texto en 
Inglés (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
Los procesos de cambio de uso del suelo se han agudizado en el país a partir de la segunda mitad del siglo XX, lo cual ha impactado directamente en la cobertura vegetal. Entre los factores de mayor impacto están los asentamientos humanos y las zonas urbanas (Cuevas et al., 2010). El daño a los ecosistemas forestales por la presión humana es creciente, por ello se debe prestar especial atención al estudio de los efectos ecológicos de la urbanización (Jenerette et al., 2007). En algunas áreas de México, el cambio de uso del suelo al de tipo urbano tiene tasas de cambio muy altas en periodos cortos (Pineda-Jaimes et al., 2009).
La investigación de la interacción entre la urbanización y su incidencia sobre la dinámica de la vegetación es importante para evitar su deterioro (Cuevas et al., 2010). En contraste, los asentamientos cercanos a dichos ecosistemas se benefician de los servicios de regulación, suministro y entretenimiento que estos proveen. Por ello, es necesario conocer cuáles áreas son más susceptibles a la influencia o bien cuáles tienen mayor interacción en la dinámica de la vegetación, con el fin de proporcionar información a los responsables de generar políticas públicas para su protección. Los índices de vegetación (IV) pueden ser descriptores útiles para estos análisis.
Los IV son valores basados en medidas de reflectividad en diferentes longitudes de onda (comúnmente en la región infrarroja y roja), que brindan parámetros numéricos para la biomasa y cuantifican la cantidad o vigor de la vegetación con mínimos disturbios para el suelo y la atmósfera (Bannari et al.,1995; Torres et al., 2014). Lo anterior es posible debido a que las bandas de reflexión de la hoja en el espectro infrarrojo cercano dependen de la estructura de la misma y por ello, las modificaciones en la madurez, estrés, escasez de humedad, vigor y distribución son medibles.
Los IV se clasifican con base en la forma en que se calculan: a) mediante la combinación aritmética de las bandas roja e infrarroja de la pendiente del suelo, como el índice normalizado (NDVI); b) con la línea base del suelo como el parámetro de referencia para la distancia de la vegetación, el índice con corrección del suelo (SAVI), o el índice mejorado con corrección del suelo (MSAVI); c) los conjuntos de bandas no correlacionadas ortogonales, como el índice de componentes principales (PVI).
En México, el deterioro de la vegetación se ha analizado a través del cambio multitemporal de los IV, principalmente en ecosistemas boscosos en Nuevo León (Pérez-Morales, 2014); y a nivel nacional (Meneses-Tovar, 2011; Galicia et al., 2014). Trabajos realizados en bosques de Pinus y Pinus-Quercus; el análisis nacional incluye selva alta, selva baja, bosque mesófilo, manglar, matorral, pastizal y desierto. En todos, el índice NDVI es el más utilizado.
Un aspecto innovador ha sido evaluar el efecto de la urbanización en la vegetación a partir del cambio en los índices de vegetación y su correlación con la densidad de la población (Jenerette, 2007; Li et al., 2014; Levin, 2015), el ingreso de la población (Martin et al., 2004), la distancia a las vías de comunicación (Li et al., 2014); y el área urbanizada (Sun et al., 2011). Dicha estrategia se basa en la medición sistemática de los IV para monitorear la dinámica de la vegetación, como resultado de la transición de distintos usos del suelo, específicamente, la urbanización.
Sin embargo, se carece de metodologías documentadas que permitan medir, si el cambio en los IV se relaciona espacialmente con la cercanía de las áreas urbanas.
Es necesario comprobar, si esta correlación sirve como un método para conocer, a través de técnicas de análisis espacial la existencia de una relación entre la susceptibilidad de la vegetación, debida a la cercanía de áreas urbanas y el rápido crecimiento de estas. Por tal motivo se seleccionó el corredor Pachuca-Tizayuca como un estudio de caso para probar esta propuesta metodológica, ya que sus municipios presentan altas tasas de crecimiento urbano.
Materiales y Métodos
a) Localización y carsacterísticas físicas del área de estudio
La zona de estudio se ubica al sur del estado de Hidalgo y comprende a los municipios Pachuca, Mineral de la Reforma, Zapotlán de Juárez, Villa de Tezontepec, Tolcayuca, Tizayuca y parte de San Agustín Tlaxiaca y Zempoala (Figura 1); con un área total de 964.45 km2 (Figura 1).
