz-Bolivia, 205 p. HARRIS, L.D., 1988. Edge effects and conservation of biotic diversity. Conservation Biology 2:330-332. · KAPOS, V. 1989. Effects of isolation on the water status of forest patches in the Brazilian Amazon. Journal of Tropical Ecology 5 : 173-185. LOVEJOY, T.E., B.O. BIERREGAARD, A. RYLANDS, 1986. Edge and other effects of isolation on Amazon forest fragments. In Burges and Sharpe Editor. Conservation biology. The science of scarcity and diversity, Sinauer Associates, Sunderland, Massachusetts, pp. 257-285. PARKER, C. A. 1989. Soil biota and plants in the rehabilitation of degraded agricultural soils. In Majer editor. The role of fauna in reclaimed lands. Cambridge University Press, Cambridge-England, pp. 341-351. PLAN DE DESARROLLO MUNICIPAL (PDM), 1997. Municipio de Independencia. pp. 234 – 289. PICKETT, S., & N. THOMPSON. 1978. Patch dynamics and the size of nature reserves. Biological Conservation, 13: 27-37. PRIMACK, B. 1998. Essentials of conservation Biology. 2da edición, Ed. Sinauer Associates, Massachusetts-USA, 660 pp. SALINAS, R., E. CHAVEZ, J. MIDDLETON. 1998. La ecología del paisaje como base para el desarrollo sustentable en América Latina / Landscape ecology as a tool for sustainable development in Latin America. http:/brocku.ca/epi/lebk/lebk.html

SAUNDERS, D., R. HOBBS & C. MARGULES, 1991. Biological consequences of ecosystem fragmentation: A review, Conservation Biology (5) 1 : 18-27 STEENMANS, C., U. PINBORG. 2000. En: http://europa.eu.int/comm/agriculture/publi/landscape/ch5.htm VARGAS, J. 1996. Estudio de la vegetación del estrato arbóreo para el establecimiento de areas de conservacion en los bosques de Pajchanti-Independencia y el Parque Nacional Tunari. Tesis de grado Escuela Forestal, Cochabamba-Bolivia, pp. 15-18 ZERDA, H.R. (1998): Monitoring der Vegetations- und Landnutzungsveränderungen durch Brandrodung und Übernutzung im Trocken-Chaco Argentiniens mit Satellitenfernerkundung und GIS. Dissertation. Cuvillier Verlag, Goettingen, Alemania, 175 p.(ISBN 3-89712-335-5)


INVEMAR


Protocolo: ESTADO DE CONSERVACIÓN DE ÁREAS CORALINAS Objetivo: Establecer el estado de conservación de las áreas coralinas mediante la calificación de la integridad biológica de las áreas coralinas, a partir de medidas directas en campo en un tiempo dado respecto a la línea base. Alcance: Se aplica en áreas de referencia y control así: Caribe: Urabá chocoano (Capurganá y Zapsurro)

PNN Corales del Rosario y San Bernardo (Archipiélagos de San Bernardo y de Rosario) PNN Tayrona (Bahía a de Chengue) Archipiélago de San Andrés y Providencia (Isla de San Andrés)

Pacífico: PNN Isla Gorgona PNN Utría (Ensenada de Utría) Escala de Trabajo: Trabajo de campo, toma directa de la información (1:1) Geográfica 1:100.000 y 1:50.000 Formato de salida:

Mapa temático de deterioro ecológico de las áreas coralinas expresado en una escala relativa de calificación del IBIC ajustada al sistema semáforo. Gráficos multitemporal comparativo de cambios de estado por área de referencia.

Requerimientos: Información: Series de tiempo del SIMAC Software: Windows, Microsoft Office y Paquete estadístico PRIMER Hardware: Dos computadores Pentium 4, Una impresora láser

Personal: Tres biólogos con habilidades para el buceo y conocimientos en monitoreo y flora y fauna marinas

Apoyo: Universidades, CAR, UAESPNN, Centros de investigación marinos y

costeros

Materiales: Cintas métricas de 20 m Estacas de acero inoxidable de 1.3 cm de diámetro y 60 cm de largo para el Caribe Estacas de acero inoxidable de 1.3 cm de diámetro y un metro de largo para el Pacífico Cuerda sintética blanca de 12 m de largo, de 3-5 mm de diámetro y marcada cada metro Cuerda sintética de 2-4 mm de diámetro cortada en tramos de 35 cm

Cuerda parafinada delgada cortada en tramos de 70 cm Cuerda sintética de 3-5 mm de diámetro cortada en tramos de 4 m Clavos de acero inoxidable de 8-10 cm de largo Cinceles de estrella Martillos y mazos de 2 kg Cadenas livianas de cobre de 15 m de largo (eslabones de 1.7 cm) Esparadrapo delgado Boyas acrílicas de 15 y 6 cm de diámetro de color blanco o amarillo preferiblemente (pueden emplearse bolas de icopor o tarros plásticos) Tubos, “Ts” y codos de PVC de ½ pulgada Tablas acrílicas de 18 cm de ancho y 25 cm de largo Lápices Geoposicionador GPS Equipo de buceo autónomo Computador de buceo

Diagrama de procesos:

Recomendaciones:

• Aprovechar la existencia de un sistema de monitoreo en arrecifes coralinos con amplia experiencia (personal capacitado) y series de tiempo

• Complementar el sistema de monitoreo existente (SIMAC) con las variables y metodología faltantes que se proponen para el uso del indicador de conservación

• Fortalecer la base de datos existente del SIMAC para proceder con la fase de validación y calibración del indicador

• Fortalecer los convenios ya existentes con las entidades promotoras del SIMAC y crear nuevos convenios de cooperación para ampliar la cobertura y asegurar la toma de datos ininterrumpida cada año

• Establecer con el SIMAC las debilidades del sistema de monitoreo para hallar soluciones conjuntas de mutuo beneficio

Referencias Bibliográficas

-Barrios, L.M. 2000. Evaluación de las principales condiciones de deterioro de los corales pétreos en el Caribe colombiano. Tesis M. Sc. Biol. Mar. Univ. Nal. de Colombia. Santa Marta. 160 p.

SALIDAS DE CAMPO

(Colección de los datos en la primera mitad del año)

DIGITALIZACIÓN DE LOS DATOS (BASE DE DATOS)

(Se incluyen en las bases de datos la información recogida en campo)

ANÁLISIS DE LA INFORMACIÓN

(Se aplica el IBI a los datos organizados en la base y se analizan los resultados)

ELABORACIÓN DE PUBLICACIONES

(Se redactan los informes anuales y se publican los resultados en distintos escenarios)

DISPOSICIÓN DE LA INFORMACIÓN EN RED

(Se dispone de los datos en la red que para tal efecto diseño en SIMAC-INVEMAR)

SALIDAS DE CAMPO

(Colección de los datos en la primera mitad del año)

DIGITALIZACIÓN DE LOS DATOS (BASE DE DATOS)

(Se incluyen en las bases de datos la información recogida en campo)

ANÁLISIS DE LA INFORMACIÓN

(Se aplica el IBI a los datos organizados en la base y se analizan los resultados)

ELABORACIÓN DE PUBLICACIONES

(Se redactan los informes anuales y se publican los resultados en distintos escenarios)

DISPOSICIÓN DE LA INFORMACIÓN EN RED

(Se dispone de los datos en la red que para tal efecto diseño en SIMAC-INVEMAR)

- CARICOMP. 2001. Methods manual, levels 1 and 2. Manual of methods for mapping and monitoring of physical and biological parameters in the coastal zone of the Caribbean http://isis.uwimona.edu.jm/centres/cms/caricomp/methods_manual.html. Consultado en noviembre de 2002 -Garzón-Ferreira, J. 1999. Primer taller del SIMAC – Sistema Nacional de Monitoreo de Arrecifes Coralinos en Colombia. Informe de Resultados, INVEMAR, Santa Marta, 37 p. -Garzón-Ferreira, J. 2000. Segundo taller del SIMAC – Sistema Nacional de Monitoreo de Arrecifes Coralinos en Colombia. Informe de Resultados, INVEMAR, Santa Marta, 22 p. -Garzón-Ferreira, J. y J.M. Díaz. 2000. Assessing and monitoring coral reef condition in Colombia during the last decade: 51-58. En Done, T. & D. Lloyd (eds.): Information Management and Decision Support for Marine Biodiversity Protection and Human Welfare: Coral Reefs. Australian Inst. Mar. Sci. (AIMS), Townsville, Australia. -Garzón-Ferreira, J. y A. Rodríguez-Ramírez. 2001. Monitoreo de arrecifes coralinos, pastos marinos y manglares en la Bahía de Chengue (Parque Natural Tayrona) en el marco del programa CARICOMP – Síntesis de datos obtenidos en el año 2000. Informe de Resultados, INVEMAR, Santa Marta, 22 p. -Garzón-Ferreira, J., M. C. Reyes-Nivia y A. Rodríguez-Ramírez, 2002. Manual de métodos del Sistema Nacional de Monitoreo de Arrecifes Coralinos en Colombia-SIMAC -Jameson, S., M. Erdmann, J. Karr, GR. Gibson and K Potts. In press. Charting a course toward diagnostic Monitoring: A continuing review of coral ref. attributes and a research strategy for creating coral reef index of biotic Integrity. Bull. Mar. Sel. 51 p. - Karr, J. 1991. Biology Integrity: a long-negleted aspect of water resource management. Ecological application 1(1):66-84 p.


Protocolo: Estado de conservación de áreas coralinas Proceso: Estrategia de muestreo Requerimientos específicos Información: Determinar o estimar, a partir del índice de corales, la clasificación de unidades de

Paisaje que componen cada área coralina. Determinar el valor medio de DN para las estaciones propuestas La varianza de DN Cartografía base: La estrategia de muestreo, específicamente la selección de los sitios de referencia y de estaciones, así como el tamaño y número de muestras serán definidos con base en la cartografía del proyecto denominado “Áreas coralinas de Colombia”, que constituye la línea base de esta propuesta. Esta cartografía consignada en la sala SIG de INVEMAR consiste en mapas temáticos a escala nacional (escala 1:100.000), y regional (1:50.000). Condiciones previas: El proceso de selección de sitios de muestreo requiere de la cartografía resultante del indicador de extensión y vitalidad de áreas coralinas, obtenido a partir de imágenes Landsat. Por otro lado, para establecer el número óptimo de unidades muestrales (transectos) por área coralina es preciso determinar a priori algunos estimativos estadísticos acerca de los atributos estructurales de cada áreas, tales como extensión, cobertura de coral vivo en Km2, diversidad de unidades de paisaje, la varianza de las variables extensión y cobertura de coral vivo. Desarrollo Antes de entrar en los detalles del protocolo específico de cada uno de los procesos, conviene mencionar algunos aspectos comunes de las metodologías con el fin de ahorrar explicaciones y poner en contexto cada una de las variables incluidas en el presente indicador. A continuación se describirá la estrategia para la selección de los sitios estación, la determinación del numero de muestras, aclarando que la unidad de muestreo en todos los casos está dada por el transecto, así como para la instalación de las estaciones en las áreas arrecifales colombianas (modificado a partir de Garzón-Ferreira el al., 2002). Selección de sitios para monitoreo La selección de los sitios y el número de estaciones en cada sector se planificará para cumplir simultáneamente con dos objetivos: 1) la verificación de los indicadores de extensión, estado y vitalidad determinados por sensor remoto y 2) el levantamiento de información para los indicadores de estado de conservación. En primera instancia, es importante recopilar información secundaria del área coralina escogida para el monitoreo que permita tener una idea general de sus características y condiciones, para así facilitar el

trabajo en el campo y la selección de las estaciones. Los lugares para establecer las estaciones de monitoreo deben ser representativos del ambiente local, representar la diversidad de unidades de paisaje existentes, y en lo posible las diversas condiciones de conservación. Aunado a lo anterior, con base en la interpretación visual y digital de las imágenes multiespectrales del área de interés y luego de una clasificación preliminar, se determinará el área coralina más probable, su extensión y localización geográfica. A partir de esta información, se identificaran las unidades de paisaje (áreas homogéneas visualmente) que corresponde al conjunto de cuadriculas (30*30 m2) con igual valor de DN. Luego de contar con el mosaico, se determinará mediante la ecuación de poblaciones finitas (ver algoritmos) el numero optimo de cuadriculas a muestrear, total y por unidad de paisaje. Este numero optimo de cuadriculas serán distribuidas equidistantemente a lo largo de transectos perpendiculares o longitudinales, trazados a priori buscando que cubran la mayor cantidad de unidades de paisaje que sea posible (máxima heterogeneidad), y de esta forma obtener una huella espectral. Se sugiere elegir inicialmente localidades protegidas y con buen desarrollo coralino para el establecimiento de las estaciones y los transectos permanentes. Mediante buceos de exploración en el área seleccionada, escoger al menos dos localidades que pueden estar separadas como mínimo por 500 metros pero que pertenecen a la misma expresión de la comunidad arrecifal. En cada localidad identificar una o más estaciones donde se distribuyen los transectos o unidades muestrales en cada una de las parcelas (niveles de profundidad). Las parcelas deben corresponder a un nivel somero o planicie arrecifal (entre los 2 y 5 m), y a un nivel medio (entre los 9 y 12 m). Se opta por éstas profundidades para facilitar el trabajo subacuático y evitar limitaciones por tiempo de buceo. Idealmente cada estación contará con dos parcelas y cada una de éstas con tres transectos para un total de seis transectos por estación, sin embargo está distribución puede variar ya que depende de las características propias de cada zona arrecifal. Instalación de transectos permanentes Labores previas a la instalación de los transectos: -Con la cuerda sintética delgada hacer marcas de reconocimiento de los transectos. Estas consisten en pares de cuerdas con un número determinado de nudos que va de 1 a 3 e identificaran la pareja de varillas que forman un transecto. Por ejemplo el par de marcas con dos nudos corresponde al transecto Nº 2. -Amarrar a cada boya de 5 cm de diámetro un tramo de cuerda parafinada de 70 cm o acondicionar las bolas de icopor para construir boyas. Estas serán útiles para marcar los transectos y para facilitar su relocalización (ver procedimiento). -Amarrar a cada boya de 15 cm de diámetro un tramo de cuerda sintética de 4 m o acondicionar los tarros plásticos para construir boyas. Estas serán de gran utilidad para dejar marcada la estación y para facilitar su relocalización durante el trabajo (ver procedimiento). Procedimiento de instalación: -En el sitio seleccionado para la parcela, registrar con el GPS su posición (indicando el sistema de coordenadas utilizado) y amarrar un par de boyas (15 cm de diámetro) a media agua para facilitar la reubicación del sitio desde la superficie. -Mediante buceo con equipo autónomo, escoger al “azar” los puntos de inicio de los transectos sobre sustratos coralinos muertos. Se recomienda para el caso de arrecifes del Caribe, utilizar cabezas macizas muertas o parcialmente muertas de Montastraea faveolata, Siderastrea siderea y Diploria spp. que favorecen el agarre de las estacas y evitar especies frágiles como Colpophyllia natans y M. annularis. -Ubicar el cincel en el punto inicial y golpearlo con el mazo hasta perforar verticalmente el sustrato unos cuantos centímetros. -Reemplazar el cincel por la estaca y continuar golpeando firmemente hasta que esté bien clavada. Es importante verificar que la estaca haya quedado bien agarrada, halándola con fuerza hacia arriba. -Registrar con el computador la profundidad de la estaca.

-Desplegar el flexómetro 10 m en línea recta a partir de la estaca (punto inicial) e instalar la otra estaca tratando de conservar el mismo nivel de profundidad. Luego medir con el flexómetro la longitud exacta del transecto entre los extremos superiores de las estacas. -Amarrar a cada pareja de varillas que forman un transecto la cuerda anudada que lo identificará. -Amarrar a cada varilla una boya (5 cm de diámetro) para facilitar la relocalización de los transectos en el campo. -Establecer los otros dos transectos de la misma manera, procurando que estos queden separados por al menos 5 m. La ubicación de los transectos dependerá en últimas de las características particulares del área arrecifal que será monitoreada. Sin embargo en la medida de lo posible, es muy importante dejar un espacio prudencial entre los transectos tanto por sus extremos como por los costados. -Una vez que los tres transectos que conforman una parcela estén instalados, amarrar las líneas guía (cuerda de 12 m) entre cada par de estacas para delimitar los transectos. -Dibujar en una tabla acrílica un mapa esquemático que contenga la ubicación de cada transecto con respecto a: norte geográfico, línea de costa más cercana, los demás transectos, boyas de media agua, isobata o alguna característica conspicua del fondo (por Ej.: canal de arena). Además, con la ayuda de un flexómetro, determinar la distancia entre las estacas de los diferentes transectos para incluir esta información en el esquema. También anotar el número que identifica cada transecto y la dirección como serán registrados los datos -por ejemplo de sur a norte indicando con un flecha- porque así mismo deben ser muestreados en cada monitoreo. Muestreo de transectos permanentes Labores previas al muestreo: -Las cadenas se rotulan con el esparadrapo cada 10 eslabones a partir del inicio o eslabón “cero” y se marcan con color negro cada 10 eslabones a partir del eslabón “cinco”. Los eslabones 0, 10, 20, etc., llevan rótulos de esparadrapo donde va inscrito con marcador indeleble el número correspondiente y los eslabones 5, 15, 25, etc., quedan pintados de color negro. Se recomienda dejar al inicio 10 eslabones libres antes de comenzar con la rotulación de la cadena (figura 1) pues estos servirán para sujetarla durante el registro de datos (ver procedimiento de muestreo). -Con los tubos y codos de PVC diseñar carretes para enrollar las cadenas, lo que facilitará su transporte, su despliegue y su posterior recolección (figura 1). -Asegurar la cadena al carrete y enrollarla a partir el extremo final (últimos eslabones numerados) de modo que el eslabón “cero" inicie cuando la cadena sea desplegada en el campo.

Figura 1. Cadena rotulada y enrollada en su carrete para la estimación de la cobertura de organismos sésiles. CA= cadena, RM= rótulos de marcador, RE= rótulos de esparadrapo, ESR= eslabones sin rotular. Procedimiento de muestreo: Consiste en establecer para cada transecto la secuencia de los componentes del sustrato y su cobertura mediante el método de intersección continua utilizando la cadena liviana numerada. Los componentes del sustrato se han clasificado en diferentes categorías, las cuales son recomendadas para la caracterización de la estructura arrecifal. Estas categorías se concentran para efectos del indicador IBIc en la cobertura coralina viva (discriminada por especie) y en la cobertura del sustrato duro total.

-Dibujar en las tablas acrílicas los mapas esquemáticos de la parcela que será muestreada. -Identificar la pareja de estacas (con ayuda de los mapas y la cuerda anudada) (figura 2). -Asegurar la línea guía lo más templada posible entre las estacas para delimitar el transecto. La línea guía debe sujetarse del extremo superior de las estacas (figura 3) porque a partir de ese punto fue medida la longitud de cada transecto y ahí se inicia el registro de datos. -Enrollar a la base de la estaca inicial los eslabones que se dejaron sin rotular y ubicar el punto “cero” como el primer eslabón del transecto (figuras 2 y 3). Si la estaca inicial está un poco inclinada, el eslabón cero debe quedar perpendicular al punto de amarre de la línea guía en el extremo superior de la estaca. -Desplegar la cadena sobre el sustrato justo debajo de la línea guía. Llevar la cadena hasta el otro extremo del transecto tratando de que ésta siga lo más fielmente posible el relieve de la superficie (figura 3). La cadena no debe pasar formando puentes por encima de los huecos sino que debe describir el contorno de los mismos, a menos que estos sean muy estrechos (figura 3). Para corales ramificados o foliáceos en los cuales habrá normalmente espacios entre las ramas y sobrelapamientos, se debe dejar que la cadena tome la forma general de la colonia y no forzarla a que se acomode a los techos y huecos (figura 3). -Nadar por arriba de la línea guía para inspeccionar la posición de la cadena y hacer los ajustes necesarios para que ésta quede ubicada exactamente debajo de la línea. -Clavar las puntillas de acero inoxidable a lo largo del transecto por lo menos a intervalos de un metro justo al lado de la cadena (preferiblemente sobre sustrato muerto). Adicionalmente, algunos clavos pueden ubicarse en posiciones que se consideren necesarias para evitar que la cadena se mueva o resbale por la forma del sustrato. Los clavos servirán como referencia permanente para colocar la cadena en la misma posición durante cada muestreo. -Antes de iniciar el registro de los datos, anotar el nombre de la estación, el nivel de profundidad, el número del transecto y la fecha del muestreo. -Comenzar la observación desde el eslabón “cero” y anotar el número de eslabones hasta donde haya un cambio en el componente del sustrato. Es decir, se debe registrar el número de eslabones de forma sucesiva como lo indica la cadena y no intervalos o cantidad de eslabones que pasan por un componente dado. -Anotar el código de la categoría general a la que pertenece el componente del sustrato observado e identificarlo hasta especie para el caso de los corales. -Hacer lo mismo para el siguiente componente y continuar el registro sucesivamente hasta el final del transecto, anotando siempre el número del último eslabón que toca cada nuevo componente. -El punto final de lectura de la cadena debe corresponder perpendicularmente al punto de amarre de la línea guía en el extremo superior de la estaca final.

Figura 2. Estaca instalada con sus marcas de relocalización y posición inicial de la cadena para la estimación de la cobertura de organismos sésiles.

Figura 3. Transecto permanente instalado en la estación arrecifal y posición de la cadena a lo largo del transecto para estimar la cobertura de organismos sésiles. Algoritmo: El área mínima de muestreo por área coralina será determinado mediante la ecuación para poblaciones finitas (FAO, 1982), utilizando los valores digitales (DN) que registra cada banda en la imagen multiespectral para cada estación (punto de verificación digital) establecida a priori mediante el indicador extensión de áreas coralinas.

2

2

)ˆ()(

)ˆ()(*

+

=

xCVxCVA

xCVxCVA

n

p

p

Donde Ap es el área o extensión del área coralina en Km2. CV(x) es el coeficiente de variación de DN y CV(x) es el coeficiente de variación asumido como el grado de precisión de trabajo (15%).


Protocolo: Estado de Conservación de áreas coralinas Proceso: Valoración de la estructura de las áreas coralinas Términos y definiciones: La valoración de la estructura de las áreas coralinas se hará con base en la cobertura de coral vivo y la composición. La cobertura de coral vivo se debe interpretar como la cantidad de tejido carnoso vivo correspondiente a corales pétreos, que cubre el sustrato en un arrecife. Para tener una idea general de los corales pétreos presentes en Colombia y el grupo al cuál pertenecen, se presenta la siguiente lista:

9. Masivos: colonias coralinas que han desarrollado una tercera dimensión tal que la colonia se extiende

fuera del sustrato en forma de domo o monte pero no tiene ramas. 10. Incrustantes: colonias de coral que crecen lateralmente y permanecen relativamente planas tomando

la forma del sustrato. Muchos juveniles de corales masivos o corales pequeños pueden hacer parte de esta categoría.

11. Ramificados: corales erectos, colonias casi cilíndricas que han producido extensiones laterales o ramas.

12. Foliáceos: colonias de coral que tienen forma de plato o de hoja y se extienden fuera del sustrato, proyectándose hacia el agua.

13. Milepóridos: todas las especies del género Millepora deben incluirse en esta categoría. La composición es la identidad de cada una de las especies de coral que aportan a la variable de cobertura de tejido coralino. Para el caso de las áreas coralinas del Caribe se presentan muchas más especies, razón por la cual los rangos y la valoración correspondiente difieren en relación a las a’reas coralinas del Pacífico. Para ver una lista detallada y fotografías de las especies, ver Garzón-Ferreira et al. (2002). La rugosidad del sustrato es una medida que indica el desarrollo de estructuras tridimensionales en un arrecife. Se asume que a mayor rugosidad mayor cantidad de espacio y micro-estructuras, luego mejor es el estado del arrecife. Requerimientos específicos: Información: Cobertura de coral vivo Composición de especies de coral Distancia recorrida en cada transecto Longitud de la cadena Condiciones previas: Idealmente se requieren series de tiempo para la calibración y validación de estas variables. El SIMAC cuenta el la actualidad con series de tiempo de 7 áreas coralinas (5 en el Caribe y 2 en el Pacífico).

Desarrollo: La medición de estas variables se explica en la parte introductoria de este protocolo. En términos generales consiste en el conteo del número de eslabones que cubren el tejido coralino discriminado por cada una de las especies en el transecto fijo. Algoritmo: Cobertura de coral vivo

%100*#

#durosustratodeeslabonesvivocoraldeEslabonesCVI =

El valor resultante para CVI es el promedio entre los transectos por cada estación. El promedio resultante para cada área coralina se organiza de acuerdo a los rangos y se asignan los valores del indicador, como se muestra a continuación

Litoral Rango de cob. CVI Valor corresp. IBIc

x ≤ 10% 1 10% < x ≤ 50% 3

Caribe

> 50% 5 x ≤ 20% 1

20% < x ≤ 60% 3 Pacífico

> 60% 5 Composición por especie de coral

nSpC #=

Donde: n es el número de transectos por estación y Sp es el número de especies de coral presentes en cada transecto. Dependiendo del promedio de especies por estación se asigna el valor correspondiente del IBIc, así:

Litoral Composición

(# promedio de especies) Valor corresp. IBIc

1 a 5 1 6 a 10 3

Caribe

más de 10 5 1 1

2 a 5 3 Pacífico

más de 5 5

Rugosidad

100*LDRS =

Donde: RS es la rugosidad del sustrato, D: distancia recorrida y L: longitud de la cadena. Los valores correspondientes al IBIc se asignan dependiendo de la relación así:

Rugosidad del sustrato Valor corresp. IBIc

RS > 65% 1 36% < RS ≤ 65% 3

RS ≤ 35% 5 Observaciones:

- Tratar de que cada transecto quede instalado en el mismo nivel de profundidad. - Si la cadena no alcanza a cubrir la totalidad del transecto, es necesario marcar en el fondo la

posición exacta del último eslabón para así desplegarla nuevamente a partir de este punto y continuar el cubrimiento del siguiente tramo.

- Si al registrar los datos, la transición de un componente a otro queda justo en la mitad de un eslabón, anotarlo como parte del primer componente y no como el primer eslabón del siguiente.

- Tener experiencia en el trabajo de campo para no rayar o partir las colonias de coral. - Programar el monitoreo durante la época de mar calmo para aumentar la precisión de las

mediciones y reducir los daños al coral (ya sea por los buzos, por el movimiento de la cadena, etc).

- En caso de que el monitoreo se lleve a cabo durante cualquier mes del año, es necesario repetirlo durante el mismo mes en los siguientes años.


Protocolo: Estado de Conservación de áreas coralinas Proceso: Valoración del estado de salud Términos y definiciones: El estado de salud de las área coralinas se determina mediante la valoración de la ocurrencia de condiciones de deterioro, las cuales se definen como respuesta de los corales, asociadas por repetición, ante estímulos naturales (Barrios, 2002) y de enfermedades. Las condiciones de deterioro de origen humano consisten en las consecuencias de actividades adelantadas por el hombre que, de manera directa o indirecta, causan perdida de tejido coralino o destrucción de los esqueletos constituyentes del andamio arrecifal. Las condiciones de deterioro pueden ser de dos tipos: a) Signos: Características observables en el tejido vegetal (emergido) que indica la presencia o acción de un agente de deterioro y/o b) Agente: son los elementos causantes de deterioro y por lo tanto de signos en el tejido del coral. La variable Enfermedades incluye todas aquellas condiciones epidémicas que afectan de manera negativa los corales pétreos causándoles pérdida de tejido vivo. Las enfermedades pueden ser caracterizadas por un grupo identificable de signos (anomalías observables que indican la presencia de la enfermedad y que pueden incluir alteraciones estructurales, similar a los síntomas humanos, o por la ocurrencia del agente causal o etiológico. En los arrecifes coralinos, las enfermedades pueden ser de origen biótico o abiótico. Las de origen abiótico son aquellos desordenes estructurales que resultan solamente de exposición a factores de estrés ambiental, como un cambio en las condiciones físicas (salinidad, temperatura, intensidad lumínica, exposición al oleaje, sedimentación, concentración de oxigeno, corrientes) o exposición a sustancias químicas tóxicas (metales pesados o sustancias orgánicas como aceites y pesticidas). Las enfermedades bióticas, son aquellas en las que el agente causal es un organismo vivo, como por ejemplo un parásito y se diferencian de las abióticas porque usualmente se desarrollan en un lugar especifico (Peters, 1997). Los parásitos se denominan patógenos cuando causan enfermedades infecciosas y muerte al hospedero, pero no todos los parásitos causan la muerte de su hospedero Sin embargo se puede evidenciar dos estados: un estado previo a la aparición de signos de lesión, durante el cual la enfermedad se propaga pero no produce efectos evidentes, seguido por un estado de infección evidente o clínica, cuando aparecen signos (Myrvik et al, 1977). Aunque las enfermedades pueden ser de origen biótico o abiótico, pueden estar relacionadas de tal forma que un patógeno puede causar daño, si el hospedero esta estresado por un factor abiótico o biótico. De esta manera, las enfermedades se presentan como el resultado de interacciones entre hospederos susceptibles, un patógeno y una condición ambiental prevaleciente. La fuerza o intensidad de una enfermedad estará directamente relacionada con el grado de interacción que se presente entre estos factores. Barrios (2000) como parte de su evaluación de las condiciones de deterioro de los corales pétreos en el Caribe Colombiano, presenta ocho categorías de condiciones, útiles para elaborar un diagnostico rápido y eficiente del estado de salud de áreas coralinas, a saber:

1. Colonias sanas: sin signos de deterioro. 2. Mortalidad: se refiere a la pérdida del tejido vivo de la colonia en un área dada.

a. Muerte actual, es decir la perdida de tejido recientemente, se caracteriza por la poca colonización de algas, y la posibilidad de reconocer parte de la estructura de la colonia.

b. Muerte reciente de una colonia, refiriéndose a áreas muestras de la colonia que no han sido suficientemente erosionadas.

3. Invasiones: recubrimiento del tejido coralino por otros organismos, tales como algas (comunes las algas rojas costrosas), esponjas, octocorales, zoantideos, tunicados, ascidias, otros corales inclusive de la misma especie, etc.

4. Agresiones por organismos móviles: refiriéndose al deterioro causado por el movimiento de organismos móviles:

a. Territorialismo: Ejemplo de ello es la agresión de pomacentridos al eliminar pólipos de la colonia para inducir el crecimiento de ciertas algas que son su alimento.

b. Depredación, es decir perdida del tejido vivo del coral para alimentación, por parte de peces, del gusano de fuego, gastrópodos, etc. Se observa la perdida de la capa superior de la colonia, dejando una depresión sobre la colonia en donde no se pueden apreciar las estructuras.

5. Agresión por organismos sésiles: donde los daños son por vías químicas, diferente a las invasiones, puesto que es el contacto el que genera deterioro, no el recubrimiento o el ahogamiento. Ejemplo: agresión por esponjas, otros corales, esponjas escavantes y por algas.

6. Signos generales de deterioro: Fenómenos que indican alteraciones de las condiciones normales de los corales, ejemplo: el blanqueamiento, palidecimiento, oscurecimiento,

7. Signos causados por agentes físicos: no se reconoce al agente causante, pero se identifica el daño. Por ejemplo, los lunares de sedimento, rayones y raspaduras, fragmentación, volcamiento.

8. Enfermedades En general, se define enfermedad como cualquier desorden de las funciones vitales, ya sea a nivel de órganos, sistemas o funciones corporales globales (Peters, 1997). En el Caribe se reconocen enfermedades como la banda amarilla, banda roja, banda negra, banda blanca, lunares oscuros, plaga blanca, lunares blancos.

Requerimientos específicos: Materiales:

Cuerda sintética blanca de 3-5 mm de diámetro y de 12 m de largo (línea guía) marcada cada metro Tubo de PVC de un metro de largo y ½ pulgada de diámetro, graduado a intervalos de 10 cm y subdividido a los 5 cm en los intervalos de los extremos Cuadrantes de PVC de 1x1 m divididos en 16 subcuadrantes de 25x25 cm Tablas acrílicas Lápices Equipo de buceo autónomo

Información: Ocurrencia de las signos de deterioro Ocurrencia y abundancia de organismos que agredan las colonias Ocurrencia e intensidad de enfermedades Condiciones previas:

Existencia de información base para establecer los rangos de deterioro o de incidencia que afectan las colonias.

Desarrollo: a. Ocurrencia de organismos sésiles La unidad de muestreo corresponde a un corredor de 10x2 m, cuyo eje central es la línea guía entre las dos estacas que forman un transecto permanente para el monitoreo de organismos sésiles, tal y como se explicó en la parte introductoria. Procedimiento: -Anotar en la tabla acrílica el código de la parcela, el nivel de profundidad y el número que identifica el transecto. -Ubicar un extremo de la vara de PVC a partir de la línea guía para obtener la amplitud del sustrato (un metro) que debe ser examinado (figura 4). -Iniciar las observaciones detalladas por alguno de los costados de la línea guía y continuar luego por el otro costado (figura 4). -Buscar cuidadosamente en todas las cuevas y grietas presentes en el sustrato arrecifal abarcado por el corredor de 1 m de ancho. -Registrar en todos los transectos los datos correspondientes discriminados por variable. Figura 4. Forma de estimar la abundancia de invertebrados vágiles para el Caribe y el Pacífico y evaluar la salud coralina del Caribe. b. Enfermedades Para evaluar las enfermedades (incluido el blanqueamiento) y signos de deterioro se utilizan los mismos transectos permanentes para el monitoreo de organismos sésiles (sección 2.2.1.3). La evaluación se realiza en un corredor de 10x2 m, cuyo eje central es la línea guía entre las dos estacas. Debido a las marcadas diferencias en cuanto a la estructura, formas de crecimiento y composición de las áreas arrecifales coralinas examinadas en el Caribe y el Pacífico, se requiere de una metodología diferente para cada zona.

Procedimiento: Caribe: el método consiste en examinar todas las colonias de corales pétreos mayores a 5 cm presentes en el corredor y registrar la incidencia de enfermedades y de algunos signos de deterioro (figura 14). Para este propósito, se entiende como una colonia a la unidad genética (“genet”), la cual puede estar constituida por una sola masa compacta o por varias masas o ramas desconectadas (“ramets”) que estuvieron unidas anteriormente y cuyo origen común puede reconocerse por la forma, coloración, morfología de los coralites y tamaño de los cálices. -Anotar en la tabla acrílica el código de la parcela, el nivel de profundidad y el número que identifica el transecto.

-Ubicar un extremo de la vara de PVC a partir de la línea guía para obtener la amplitud del sustrato (un metro) que debe ser examinado. -Iniciar las observaciones detalladas por alguno de los costados de la línea guía y continuar por el otro costado. -Registrar hasta el nivel de especie todas las colonias mayores de 5 cm de diámetro que están dentro de la banda de 2x10 m. -Reconocer el estado de salud de cada colonia como “sana”, con algún signo de deterioro o con algún tipo de enfermedad. -Realizar el anterior procedimiento en todos los transectos permanentes.

Pacífico: El crecimiento de tipo ramificado y denso de las especies que conforman los arrecifes de esta zona dificulta considerablemente la diferenciación de colonias como una unidad claramente distinguible (figura 5). Teniendo en cuenta lo anterior, aunque el muestreo se realiza en la misma banda de 2x10 m, para el Pacífico ésta es delimitada por un cuadrante de 1 m2 dividido en 16 subcuadrantes de 25x25 cm (figura 5) los cuales reemplazan a la colonia como unidad de muestreo. -Colocar sucesivamente el cuadrante a lo largo de la línea guía por uno de los costado del transecto (banda de 1x10 m) (figura 5). -El cuadrante es rotado 10 veces a lo largo del transecto para un total de 10 m2 de superficie examinada por transecto. -En cada colocación del cuadrante, escoger al azar 4 de los 16 subcuadrantes en los que está dividido y registrar por subcuadrante las especies de coral presentes y su estado de salud como “sana”, con signos de deterioro o enfermedades. -Realizar el anterior procedimiento en todos los transectos permanentes. Figura 5. Forma de evaluar la salud coralina en los arrecifes del Pacífico. Algoritmo: Frecuencia de aparición de enfermedades

n

FE

F

ii∑

== 1

Donde F es la frecuencia de aparición de la i-ésima enfermedad y n es el número de colonias. Los valores correspondientes del IBIc para este caso, están dados según la siguiente tabla de rangos:

Enfermedades (presencia y frecuencia) Valor corresp. IBIc

Presencia de al menos una enfermedad con frecuencia promedio superior a 3 1 Presencia de una sola enfermedad con frecuencia promedio por debajo de 3 3 Ausencia de enfermedades 5

La información en campo debe ser registrada en el siguiente formato

Condición Características Cantidad (#colonias)

Extensión

Colonia sana Colonia sin ninguna evidencia de deterioro Mortalidad actual Mortalidad Mortalidad reciente Algas Esponjas

Invasiones

Otros organismos: octocorales, zoantideos, tunicados, ascidias, y otros corales.

Territorialismo (abundancia de peces Stegastes planifrons)

** ** Agresiones por organismos móviles Depredación

Esponjas Otros corales Algas

Agresión por organismos sésiles

Esponjas escavanes Blanqueamiento Oscurecimiento

Signos generales de deterioro Palidecimiento

Lunares de sedimento Rayones o raspaduras Fragmentación

Signos causados por agentes físicos

Volcamiento Banda Amarilla Banda roja Banda negra Banda Blanca Lunares oscuros Plaga blanca

Enfermedades

Lunares blancos Frecuencia de aparición de condiciones de deterioro

D

CdCD

K

ii∑

== 1

Donde: CDi es la frecuencia de aparición de la i-ésima condición de deterioro y D es la distancia recorrida. En el protocolo se explican con mayor detalle. A continuación se presentan los valores correspondientes del IBIc:

Condiciones de deterioro de origen humano (presencia y frecuencia)

Valor corresp.

IBIc presencia de al menos una condición de deterioro con frecuencia promedio superior a 3 1 presencia de una sola condición de deterioro con frecuencia promedio por debajo de 3 3 ausencia de condiciones de deterioro 5 Observaciones: Debe de hacer una valoración por unidad de paisaje puesto que unas especies son más susceptibles que otras a las distintas condiciones de deterioro y enfermedades propuestas.


Protocolo: Estado de Conservación de áreas coralinas Proceso: Valoración del funcionamiento El buen funcionamiento de un área coralina puede ser indicado por la intensidad con ocurres el reclutamiento y el éxito del asentamiento de plántulas. El reclutamiento es el resultado final del proceso reproductivo de los corales pétreos, el cual se manifiesta en el arrecife por la presencia de pequeñas colonias de coral que se han fijado recientemente sobre los sustratos duros y que comienzan con el crecimiento y ocupación del espacio arrecifal. Requerimientos específicos: Información: presencia y cantidad de reclutas de corales pétreos Materiales: Cuerda sintética blanca de 3-5 mm de diámetro y de 12 m de largo (línea guía) marcada

cada metro Tubo de PVC de un metro de largo y ½ pulgada de diámetro, graduado a intervalos de 10 cm y subdividido a los 5 cm en los intervalos de los extremos Cuadrantes de PVC de 1x1 m divididos en 16 subcuadrantes de 25x25 cm Tablas acrílicas Lápices Equipo de buceo autónomo

Condiciones previas: Contar con información de épocas de reproducción en las áreas de referencia Desarrollo Algoritmo:

DrR =

Donde R es índice de reclutamiento, r el número de reclutas de corales pétreos y D la distancia recorrida en las bandas de cada transecto. A continuación se presentan los valores correspondientes del IBIc:

Reclutamiento Valor corresp. IBIc

ausencia de reclutas 1 presencia de reclutas en al menos el 70% de las estaciones 3 presencia de reclutas en más del 70% del as estaciones 5


Protocolo: Estado de Conservación de áreas coralinas Proceso: calculo de la integridad biológica IBIC Términos y referencias Se entiende por integridad biológica como la capacidad de un hábitat de soportar y mantener “una comunidad de organismos balanceada, integrada y adaptada” con una composición y diversidad de especies, así como una organización funcional comparable a las comunidades que habitan en ecosistemas sin perturbación antrópica (Karr y Dudley, 1981). Un sistema es biológicamente saludable cuando su potencial inherente es realizable, su condición es estable, su capacidad de resiliencia se mantiene, y requiere el mínimo de esfuerzo externo para mantenerse (Karr et al, 1986). El índice de integridad biológica IBI es una aproximación multivariada (multimétrica) a la condición de un ecosistema, comunidad y/o población en particular, puesto que tiene en cuenta la complejidad de los sistemas biológicos, así como la diversidad de factores de origen antrópico y biótico que lo afectan, para determinar el estado de conservación de un lugar de interés. Este índice involucra una serie de métricas que califican, en este caso, tres atributos del ecosistema de las áreas coralinas: estructura, salud y funcionamiento, generando respuestas generales o especificas en un contexto biológico y en diversas situaciones, gracias a que ser expresado por un único numero (IBI) o por los puntajes de cada una de las métricas que lo componen, convirtiéndose de esta forma en una herramienta útil para el diagnostico y la identificación de causas de degradación. Para el procesamiento e interpretación del IBI es preciso seleccionar métricas (variables), simples o índices, que califiquen el cambio o perturbación de un ecosistemas por un factor bien sea de origen natural o antrópico, generando la posibilidad de probar la relación causa-efecto entre la condición de un ecosistema y la influencia de las actividades humanas. Sin embargo, es preciso seleccionar comunidades, ensamblajes o poblaciones adecuadas para cumplir con los objetivos biológicos y de manejo del monitoreo a implementar, es decir que sean sensibles a los efectos de intervención antrópica, que se conozca la variación natural, que sean fácil de medir y de bajo costo. Es de destacar, como ventajas de este índice multimétrico, el echo de poder detectar cambios de los ensamblajes residentes, en espacio y tiempo, causados por uno o mas focos de contaminación, que lo hacen útil para monitorear una o mas áreas coralinas, permitiendo la comparación a nivel regional, nacional y mundial. De esta forma, el IBI además de permite orientar el proceso de manejo o de conservación de los ecosistemas Requerimientos específicos: Información: Selección de sitios de referencia

Valorar las diferentes métricas en los sitios de referencia Asignar puntajes


• Definición de categorías para la clasificación de las áreas coralinas de acuerdo con las unidades de paisaje que la componen y las condiciones ambientales.