Fisiográficamente, la región forma parte de la provincia del Eje Neovolcánico Transversal, con topoformas que incluyen sierras, llanuras y lomeríos (Inegi, 2014). La zona de sierra se localiza, en su mayoría, hacia el norte y una pequeña parte al sur de la zona (Inegi, 2014). Dicho sistema está formado por rocas volcánicas de tipo andesítico y dacítico que corresponden al periodo Terciario (SGM, 2007). Los lomeríos se localizan en el noreste (Inegi, 2014), en Mineral de la Reforma; se conforman por andesita, dacita y toba dacítica. La llanura se localiza en la porción centro y sur, que coincide con la mayoría de los asentamientos humanos, tiene una orientación NNE- SSW y está constituida por material vulcano-sedimentario procedente de la sierra y lomeríos que la rodean (SGM, 2007). Forma parte de la región hidrográfica del Pánuco (RH26) y pertenece a la cuenca del río Moctezuma. El clima predominantemente corresponde al semiseco templado y al templado subhúmedo (Inegi, 2008).
La vegetación está representada, por matorral xerófilo y pastizal inducido. El primero se distribuye en la periferia del valle, principalmente en el Cerro de Cubitos, e incluye especies consideradas dentro de la NOM-059-SEMARNAT-2010. Algunas de ellas son: Coryphantha werdemannii Boed., Turbinicarpus pseudomacrochele (Backeb.) Buxb. & Backeb., consideradas en la categoría de Peligro de Extinción; Astrophytum ornatum (DC) Britton & Rose, Cephalocereus seniles (Haw.) Pfeiff., Ferocactus stainesii (Salm-Dyck) Britton & Rose var. pilosus (Galeotti ex Salm- Dyck) Backeb., Mammillaria klissingiana Boed., Mammillaria longimamma DC., Mammillaria zephyranthoides Scheidw., como Amenazadas; Coryphantha durangensis (Runge ex Schum.) Britton & Rose, Coryphantha radians Britton & Rose, Coryphantha retusa Britton & Rose, Echinocactus platyacanthus Link & Otto, Echinocereus pulchellus (Mart.) K. Schum., Ferocactus histrix (DC.) G.E. Linds., Stenocactus coptonogonus (Lem.) A. Berger ex A. W. Hill, Thelocactus leucacanthus (Zucc. ex Pfeiff.) Britton & Rose, en Protección Especial (Zuria y Rendón, 2010).
La vegetación boscosa se ubica al norte del área de estudio, en una parte del Parque Nacional El Chico y corresponde al bosque de oyamel (Abies religiosa (Kunth) Schltdl. & Cham.), bosque de tlaxcal (Juniperus monticola Martínez), y en menor grado bosque de encino (Quercus spp.). De acuerdo con la NOM-059-SEMARNAT-2010 Pseudotsuga macrolepis Flous, Taxus globosa Schltdl. y Litsea glaucescens Kunth están señaladas como en Peligro de Extinción: y Fucrea bendinghaussii, como Amenazada (Conanp, 2005).
Con el objetivo de conocer la relación entre el impacto de la rápida urbanización sobre el ecosistema natural adyacente al corredor Pachuca-Tizayuca, se definieron unidades territoriales a partir del Área Geográfica Básica Rural (AGEB), definida por el Inegi (2007). Esta división se eligió porque refleja características socioeconómicas homogéneas, considera límites municipales y el tamaño de las áreas permite analizar el territorio en una escala más detallada que el nivel municipal.
Dentro de cada unidad de análisis se comparó la proporción del crecimiento urbano con respecto a la diferencia de los índices de vegetación (DIV), y con la distancia a los asentamientos humanos (DU), para ello se llevaron a cabo las siguientes actividades: a) se obtuvo el área urbanizada para los años 2000 y 2014; b) se analizó el contexto climático de la zona, para evaluar la comparabilidad de los años considerados; c) se calcularon los IV, las diferencias entre ambos años ΔIV00-14 y se comparó el crecimiento urbano por cada AGEB; y d) se determinaron las correlaciones entre los ΔIV y el DU.
b) Obtención de la diferencia de área urbana entre 2000 y 2014
Se utilizaron tres imágenes Landsat ETM y OLI multiespectrales, Path-Row 26/46, del mes de febrero de 2000 y 2014 del portal del Servicio Geológico de Estados Unidos (USGS), cuya resolución de pixel es de 30 m de lado. Se corrigieron geométricamente, mediante puntos de control que se obtuvieron de ortofotos de Inegi, escala 1:75 000. Posteriormente, se hizo la calibración radiométrica (Chander et al., 2009) y atmosférica, con el programa ENVI 5.1, y la corrección FLAASH (Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes) desarollada por Kruse (2004), de acuerdo a lo propuesto por Arias et al. (2015) con el fin de convertir los niveles digitales en valores de radiancia y en seguida a valores normalizados de reflectancia, que puedan ser comparados entre diferentes periodos (Hantson et al., 2011).
La clasificación supervisada se efectuó con base en 80 áreas de entrenamiento que se conocían o habían sido verificadas en campo. Esto es un método muy usado para clasificar cubierta y uso del suelo en México (García-Mora y Mas, 2008; Figueroa-Jáuregui et al., 201), que se basa en el establecimiento de valores de reflectancia para agruparlos mediante la clasificación por máxima verosimilitud, con el programa IDRISI (versión Taiga), que tiene muy buen desempeño en detección y modelado de cambio de uso de suelo, comparado con otros (Mas et al., 2014).
Su efectividad se evaluó mediante matrices de confusión, a partir de muestras aleatorias de 400 y 300 puntos de verificación para 2000 y 2014, respectivamente, ya que poblaciones grandes (>10 000) no requieren una muestra superior a 100 (Mas et al., 2003).
Se utilizó el módulo SAMPLE del programa IDRISI, cuya validación de campo se hizo con base en recorridos, imágenes de Google Earth y ortofotos (Inegi, 1999). Se obtuvieron los errores de omisión y comisión para 10 clases de cubierta del suelo: agua, bosque secundario, bosque de coníferas, agrícola en reposo, área erosionada/sin vegetación, urbana, agrícola cultivado, matorral abierto y alterado, matorral denso y sano, y pastizal natural e inducido. Por el tamaño de la muestra se calculó una desviación estándar (≤ 0.05) % y la confiabilidad, de acuerdo a lo recomendado por Mas et al. (2003). Las imágenes clasificadas se filtraron y convirtieron en polígonos, y de esta forma se estimaron las áreas urbanas de 2000, 2014, y sus diferencias.
c) Descripción del contexto climático de la zona
El trabajo se inscribe en aquellos que toman un mismo periodo, como un mes (Morawitz et al., 2006) o más (Levin, 2015), evaluado en distintos años para medir las variaciones en la vegetación más allá de la estacionalidad (Benliay y Altuntaş, 2014). Por esta razón se investigan y describen las tendencias climáticas de los parámetros precipitación y temperatura promedio anuales de las estaciones climatológicas ubicadas en el área de estudio.
Se extraen datos de precipitación media anual y temperatura media anual de las estaciones que se encuentran dentro y en los límites del área de estudio (Cuadro 1).
Cuadro 1 Estaciones climatológicas utilizadas para describir el contexto climático de la zona.
SMN = Servicio meteorológico; DGE = Dirección General del Estado. *Estaciones climatológicas del INIFAP.
Se utilizaron los datos de las estaciones desde 1980 hasta 2014. Con base en sus varianzas se determinó si las condiciones de precipitación y temperatura son comparables en los años 2000 y 2014, ya que se ha demostrado que son los factores que más influyen en los cambios de la vegetación (Mao et al., 2012). De esta forma, se tiene en cuenta el efecto de los cambios en la vegetación causada por los factores climáticos en la correlación ΔIV00-14 y DU.
d) Cálculo de diferencia de índices de vegetación entre 2000 y 2014 y comparación con la urbanización en cada AGEB
Se calcularon diferentes IV para toda el área de estudio mediante las ecuaciones descritas en el Cuadro 2, con el programa ENVI 5.1.
Cuadro 2 Índices de vegetación y su aplicación en el área de estudio.