• Definir la escala de puntajes correspondiente a cada métrica

Desarrollo: Para el procesamiento e interpretación del IBI es preciso seleccionar un sitio de referencia, es decir sin o con mínima perturbación antrópica. Estos sitios serán seleccionados integrando los resultados del índice de densidad y vitalidad de áreas coralinas con información secundaria (SIMAC y Áreas coralinas). A las variables que componen cada métrica se les asignaran puntajes entre 5, 3 y 1, según corresponda a los valores observados en el sitio de referencia, considerando el puntaje de 1 cuando los valores observados en el sitio de interés son diferentes significativamente de los observados en el sitio de referencia y el puntaje de 5 si son estadísticamente similares a los valores del sitio de referencia (sin perturbar). La suma de los puntajes de las 5 métricas define el valor del IBI de cada sitio de interés, de tal forma que el valor de IBI igual a 25 describe una situación prístina o poco perturbada, y el valor de 10 corresponde a sitios deteriorados. Algoritmo:

∑∑= =

=m

i

v

jmvC XIBI

1 1

Donde: Xmv: corresponde a los puntajes de cada variable por métrica. Teniendo en cuenta los valores correspondientes del IBIc para cada una de las variables, se tiene como puntaje mínimo para el área coralina más deteriorada el valor de 6, mientras que el área coralina en mejores condiciones obtendrá un valor máximo de 30. Para efectos finales del veredicto se tendrá en cuenta la siguiente clasificación, con la cual se presentarán los veredictos finales para cada área coralina evaluada: Tabla 2. Escala de clasificación de la condición ecológica de las áreas coralinas del Caribe y el Pacifico Colombiano con base en el puntaje total del índice de integridad biológica IBIC.

Puntaje del IBI Condición

ecológica Color

(Salida gráfica)

Condiciones

25 a 30 Excelente 5 Áreas coralinas conservadas, sin señales de deterioro, y sin perturbación antrópica.

19 a 24 Buena 4 Áreas coralinas con una baja ocurrencia de señales de deterioro, y bajos niveles de intervención antrópica.

13 a 18 En riesgo 3 Por debajo del nivel de equilibrio de mantenimiento 7 a 12 mala 2 Signos de deterioro son más conspicuos

6 Deteriorado 1 Predominancia de signos de deterioro. Observaciones:


INVEMAR


En desarrollo

Protocolo: ESTADO DE CONSERVACION DE PASTOS MARINOS Objetivo: Evaluar el estado de conservación del ecosistema de pastos marinos mediante la aplicación del índice de Integridad Biológica IBI denominado IBIF, que califica la integridad biológica de la praderas de Thalassia testidinium en un tiempo dado respecto a una línea base. Alcance: Aplicable a áreas de referencia y control definidas a partir de la cartografía resultante del Proyecto ““distribución, estructura y clasificación de las praderas fanerógamas marinas en el Caribe colombiano” y de los resultados preliminares del indicador de extensión y vitalidad de ecosistemas marinos, atendiendo a la representatividad en cobertura, homogeneidad estructural y a la dominancia del pasto tortuga T. testidinium, además de aspectos logísticos. Este indicador será aplicable aquellas áreas donde predominen las praderas de fanerógamas de la especie de pasto tortuga Thalassia testudinum que es la especie dominante en el Caribe, que contribuye con mas biomasa y área productiva de las praderas de fanerógamas, además de ser la mas competitiva y de encontrarse dominando en praderas maduras. De tal manera que a priori se consideraran las praderas de doce sectores, a saber (Figura 1):

1. Puerto López (Castilletes-Punta Estrella) 2. Bahía Porteté (Bahía Honda- Bahía Hondita) 3. Cabo de la Vela-Riohacha 4. Parque Tayrona (Todas las Bahías) 5. Cartagena (Tierra Bomba e Isla Arena) 6. Barú e Islas del Rosario 7. Golfo de Morrosquillo (Bahía de Cispata-Punta San Bernardo) 8. Islas San Bernardo 9. Isla Fuerte e Islas Tortuguilla 10. Choco caribeño (Ensenada de Pinorroa hasta Sapzurro) 11. Islas de San Andrés 12. Providencia y Santa Catalina

Escala de Trabajo: 1:20.000 Formato de salida: Mapa temático de deterioro ecológico de las praderas de fanerógamas

expresado en un escala relativa de calificación ajustada al sistema semáforo.

Figura 1. Cartografía temática de la distribución de pastos marinos de Colombia. Sala SIG-INVEMAR (2002). Requerimientos: Información: Datos de campo, relativas a estructura, salud y funcionamiento de las

praderas a nivel de 9 unidades muestrales por pradera, como mínimo. Imágenes Landsat ETM actual e históricas

Mapas de extensión de praderas de fanerógamas de Colombia base (Cartografía, 2002). Cartografía temática resultante del indicador de extensión y vitalidad de ecosistemas marinos.

Software: Acess, Statgraphics, Sistat y Excel Personal: Experto en ecología ecosistemas de praderas de fanerógamas

Experto en indicadores de integridad biológica. Apoyo: Expertos en ecosistemas de praderas

Tesistas de pregrado Personal de campo

Equipos:

1 Cuadrante de 25 * 25 cm 4 baldes plásticos Mallas finas de 2 o 4mm Bolsas de sumergir

1 bandeja profunda Coladores plásticos de cocina de 15 a 20 cm de diámetro 10 vasijas de plástico para separar las diferentes hojas Papel aluminio Banderitas de marcaje Bolsas ziplot Acido clorhídrico o fosforito al 10% v/v (10% HCl concentrado + 90% agua destilada) Estufa con temperaturas entre 45, 60, o 90 ºC Balanza analítica.


Objetivo Estado de pastos marinos

Línea Base

Estado en un Tiempo de referencia

Cartografía Base

Diseño muestral

Levantamiento de información

Selección de sitios de referencia

Numero de Estaciones

IBI F

Estructura Biomasa

Salud

Área Foliar

Carga epifitos

Funcionamiento

Selección unidad Muestral

Selección de Estaciones

Condiciones de Deterioro

Productividad

Tasa de renovación

Cartografía Temática

Análisis Estadístico

Validación de la Escala de

Calificación

Interpretación

Recomendaciones:

• Contar con personal calificado para el levantamiento de información en campo y para el procesamiento e interpretación de la misma

• Adquirir información durante la época climática de transición (mayo-septiembre) • Cumplir un fase de implementación para establecer la escala de calificación con base en la

intensidad de impacto por factores antrópicos (Construcción de curvas de funcionamiento) Bibliografía relacionada Blakesley, B. J.H. Landsberg, and M.O. Hall Effects of Hurricane Georges on Seagrass Disease in Florida Bay: Were there any?. http://www.floridabay.org/pub/sentinel/vol1-2.shtml. Consultado el 25 de noviembre de 2002. Seahorse Sentinel. V1 No. 2. 1998. Florida. [email protected] CARICOMP. 2001. Methods manual, levels 1 and 2. Manual of methods for mapping and monitoring of physical and biological parameters in the coastal zone of the Caribbean http://isis.uwimona.edu.jm/centres/cms/caricomp/methods_manual.html Consultado en noviembre de 2002. Carlson, P. J. L. Yarbro, K. Madley, G. McRae, B. Blakesley, M. Durako, J. Fourqurean, C. Rose, C.Moncreiff and T. Randall. 1999. Multiscale assessment of the population status of Thalassia testidinium: A new approach to ecosystem assessment. Progress report. http://es.epa.gov./ncer/progress/grants/96/ecoass/durako99.html. Karr, J. 1991. Biology Integrity: a long-negleted aspect of water resource management. Ecological application 1(1):66-84 p. Montoya-Maya, Phanor. 2002. Evaluación de la macrofauna epibentonica asociada a praderas de Thalassia testidinium (Banks ex Koning) en el Caribe colombiano. Tesis Universidad Jorge Tadeo Lozano, facultad de Biología Marina. 81 p. Tomasko, D.; N. Blake, C. Dye, y M. Hammond. 1999. Effects of the disposal of reverse osmosis seawater desalination discharges on a seagrass meadow (Thalassia testidinium) p.99-112. In: Bortone, S. Seagrasses. Monitoring, Ecology, Physiology and Management. CRC Press, Washington. Wilzbach, M. K. Cummins, L. Rojas. P. Rudershausen y J. Locascion. 1999. Estableshing baseline seagrass parameteres in a small estuarine bay.p125-135. In: Bortone, S. Seagrasses. Monitoring, Ecology, Physiology and Management. CRC Press, Washington.


Protocolo: ESTADO DE CONSERVACION DE PASTOS MARINOS Proceso: ESTRATEGIA DE MUESTREO Términos y definiciones: Previo al levantamiento de información es necesario plantear la estrategia de muestreo, es decir definir, los atributos o categorías de agrupamiento de las praderas (estructura, grado de deterioro, influencia de actividades humanas, etc.), el área mínima de muestreo, el tamaño de la unidad muestral, el numero de muestras, los criterios de selección de las estaciones (sitios de validación digital) y de los parches de referencia. De acuerdo con la caracterización de las praderas de Colombia y teniendo en cuenta las condiciones ambientales, es posible plantear un muestreo aleatorio estratificado, utilizando como criterio las asociaciones de praderas conformados de acuerdo con los atributos estructurales y la macrofauna que albergan, de esta forma, se trabajan cuatro asociaciones: las praderas de la Guajira, las praderas del parque Nacional Natural Tayrona, las praderas de la zona suroccidental y las praderas del Archipiélago de San Andrés (ver Montoya, 2002 y Castillo, 2002). Así mismo, se busca validar los indicadores de extensión y estado a nivel de unidad de paisaje (sensores remoto), seleccionando como estaciones, puntos de validación digital, a los extremos de transectos imaginarios sobre unidades de paisaje (clases digitales homogéneas) definidas por los sensores. Requerimientos específicos: Información: Cartografía base: La estrategia de muestreo, específicamente la selección de los sitios de referencia y de estaciones, así como el tamaño y numero de muestras será definido con base en la cartografía resultante del proyecto denominado “distribución, estructura y clasificación de las praderas fanerógamas marinas en el Caribe colombiano”, que constituye la línea base de esta propuesta. Esta cartografía consignada en la sala SIG de INVEMAR consiste en mapas temáticos a escala nacional (escala 1:100.000), y regional (1:20.000), que permiten visualizar parches de un área mínima de 5000 y de 900 m2, respectivamente. Condiciones previas: Para establecer el área mínima de muestreo en cada pradera de fanerógama es preciso determinar a priori algunos estimativos estadísticos acerca de los atributos estructurales de la praderas, tales como el tamaño, o extensión de la pradera en Km2, el tamaño de la unidad muestral (cuadrante), la varianza de las variables biomasa y densidad de vástagos.

Desarrollo: El plan de trabajo descrito a continuación es de un nivel básico, concertado con las metodologías utilizadas para monitoreos CARICOMP (2002) a nivel mundial y nacional (DIAZ et al, 2000.), para las praderas de fanerógamas. a. Areas a monitorear

Con base en la cartografía resultante del Proyecto ““distribución, estructura y clasificación de las praderas fanerógamas marinas en el Caribe colombiano”, y atendiendo a la representatividad en cobertura, homogeneidad estructural y a la dominancia del pasto tortuga T. testidinium, además de aspectos logísticos, se considera que se deben monitorear las praderas de fanerógamas de doce sectores, a saber (Figura 1): 13. Puerto López (Castilletes-Punta Estrella) 14. Bahía Portete (Bahía Honda- Bahía Hondita) 15. Cabo de la Vela-Riohacha 16. Parque Tayrona (Todas las Bahías) 17. Cartagena (Tierra Bomba e Isla Arena) 18. Barú e Islas del Rosario 19. Golfo de Morrosquillo (Bahía de Cispata-Pta San Bernardo) 20. Islas San Bernardo 21. Isla Fuerte e Islas Tortuguilla 22. Choco caribeño (Ensenada de Pinorroa hasta Sapzurro) 23. Islas de San Andrés 24. Providencia y Santa Catalina

b. Estaciones La selección de los sitios y el número de estaciones en cada sector se planificará para cumplir simultáneamente con dos objetivos: 1) la verificación de los indicadores de extensión, estado y vitalidad determinados por sensor remoto y 2) el levantamiento de información para los indicadores de estado de conservación. Con base en la interpretación visual y digital de las imágenes multiespectrales del área de interés y luego de una clasificación preliminar, se determinará el área de fanerógamas más probable, su extensión y localización geográfica, y de ser posible áreas de mayor y menor densidad de las praderas. A partir de esta información y de información secundaria (Díaz et al, en prep), para el muestreo se seleccionaran aquellas praderas monoespecíficas de Thalassia testidinium, con un área mayor de 900 m2 y cobertura mayor al 30% determinada según la escala de cobertura adoptada por Proyecto Pastos marinos-INVEMAR que define:

100-76% 75-51% 50-31% 30-11% 10-0%

5 4 3 2 1

Figura 3. Representación esquemática del porcentaje de cobertura de corales de Dahl (1981), empleada para pastos por el Proyecto Pastos marinos del Caribe colombiano-INVEMAR Una vez en el campo, se hará un recorrido con ayuda de un GPS portátil, para verificar la extensión, cobertura, forma y número de parches que conforman la pradera seleccionada para el muestreo. En

cada pradera, se escogerán al azar mínimo 2 estaciones, a dos profundidades 1-2 m y otra entre 4-5 m, donde la pradera de Thalassia sea visualmente mas frondosa o bien desarrollada con hojas limpias y verdes, considerando que estos sitios representan la máxima productividad de la pradera (CARICOMP, 2002). En estas estaciones, que serán fijas, se localizaran 4 cuadrantes (unidad muestral) de 25 x 25 cm con 25 subdivisiones de 5 x 5 cm (CARICOMP, 2002).

Como alternativa, para la distribución espacial de las estaciones en el parche seleccionado, puede adoptarse una modificación del método de Tomasko et al, (1999). Para ello, se hará el trazado de dos ejes centrales que forman una cruz, a partir del punto central de la pradera, georeferenciado a priori en el mapa correspondiente. En el trayecto de cada eje, a partir del punto central se distribuirán las estaciones (mínimo 9), dos en cada lado del eje y una en el punto central, como se muestra a continuación:

Figura 2. Parche de T. testidinium, dividida en dos ejes principales a partir de un punto centra (pc) geoposicionado con GPS.

1c. Tiempo y frecuencia

La colección de muestras por pradera se hará una vez por año, correspondiendo a una época climática de transición (mayo a septiembre), entre la época seca (diciembre-abril) y la época de lluvias (octubre-noviembre), para eliminar las fluctuaciones estacionales en los parámetros poblacionales de la pradera relacionados con las épocas climáticas.

Algoritmo: El área mínima de muestreo por pradera será determinado mediante la ecuación para poblaciones finitas (FAO, 1982), utilizando la variable densidad de vástago establecida durante el proyecto de línea base de Fanerógamas (Díaz, 2002).

2

2

)ˆ()(

)ˆ()(*

+

=

xCVxCVA

xCVxCVA

n

p

p

Donde Ap es el área o extensión de la pradera en Km2. CV(x) es el coeficiente de variación de un antecedente (Díaz, 2002) y CV(x) es el coeficiente de variación asumido como el grado de precisión de trabajo (15%). Ejemplo: Calcular para Chengue Para las praderas de Chengue: Extensión: 190.675 m2 (3051 cuadrantes de 0,0625 m2) en 3 parches. Promedio de densidad de vástago 17,60 vástagos/m2 Desviación estándar: 5,85 Coeficiente de variación: 33,26 %

cuadrantescuadcuad

cuadn 1102.11

1026.333051

1026.33*3051

2

2

≈=

+

=

Observaciones:

• Para cada pradera, se debe validar estadísticamente el número óptimo de muestras (cuadrante) y su distribución, para evitar el sesgo por submuestreo.

• Las estaciones deben ser fijas • Es recomendable adoptar, en la medida de lo posible, la distribución de radial de las estaciones

(Tomasko et al, 1999), para considerar las variaciones intrínsicas a la expansión o contracción de la pradera, y su vulnerabilidad a la fragmentación.


Protocolo: ESTADO DE CONSERVACION DE PASTOS MARINOS Proceso: Valoración de la Estructura Términos y definiciones: Se define Estado como la estructura, salud y funcionamiento de un ecosistema en un momento dado (INVEMAR, 2002). Bajo este precepto, la integridad biológica de las praderas de fanerógamas de Colombia esta dado por las variables indicador de estructura, salud y funcionamiento, sensibles a los cambios que se suceden por el impacto humano. Se entiende por variables estructurales de un ecosistema todos aquellos atributos que lo caracterizan ecológicamente a un nivel de una comunidad, que a su vez esta comprendida por poblaciones de algunas o todas las especies que coexisten en un sitio (Noss, 1990). El nivel de comunidad del ecosistema de pastos marinos, en el Caribe colombiano, esta limitado por la dominancia de praderas monoespecíficas de Thalassia testidinium. No obstante, las poblaciones de esta especie cumplen con los requerimiento necesarios para ser utilizadas como indicador, puesto que es la especie más competitiva, predominante en praderas maduras, que contribuye con mas biomasa y área productiva de las praderas de fanerógamas, y además porque es particularmente sensible a impactos humanos (Durako et al, 1985; Carlson et al, 1999). De esta forma las variables demográficas y morfológicas; tales como la densidad de vástagos, biomasa foliar y área foliar serán empleadas para caracterizar estructuralmente las praderas de fanerógamas del país. Requerimientos específicos: Información

1. Densidad de vástagos (Numero de vástagos por m2) 2. El numero de hojas por vástago 3. Biomasa de cada hoja 4. La longitud de cada hoja (mm) 5. El ancho de la hoja (mm) 6. Clasificación del numero de hoja

Condiciones previas: - Extensión de la Pradera En campo a manera de verificación de la extensión estimada a partir de imágenes Landsat 7, se escogerán sitios en los limites del contorno de la pradera (o por lo menos de los identificados a la resolución de trabajo), para verificar la presencia de Thalassia. De no ser así, se hará un recorrido en sentido de la pradera para localizar geográficamente la posición del borde exterior de la pradera con ayuda de un GPS manual y una ecosonda portátil. En el caso de encontrar numerosos parches segregados, se verificara la especie dominante y en el caso de ser Thalassia se asumiera la pradera como la suma de las áreas de los parches dominados por esta especie y esta será el área objeto de estudio.

Desarrollo: Una vez en el sitio de muestreo y ubicado cada cuadrante, se debe contar el numero de vástagos y colectar al azar 10 de estos, rotulados y almacenados de forma independiente para los posteriores análisis en laboratorio. En el laboratorio, el material debe ser lavado con agua en una malla de 2 a 4 mm hasta retirar el exceso de sedimento. Luego las hojas de cada vástago deben ser contadas y separadas en 3 grupos: 1) hojas nuevas: ubicadas en la parte interna de la planta, son las hojas que emergen en el tiempo de marcaje, ellas son verdes y frescas y no tienen marcas, son típicamente cortas, redondas en el extremo apical y en la mitad. 2) hojas adyacentes (No. 2): adyacente a la hoja nueva sin o con pocos epifitos y 3) hojas opuestas (No. 3): ubicadas al lado opuesto de la No2 pero con epifitos. Las hojas 4 y 5, si están presentes, pueden ubicarse al lado y lado de la hoja 3 Después de la separación de la planta en varias partes y seguros de que cualquier remanente de sedimento ha sido removido, se tomaran las tres medidas morfométricas, empezando con las jóvenes hasta las más viejas: 1) Longitud de cada hoja, en cm, como la distancia desde la interfase vástago-hoja (verde-blanco) hasta el ápice de la hoja. 2) el ancho de la hoja, en mm, como el diámetro a la altura de 2 cm de la base de la hoja, y en plantas de menos de 2 cm en la parte media. Se debe anotar particularidades tales como, la aparición de hojas rotas o la forma del extremote cada hoja. Para la medida de biomasa se seguirá el método descrito por Ziemman (1974). Previo al pesaje de las hojas, es necesario remover lo epifitos, bien sea raspando con una cuchilla suave, ó dejando las hojas inmersas por 10 minutos en ácido fosforico al 10% o HCL al 10%, lavándolas luego con abundante agua para remover el ácido. Las hojas libres de epifitos se dejan por 5 minutos sobre un papel absorbente, y se pesan (Peso húmedo). Posteriormente, la hoja envuelta en papel aluminio, se pone a secar en una estufa a 60-90 ºC hasta peso constante, es decir dejarlas por varios días hasta que tengan un peso constante por mínimo de 12 horas. Luego se deben poner en un desecador o mantener fresca a 45 ºC antes de pesarlas (peso seco). Todas las medidas son expresadas en gramos de peso seco por metro cuadrado (g Ps/m2). Es importante anotar, que en los siguientes muestreos no seria necesario traer muestras a laboratorio. En ese caso, en campo se debe registrar además del numero de vástagos, para 5 vástagos escogidos al azar, se anota el numero de hojas por vástago, la longitud y el ancho de la hoja, estimando la biomasa a partir del calculo de los pesos húmedo y seco empleando la relación matemática entre la longitud y el peso de la hoja, calculada a partir del primer muestreo. Area Foliar En el Laboratorio los vástagos son lavados con agua dulce, se cortan las hojas desde el vástago con unas tijeras. Cada hoja debe ser medida empezando con las jóvenes hasta las más viejas. Las hojas jóvenes son típicamente cortas, muy verdes, redondas en el extremo apical y en la mitad. Las hojas 2 pueden ser jóvenes y son adyacentes a la hoja 1. Estas usualmente son verdes sin o con pocos epifitos pero mas larga que la hoja 1. Como las hojas son producidas alternativamente, la hoja 3 puede entonces ser opuesta de la lado a la 1 o 2. Las hojas 4 y 5 (si están presentes) pueden ubicarse al lado y lado de la hoja 3. La medida de longitud total de la hoja es la distancia desde la base hasta el extreme superior (cm). La medida del ancho de la hoja se hace a los 1 o 2 cm desde la base y se registra en mm. Si la hoja es menor de 2 cm en longitud, se mide en la mitad. También se debe registrar la distancia desde la base de la hoja hasta donde se registra los primeros epifitos (cm). Si los epifitos cubren toda la hoja entonces la distancia es cero. Después de las medidas y de raspar los epifitos ver si la hoja es amarilla o café y si esta completamente de epifitos Algoritmo:

a. Biomasa foliar Una de las principales medidas estructurales de una pradera es la estimación de la biomasa foliar, refiriéndose a la producción en g/m2 de material fotosintético de la pradera (hojas verdes libres de epifitos) (Wilzbach et al 1999). La biomasa foliar por cuadrante se calcula como el producto entre la densidad de vástagos, el numero de hojas promedio por vástago y el peso promedio de cada hoja de T. testidinium.

cccc hbdY **= Donde - Densidad de vástagos (d): Se refiere al numero promedio de vástagos por cuadrante (0,0625 m2). - Número de hojas promedio por vástago (h): Para 10 vástagos seleccionados al azar por estación, se contaran el número de hojas, y luego se sacara un promedio, con su respectiva desviación. - Peso promedio de una hoja (b): El peso de cada hoja será estimado a partir de la longitud de la hoja mediante la ecuación Ph= aLh

b . Para definir los parámetros de esta ecuación (intercepto y pendiente), se establece una regresión potencial entre la longitud total (x) y el peso húmedo ó seco libre de epifitos (y), discriminado por tipo de hoja. La estimación de la biomasa foliar para toda la pradera (YT) será igual a:

Tc

cT A

AY

Y *=

donde: AT es el área total de la pradera o del parche, Ac el área cubierta por los cuadrantes para cada estación, y Yc es la biomasa promedio por cuadrante, que se calcula así:

c

hbdY

c

iccc

c

∑== 1

**

donde c es el número de cuadrantes muestreados. La precisión de la estimación de la biomasa será cuantificada por el coeficiente de variación, mediante la formula (FAO, 1982):

%100*T

Y YSCV =

Donde S es la desviación estándar de las biomasas promedio, Yt es la estimación de la biomasa total de la pradera. Los límites de confianza de la estimación están dado por:

)05,0,1(*:ˆ−± nT t

cSYcY

La precisión estará sujeta al número de muestras (c) y a la complejidad estructural de la pradera, de tal manera que será mejor si se hace en praderas pequeñas y monoespecíficas, con una cobertura y densidad de vástagos homogénea.

b. Area Foliar Para determinar el área foliar de la pradera se hará uso del índice de área foliar. Este índice se calcula como el producto entre la longitud (cm) y el ancho (mm) de la hoja, ambas medidas sensibles a cambios ambientales generadores de estrés en la pradera. La comparación estadística entre sitios se hará a partir de los parámetros (intercepto y pendiente) del modelo de regresión lineal entre la longitud (x) y el ancho de la hoja (y): bLaA += y de la regresión potencial entre el peso y la longitud, de tal forma que los sitios serán clasificados según la siguiente escala: Pendiente Condición Longitud vs ancho Igual a 0 Crecimiento tiende a isométrico Menor que 0 Hojas delgadas pero largas Mayor a 0 Hojas anchas pero cortas Longitud vs Peso Igual a 3 Crecimiento simétrico Menor que 3 Hojas delgadas pero largas Mayor a 3 Hojas cortas pero pesadas La significancía estadística de este parámetro será evaluada mediante la ecuación:

)2(*1

1*2

−−−= nr

bSySxt

Contrastado con el valor en la distribución t con (n-2) grados de libertad y α de error. Observaciones:

- Construcción de curvas de funcionamiento que permitan establecer la dilección y magnitud de los cambios que se suceden en la biomasa foliar y el área foliar en relación con la frecuencia e intensidad de actividades humanas.

- Evaluar la variación temporal de las variables demográficas y morfométricas de las poblaciones de Thalassia.

- Evaluar los cambios que se suceden en estas variables debido al estrés generado por factores ambientales esporádicos (huracanes, mares de leva, etc).

Formato de registro Sitio Estación No. Fecha

Cuadrante Vástago #hojas/vas. Tipo hoja Longitud (cm)

Ancho (mm)

Peso (mg)


Protocolo: CONSERVACION DE PASTOS MARINOS Proceso: Valoración Del Estado De Salud Términos y definiciones: Se define como estado de salud a la ausencia u ocurrencia de condiciones de deterioro como respuesta de un ecosistema, asociadas por repetición, ante estímulos externos de origen natural o antropico (modificado de William y Bunkley-Williams, 1988). De acuerdo con esta definición, el estado de salud de una pradera de pastos marinos estará determinado por las condiciones de deterioro y por la carga de epifitos, dado que la macrofauna asociada a las praderas de fanerógamas es reconocida como indicador de efectos de contaminación Las condiciones de deterioro pueden ser de dos tipos: a) Signos: Características observables en el tejido vegetal (emergido) que indica la presencia o acción de un agente de deterioro y/o b) Agente: son los elementos causantes de deterioro y por lo tanto de signos en el tejido de la planta. En lo relacionado con praderas de pastos marinos, existe poca documentación acerca de enfermedades, signos o agentes de deterioro, razón por la cual, para el presente trabajo se adopta el marco conceptual de condiciones de deterioro para áreas coralinas descrito por Barrios (2000). En dicho trabajo se establecen ocho categorías de condiciones deterioro, a saber:

9. Praderas sanas: sin signos de deterioro. 10. Mortalidad: se refiere a la pérdida del tejido vivo de la planta en un área dada. Es decir a la

ocurrencia de cicatrices en los vástagos que han dejado las hojas perdidas, la presencia de lunares de sedimento en el interior del parche, de hojas parcial o totalmente necrosadas.

11. Invasiones: recubrimiento del tejido de las hojas o vástagos por otros organismos, tales como algas (comunes las algas rojas costrosas), esponjas, etc.

12. Agresiones por organismos móviles: refiriéndose al deterioro causado por el movimiento de organismos móviles: Entre esta categoría se incluye la depredación, es decir perdida del tejido vivo (hojas, vástagos o rizomas) para alimentación, por parte de peces, erizos, gasterópodos, poliquetos, etc.

13. Agresión por organismos sesiles: donde los daños son por vías químicas, diferente a las invasiones, puesto que solo el contacto genera deterioro, no el recubrimiento o el ahogamiento. Ejemplo: agresión por esponjas, tunicados, esponjas escavantes y por algas.

14. Signos causados por agentes físicos: no se reconoce al agente causante, pero se identifica el daño. Por ejemplo, las cicatrices de artes de pesca arrastreras o de dragados, cicatrices de las propelas de las embarcaciones, los lunares de sedimento, los rayones o raspaduras en las hojas, la fragmentación, etc

15. Enfermedades En general, se define enfermedad como cualquier desorden de las funciones vitales, ya sea a nivel de órganos, sistemas o funciones corporales globales (Peters, 1997). En la actualidad, se reconocen los signos de las enfermedades producidas por hongo Labyrinthula que se hace evidente cuando aparecen bandas largas oscuras o lesiones sobre las hojas de Thalassia, debido a el bloqueo de la fotosíntesis cuando ellos están sobre toda la superficie de la hoja , Blakesley et al, 1998. y por el hisopado Limnora simulata que deja a su paso bordes café en las hojas y lesiones internas decolorando la hoja de Thalassia (reportado en las praderas del Caribe Mexicano) (Van Tussenbroek com. Per.).

Las enfermedades pueden ser caracterizadas por un grupo identificable de signos (anomalías observables que indican la presencia de la enfermedad y que pueden incluir alteraciones estructurales,

similar a los síntomas humanos, o por la ocurrencia del agente causal o etiológico. En los ecosistemas marinos, las enfermedades pueden ser de origen biótico o abiótico. Las de origen abiótico son aquellos desordenes estructurales que resultan solamente de exposición a factores de estrés ambiental, como un cambio en las condiciones físicas (salinidad, temperatura, intensidad lumínica, exposición al oleaje, sedimentación, concentración de oxigeno, corrientes) o exposición a sustancias químicas tóxicas (metales pesados o sustancias orgánicas como aceites y pesticidas). Las enfermedades bióticas, son aquellas en las que el agente causal es un organismo vivo, como por ejemplo un parásito y se diferencian de las abióticas porque usualmente se desarrollan en un lugar especifico (Peters, 1997). Los parásitos se denominan patógenos cuando causan enfermedades infecciosas y muerte al hospedero, pero no todos los parásitos causan la muerte de su hospedero Sin embargo se puede evidenciar dos estados: un estado previo a la aparición de signos de lesión, durante el cual la enfermedad se propaga pero no produce efectos evidentes, seguido por un estado de infección evidente o clínica, cuando aparecen signos (Myrvik et al, 1977). Aunque la enfermedades pueden ser de origen biótico o abiótico, pueden estar relacionadas de tal forma que un patógeno puede causar daño, si el hospedero esta estresado por un factor abiótico o biótico. De esta manera, las enfermedades se presentan como el resultado de interacciones entre hospederos susceptibles, un patógeno y una condición ambiental prevaleciente. La fuerza o intensidad de una enfermedad estará directamente relacionada con el grado de interacción que se presente entre estos factores. Ejemplo de ello es la incidencia del hongo Labyrunthula sobre las praderas de Fanerógamas de la Florida, que las bajas en la salinidad lo inhibe. Numeroso factores ambientales pueden estresar las praderas de Thalassia interactuando para hacerla mas susceptible a enfermedades o para ocasionar la muerte de las plantas. Las altas salinidades y temperaturas, los elevados niveles de sedimentos sulfhídricos, la eutrofización, la proliferación del hongo patógeno Labyrinthula y el sobredesarrollo de las comunidades fitoplanctónicas y macroalgales, relacionados con el efecto de disminución de luz, pueden ser agentes deteriorantes de este ecosistema marino (Blakesley et al (sin año). Carga de epifitos Al parecer, la diversidad fáustica que albergan las praderas está relacionada estrechamente con la estructura fenológica de las mismas, y puede ser especifica para algunas praderas y/o diferir enormemente entre áreas cercanas geográficamente. De acuerdo con Laverde-Castillo (1992), el patrón de distribución y las características estructurales de las plantas deben ser tenidos en cuenta al evaluar la abundancia y diversidad de la fauna presente en las praderas. La comunidad de macrofauna asociada a las praderas de Thalassia esta conformada por moluscos, crustáceos, peces, esponjas, cnidarios, equinodermos, poliquetos y tunicados. En las praderas del Caribe colombiano esta macrofauna se asocia en dos grupos, mostrando una mayor riqueza y abundancia de especies en las praderas de la Guajira, generalmente localizadas en sedimento de origen rocoso, litoclástico o litobioclástico, encontrando solo dos especies generalistas el erizo Lytechinus variegatus y el pez loro Sparisoma radians La carga de epifitos de una pradera es dependiente además de los factores estructurales de la pradera tales como la cobertura de pastos, la longitud de las hojas, el mosaicismos (influencia por otros biotopos), de la turbidez y la profundidad. Aunado a lo anterior, la carga de epifitos se ve favorecida por los procesos de eutroficación de los cuerpos de aguas, como consecuencia de la disminución lumínica ocasionada por los aportes de materia orgánica (Ziemman, 1975). De esta forma la carga de epifitos es una manifestación o síntoma de la condición de estrés en la que se encuentran las praderas de fanerógamas, Requerimientos específicos: Información: Elaborar unas fichas taxonómicas de reconocimiento visual.

Hacer conteos de individuos a nivel de género o familia.

Cobertura en área de agente de deterioro. Presencia de signos o agentes de deterioro Cobertura de epifitos

Condiciones previas: El registro en una escala relativa del grado de intervención antrópica sobre las praderas asociadas (Diaz et al, en prep.) Tabla 3. Escala de valoración del grado de intervención antrópico sobre las praderas de fanerógamas.

Atributos ambientales Escala del grado de intervención Influencia de actividades humanas -Turismo - Explotación pesquera -Actividades náuticas Presencia y tipo de basuras Descarga de aguas: - Servida y/o contaminantes - Continentales Poblaciones adyacentes Turbidez

0 = no hay intervención 1 = intervención muy baja 2 = intervención baja 3 = intervención media 4 = intervención alta 5 = intervención muy alta o importante

Desarrollo: a. Condiciones de deterioro En cada estación, mediante el método de censos visuales, en un área de 30 m2 delimitada por un transecto se hará previo a la cosecha de vástagos, una inspección visual de las condiciones de deterioro, y su cobertura. A si mismo se hará una revisión de las hojas colectadas. Anotando la frecuencia de aparición de cada condición de deterioro. La frecuencia de aparición de cada condición de deterioro, será registrada como la presencia o ausencia en una escala de baja (<30 cobertura del transecto), media (30-75%) y alta (>75% de cobertura) cobertura del transecto, asignando puntajes de 1, 3 y 5 respectivamente, y cero cuando esta ausente. Las condiciones de deterioro en las hojas de Thalassia serán registradas de la siguiente manera:

Condición Características Bajo (1)

Medio (3)

Alto (5)

Parche sano Hojas verdes, sin epifitos y limpias Perdida del tejido vivo de la planta. Areas de la pradera con hojas muertas que se reconocen por su coloración café

Mortalidad

Lunares de sedimento al interior de los parches Cobertura de Algas rojas costrosas Cobertura de Hidroides

Invasiones

Cobertura de Tunicados (familia Clavelinidae) Agresiones por organismos móviles

Frecuencia de aparición y abundancia de organismos herbívoros: Gasterópodos, Moluscos y Equinodermos (erizos, L. variegatus, Echinometra lucunter, Tripneustes ventricosus), peces (S. radians y A. chrirurgus)

Agresión por organismos sesiles

Cobertura de esponjas: Hyatella cavernosa

Presencia de lunares negros en las hojas Presencia de Banda café: delgada banda café a lo largo de las hojas (ocasionada por el hongo Labyrinthula)

Signos generales de deterioro

Lesiones en las hojas Cicatrices de arrastres o dragados Cicatrices de las propelas (lugares de podas)

Masa de hojas viejas flotantes: Perdida de hojas viejas (por vientos, mares de leva, etc)

Signos causados por agentes físicos

Rayones o raspaduras en las hojas b. Carga de epifitos La carga de epifitos será cuantificada como el porcentaje del área de la hoja ocupada por los epifitos, y el porcentaje en peso de los epifitos, de la siguiente manera:

%100*LhLeCe =

y %100*PhPeCe =

Donde Le es la longitud de la hoja ocupada por los epifitos y Lh es la longitud total de las hojas. Pe es el peso de los epifitos y Ph el peso de la hoja. Para muestreos posteriores, la información será asignada en campo usando las categorías descritas por Wilzbach et al (1999): 0-5% sin epifitos, 25-50% moderado, 50-75% alto epifítismo, >75% fuertemente epifitada. Algoritmo: La frecuencia de cada categoría para la condición de deterioro correspondiente, serán consignadas en tablas de frecuencia. La hipótesis de independencia entre la ocurrencia de una condición de deterioro y el sitio o pradera será contrastada mediante la prueba G (Zar, 1994). Observaciones:

- Validar y calibrar las curvas de funcionamiento para establecer los puntajes correspondientes en el IBIF


Protocolo: CONSERVACION DE PASTOS MARINOS Proceso: Valoración del Funcionamiento Términos y definiciones: La productividad de una pradera de fanerógamas es entendida como la cantidad de nuevo material que produce la pradera por unidad de área por día, es decir la sumatoria de la biomasa nueva correspondiente a la aparición de hojas nuevas, más la biomasa que han aumentado las hojas ya existentes, en un tiempo dado, relativo al área de l parche. De esta forma la tasa de renovación puede ser interpretada como la cantidad de planta producida por unidad de la planta, de tal manera que se expresa en términos de proporción la cantidad de planta presente que potencialmente es reemplazada cada día. Requerimientos específicos: Información: Peso de las hojas nuevas (Whn) Peso de la fracción que crecieron las hojas viejas (Whv) Numero de vástagos por cuadrante Tiempo transcurrido Area de la pradera Condición Previa Clasificación de las hojas: Las hojas son separadas en 3 grupos 1) hojas nuevas: son las hojas que emergen en el tiempo de marcaje, ellas son verdes y frescas y no tienen marcas. 2) Hojas viejas que son las hojas 2 y 3, o si las hay hasta la 5. Es importante anotar si están completas, pues la rotas no es recomendable incluirlas. Remoción de epifitos: Previo al pesaje de las hojas, es necesario remover lo epifitos, bien sea raspando con una cuchilla suave, ó dejando las hojas inmersas por 10 minutos en ácido fosfórico al 10% o HCL al 10%, lavándolas luego con abundante agua para remover el ácido. Desarrollo: Para la medida de productividad y biomasa se seguirá el método descrito por Ziemman (1974). El primer día de muestreo, una vez en la estación de muestreo, se ubica y marca cada cuadrante, contando el número de vástagos. Se seleccionan al azar 5 vástagos frondosos por cuadrante, y a cada hoja se le hace una marcar con una sacahuecos, al nivel de la interfase verde-blanco, o de la superficie del sedimento. Las hojas marcadas pueden dejarse por 4 o 5 días (tiempo de salida de campo). Luego el vástago es arrancado y almacenado en bolsas plásticas para ser llevado al laboratorio. En el laboratorio, el material debe ser lavado con agua en una malla de 2 a 4 mm hasta retirar el exceso de sedimento. Luego las hojas de cada vástago deben ser contadas y separadas en 3 grupos: 1) hojas nuevas: ubicadas en la parte interna de la planta, son las hojas que emergen en el tiempo de marcaje, ellas son verdes y frescas y no tienen marcas, son típicamente cortas, redondas en el extremo apical y en la mitad. 2) hojas adyacentes (No. 2): adyacente a la hoja nueva sin o con pocos epifitos y 3) hojas opuestas (No. 3): ubicadas al lado opuesto de la No2 pero con epifitos. Las hojas 4 y 5, si están presentes, pueden ubicarse al lado y lado de la hoja 3

Las hojas libres de epifitos se deja por 5 minutos sobre un papel absorbente, y se pesan (Peso húmedo). Posteriormente, la hoja envuelta en papel aluminio, se pone a secar en una estufa a 60-90 ºC hasta peso constante, es decir dejarlas por varios días hasta que tengan un peso constante por mínimo de 12 horas. Luego se deben poner en un desecador o mantener fresca a 45 ºC antes de pesarlas (peso seco). Es importante anotar, que en los siguientes muestreos no seria necesario traer muestras a laboratorio. En ese caso, en campo se debe registrar además del numero de vástagos, para 5 vástagos escogidos al azar, se anota el numero de hojas por vástago, la longitud y el ancho de la hoja, estimando el peso húmedo y seco a partir de la relación matemática entre la longitud y el peso de la hoja, calculada a partir del primer muestreo. Algoritmo: a. Productividad La productividad por área es entendida como la biomasa nueva (bien sea por la aparición de nuevas hojas o por el crecimiento de las viejas) que produce la pradera por unidad de área por día. La productividad promedio por cuadrante será calculada de la siguiente manera:

m

thvhn

VV

dWW

Pd##

*#+

=

Donde: Whn es el peso de las hojas nuevas, Whv es el peso de la fracción que crecieron las hojas viejas. #d es el numero de días y #Vt es el numero de vástagos total por cuadrante y #Vm es el numero de vástago muestreados por cuadrante. La productividad de la pradera estará dada por:

AcAtdPPT *=

Donde Pd es la productividad diaria promedio por cuadrante At es el área total de la pradera y Ac es el área del cuadrante. b. Tasa de renovación Refiriéndose a la cantidad de planta productividad por unidad de la planta, expresada como el porcentaje de la planta presente que es remplazada cada día, estimada mediante la siguiente ecuación:

%100*)( 321 WWW

dPTr++

=

Formato de registro

Sitio Fecha

Estación Días transcurridos

Cuadrante #Vástago/cuad Tipo hoja Peso (mg)

Peso fracción nueva


Protocolo: CONSERVACION DE PASTOS MARINOS Proceso: Calculo de la Integridad Biológica IBIF Términos y definiciones: Karr y Dudley (1981) argumentan que la integridad biológica es la capacidad para soportar y mantener “una comunidad de organismos balanceada, integrada y adaptada” con una composición y diversidad de especies, así como una organización funcional comparable a las comunidades que habitan en ecosistemas sin perturbación antrópica. Un sistema es biológicamente saludable cuando su potencial inherente es realizable, su condición es estable, su capacidad de resiliencia se mantiene, y requiere el mínimo de esfuerzo externo para mantenerse (Karr et al, 1986). El índice de integridad biológica IBI es una aproximación multivariada (multimétrica) a la condición de un ecosistema, comunidad y/o población en particular, puesto que tiene en cuenta la complejidad de los sistemas biológicos, así como la diversidad de factores de origen antro pico y biótico que lo afectan, para determinar el estado de conservación de un lugar de interés. Para el procesamiento e interpretación del IBI es preciso seleccionar métricas (variables), simples o índices, que califiquen el cambio o perturbación de un ecosistemas por un factor determinado, es decir que pruebe la relación causa-efecto entre la condición de un ecosistema y la influencia de las actividades humanas. A la valoración de cada métrica, se le debe asignar un puntaje entre 5, 3 y 1, que corresponde a una escala que valora el deterioro respecto a lo observado en sitio de referencia (sin perturbar). De esta forma, el puntaje de 1 se le asignara aquellos lugares donde el valor estimado para la métrica en cuestión difiera significativamente del observado en el sitio de referencia, y el puntaje 5 cuando los valores sean significativamente similares a los valores del sitio de referencia. De esta forma, el IBI resume la condición de un ecosistema en un solo número, que contrastado con el grado de influencia humano permite orientar el proceso de manejo o de conservación de los ecosistemas.

Requerimientos específicos: Información: Selección de sitios de referencia

Valorar las diferentes métricas en los sitios de regencia Asignar puntajes


• Definición de categorías para la clasificación de las praderas de fanerógamas de acuerdo con la estructura y el tipo de sedimento.

• Definir la escala de puntajes correspondiente a cada métrica Desarrollo: Idealmente, el IBI fue diseñado para la evaluación de estado calificándolo en relación a un sitio de referencia, es decir sin o con mínima perturbación antrópica. Sin embargo, y atendiendo a las características estructurales de las praderas, es mejor calificar el estado a partir de los cambios que se dan en los valores de las diferentes variables estructurales respecto a una linea base, que en este caso serian los resultados arrojados por el Proyecto de Pastos marinos del Caribe (Diaz, et al, 2001).

De esta manera, a los cambios en los valores de cada variable respecto a la línea base se les asignaran puntajes en el IBI F entre 5, 3 y 1, correspondiendo el 5 a un estado conservado y el 1 a un estado de deterioro. Teniendo en cuenta los puntajes correspondientes del IBIF para cada una de las variables, se tiene como puntaje mínimo para la pradera de fanerógamas más deteriorada el valor de 6, mientras que la pradera en mejores condiciones obtendrá un valor máximo de 30. Para efectos finales del veredicto se tendrá en cuenta la siguiente clasificación, con la cual se presentarán los veredictos finales para cada pradera evaluada: Tabla 2.

Atributo Variable Rango de cambio Puntaje IBIF

B ≤ 50% 1 10%≤ B ≤ 50% 3

Biomasa Foliar

Disminución B≤10% 5

Disminución del área foliar ≥ 50% y disminución de la tasa de cambio L-A **

1

Disminución del área foliar en un 30% y disminución de la tasa de cambio L-A **

3

Estructura

Area Foliar

Se mantiene el área foliar, y las tasas de cambio y L-A

5

Presencia de al menos una condición de deterioro con frecuencia promedio alta (>75% de cobertura)

1

Presencia de una sola condición de deterioro con frecuencia promedio media (30-75%)

3

Condiciones de deterioro de origen humano (presencia y frecuencia)

Ausencia de condiciones de deterioro 5 Aumento en Ce < 30%, Ae ≥75% 1 10%≤ Ce ≤ 30%, 25%≤ Ae < 75% 3

Salud

Carga de epifitos (%)

Disminución Ce<10%, Ae<5% 5 Disminuye P ≤ 40% 1 10% P ≤ 40% 3

Productividad (%)

Aumenta 5 Aumenta P≤ 60% 1 10%< Tr < 60% 3

Funcionamiento

Tasa de renovación (%)

No aumenta 5 Algoritmo:

∑∑= =

=m

i

v

jmvF XIBI

1 1 Donde: Xmv: corresponde a los puntajes de cada variable por métrica. Ejemplo: Con base en los resultados estructurales y de productividad obtenidos en el proyecto de Pastos marinos de Colombia (Díaz, et al, 2002) existe la siguiente aproximación para la clasificación de las praderas de Colombia a partir de los puntajes de IBI.

Tabla 2. Escala de clasificación de la condición ecológica de las praderas de fanerógamas con base en el puntaje total del índice de integridad biológica IBI.


ecológica Color

(Salida gráfica)

Condiciones

28 a 30 Excelente 5 Integridad biológica de la pradera es similar a áreas sin perturbación antrópica. La pradera de T. testidinium se distribuye homogéneamente y sostiene una carga de epifitos balanceada, con bajas señales de mortalidad y signos de deterioro

21 a 27 Buena 4 Baja diversidad de algas y epifitos. 14 a 20 Aceptable 3 Disminuye la productividad y aumenta la tasa de

renovación. 7 a 13 En riesgo 2 Signos de deterioro son más conspicuos, combinado

con una baja productividad y área foliar 6 Deteriorado 1 Alto grado de epífitismo de baja diversidad, alto grado

de fragmentación, bajo crecimiento, predominancia de signos de deterioro, alta diversidad de algas

Observaciones:

- Calibrar mediante curvas de funcionamiento la escala de asignación de puntajes en el IBIF


INVEMAR


EN DESARROLLO

Protocolo: ESTADO DE CONSERVACION DE BOSQUES DE MANGLAR Objetivo: Evaluar el estado de conservación de los bosques de manglar mediante la calificación de la integridad biológica de los bosques de manglar, a partir de medidas directas en campo en un tiempo dado respecto a una línea base. Alcance: Aplicable a áreas de referencia y control: Caribe: Ciénaga Grande de Santa Marta

Golfo de Morrosquillo Ciénaga de la Virgen – Bolívar Bahía de Cispatá Golfo de Urabá

Pacifico: Departamento del Choco Departamento del Valle de Cauca Departamento del Cauca Departamento de Nariño

Escala de Trabajo: Trabajo de campo (1:1)

Geográfica: 1:100.000 y 1:50:000 Formato de salida: Mapa temático de estado ecológico de los bosques de manglar expresado

en un escala relativa de calificación del IBIM ajustada al sistema semáforo. Grafico multitemporal comparativo de áreas respecto a áreas de

referencia Requerimientos:

Información: Datos de campo, relativos a estructura, salud y funcionamiento de los

bosques. Imágenes Landsat ETM actual e históricas

Mapas de extensión de bosques de manglar de Colombia base Cartografía temática resultante del indicador de extensión y vitalidad de ecosistemas marinos.

Software: Acess, Statgraphics, Sistat y Excel

Personal: Biólogo experto en ecología de ecosistemas de manglar

Experto en indicadores de integridad biológica.

Apoyo: Universidades, CAR, UAESPNN, Centros de investigación marinos y costeros

Equipos y Materiales: Clinómetros

GPS Brújulas Cámara fotográfica Decámetros Cintas diamétricas 4000 Tags Puntillas Martillos Bolsas y Bolsas ziplot 1 bandeja profunda Papel aluminio Banderitas de marcaje Estufa con temperaturas entre 45, 60, o 90 ºC Balanza analítica.


Objetivo Calificar el estado de los

bosques de manglar

Línea Base

Estado en un Tiempo de referencia

Cartografía Base

Diseño muestral

Levantamiento de Información

Selección de sitios de referencia

Numero de Estaciones

IBIM

Estructura ICH

Salud

IVI

Enfermedades

Funcionamiento

Selección unidad Muestral

Selección de Estaciones

Condiciones de deterioro

Reclutamiento

Cartografía Temática

Análisis Estadístico

Validación de la Escala de

Calificación

Interpretación

Recomendaciones:

• Contar con personal calificado para el levantamiento de información en campo y para el procesamiento e interpretación de la misma

• Cumplir con una fase de implementación para establecer la escala de calificación del IBIM • Establecer escala de valoración de IBI discriminando para los bosques de manglar del Caribe

respecto a los del Pacifico • Estandarización y normalización de la información existente en las diferentes Instituciones

públicas y privadas. • Aprovechar las series de datos del Ministerio y de los monitoreos de la CGSM para proceder a la

fase de validación y calibración del indicador • Fortalecer convenios con otras entidades para asegurar la toma de datos ininterrumpida cada

año. Bibliografía relacionada Casas-Monroy O., F. Daza y H. Rodríguez. 2001 Capítulo Manglares en: Plan de seguimiento y monitoreo de la zona deltaíco-estuarina del río Sinú. INVEMAR-URRÁ. 525 P. CARICOMP. 2001. Methods manual, levels 1 and 2. Manual of methods for mapping and monitoring of physical and biological parameters in the coastal zone of the Caribbean http://isis.uwimona.edu.jm/centres/cms/caricomp/methods_manual.html Consultado en noviembre de 2002. Cintrón G., C. Goenaga y A. E. Lugo. 1978. Observaciones sobre el desarrollo del manglar en costas áridas. 18-32 p. En: Estudio científico e impacto humano en el ecosistema de manglar. UNESCO. Montevideo. Clarke, P. J. y P. J. Myerscough. 1993. The intertidal distribution of the grey mangrove Avicennia germinans in southeastern Australia; the effects of physical conditions, interspecific competition and predation on establishment and survival. Aust. J. Ecol. 18: 325-344. Karr, J. 1991. Biology Integrity: a long-neglected aspect of water resource management. Ecological application 1(1):66-84 p. Lacerda, L. D., J. E. Conde, C. Alarcón, R. Álvarez-León, P. R. Bacon, L. D’Croz, B. Kjerfve, J. Polanía y M. Vanucci. 1993. Ecosistemas de manglar de América Latina y el Caribe: sinopsis. P. 1-38. En: Conservación y aprovechamiento sostenible de bosques de manglar en las regiones de América Latina y Africa. Proyecto ITTO/ ISME PD114/90 (F). Informe Final, volumen 2. 256 p. Mckee, K. 1995. Seedling recruitment patterns in a Belizean mangrove forest: effects of establishment ability and physico-chemical factors. Oecologia 101: 448-460 Odum, E. 1983. Ecología. Tercera edición. Interamericana. México D. F. 639 p. Pinto-Nolla, F., G. Naranjo-González y J. Hernández-Camacho. 1995. Influencia del hábitat en la morfometría y morfología del “Mangle salado” Avicennia germinans (L.) L. (avicenniaceae) en el litoral Caribe colombiano. Rev. Acad. Colomb. Cienc. 29(74): 481-497 Sánchez-Páez, H., R. Alvarez-León (eds). 1997a. Diagnóstico y zonificación preliminar de los manglares del Caribe de Colombia. Proy. PD171/91 Rev. (F) Fase 1 Conservación y Manejo para el Uso Múltiple y el Desarrollo de los Manglares en Colombia, MinAmbiente / OIMT. Santa Fe de Bogotá D.C. Colombia. 511 p.

Sánchez-Páez, H., R. Alvarez-León (eds). 1997b. Diagnóstico y zonificación preliminar de los manglares del Pacífico de Colombia. MinAmbiente / OIMT. Santa Fe de Bogotá D.C. Colombia. 343 p. Sánchez-Páez, H. y R. Alvarez-León (eds). 2000. Lineamientos estratégicos para la conservación y uso sostenible de los manglares de Colombia. Proy. PD 171/91 Rev. 2 (F) Fase II (Etapa II). Conservación y Manejo para el Uso Múltiple y el Desarrollo de los Manglares de Colombia, MINAMBIENTE/ OIMT. Santafé de Bogotá D.C., Colombia. 81 p. Soto, R. 1988. Geometry, biomass allocation and leaf life-span of Avicennia germinans (L.) L. (avicenniaceae) a long a salinity gradient in Salinas Puntarenas, Costa rica. Rev. Biol. Trp. 36(2A): 309-323 p. Soto, R. y L. F. Corrales. 1987. Variación de algunas características foliares de Avicennia germinans (L.) L. (avicenniaceae) en un gradiente climático y de salinidad. Rev. Biol. Trop. 35(2):245-256 p. Soto, R. y J. A. Jiménez. 1982. Análisis fisonómico del manglar de Puerto Soley, La Cruz Costa Rica. Rev. Biol. Trop. 30: 161-168. Tomlinson, P. B. 1986. The botany of mangroves. Cambridge University Press. Cambridge. Rivera-Monroy, V. H., J. E. Mancera-Pineda, R. R. Twilley, O. Casas-Monroy, E. Castañeda-Moya, J. Restrepo, F. Daza-Monroy, L. V. Perdomo-Trujillo, S. P. Reyes-Forero, E. Campos, M. Villamil y F. Pinto-Nolla. 2001. Estructura y función de un ecosistema de manglar a lo largo de una trayectoria de restauración: el caso de la Región Ciénaga Grande de Santa Marta. Contrato 429-97 MinAmbiente/ INVEMAR/ COLCIENCIAS/ University of Louisiana at Lafayette/ Instituto de Investigaciones Marinas y Costeras “José Vives D’Andreis”. Santa Marta, Magdalena Informe Final, 244 p.


Protocolo: Estado de conservación de bosques de Manglar Proceso: Estrategia de muestreo Requerimientos específicos Información: Definición a priori de estaciones

Determinar o estimar, a partir del índice de vegetación, la clasificación de unidades de Paisaje que componen cada área coralina.

Determinar el valor medio de DN para las estaciones propuestas La varianza de DN Cartografía base: La estrategia de muestreo, específicamente la selección de los sitios de referencia y de estaciones, así como el tamaño y número de muestras serán definidos con base en la cartografía temática existente en sala SIG de INVEMAR a escala nacional (1:100.000) y regional (1:50.000), así como de la interpretación visual y digital de las imágenes Landsat TM actuales. Condiciones previas: El proceso de selección de sitios de muestreo requiere de la cartografía resultante del indicador de extensión y vitalidad de áreas coralinas, obtenido a partir de imágenes Landsat. Por otro lado, para establecer el número óptimo de unidades muestrales (estaciones) por bosque de manglar es preciso determinar a priori algunos estimativos estadísticos acerca de los atributos estructurales de cada bosque, tales como extensión, NDVI y valor digital promedio por unidad de manglar. Desarrollo La selección de los sitios y el número de estaciones en cada sector se planificará para cumplir simultáneamente con dos objetivos: 1) la verificación de los indicadores de extensión, estado y vitalidad determinados por sensor remoto y 2) el levantamiento de información para los indicadores de estado, estructura, salud y funcionamiento. En primera instancia, es importante recopilar la información secundaria de los bosques de manglar que permita tener una idea general de sus características y condiciones, y facilitar así el trabajo en el campo y la selección de las estaciones. Los lugares para establecer las estaciones de monitoreo deben ser representativos del ambiente local, representar la diversidad de unidades de paisaje existentes, y en lo posible estar localizadas en áreas que se consideran de alta presión por actividades humanas y en áreas conservadas. Aunado a lo anterior, con base en la interpretación visual y digital de las imágenes multiespectrales del área de interés y luego de una clasificación preliminar, se determinará el área de bosque de manglar más probable, su extensión y localización geográfica. A partir de esta información, se identificaran las unidades de paisaje (áreas homogéneas visualmente) que corresponde al conjunto de cuadriculas (30*30 m2) con igual valor digital (DN). Luego de contar con el mosaico, se determinará mediante la ecuación de poblaciones finitas (ver algoritmos) el numero optimo de cuadriculas (estaciones) a muestrear, total y por unidad de paisaje. Este numero óptimo de cuadriculas a muestrear será distribuido entre las unidad de

paisaje existentes con base en la proporción de su área respecto al área total del bosque del manglar, o del numero de cuadriculas de cada unidad de paisaje respecto al numero de cuadriculas total. De esta forma a campo se llega con una plantilla de puntos a muestrear georeferenciados a partir de la cartografía resultante del indicador de densidad y vitalidad. Instalación de estaciones permanentes Una vez definido el sitio estación de acuerdo a los anteriores criterios, se trazará a partir de la línea de costa, perpendicular al cuerpo de agua, un transecto lineal de 100 m de longitud o hasta el borde exterior de la franja de manglar. El rumbo de los transectos será determinado con una brújula. Sobre cada transecto se marcaron parcelas de 100 m2, dispuestas sobre la línea del transecto y separadas cada 10 m (Figura 1).

BOSQUE DE MANGLE

CUERPO DE AGUA

10 m Parcelas de muestreo

100 m

Figura 1. Trazado del transecto y disposición de las parcelas de muestreo. Tiempo y frecuencia Las variables estructurales, de salud y funcionamiento serán tomadas una vez al año en cada sitio de muestreo, durante la época climática de transición (mayo-septiembre). Sin embargo, es recomendable tomar registros de las variables salinidad intersticial y el reclutamiento durante las épocas de agua altas y aguas bajas (INVEMAR-URRÁ, 2001). Algoritmo: El numero optimo de estaciones por bosque de manglar en las áreas de referencia será determinado mediante la ecuación para poblaciones finitas (FAO, 1982), utilizando los valores digitales (DN) que registra cada banda en la imagen multiespectral de interés, clasificada a priori mediante el indicador extensión de ecosistemas marinos.

2

2

)ˆ()(

)ˆ()(*

+

=

xCVxCVA

xCVxCVA

n

p

p

Donde Ap es el área o extensión del bosque de manglar en Km2. CV(x) es el coeficiente de variación de DN en el área más probable de manglar y CV(x) es el coeficiente de variación asumido como el grado de precisión de trabajo (15%).

PROYECTO INDICADORES DE LÍNEA BASE

PROTOCOLOS DE MONITOREO

Protocolo: Estado de Conservación de bosques de Manglar Proceso: Valoración de la estructura de los bosques de manglar Términos y definiciones: La valoración de la estructura de los bosques de manglar se hará con base en el índice de valor de importancia IVI y el índice de complejidad de Holdridge (ICH). El índice de valor de importancia IVI, es una expresión compuesta de la estructura y composición de un bosque de manglar. Este índice pondera las variables densidad, frecuencia y dominancia por especie para cada estación. La composición es la identidad de cada una de las especies de manglar que aportan a la variable de extensión del bosque de manglar. En los bosque de Colombia dominan cinco especies: Rhizophora mangle que alcanza un desarrollo óptimo en zonas ribereñas y con altos niveles de inundación, mientras que Laguncularia racemosa, Avicennia germinans, Pelliciera rhizophorae y Conocarpus erectus lo hacen hacia el interior de los bosques en zonas elevadas El índice de complejidad de Holdridge permite estimar el grado de desarrollo del bosque, lo cual puede ser interpretado como su nivel de conservación, considerando que un bosque con buenos niveles de desarrollo cuenta con los requerimientos necesarios, mientras que uno que no lo hace puede suponerse sometido a condiciones desfavorables para ello. Por tratarse de un índice que mide variables estructurales (relacionada con los componentes tridimensionales del manglar) a partir de cierto tamaño de árboles, no tiene en cuenta algunos procesos de regeneración en su estadio de sucesión temprano (árboles pequeños). Para sopesar los problemas relacionados con la exclusión de los estadios tempranos de sucesión y regeneración natural, se propone una modificación al índice que consiste en incluir árboles a partir de 2,5 cm de diámetro a la altura del pecho (DAP), en vez de a partir de 10 cm de diámetro (como originalmente está planteado). Requerimientos específicos: Información: Composición por especies

Numero de árboles por especie Altura promedio de los árboles

Longitud de la cadena Area basal promedio Condiciones previas: Idealmente se requieren series de tiempo para establecer el rango natural de variación del ICH y del IVI para la calibración y validación de estas variables.

Desarrollo: Una vez establecida la parcela se contaran todos los árboles y se registrarán las especies. A los árboles de 2,5 cm o de más altura se les medirá el DAP (diámetro a la altura del pecho), con una cinta diamétrica y la altura total mediante un clinómetro. Cada uno de los árboles medidos será marcado con un número impreso en una placa de aluminio (TAG), ubicado a una altura de 1,30 m (Avicennia germinans, Laguncularia racemosa, Conocarpus erectus, Pelliciera rhizophorae) o por encima de la última raíz fúlcrea para el caso de las especies del género Rhizophora (Cintrón y Schaeffer, 1984). Raíz fúlcrea: ramificación radicular de sostén, presentes en los individuos del género Rhizophora. Algoritmo: Indice de Valor de Importancia Area basal Es la superficie de la sección transversal de un tronco a determinada altura del suelo. El área basal se calcula a partir del diámetro medido a la altura del pecho DAP multiplicado por la constante (∏/4):

00007854.0*2DAPAB = Donde: AB área basal en m2. DAP diámetro a la altura del pecho. El análisis del área basal por unidad de superficie es un indicador del desarrollo del bosque en términos de madurez de los árboles. Dominancia La dominancia relativa por especie esta dada por la proporción de área basal ocupada por la i-ésima especie respecto al área basal que ocupan los árboles de todas las especies en la parcela.

100*

1

1

∑

∑

=

== s

i

n

ii

Ab

AbD

Donde Ab es el área basal, es decir la suma del área ocupada por todos los troncos, y Abi es la suma del área ocupada por los árboles de la i-ésima especie (especie dominante). Esta variable representa el grado de cobertura de los árboles, expresado como el espacio que ocupan los árboles de la especie dominante respecto al espacio ocupado por todos los árboles en una parcela determinada. Frecuencia relativa por especie Se refiere a la ocurrencia de árboles de la i-ésima especie expresada como el porcentaje de parcelas en las que aparece respecto al número total de parcelas evaluadas.

100*

1∑

=

= s

i

i

f

fF

Densidad relativa Se refiere al número de árboles de la i-ésima especie presentes en cada parcela respecto al número total de árboles contado para esa parcela.

100*

1

1

∑

∑

=

== s

i

n

ii

X

Xd

Indice de valor de Importancia El índice del valor de importancia de una especie, se estima como la suma de la dominancia relativa, la frecuencia relativa y la densidad relativa de cada especie, alcanzando un valor máximo de 300.

dDFIVI ++= Indice de Complejidad de Holdridge

1000*** sdahICH =

Donde: h es la altura promedio de los árboles de una parcela, a: es el promedio del área basal, d: la densidad promedio (# de troncos/0,1 ha) y s: es el numero promedio de especies de manglar en 0,1 ha. Observaciones:

- Es necesario establecer la especie dominante por parcela y calcular estos índices relativos a esta especie.

- Para una adecuada interpretación y calificación es preciso tener en cuenta los diferentes tipos de bosques de manglar (Álvarez-León, 1993 y Sánchez y Álvarez-León, 1997)


Protocolo: Estado de Conservación de bosques de manglar Proceso: Valoración del estado de salud de los bosques de manglar Términos y definiciones: La valoración del estado de salud de los bosques de manglar se hará con base en la frecuencia de aparición de algunas condiciones de deterioro (CD) y de enfermedades (E). La predación, inundación, alta concentración de sales y desecación son las mayores causas de mortalidad de propagulos y plántulas de las especies de manglar. La variable enfermedades incluye todas aquellas condiciones epidémicas que afectan de manera negativa los bosques de manglar causándoles pérdida de tejido vivo. Las enfermedades pueden ser caracterizadas por un grupo identificable de signos (anomalías observables que indican la presencia de la enfermedad y que pueden incluir alteraciones estructurales, similar a los síntomas humanos), o por la ocurrencia del agente causal o etiológico. Aunque se conoce muy poco sobre la fitopatología (enfermedades) de los mangles del Pacifico y del Caribe colombiano, se cuenta con la descripción de las más comunes. Una de las enfermedades mas frecuentes en los mangles del Pacifico, es la causada por hongos del género Cercospora, que puede causar infecciones hasta del 30 % en mangles sometidos a factores de estrés, como suelos arenoso, esto hongos producen grandes manchas necróticas oscuras en las hojas del mangle rojo, las cuales se desprenden antes de tiempo quedando el árbol desnudo. Una de las enfermedades más llamativa del mangle rojo es la deformación que pueden sufrir zonas del tronco y ramas, por la formación de nódulos prominentes de hasta 80 cm de diámetro, comúnmente llamado en la región como “mangle macho”. Hay otras plagas que afectan el mangle, especialmente las larvas de insectos y mariposas, ejemplo de ello son las larvas de macrolepidócteros de la familia Sphingidae las cuales comen activamente hojas y pueden causar serios daños de defoliación cuando se presentan en gran numero. Otros coleópteros como el Poecilips rizhophorae que es un parásito especifico del mangle, produce serios daños en la radícula de los embriones no desprendidos, también perfora las raíces aéreas, induciendo a deformaciones y activos proceso de ramificación. Por otro lado, las raíces pueden ser perforadas por el crustáceo isópodo Shaeroma terebrans, causando daños considerables no solo al mangle rojo sino también al piñuelo. Otros cangrejos como cangrejo tasquero (Goniopsis pulchura) y el cangrejo de mangle Aratus pisonii, son consumidores de hojas y flores del mangle rojo y del piñuelo. Otros herbívoros como venados consumen grandes cantidades de follaje y brotes del mangle iguanero (Avicennia germinas) y del mangle comedero (Laguncularia racemosa). Como parte de las condiciones de deterioro es importante considerar los requerimientos específicos de la salinidad intersticial entendida como la concentración salina del agua que se encuentra a nivel de los intersticios del suelo, aproximadamente entre 50 cm y 1 m de profundidad, de parte de las especies de mangle. Debido a esto, árboles sometidos a potenciales hídricos muy bajos y a altas salinidades, evidencian presiones adaptativas y selectivas que modifican su estructura en general. Un ejemplo de ello, son las reducciones del área foliar, en algunas especies y en sitios áridos con suelos muy salinos, manglares de tallas reducidas (Cintrón et al., 1978). Requerimientos específicos:

Información: Presencia y frecuencia (numero de árboles que presentan la enfermedad por parcela) de

la enfermedad Presencia y frecuencia (numero de árboles talados por parcela) de tala Valores de salinidad intersticial Condiciones previas: Idealmente se requieren series de tiempo para la calibración y validación de estas variables. Establecer una escala cualitativa del grado de afectación por enfermedad a registrar. Desarrollo: Para la determinación de las condiciones de deterioro y/o enfermedades se harán recorridos visuales al interior de la parcela en forma de cruz, anotando el número de árboles inspeccionados, la especie, y el tipo de condición de deterioro o enfermedad que presenta. Para caracterizar los suelos de los bosques de manglar con respecto a su salinidad intersticial se delimitarán dos transectos lineales de 100 metros de longitud y en sentido perpendicular al cuerpo de agua adyacente. En puntos ubicados cada 10 m, se medirá la salinidad del agua intersticial a 0,5 m de profundidad. Las mediciones se llevarán a cabo mediante la introducción en el suelo de un tubo de PVC de 11/2 pulgada de diámetro y 1,2 m de longitud. Este tubo posee un cono de madera en un extremo que funciona como un tapón. Contiguo a éste se encuentra una banda de orificios que permiten la entrada del agua intersticial hacia el tubo. La medición se realizará con un salinómetro. A continuación se enlistan algunas condiciones de deterioro y enfermedades a considerar para evaluar el estado de salud de los bosques de manglar, sin embargo para el este indicador solo se tendrán en cuenta, enfermedades, tala y salinidad intersticial.

Condición Características Cantidad (# árboles)

Extensión

Arboles sanos Arboles sin ninguna evidencia de deterioro

Enea Typha spp. Ranconcha (Helecho)

Invasiones

Otras especies de maleza Agresiones por organismos móviles

Herbivorismo ** **

Agente de deterioro Salinidad intersticial Desfoliación Signos causados por agentes físicos

Tala Hojas necrosadas oscuras (Hongo Cercospora)

Deformación de tronco y hojas Enfermedad del mangle macho: aparición de Nódulos

Perforaciones en la raíces

Enfermedades

Hojas y embriones picadas por insectos, larvas de mariposa

Algoritmo:

Frecuencia de aparición de enfermedades

n

FE

F

ii∑

== 1

Donde F es el número de árboles con la i-ésima enfermedad y n es el número de árboles de la parcela. Los valores correspondientes del IBIM para este caso, están dados según la siguiente tabla de rangos:

Enfermedades (presencia y frecuencia) Valor corresp. IBIM

Presencia de al menos una enfermedad con frecuencia promedio superior a 30% 1 Presencia de una sola enfermedad con frecuencia promedio por debajo de 30% 3 Ausencia de enfermedades 5 Frecuencia de aparición de condiciones de deterioro Tala Se incluyen la presencia de aquellos signos que indican un impacto negativo sobre el bosque del manglar, y cuyo origen esta estrechamente relacionado con actividades humanas (directa o indirectamente), es el caso de la tala. Los valores de IBI M corresponden al porcentaje promedio de árboles talados por estación

Condiciones de Deterioro (% árboles talados) Puntaje IBIM

X≤75% 1 50%≤X<75% 3

X> 50% 5 Salinidad Intersticial También se tendrá en cuenta la salinidad intersticial como una de las mayores causas de mortalidad de árboles, propagulos y plántulas de las especies de manglar En el caso de la salinidad intersticial los puntajes serán:

Salinidad Intersticial Puntaje IBIM SI≤55 1

25<SI≤55 3 SI<25 5

Observaciones:

1. Se debe investigar acerca del grado de afectación de las enfermedades y su relación con el deterioro del bosque de manglar.

2. A posteriori se deben integrar otras condiciones de deterioro de origen natural que afecten significativamente el estado del bosque



Protocolo: Estado de Conservación de bosques de manglar Proceso: Valoración del funcionamiento de los bosques de manglar Términos y definiciones: La valoración de funcionamiento de los bosques de manglar se hará con base en el reclutamiento. Los manglares no tienen la capacidad de reproducirse vegetativamente y son dependientes del reclutamiento y establecimiento de semillas (fijación al sustrato) para extender y mantener el bosque. Algunos manglares presentan vivipariedad que consiste en la germinación de sus propágulos mientras están aún adheridos al árbol madre (R. mangle y A. germinans) o germinación precoz durante la dispersión (L. racemosa). Los propágulos son cada uno de los frutos que producen un nuevo individuo, luego de su implantación. Los propagulos de R. mangle están conformados por un hipócotilo alongado y una plúmula no expandida, en cambio los de A. germinans son de forma aplanada, elíptica y presentan dos pliegos de cotiledones. Los propagulos de L. racemosa son los más pequeños de forma ovoide y están conformados por un embrión encerrado en un pericarpio. Las especies de manglar distribuyen sus propágulos en medio acuoso, ya que tienen la capacidad flotar. Al cabo de un tiempo de flotación, los propagulos absorben el agua y así aumentan la gravedad específica. Cuando la gravedad especifica del propágulo es mayor a la del agua que los transporta, pierde la flotabilidad y se hunde. Los propagulos pueden flotar con el hipócotilo orientado horizontal y verticalmente relativo a la superficie del agua. El establecimiento de los propagulos, depende principalmente de la acción de las mareas, donde el tiempo requerido para enraizar de R. mangle, A. germinans y L. racemosa, es de 15, 7 y 5 días, respectivamente. Las plántulas de las tres especies muestra tolerancias diferentes a la salinidad, la mayor resistencia la presenta A. germinans, que crece normalmente a 60 psu, mientras que L. racemosa y R. mangle solo resisten 40 psu, en tanto que el establecimiento puede ocurrir hasta las 90 psu en la primera especie y a 60 psu en las dos ultimas. Requerimientos específicos: Información: Numero de plántulas por especie Condiciones previas: Idealmente se requieren series de tiempo para la calibración y validación de estas variables. Desarrollo: Para hacer una estimación de la regeneración del bosque, en cada estación de muestreo sobre cada una de las parcelas hasta los 50 m del transecto (entre los 0-10m, 20-30m y 40-50m), se colocarán al azar 3 cuadrantes de 1 m² en donde se contaron los individuos con DAP menor de 2,5 cm, incluyendo aquellos cuya altura sea menor a 1 m (juveniles y plántulas) y los propágulos, anotando la especie en cada caso. En uno de los 3 cuadrantes se marcarán con rótulos 10 plántulas a las cuales se les medirá la altura y el diámetro (a 2 cm del suelo) para luego estimar su crecimiento.


Protocolo: Estado de Conservación de bosques de manglar Proceso: Calculo de integridad biológica Términos y definiciones: Se entiende por integridad biológica como la capacidad de un hábitat de soportar y mantener “una comunidad de organismos balanceada, integrada y adaptada” con una composición y diversidad de especies, así como una organización funcional comparable a las comunidades que habitan en ecosistemas sin perturbación antrópica (Karr y Dudley, 1981). Un sistema es biológicamente saludable cuando su potencial inherente es realizable, su condición es estable, su capacidad de resiliencia se mantiene, y requiere el mínimo de esfuerzo externo para mantenerse (Karr et al, 1986). El índice de integridad biológica IBI es una aproximación multivariada (multimétrica) a la condición de un ecosistema, comunidad y/o población en particular, puesto que tiene en cuenta la complejidad de los sistemas biológicos, así como la diversidad de factores de origen antrópico y biótico que lo afectan, para determinar el estado de conservación de un lugar de interés. Este índice involucra una serie de métricas que califican, en este caso, tres atributos del ecosistema de los bosques de manglar: estructura, salud y funcionamiento, generando respuestas generales o especificas en un contexto biológico y en diversas situaciones, gracias a que ser expresado por un único numero (IBI) o por los puntajes de cada una de las métricas que lo componen, convirtiéndose de esta forma en una herramienta útil para el diagnostico y la identificación de causas de degradación. Para el procesamiento e interpretación del IBI es preciso seleccionar métricas (variables), simples o índices, que califiquen el cambio o perturbación de un ecosistemas por un factor bien sea de origen natural o antrópico, generando la posibilidad de probar la relación causa-efecto entre la condición de un ecosistema y la influencia de las actividades humanas. Sin embargo, es preciso seleccionar comunidades, ensamblajes o poblaciones adecuadas para cumplir con los objetivos biológicos y de manejo del monitoreo a implementar, es decir que sean sensibles a los efectos de intervención antrópica, que se conozca la variación natural, que sean fácil de medir y de bajo costo. Es de destacar, como ventajas de este índice multimétrico, el echo de poder detectar cambios de los ensamblajes residentes, en espacio y tiempo, causados por uno o mas focos de contaminación, que lo hacen útil para monitorear una o mas bosques de manglar, permitiendo la comparación a nivel regional, nacional y mundial. De esta forma, el IBI además permite orientar el proceso de manejo o de conservación de los ecosistemas Requerimientos específicos: Información: Puntajes de cada variable y métrica, entre 1 y 5 Curvas de funcionamiento, es decir la escala relativa de valores para cada variable para

ser calificada respecto a su grado de deterioro o conservación Condiciones previas: Idealmente se requieren series de tiempo para la calibrar, validar y establecer las escalas relativas de calificación de estas variables. Desarrollo:

Para obtener los puntajes de calificación se deben clasificar los resultados obtenidos de cada variable dentro de los rangos de la tabla 2. En ella cada atributo posee al menos una métrica y cada una de ellas esta compuesta por una variable. A los valores posibles de cada variable se le asignan puntajes de 1, 3 y 5, donde 1 corresponde a una situación de deterioro y 5 a condiciones de conservación o excelente estado (situación prístina). La suma de todas las calificaciones dará el valor del indicador. Tabla 2. Componentes del Indicador IBIM

Atributo Variable Rango Valor IBI M

IVI ≤ 100 1 100≤ IVI ≤ 250 3

Estructura IVI

IVI≤300 5 Presencia de al menos una enfermedad con frecuencia superior al 30%

1

Presencia de una sola enfermedad con frecuencia promedio inferior al 30%

3

Enfermedades

Ausencia de enfermedades

5

X≤75% 1 50%≤X<75% 3

Tala

X> 50% 5 SI≤55 1

25<SI≤55 3

Salud

Salinidad Intersticial

SI<25 5 Re<0 1

1<Re<10 3 Funcionamiento Reclutamiento

Re≥10 5 Este valor de indicador se debe comparar con los rangos presentados en la tabla 3, para ser interpretado y poder conocer las condiciones en las que se encuentra el bosque en estudio. Algoritmo:

∑∑= =

=m

i

v

jmvM XIBI

1 1

Donde: Xmv: corresponde a los puntajes de cada variable por métrica. Teniendo en cuenta los valores correspondientes del IBIM para cada una de las variables, se tiene como puntaje mínimo para el bosque de manglar más deteriorado el valor de 5, mientras que el bosque en mejores condiciones obtendrá un valor máximo de 25. Para efectos finales del veredicto se tendrá en cuenta la siguiente clasificación, con la cual se presentarán los veredictos finales para cada bosque evaluado: Interpretación

Se basa en la tabla 3. Una vez obtenido el valor del indicador, se le debe otorgar la calificación de acuerdo al rango en el que se ubique. Esta calificación dará como información instantánea, si el bosque se encuentra en una condición: excelente, buena, aceptable, en riesgo o deteriorado (tabla 3). Tabla 3. Escala de clasificación de la condición ecológica los bosques de Manglar del Caribe y el Pacifico Colombiano con base en el puntaje total del índice de integridad biológica IBIM.


ecológica Color

(Salida gráfica)

Condiciones

28 a 30 Excelente 5 Bosque excelente: bosque prístino, sin evidencias de intervenciones antrópicas de ninguna clase. Con salinidades intersticiales entre 0,5 y 45. Árboles robustos de gran altura (40-50 m) y DAP superiores a 1 m. Reclutamiento superior a 10 individuos por m2. Aportes de agua dulce importantes.

21 a 27 Buena 4 Bosque bueno: bosques con árboles cuya altura alcanza los 15 m y cuyo DAP oscila entre 0,5 y 0,8 m. Salinidades inferiores a 45.

14 a 20 Aceptable 3 Bosque aceptable: bosques con árboles cuya altura no supera los 10 m. Suelos con salinidades menores a 45. Bajas tasas de reclutamiento.