NDVI = Índice de vegetación de diferencia normalizada; SAVI = Índice de vegetación ajustado al suelo; TSAVI = Índice de vegetación ajustado al suelo transformado, MSAVI = Índice de vegetación ajustado al suelo modificado; IRC = Banda en infrarrojo cercano; R = Banda en el rojo; L = Parámetro que consiste en una constante ajustada al suelo, y X que permite minimizar al máximo el efecto del suelo.
Para el índice TSAVI, la línea del suelo se obtuvo de acuerdo a Eastman (2009), quien describe cómo obtener la pendiente y el intercepto de los valores de la línea del suelo a partir de una regresión entre los valores de los pixeles en suelo desnudo, con respecto a los valores de la banda roja o infrarroja.
Una vez calculados los índices, se determinaron las principales diferencias entre los IV, para ello se uso la calculadora raster para los años evaluados. Se denominaron ΔIV00-14 a los raster que resultan de la diferencia entre los IV (NDVI, SAVI, MSAVI, TSAVI) en el periodo 2000 a 2014.
Posteriormente, se estimaron los valores medios de las ΔIV00-14 para cada AGEB, los cuales se compararon con la proporción de área urbanizada en cada AGEB, a través de gráficas, con el fin de observar si existe relación del aumento de la urbanización con las ΔIV00-14 (Morawitz et al., 2006; Dhorde et al., 2012).
e) Correlaciones espaciales entre los IV y la distancia a las áreas urbanas
La correlación ΔIV vs. DU se calculó mediante regresión espacial bivariada, que se estima con el comando REGRESS del programa IDRISI, versión Taiga (Eastman, 2009). Para medirla, se generó un archivo raster booleano por cada unidad de análisis (AGEB) y se extrajo de cada uno de ellos 10 % de los píxeles, en forma aleatoria. Para descartar la existencia de autocorrelación, se aplicó el test de "I de Morán", con el comando AUTOCORR del mismo programa.
En seguida se comparó en cuáles AGEB la ΔIV tiene mayor correlación con DU, así como el signo de esta correlación, en la cual la variable dependiente es la DIV y la independiente es DU.
Resultados
a) Clasificación supervisada
Consiste en diferenciar el área urbana de otros tipos de cubiertas vegetales. En el caso de la clasificación del año 2000, los errores de omisión y comisión promedio resultaron de 0.17 y 0.15, respectivamente. Los datos de fiabilidad para toda la matriz de confusión se muestran en el Cuadro 3. El valor promedio fue de 0.83 y, por tanto, las áreas urbanas definidas son confiables.
Cuadro 3 Fiabilidad del usuario y productor para las categorías de cubierta del suelo clasificadas para 2000 y 2014.
Para el año 2014, la clasificación tuvo un error de omisión de 0.13 y de comisión de 0.14. La fiabilidad promedio de la clasificación fue de 80.3 %. (Cuadro 3). Con base en esos valores, el área urbana se ha incrementado 51 % en el municipio Pachuca, 138 % en Mineral de la Reforma, y 41 %, 13 % y 88 % en Villa de Tezontepec, Tolcayuca y Tizayuca.
El mapa del aumento de la mancha urbana en la zona de estudio entre los años 2000 y 2014, se muestra en la Figura 2.
b) Los años 2000 y 2014 en el contexto climático de la zona
La temperatura media correspondió a 14.82 ± 0.42 °C. Se observa una línea de tendencia que inicia con 14.6 °C, en 1980, y termina con 15.0 °C en 2014, por lo que en los últimos 30 años ha existido un calentamiento de 0.4 °C (Figura 3).
Fuente: Datos de precipitación (a) y temperatura (b) las estaciones meteorológicas existentes del SMN de 1980 a 2009. Excepto 2014, que es un promedio de las estaciones meteorológicas de INIFAP, ya que SMN solo cuenta con información en el periodo 1980 a 2010.
Figura 3 Datos de precipitación (a) y temperatura (b) medias anuales durante 30 años (1980-2014).
En el periodo estudiado, la temperatura media en el año 2000 fue de 14.8 °C, para una variación menor de 0.2 °C, por lo tanto se asume que no afecte la vegetación.
El valor medio de precipitación, 604 ± 95 mm, con una desviación estándar alta, lo cual indica el comportamiento más disperso e imprevisible de este parámetro. Por ejemplo, en el año 2007 hubo un evento extremo de altas precipitaciones; factor que pudo influir en los resultados de los ΔIV00-14 calculados.
c) Valoración preliminar de DIV colindante a la urbanización en cada AGEB
Los ΔIV calculados permiten visualizar en cuáles de las 27 AGEB hubo coincidencia con el aumento de la urbanización y los cambios de cada uno de los ΔIV calculados entre los años 2000 y 2014, así como su signo (Figura 4). Las unidades que tuvieron el mayor impacto en la vegetación son los AGEB 4, 7, 1, 14, 18, 25 y 26, de ellas, solo la AGEB 4 presentó un impacto negativo.
Figura 4 Diferencias positivas y negativas de los IV en comparación con el suelo urbanizado. (AGEB en el eje X. Proporción de suelo urbanizado (cocientes U/UN) por AGEB y DIV en Y).
Se observa que hay 10 AGEB con importantes crecimientos en la urbanización, y en esos casos DIV no siempre fue negativo.
Relaciones desfavorables del ΔIV respecto al cociente de urbanización U/NU. Se observan en las AGEB en las que aumentó el área urbanizada y el DIV fue negativo. Estas áreas corresponden, en general, a los asentamientos y poblaciones (Pachuca, AGEB 1; Fraccionamientos de Mineral de la Reforma, AGEB 4 y Tizayuca, AGEB 9), y que se han extendido sobre la vegetación nativa o por el uso de matorral y pastizal, como ocurre en el municipio Zapotlán de Juárez (AGEB 6, TSAVI).
Relaciones favorables de ΔIV respecto al cociente U/NU. Se registraron las AGEB en donde las áreas de cultivo se han ampliado y presentan ΔIV positivos, a pesar de la urbanización. Lo anterior ocurre, principalmente, en los fraccionamientos del sur del municipio Pachuca (AGEB 25) y Mineral de la Reforma (AGEB 26), y con menor énfasis en Jagüey de Téllez (AGEB 14), El Cid (AGEB 18), Villa de Tezontepec (AGEB 10) y Tizayuca-Huizila (AGEB 11).
La Figura 5 muestra los mapas con la localización de las AGEB, para cada ΔIV calculado. En color azul se destacan los aumentos ΔIV; es decir sitios en los que la vegetación se ha visto recuperada. En color rojo, se distinguen las pérdidas de ΔIV.
d) Correlaciones espaciales entre los ΔIVs y la distancia a las áreas urbanas DU
La correlación entre ΔIV y la DU se estimó en cada unidad de análisis (AGEB). Se descarta la autocorrelación en cada una mediante el test I de Morán, que dio un valor promedio de 0.07. Esto significa que la proximidad de los pixeles tomados no produce un error de especificación.
En el Cuadro 4 se consignan los parámetros de regresión lineal de las correlaciones que resultaron significativas, y con mayores valores de R para los valores netos de ΔIV vs. DU.
Discusión
Las correlaciones estimadas son válidas en los análisis espaciales como los aplicados en el presente estudio, ejemplo de ello son los trabajos que citan correlaciones entre variables relacionadas a la urbanización (densidad de población, distancia a infraestructura urbana, ingreso promedio) y ΔNDVI con valores de R entre 0.225 y 0.381 (Li et al., 2014). También se obtuvo un valor de R = 0.6 para la correlación entre la densidad de población urbana y ΔNDVI (Morawitz et al., 2006), o entre aspectos socioeconómicos y DIV con valores de R de 0.14 a 0.32 (Mennis, 2006). En este trabajo, los valores de R son mayores a los anteriores y semejantes a los indicados por Jenerette et al. (2007) y Levin (2015).
Se analizó la influencia de la distancia a zonas urbanas sobre los IV como el parámetro principal que describe su cambio ΔIV, se llevó a cabo utilizando valores de ΔIV y DU. De los resultados señalados en el Cuadro 4, se desprende que las AGEB 4 y 23 presentaron un mayor impacto en la vegetación colindante a sus áreas urbanas, mientras que la AGEB 8 no tuvo la misma tendencia.