7 a 13 En riesgo 2 Bosque en riesgo: bosques con baja cobertura del dosel. Suelos con salinidades entre 45 y 65. Bajo o escaso reclutamiento, en cercanías de árboles paréntales. Porcentaje elevado de señales de tala.

6 Deteriorado 1 Bosque deteriorado: bosques con altos índices de mortalidad, con salinidades superiores a 55 y sin reclutamiento. Presencia de grandes extensiones de tierra con tocones y restos de troncos secos.

Observaciones:

- Construcción de las curvas de funcionamiento considerando como punto extremos los valores para cada una de las variables que se encuentran en bosques altamente impactados por actividades antrópicas vs los valores de las variables en bosques poco intervenidos.

- Afinar y precisar el estado que indica cada calificación - Se requieren de series históricas para calibrar y validar las variables



PROTOCOLO: SISTEMA DE INDICADORES DE LA CALIDAD DE LAS AGUAS MARINAS Y COSTERAS DE COLOMBIA Objetivo: Disponer de un sistema que unifique criterios, a través del cual se evalúe la calidad de las aguas marinas y costeras del país, utilizando como herramientas el Sistema de Indicadores de la Calidad de las Aguas Marinas y Costeras (SISCAM). Alcance: Nacional Escala de Trabajo: 1:250.000 Formato de salida: Numérico y Cartográfico Requerimientos:

Información: la información requerida de las variables que conforman el indicador, es obtenida a partir de las mediciones realizadas en el marco de la REDCAM

Software: Excel, DATAFIT, programas para el procesamiento de los datos y

realización de los cálculos (sistemas de ecuaciones, ponderaciones y relaciones funcionales) y los requeridos por la sala SIG

Hardware: Equipos de cómputo de alto rendimiento, necesarios para el personal de

trabajo. Personal: Grupo de trabajo de CAM:

Jesús Garay (coordinador proyecto) Bienvenido Marín (investigador principal) Lelieth Martín (Coinvestigadora) Walberto Troncoso (Químico) Martha L. Gómez (Microbiología) Julián Betancourt (Químico) Gustavo Ramírez (Químico) Betty Cadavid (Químico) Janet Izquierdo (Base de Datos) Geodesta (Cartografía).

Apoyo: CIOH - Centro de Investigaciones Oceanográficas e Hidrográficas IIAP - Instituto de Investigaciones Ambientales del Pacífico CODECHOCO - Corporación para el Desarrollo Sostenible del Chocó CVC - Corporación Autónoma Regional del Valle del Cauca CRC - Corporación Autónoma Regional del Cauca CORPONARIÑO - Corporación Autónoma Regional de Nariño CORPOGUAJIRA - Corporación Autónoma Regional de la Guajira CORPAMAG - Corporación Autónoma Regional del Magdalena CRA - Corporación Autónoma Regional del Atlántico CARDIQUE - Corporación Autónoma Regional del Canal del Dique CARSUCRE - Corporación Autónoma Regional de Sucre

CVS - Corporación Autónoma Regional de los Valles del Sinú y San Jorge CORPOURABA - Corporación para el Desarrollo Sostenible de Urabá CORALINA – Corporación para el Desarrollo Sostenible del Archipiélago de

San Andrés, Providencia y Santa Catalina DAMARENA – Departamento Administrativo del Medio Ambiente. Alcaldía de

Cartagena Diagrama de procesos: El siguiente diagrama muestra la secuencia a seguir para la obtención del ICAM. En el diagrama no se hace referencia al proceso de validación del ICAM, debido a que tal actividad por su relevancia está tratada de forma independiente, con su correspondiente protocolo.

Recomendaciones:

• Tener en cuenta que el SISCAM es una herramienta de gran utilidad para identificar el estado que presenta la calidad de las aguas de determinado sector costero, que no responderá a todas los interrogantes existentes acerca de dicha calidad, requiriendo por ello la planificación y ejecución de estudios complementarios.

• Es importante considerar las fuentes de errores que inciden negativamente en el valor del ICAM, pues como se mostró en el diagrama anterior, su cálculo está influenciado por lo errores

analíticos, así como por las estimaciones y ponderaciones de factores y variables, por lo que es de vital importancia extremar las medidas en las operaciones de laboratorios y estimaciones.


PROTOCOLO: SISTEMA DE INDICADORES DE LA CALIDAD DE LAS AGUAS MARINAS Y COSTERAS DE COLOMBIA Proceso: Obtención Información REDCAM Términos y definiciones1: 1. Requerimiento de información: Variables que en conjunto sirven para evaluar la calidad de las aguas en una región, para un periodo de tiempo fijado previamente. 2. Estaciones de muestreo: Se refiere a un sitio o punto geográfico (aproximado) establecido de acuerdo a criterios geoestadísticos, en el cual se colectarán las muestras, de acuerdo a la distribución espacial y temporal que se defina. 3. Cronograma de actividades: Documento impreso resultante de la programación prevista a realizar, entre las que destaca las salidas de campo para toma de muestras, detallándose las fechas de las salidas, los investigadores involucrados y los respectivos responsables. 4. Medios y reactivos: Sustancias químicas utilizadas para los análisis de laboratorio; hacen parte de ellos los solventes y los medios de cultivo. 5. Materiales de laboratorio: Conjunto de elementos y materiales indispensables para la toma, almacenamiento temporal y análisis de las muestras. 6. Equipos de laboratorio: Instrumentos y aparatos necesarios para llevar a cabo la preparación y análisis de las muestras. 7. Filtros para analizar sólidos en suspensión: Filtros pretarados que se usarán en la cuantificación de sólidos suspendidos y que han sido sometidos a un proceso previo de lavado y calcinación a 450-500 °C. 8. Peso de los filtros (Peso 1): Este valor corresponde al peso tarado de las membranas que se utilizarán para filtrar el agua y medir por gravimetría la concentración de sólidos suspendidos. 9. Medios de cultivo y reactivos preparados: Medio líquido, sólido o semisólido con todos los nutrientes necesarios para el crecimiento de un microorganismo. Son los reactivos que se usarán para medir de manera, por lo común cuantitativa, una variable en particular. 10. Materiales lavados, rotulados y/o esterilizados: Materiales requeridos tanto para la toma, como para el análisis de las muestras, los cuales han sido lavados y en algunos casos esterilizados. 11. Sondas calibradas: Sondas para medición de las variables in-situ, que garantizan la confiabilidad de los datos obtenidos. 12. Datos de variables físicoquímicas medidos in situ: En las estaciones, simultáneamente con la toma de las muestras, se miden algunas variables físico-químicas: salinidad, conductividad, pH, oxígeno disuelto, porcentaje de saturación de oxígeno, temperatura y transparencia Secchi.

1 Tomado del Manual del Sistema de Información REDCAM.

13. Muestras refrigeradas: Muestras conservadas a baja temperatura controlar su deterioro o evitar la multiplicación de microorganismos, mientras son trasladadas a los laboratorios 14. Muestras preservadas: Muestras estabilizadas mediante la adición de un agente químico, posterior a su colecta en el campo. Por ejemplo, la adición de tetracloruro de carbono a las muestras destinadas al análisis de hidrocarburos. 15. Muestras patrón de metales traza: Muestras que contienen una concentración conocida de los elementos traza que serán analizados. 16. Muestras patrón de hidrocarburos: Muestras que contienen una concentración conocida de criseno 17. Muestras patrón de organoclorados: Muestras que contienen una concentración conocida de los plaguicidas organoclorados que serán objeto de análisis. 18. Resultados de las mediciones: Resultados obtenidos después de aplicar una técnica analítica específica. En consideración a que se aplican diferentes metodologías, es necesario que los datos que se obtengan sean normalizados. Los resultados de los diferentes análisis pueden ser cualitativos o cuantitativos: Datos cuantitativos: Valor asumido para una variable después de analizada. El resultado obtenido puede ser cero o por debajo del límite inferior detectable por el del instrumento usado para cuantificarla; como ocurre en un medio de cultivo en el que no se observa crecimiento, o en una muestra, cuando la concentración del analito no sobrepasa el mencionado limite. Datos cualitativos: Cuando el análisis arroja un dato discreto dentro de la escala de valores adecuada para el método aplicado. 19. Datos de la concentración de las variables medidas: Conjunto de datos de las concentraciones medidas, a los que se les han aplicado fórmulas para definir la concentración real total de la muestra, teniendo en cuenta las diluciones que se hicieron y los volúmenes iniciales de las mismas, entre otros. En este punto, el valor está en unidades no estandarizadas, por lo que se requiere convertirlo a unidades de medida estándares. 20. Datos de la concentración en unidades estándares: Resultados estandarizados de los datos obtenidos en los laboratorios. 22. Archivo de gráficos de Excel: Se genera un archivo con gráficos a partir de los datos almacenados previamente en la misma hoja de cálculo o a partir del sistema, a razón de uno o dos por variable, dependiendo si se desea hacer la comparación con mediciones anteriores. 23. Imágenes de satélite georreferenciadas: Son imágenes digitales de satélite que han sido georreferenciadas para ser utilizadas como apoyo a la cartografía; agregan información relacionada con la geomorfología, la cobertura de los suelos y corrientes de aguas. 24. Cartografía digital vectorial: Mapas vectoriales de las zonas de estudio en diferentes escalas (1:25.000, 1:50.000 o 1:100.000), los cuales son utilizados básicamente para representar visual y georrefenciadamente las condiciones ambientales de las áreas de estudio. 25. Datos de georreferencia: Corresponde al conjunto de datos geográficos que identifican la ubicación de las estaciones. Hacen parte de la información preliminar que se debe ingresar al sistema. 28. Legislaciones ambientales: Información recopilada de las legislaciones ambientales de otros países, cuyas características geográficas y ambientales son similares a las de Colombia, específicamente en lo referente a los niveles aceptables de concentración de las variables establecidas como indicadoras de la calidad ambiental de las aguas.

31. Base de datos cartográfica: Base de datos que almacena información geoespacial; se obtiene como resultado de digitalizar y procesar información cartográfica. 32. Base de datos: Datos organizados provenientes de los muestreos, junto con las listas de parámetros que sirven para identificarlos y validarlos. 34. Resultados preliminares en archivo digital: Datos organizados en archivos con formatos de hoja de cálculo o cualquier otro formato digital. Requerimientos específicos: Información: Para su funcionamiento, el Sistema recibe información general de las salidas de campo y los resultados de las determinaciones analíticas hechas en los laboratorios del INVEMAR, las Corporaciones e institutos miembros de la Red de Vigilancia. Condiciones previas:

1. Programación de salidas de campo: Este proceso se efectúa atendiendo las necesidades y disponibilidad de recursos. Como resultado se tiene el cronograma de salidas de campo anual y/o trimestral. 2. Preparación de la salida de campo: Durante su ejecución se revisan y/o calibran los equipos de laboratorio, se alistan los implementos para la toma de muestras y los reactivos para su análisis y preservación. Al final de este proceso se tienen preparados equipos, materiales e insumos para la toma de las muestras en campo, la medición de parámetros in-situ y el procesamiento de las muestras al llegar a los laboratorios, así como también algunos datos resultantes de los procesos mismos de la preparación, por ejemplo, el peso de los filtros después de su muflado.

Desarrollo: Área de estudio El área estudiada comprende las dos zonas marinas y costeras del país: Pacífico y Atlántico, incluyendo el Archipiélago de San Andrés y Providencia. En forma conjunta entre las entidades de la REDCAM, se seleccionaron puntos representativos de la calidad ambiental marina en la zona costera de cada departamento. Estos puntos incluyen los principales ríos, desembocaduras, estuarios, ciénagas, playas y zonas marinas de los 12 departamentos costeros del país, como se observa en las Figuras 1-1 a 1-11.2 (Ver anexo, listado de estaciones) En cada zona de muestreo se realizaran mediciones en campo de las variables, oxígeno disuelto, salinidad y pH, también se recogerán muestras para la medición en laboratorio de las siguientes variables: ortofosfatos, nitritos, nitratos, sólidos suspendidos, DBO5, coliformes fecales y totales, metales pesados, hidrocarburos totales y plaguicidas organoclorados. Zonas marinas de los 12 departamentos costeros del país, como se observa en las Figuras 1-1 a 1-11.3 y Tablas (Ver anexo No. 1, listado de estaciones).

2 Diagnóstico y evaluación de la calidad ambiental marina en el Caribe y Pacífico colombiano. Red de vigilancia para la conservación y protección de la calidad de las aguas marinas y costeras. Fase II, 2002 3 Diagnóstico y evaluación de la calidad ambiental marina en el Caribe y Pacífico colombiano. Red de vigilancia para la conservación y protección de la calidad de las aguas marinas y costeras. Fase II, 2002

En cada zona de muestreo se realizaran mediciones en campo de las variables, oxígeno disuelto, salinidad y pH, y transparencia Secchi, también se recogerán muestras para la medición en laboratorio de las siguientes variables: ortofosfatos, nitritos, nitratos, sólidos suspendidos, DBO5, Coliformes fecales y totales, metales pesados, hidrocarburos disueltos y dispersos y residuos de plaguicidas organoclorados.

Figura 0-1. Sectores y estaciones de muestreo en el departamento de San

Andrés y Providencia.

Figura 0-2. Sectores y estaciones de muestreo en el departamento de La

Guajira.

Figura 0-3. Sectores y estaciones de muestreo en el departamento de

Magdalena.

Figura 0-4 y Figura 0-5. Sectores y estaciones de muestreo en los departamentos de Atlántico y Bolívar.

Figura 0-6 y Figura 0-7. Sectores y estaciones de muestreo en los departamentos de Sucre, Córdoba, Antioquia y Chocó (Caribe).

Figura 0-8 y Figura 0-9. Sectores y estaciones d e muestreo en los departamentos de Chocó y Valle del Cauca.

Figura 0-10 y Figura 0-11. Sectores y estaciones de muestreo en los departamentos de Cauca y Nariño.

Dado que las variables se comportan de diferente forma a lo largo del año, las salidas de campo se realizaron en las dos principales épocas: de diciembre a junio y de julio a noviembre. Los resultados que se presentan corresponden a tres periodos de muestreo: abril a mayo (época seca) del 2001, septiembre a noviembre (época húmeda) del 2001 y marzo a abril (época seca) del 2002. En cada muestreo se toman datos in situ y muestras de agua que permiten medir las variables, seleccionadas como las más representativas de la calidad del agua en los ambientes marinos y costeros, de acuerdo con los registros históricos y el conocimiento de expertos. Estas variables se agrupan en cuatro tipos principales: fisicoquímicas, tóxicos orgánicos, metales pesados y microbiológicas. Las muestras de agua se someten a una serie de procedimientos de laboratorio, específicos según la variable objeto de estudio y aplicados en los diferentes laboratorios de las entidades que son miembros de la Red. Finalmente, luego de procesadas las muestras y obtenidos los resultados, la información fue ingresada en la Base de Datos, quedando a disposición del Sistema de Información de la REDCAM. Observaciones: Los investigadores del INVEMAR, en colaboración con los miembros de la REDCAM, tomarán las muestras en los departamentos de San Andrés, Guajira, Magdalena, Sucre, Córdoba, Chocó, Cauca y Nariño. Las muestras en el departamento de Bolívar y Atlántico contarán con el apoyo del CIOH, CARDIQUE, DAMARENA y la CRA. Así mismo, CORPOURABÁ y la CVC realizaron los muestreos del Golfo de Urabá y la costa del Valle del Cauca, respectivamente. Nodos de la REDCAM INVEMAR – Instituto de Investigaciones Marinas y Costeras “José Benito Vives De Andréis” CIOH - Centro de Investigaciones Oceanográficas e Hidrográficas IIAP - Instituto de Investigaciones Ambientales del Pacífico CODECHOCO - Corporación para el Desarrollo Sostenible del Chocó CVC - Corporación Autónoma Regional del Valle del Cauca CRC - Corporación Autónoma Regional del Cauca CORPONARIÑO - Corporación Autónoma Regional de Nariño CORPOGUAJIRA - Corporación Autónoma Regional de la Guajira CORPAMAG - Corporación Autónoma Regional del Magdalena CRA - Corporación Autónoma Regional del Atlántico CARDIQUE - Corporación Autónoma Regional del Canal del Dique CARSUCRE - Corporación Autónoma Regional de Sucre CVS - Corporación Autónoma Regional de los Valles del Sinú y San Jorge CORPOURABA - Corporación para el Desarrollo Sostenible de Urabá CORALINA – Corporación para el Desarrollo Sostenible del Archipiélago de San Andrés, Providencia y Santa Catalina DAMARENA – Departamento Administrativo del Medio Ambiente. Alcaldía de Cartagena


PROTOCOLO: SISTEMA DE INDICADORES DE LA CALIDAD DE LAS AGUAS MARINAS Y COSTERAS DE COLOMBIA Proceso: Desarrollo del SISCAM Términos y definiciones:

-Variables: es una medición que fluctúa, lo que se mide, ejemplo: O2.

-Parámetro: cuando a la variable medida se le establecen rangos.

-Indicador: conjunto de variables que da respuesta a los cambios que suceden en el sistema.

-Índice: expresión numérica

-Calidad ambiental: con dos puntos de vista: Ecocéntrico: concerniente al grado de naturalidad y – Antropocéntrico: concerniente al cumplimiento de tres funciones: fuente de recursos, sumidero de residuos, soporte de actividades.

Requerimientos específicos: Información: Como requerimiento primordial de información se tiene que todas las variables que conforman el indicador deberán ser medidas, estas fueron seleccionadas minuciosamente, atendiendo a la importancia ecológica de cada una de ellas, los costos de medición y sostenibilidad para su permanencia en el tiempo por parte de todas las entidades involucradas en el manejo y protección del medio marino y los sistemas dulceacuícolas asociados. Las variables a monitoreas son:

Variables Fisicoquímicas - Demanda Química de Oxígeno (OD)

- Otorfosfatos (PO4)

- Nitritos NO3 y Nitratos NO2

- Salinidad (SAL)

- pH

- Sólidos Suspendidos Totales (SST)

Variables Contaminantes - Demanda Bioquímica de Oxígeno a los cinco días (DBO5)

- Coliformes Fecales (CFS)

- Coliformes Totales (CTT)

- Metales pesados (Hg, Pb, Cd, Cr y Cu)

- Hidrocarburos del petróleo (HDD)

- Plaguicidas Organoclorados (OCT)

- Hidrocarburos Disueltos y Dispersos (HDD)

- Plaguicidas Organoclorados totales (OCT)


• Para contar con un SISCAM confiable como condición previa se debe validar a través de un monitoreo y aplicación en zonas de referencia de umbrales mínimos y máximos de contaminación.

Desarrollo:

El sistema de indicadores atiende a dos clasificaciones para las aguas marinas y costeras de Colombia, según el uso (Preservación de Flora y Fauna PFF y Recreación Actividades náuticas y Playas RAP) y según el tipo de aguas (aguas estuarinas y marina) y para su cálculo los pasos a mencionar son los mismos en cada caso: Náuticas y Playas RAP) y según el tipo de aguas (aguas estuarinas y marinas) y para su cálculo los pasos a mencionar son los mismos en cada caso:

1) Obtener y analizar los datos de las 14 variables que integran el Indicador. 2) Calcular el índice de calidad a cada una de las variables por medio de la

aplicación de las ecuaciones de las curvas de funcionamiento (considerando en cada caso a que tipo de agua se hace referencia)

3) Someter los índices obtenidos a las ponderaciones a las que haya lugar. 4) Calcular el ICAM

Algoritmo: Cada indicador esta conformado por dos conjunto de variables, un primer conjunto comprende aquellas variables fisicoquímicas que describen la calidad ambiental a partir de sus condiciones naturales y un segundo grupo de variables, contaminantes y microbiológicas, que representan las alteraciones de dicha calidad por actividades antrópicas. Por lo anterior cada indicador esta matemáticamente formulado de la siguiente manera:

( ) ( )∑∑==

×−×=n

iict

n

iifq FQFQICAM

11

Donde: • Qi: es la calidad de las variables (i) (Qfq: variables fisicoquímicas; Qct: variables

contaminantes), en función de su concentración y cuya calificación obtenida de las curvas de funcionamiento oscila entre 0 y 100.

• Fi: son los pesos específicos asignados a cada VARIABLE (i), y ponderados entre 0 y 1, de tal forma que se cumpla que la sumatoria sea igual a uno.

• ICAM: Valor del Indicador, la ecuación arroja es un número entre 0 y 100 que califica la calidad, a partir del cual y en función del uso y tipo del agua, permite estimar el nivel de calidad de esta. En la Tabla. 1. Se pueden observar los descriptores de calidad de las aguas marinas y costeras propuestos para el SISCAM.

Ejemplo:

Calcularemos el Indicador de calidad ambiental de las aguas marinas para preservación de flora y fauna, en siguiente tabla muestra una serie de parámetros que fueron evaluados en Zona Norte – Galerazamba (Bolívar) en aguas marinas.

OD mg/l

NO2+ NO3 µg/l pH

PO4 mg/l

SAL

mg/l SST

mg/l

DBO mg/l

CFS NMP

CTT NPM

PB µg/l

CD µg/l

CR µg/l

HDD µg/l

OCT ng/l

6,56 0,40 8,33 16,75 34,74 15,0

3 2,18 10,67 110,8

3 24,31 4,47 0,58 0,01 0,03

A cada uno de ellos se le calcula su índice de calidad, por ejemplo para el OD, se utiliza la curva de funcionamiento del OD para aguas marinas y se tiene en cuenta el descriptor para las variables fisicoquímicas y el Cd considerando para este el descriptor de las variables fisicoquímicas.

Curva de Funcionamiento OD para Aguas Marinas

020406080

100

0 2 4 6 8 10 12

(mg/l)

Índi

ce

Índice Polinómica (Índice)

Descriptores para las variables fisicoquímicas

Descriptor Rango de Calificación Color Excelente 100 – 75 Verde Buena 74 – 50 Amarillo Regular 51 – 25 Naranja Mala 24 – 0 Rojo

El índice obtenido para un valor de 6.56 mg/l de OD es 100, lo que corresponde a una calidad excelente (color verde)

C urva de Funcionam iento del C adm io (C d)

0102030405060708090

100

0 5 10 15 20 25 30 35 40 45 50

(u g/l)

Índice

IN D IC E P olinóm ica (IN D IC E )

Descriptores para las variables contaminantes

Descriptor Rango de Calificación Color Excelente 0 – 25 Verde Buena 26 – 50 Amarillo Regular 51 – 75 Naranja Mala 76 – 100 Rojo

El índice obtenido para un valor de 4.47 ug/l de Cd es 3.21, lo que corresponde a una calidad excelente (color verde) El anterior procedimiento se hace para cada una de los parámetros (en el caso de los metales se promédiale valor del índice)y de esta forma obtenemos sus respectivos índices como se observa en la siguiente tabla: El anterior procedimiento se hace para cada una de los parámetros (en el caso de los metales se promedia el valor del índice) y de esta forma obtenemos sus respectivos índices como se observa en la siguiente tabla:

Variable Valor Índice OD 6,56 99,00

NO2+NO3 9,68 99,9 PH 8,33 100 PO4 16,75 96,70 SAL 34,74 100,00 SST 15,03 69,90 DBO 2,18 4,25 CFS 10,67 6,53 CTT 110,83 2,46 PB 24,31 19,50 CD 4,47 3,21 CR 0,58 0,02

Metales ….. 7,58 HDD 0,01 0,00

OCT 0,03 0,00 Cuando ya se tienen todos los índices calculados procedemos a aplicar la ecuación para ICAMPFF y coincidimos el valor del ICAM con el descriptor correspondiente: ICAMPPFM = ((0.21)OD + (0.18)SST + (0.17)PO4 + (0.16)NI + (0.15)PH + (0.13)SAL)) – ((0.2)HDD

+ (0.19)DBO + G(0.18)CFS + (0.15)CTT + (0.14)OCT + (0.14)MET))

Descriptores del Indicador de la Calidad de las Aguas Marinas y Costeras de Colombia (ICAM)

No Descriptor Rango de Representación Numérica del Indicador CAM % Color

1 Malo 0.0 – 25 Rojo 2 Regular 26 – 50 Naranja 3 Bueno 51 – 75 Amarillo 4 Excelente 76 – 100 Verde ICAMPPFM = 90.7 es decir que es ese sector el agua tiene una calidad excelente Observaciones: Este indicador se encuentra en fase de validación en la cual se espera modificaciones para algunos factores de ponderación. Tener presente que las unidades para cada variable deberán ser las siguientes:

Variable Unidades OD mg/l

NO2+ NO3 µg/l pH Unidades de pH PO4 µg/l SAL %o SST mg/l DBO mg/l CFS NMP/100 ml CTT NPM/100 ml Pb µg/l Cd µg/l Cr µg/l

HDD µg/l OCT ng/l

Resumen Curvas de Funcionamiento CURVAS DE FUNCIONAMIENTO PARA EL SISTEMA DE INDICADORES DE LA CALIDAD DE

LAS AGUAS MARINAS Y COSTERAS DE COLOLOMBIA – SISCAM

Aguas Marinas

Tabla 1. Tabla de datos Guía de índices de calidad para el OD (Aguas marinas)

OD (mg/l) Índice 0 0 1 0

1,8 41,8 2,5 71,5 3 86,2 4 100 7 98,1 8 94,4 13 0 14 0

Tabla 2. Coeficientes de la ecuación para el OD (Aguas marinas)

Error estándar estimado = 4,00914918677339 coeficiente de determinación (R^2) = 0,9921360217 Coeficiente de séptimo orden a -0,00081129 Coeficiente de sexto orden b 0,03850194 Coeficiente de quinto orden c -0,73888346 Coeficiente de cuarto orden d 7,28239729 Coeficiente de tercer orden e -38,3538401 Coeficiente de segundo orden f 97,5295549 Coeficiente de primer orden g -65,2666642 Coeficiente de cero orden h 3,20704575

Ecuación Y = a*x^7+b*x^6+c*x^5+d*x^ 4+e*x^3+f*x^2+g*x+h

Observación: En caso de que la función genere valores mayores a 100 o menores de cero, se deberá forzar los valores al número más próximo: si Y>100 haga Y =100; si Y< 0 haga Y=0.

Figura 12. Curva de Funcionamiento para el OD (marinas)

b) Aguas Estuarinas

Tabla 3. Tabla de datos Guía de índices de calidad para el OD (Aguas estuarinas)

OD (mg/l) Índice

1 0 3 81,1 2 42,3 7 100 8 100

11,58 31,2 1 0

12 22,0 13 0,2 14 0

Tabla 4. Coeficientes de la ecuación para el OD (Aguas estuarinas)

Error estándar 4,329117 Coeficiente de determinación 0,989253 Coeficiente de correlación 0,994612 Coeficiente de sexto orden a 4,783241E-03 Coeficiente de quinto orden b -1,828248E-01 Coeficiente de cuarto orden c 2,665872E+00 Coeficiente de tercer orden d -1,832806E+01 Coeficiente de segundo orden e 5,573543E+01 Coeficiente de segundo orden F -3,354447E+01 Coeficiente de segundo orden G -1,568281E+00

Ecuación Y = ((-0,0101*(X^4))+(0,5766*(X^3)) + (-12,086*(X^2))+(88,925*(X))+(-91,656))


Figura 13. Curva de Funcionamiento para el OD (estuarinas)

1.1.1.2 pH a) Aguas Marinas

Tabla 5. Tabla de datos Guía de índices de calidad para el pH (marinas) pH Índice 0 0 2 0 3 0 6 0

6,5 21,5 7 52,1

7,5 81,6 8,1 100 8,5 98,9 9 79,5

9,5 49,9 10 23,8 11 0

Tabla 6. Coeficientes de la ecuación para el pH (marinas) Error estándar 1,475923794 Coeficiente de determinación 0,998464861 Coeficiente A 4,956425478E-05 Coeficiente B -3,155002957E-03 Coeficiente C 8,431825572E-02 Coeficiente D -1,233328391E+00 Coeficiente E 1,079194131E+01 Coeficiente F -5,805486927E+01 Coeficiente G 1,902525828E+02 Coeficiente H -3,628640968E+02 Coeficiente I 3,613021449E+02 Coeficiente J -1,403742154E+02 Coeficiente K 7,844097869E-03

Ecuación Y=a*x^10+b*x^9+c*x^8+d*x^7+e*x^6 +f*x^5+g*x^4+h*x^3+i*x^2+j*x+k


Curva de Funcionamiento pH para Aguas Marinas

0

20

40

60

80

100

120

0 2 4 6 8 10 12

pH

Índi

ce

Indice Polinómica (Indice)

Figura 14. Curva de Funcionamiento para el pH

b) Aguas Estuarinas

Tabla 7. Tabla de datos Guía de índices de calidad para el pH (estuarinas) pH Índice 2 0 3 0 4 14,34 5 50,21 6 80,23 7 97,66 8 98,85 9 75,66 10 33,10 11 3,72 12 0 13 0

Tabla 8. Coeficientes de la ecuación para el pH (estuarinas) Coeficiente de determinación 0,999619497

Error estándar 1,714555954 Coeficiente de determinación 0,998351155

Coeficiente a -2,618339260E-06 Coeficiente b 2,340391580E-04 Coeficiente c -9,981381711E-03 Coeficiente d 2,510563415E-01 Coeficiente e -3,980640901E+00 Coeficiente f 4,093296074E+01 Coeficiente g -2,745881135E+02 Coeficiente h 1,179955331E+03 Coeficiente i -3,083827118E+03 Coeficiente j 4,400144105E+03 Coeficiente k -2,596002344E+03

Ecuación Y = a*x^10+b*x^9+c*x^8+d*x^7+e*x^6 +f*x^5+g*x^4+h*x^3+i*x^2+j*x+k


Figura 15. Curva de Funcionamiento para el pH (estuarina)

1.1.1.3 Nitritos y Nitratos c) Aguas Marinas

Tabla 9. Tabla de datos Guía de índices de calidad para Nitritos y Nitratos

NO3+NO2 (mg/l) Índice

0 100 1 90,0 2 80,0 4 60,0 5 50,0 7 30,0 8 20,0 9 10,0

10 0

Tabla 10. Coeficientes de la ecuación para Nitritos y Nitratos Error estándar 0,00E+00 Coeficiente de determinación 1 Coeficiente A 100 Coeficiente B -10 Ecuación Y= A*x^+b


Curva de Funcionamiento Nitritos y Nitratos para Aguas Marinas

0

20

40

60

80

100

120

0 2 4 6 8 10 12

(mg/l)

Índi

ce

Indice Lineal (Indice)

Figura 16. Curva de Funcionamiento para Nitritos y Nitratos

d) Aguas Estuarinas

Tabla 11. Tabla de datos Guía de índices de calidad para Nitritos y Nitratos (estuarinas)

NO3+NO2 Índice 0 100 5 89,3 8 83,6 10 79,9 20 61,1 30 42,4 40 23,6 52 1,1 60 0

Tabla 12. Coeficientes de la ecuación para Nitritos y Nitratos (estuarinas)

Error estándar 1,11E+00 Coeficiente de determinación 0,9988469 Coeficiente de correlación 0,9994233 Coeficiente de cuarto orden A 98,63715 Coeficiente de tercer orden B -1,875605 Ecuación Y= AX + B


Figura 17. Curva de Funcionamiento para Nitritos y Nitratos (estuarinas)

Ortofosfatos PO4

e) Aguas Marinas

Tabla 13. Tabla de datos Guía de índices de calidad para Ortofosfatos

PO4 (mg/l) Índice

0 100 0,05 90,0 0,1 80,0 0,2 60,0 0,3 40,0 0,4 20,0

0,45 10,0 0,5 0 0,6 0

Tabla 14. Coeficientes de la ecuación para Ortofosfatos

Error estándar 1,68E-06 Coeficiente de determinación 1 Coeficiente A -200 Coeficiente B 100 Ecuación Y =A*(X))+B


Curva de Funcionamiento Ortofosfatos para Aguas Marinas

0

20

40

60

80

100

120

0 0,1 0,2 0,3 0,4 0,5 0,6

(mg/l)

Índi

ce

Índice Lineal (Índice)

Figura 18. Curva de Funcionamiento para Ortofosfatos

f) Aguas Estuarinas Tabla 15. Tabla de datos Guía de índices de calidad para Ortofosfatos

PO4 Índice 0 100

0,1 91,7 0,2 83,3 0,6 50,0 0,8 33,3 0,9 25,0 1,1 8,3 1,2 0 1,3 0

Tabla 16. Coeficientes de la ecuación para Ortofosfatos (estuarinas)

Error estándar 6,21E-06 Coeficiente de determinación 1 Coeficiente de correlación 1 Coeficiente de cuarto orden A -83,33334 Coeficiente de tercer orden B 100 Ecuación Y = AX +B


Figura 19. Curva de Funcionamiento para Ortofosfatos (estuarinas)

Sólidos Suspendidos SST

g) Aguas Marinas

Tabla 17. Tabla de datos Guía de índices de calidad para SST

SST (Mg/l) Índice

0 100 5 90,0 9 82,0 12 76,0 10 80,0 20 60,0

30 40,0 40 20,0 50 0

Tabla 18. Coeficientes de la ecuación para SST Error estándar 0,00E+00 Coeficiente de determinación 1 Coeficiente de cuarto orden A -2 Coeficiente de tercer orden B 100 Ecuación Y = A * X + B


Curva de Funcionamiento Sólidos Suspendidos SST para Aguas Marinas

0

20

40

60

80

100

120

0 10 20 30 40 50 60

(mg/l)

Índi

ce

Indice Lineal (Indice)

Figura 20. Curva de Funcionamiento para SST

h) Aguas Estuarinas

Tabla 19. Tabla de datos Guía de índices de calidad para SST (estuarinas)

SST Índice 0 100 5 96,7 20 86,7 30 80,0 50 66,7 70 53,3 90 40,0

100 33,3

155 0

Tabla 20. Coeficientes de la ecuación para SST (estuarinas)

Error estándar 0,00E+00 Coeficiente de determinación 1 Coeficiente de correlación 1 Coeficiente de cuarto orden A -0,666666666 Coeficiente de tercer orden B 100 Ecuación Y = AX + B


Figura 21. Curva de Funcionamiento para SST (estuarinas)

Salinidad (SAL) i) Aguas Marinas

Tabla 21. Tabla de datos Guía de índices de calidad para Salinidad (marinas)

Salinidad Índice 0 0 10 0 25 72,6 30 98,4 40 81,9 50 0 55 0 35 100

30,2 98,7

Tabla 22. Coeficientes de la ecuación para Salinidad (marinas)

Error estándar 2,74447 Coeficiente de determinación 0,9964818 Coeficiente de cuarto orden A -3,298179E-03 Coeficiente de tercer orden B 4,341400E-01 Coeficiente de segundo orden C -2,166120E+01 Coeficiente de primer orden D 4,854920E+02 Coeficiente de orden cero E -4,021530E+03

Ecuación Y = A*X2 + B*X3 +C*X2+ D*X + E


Figura 22. Curva de Funcionamiento para Salinidad (marinas)

j) Aguas Estuarinas

Tabla 23. Tabla de datos Guía de índices de calidad para Salinidad (estuarinas)

Salinidad Índice 0 100 5 100,0 10 100 20 100 25 100

35 89,0 45 54,8 40 74,5 55 0,9

Tabla 24. Coeficientes de la ecuación para Salinidad (estuarinas) Error estándar 1,88907 Coeficiente de determinación 0,9980976 Coeficiente de correlación 0,9990484 Coeficiente de cuarto orden A 2,527320E-05 Coeficiente de tercer orden B -3,996524E-03 Coeficiente de segundo orden C 1,308045E-01 Coeficiente de primer orden D -1,166714E+00 Coeficiente de orden cero E 1,029982E+02

Ecuación Y = A*X4 + B*X3 +C*X2+ D*X + E


Figura 23. Curva de Funcionamiento para Salinidad (estuarinas)

Curvas de Funcionamiento para las Variables Contaminantes

Curvas De Funcionamiento para la Demanda Bioquímica de Oxígeno a los cinco días (DBO5)

k) Aguas Marinas

Tabla 25. Tabla de datos Guía de índices de calidad para DBO (marinas)

DBO (ug/l) Índice 0 0 1 0 2 2,23 3 15,77 4 33,23 6 68,95 7 83,33 8 93,85 9 100 10 100 11 100 12 100

Tabla 26. . Coeficientes de la ecuación para Salinidad (marinas) Error estándar 2,738004 Coeficiente de determinación 0,9968727 Coeficiente de correlación 0,9984351 Coeficiente de cuarto orden A 2,642913E-02 Coeficiente de tercer orden B -8,526267E-01 Coeficiente de segundo orden C 8,180104E+00 Coeficiente de primer orden D -1,288328E+01 Coeficiente de orden cero E 1,678991E+00 Ecuación Y = A*X4 + B*X3 +C*X2+ D*X + E


Figura 24. Curva de Funcionamiento para DBO (marinas)

l) Aguas Estuarinas

Tabla 27. Tabla de datos Guía de índices de calidad para DBO (estuarinas)

DBO (ug/l) Índice 0 0 2 0 5 0 6 0 7 14,06 8 26,03 9 40,68 10 56,94 11 73,27 12 87,68 13 97,71 14 100

Tabla 28. Coeficientes de la ecuación para Salinidad (estuarinas) Error estándar 2,463988 Coeficiente de determinación 0,9972276 Coeficiente de correlación 0,9986129 Coeficiente de cuarto orden A -1,910172E-02 Coeficiente de tercer orden B 4,699301E-01 Coeficiente de segundo orden C -2,582010E+00 Coeficiente de primer orden D 3,657808E+00 Coeficiente de orden cero E -3,511817E-01 Ecuación Y = A*X4 + B*X3 +C*X2+ D*X + E


Figura 25. Curva de Funcionamiento para DBO (estuarinas)

Coliformes Fecales (CFS) Tabla 29. Tabla de datos Guía de índices de calidad para Coliformes fecales

(marinas)

CFS NMP mar Índice

0 0 200 27,95 500 51,71 1000 73,44 2000 87,95 3000 92,72 4000 97,65 5000 100 9000 100

10000 100

Tabla 30. Coeficientes de la ecuación para Coliformes fecales (marinas) Coeficiente de determinación 0,996008064 Error estándar 2,117177488 Coeficiente de determinación 0,994677418 Coeficiente de 9° orden A -1,77E-28 Coeficiente de 8° orden B 8,04E-24 Coeficiente de 7° orden C -1,53E-19 Coeficiente de 6° cero D 1,60E-15

Coeficiente de 5° orden E -9,99E-12 Coeficiente de 4° orden F 3,88E-08 Coeficiente de 3° orden G -9,31E-05 Coeficiente de 2° orden H 0,131125941 Coeficiente de 1° orden I 5,148897451

Ecuación Y = A*x^8+B*x^7+C*x^6+D*x^5 +E*x^4+F*x^3+G*x^2+H*x+I


Figura 26. Curva de Funcionamiento para Coliformes fecales (marinas)

Coliformes Totales (CTT) a) Aguas Marinas

Tabla 31. Tabla de datos Guía de índices de calidad para Coliformes Totales (marinas)

CTT NPM Mar Índice

0 0 200 4,34 500 9,67 1000 15,83 2000 22,82 3000 29,16 4000 39,03

5000 53,04 8000 92,98

10000 93,48 12000 100

Tabla 32. Coeficientes de la ecuación para Coliformes totales (marinas) Coeficiente de determinación 0,99962869 Error estándar 0,64823542 Coeficiente de determinación 0,99962869 Coeficiente de 9° orden A 4,63E-22 Coeficiente de 8° orden B -2,52E-18 Coeficiente de 7° orden C -1,76E-13 Coeficiente de 6° cero D 2,46E-09 Coeficiente de 5° orden E -1,06E-05 Coeficiente de 4° orden F 0,02425809 Coeficiente de 3° orden G -0,10550888 Ecuación Y = A*x^6+B*x^5+C*x^4+D*x^3+E*x^2+F*x+G


Figura 27. Curva de Funcionamiento para Coliformes totales (marinas)

b) Aguas Estuarinas

Tabla 33. Tabla de datos Guía de índices de calidad para Coliformes Totales (estuarinas)

CTT NPM Estuarina Índice

0 0 500 0 1000 3,21

10000 44,75 40000 67,49 80000 76,45 100000 80,22 120000 83,12 180000 92,71 20000 61,63 250000 100

Tabla 34. Coeficientes de la ecuación para Coliformes totales (estuarinas) Error estándar 2,017222691 Coeficiente de determinación 0,997474145 Coeficiente de correlación 0,996785276 Coeficiente de 9° orden A 2,2235210480E-44 Coeficiente de 8° orden B -2,9111807310E-38 Coeficiente de 7° orden C 1,6219456820E-32 Coeficiente de 6° cero D -5,0145857210E-27 Coeficiente de 5° orden E 9,4055293680E-22 Coeficiente de 4° orden F -1,0988180390E-16 Coeficiente de 3° orden G 7,8964665340E-12 Coeficiente de 2° orden H -3,3182574980E-07 Coeficiente de 1° orden I 7,5015429650E-03 Coeficiente de orden cero J -3,9701835040E+00

Ecuación Y = A*x^9+B*x^8+C*x^7+D*x^6+E*x^5 +F*x^4+G*x^3+H*x^2+I*x+j


Figura 28. Curva de Funcionamiento para Coliformes totales (estuarinas)

Metales pesados (Pb, Cd, Cr y Cu)

a) Plomo (Pb)

Tabla 35. Tabla de datos Guía de índices de calidad para Plomo (estuarinas y marinas)

Pb (ug/l) Índice 0 0 5 2,83 10 7,51 20 16,10 40 30,54 50 36,52

100 56,62 300 75,03 400 88,91 550 100

Tabla 36. Coeficientes de la ecuación para Plomo (marinas y estuarinas) Error estándar 2,359822 Coeficiente de determinación 0,99681 Coeficiente de correlación 0,9984037 Coeficiente de cuarto orden A -1,06E-08

Coeficiente de tercer orden B 1,30E-05 Coeficiente de segundo orden C -5,46E-03 Coeficiente de primer orden D 1,01E+00 Coeficiente de orden cero E -2,10E+00 Ecuación Y = A*x^4+B*x^3+C*x^2+D*x+E


Figura 29. Curva de Funcionamiento para Plomo (marinas y estuarinas)

b) Cadmio (Cd)

Tabla 37. Tabla de datos Guía de índices de calidad para Cadmio (estuarinas y marinas)

Cd (ug/l) Índice 0 0 3 1,05 4 2,45

10 15,52 20 46,71 30 77,14 40 97,62 70 95,51 80 100

Tabla 38. Coeficientes de la ecuación para Cadmio (marinas y estuarinas) Error estándar 3,5327 Coeficiente de determinación 0,9964473 Coeficiente de correlación 0,9982221 Coeficiente de cuarto orden A 2,442851E-05 Coeficiente de tercer orden B -3,972921E-03 Coeficiente de segundo orden C 1,734698E-01 Coeficiente de primer orden D 3,297932E-01 Coeficiente de orden cero E -1,395147E+00 Ecuación Y = A*x^4+B*x^3+C*x^2+D*x+E


Figura 30. Curva de Funcionamiento para Cadmio (marinas y estuarinas)

c) Cromo (Cr)

Tabla 39. Tabla de datos Guía de índices de calidad para Cromo (estuarinas y marinas)

Cr (ug/l) Índice 0 0 20 38,20 25 49,65 50 94,18 55 98,90 68 100 90 98,97

150 100 200 100

Tabla 40. Coeficientes de la ecuación para Cromo (marinas y estuarinas) Error estándar 2,946215 Coeficiente de determinación 0,996219 Coeficiente de correlación 0,9981077 Coeficiente de cuarto orden A 5,459163E-06 Coeficiente de tercer orden B -1,133130E-03 Coeficiente de segundo orden C 5,644947E-02 Coeficiente de primer orden D 1,225604E+00 Coeficiente de orden cero E -7,000259E-01 Ecuación Y = A*x^4+B*x^3+C*x^2+D*x+E


Figura 31. Curva de Funcionamiento para Cromo (marinas y estuarinas)

Hidrocarburos del petróleo (HDD

Tabla 41. Tabla de datos Guía de índices de calidad para Hidrocarburos del petróleo (estuarinas y marinas)

Cr (ug/l) Índice 0 0 2 6,69 3 19,22 4 34,55

5 50,62 7 78,90 8 89,10 9 96,07 10 99,88 11 100 12 100 13 100

Tabla 42. Coeficientes de la ecuación para Hidrocarburos del petróleo (marinas y estuarinas)

Error estándar 0,8523291 Coeficiente de determinación 0,999653 Coeficiente de correlación 0,9998477 Coeficiente de cuarto orden A 1,780508E-02 Coeficiente de tercer orden B -5,931715E-01 Coeficiente de segundo orden C 5,763532E+00 Coeficiente de primer orden D -6,182104E+00 Coeficiente de orden cero E 4,654230E-01 Ecuación Y = A*x^4+B*x^3+C*x^2+D*x+E


Figura 32. Curva de Funcionamiento para Hidrocarburos del petróleo (marinas y

estuarinas)

Plaguicidas Organoclorados (OCT) Cr (ug/l) Índice

0 0 1 0 2 0 3 0 5 13,19 8 34,60 10 48,19 15 74,81 16 78,86 20 90,97 25 96,33 30 99,95

Error estándar 2,77390200000 Coeficiente de determinación 0,99741110000 Coeficiente de correlación 0,99870470000 Coeficiente de 9° orden A 0,00000315232 Coeficiente de 8° orden B -0,00031055493 Coeficiente de 7° orden C 0,01237451893 Coeficiente de 6° cero D -0,25476403380 Coeficiente de 5° orden E 2,64200316100 Coeficiente de 4° orden F -5,85238485200 Coeficiente de 3° orden G 1,43275132300 Ecuación Y = A*x^6+B*x^5+C*x^4+D*x^3+E*x^2+F*x+G


Figura 33. Curva de Funcionamiento para Plaguicidas Organoclorados (marinas y

estuarinas)


PROTOCOLO: SISTEMA DE INDICADORES DE LA CALIDAD DE LAS AGUAS MARINAS Y COSTERAS DE COLOMBIA Proceso: Validación del Indicador Términos y definiciones:

- Zonas de referencia: Se refiere a zonas que por sus condiciones, ya sean de alta o baja contaminación, sirven de guía para establecer los umbrales de alteración del medio acuático marino y costero

- Umbrales: Valor a partir del cual empiezan a ser perceptibles los efectos de un agente físico en este caso la contaminación, ya sea esta moderada, alta o nula.