La AGEB 4 (fraccionamientos del municipio Mineral de la Reforma) registró una correlación lineal negativa con la DU para los cuatro índices evaluados, y esto significa que, en general, la cercanía a las áreas urbanas conlleva a un decrecimiento de la calidad de la vegetación. Se observan que los valores de los coeficientes de correlación R moderados, que varían entre -0.43 y -0.57. El AGEB 23 también presentó correlaciones negativas solo con MSAVI y NDVI, cuyos valores de R correspondieron a -0.30 y -0.39 debido a que en esta zona la vegetación es densa.
En el AGEB 8 (Tolcayuca) las correlaciones fueron positivas significativas, excepto con el TSAVI, en respuesta a la presencia de zonas de matorral denso, y este índice es representativo de zonas con vegetación dispersa. El AGEB 7, solamente, registró correlación significativa con el NDVI, debido a que aumentó el área cultivada entre 2000 y 2014. El cambio positivo en las DIV se produce, principalmente, en áreas lejanas a las áreas urbanas.
Los valores de las pendientes (β1) resultaron pequeños ya que son multiplicadores de la distancia, expresada en metros y, por ello, su intervalo es del 0 a 20 000. Se observa que los valores de β1 son un orden mayor en la AGEB 4; es decir, que la vegetación es mucho más sensible a la cercanía de la zona urbana que otras AGEB. Similarmente, el AGEB 8 tuvo el valor mayor de pendiente en la regresión con el NDVI. Con este ΔIV se obtuvieron las pendientes mayores. Los otros IV también responden al cambio y pueden describirlo, pero no son tan sensibles como NDVI en las áreas estudiadas.
Es necesario considerar que los parámetros climáticos pueden ser causa de más dispersión de los datos en el mismo periodo del año, ya que la precipitación presenta variaciones importantes a lo largo de los años analizados. Efecto que causa los mayores cambios en la vegetación, a pesar de que la temperatura se comporta sin grandes diferencias. Estos trabajos no se pueden deslindar de los factores climáticos, que son las principales causas de la dispersión de los puntos en la regresión y, por tanto, de los bajos y moderados valores de R estudiados (Wessels et al., 2007). En el caso particular de este trabajo, los ΔIV debidos a la cercanía de la zona urbana podrían ser mayores a los esperados ya que la precipitación en el año 2014 fue significativamente superior a la de 2000 (Figura 3).
La estrategia metodológica utilizada para describir los cambios de ΔIV resultó valida en el estudio de caso y el análisis de sus resultados proporciona elementos para los responsables de elaborar políticas públicas para la conservación de ecosistemas que están sujetas a presión por áreas las urbanas, una vez identificadas las zonas de vegetación más susceptibles.
Conclusiones
La estimación de las correlaciones espaciales entre distancia a las áreas urbanas y ΔIV permiten conocer las áreas con mayor presión urbana sobre la vegetación.
La correlación de los valores netos de ΔIV resula significativa e inversamente proporcional a la DU, lo que demuestra que la degradación de la vegetación es mayor a menor distancia de los centros de población rurales o urbanos.
Los AGEB más pequeños presentan pendientes mayores en la correlación ΔIV vs DU y, por tanto, es recomendable utilizar escalas de mayor resolución para estos estudios, en lugar de áreas administrativas que presentan grandes diferencias de superficies.
La correlación espacial entre la diferencia en los índices de vegetación y la distancia a los asentamientos humanos es una aproximación que permite definir en qué áreas es mayor el impacto en la vegetación por la presión urbana. Es recomendable aplicar este método calculando la ΔIV en años con parámetros climáticos muy semejantes.
Los NDVI resultan buenos indicadores de los IV para detectar los impactos de la zona urbana sobre la vegetación colindante, mediante el análisis de correlación lineal de sus cambios en un período de tiempo con la distancia a la mancha urbana.
Conflicto de intereses
Los autores declaran no tener conflicto de intereses.
Contribución por autor
María de la Luz Hernández Flores: trabajo experimental (clasificación supervisada, análisis espacial) y discusión de resultados, Abraham Palacios Romero: apoyo trabajo experimental, Elena María Otazo Sánchez: redacción y discusión de resultados, César Abelardo González Ramírez: estadística, Alberto José Gordillo Martínez: enfoque urbanístico, Karen Andrea Mendoza Herrera: cartografía y elaboración de mapas.