- Sistema de referencia de Evaluación: Es el conjunto de información unificada que sirve como criterio de evaluación de la calidad de las aguas.

- Diseño muestral: Red de estaciones preestablecida para el Plan de monitoreo. Requerimientos específicos: Los requerimientos de información específicos corresponden al muestreo de las variables que conforman al SISCAM Condiciones previas:

• Como condición previa para la validación del SISCAM se debe plantear el Diseño muestreal del cual se explica su desarrollo a continuación.

Desarrollo: Se seleccionaron 6 áreas de estudio donde se monitoreará la calidad de las aguas marino costeras y sedimentos del Caribe y Pacífico colombiano con el fin de establecer sistemas de referencia para la evaluación de la calidad de las aguas marinas y costeras. En estas 6 zonas se realizarán cuatro muestreos en un año, para establecer los umbrales (mínimo y máximo), de las variables que conforman el SISCAM. De igual forma se procederá con los contaminantes químicos. Las áreas de estudios seleccionadas para tales fines son:

Caribe: Bahía de Cartagena en Bolívar y zona norte de la Guajira. Pacifico: Bahía de Buenaventura en el Valle del Cauca y zona norte del Chocó. Zonas Insulares: San Andrés y Providencia.

En estas 6 zonas se realizarán cuatro muestreos en un año, para establecer los umbrales (mínimo y máximo), de las variables que conforman el SISCAM. De igual forma se procederá con los contaminantes químicos. Las seis áreas de estudio seleccionadas para tales fines son: Observaciones: Se anexan para este protocolo una tabla de preservación de muestras y un listado de materiales necesarios incluidos en el diseño muestreal. Es necesario precisar que las estaciones de red de muestreo señaladas como sistemas de referencias, se complementan con la REDCAM.

ANEXOS ANEXO 1. Tabla Resumen de las Estaciones de la red de monitoreo REDCAM

CÓDIGO NOMBRE ESTACIÓN LATITUD LONGITUD TIPO AGUA

C05001001 Playa de Arboletes 8,8577497 -76,4306411 AE C05001002 Ensenada de Río Negro 8,5385275 -76,9236374 AE C05001003 Golfo de Urabá 8,3967495 -76,9901123 AF C05001004 Golfo de Urabá 8,4872217 -76,8995285 AE C05001005 Centro Golfo de Urabá 8,3713055 -76,900444 AE C05001006 Desembocadura del Río Mulatos 8,6496391 -76,7392502 AE C05001007 Desembocadura de Río Necocli 8,4768057 -76,8106689 AE C05001008 Km. Arriba del río Necocli 8,475111 -76,8027496 AF C05001009 Km. arriba del río Mulatos 8,6458044 -76,73172 AF C05001010 Río Necocli 8,4770002 -76,8107529 AE C05001011 Bocas del San Juan - Arboletes 8,7841111 -76,5171944 AE C05001012 1 Km. arriba San Juan - Arboletes 8,77625 -76,5221667 AE C05002001 Golfo 8,215889 -76,8088074 AE C05002002 Golfo de Urabá 8,2159166 -76,8995285 AF C05002003 Golfo 8,3063889 -76,8995285 AF C05002004 Golfo de Urabá 8,3967495 -76,8088074 AF C05002005 Playa la Martina 8,1709166 -76,7424164 AM C05002006 Playa de Necocli 8,4238596 -76,7899704 AE C05002007 Playa el Totumo 8,3329172 -76,7569733 AM C05002008 Río Caimán Nuevo 8,2735281 -76,7662811 AM C05002009 Río Turbo 8,1263609 -76,7407532 AM C05003001 Desembocadura del Río León 7,9338442 -76,7488403 AM C05003002 Km. después Río León - Bahía Colombia 7,9501081 -76,7714842 AM C05003003 Bocas de Leoncito 8,0599706 -76,8541106 AM C05003004 Frente a Río León 7,9432314 -76,7574614 AM C05003005 Desembocadura río Leoncito 8,0246581 -76,8421325 AM C05003006 Golfo de Urabá 7,9672778 -76,8088069 AM C05003007 Golfo de Urabá 7,9672767 -76,8995281 AM C05003008 Golfo de Urabá 8,0350828 -76,8088069 AF C05003009 Golfo de Urabá 8,1249456 -76,8071056 AF C05003010 Playa de Turbo 8,0892206 -76,7459483 AF C05003011 Desembocadura río Currulao 8,0123339 -76,7465817 AF C05003012 Boca del río Atrato, Matuntugo 8,1398325 -76,8359756 AF C05003014 Río Guadualito 8,0315275 -76,7244492 AF C05003015 Km. arriba del Río León 7,9204708 -76,7431408 AF C05003016 Km. arriba del río Leoncito 8,0296564 -76,8529967 AF C05003017 Río Zuriqui 7,8981103 -76,8585281 AF C05003018 Km. Arriba río Currulao 8,0231942 -76,7230606 AF

C05003019 Km. Arriba del río Atrato 8,1355553 -76,8462753 AF C05003020 Muelle Armada - Turbo 8,0699442 -76,7380831 AF C05003021 Después de Leoncito - Bahía Colombia 8,77625 -76,5221667 AF C08001002 Bocas de Ceniza (A) 11,1074989 -74,8648603 AE C08001003 Bocas de Ceniza (B) 11,1048889 -74,8769989 AE C08001004 Punta Roca 11,0364581 -74,9040056 AM C08002003 Frente a Puerto Velero (B) 10,9191006 -75,0626831 AM C08002004 Santa Verónica, (B) Arroyo Juan de Acosta 10,8936794 -75,0905531 AM C08002011 Ciénaga de Balboa 10,9899167 -74,9682233 AE C08002012 Frente a Puerto Velero (A) 10,9257992 -75,0535889 AM C08002013 Santa Verónica, (A) Arroyo Juan de Acosta 10,8862533 -75,0986022 AM C08002014 Playas de Salgar - Puerto Colombia 11,0205 -74,9183969 AM

C08002015 Playas de Puerto Colombia debajo del Muelle 10,9960278 -74,9540442 AM

C08002016 Ensenada el Puente - Boca Arroyo Cascabel 10,8385556 -75,1598889 AE

C08003027 Ciénaga Mallorquín- Zona entrada Río Magdalena 11,0523614 -74,8525542 AE

C08003028 Calamar (Km. 92) 10,2556581 -74,9128642 AF C08003038 Renegado (Km. 77, Río Magdalena) 10,5965342 -74,7217481 AF

C08003041 Las Flores, aguas residuales al Río Magdalena 11,0545542 -74,8368906 AF

C08003042 Urb. La Playa, Centro C. Mallorquín 11,0411656 -74,8645553 AE C08003043 Boca Caño Clarín 10,9531764 -74,75103 AF C08003044 Puente Pumarejo 11,0193331 -74,7868889 AF C08003045 Frente a Dársena acueducto Barranquilla 10,9497778 -74,7615831 AF C13001008 Frente al Faro de Galerazamba 10,7730179 -75,2804642 AE C13001009 Frente a Isla Arena 10,7358332 -75,3444443 AM C13001010 Balneario Boca Canoa (Hotel Sol Cartagena 10,655755 -75,42173 AM C13001011 Frente a Ceniacua 10,5762577 -75,5202255 AM C13002013 Ciénaga - Norte de la pantalla de Bocana 10,4506912 -75,4975128 AM C13002014 Ciénaga - Sur de la pantalla de Bocana 10,4375849 -75,5071259 AM C13002015 003 -CDV 10,4543608 -75,4900556 AE C13003030 Canal del Dique 10,2811331 -75,5214306 AM C13003031 Desembocadura del Canal del Dique 10,2961642 -75,5286789 AM C13003032 Boya verde Nº 17 - Frente a Caño de Loro 10,333555 -75,5506967 AM C13003033 Boya de señalización Nº 6- Astillero Nav 10,3620892 -75,5229717 AM C13003034 Boya roja de señalización Frente a Corel 10,3305917 -75,5185617 AM C13003035 Boya verde No. 29 - Entrada al Polvorín 10,3640928 -75,5415725 AM C13003036 Boya roja - Escollera Submar 10,3956817 -75,5774606 AM C13003037 Frente al emisario de Acuacar - ENAP Isl 10,3885353 -75,5351103 AM C13003038 Boya verde Nº 41 10,4006081 -75,5522614 AM C13003039 Boya roja Nº 50. Frente al muelle Océano 10,4147214 -75,5480575 AM C13003040 Segunda punta de isla Tierra Bomba entra 10,3623503 -75,5999067 AM C13003041 Playas de Manzanillo del Mar 10,5105281 -75,5053864 AM C13003042 Ciénaga - Frente a la Boquilla 10,4855456 -75,5067289 AM C13003043 Playas de la Boquilla 10,4851531 -75,4973292 AM C13003044 Salida de la Bocana 10,4651878 -75,5102456 AM C13003045 Playas de Crespo 10,4586017 -75,51593 AM

C13003046 Playas de Marbella frente a Texaco 10,4450692 -75,5309142 AE C13003047 Playas de Marbella 10,4352453 -75,5483703 AE C13003048 Playas de Bocagrande 10,4066017 -75,5678631 AE C13003049 Boya Roja N° 1 Bocachica 10,3194167 -75,5911111 AE C13003050 Boya 1 Entre I. Tierra Bomba y Continente 10,3194167 -75,5911111 AE C13004018 Isla Grande frente al Hotel 10,1867494 -75,7358475 AM

C13004019 Isla Barú - Bahía de Barbacoas - Sector Estancia 10,1580694 -75,6542053 AM

C13004020 Desembocadura Caño Lequerica 10,2163886 -75,5458372 AM C13004021 Caño Lequerica 1 Km. aguas arriba 10,2216661 -75,5477828 AM C13004022 Desembocadura Caño Matunilla 10,1728294 -75,5514678 AM C13004023 Desembocadura Arroyo Plata 10,1461103 -75,5555572 AM C13004024 Desembocadura Caño Corrrea 10,0296314 -75,5263367 AE C13004025 Banco de Coral frente a Isla 10,1588039 -75,7500992 AE C13004026 Caño Ratón 10,1800403 -75,7551117 AE

C13004027 10 Matunilla 1 Km. arriba casita pequeña ladrillo rojo 10,2522222 -75,5388333 AE

C23001001 Boca Río Sinú - Tinajones 9,4360131 -75,9429242 AE C23001002 Centro Bahía Cispata 9,4117678 -75,7906264 AE C23001003 Frente a Cispata 9,4385214 -75,7850567 AE C23001005 Frente a Río Sinú - Tinajones 9,4592844 -75,9666214 AE C23001007 Río Sinú 9,4246061 -75,9291153 AM C23001008 Río Sinú (Lorica) 9,2277478 -75,8365783 AF C23001011 Caño Remediapobre 9,3877783 -75,8016663 AE C23001012 Caño Nisperal 9,4120531 -75,7962799 AE C23001014 Playa Blanca San Antero 9,4094715 -75,7637482 AE C23001015 Marina Cispata 9,4054909 -75,7785873 AE C23002001 San Bernardo del Viento 9,3511381 -76,0402527 AE C23002002 Moñitos 9,2514725 -76,1383514 AM C27001001 Playa Trigana 8,3827505 -77,116333 AE C27001002 Boca río Acandí 8,5208683 -77,2802811 AE C27001003 Playa Capurganá 8,6409159 -77,3497543 AE C27001004 Km. Arriba del río Acandí 8,5246181 -77,2908173 AE C44002019 Cabo de la Vela 12,2068405 -72,1776886 AE C44002020 Muelle Manaure. Salina 11,78339 -72,4597168 AE C44002021 Punta Cabo de la Vela 12,2088785 -72,1843262 AM C44002022 Playa Manaure 11,7832766 -72,4663849 AM C44003001 Boca de Cañas 11,2660704 -73,4099197 AM C44003002 Boca de Jerez 11,2777157 -73,3170624 AM C44003003 Boca de Palomino 11,2633495 -73,57621 AF C44003004 Boca de Ranchería 11,5578794 -72,9086685 AE C44003005 Frente a Cañas 11,274415 -73,4106522 AE C44003006 Frente a Jerez 11,2800035 -73,3175735 AE C44003007 Frente a Palomino 11,2768745 -73,5761108 AF C44003008 Frente a Ranchería 11,5590353 -72,9107132 AF C44003009 Muelle Riohacha 11,5571022 -72,9149323 AE C44003010 Playa Riohacha 11,5551815 -72,91465 AE C44003011 Río Cañas 11,215517 -73,4071655 AE

C44003012 Río Jerez 11,21595 -73,255043 AE C44003013 Río Palomino 11,2467384 -73,571312 AE C44003014 Río Ranchería 11,5433855 -72,8952026 AE C44003015 Junto a TermoGuajira 11,2665319 -73,421257 AM C44003016 Vertimiento Riohacha 11,5505276 -72,9272232 AE C47001001 Boca del Río Buritaca 11,2653233 -73,7711486 AE C47001002 Boca Río Don Diego 11,2615478 -73,7048264 AE C47001003 Boca del Río Guachaca 11,2698467 -73,8371964 AE C47001004 Frente a Río Buritaca 11,2736442 -73,7744217 AM C47001005 Frente a Río Don Diego 11,2698639 -73,7054747 AM C47001006 Frente a Río Guachaca 11,2757594 -73,8364714 AM C47001007 Río Buritaca 11,2562608 -73,7673644 AF C47001008 Río Don Diego 11,25255 -73,7007597 AF C47001009 Río Guachaca 11,2486314 -73,8460539 AF C47001010 Playa Buritaca 11,2686469 -73,7695769 AM C47001011 Playa Mendihuaca 11,2781675 -73,8570328 AM C47001012 Río Mendihuaca 11,2690275 -73,8615722 AF C47002001 Boca del Río Piedras 11,2989908 -73,8972317 AE C47002002 Bahía Chengue 11,3297267 -74,1336819 AM C47002003 Frente a Río Piedras 11,3052269 -73,8922042 AM C47002004 Río Piedras 11,2848567 -73,9123764 AF C47002005 Playa Neguanje 11,338625 -74,0595778 AM C47002006 Playa Bahía Concha 11,3056083 -74,1604306 AM C47003002 Boca del Río Gaira 11,1959877 -74,2352295 AE C47003004 Boca del Río Manzanares 11,2390442 -74,2237778 AE C47003010 Boca del Río Córdoba 11,0399485 -74,2444229 AE C47003011 Boca del Río Toribio 11,0579624 -74,231781 AE C47003012 Alcatraces 11,1053038 -74,2324142 AM C47003013 Pozos Colorados 11,1578026 -74,2370911 AM C47003014 Frente a Río Gaira 11,1982832 -74,2409744 AM C47003015 Playa Central Rodadero 11,2027054 -74,2331161 AM C47003016 Playa Salguero 11,1887264 -74,2394257 AM C47003017 Río Gaira (Puente Mayor) 11,193058 -74,2305145 AF C47003018 Frente a Río Manzanares 11,2409067 -74,2273254 AM C47003019 Playa Batallón 11,2365437 -74,2259216 AM C47003020 Playa Municipal 11,2462015 -74,2193298 AM C47003021 Río Manzanares (Puente Mayor) 11,2309904 -74,2039566 AF C47003022 Bahía Taganga 11,2702703 -74,1954498 AM C47003023 Frente a Río Córdoba 11,0468359 -74,2510681 AM C47003024 Frente a Río Toribio 11,0656881 -74,2410431 AM C47003025 Río Córdoba 11,0313787 -74,208252 AF C47003026 Río Toribio 11,0418072 -74,2066803 AF C47003027 Frente a Costa Verde 11,0306435 -74,2597122 AM C47003048 Punta de Betín 11,25 -74,2166667 AM C47004001 Frente a Jagüey 10,9933348 -74,3874588 AM C47004002 Frente a Tasajera 11,0042753 -74,3215866 AM C47004003 Frente a la Barra 11,0110006 -74,3037491 AM

C47004004 Frente a 4 Bocas 11,0417356 -74,6554642 AM C47005008 Rincón del Jagüey 10,96708 -74,3852081 AE C47005013 Caño Dragado 10,9508331 -74,5833356 AE C47005014 La Ye en el Clarín 10,9687831 -74,5138392 AE C47005019 Caño Clarín Km. 9 11,0077275 -74,6768031 AE C47005020 Caño Clarín Km. 22 10,9948853 -74,62677 AE C47005022 Caño Clarín Km. 15 11,0083206 -74,6576917 AF C47005023 Caño Clarín Km. 2 10,9680556 -74,7397231 AF C47005025 Boca de la Barra 10,9923892 -74,2939981 AE C47005026 Frente a Río Aracataca 10,7681189 -74,3759606 AE C47005027 Frente a Río Fundación 10,7314367 -74,43058 AE C47005028 Frente a Río Sevilla 10,87465 -74,3293381 AE C47005029 Río Aracataca 10,766675 -74,3629756 AF C47005030 Río Fundación 10,7171717 -74,4346767 AF C47005031 Río Sevilla 10,8660292 -74,312645 AF C47005032 Boca del Caño Grande 10,8442125 -74,4859389 AE C47005033 Centro Cienaga Grande de Santa Marta 10,8569639 -74,4113081 AE C47005034 Rinconada 10,9639992 -74,497055 AE C47005036 Buenavista 10,84731 -74,5102306 AE C47005037 Boca Caño Aguas Negras (PRAL) 10,8142489 -74,6104889 AE C47005038 Ciénaga la Luna 10,9180689 -74,579315 AE C47005039 Ciénaga La Redonda 10,9741028 -74,5536728 AE C47005040 Nueva Venecia 10,8383317 -74,5786206 AE C47005042 Boca Caño Aguas Negras (R. Magd.) 10,7439731 -74,7068856 AF C47005043 Ciénaga El Torno 11,0595367 -74,7575831 AE C47005044 Ciénaga El Loro 11,0514531 -74,7464142 AE C47005045 Ciénaga Poza Verde 11,0542467 -74,7784956 AE C47005048 Cienaga La Atascosa 11,04751 -74,7177656 AE C47005049 Cienaga Las Piedras 11,06406 -74,7391431 AE C47005050 Centro Ciénaga Grande 1 10,9022264 -74,3664392 AE C47005051 Centro Ciénaga Grande 2 10,9010967 -74,4533767 AE C47005052 Centro Ciénaga Grande 3 10,8166317 -74,4414139 AE C47005053 Centro Ciénaga Grande 4 10,8150831 -74,3908231 AE C47005054 Ciénaga La Ahuyama 10,9102142 -74,5473364 AE C47005058 Caño el Torno 11,0064231 -74,7633792 AF C70001002 Matatigre 9,9546661 -75,5895004 AM C70001003 Punta Rincón 9,7703886 -75,6460571 AM C70002001 Arroyo Grande 9,5637908 -75,5193403 AF C70002002 Caño Alegría 9,5864092 -75,5748667 AF C70002004 Arroyo Medio 9,7006731 -75,6243206 AF C70002005 Caño Pechelin (Arroyo) 9,5130939 -75,5828017 AF C70002006 Boca de La Caimanera 9,43898 -75,6332625 AE C70002007 Boca Caño Pechelin 9,5147119 -75,5930481 AE C70002008 Boca Caño Zaragocilla 9,6618242 -75,5977631 AE C70002009 Boya de ECOPETROL TLU1 9,4932056 -75,7344053 AM C70002010 Berrugas 9,6970344 -75,6145475 AM C70002011 Boca Caño Francés 9,5679231 -75,5769192 AE

C70002012 Boca Caño Guacamayo 9,6132906 -75,5754775 AE C70002013 Boca Caño Guainí 9,5457056 -75,5825117 AE C70002014 Caño Caimanera 9,4327878 -75,6299892 AF C70002015 Caño Alegría 9,5864103 -75,5748667 AF C70002017 Caño Francés 9,5666178 -75,5644989 AF C70002018 Caño Guainí 9,5450953 -75,5632244 AF C70002019 Centro Golfo de Morrosquillo 9,5969439 -75,821945 AM C70002020 Caño Guacamayo 9,6026564 -75,5692058 AF C70002021 Boya de ECOPETROL TLU2 9,5316667 -75,7911144 AM C70002022 Frente a Caño Alegría 9,5888822 -75,5929183 AM C70002023 Frete a Boquerón (Isla) 9,6990164 -75,7128828 AM C70002024 Frente a Caimanera 9,4480275 -75,6462706 AM C70002025 Frente a Caño Guacamayo 9,6096161 -75,5957106 AM C70002026 Frente a Coveñas 9,4161356 -75,6770933 AM C70002027 Frente a Guaini 9,5511692 -75,6036147 AM C70002028 Frente a Pechelín 9,525835 -75,6097411 AM C70002029 Frente a Caño Francés 9,5693931 -75,5990369 AM C70002030 Frente a Tolú 9,53592 -75,6007767 AM C70002031 Frente a Zaragocilla 9,6563633 -75,6185989 AM C70002033 Caño Zaragocilla (arriba) 9,6700275 -75,5894392 AF C70002034 Isla Palma (I. San Berna 9,6916664 -75,7123489 AM C70002035 Playa Berrugas 9,6980828 -75,6192244 AM C70002036 Tolú Playa Hotel Playa M 9,5333603 -75,5870817 AM C70002037 Tolú Playa Hotel Monteca 9,5215273 -75,5907211 AM C70002038 Coveñas Puerto Viejo 9,469389 -75,612114 AM C70002039 Coveñas Puntepiedras 9,4219446 -75,6535263 AM C70002040 Coveñas Coquerita 9,4104671 -75,6823959 AM C70002041 Ciénaga La Caimanera 9,407753 -75,631012 AE C70002042 Golfo Frente Berrugas 9,6753607 -75,650032 AM C70002043 Golfo Frente Zaragocilla 9,6487837 -75,6296692 AM C70002044 Golfo Frente Francés 9,5739717 -75,6143341 AM C70002045 Golfo Frente Pechelín 9,5345383 -75,6287918 AM C70002046 Golfo 7 9,6345882 -75,716629 AM C70002047 Frente Golfo Centro 9,6137972 -75,8575821 AM C70002048 Playa Francés 9,5625925 -75,5803986 AM C88001001 Punta Hansa 12,5821104 -81,6869583 AM C88001002 Hotel Isleño 12,5888824 -81,6972961 AM C88001003 Punta Norte 12,5972891 -81,7046738 AM C88001004 Cabañas Altamar 12,5920143 -81,7132111 AM C88001005 Alcantarillado 12,5731869 -81,7242432 AM C88001006 Bahía Hooker (manglar) 12,5701141 -81,7043686 AE C88001007 Bahía Hooker (plantas) 12,571311 -81,7064133 AE C88001008 Muelle San Andrés 12,5767355 -81,7025604 AM C88001009 Jhonny Cay 12,6025 -81,6933365 AM C88002001 El Cove 12,5276718 -81,7318268 AE C88002002 Yellow Moon 12,5427399 -81,7053223 AM C88002003 Roky Cay 12,5436258 -81,7035751 AM

C88003001 Muelle Santa Isabel 13,3806448 -81,3745956 AM C88003002 Basurero 13,3674765 -81,3928833 AE C88003003 San Felipe 13,3611126 -81,3949051 AE C88003004 Agua Dulce 13,3467865 -81,3977432 AE C88003005 Escuela Bomboná 13,3329105 -81,3951569 AE C88003006 Gully Bottom House 13,3276148 -81,3757477 AE C88003007 McBean Lagoon 13,3665953 -81,3579178 AE C88003008 Cayo Cangrejo 13,3800554 -81,35746 AM C88003009 Electrificadora 13,3847618 -81,3652267 AE C88003010 Santa Catalina 13,3870802 -81,3708954 AE P19001001 Boca Río Micay 2,9691687 -77,6955185 AE P19001002 Boca Río Saija 2,8644056 -77,6909561 AE P19001003 Frente a Río Micay 2,9462185 -77,799057 AE P19001004 Frente a Río Saija 2,9019408 -77,773056 AM P19001005 Río Micay 3,0782261 -77,5383148 AF P19001006 Río Saija 2,872941 -77,6253891 AF P19001007 Río Timbiqui 2,7700086 -77,6643524 AF P19002001 Basurero Guapi (Río) 2,5599716 -77,8334045 AF P19002002 Bocana Río Guajui 2,6939707 -77,8054733 AF P19002003 Bocana Río Guapi 2,6558833 -77,9182205 AE P19002004 Boca Río Timbiqui 2,7803237 -77,7416077 AE P19002005 Harinera (Estero Chanzará) 2,6084163 -77,9323349 AE P19002006 Frente a B.R. Guajui 2,783227 -77,8336411 AM P19002007 Frente a B.R. Guapi (Boya) 2,7533965 -77,961731 AM P19002008 Frente a Timbiqui 2,8458774 -77,7908554 AM P19002009 Río Guapi (Cabecera) 2,5767946 -77,8859863 AF P19002010 Río Guajui 2,615624 -77,7532654 AF P27002001 Boca Bahía Solano 6,270833 -77,417366 AM P27002002 Boca Q. Chocolatal 6,2328668 -77,4030991 AE P27002003 Boca Río Valle 6,1040254 -77,4323349 AE P27002004 Bahía Solano (ESSO) 6,1020498 -77,4151917 AM P27002005 Frente a R. Valle 6,1086335 -77,4387207 AM P27002006 Quebrada Chocolatal (Arriba) 6,2282329 -77,4067841 AF P27002007 Frente a R. Nuquí 5,7131996 -77,2680054 AM P27002008 Río Nuquí 5,7070327 -77,271698 AF P27002009 Río Valle 6,1105833 -77,4267502 AF P27002010 Boca R. Nuquí 5,7062831 -77,2794647 AE P27002011 Bahía Solano Frente 6,2405553 -77,4100037 AM P27002012 Playa Nuquí 5,7172217 -77,2711105 AM P27002013 Estero Tribugá 5,7766662 -77,2508316 AE P27002014 Playa Tribugá 5,7805552 -77,2669449 AM P27002015 Jurubidá Frente 5,8436108 -77,2863922 AE P27002016 Ensenada de Utría 6,0313983 -77,3532791 AE P27002017 Playa Almejal 6,1144443 -77,4411163 AE P27002018 Playa Huina 6,2744446 -77,457222 AE P27002019 Río Jella 6,2264323 -77,4038467 AF P27002020 Jurubidá Estero 5,8488889 -77,2811127 AE

P52001001 Bocana Río Iscuandé 2,610795 -78,0648039 AE P52001002 Bocana Río Tapaje(Bazan) 2,6483692 -78,1202467 AE P52001003 Frente a B.R. Tapaje 2,4055456 -77,9950631 AM P52001004 Río Tapaje (Las Varas) 2,5656242 -78,0487442 AF P52001005 Boca Brazo Largo Novillal 2,2642725 -78,6247025 AF P52001006 Frente a Bigia 2,6201939 -78,3011931 AM P52001007 Boca patianga 2,6093689 -78,2962031 AE P52001008 Boca Salahonda 2,1100906 -78,6909103 AE P52001009 Frente amarales 2,6344631 -78,2309792 AM P52001010 Frente a Brazo Largo 2,2469678 -78,6146692 AM P52001011 Frente a SalaHonda 2,1203689 -78,7407378 AM P52001012 Boca la tola 2,6068856 -78,2699356 AE P52001013 Brazo largo novillal 2,1941803 -78,5491406 AE P52001014 Río Patianga + Satinga 2,3755131 -78,3215103 AF P52001015 Sala Honda Brazo Patia 2,1926325 -78,6998214 AF P52001016 Frente a B.R. Iscuandé 2,7077967 -78,0835264 AM P52001017 Río Iscuandé (La soledad) 2,5610231 -78,0522306 AF P52001018 Río la tola 2,4038525 -78,1942056 AF P52001019 Playa Mulatos 2,6623125 -78,3085325 AE P52001020 Playa Sala Honda 2,0512781 -78,6694406 AE P52001021 Frente a Río Patía 2,6760931 -78,3054939 AM P52001022 Río Patía - Fatima Remolino 2,1924 -78,4128356 AF P52002001 Boca río Chagui 1,8055916 -78,5389175 AE P52002002 Boca río Curey 1,8976997 -78,5430527 AE P52002003 Boca río Mejicano 1,7447387 -78,5717545 AE P52002004 Boca Rosario 1,7501138 -78,5998535 AE P52002005 Frente Chagui 1,8031605 -78,5564651 AE P52002006 Frente río Curey 1,8835219 -78,5943604 AE P52002008 Frente Rosario 1,7781527 -78,5949478 AE P52002009 Centro del Golfo de Tumaco 1,8675197 -78,6501389 AE P52002010 Río Chagui 1,8048887 -78,5182037 AF P52002011 Río Curey 1,914119 -78,5296783 AF P52002012 Río Mejicano 1,7121055 -78,5753479 AF P52002013 Río Rosario 1,7256078 -78,6117325 AF P52002014 Playa El Morro 1,8310796 -78,7310867 AM P52003001 Boca de la coba del Río Mira 1,6998501 -78,8393021 AF P52003002 Boca río Mira 1,6556735 -79,0055008 AE P52003003 Boca río Mataje 1,4083685 -78,7973557 AE P52003004 Coba río Mira1 1,6925918 -78,830246 AF P52003005 coba río Mira 2 1,7176635 -78,8225403 AF P52003006 Frente Coba Río Mira 1,7241788 -78,8623428 AM P52003007 Frente río Mataje 1,4327537 -78,8416061 AM P52003008 Frente río Mira 1,6729424 -79,0325012 AM P52003009 Río Mataje 1,3852148 -78,7748413 AF P52003010 Río Mira 1,6384717 -78,9946365 AF P52003011 Bocana Ens. Tumaco 1,9106725 -78,7236099 AM P52003012 Frente a Rios 1,7831734 -78,9359589 AE

P76001001 Boca R. San Juan 4,076376 -77,4408417 AE P76001002 La Barra 3,9617496 -77,3811646 AM P76001003 Frente a cabaña Amarilla 3,9587831 -77,3667679 AM P76001004 Frente a cabañas Carvajal 3,9388163 -77,3666153 AM P76001005 Hotel Medellín 3,9361162 -77,366066 AM P76001006 Frente al muelle 3,9290333 -77,3518143 AM P76001007 Puente Juanchaco -Ladrilleros 3,9263995 -77,3571854 AM P76001008 Diagonal Hotel Palm View 3,9267499 -77,3546371 AM P76001009 Frente a R. San Juan 4,0412459 -77,454567 AM P76001010 Frente a R. Raposo 3,7653317 -77,170105 AE P76001012 San Rafael (dulce) 4,1469784 -77,4138641 AF P76002001 Boca R. Anchicayá 3,8083236 -77,1404495 AE P76002002 Boca R. Dagua 3,8668523 -77,0533371 AE P76002003 Boca R. Potedo 3,8033881 -77,089386 AE P76002004 Boca R. Raposo 3,7375219 -77,1702728 AE P76002005 003-BV 3,8235834 -77,1866989 AF P76002007 024-BV 3,8281107 -77,1731949 AF P76002012 050-BV 3,832639 -77,1596985 AF P76002018 067-BV 3,8534009 -77,1547546 AM P76002019 069-BV 3,8416944 -77,1569443 AM P76002032 113-BV 3,8552499 -77,1281967 AE P76002035 132-BV 3,8643053 -77,1191711 AE P76002039 151-BV 3,8597775 -77,1056671 AE P76002042 155-BV 3,8688052 -77,1116714 AE P76002044 163-BV 3,8868887 -77,0966644 AE P76002046 172-BV 3,9004717 -77,0921707 AE P76002048 178-BV 3,8733332 -77,0921707 AE P76002049 183-BV 3,8914165 -77,0876694 AE P76002050 189-BV 3,9004719 -77,083168 AE P76002051 190-BV 3,8959718 -77,083168 AE P76002052 191-BV 3,8914163 -77,083168 AE P76002053 192-BV 3,8869166 -77,083168 AE P76002054 197-BV 3,9049995 -77,0786438 AE P76002055 200-BV 3,8823886 -77,0786438 AE P76002057 206-BV 3,8959718 -77,0741653 AE P76002058 210-BV 3,905 -77,0696716 AE P76002059 211-BV 3,9004719 -77,0651703 AE P76002060 213-BV 3,877861 -77,0696716 AE P76002061 217-BV 3,8733332 -77,0651703 AE P76002062 221-BV 3,8959718 -77,0606689 AE P76002063 223-BV 3,8733327 -77,0606689 AE P76002065 227-BV 3,8823888 -77,0561676 AE P76002066 229-BV 3,9095001 -77,0516663 AE P76002067 232-BV 3,8959444 -77,0516663 AE P76002069 239-BV 3,8914163 -77,0606689 AE P76002070 Frente al muelle 3,7491331 -77,1797028 AE P76002071 Frente hotel Bocana 3,8303001 -77,1849365 AE

P76002072 Pianguita 3,8381166 -77,1979141 AE P76002073 Frente a R. Anchicayá 3,8151031 -77,1444244 AE P76002074 Frente a R. Dagua 3,8715196 -77,0625305 AE P76002075 Frente a R. Potedo 3,8260696 -77,1191788 AE P76002076 Río Anchicayá 3,7900589 -77,110939 AE P76002077 Río Dagua 3,8665478 -77,0415115 AE P76002078 Río Potedo 3,8001995 -77,0614166 AE P76003001 Río Raposo - El Pasadero (dulce) 3,698091 -77,1148453 AE

ANEXO 1. Descripción para la determinación de las Variables que conforman el ICAM4

1. Descripción Para la determinación del Oxigeno Disuelto (OD)

a. Toma de Muestra: La muestra para el análisis de oxigeno disuelto debe ser la primera en ser tomada con botellas muestreadoras, utilizando una manguera de caucho y evitando la introducción de burbujas de aire. La botella de DBO colectora debe ser lavada dos veces con la muestra. Después de realizar cuidadosamente el llenado de la botella asegurándose que la manguera de caucho penetre hasta el fondo hay que dejar que rebose y se saca cuidadosamente la manguera. En forma rápida, se le agregan 2 ml de solución de sulfato de manganeso y luego 2 ml de solución yoduro- alcalina, introduciendo las pipetas o dosificadores hasta la parte media de la Botella DBO evitando de nuevo producir burbujas.. Luego se tapa y se agita fuertemente la botella.

b. Almacenamiento Guardar las muestras en un lugar fresco y oscuro, para su posterior análisis en el laboratorio, el

tiempo de almacenamiento de ser de por lo menos 15 minutos a 6 horas como máximo.

c. Equipo y Material Bureta Multi-Dossimat, Botellas DBO de300 mL, Dosificadores o pipetas de 2 mL, Erlenmeyer de

125 mL, pipeta aforada con llave de doble paso de 50 mL, pipetas aforadas de 10 mL, bomba de vacío, mangueras de caucho.

d. Reactivos

• Sulfato de manganeso: Disolver 182.5 g de MnSO4H2O en agua destilada y completar a 500 mL

• Solución yoduro -alcalina.: Disolver 250 g de NaOH en 250 mL de agua destilada. Disolver 150 g de KI en 200 mL de agua destilada. Una vez frías las dos soluciones mezclarlas y agregarle 5 g de azida de sodio disuelta en 20 mL de agua destilada, completar a 500 mL.

• Ácido sulfúrico (70%): Mezclar 350 mL de ácido sulfúrico .concentrado en 150 ,mL de agua destilada.

• Tiosulfato de sodio 1N: Disolver 62.0 g de Na2S2O3.5H2O en agua destilada ( que ha sido hervida previamente, para desalojar todo el CO2) y completar a 250 mL en matraz aforado. Guardar en frasco oscuro y agregarle 0.5 mL de Sulfuro de Carbono (CS2) como preservativo. A partir de esta solución se prepara diariamente la de 0.01 N.

• Solución de almidón 10%: Disolver 10 g de almidón soluble en 100 mL de Glicerina, calentar hasta disolución total.

• Solución de KIO3 0.01N:Pesar en balanza analítica exactamente 0.3567 g de KIO3, disolver en agua destilada y completar a un litro en matraz aforado.

• Glicerina.

e. Procedimiento

• Agitar fuertemente la muestra que se encuentra en botella de DBO, después de haber sido almacenada como mínimo 15 minutos, luego agregar los reactivos fijadores.

• Adicionar 2 ml de solución de H2SO4 al 70%.

• Agitar hasta disolución del precipitado.

• Dejar en reposo 10 minutos, agitar nuevamente.

• Tomar alícuotas de 50 ml por duplicado.

4 Tomados de Manual de Métodos y Protocolos, Unidad de Laboratorio, INVEMAR, 2002.

• Titular con solución de Tiosulfato 0.01N hasta que aparezca el color amarillo palido.

• Agregar dos o tres gotas de solución de almidón.

• Seguir titulando hasta la desaparición del color azul.

• Anotar los volúmenes de Tiosulfato y realizar un promedio.

f. Calibración Pipetear 2 alícuotas de 10 ml de KIO3 0.01N en dos erlenmeyers, luego adicionar 50 ml de agua destilada a cada uno y agitar. Adicionar 2 ml de solución de H2SO4 y agitar , luego agregar 2 ml de yoduro alcalina y agitar. Dejar reposar por 15 minutos par su posterior titulación con tiosulfato 0.01N, anotar los volúmenes y realizar un promedio.

g. Cálculos Para calcular la concentración de oxigeno disuelto enlas muestras se utiliza la siguiente formula:

mL O2/L= 5.6 (V1)xmV

OSN 1000)(296300

32 ×× =

V 1 = Volumen de tiosulfato 0.01N gastado para titular la muestra. Vm = Volumen de la muestra (alícuotas). N = Normalidad del tiosulfato de sodio. Concentración O2 en mL/Lx 1.4285 = Concentración O2 en mg/L

2. Descripción Para la determinación de los Otofosfatos PO 4

a. Toma de Muestra: La muestra se colecta igual para el análisis de amonio (Ver protocolo PLQ – 005, el paso 1.5.1).

b. Almacenamiento Las botellas colectoras que contienen la muestra, se almacenan congeladas a –20 0C hasta el

análisis en el laboratorio.

c. Equipo y Material Espectrofotómetro VIS, Celdas de vidrio, Erlenmeyer, Pipetas con llaves de doble paso, vasos de

precipitación, Probetas, papel de Aluminio. d. Reactivos

• Solución Heptamolibdato de amonio.(1) Disolver 30 g de heptamolibdato de amonio(NH4)6Mo7O2.4H2O en agua destilada y completar a 1000 mL , almacenar en frasco oscuro.

• Solución de ácido sulfúrico.(2):Mezclar 140 mL de H2SO4 concentrado con 900 mL de agua destilada.

• Solución de ácido ascórbico.(3):disolver 2.7 g de ácido ascórbico grado reactivo en 50 mL de agua destilada , esta solución se prepara diariamente.

• Solución de tartrato de potasio antimonilo (4).: disolver 0.34 g de reactivo analítico en 250 mL de agua destilada.

• Solución reductora.:Mezclar 100 mL de solución (2), 100 mL de solución (3) y 50 mL de solución (4). Esta solución se prepara diariamente.

• Estándar de fosfato de 1000 µ g.at.P-P04 =/L: pesar exactamente 0.1360 g de KH2PO4 previamente secado a 100°C y disolver en agua desionizada, agregar 1 mL de H2SO4 como preservativo y completar a 1 litro..

e. Procedimiento 1. Filtrar la muestras en filtros de fibra de vidrio Millipore o Whatman GF/C,

2. Pipetear 50 ml y verterla en Erlenmeyer de 125 ml.

3. Añadir 5 ml de solución reductora, tapar con papel de aluminio y agitar.

4. Dejar en reposo de 30 minutos a 2 horas.

5. Leer la absorbancia de la solución a 885 nm en celda de 100 mm.

f. Observaciones

• Procesar diariamente junto con las muestras, un blanco de reactivo por duplicado en agua desionizada, para corregir la absorción de las muestras.

• En caso de no filtrar las muestras, leer la absorbancia de las muestras sin reactivos para hacer la corrección por turbidez.

g. Calibración A partir del estándar de 1000 µ g. at.PP-PO4/ L, se preparan patrones de 0.O1, 0.05, 0.5, 1.0, 1.5, y 2.0 µg. at. P/ L, en agua de mar sintética, se realiza el mismo procedimiento que para las muestras, y se elabora la curva de calibración, a partir se calcula la pendiente.

h. Cálculos Obtenida la pendiente (m) de la curva, se calcula la concentración de fosfatos en las muestras as : Ejemplo : Abs. Correg. Muestra = 0.071 Pendiente (m) de la curva = 0.205 Intersecto(b) de la curva = 0.0001 =0

LPOPatgCmCorregidaaAbsorbanciC

/..347.0

347.0205.0071.0

4−=

===

µ

3. Descripción Para la determinación de Nitritos NO 2

a. Toma de Muestra: Se toma la muetra en la botella Niskin, Nansen u otra apropiada, esta se vierte a una botella plastica de 500 ml, lavándola y purgándola previamente con la muestra. La muestra colectada en la ultima botella sirve para realizar todos los análisis de los nutrientes.

b. Almacenamiento Es conveniente realizar los análisis inmediatamente después de realizar la colección, si no esto no es posible, se almacena en sito sin luz a una temperatura de –20°C. Lo conveniente es realizar una congelación instantánea mediante el uso del CO2.

c. Equipo y Material Espectrofotómetro VIS con rango espectral de 400-900 nm, Celdas de 100 y 50 mm de paso óptico, Erlenmeyer de 125 mL, Dosificadores o pipetas de 1 mL, Pipetas aforadas con llave de doble paso

de 50 mL, balones aforados de 1000,500,250,100 y 50 mL, Probetas de 100 y 50 mL, papel de parafina, papel Kleenex, Frasco lavador.

d. Reactivos o Solución de sulfanilamida: disolver 10.0 g de sulfanilamida grado reactivo en 100

mL de ácido clorhídrico concentrado y añadir 600 mL de agua destilada, mezclar y completar a un litro. Esta solución es estable por tres (3) meses.

o Solución de Diclorhidrato de N (1- naftil).Etilen Diamina: Disolver 0.5 g de reactivo puro en agua destilada y completar a 500 mL, almacenar en un frasco ámbar . La solución es estable por un mes.

o Estándar de nitrito de 1000 µ g.at.N-NO −2 /L. : Disolver 0.0690 g de Nitrito de Sodio

(previamente seco a 110°C por 24 horas) en agua desionizada y completar exactamente a un litro.

e. Procedimiento

• Medir 50 mL de muestra y transferir a un Erlenmeyer de 125 ml.

• Adicionar 1 ml de reactivo de sulfanilamida y agitar.

• Dejar en reposo 2 minutos.

• Añadir 1ml de reactivo (b) y agitar.

• Dejar en reposo diez minutos.

• Leer la absorbancia a 543 nm usando celda de 100 mm de paso.

f. Precauciones

• Diariamente, junto con las muestras se debe procesar un blanco de reactivo en agua desionizada, para corregir la absorbancia de las muestra.

• Mantener el ambiente en un rango de 15 a 25°C.

• El desarrollo de la coloración se completa en diez minutos y permanece constante por lo menos dos horas, después de los cuales puede haber alteración.

g. Calibración del equipo A partir del reactivo (c),se prepara un patrón secundario de concentración 100 µg.at.N-NO /L, y a partir de este se preparan stock de 0.01, 0.1, 0.5, 1.0 y 2.0 µ g.at. N-NO −

2 /L, con los valores obtenidos de absorbancia se elabora la curva de calibración correspondiente.

h. Cálculos

• Gráfico: Con los valores de absorbancia, obtenidos para cada uno de los patrones, se construye una grafica de absorbancia Vs. concentración. Mediante esta grafica se obtienen las concentraciones de las muestras por interpolación de los valores de absorbancia.

• Analítico: Cuando el número de la muestra es muy grande es conveniente usar el método analítico, que comprende el ajuste de la curva de calibración mediante mínimos cuadrados, cálculo de pendiente e intercepto de la recta ajustada y el cálculo de la concentración de las muestras. Ejemplo: Ecuación recta ajustada: A = mC + b

- 2

- 2 -

2

Absorbancia: A = 0.088 Pendiente: m = 0.506 Intercepto: b = 0.0001 ≈ 0 Concentración: C = ?

4. Descripción Para la determinación de Nitratos NO 3

a. Toma de Muestra: Se toma la muestra en la botella Niskin, Nansen u otra apropiada, esta se vierte a una botella plástica de 500 ml, lavándola y purgándola previamente con la muestra. La muestra colectada en la última botella sirve para realizar todos los análisis de los nutrientes.

b. Almacenamiento Es conveniente realizar los análisis inmediatamente después de realizar la colección, si no esto no es posible, se almacena en sito sin luz a una temperatura de –20°C. Lo conveniente es realizar una congelación instantánea mediante el uso del CO2

c. Equipo y Material Espectrofotómetro VIS con rango espectral de 400-900 nm, Celdas de vidrio de 10 mm de paso, Erlenmeyer de 125 mL, Dosificadores o pipetas automáticas de 2 mL, Pipetas de 100 mL con llaves de doble paso, dosificadores graduados de 5 mL, vasos de precipitado de 100-50 mL, Probetas de 100 mL , papel de parafina, papel Kleenex y Frasco lavador.

d. Reactivos

• Solución concentrada de cloruro de Amonio: disolver 250 g de cloruro de amonio en 1000 mL de agua desionizada..

• Solución de diluida de cloruro de Amonio.:Diluir 50 mL de la solucion concentrada a 2000 mL con agua desionizada

• Solución de sulfanilamida: Igual como se preparó para la determinación de nitritos.

• Solución de diclorhidrato de N(1-naftil)etilendiamina:. Igual como se preparó para la determinación de nitritos

• Solución de ácido clorhídrico 2N.: Diluir 170 mL de acido clorhídrico concentrado a 1000 mL cobn agua destilada.

• Solución de ácido nítrico 0.3 N.::Diluir 20 mL de Acido nítrico concentrado a 1000 mL con agua destilada.

• Solución de Sulfato de Cobre (2%).: Disolver 40 g de sulfato de cobre pentahidratado en 2000 mL de agua desionizada.

• Cadmio metálico granulado.

• Estándar de nitrato de potasio de 1000 µ g de N-NO /L. Disolver 0.1010 g de KNO3 (previamente seco a 110°C durante 24 horas) en agua desionizada y completar a 1000 mL.

e. Procedimiento

Preparación de la Columna

• Seleccionar, utilizando un tamiz, limaduras de cadmio que tengan un tamaño entre 0.5 y 2.0 mm.

- 3

• Lavar unos 250g de las limaduras de cadmio seleccionadas con la solución del HCl en un embudo de separación. Enjuagar con agua destilada

• Tratar el cadmio con 500 ml de la solución de sulfato de cobre en un Erlenmeyer y agitar. Este tratamiento se continua hasta que todo el color azul ha desaparecido de la solución y las partículas de cobre semicoloidales, comienzan a aparecer en el liquido sobrenadante

• Empacar la columna con las limaduras de Cd - Cu hasta alcanzar una altura aproximada de 21 cm. Se debe tener cuidado de no dejar espacios sobre el lecho de Cd-Cu.

• Graduar la velocidad del flujo de tal manera que 100 mL de solución gasten 8 a 12 minutos.

• Lavar completamente la columna con cloruro de amonio diluido. Se deja en reposo por 24 horas y se vuelve a lavar 3 a 4 veces antes de su uso.

• Activar la columna con una solución de un estándar de nitratos de 20 µ g de N-NO −3

/L, y lavar con solución de cloruro de amonio diluido.

• Tapar las columnas con papel de aluminio y dejarlas con solución de amonio diluido cuando estas no sean usadas.

Tratamiento de Muestras

• Pipetear 100 ml de muestra y depositarlos sobre un Erlenmeyer de 125 mL.

• Adicionar 2 ml de cloruro de amonio concentrado y agitar

• Adicionar 5 ml de muestra a la columna y dejar que drene.

• Adicionar el resto de la muestra a la columna, drenar 40 ml y descartarlos.

• Recoger los siguientes 50 ml en un Erlenmeyer .

• Dejar que drene el resto de la muestra y descartarlos.

• Adicionar rápidamente 1 ml de solución de Sulfanilamida y agitar.

• Dejar en reposo de 2 a 8 minutos

• Adicionar 1 mL de solucion de Diclorohirato de N(1-Naftil-etilendiamina) y agitar

• Tapar con papel parafina.

• Dejar en reposo de 10 minutos a 2 horas.

• Leer la absorción a 543 nm en celda de 2 cm.

f. Precauciones

• Diariamente, junto con las muestras se debe procesar un blanco.

• Determinar la eficiencia de las columnas por lo menos cada 30 muestra.

• Cuando la pérdida de eficiencia sea significativa, se debe regenerar las columnas.

• El repetido paso de muestras que contengan iones sulfuro puede influir en la desactivación de las columnas.

g. Calibración - 3

A partir del patrón de concentración 100 µ g.at.N - NO /1, preparar un patrón secundario de 100 µ g.at.N - NO /1 y a partir de este se preparan stok de 0.5, 1.0, 2.5, 5.0, 10.0 y 20.0 µ g.at. N-NO /1, con los valores obtenidos se elabora la curva de calibración correspondiente.

h. Cálculos

Determinar la Concentración de nitratos, mediante la siguiente ecuación:

oxCmbAC −=

Donde: C = Concentración inicial de nitrato en la muestra en µ g.at /L. A = Absorbancia de la muestra menos absorbancia blanco. B = intercepto de la recta. M = pendiente de la recta. Co = Concentración inicial de nitritos 5. Descripción Para la determinación de la Salinidad

a. Toma de Muestra: Se toma la muestra en la botella recolectora (Nansen o Niskin), y se vierte a una botella plástica de 500 ml, lavándola previamente con la muestra. Las botellas se cierran herméticamente para evitar la evaporación y se transporta al laboratorio donde se dejan temperar como mínimo cinco horas para proceder a su análisis.

b. Almacenamiento Las botellas plásticas cerradas herméticamente y llenas hasta el cuello, se almacenan en laboratorio por espacio de cinco horas, esperando que se estabilice la temperatura, para su análisis posterior.

c. Equipo y Material Salinómetro de Inducción, Botellas Plásticas de 500 mL, Mangueras Plásticas de ½ pulgada, Baldes Plásticos.

d. Reactivos Agua de mar normal, producida por la asociación de Oceanografía en Charlottelund, la Salinidad es de 35%0.

e. Procedimiento

1 Conectar el equipo en fuente de 110 voltios. C

2 Calibrar el Salinómetro de acuerdo con la sección de calibración.

3 Colocar todos los controles en cero, a excepción de los correspondientes a STANDARIZATION y TEMPERATURE COMPENSATOR, los cuales han sido hallados en la etapa previa de calibración.

4 Coloque el interruptor del equipo en la posición ON.

5 Dejar Calentar el equipo por lo menos una hora ante de su utilización.

6 Agitar la muestra a analizar y coloque la válvula de la celda en posición FILL, lo mismo que en interruptor de la bomba de succión.

7 Dejar que la celda se llene completamente, coloque la válvula de la celda en SHUT y el interruptor de la bomba de succión en STIR. Agite la muestra unos 30 segundos.

- 3 -

3

8 Coloque el interruptor de bomba de succión en OFF y la válvula de la celda en DRAIN, deseche la muestra de la celda.

9 Repetir los pasos 6 y 7, colocar el selector del equipo en TEMPERATURE y determine la temperatura de la muestra moviendo el dial inferior derecho hasta que la aguja de medidor indique cero.

10 Colocar el selector del equipo en SALINITY y determine la conductividad relativa de la muestra, moviendo los botones del CONDUCTIVITY RATIO hasta que la aguja del medidor indique cero. Llenar el formato de captura de datos.

11 Repetir los pasos 8, 9 y 10, la lectura debe ser igual y la lectura de conductividad relativa debe variar máximo en ± 0.0004, en caso contrario se lee otra vez.

12 Colocar todos los equipos en cero cuando se terminan los análisis, enjuagar la celda con agua desionizada y deje llena con ésta.

13 Colocar el interruptor del equipo en posición de OFF y desconecte el equipo de la fuente de 110 voltios.

f. Calibración del equipo

• Repetir los pasos 1, 2, 3 y 4 del procedimiento.

• Llenar la celda con agua de lavado, agite y devuelva el agua de lavado a su botella.

• Llene la celda con agua normal y agite. Repetir los pasos 8 y 9.

• Ajuste la temperatura de compensación con el dial anterior izquierdo.

• Colocar el selector del equipo en SALINITY.

• Colocar la lectura de STANDARIZATION hasta que la aguja del medidor indique cero, llevando todo controlado con el respectivo registro

• Devuelva el selector del equipo a TEMPERATURE y evacué el agua de mar normal a su botella.

g. Cálculos Calcule la salinidad nominal a partir de la conductividad relativa, usando la tabla de conversión del coeficiente de conductividad. Corrija la salinidad obtenida a partir de la temperatura, usando la tabla de corrección adicional para salinidad.

6. Descripción Para la determinación del pH

a. Toma de Muestra: Se toma la muestra en la botella recolectora (Nansen) inmediatamente después de las muestras de oxigeno, llenando una botella de 500 ml de polietileno hasta el tope cerrándola inmediatamente.

b. Almacenamiento Se almacena en la oscuridad y a baja temperatura hasta el análisis. En ninguna circunstancia la medida del pH debe demorarse más de dos horas. Aunque es preferible que las muestras sean analizadas en el momento del muestreo. Si esto no es posible, se almacenan a la temperatura del laboratorio antes de la medida, evitando el intercambio con la atmósfera sobre todo si se trata de aguas de alta pureza o que no estaban en equilibrio con la atmósfera.

c. Equipo y Material

PH-metro marca METROHM-HERISAU, YSI o la MULTISONDA, Electrodo combinado de vidrio y calomel como referencia, Botellas Plásticas de 500 mL, Frasco Lavador, vasos de precipitado de 150 mL, agitador magnético y barra agitadora cubierta de teflón.

Soluciones buffer de pH 4.0, 7.0 y 10.0.

d. Procedimiento

• Calibrar el potenciómetro de acuerdo con la sección de calibración.

• Colocar la muestra en un vaso de precipitados limpio, usando agua suficiente par cubrir los elementos sensores de los electrodos y para dar margen de acción a la barra de agitación magnética.

• Si las mediciones son de campo, el electrodo debe ser sumergido directamente en la fuente de la muestra a una profundidad adecuada, y movidos de tal modo que asegure suficiente contacto con la muestra.

• Si la temperatura de la muestra difiere más de 20 C de la solución buffer, los valores de pH medidos deben ser corregidos, los instrumentos están equipados con compensadores automáticos o manuales que ajustan eléctricamente las diferencias de temperatura.

• Después de lavar y secar los electrodos, sumérjalos en la muestra y agite a velocidad constante para dar homogeneidad y suspender los sólidos, la velocidad de agitación debe minimizar la velocidad de transferencia de aire en la interfase aire-agua de la muestra, se observa y registra el pH y la temperatura de muestra.

e. Calibración

Calibrar el equipo con buffer de pH 7.0, introduciendo el electrodo en la solución. Colocar el selector en pH y ajustar la lectura digital a 7.0 mediante el botón de calibración de la derecha del equipo. Si la solución a medir es alcalina, calibre en segunda instancia con buffer de pH 10.0 y si es ácida calibre con el de pH 4.0.

f. Cálculos

Los medidores de pH leen directamente en unidades de pH.

7. Descripción Para la determinación de la Demanda Bioquímica de Oxígeno a los cinco días (DBO5)

a. Toma de Muestra: La muestra se colecta en botellas de vidrio con tapas esmeriladas, se toma un litro para el análisis, hay que evitar la introducción de burbujas de aire.

b. Almacenamiento Guardar las muestras estériles de efluentes en un lugar fresco y oscuro a una temperatura de 40C, para su posterior análisis en el laboratorio, el tiempo de almacenamiento debe ser aproximadamente de 4 días

c. Equipo y Material Termostato o incubador, Bureta, agitador magnético, botellas DBO, erlenmeyer, pipeta con llave de doble paso, pipetas de doble paso, bomba de vacío, papel aluminio, balones aforados, botellas de vidrio con boca esmeriladas.

d. Reactivos

• Solución de yoduro de potasio

• Solución de Sulfito de Sodio

• Solución de hidróxido de sodio

• Solución de Ácido sulfúrico

• Ácido acético

• Soluciones Nutrientes

• Solución de sulfato de magnesio

• Solución de cloruro férrico y cloruro de calcio

• Gérmenes

• Solución de glucosa - glutaminica

• Agua de dilución

• Solución de sulfato de manganeso

• Solución Iodo - Alcalina

• Solución de ácido sulfúrico

• Solución de tiosulfato de sodio

• Solución indicadora de almidón

• Solución Iodato de potasio

e. Procedimiento

♦ Determinación del DBOn sin Dilución de la muestra:

• Tratamiento previo:

1. Remover la materia suspendida

2. Realizar la remoción de cloro activo utilizando la cantidad equivalente de sulfito de sodio.

3. Tomar 100 ml de la muestra y agregar 10 ml de solución de ioduro de potasio, 10 ml de ácido acético y unas gotas de indicador de almidón. titular con sulfito de sodio 0.0125 M, hasta que el color azul desaparezca, anote el volumen de sulfito de sodio gastado como volumen 1.

4. Añadir solución de sulfito a otros 100 ml de la muestra, agregar 10 ml de ioduro de potasio después de 5 minutos, luego adicionar 10 ml de ácido acético y unas gotas de almidón. Si la solución se vuelve azul, titular con sulfito de sodio, hasta que desaparezca la coloración, tome este volumen como 2. Adicionar a la muestra (volumen 1 + volumen 2) ml de solución de sulfito por cada 100 ml de la muestra. Tenga en cuenta este volumen para los cálculos como factor de dilución.

5. Saturar la muestra con oxigeno, utilizando una bomba.

6. Realizar la remoción de SO2 y H2S

7. Incubar la muestra:

8. Llenar con muestra tratada tres botellas de DBOn, evitando la que entre aire.

9. Tomar dos de las botellas y colocarlas en un termostato, a una temperatura de 200C durante cinco días.

10. Determinación de oxigeno:

11. Determinar la concentración de oxigeno en la botella restante, según el método WINKLER.

12. Determinar después de 5 días la cantidad de oxigeno en las botellas incubadas.

♦ Determinación del DBOn con Dilución de la muestra:

• El tratamiento previo es igual al de la determinación de DBOn sin dilución de la muestra.

• Dilución de la muestra: Preparación de la muestra:

• Colocar con una pipeta en un matraz aforado de 1 lt, un volumen de la muestra, según la dilución escogida.

• Agregar 1 ml de cada solución de nutrientes y 1 ml de gérmenes.

• Analizar el pH de la solución y ajustarlo entre 6-8, si este se encuentra por fuera.

• Adicionar de dilución para alcanzar el volumen deseado.

• Incubación de muestra:

• Determinación de oxígeno: Estos dos pasos son iguales al de la determinación de DBOn sin dilución de la muestra.

♦ Control de muestras:

• Establecer tres muestras de control: Una que tenga 25 ml de gérmenes por litro de agua de dilución, otra que contenga 1 ml de gérmenes y 15 ml de solución de glucosa - glutamina por litro de agua de dilución.

• Un blanco de reactivo que contenga 1 ml de gérmenes por litro.

• Realizar las diluciones correspondiente a las dos muestras, las muestras y el blanco deben tener la cantidad normal de sales nutrientes.

• La DBO7 de la primera muestra debe estar entre 50 - 3010 mg de O2/1. La segunda muestra de control debe tener un DO7 de 255 mg o 10 mg de O2/1. Una reducción en el contenido de oxigeno de blanco de reactivo que exceda de 0.7 mg de o2, indica que por lo menos uno de los reactivo de encuentra contaminado.

f. Calibración Ver calibración del Protocolo de determinación de oxigeno (PLQ- 0011).

g. Cálculos Co ó Cn = mg O2/L = 8.0 * 1000/V1 * V/V-4 * a *N Co = Contenido de oxigeno disuelto en muestra inicial. Cn = Contenido de oxigeno disuelto en la muestra después de n días de incubación. a = ml de tiosulfato de sodio 0.001N. V = volumen de la botella de DBO. V1 = Volumen de alícuotas usadas en titulación. N = Normalidad del tiosulfato de sodio.

• Determinación del DBOn: DBOn = mg O2/1 = d((Co - Cn) - (Bo - Bn))

d = Factor de Dilución. Bo= Contenido de oxigeno disuelto del blanco de reactivo inicial. Bn = Contenido de oxigeno disuelto del blanco de reactivo después de n días de incubación

8. Descripción Para la determinación de Metales pesados Laboratorio de espectrometría de plasma: Equipo utilizado: espectrometro de plasma con gas argón

a. Fase de campo: En esta fase, se utilizan los siguientes materiales: Botellas de policarbonato, polipropileno o polietileno de 500 o 1000 ml HNO3 concentrado Pipeta de 10 ml En cada estación, el frasco donde se toma la muestra, se lava por 3 veces con agua del lugar. Para colectar la muestra se hace a contracorriente, evitando que el agua halla tocado previamente la embarcación. la muestra se fija en el campo con HNO3 suprapuro, 5 ml por cada 1 de muestra (2.5 ml para cada frasco de muestra de 500 ml), si se van a medir metales totales. Si se van a medir metales disueltos y particulados, no se fija el agua en el campo. El material se rotula y transporta al laboratorio bajo refrigeración.

b. Fase de laboratorio: Si se van a medir metales particulados y disueltos, se debe filtrar la muestra tan pronto llegue al laboratorio, a través de membranas de 0.45 µm, en un sistema de filtración al vacío. El filtrado se fija con HNO3 suprapuro (5 ml/l) y el filtro se coloca en cajas de petri y se seca en estufas a 60 °C, hasta peso constante.

c. Determinación de los metales: 1. Metales disueltos Método de extracción / llama- aire- acetileno. Standard Methods 3111C Pag. 315-316, para analizar los metales Cd, Cr, Cu, Fe, Mn, Ni, Pb y Zn. Por las bajas concentraciones en el agua, se utiliza el método de quelación con PDC y extracción en MIBK. a. Se mezclan 200 ml de muestra y 1 ml de solución de APDC , de agita bien, para mezclar con la muestra. b. Se adicionan 10 ml de MIBK y se agita vigorosamente por 30 seg. c. Se ajusta el pH d. Se analiza la fase orgánica. Para evitar problemas asociados a la inestabilidad de los complejos metálicos extractados, se analiza inmediatamente después de la extracción los metales.

d. Cálculos: La concentración de cada ion metálico se calcula en µg/l, con referencia a la curva de calibración.

2. metales particulados (Extracción débil):

• Se coloca el filtro con el material suspendido en un erlenmeyer de 125 ml • se agrega HCl 0.1 N (15 ml por gramo de material seco) • se agita por 24 h.

• Se filtra en membranas Whatman 40 • Se lee en el ICP

9. Descripción Para la determinación Hidrocarburos del petróleo HDD

a. Descripción • Trasladarse al sitio donde se tomará la muestra, con las herramientas necesarias para

tomar la muestra. • Tomar la muestra con la botella colectora, y realizar el análisis pertinente del agua (Nivel

de salinidad, pH, entre otros). Almacenar la muestra en la nevera de fibra de vidrio y llevarla al laboratorio Llenar el registro de toma de muestra y entregar la muestra a la persona indicada.

• Realizar la determinación de hidrocarburos, lo cual se puede realizar por dos métodos:

1) Método de la Pipeta.

2) Método del embudo de separación.

1)Método de la pipeta: Verter 75 ml de la muestra en un vaso de precipitados limpios y agregar 50 ml de Hexano a la muestra en la botella. Tapar la botella, junto con el papel de aluminio y agitar vigorosamente. Después de unos segundos, se afloja la tapa para que salgan los vapores de Hexano, y se transporta a un Erlenmeyer y se repite el método pero con 25 ml de Hexano. Repetir el proceso con otros 50 ml de hexano y la botella se rotula. Agregar sulfato de sodio anhidro para remover el exceso de agua, se tapa se almacena para el análisis. 2)Método del embudo de separación:

• Tomar dos embudos separa torios de 2 litros, limpios. Pasar la mitad de la muestra al primer embudo separa torio y se agregan 50 ml de hexano.

• Agitar vigorosamente durante 5 minutos, dejando salir el hexano. Se retira la fase de agua y se agrega al segundo embudo, repitiendo el proceso y dejando que separe la fase de agua, la cual se drena y desecha. La segunda parte de la muestra se vierte en el primer embudo y se agita dejando que separe la fase de agua, la cual se pasa al segundo embudo, donde agita nuevamente, dejando que se separen las dos fases. La fase de agua se desecha. Drenar en el segundo embudo los 50 ml de hexano extraídos del primer embudo y se les agrega sulfato de sodio anhidro, para romper cualquier emulsión y eliminar el exceso de agua. Una vez seco el extracto combinado, se vierte desde el tope del embudo en una botella de tapa de vidrio limpia, luego se almacena para su posterior análisis. Ambos métodos:

• Transferir los extractos por pipetas o decantación a un Erlenmeyer de 125 ml, teniendo cuidado de incluir las partículas de sulfato de sodio anhidro. • El extracto se evapora a baja temperatura hasta un volumen de 5 ml, utilizando un equipo de rotavapor. • Pasar un frasco pequeño y preparar para la medida de fluorescencia. • Disolver el grupo de estándares en hexano y se deja una noche en reposo antes de ser usado.

• La intensidad de fluorescencia de los estándares se mide por medio de un espectroflurometro en una celda de sílice de 1 cm, usando una longitud de onda de excitación de 310 nn y una longitud de onda de 360 nn. Los resultados se presentan de manera gráfica, usando intensidad de emisión contra concentración. El resultado debe ser lineal por lo menos 5 p.p.m., los estándares también se pueden preparan con petróleo refinado o crudo • La eficiencia fluorescente de los petróleos varia y es por lo general mucho menos para el petróleo que para el criseno. Sin embargo, es importante tener resultados comparativos con estándares de petróleo mejor que con estándares de criseno, sobre todo cuando se tiene muestras de petróleo derramadas.

• Los estándares de petróleo se preparan lo mismo que los de criseno, se pesa el petróleo y luego se pasa a un volumen de hexano, tal que la solución patrón tenga una concentración de 100 p.p.m.

Estos estándares se añadían en el espectroflurometro a la misma sensibilidad con que se analizaron los de criseno. Luego se elabora la curva de calibración La fluorescencia de extractos se mide de mismo modo que para los estándares, es decir, con una longitud de onda de excitación de 310 nn, una longitud e onda de emisión de 360 nn, y con el instrumento ajustado en la misma sensibilidad con la cual se analizaron los estándares.

10. Descripción Para la determinación de Plaguicidas Organoclorados OCT

a. Toma de Muestra: La muestra se colecta a varias profundidades con la botella Nansen o Niskin y almacenadas e inmediatamente en botellas de vidrio de 1 litro de capacidad.

b. Almacenamiento Las muestras almacenadas en las botellas de vidrio deben ser almacenadas en el laboratorio en un tiempo no mayor de 2 horas después de haber sido colectadas, si el análisis va a ser realizado en un tiempo como máximo inferior a 15 días, debe ser refrigerado a una temperatura de 2 a 4 °C, aunque si el estudio es de organoflorado, el tiempo no debe ser mayor a 1 semana.

c. Equipo y Material Cromatógrafo de gases, columnas de vidrio, botellas de vidrio, embudos de separación, erlenmeyer, baño de María, columnas de vidrio para fraccionar, equipos concentradores, frascos de vidrio de 25 mm.

d. Reactivos

• Gas Nitrógeno extrapuro

• n-Hexano, calidad pesticida

• Floricil extrapuro, calidad pesticida

• Sulfato de sodio anhídro, Grado Reactivo.

• Estándares de plaguicidas

• Eter etílico

e. Procedimiento

♦ Preparación de las columnas de florisil:

13. Enjuagar las columnas de vidrio para fraccionar, con acetona y colocarlas en la estufa a 110 °C durante 2 horas.

14. Dejarlas enfriar a temperatura ambiente

15. Colocar lana de vidrio (en pequeña cantidad) en la parte inferior.

16. Con la ayuda de un embudo de vidrio, agregue florisil desactivado al 5% a la columna hasta alcanzar una altura de 10 cm.

17. Agregar sobre la capa de florisil, una capa de sulfato de sodio anhido de 1 cm de espesor.

18. Remojar la columna, pasando 50 ml de n-hexano. La columna queda lista para pasar el extracto.

♦ Preparación del extracto:

• Si la muestra ha sido refrigerada, sacarla y dejarla en reposo durante una hora.

• Pasar toda la muestra a un embudo de separación de 2 litros.

• Añadir 75 ml de éter al 15% en Hexano y agitar por 2 minutos. Luego dejar en reposo por 1 minuto.

• Separar las dos capas, pasando el extracto orgánico a un erlenmeyer que contenga Na2SO4 anhidro. No se debe desechar la parte de abajo.

• Devuelva la capa acuosa al embudo de 2 litros y agregue 50 ml de éter al 6% en hexano. Agitar por 2 minutos y dejar en reposo 1 minuto.

• Separar las dos capas, mezclando el extracto orgánico con el extracto de la primera fracción (erlenmeyer) obtenido en el paso 4. No deseche la capa acuosa.

• Devuelva la capa acuosa al embudo de separación y agregue 50 ml de Hexano. Agite por 2 minutos y deje en reposo 1 minuto.

• Separar las dos capas mezclando el extracto orgánico con los obtenidos en los pasos 4 y 6 (erlenmeyer). Desechar la capa acuosa.

• El extracto orgánico proveniente de las tres extracciones se deja en Na2SO4 anhidro por una hora, agitando de vez en cuando para eliminar humedad.

• Pasar el extracto al equipo concentrador-evaporador y llevarlo finalmente a 5 ml.

• Transvasar el extracto concentrado a un frasco de vidrio de 10 ml y concentrar a 1 ml.

♦ Purificación de Extracto:

• Pasar todo el extracto a la parte superior de la columna empacada con florisil y enjuagar el recipiente con n-hexano por dos veces, drenando estos residuos a la columna.

• Eluir con 200 ml de una mezcla de éter al 6% en hexano - FRACCION 1. En esta fracción sale Andrín, Heptacloro Epóxido, o, p - DDE, p,p - DDE, o,p - DDD, p,p, - DDD, o, p - DDT, p,p - DDT.

• Eluir con una mezcla de éter al 15% n hexano (recibir en otro Erlenmeyer) -FRACCION 2. En esta faracción sale: Dieldrín y Endrín.

• Eluir 200 ml de una mezcla de éter al 50% en hexano (recibir en otro Erlenmeyer) - FRACCIÓN 3. En esta fracción salen: algunos plastificantes y PCS.

• Concentrar cada fracción hasta más o menos 5 ml, en baño María. Posteriormente adicionar cobre metálico a cada extracto, lavado con HCl y acetona, para desulfurar la muestra y eliminar el azufre.

• Envasar cada fracción en frasco de vidrio de 10 ml debidamente marcados y reforzar la tapa con papel aluminio.

• Si el análisis cromatográfico no se realiza inmediatamente, mantener refrigerados los extractores a más o menos 2°C hasta el análisis.

♦ Análisis por cromatografía de gases:

• Inyectar de 1 a 5 µl de extracto al cromatógrafo de gases de acuerdo con los requerimientos

• Se debe usar detector de captura de electrones, gas de arrastre N2 extrapuro y columnas de vidrio de 6 pies empacadas con OV-17, 1.5%/QF-1, 1.95%, como fase estacionaria.

• Las condiciones del equipo deben ser las siguientes: Temperatura inicial y finas de 220°C, la temperatura inyector de 300°C, un flujo de gas arrastre de 60 ml/min, rango de 10, corriente de 1.0, atenuación de 8 y Vel. Carta de 5 mm/min.

f. Calibración

♦ Preparación de las mezclas estándares: Como los estándares de trabajo se preparan en forma de mezclas (utilizando n-hexano como solvente), las combinaciones dependen de los diferentes compuestos de interés y de la habilidad del método analítico. Cada mezcla estándar de trabajo debe hacerse a dos o tres niveles de concentración, dependiendo de las variaciones en las concentraciones de pesticidas en las muestras problema. No debe haber ningún compuesto presente en concentración tal que se salga del rango de linearidad del detector de captura de electrones.

♦ Control de de muestras:

• Elaborar cinco cromatogramas de la mezcla C, inyectando 0.5, 1, 2, 3 y 4 µl al cromatógrafo, ajo las condiciones anotada en 15.6.4 numerales 2 y 3.

• Elaborar una tala de los diferentes compuestos en las concentraciones inyectadas y calculare los tR (ajustados) y las concentraciones reales.

• Elaborar las curvas de calibración para cada pesticida en particular, graficando área relativa (RA) vs concentración Pg. Las áreas relativas y los tiempos de retención sin ajustar los dá el microprocesador en un listado como aparece en los cromatogramas.

• El tiempo de retención ajustado (X) se calcula dividiendo el tiempo de retención de los diferentes picos (compuestos) dados en el listado del microprocesador por el tiempo de retención del Andrín.

Tiempo de retención ajustado (X)= tR compueto/tR aldrín

g. Cálculos

♦ Identificación de los plaguicidas en una mezcla problema: El criterio para la identificación de los diferentes picos en un cromatografo problema, es el tiempo de retención ajustado (X), calculando en base a los Tr dados por el microprocesador.

♦ Cálculos de la concentración de plaguicidas El calculo de la concentración de los diferentes plaguicidas en un cromatograma problema, se hace en base a las áreas relativas (AR) dadas en el listado del microprocesador e interpolando estas áreas en las curvas de calibración respectivas. Obtenido este dato, se aplica la siguiente formula, teniendo en cuenta las diluciones y los factores de conversión. Concentración (ppt) = (A/C) x B A: Concentración de pg o ng obtenido de la curva de calibración. B: Volumen final del extracto C: Volumen de inyección.

ANEXO3. Recomendaciones para la preservación y almacenamiento de muestras (Elaborada por Julián Betancourt).

Parámetro por estudiar Tipo de recipiente Técnica de

preservación

Tiempo máximo de preservación recomendado

antes del análisis

Comentarios

Salinidad V, P sello hermético De inmediato, o refrigere sello hermético

6 meses.

pH P, V - Analice de inmediato

Sólidos P, V Refrigerar 7 días

Nitrito P Congelar -20oC 2 días Recomiendan que sea de inmediato

Nitrato P Congelar -20oC 48 horas

Fosfatos P, V enjuagado con ácido Filtrar y congelar 48 horas

Oxígeno Disuelto V, botellas DBO Titulación puede ser demorada después de la acidificación

8 horas

DBO P, V Refrigerar 6 horas No pasar 48 horas

Pesticidas V, enjuagado con solvente

Refrigerar, Adicionar 50 ml de solvente 7 días

Metales P, enjuagado con ácido

Adicionar HNO3 a pH 2 y refrigerar 6 meses

Hidrocarburos disueltos dispersos

V, enjuagado con solvente

Refrigerar, adicionar si es posible el solvente de extracción

Realizar la extracción el menor

tiempo posible

P= Plástico, V =Vidrio.

REFERENCIAS

AHUMADA, R. 1995. Herramientas conceptuales para la conservación del ambiente costero: criterios para evaluar los impactos ambientales en los sistemas marinos. Cienc. Tec. Mar, CONA (No. Especial): 3-13.

ALLOWAY, B.J. & D.C. AYRES. 1993. Chemical principles of environmental pollution. Blackie Academic / Professional. London. 291.

APHA. 1992. Standard Methods for the examination of water and wastewater. U.S.A. Food & Drugs Administration (FDA), 1995. Bacteriologycal Analytical Manual. A.O.A.C. Washington

AUSTRALIAN AND NEWZEALAND ENVIRONMENT AND CONSERVATION COUNCIL. Australian Water Quality Guidelines for Fresh and Marine Waters. 1992

Boletín científico No 1. (1990). Armada Nacional. Dirección General Marítima Centro Control Contaminación del Pacifico.




Boletín científico No 6. (1997). Armada Nacional. Dirección General Marítima CentroControl Contaminación del Pacifico.

BOTELLO, A. (1979). Niveles actuales de hidrocarburos fósiles en ecosistemas estuarinos del Golfo de México. Anales Centro Cienc. Del Mar y Limnol., UNAM. 6(1): 7-14

Buendía R.(1995). Aspectos sanitarios. Estudio de Impacto Ambiental por aguas residuales de la Bahía de Buenaventura. Universidad del Valle Comité de Acción Ecológica

BOYD, C. (1990). Water Quality in Ponds for Acuaculture. Dpt. of Fisheries and Allied Acuacultures. Alabama Agriculture Experiment Station. Auburn University. Alabama. Cap. IV

Calero L. F, Marrugo A. J & Casanova R. F. (1995). La contaminación marina en el Pacifico colombiano bajo un enfoque social y económico. Boletín Científico CCCP. No 5. p 98

Cantera J.R. (1982). Fauna asociada al ecosistema Manglar estero en la Bahía de Buenaventura (PAC. COL). Universidad del Valle. Sección de Biología Marina

CEE. Cualidades requeridas en las aguas superficiales destinadas a producción alimentaría. (J.O. de las Comunidades Europeas del 25-07-1975)

CODIGO DE RECURSOS NATURALES. 1993. Decreto 2811 de 1974 y Decretos Reglamentarios. Biblioteca Actualidad Jurídica. Bogotá. 246-294 P. CONAMA. (1986). Consejo Nacional del Medio Ambiente del Brasil.

CONAMA 1986. Consejo Nacional del Medio Ambiente. Resolución N0.20. Brasil.

CONVENIO 007 de 1997. Ministerio Medio Ambiente-INVEMAR.

COLCIENCIAS (1999). Ciencia y tecnología del Mar. Plan estratégico. 1999-2004

DECRETO 1594. MINISTERIO DE SALUD. 1984. Disposiciones sanitarias sobre aguas. Ministerio de Salud, República de Colombia, Bogotá, 139.

Environmental Protection Agency. (1977). Quality criteria for water. Office of Water and Hazardous Materials. Washington, D.C. 256 p.

ENVIROMENTAL PROTECTION SERIES. 1990. Guidance document on control of toxicity test precision using reference toxicants. Report EPS 1/RM/12. August 1990. Canada.

EPA. ENVIRONMENT PROTECTION AGENCY OF THE U.S.A., 1986.

Bacteriological ambient water quality criteria availability. Federal Register, 51.

EPA. ENVIRONMENT PROTECTION AGENCY OF THE U.S.A., 1999. Considering ecological processes in environment impact assessments. Office of Federal Activities. July 1999.

FDA. FOOD & Drugs ADMINISTRATION, 1995. Bacteriologycal Analytical Manual. A.O.A.C. Washington

FERNANDEZ T. & A. PION (1987). Programa de caracterización y vigilancia de la contaminación marina a partir de fuentes domesticas, agrícolas, industriales y mineras en áreas ecológicamente sensibles del Pacifico sudeste. Ensenada de Tumaco y bahía de Buenaventura. Informe final Cartagena INDERENA

GARAY, J.A., L.A. CASTRO, C. OSPINA. 1988. Vigilancia de la contaminación por hidrocarburos derivados del petróleo en el litoral Caribe colombiano- Bahía Cispatá hasta Castilletes. Memorias VI Seminario Nacional de Ciencias y Tecnologías del Mar., Bogotá, Col. 275-281

GARAY, J.A., L.A. CASTRO, 1990. Avances del programa Caripol Colombia. 1985-1990. Memorias VII Seminario Nacional de Ciencias y Tecnologías del Mar., Cali. Col.: 724-733.

GRAY, I.E. (1974). En: Coastal Ecosystems of the United States (T.H.Odum, Ed). Systems with pesticides.. National Oceanic and Atmospheric Administration Office of Coastal Environment.

GOLDBERG, E.D., BUTLER, P., MEIER, P., MENZER, D., RISEBROUGH, R., STICKEL, L. (1971). Chlorinated hydrocarbons in the marine environment. A report prepared by the Panel on Monitoring Persistent Pesticides in the Marine Environment, National Academy of Science Washington, D.C.

INVEMAR (1996). Memorias Primer Taller. Programa de Monitoreo de la Contaminación en la Costa Caribe y Océano Pacifico de Colombia. Santa Marta 26-28 de Agosto 1996.

INVEMAR (1998). Informe proyecto BPIN. Diagnostico y evaluación de la calidad química y sanitaria de las aguas marinas del Caribe y Pacifico.

JCA. JUNTA DE CALIDAD AMBIENTAL. 1983. Reglamento de estándares de calidad de aguas, 28 de febrero de 1983. Puerto Rico.

Larry W. Canter. Manual de Evaluación de Impacto Ambiental. Técnicas para la elaboración de estudios de impacto. 1998. Mc Graw-Hill-Interamericana de España. 15 BN:84-481. 1251-2.

LEITTE, W. (1975). The analysis of organic pollutants in water and wastewater. Ann-Arbor Science, Michigan.

MARIN Z. B. et. al. (1999). Establecimiento de valores indicativos del grado de contaminación de tóxicos químicos y microorganismos de origen fecal, como base para la expedición de normativas de la calidad de las aguas marinas de Colombia. Proyecto 2105-09-026-99. COLCIENCIAS

MARIN Z. B. et. al. (1999). Evaluación del contenido de metales pesados y microorganismos de origen fecal, en comunidades de pobladores de la Ciénaga Grande de Santa Marta (CGSM). INVEMAR-GTZ Alemana

MARIN Z. B. & Garay J. et. al. (2000). Diagnostico y evaluación de la calidad ambiental marina en el Caribe y Pacifico colombiano. Red de vigilancia para la conservación y protección de las aguas marinas y costeras. Proyecto BID-FONAM

MARRUGO J. (1992). Estudio de la contaminación marina por hidrocarburos en el Pacifico colombiano. Fase III. Seminario Nacional de Ciencias y Tecnologías del Mar. Santa Marta, Colombia, 1056-1065.

MINISTERIO DEL MEDIO AMBIENTE. Colombia. (1993). Sistema Nacional Ambiental

MINISTERIO DEL MEDIO AMBIENTE. Colombia. (1998). El que contamina paga

MINISTERIO DEL MEDIO AMBIENTE. Colombia. (1999). Política Nacional de Ordenamiento Integrado y Desarrollo Sostenible de las Zonas Costeras.

MINISTERIO DEL MEDIO AMBIENTE. Colombia. (2000). Proyecto Colectivo Ambiental. Plan Nacional de Desarrollo.

MINISTERIO DEL MEDIO AMBIENTE. Portugal. 1998. Decreto ley No. 236/98. Estabelece normas, criterios e objectivos de qualidade com a finalidade de proteger o meio aquático e melhorar a qualidades das aguas em funcáo dos seus principias usos. Diario da Republica Numero 176/98.

MINISTERIO DE SALUD. Costa Rica. (1997). Decreto ejecutivo 26042. Reglamento de reuso y vertido de aguas residuales. Gaceta del 19 de junio de 1997.

NORMAS CUBANAS. 1997. Vertimientos de aguas residuales a las zonas costeras

NORMAS. Direcciones electrónicas. Calidad del agua.

http://ioc.unesco.org/glodir/ http://www.asmusa.org/International/international-unesco.htm

http://www.unesco.org/science/life/life1/cen.htm http://search.usgs.gov/nbii/ http://www.setac.org/

http://www.epa.gov/

http://www.epa.gov/ogwdw/

http://www.epa.gov/opptintr/biotech/

http://es.epa.gov/oeca/ofa/legis.html

http://es.epa.gov/oeca/ofa/iecd/importexport/hazardwaste.html

http://www.epa.gov/nerlcwww/mceard.htm

http://www.epa.gov/owow/nps/cwact.html

http://www.epa.gov/owow/nps/czmact.html http://www.epa.gov/owowwtr1/oceans/

http://www.epa.gov/epahome/rules.html http://es.epa.gov/oeca/ofa/pollprev.html http://es.epa.gov/oeca/ofa/84policy.html http://es.epa.gov/oeca/ofa/iecd/importexport/chemlaws.html

http://www.state.va.us/~dcr/sw/docs/jrgoals.pdf

NORMAS OFICIALES MEXICANAS PARA LA PROTECCIÓN AMBIENTAL. 1996. NOM-001-ECOL-1996

RALUA DEMETRIO, Ma CARMEN, PÌLAR FERNANDO & CESAR PEDRACCHI. 1997. Niveles de plaguicidas en el plasma de perros de Zaragoza. España. Cont. Amb. Medellín (Ant) 16 (28-29): 25-32

RODIER, J. (1981). Normas previsoras propuestas y relativas a las fuentes de alimentación en agua bruta y del agua tratada distribuida. En: Análisis de las aguas. Editorial Omega. Barcelona

RODRIGUEZ S.L. & ALONSO N.F. 1997. Mecanismos jurídicos de la protección ambiental. Ediciones jurídicas Gustavo Ibañez Ltda.

SALAS J. HENRY. 1994. Historia y aplicación de normas microbiológicas de calidad de agua en el medio marino. Centro Panamericano de Ingeniería Sanitaria y Ciencias del Ambiente (CEPIS).

Taller actualización conceptos y criterios sobre la contaminación de las zonas marino costeras; impacto ambiental; calidad de los ecosistemas marinos y costeros; evaluación y análisis de técnicas analíticas para la determinación de contaminantes marinos; y métodos de evaluación y control de calidad de datos generados y su interpretación. Santa Marta. Noviembre 13-18 del 2000.

UNEP (1995). Conferencia intergubernamental para la adopción de un programa de acción mundial frente a las actividades realizadas en tierra, Washington, D.C., USA, 23 Octubre-3 Noviembre 1995. UNEP (OCA)/LBA/IG.2/7

UNESCO (1983). Informes de la UNESCO sobre ciencias del mar. Los ecosistemas costeros.

UNESCO (1996). A Strategic plan for the assesment and prediction of the Health for the Ocean: A Module of the Global Ocean Observing System. IOC/INF-1044. May 1996

U. S. GEOLOGICAL SURVEY-USGS (2001). Water-quality Information data. Office of water quality.

VEN. VENEZUELA), 1978. Reglamento parcial No 4 de la ley orgánica del ambiente sobre clasificación de aguas.

WHO. Guidelines for drinking water quality. Vol. 1. Geneva.


INVEMAR


Protocolo 3.1: DENSIDAD DE POBLACION Objetivo: Obtener la cantidad total de habitantes de un país o una región dividido por su superficie. Esto con el fin de relacionar la cantidad de personas con la oferta ambiental de un área, y la presión que se pueda ejercer sobre los recursos naturales marinos y costeros de acuerdo a la cantidad de población existente en un tiempo determinado. Alcance Permite el análisis, la interpretación y la comparación de datos a nivel local, regional y nacional (costa Pacifica y costa Caribe) de las población por un superficie territorial especifica.

Área de trabajo: El área de interés para aplicar este indicador es la zona costera, esta ultima definida de acuerdo a la política nacional ambiental para el desarrollo sostenible de los espacios oceánicos y las zonas costeras e insulares de Colombia (Ministerio del Medio Ambiente, 2001).

La zona costera colombiana es un espacio del territorio nacional definido con características naturales, demográficas, sociales, económicas y culturales propias y especificas. Esta formada por una franja de anchura variable de tierra firme y espacio marítimo en donde se presentan procesos de interacción entre el mar y la tierra. Escala de Trabajo: De acuerdo al objetivo del estudio y al nivel de detalle a alcanzar la

escala es de 1:100.000. Formato de salida: Tablas, gráficas e informes escritos. Requerimientos: Información: Información acerca del tamaño del área de estudio. Mapas de usos de la zona costera (suelos y espejos de agua). Mapas topográficos y agroecologicos.

Muestreos y censos poblacionales de caracterización socioeconómica.

Software: SIPEIN, SPSS 10.0, MS Office 2000.

Hardware: 4 computadoras Pentium IV, HDD 80 Gb y con quemadores de CD. 2 impresoras.

Personal: 8 Encuestadores, 2 digitadores, 2 economistas, 2 Ingenieros

pesqueros o biólogos.

Apoyo: Personal de laboratorio Sistema de información geográfica - SIG; centro de documentación; apoyo interinstitucional (DANE, ICA, INPA, IGAC, Alcaldías municipales, Gobernaciones, Corporaciones

Autónomas Regionales). Lic. Educación Ambiental especialista en sistemas.


• Este indicador se debe utilizar con cuidado teniendo en cuenta la oferta de recursos naturales que presente la región estudiada.

• Mediante la estimación de este indicador se facilita el análisis de la presión antrópica sobre los recursos naturales en determinada área, proporcionando argumentos para la planeación y el aprovechamiento sostenible de los mismos.

Determinación de objetivos

Recopilación de Análisis de infor

Procesamiento y análisis de información

Estimación del indicador

Elaboración informe técnico


Protocolo: DENSIDAD DE POBLACIÓN. Proceso 3.1: Estimación de la densidad poblacional. Términos y definiciones: Población: Numero de habitantes localizados en una superficie ocupada Superficie: Espacio ocupado por la población (km2 , ha). Total nacional: Numero de habitantes x km2 (habitantes/ km2) Zona rural: Numero de habitantes x km2 (habitantes/ km2) Zona urbana: Numero de habitantes x km2 (habitantes/hectarea) Requerimientos específicos: Información: Información de fuentes secundarias adecuada sobre superficie y población, software MS de Office. Información primaria en caso de no existir esta. Condiciones previas:

• Definir objetivos de investigación. • Recolección de información de fuentes secundarias en caso de existir. • Apoyo interinstitucional para manejo de información • Logística para los muestreos • Disponibilidad del equipo humano requerido

Desarrollo:

14. Recolección de información secundaria de población y superficie a fin de conocer la estructura poblacional del área de estudio.

15. Determinar la estructura de muestreo y el tamaño de la muestra en caso de no existir información primaria confiable.

16. Recolectar información primaria a través de la aplicación de la encuesta estructural 17. Analizar información recolectada 18. Calculo del indicador de densidad de poblacional

Algoritmo: En EXCEL y de acuerdo a las rutinas del software Access. Densidad poblacional = (# Habitantes/km2)

Ejemplo: Tabla 1. Población y superficie de los municipios de la UAC Darién Tabla 2. Densidad de población en los municipios de la UAC Darién 1973 - 2005 Figura 1. Densidad poblacional de los municipios de la UAC Darién 1973 - 2005

Fuente: INVEMAR, 2002. Observaciones: - Conocer el comportamiento de este indicador en los diferentes ecosistemas del país, es de gran ayuda para determinar presiones sobre el medio, sin embargo es importante destacar que si este indicador se lee de manera aislada respecto a la oferta ambiental puede originar lecturas erradas de la realidad, ya que la presión esta dada por la cantidad de población y el uso que se le de a los recursos naturales. - Por ultimo es importante resaltar que muchas veces se desconoce la presión ejercida por la población que se encuentra mas allá de las fronteras, pero que demanda de los recursos naturales del mismo espacio geográfico en cuestión.

T otal de poblac ión de los m unic ipios de la UA C Darién en 1973 a 2005

M unic ipio 1973 1985 1993 2000 2002 2005E xtens ión

K m 2

Arboletes 24,451 25,532 23,895 22,832 22,480 21,779 710San Juan de Urabá 5,184 15,033 18,891 21,336 22,175 23,456 239Turbo 36,651 79,893 99,782 113,966 118,752 126,025 3,055Necoclí 13,673 27,689 34,198 38,728 40,277 42,638 1,361Acandí 8,145 8,402 12,035 11,488 11,402 11,319 869U nguia 11,666 14,132 14,230 14,443 1,189T otale s 88,104 156,549 200,467 222,482 229,316 239,660

De nsida d pobla c iona l e n los m unic ipios de la UAC Da rié n e ntre 1973 a 2005

M unicipio 1973 1985 1993 2000 2002 2005E x te ns ión

K m 2A rboletes 34.44 35.96 33.65 32.16 31.66 30.67 710S an Juan de U rabá 21.69 62.90 79.04 89.27 92.78 98.14 239Turbo 12.00 26.15 32.66 37.30 38.87 41.25 3,055N ecoclí 10.05 20.34 25.13 28.46 29.59 31.33 1,361A candí 9.37 9.67 13.85 13.22 13.12 13.03 869U nguia 9.81 11.89 11.97 12.15 1,189

Dens idad poblac ional de los munic ipios de la UAC Darién entre 1973 a 2005

0.00

20.00

40.00

60.00

80.00

100.00

120.00

1973 1985 1993 2000 2002 2005

A rboletes

San Juande UrabáTurbo

Necoclí

A candí

Unguia


INVEMAR


Protocolo 3.2: COEFICIENTE DE DISTRIBUCIÓN DEL INGRESO – GINI. Objetivo: Estimar el nivel de distribución de los ingresos y la riqueza entre el conjunto de la población; ya sea, por actividad económica, nivel tecnológico o área. A fin de cotejar esta distribución en el tiempo área. Alcance Permite el análisis, la interpretación y la comparación de datos de ingresos de todos los grupos poblacionales, entre ricos y pobres; o entre los diferentes oficios dentro de una actividad económica. Ejemplo, actividad de la pesca, distribución del ingreso derivada por esta actividad en una región entre pescadores, comercializadores y mayoristas; así mismo a mayor detalle entre pescadores con arte de pesca de atarraya, de trasmallo, de cordel, de nasas, de palangres, entre otros y a nivel de áreas entre sitios de desembarco tales como: Caño Lobo, Bahía de Cipata, Playa Blanca, Tinajones, etc; en el Municipio de San Antero departamento de Córdoba.


La zona costera colombiana es un espacio del territorio nacional definido con características naturales, demográficas, sociales, económicas y culturales propias y especificas. Esta formada por una franja de anchura variable de tierra firme y espacio marítimo en donde se presentan procesos de interacción entre el mar y la tierra. La distribución de los ingresos o de los recursos tiene consecuencias directas sobre la tasa de pobreza de la población de una región. Escala de Trabajo: De acuerdo al objetivo del estudio y al nivel de detalle a alcanzar la

escala es de 1:100.000. Formato de salida: Tablas, gráficas e informes escritos técnicos. Requerimientos:

Información: Muestreos y censos poblacionales de caracterización socioeconómica, en la cual se incluyan los ingresos de la población por actividad económica y área.





Apoyo: Personal de laboratorio Sistema de información geográfica - SIG; centro de documentación; apoyo interinstitucional (DANE, ICA, INPA, IGAC, Alcaldías municipales, Gobernaciones, Corporaciones Autónomas Regionales). Lic. Educación Ambiental especialista en sistemas.


Recomendaciones:

Si existe información adecuada

No existe información adecuada

Diseño encuesta estructural

Aplicación de encuesta estructural

Determinación de estadísticos preliminares muéstrales µ, σ, cv (σ/µ

* 100) , ∝, p, q


Análisis de información secundaria

Estimación de parámetros poblaciones µ, σ, cv (σ/µ * 100) , ∝, p, q

Determinación del tamaño de la muestra

Aplicación de encuesta muestral



• Se debe tener en cuenta que la distribución del ingreso no cambia rápidamente a través del

tiempo, ya que esta determinada en gran medida por la distribución de la propiedad del capital y la tierra y por el nivel educativo del individuo.

• Mediante la estimación de este indicador se facilita el análisis de la presión antrópica sobre los recursos naturales en determinada área, proporcionando argumentos para la planeación y el aprovechamiento sostenible de los mismos.


Protocolo: COEFICIENTE DE DISTRIBUCIÓN DEL INGRESO - GINI. Proceso 3.2: Estimación de la Curva de Lorenz y del Coeficiente de GINI. Términos y definiciones: Coeficiente de GINI: Se define este, como una medida estadística de la desigualdad en la distribución del ingreso de los perceptores individuales que varía entre 0 y 1. Muestra mayor desigualdad entre más se aproxima a 1, y corresponde a 0 en el caso hipotético de una distribución totalmente equitativa. El coeficiente de Gini se obtiene a partir de la curva de Lorenz, dividiendo el área comprendida entre esa curva y la recta de equidistribución para el área total bajo la recta mencionada (DNP-UDS-DIOGS, 2002). Curva de Lorenz: Es una curva que muestra la distribución acumulable del ingreso o de la riqueza. Para elaborar una curva de Lorenz se anotan los porcentajes acumulados del ingreso contra los porcentajes acumulados de las poblaciones, clasificadas de las de ingresos más bajos a las de ingresos más altos. Los números requeridos se derivan de la información obtenida de acuerdo a la investigación de que se hable. Esos números se trazan para poder obtener la curva de Lorenz. Se dibuja una línea diagonal perfecta a lo largo del cuadrante.(por ejemplo el 20% del ingreso es recibido por el 20% de las familias). Mientras más cerca este la curva de Lorenz de la línea diagonal será más equitativa la distribución del ingreso. Por lo tanto, una medida de igualdad debe medir que tan cerca se encuentra la curva de Lorenz de la diagonal. Una medida de este tipo es el coeficiente de Gini. Requerimientos específicos: Información: Información de fuentes secundarias adecuada sobre ingresos y población, software MS de Office; SPSS 10.0. Información primaria en caso de no existir esta. Condiciones previas:

• Definir objetivos de investigación. • Recolección de información de fuentes secundarias en caso de existir. • Apoyo interinstitucional para manejo y toma de información • Toma de información primaria a través de encuesta estructural • Análisis y organización de información • Aplicación de software para calculo de Curva de Lorenz

Desarrollo:

1. Construcción de la curva de Lorenz 2. Calculo del indicador de distribución del ingreso - GINI

Algoritmo: En Excel, en rutinas del software Access y en SPSS 10.0. Para calcular manualmente el indicador GINI, se relaciona el área entre la curva de Lorenz y la diagonal y el área total bajo la diagonal. Si llamamos X el área entre la diagonal y la curva de Lorenz y Z el área total bajo la diagonal, el coeficiente de concentración de Gini es igual a X/Z (ver figura 2). A fin de deducir un método practico para calcular el coeficiente de Gini es conveniente notar que el área bajo la curva de Lorenz puede descomponerse en una serie de trapecios a partir de los puntos

iniciales de construcción, en donde W es el área total de los trapecios y por lo tanto el porcentaje acumulado de los ingresos y los rangos porcentuales de la población, así: W = ∑ (Y(i-1) + Yi)/2 (Ni – N (I –1) ) i =1… Donde: Yi = Porcentaje acumulado de ingreso Ni = Rangos porcentuales acumulado de población La formula para el calculo del coeficiente de Gini es: G = 1 - ∑ (Y(i-1) + Yi) (Ni – N (I –1) )

Figura 1. Calculo de la curva de Lorenz y el posterior indicador de GINI

Ejemplo: Tabla 1. Calculo del coeficiente de la distribución del ingreso – GINI, de los pescadores de la Cienaga Grande de Santa Marta – Sector Isla del Rosario. Fuente: INVEMAR – Programa de Valoración y Aprovechamiento de Recursos Naturales – VAR, 2001.

0

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

0 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Porc

enta

je a

cum

ulad

o de

ingr

esos

Porcentaje acumulado de la población

Diagonal d

e igualdad

Curva de L

orenz

X

wA

A´

B

B´

C

C´

D

D´

E

E´

C A L C UL O DE L A DIS T R IB UC IÓ N DE L ING R E S O - G INI DE L O S P E S C A DO R E S DE L A IS L A DE L R O S A R IOA R T E M E T O DO ING R E S O A C T IVA S Ni Y i R A Y ng R A No Y i-1+Y i Ni-Ni-1 P roduc to

Ninguna - - - 0.00 0.00 0.00 - - - Com erciantes 2,650,000 90 0.28 0.02 0.02 0.28 0.02 0.28 0.01 R ed cam aronera G arceo 368,666 96 0.04 0.02 0.04 0.32 0.06 0.04 0.00 Atarraya ATA 2,098,523 220 0.22 0.05 0.09 0.55 0.14 0.22 0.03

R ed de enm alle Fija 2,334,262 252 0.25 0.06 0.15 0.80 0.24 0.25 0.06 Nasas NAS 1,109,269 431 0.12 0.10 0.25 0.92 0.40 0.12 0.05 Aros AR O 418,537 522 0.04 0.12 0.37 0.96 0.62 0.04 0.03 R ed cam aronera R eleo 368,666 2,736 0.04 0.63 1.00 1.00 1.37 0.04 0.05 TO TAL 9,347,923 4,347 1.00 1.00 0.23

G = 0.77

Figura 2. Curva de Lorenz y Coeficiente del ingreso – GINI, de los pescadores de la Cienaga Grande de Santa Marta – Sector Isla del Rosario. Fuente: INVEMAR – Programa de Valoración y Aprovechamiento de Recursos Naturales – VAR, 2001. Tabla 2. Calculo del coeficiente de la distribución del ingreso – GINI, de los pescadores de la Cienaga Grande de Santa Marta – Sector Tasajera

Fuente: INVEMAR – Programa de Valoración y Aprovechamiento de Recursos Naturales – VAR, 2001. Figura 3. Curva de Lorenz y Coeficiente del ingreso – GINI, de los pescadores de la Cienaga Grande de Santa Marta – Sector Tasajera. Fuente: INVEMAR – Programa de Valoración y Aprovechamiento de Recursos Naturales – VAR, 2001.

ISLA DEL ROSARIO

0

0.2

0.4

0.6

0.8

1

0 0.2 0.4 0.6 0.8 1

Proporción acumulada de pescadores

Prop

orci

ón a

cum

ulad

a de

l in

gres

o

CALCULO DE LA DISTRIBUCIÓN DEL INGRESO - GINI DE LOS PESCADORES DE TASAJERAARTE METODO INGRESO ACTIVAS Ni Yi Yi-1+Yi Ni-Ni-1 Producto

Ninguna 0 0 - - - - - Chinchorro CHI* 4 0.00 - - 0.00 - Palangre PAL 8 0.01 - - 0.00 - Aros ARO 53775.60047 50 0.03 0.01 0.01 0.03 0.00

Red de enmalle Fija 1623161.574 221 0.14 0.21 0.22 0.11 0.02

Red de enmalle Bolicheo 4193517.599 253 0.16 0.54 0.76 0.02 0.02 Atarraya ATA 1228540.216 352 0.22 0.16 0.70 0.06 0.04 Red camaronera Releo 595664.1714 701 0.44 0.08 0.24 0.22 0.05 TOTAL 7694659.16 1589 1.00 1.00 1.08 0.56 0.60

G= 0,26

T A S A JE R A

0

0 .1

0 .2

0 .3

0 .4

0 .5

0 .6

0 .7

0 .8

0 .9

1

0 0 .2 0 .4 0 .6 0 .8 1

P ro p orció n a cu m u lad a d e p e s ca d ore s

Pro

porción acu

mulada del

ingre

so

Observaciones: - El coeficiente de Gini tiene ciertas propiedades que es útil destacar. Es invariante a la escala que se utilice para medir los ingresos; respeta la condición de simetría, es decir que si dos individuos en una distribución intercambian sus respectivos ingresos, manteniéndose igual todo lo demás, el índice no se altera; y observa la denominada condición de Pigou-Dalton, que exige que toda transferencia de ingresos de una unidad de mayores ingresos a otra de menores reduzca el valor del índice.


INVEMAR


Protocolo 3.3: PRODUCCIÓN Objetivo: Cuantificar la cantidad de bienes finales que pueden ser producidos por una empresa (productor tradicional o empresarial) de acuerdo a una combinación especifica de unidades de capital y trabajo. Alcance Permite el análisis, la interpretación y la comparación de datos a nivel local, regional y nacional (costa Pacifica y costa Caribe) de la producción de cada una de las actividades económicas; a su vez permite comparar información de producción dentro de cada actividad y comparación entre diferentes actividades.


La zona costera colombiana es un espacio del territorio nacional definido con características naturales, demográficas, sociales, económicas y culturales propias y especificas. Esta formada por una franja de anchura variable de tierra firme y espacio marítimo en donde se presentan procesos de interacción entre el mar y la tierra. Escala de Trabajo: De acuerdo al objetivo del estudio y al nivel de detalle a alcanzar la

escala es de 1:100.000. Formato de salida: Tablas, gráficas e informes técnicos escritos. Requerimientos: Información: Información acerca del tamaño del área de estudio. Mapas de usos de la zona costera (suelos y espejos de agua). Mapas topográficos y agroecologicos.

Muestreos y censos poblacionales de caracterización socioeconómica.





Apoyo: Personal de laboratorio Sistema de información geográfica - SIG; centro de documentación; apoyo interinstitucional (DANE, ICA, INPA, IGAC, Alcaldías municipales, Gobernaciones, Corporaciones Autónomas Regionales). Lic. Educación Ambiental especialista en sistemas.



Recopilación de Análisis de infor



Elaboración informe técnico

Si existe información adecuada

No existe información adecuada

Diseño encuesta estructural

Aplicación de encuesta estructural

Determinación de estadísticos preliminares muéstrales µ, σ, cv (σ/µ

* 100) , ∝, p, q


Análisis de información secundaria

Estimación de parámetros poblaciones µ, σ, cv (σ/µ * 100) , ∝, p, q

Determinación del tamaño de la muestra

Aplicación de encuesta muestral



Recomendaciones:

• Mediante la estimación de este indicador se puede inferir acerca de la presión antrópica sobre los recursos naturales en determinada área, proporcionando argumentos para la planeación y el aprovechamiento sostenible de los mismos.

• Con este indicador, solos se mide el nivel de producto obtenido, mas no la intensidad en las utilización de los factores de producción, de igual forma tampoco se analizan los costos de producción ni los ingresos recibidos por esta producción.


Protocolo: PRODUCCIÓN. Proceso 3.3: Estimación de la Producción por actividad económica. Términos y definiciones: Producción: La producción comprende la elaboración de bienes y servicios para la venta y consumo, de artículos materiales como artesanías, bienes industriales producidos por una planta, grupo de plantas o grupo de animales, en una área o superficie determinada y en un tiempo determinado (días, meses o años); igualmente, la prestación de servicios inmateriales, tales como el transporte o los servicios turísticos. Producción pesquera: Para este estudio particularmente la producción pesquera solo tendrá en cuenta las capturas definidas en toneladas o kg; analizadas estas mediante el indicador de Captura por Unidad de Esfuerzo propuesto en el presente estudio. Producción Forestal: La extracción forestal a tener en cuenta para la cuantificación del nivel de producción de esta actividad económica se refiere a la cantidad de madera movilizada en un tiempo determinado registrada por las Corporaciones Autónomas Regionales en caso de existir información secundaria. En el caso de no existir información secundaria, esta información sobre producción se obtendrá a través de la aplicación de una encuesta a los diferentes aserrios y centros de acopio maderero (mayoristas y minoristas) del área de estudio en la cual se quiera cuantificar la cantidad de madera movilizada por especie en un periodo de tiempo. Producción Agrícola: La producción en el caso agrícola, se refiere a la cantidad total de productos efectivamente obtenidos de una superficie ocupada por plantas de material vegetal; tallo, follaje o fruto para consumo directo o de materias primas por parte de humanos o animales. Producción Pecuaria: La producción en el caso pecuario, se refiere a la cantidad total de animales y subproductos efectivamente obtenidos en una superficie determinada, para consumo humano, animal e industrial. Producción Acuícola: La producción en el caso acuícola, se refiere a la cantidad total de animales y subproductos efectivamente obtenidos en una superficie determinada (piscinas y/o espejos de agua naturales), para consumo humano, animal e industrial. Producción minera: Se refiere a la extracción de material mineral cuantificado en toneladas o kg. Producción Turismo: Se refiere a la cuantificación en pesos de los servicios prestados por este sector; tales como hospedaje, servicios de recreación, alimentación y demás. A su vez toda esta producción se sumara exclusivamente por actividad económica, por área y por producto. Requerimientos específicos: Información: Información de fuentes secundarias adecuada sobre superficie, población y niveles de producción por actividad económica, software MS de Office. Información primaria en caso de no existir esta.


• Definir objetivos de investigación. • Recolección de información de fuentes secundarias en caso de existir. • Apoyo interinstitucional para manejo de información. • Logística para los muestreos. • Aplicación de encuesta estructural en caso de no existir información secundaria. • Estimación de parámetros muéstrales y luego poblacionales. • Estimación de la muestra poblacional, para toma de información primaria. • Clasificación y Análisis de la información primaria. • Disponibilidad del equipo humano requerido

Desarrollo:

1. Conocer la estructura de las actividades productivas del área de estudio. 2. Estimar la muestra poblacional y la estructura del muestreo. 19. Registrar datos en los formularios diseñados de acuerdo a la estructura de las actividades

productivas presentes en el área. 20. Digitar datos de producción. 21. procesamiento de la información. 22. Calculo del indicador de producción. 23. Elaboración de informes técnicos.

Algoritmo: En Excel y de acuerdo a las rutinas del software Access. Por definición la producción se calcula como: Prod. = cantidad de producto (Ton, Kg, m3, $.) / tiempo determinado Ejemplo: Tabla 1. Captura total de Atún en el Pacífico Colombiano 1987 – 1998.

AñoCapturas totales

1987 28791988 174971989 311251990 498161991 443471992 676231993 545681994 272821995 609361996 587431997 782381998 44005

Total 537059

Figura 1. Captura total de Atún en el Pacifico colombiano 1987 - 1998 Tabla 2. Producción de leche en los municipios de la UAC Golfo de Morrosquillo, Caribe colombiano 2000.

Fuente: INVEMAR, 2001 Figura 2. Participación porcentual en la producción de leche en los municipios de la UAC Golfo de Morrosquillo, Caribe colombiano 2000.

Fuente: INVEMAR, 2001 Observaciones: - Conocer el comportamiento de este indicador en los diferentes ecosistemas del país, es de gran ayuda para determinar presiones sobre el medio, sin embargo es importante destacar que si este indicador se lee de manera aislada respecto a la oferta ambiental puede originar lecturas erradas de la realidad, ya que la presión esta dada por la cantidad de población y el uso que se le de a los recursos naturales.

P roduc c ión tota l de Atún en e l P a c ífic o c olom bia no e ntre 1987 y 1998

0

10000

20000

30000

40000

50000

60000

70000

80000

90000

1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998

Los cordob. 3591000Moñitos 1372800Puerto Escon. 4731192San Bernard. 3312000San Antero 1401600San Onofre 11859000Tolú 9150000

Pa rtic ipa ción porc e ntua l e n la producc ión de le che por m unic ipios e n 2000

26%

34%4%

9%

13%

4%

10%Los cordob.

Moñitos

PuertoEscon.SanBernard.San Antero

San Onofre

Tolú

- Por ultimo es importante resaltar que muchas veces se desconoce la presión ejercida por la población que se encuentra mas allá de las fronteras, pero que demanda de los recursos naturales del mismo espacio geográfico en cuestión.


INVEMAR


Protocolo 3.4: Captura por Unidad de esfuerzo - CPUE Objetivo: Medir la captura en peso por el esfuerzo aplicado en un tiempo, área y unidad

determinada. Alcance: Pesquerías marinas y costeras del Pacífico y Atlántico de Colombia. Escala de Trabajo: 1:100000 Formato de salida: Informes técnicos Requerimientos: Información: primaria y secundaria Software: SIPEIN, MS Office

Hardware: cuatro PC Pentium 4, HDD de 80 GB, con quemadores de CD, dos impresoras laser, dos Deskjet de color.

Personal: 8 encuestadores, dos Ingenieros pesqueros o biólogos, dos

digitadores, dos economistas.

Apoyo: Lic. En Biología, experto en sistemas. Diagrama de procesos:

SIPEIN -ZDERS

Ingreso de Datos

Proceso de Datos

Informes

Menú Principal

Captura y esfuerzo

Actividad Diaria

Días efectivos de pesca

Frecuencia de tallas

Precios de capturas

Costos de operación de UEPs

Captura mensual

Esfuerzo mensual

CPUE mensual

Composición de la captura por talla

Valor monetario de las Capturas

Ingresos y renta de las UEPS

Distribución espacial de las Capturas

CiénagasCañosUEPs de diferentes Artes

Sitio de desembarco

Sitio de desembarcoUEPs Atarrayas UEPs Trasmallos UEPs Boliches

Muestreo 25-30% de las UEPs Activas

Mar Caribe

UEPs Activas

Recomendaciones:

• Es fundamental que la medición tanto de la captura, como del esfuerzo sean simultáneas por cada área, arte, UEP.

• Especificar en todos los casos la unidad del esfuerzo. • Las comparaciones sólo se harán para áreas homogéneas. • La tecnología de extracción y poder de pesca deben ser especificados en todo caso. • Las capturas se discriminarán por especie, por arte de pesca y área. • Establecer las equivalencias de nomenclatura de especies en todas las áreas.


Protocolo: Captura por Unidad de Esfuerzo - CPUE Proceso 3.4: Evaluación de la captura por unidad de esfuerzo Términos y definiciones:

• Captura (c): es el peso en kg o Ton. de la biomasa de recurso capturada. Puede darse como total o discriminada por especie si se requiere.

• Biomasa: se refiere al peso de las especies capturadas. • Esfuerzo (f): Es la inversión hecha para obtener la captura y puede definirse en términos

muy distintos, según sea necesario. No existe una única denominación del esfuerzo pesquero y debe ser descrito para cada caso. . P. ej., puede tratarse como número de embarcaciones si son similares, o faenas si la duración en horas de la salida de pesca (faena) es la misma. También por hora de arrastre, en caso de barcos arrastreros, si son de tamaño similar.

Requerimientos específicos: Información: primaria de los muestreos realizados y secundaria de datos históricos de las

pesquerías. Condiciones previas:

• Conocimiento de la estructura de las pesquerías • Logística para los muestreos • Disponibilidad de la información secundaria de las pesquerías • Convenios interinstitucionales • Disponibilidad del equipo humano requerido

Desarrollo:

24. Conocer la estructura de la pesquería 25. Definir sitios de muestreo y periodicidad 26. Determinar las unidades de muestreo 27. Registrar los datos de capturas y esfuerzo en formularios 28. Digitar los datos de captura y esfuerzo 29. Procesamiento de la información 30. Calculo del indicador CPUE 31. Elaboración de informes

Algoritmo:

ICPUE = (kg, Toneladas) Esfuerzo(según se exprese)

EmEdCmCd *=

Donde: Cm = Captura muestral diaria (Kg) de cada especie Ed = Esfuerzo total diario (Unidades Económica de Pesca UEPs activas por arte y/o

método de pesca, en el día para cada sitio pesquero) Em = Esfuerzo muestral diario (UEPs muestreadas)

A partir de los datos diarios se calculan las medias mensuales y el promedio para el año. Ejemplo: CAPTURA POR UNIDAD DE ESFUERZO CON ATARRAYA EN LA CGSM: MEDIA ANUAL Mojarra rayada

ANO C F CPUE 1994 70.304 27.725 2,5 1995 39.179 21.808 1,8 1996 71.209 22.233 3,2 2000 8.428 5.514 1,5 2001 2.945 3.569 0,8

Mojarra rayada (Eugerres plumieri )

-

7.000

14.000

21.000

28.000

35.000

1994 1995 1996 2000 2001

Faen

as

-

0,5

1,0

1,5

2,0

2,5

3,0

3,5

Kg/

faen

a

Observaciones: El indicador propuesto, es una herramienta muy útil para identificar impactos en pesquerías locales, regionales y mundiales. Puede servir para registrar cambios en la extracción pesquera, por ejemplo de manera muy clara la relación con el impacto de Fenómenos como “El Niño” u otros que incidan en la actividad pesquera o en su grado de explotación o de la abundancia de los recursos. Este indicador puede variar en unidades, en número, según tipo de ecosistemas, tipo de pesquería, recursos, abundancias, estacionalidad, grado de tecnificación etc.


INVEMAR



Protocolo 3.5: Indicador de biomasa individual - IBIN Objetivo: Determinar el peso o biomasa individual de los pescados capturados en una pesquería o área dada con distintos artes de pesca y de dimensiones diferentes Alcance: Pesquerías marino costeras del Caribe y el Pacífico colombiano. Escala de Trabajo: 1: 100000 Formato de salida: Informes Técnicos Requerimientos: Información: Primaria, a partir de muestreos Software: SIPEIN, MS Office Hardware: cuatro PC Pentium 4, HDD de 80 GB, con quemadores de CD, dos

impresoras laser, dos Deskjet de color Personal: 8 encuestadores, dos Ingenieros pesqueros o biólogos, dos

digitadores, dos economistas.

Apoyo: Lic. En Biología, experto en sistemas.


Toma de datos de número de individuos y peso en muestra de captura por especie con cada arte en cada sitio de desembarco.

Recomendaciones:

• Es necesario que la muestra sea representativa de la captura total de cada UEP muestreada.

• Los datos se tomarán por especie y por arte de pesca en cada sitio de desembarque.

• A cada dato de peso corresponderá el número de pescados que intervinieron en la pesada y se registrarán simultáneamente.

Recepción de registros por el Coordinador de campo

Digitación de datos

Compilación de datos de N° individuos y su peso en SIPEIN

Procesamiento de datos en

INFORME TÉCNICO


Protocolo: Indicador de la biomasa individual - IBIN Proceso 3.5: Evaluación de la biomasa promedio de los ejemplares de cada especie que se capturan en una pesquería dada con distintos artes y de diferentes dimensiones. Términos y definiciones:

• Biomasa individual: Se refiere al peso individual promedio de los especimenes capturados y corresponde al peso del conjunto de pescados (o recursos) dividido por el número de ejemplares que intervienen en cada pesada.

Requerimientos específicos: Información: Primaria, a partir de muestreos en cada sitio, por especie y por arte de pesca Condiciones previas:

• Conocimiento de la estructura de las pesquerías • Logística para los muestreos • Convenios interinstitucionales • Disponibilidad del equipo humano requerido

Desarrollo:

32. Conocer la estructura de la pesquería 33. Definir sitios de muestreo y periodicidad 34. Determinar las unidades de muestreo 35. Registrar los datos de capturas por N° de especimenes y su peso en formularios 36. Digitar los datos por sitio, arte y especie del N° de individuos pesados 37. Procesamiento de la información 38. Calculo del indicador IBIN 39. Elaboración de informes

Algoritmo: Peso del número de ejemplares muestreados IBIN = _________________________________________ Número de especimenes pesados en la muestra Ejemplo: Sea el caso de pargos Lutjanus sp.

20 Kg _________ : IBIN = 1 Kg/ejemplar 20 individuos 20 Kg __________ : IBIN = 4 Kg/ejemplar 5 individuos 20 Kg ___________ : IBIN = 0.5 Kg/ejemplar 40 individuos Aunque en los tres casos se capturan 20 kg de pargo, la biomasa de los pescados es diferente en cada caso, siendo los del segundo animales más grandes que en el tercero. Observaciones: El IBIN se constituye en un apoyo para la misma interpretación del indicador CPUE, el que no discrimina si los pescados de una especie que se capturan con un arte dado son de tipo grande o pequeño. Este conocimiento es útil para saber si se está impactando a las poblaciones de recursos o no; también para comprender los cambios en niveles de ingreso al pescador, debidos a diferencias de calidad en la demanda de ejemplares grandes, medianos o pequeños en el mercado.


INVEMAR


Protocolo 3.6: Indicador Talla media de captura Objetivo: Determinar la talla promedio de captura por especie, por sitio y con cada arte de pesca Alcance: Pesquerías marinas y costeras del Caribe y Pacífico colombianos Escala de Trabajo: 1:100000 Formato de salida: Informes técnicos Requerimientos: Información: primaria, de muestreos Software: SIPEIN, MS Office

Hardware: cuatro PC Pentium 4, HDD de 80 GB, con quemadores de CD, dos impresoras laser, dos Deskjet de color.

Personal: 8 encuestadores, dos Ingenieros pesqueros o biólogos, dos digitadores, dos economistas.

Apoyo: Lic. En Biología, experto en sistemas.


SIPEIN -ZDERS

Ingreso de Datos

Proceso de Datos

Informes

Menú Principal

Captura y esfuerzo

Actividad Diaria

Días efectivos de pesca

Frecuencia de tallas

Precios de capturas

Costos de operación de UEPs

Captura mensual

Esfuerzo mensual

CPUE mensual

Composición de la captura por talla

Valor monetario de las Capturas

Ingresos y renta de las UEPS

Distribución espacial de las Capturas

CiénagasCañosUEPs de diferentes Artes

Sitio de desembarco

Sitio de desembarcoUEPs Atarrayas UEPs Trasmallos UEPs Boliches

Muestreo 25-30% de las UEPs Activas

Mar Caribe

UEPs Activas

Recomendaciones:

• Las frecuencias de talla de cada especie capturada por sitio y por arte se registrarán en los formularios de muestreo provistos para tal fin.

• El cálculo de la talla media de captura (TMC) de cada especie se hará mensualmente y por año a partir de los datos muestrales consignados en la base de datos SIPEIN en cada caso

• Las TMC de cada especie con un mismo arte se discriminarán por separado si las artes de pesca tienen dimensiones diferentes.

• Establecer las equivalencias de nomenclatura de especies en todas las áreas.


Protocolo: Indicador Talla Media de captura Proceso 3.6: Estimación de la talla media de captura por especie, arte y sitio de desembarque Términos y definiciones:

• Talla Media de Captura (TMC): es el promedio de las tallas de los ejemplares por especie capturados con un arte de pesca dado y podrá expresarse por arte, sitio de desembarque, por mes y por año.

Requerimientos específicos: Información: primaria, a partir de los muestreos realizados en las diferentes pesquerías Condiciones previas:

• Conocimiento de la estructura de las pesquerías • Logística para los muestreos • Convenios interinstitucionales • Disponibilidad del equipo humano requerido

Desarrollo:

40. Conocer la estructura de la pesquería 41. Definir sitios de muestreo y periodicidad 42. Determinar las unidades de muestreo 43. Registrar los datos de frecuencias de tallas capturadas por especie y arte en formularios 44. Digitar los datos de frecuencias de tallas por especie, arte y sitio 45. Procesamiento de la información 46. Calculo del indicador TMC 47. Elaboración de informes

Algoritmo: ∑ (tallas especie i arte j) TMC = _______________________ N° individuos muestreados

Ejemplo: Sea el caso del recurso machuelo (i), capturado con el chinchorro (j) en el sitio K: (10+15+12+20+13+16+10) TMCijk = ___________________________ ; TMCijk = 13.7 cm 7 el mismo recurso machuelo (i), capturado con chinchorro (j) pero en el sitio m: (18+15+17+20+19+16+17+22+18) TMCijm = ___________________________ ; TMCijm = 18.0 cm 9 Evidentemente la TMC del machuelo en el sitio k < m, cabría buscar la explicación; pero es deducible que el impacto sobre el recurso es menor en el sitio m. Observaciones: La Talla Media de Captura (TMC) se convierte en indicador de la presión que se ejerce sobre el recurso, de un modo inverso: a mayores TMC, menor el efecto sobre el recurso y mayor la sostenibilidad. Complementa a su vez a los indicadores CPUE e IBIN al dar una idea, no sólo de los rendimientos (tasa de producción), sino también del impacto que la actividad pesquera local tiene sobre un recurso determinado cuando se le pesca con un arte dado o de características determinadas. TMC también puede indicar la distribución diferencial de un recurso en un área amplia, donde los ejemplares se agrupen por cardúmenes de individuos de tallas similares. En los casos en que se conozca la talla media de madurez (TMM) gonadal de la especie en cuestión, se podrá reafirmar el impacto probable sobre la población recurso y si enfrenta problemas de sostenibilidad a mediano y largo plazo. Así se podrá tomar medidas de manejo dirigidas a la conservación y el aprovechamiento futuro de los recursos pesqueros marino costeros.

|INSTITUTO DE INVESTIGACIONES MARINAS Y COSTERAS José Benito Vives D´andreis

INVEMAR PROYECTO INDICADORES DE LÍNEA BASE

PROTOCOLOS DE MONITOREO Protocolo: VARIACIÓN DEL NIVEL RELATIVO DEL MAR Objetivo: Determinar la variación de la altura relativa del mar con relación a un sector del litoral, en las áreas de referencia. Alcance: Se aplica en áreas de referencia y control así: Arrecifes coralinos: Islas del rosario Archipiélago de San Andrés y Providencia Capurganá Praderas de pastos marinos: Archipiélago de San Andrés y Providencia Manglares: Ciénaga de la Virgen – Bolívar Golfo de Uraba Departamento del Choco Departamento del Valle de Cauca Departamento del Cauca Humedales Ciénaga de la Virgen Playas y Acantilados Tumaco

Capurganá Cartagena

Escala de Trabajo: 1:100.000 para información a nivel regional y nacional; 1:10.000

para nivel local Formato de salida: Tablas, curvas y gráficos Requerimientos: Información: Datos tomados de los mareógrafos existentes Datos históricos de los mareógrafos Software: Excel, word Hardware: Computador PC Personal: Geólogo – geomorfólogo

Apoyo: Técnicos del IDEAM que recuperan los datos de los mareógrafos


• Complementar con referencias bibliográficas sobre la tendencia global del aumento del nivel del mar y los cambios climáticos.

• Convenios interinstitucionales entre INVEMAR e IDEAM para la recuperación oportuna y continua de los datos.


Protocolo: VARIACIÓN DEL NIVEL RELATIVO DEL MAR Proceso: ANÁLISIS DE DATOS DE MAREÓGRAFOS Términos y definiciones: Desde el siglo pasado, los mareógrafos instalados en las zonas costeras, han ido normalmente registrando una lenta subida del nivel del mar en los océanos. Esta subida se ha venido explicando como el resultado conjunto de la fusión observada en los glaciales y hielos continentales, utilización masiva de las aguas subterráneas, dilatación del agua por aumento global de la temperatura y la deformación de la corteza por efecto de movimientos tectónicos locales que afecta de forma directa a las medidas de los mareógrafos. El estudio de la variación secular del nivel medio de los mares requiere extraer una información, de magnitud estimada en el orden del milímetro por año, sobrepuesta a variaciones decimétricas de corto periodo de la topografía dinámica de los oceanos. Esta variación secular significaría una comprobación objetiva del efecto combinado de la dilatación del agua oceánica y de la fusión parcial de los casquetes polares, probablemente relacionados con un posible calentamiento térmico a nivel planetario. Esta variación podía estudiarse, hasta ahora, con mareógrafos distribuidos frecuentemente de forma inadecuada y dudosamente referenciados a los sistemas de referencia geodésicos. La observación desde el espacio permite referir las series de los mareógrafos clásicos a los sistemas de referencia globales, utilizando observaciones de satélites GPS y medidas altimétricas desde el espacio. http://www.cema.es/jornadas/PONSyCON.doc. En Colombia la altura se da en metros y está referida al plano de las bajamares vivas de sicigias (las más bajas). La Hora Local Colombiana (H:L:C) corresponde al meridiano de 75° Oeste y se agrupan varias estaciones bajo un mismo pronóstico, en vista de que la diferencia de tiempo y altura entre ellas son pequeñas y no tienen incidencia para fines prácticos (IDEAM, 2002). Requerimientos específicos:

Información: Información de referencia. Registros actuales e históricos de los datos de los mareógrafos instalados en el país Mapa de localización de los mareógrafos Información geológica sobre los sitios donde están ubicados los mareógrfos


• Convenio con el IDEAM para el sumisnistro de los datos de los mareógrafos Desarrollo: ♦ Consulta de los datos obtenidos de los mareógrafos o estimados para las áreas de estudio

propuestas. ♦ Registro de información en una hoja electrónica de Excel ♦ Graficas de los datos obtenidos tomando periodos de un año ♦ Comparación entre gráficas de diferentes años y de diferentes sitios para la estimación de la

variación regional

Algoritmo: Ejemplo:

Tumaco

Niv

el d

el m

ar (m

m)

Años

Cartagena

Niv

el d

el m

ar (m

m)

Años Observaciones: Referencias:


INVEMAR


Protocolo: DINAMICA LÍNEA DE COSTA Objetivo: Determinar la perdida y/o ganancia en la línea de costa en las áreas de referencia. Alcance: Se aplica en áreas de referencia y control así: Costas con sustrato arrecifal: Islas del rosario Archipiélago de San Bernardo Archipiélago de San Andrés y Providencia Costas con presencia de pastos marinos: Departamento de la Guajira Archipiélago de San Bernardo Archipiélago de San Andrés y Providencia Costas de manglares: Ciénaga Grande de Santa Marta Golfo de Morrosquillo Ciénaga de la Virgen – Bolívar Bahía de Cispatá Golfo de Uraba Departamento del Choco Departamento del Valle de Cauca Departamento del Cauca Departamento de Nariño Barreras lagunas costeras: Ciénaga Grande de Santa Marta Bahía de Cispatá Ciénaga de la Virgen Playas y acantilados Todos los departamentos costeros Escala de Trabajo: 1:100.000 Formato de salida: Mapa multitemporal de dinámica de la línea de costa. Requerimientos: Información: Mapa de extensión de ecosistemas actual. Mapa de extensión de ecosistemas de referencia (año 1987) Software: Procesador de Sensores Remotos PCI Geomatica ILWIS EXCEL ARCVIEW Hardware: Estación de trabajo SIG

Personal: Experto en SIG- Sensores Remotos.

Apoyo: Expertos temáticos en dinámica costera.


• Complementar con estudios detallados en campo.

280


Protocolo: DINÁMICA LÍNEA DE COSTA Proceso: CALCULO PERDIDA Y/O GANANCIA DE COSTA Términos y definiciones: La Línea De La Costa Como Zona De Interacción Del Aire, El Mar Y La Tierra

Las aguas de la costa y de los estuarios son la porción del océano que predomina sobre el quehacer cotidiano de la humanidad. Alrededor de dos terceras partes de la población mundial vive cerca de las costas, donde se reciente la influencia de los oleajes, provocados por los cambios meteorológicos bruscos, y de las mareas, que ocasionan marcados altibajos en el nivel del mar. Y es precisamente por esto que las playas y los estuarios son aprovechados para construir ciudades y puertos donde se puedan desempeñar actividades industriales, recreativas y comerciales.

En esas aguas poco profundas se establece la relación entre el aire, el mar y la tierra. Los fenómenos costeros se inician en ella con la mezcla, la separación y el transporte de los sedimentos y de las aguas que escurren desde la tierra.

Las olas, los vientos y las corrientes, en combinación con los fenómenos que ocurren en la tierra —como las lluvias y la transportación del agua de los continentes hasta el mar—, determinan la configuración de la costa y la batimetría, es decir, la distribución de las profundidades.

La orilla del océano representa la zona donde se encuentran los bancos de arena y de coral, las fuertes corrientes y las olas destructivas; por eso constituye una zona de peligro para la navegación. En consecuencia, los marineros deben conocerla con el fin de cuidar a sus embarcaciones y tripulación.

La plataforma continental interesa especialmente a los industriales, puesto que allí se concentra tanto la mayor parte de la vida animal y vegetal del mar —base de la alimentación humana— como los ricos depósitos petrolíferos y minerales. Por otra parte, el interés de los científicos radica en que en ella se genera una gran cantidad de fenómenos fisicoquímicos y biológicos.

El hombre ha logrado aprovechar cada vez más los fenómenos que ocurren en las zonas costeras. Sólo así han podido incrementarse actividades que permiten utilizar los recursos existentes en dichas zonas; tal es el caso del tráfico de embarcaciones y del acceso a las profundidades oceánicas. Sin embargo, con el exceso de construcciones y de dragados costeros, con la pesca indiscriminada y las descargas de desechos, el hombre también ha contribuido a la perturbación de las zonas costeras.

Los fenómenos fisicoquímicos que se generan en los océanos también tienen repercusiones en los continentes; por ejemplo, son los que determinan el clima. En efecto: las características del medio terrestre se deben, en su mayor parte, a la influencia de los océanos.

Las zonas costeras pueden diferenciarse según su estructura, en dos tipos principales: la costa con barrera de islas y la costa con acantilados marinos.

En la costa con barrera de islas es posible distinguir si se hace un recorrido del continente hacia el océano, la planicie costera que es donde se inicia la zona costera y donde se hacen los primeros depósitos de arena; ahí existe una vegetación inicial a la que se llama pionera. Esta planicie se continúa con la ribera u orilla, que es la superficie sólida y sedimentaria relacionada con las corrientes producidas por el oleaje y con la influencia de las aguas de escurrimiento de los continentes. Esta ribera alcanza unos 400 000 kilómetros de longitud en todo el planeta.

281

Figura 1. Perfil de la costa con barrera de islas.

La ribera abarca la playa, la cual está cubierta por grandes cantidades de arena que forman los cordones de médanos; su extensión y tamaño dependen de la longitud y altura de las olas, de la amplitud de las mareas y de las dimensiones de los componentes sólidos que depositan las olas. Esta ribera se extiende del lado de la tierra hasta la planicie costera, que bordea la orilla posterior de la playa.

Entre los cordones de médanos y la planicie costera se pueden contar lagunas litorales, en donde los ríos desembocan propiciando la formación de estuarios o esteros.

A su vez, la ribera se pone en contacto con la plataforma continental; es la llamada línea de costa, que cambia de acuerdo con la acción de las mareas, quedando más adentro de la tierra cuando se presenta la pleamar o marea alta, o más retirada de ella a la bajamar.

En las costas con acantilado la planicie costera está formada por las elevaciones continentales que terminan en cortes casi de 90 grados sobre la ribera, en donde se encuentra bien establecida la vegetación. Esta ribera es muy corta, pues alcanza de cero a tres metros de longitud; por lo tanto, la playa es pequeña o no existe, y el corte del cantil puede ser la línea de costa o estar muy cerca de ella. Durante la pleamar, el oleaje puede golpear sobre el acantilado.

Figura 2. Perfil de la costa de acantilados. La ribera u orilla es la región donde se produce el mayor intercambio de energía entre el océano y los continentes. La energía que se agota en los procesos de la orilla proviene del mar, y es producida por la fuerza de los vientos que corren sobre la superficie oceánica, por la atracción

282

gravitatoria que ejercen la Luna y el Sol sobre la masa del océano y por las diferentes perturbaciones que se presentan en las estaciones del año tanto en la atmósfera como en las zonas terrestres que hacen contacto con el mar.

Todos estos fenómenos influyen en la formación de olas y corrientes de diferentes magnitudes que transportan energía hacia la costa. La configuración de la zona continental y de las plataformas adyacentes modifica y concentra ese flujo de energía, regulando la intensidad de la acción de las olas y corrientes en las aguas costeras.

Las diferentes acciones que suceden en el ambiente de la orilla se hacen más complicadas debido a las distintas formas en que se comporta el flujo de energía. Un ejemplo de estas variaciones es cuando la ola llega bruscamente a la playa con un índice elevado de energía y luego se va desvaneciendo sobre el fondo para, posteriormente, regresar hacia el mar produciendo una corriente de resaca cuya fuerza depende de las características topográficas de la orilla.

Si se compara el flujo de energía de las aguas someras con el de las aguas profundas podrá observarse que en estas últimas es relativamente débil, mientras que en las primeras presenta valores muy elevados debido a la interacción de las olas entre sí, de las corrientes con las olas y de ambas con las características estructurales del fondo. En algunos lugares de la costa este flujo de energía alcanza índices muy altos, ya que las olas producen corrientes de fondo dirigidas en el sentido en el que se propagan las ondas. Es por ello que dichas corrientes acarrean gran cantidad de sedimentos generan los llamados ríos y cataratas de arena, como las de la costa de Cabo San Lucas, en Baja California, México.

La profundidad de la zona costera varía de acuerdo con la presión ejercida por el oleaje; disminuye en la zona de rompiente de las olas, formando un banco, para después aumentar y volver a disminuir hacia la orilla de la playa. Conforme se va modificando la orilla, la dirección de las olas puede reorientarse; es así como se crean olas superficiales, que se desplazan hacia la playa, y olas marginales, que corren paralelas a la playa. Así se forman olas altas y bajas que accionan sobre las corrientes de resaca.

Para poder darse cuenta de la importancia que tienen los fenómenos geológicos litorales en el establecimiento de la línea de costa como la zona de interacción entre el aire, el mar y la tierra ha de compararse el potencial del mar para erosionar la Tierra contra la capacidad de la tierra para aportar sedimentos derivados de esa erosión, ya que en la línea de costa confluyen la acción marina y la terrestre.

El estudio de estos fenómenos que acontecen en la costa es la base de la geología dinámica, que también se encarga de analizar la formación de los diferentes tipos de costa a través de los procesos de sedimentación y erosión.

Esta dinámica de la geología marina ha permitido calcular que si la cantidad de sedimentos transportados se mantiene constante "borrará la topografía, es decir, las características del terreno que sobresale del nivel del mar, en menos de 10 millones de años", periodo muy breve en la escala geológica del tiempo.

El estudio de los fenómenos que concurren en la línea de costa se encuentran en una etapa incipiente; durante los últimos cinco años, los experimentos y observaciones han progresado sólo hasta el punto de que permiten formular y someter a prueba conceptos generales. Como consecuencia de ello, los conocimientos sobre la energía y la tecnología para la zona litoral no han avanzado, de manera que los problemas de hoy pudieran ser tratados en forma adecuada.

En cambio, cada vez son mayores las demandas de vivienda, recreación, industria, transporte marítimo, recursos marinos y eliminación de diferentes clases de desechos que se acumulan en las zonas litorales de todo el mundo. En resumen, las demandas crecientes sobrepasan en exceso a las posibilidades tecnológicas para satisfacerlas, originando un problema que alcanza proporciones mundiales.

283

La utilización de la extensión lineal del frente de las playas es de gran importancia para el hombre a fin de poder evaluar su posible permanencia en ella a través de los años. Por ello es fundamental que se desarrollen técnicas que permitan preservar las playas y los puertos, así como construir nuevas instalaciones en las costas. Todo esto se podrá lograr si continúa investigándose la interacción entre el aire, y el mar y la tierra. Requerimientos específicos: Información: Información de referencia –línea base- sobre extensión de ecosistemas. Mapas y cartografía de referencia. Condiciones previas:

• Delimitación normalizada del área a medir (zona de referencia) y máscara sobre la zona continental y la marina.

Desarrollo: Comparación simple entre la zona continental actual y la zona continental de referencia, aplicando el siguiente criterio: Sí Píxel, j actual = “continente” AND Píxel, j de referencia = “cuerpo de agua marino” entonces “hay ganancia” Sí Píxel, j actual = “continente” AND Píxel, j de referencia = “”continente” entonces “estable” Sí Píxel, j actual = “cuerpo de agua marino” AND Píxel, j de referencia = “continente” entonces “hay perdida” Algoritmo: Cálculo estándar en ILWIS. MAPCAL LineadeCosta = IFF(actual = “continente” AND referencia = “mar”, “ganancia”, IFF(actual = “mar” AND referencia = “continente”, “perdida”, “estable”)) Ejemplo:

284

Ejemplo 23 Línea de Costa Bahía de Cispatá año 1986

Ejemplo 24 Línea de Costa Bahía de Cispatá año 2000

285

Ejemplo 25 Pérdida y/o Ganancia Línea de Costa 1986-2000 Bahía Cispatá

Observaciones: Referencias: Albatros. Enciclopedia del mar. Compañía Internacional Editora, S.A. Barcelona, 1977, vols I-III.

E. Beltrán, el al. Tercer curso de biología. Editorial E.C.L.A.L. México, 1962.

V.I.J. Castell, el al. Ecología marina. Fondo de Cultura Científica, Caracas, 1967.

J. Croft. El mar y sus habitantes. Bruguera, México, 1980.

P. F. Charlton de Rivero. Y P.J. Bermúdez. Micropaleontología general. Ediciones Gea, España, 1963.

S.G. Chávez. Elementos de oceanografía. C.E.C.S.A., México, 1975.

W. Emmons, el al. Geología. Principios y procesos. McGraw-Hill, México, 1965.

A. Holmes. Geología física. Ediciones Omega, Barcelona, 1973.

R. Ingle. Curiosidades del mar, Bruguera, México, 1980.

L. D. Leet, y S. Judson. Fundamentos de geología física. Limusa, México, 1977.

C. F. Lozano. Oceanografía, biología marina y pesca 1. Paraninfo, S.A., Madrid, 1978.

R. Moody. The Fossil World. Hamlyn, Londres, 1977.

286

A. Nason. Biología. Limusa-Wiley, S.A.,México, 1971.

M. J. Pentz, Principales accidentes de la superficie terrestre. The Open University. McGraw-Hill, México, 1974.

M. D. Raup, y S.M. Stanley. Principles of Paleontology. W.H. Freeman and Company, San Francisco, 1971.

F. L. Rodríguez. Un Universo en expansión. Fondo de Cultura Económica, México, 1986.

V. Romanovsky, et al. El mar. Editorial Labor, Barcelona, 1961.

A. Rudel. Las ciencias naturales. Geología. Montaner y Simón, 5. A. Barcelona, 1979.

Scientific American. Oceanografía. H. Blume Ediciones, Madrid, 1978.

C. R. Vetter. Oceanografía. La última frontera. "El Ateneo", Buenos Aires,. 1973.

G. J. Weihaupt. Exploración de los océanos. Editorial Continental, S.A. de C.V., México, 1984.

J. H. Zumberge. Elementos de geología. Editorial Continental, S.A. de C.V., México, 1961.

287


Protocolo: DINÁMICA DE LA LÍNEA DE COSTA Proceso: LEVANTAMIENTO DE PERFILES DE PLAYA Términos y definiciones: Se precisan a continuación las características de los términos utilizados y la metodología con la que se realizará el levantamiento de los perfiles de playa. Un perfil de playa se define como la topografía globalmente perpendicular a la línea de costa, desde la parte supralitoral hasta la zona infralitoral (Ver figura).

Esquema generalizado de la morfología de la playas.

La zona supralitoral, abarca las dunas, cordones litorales y berma de pleamar (llegando hasta la línea de pleamar o marea alta) donde limita con la zona mesolitoral. La línea de pleamar se delimita por la empalizada, acumulación de restos vegetales, troncos y basura traídos por el mar y que indica el alcance máximo de las olas, en condiciones normales. El ancho de las zonas supralitorales es variable y depende del contexto geológico y topográfico. Son más anchas en las costa bajas y más estrechas en los litorales montañosos. La zona mesolitoral, comprendida entre la línea de pleamar y la berma de bajamar abarca la zona de lavado, (swash y backswash) de las arenas por la rompiente de las olas. Se extiende desde la empalizada hasta la berma de bajamar. De las 3 zonas ésta es la más estrecha. La zona infralitoral está por debajo de la berma de bajamar. A menudo se encuentran barras y canales de tamaños que van de decímetros a metros y ondulitas o ripples del orden de cm. La amplitud de la zona infralitoral varía mucho dependiendo de la pendiente. Los sectores anteriormente descritos están generalmente recubiertos por arenas, lo que facilita las modificaciones topográficas, por la acción del oleaje y los procesos generales de erosión en la costa. Requerimientos específicos: Información: Información de referencia –línea base- Mapas y cartografía de referencia

288

Equipos: Nivel de precisión, GPS (calibrado en el punto geodésico más cercano al área de estudio). Brújula, mira, jalones, cinta métrica


• Definir un estado inicial de la posición de la línea de costa, con base en la información secundaria.

• Delimitar un punto inicial de cada uno de los perfiles en tierra, de manera que sirva como referencia para levantar los perfiles futuros.

Desarrollo: Levantamiento topográfico y georreferenciación de perfiles de playa aplicando los siguientes criterios: ♦ Para costas bajas el levantamiento se hace desde la franja supralitoral (base de la duna litoral,

principio de vegetación) hasta 1.5 m de profundidad, en cada cambio topográfico a lo largo del perfil.

♦ Para costas acantiladas el levantamiento se hace desde los 2 m de altura del acantilado,

hasta 1.5 m de profundidad, en cada cambio topográfico a lo largo del perfil. ♦ Se hace un solo perfil en cada ambiente de los descritos en el capítulo de alcance. Diseño de gráficos y estadísticas correspondientes Algoritmo: Si Daño 1< D año2 = Avance de la línea de costa hacia el mar Si Daño 1 > Daño2 = Retroceso de la línea de costa Daño 1 Línea de costa estimada en el año 1 de muestreo Daño2 Línea de costa estimada en el año 2 de muestreo Daño0 Línea de costa de referencia para el inicio del monitoreo Ejemplo:

289

Perfiles de playa

-1,5-1

-0,50

0,51

1,52

Distan

cia 2 9 15 21 26 37Distancia (D)

Altu

ra (H

)

Altura año 1Altura año 2

D2D1

Referencias:

290


Protocolo: DINÁMICA LÍNEA DE COSTA Proceso: INTERPRETACIÓN DE FOTOGRAFÍAS AÉREAS Términos y definiciones: La línea de costa es el límite entre las aguas marinas y el continente. Esta no es estática, por el contrario es necesario definir una línea convencional dada por las normas de cada país y que puede referirse a la línea de más alta marea, a la línea promedio entre la marea alta y la marea baja u otras similares. Debido a que los procesos naturales que tiene lugar allí son altamente dinámicos, y que en general el material que la conforma es principalmente arenas sueltas, la línea de costa tiene alta movilidad, pudiendo llegar a retroceder o avanzar hacia el mar una distancia de centímetros a metros en pocas semanas, sin que en genral pueda hablarse de que haya erosión o acreción neta de la franja costera. Requerimientos específicos:

Información: Fotografías aéreas actuales y de referencia (10 a 20 años atrás) Información de referencia –línea base- Mapas y cartografía de referencia.


• Ninguna Desarrollo: ♦ Georreferenciación de las fotografías aéreas de las áreas de estudio ♦ Delimitación, utilizando un estereoscopio de espejos, de la línea de costa ♦ Digitalización de la línea de costa ♦ Superposición de las líneas de costa de cada uno de los años estudiados Algoritmo: ♦ Si la línea de costa del año 1 se localiza más cerca del mar, con relación a la línea de costa del

año cero, entonces hay acreción de la zona costera o avance hacia el mar de la línea de costa. ♦ Si la línea de costa del año 1 se localiza más cerca de tierra, con relación a la línea de costa del

año cero, entonces hay erosión de la zona costera o retroceso de la línea de costa. Ejemplo:

291

Observaciones: Referencias:

292

INSTITUTO DE INVESTIGACIONES MARINAS Y COSTERAS

José Benito Vives D´andreis INVEMAR


PROTOCOLOS DE MONITOREO Protocolo: CAMBIO EN EL NIVEL FREÁTICO E INTRUSIÓN SALINA Objetivo: Determinar la altura de la capa de agua contenida en los suelos, agua subterránea, y la concentración de los parámetros indicadores de intrusión salina. Alcance: Se aplica a la parte terrestre de las zonas costeras, en los departamentos limítrofes con el mar y donde haya pozos disponibles y monitoreados por el INGEOMINAS. Se escogerían pozos representativos para hacer el monitoreo representativo para validar el indicador. Escala de Trabajo: 1:100.000 para presentación regional de la ubicación de los pozos.

El estudio se haría a nivel puntual para cada uno de los pozos escogidos y que sirva para validar el indicador.

Formato de salida: Tablas, gráficos de evolución de la profundidad de la capa freática.

Requerimientos:

Información: Localización de los pozos Datos históricos de los niveles pizométricos Información sobre la geología local Uso de las aguas subterráneas Equipos: Los utilizados por INGEOMINAS

Software: EXCEL, Word, ARCVIEW Hardware: Computador PC Personal: Hidrogeólogo

Apoyo: Técnicos de campo


• Convenio con INGEOMINAS para el monitoreo de los pozos seleccionados y el análisis de la información.

• Complementar con información secundaria relacionada con la fuente, explotación y calidad de agua de los pozos existentes

293


Protocolo: CAMBIO EN EL NIVEL FREÁTICO E INTRUSIÓN SALINA Proceso: Toma de niveles piezométricos en los pozos Términos y definiciones: Los acuíferos confinados o pozos de agua subterráneos son aquellos en los que el agua que contienen está sometida a cierta presión, superior a la atmosférica y ocupa la totalidad de los poros o huecos de la formación geológica, saturándola totalmente. Están sellados por materiales impermeables que no permiten que el agua ascienda hasta igualar su presión a la atmosférica. Por este motivo al perforar pozos que atraviesen el límite superior del material que constituye el acuífero, se observará que el nivel del agua asciende muy rápido hasta que se estabiliza en el nivel piezométrico, normalmente por debajo de la cota del terreno. Los acuíferos costeros son aquellos que se sitúan en las planicies próximas al mar o a grandes lagos costeros. Las aguas de estos acuíferos sufren la influencia del agua salada, lo que les confiere características bien marcadas. En estos lugares el flujo de agua dulce que viene del continente encuentra un flujo subterráneo de agua salada, que se infiltra desde el mar o una laguna costera. Debido a la diferencia de densidad entre estos dos tipos de agua, ocurre una estratificación en donde el agua dulce queda por encima y la salada por debajo. Esta agua mantiene una separación razonable, debido al hecho de que ambas están en un medio poroso donde la difusión de solutos es muy lenta. La interfase agua dulce – agua salada, representada como una línea, es en verdad una zona con varios grados de mezcla entre ambas aguas. Una columna de agua dulce capaz de ser sustentada por el agua salada puede ser dada en valores aproximados por la relación matemática

h= t/(g-1) Donde g es la densidad del agua salada, 1 la densidad del agua dulce, t, la distancia entre el nivel freático y el nivel del mar y h la distancia entere el nivel del mar y la interfase agua dulce – agua salada. Si se admite que la densidad media del agua de mar es de 1,027, se puede calcular la profundidad de la columna de agua dulce en función de la elevación del nivel freático por encima del nivel del mar. En líneas generales se puede decir que para cada metro que el nivel freático esté encima del nivel del mar, se tienen cuarenta metros de columna de agua dulce flotando sobre el agua salada (1: 40). Es fácil notar que cualquier pozo perforado en estos acuíferos debe respetar esta relación so pena de captar agua de la zona salada. Cuando una bomba está retirando agua de un pozo provoca una depresión del nivel freático alrededor del mismo, formando un cono de depresión. Una disminución de la columna de agua dulce permitirá que el agua salada suba, para equilibrar la presión entre ellas. Si el bombeo del agua dura mucho tiempo ocurrirá una intrusión del agua salda que contaminará el acuífero. En la zona costera, la diferencia entre el nivel del mar y el nivel freático (t) es muy pequeña, por esta razón el aumento del nivel del mar puede significar contaminación de los pozos subterráneos que allí operan, ya que la columna de agua dulce que sería capaz de sustentar el agua salada disminuiría y se alcanzaría más rápidamente el nivel de mezcla de las dos aguas. Requerimientos específicos: Información: Localización de los pozos Información geológica del área de su localización

Datos históricos sobre el comportamiento del nivel freático y la calidad del agua de los pozos

294

Equipos: Los utilizados por INGEOMINAS para este fin Condiciones previas:

• Definir las condiciones mareales antes de iniciar la medición de los pozos • Definir las condiciones de uso de los pozos • Convenio con INGEOMINAS para la toma de los datos en forma oportuna y con la

periodicidad requerida. •

Desarrollo: El nivel freático de los pozos se tomará con la ayuda de un piezómetro en cada uno de los pozos de la zona costera. Este dispositivo muestra la profundidad a la cual se encuentra el nivel del agua, en cm y mm, la cual se reportará en un formato en el que además se presentan los datos de localización del pozo, la hora, el nivel de marea, el nivel de uso. Algoritmo: Ejemplo:

Referencias: Eurico Zimbres, www.meioambiente.pro.br http://www.fortunecity.com/campus/carthage/1033/Index.htm Dpto de Física. Fac. Ciencias del Mar, Las Palmas de Gran Canaria.

295


Protocolo: VARIACIÓN EN EL NIVEL FREÁTICO E INTRUSIÓN SALINA Proceso: DETERMINACIÓN DE LOS PARÁMETROS DE INTRUSIÓN SALINA EN LAS MUESTRAS DE LOS POZOS Términos y definiciones: El conocimiento de la salinidad es fundamental en estudios oceanográficos, pues es necesario para la determinación de corrientes y la identificación de masas de aguas. En estudios ambientales es un factor importante porque puede significar la presencia o no de organismos y peces, o para el caso de las aguas continentales puede significar un nivel de contaminación producido por intrusión de aguas salinas o por otras sustancias contaminantes. Martín Knudsen, en 1901, la definió como el número total de gramos de material sólido disuelto en un kilo de agua de mar. Cuando el carbonato ha sido convertido en óxido, todo el bromo y el yodo ha sido reemplazado por cloro y toda la materia orgánica ha sido completamente oxidada, después de secar la muestra a una temperatura de 480°C (Margalef, 1982). La salinidad también se puede calcular a partir de la conductividad, es numéricamente menor que el residuo filtrable y se reporta usualmente como gramos por Kg o partes por mil (psu ó o/oo). La mayor parte de las sales disueltas en el agua de mar están en forma de halogenuros, que, a excepción del flúor, se determinan globalmente por Argentimetría. La salinidad se puede determinar a partir de la conductividad eléctrica, gravedad específica o con equipos tales como el salinómetro de inducción o el refractómetro; de todos, el menos preciso es este último. Actualmente en la mayoría de laboratorios se mide este parámetro por medio de la conductividad, la cual se define como la capacidad que tiene una sustancia de transportar electrones (conducir electricidad); en el agua esta capacidad se ve influenciada por la cantidad de sales disueltas y la temperatura, esto significa que a mayor contenido de sales mayor conductividad; de esta forma, se puede emplear esta propiedad para medir el contenido de sales en una muestra de agua. Hoy en día existen equipos que miden la conductividad y la temperatura de una muestra de agua, y a través de programas electrónicos internos calculan la salinidad. Si no se dispone de un equipo de estos, también se puede determinar con un conductímetro, un termómetro y haciendo uso del algoritmo reportado en “Standard Methods for the Examination of Water and Wastewater”. La ecuación para la conductividad relativa a la temperatura t (Rt) puede ser tomada de "Specific Conductance: Theoretical considerations and application to analytical quality control" por R.L. Miller, W.L. Bradford, y N.E. Peters. En los salinómetros de inducción se genera un campo electrico que induce una corriente eléctrica a través de una bobina por la que circula el fluido, esta corriente generada es proporcional a la salinidad de la muestra, de esta manera se emplea dicha propiedad para medir la concentración de sales disueltas en un líquido. Requerimientos específicos: Información:

Análisis de salinidad históricos de las muestras de agua tomadas en los pozos Mapa de localización de los pozos existentes

Marco geológico de los sitios en los que se localizan los pozos

296


• Convenio con INGEOMINAS para la toma de los datos en forma oportuna y con la periodicidad requerida, es decir cada tres meses.

Desarrollo: 1 Toma de muestra, almacenamiento y preservación De la botella Nansen o Niskin la muestra se pasa a una botella de polietileno de 500 ml previamente purgada y se tapa para prevenir la evaporación. La lectura se realiza una vez llegado al laboratorio, si no es posible en el mismo día, la muestra debe refrigerarse a 4°C sin sobrepasar los siete días de almacenamiento. 2 Materiales y equipos Salinómetro –conductímetro o Salinómetro de inducción Beakers 3 Reactivos Agua Estándar de Mar de 35 º/oo Soluciones de KCl 4 Procedimiento Las muestras en campo pueden medirse directamente introduciendo la sonda en la columna de agua y procurando sumergirla siempre a la misma profundidad (25 cm por debajo de la superficie). Para muestras extraídas del fondo de la columna, se transfiere de la botella de muestreo a una botella de polietileno; en el momento de realizar la lectura se introduce la sonda en la botella, se mantiene una agitación constante con movimientos circulares y se registra el valor de la salinidad y la conductividad. 5 Calibración La calibración se efectúa a partir de Agua de Mar Estándar de 35 partes por mil de salinidad, si el equipo es conductímetro – salinómetro; para la calibración se pueden emplear estándares de conductividad comerciales o soluciones de KCl de concentración conocida, siguiendo las indicaciones del manual del equipo. 6 Cálculos El salinómetro da directamente la medida de la salinidad en psu; en el caso de no contar con este equipo y disponer sólo de un conductímetro se recurre al algoritmo reportado en Standard Methods: Salinidad=0.008-0.1692*Rt0.5+25.3851*Rt+14.0941*Rt1.5-7.0261*Rt2+2.7081*Rt2.5+(T-15) *(0.0005-0.0056*Rt0.5-0.0066*Rt-0.0375*Rt1.5+0.0636*Rt2-0.0144*Rt2.5)/(1+0.0162*(T-15)) Rt = Co/42914/(0.6766097+0.0200564*T+0.0001104259*T2-0.00000069698*T3+ 0.0000000010031*T4)

297

Co= Ce*(1+0.0184*(T-25)) Rt = Conductividad relativa a la temperatura de la muestra Ce = Conductividad específica a 25 oC Co = Conductividad a la temperatura de la muestra Algoritmo: Ejemplo: Observaciones: Referencias: APHA.1998. Standard Methods for the Examination of Water and Wastewater. Edición 20. APHA/AWWA/WPCF. 2-48 pp WTW-ORION. Manual de instrucciones. Salinometer WTW-640

proyecto diseño y operación del sistema de información...

Documents