Servicios Personalizados
Revista
Articulo
texto en 
Inglés (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por emailIndicadores
-
Citado por SciELO -
Accesos
Links relacionados
-
Similares en
SciELO
Compartir
Permalink
Revista Chapingo serie ciencias forestales y del ambiente
versión On-line ISSN 2007-4018versión impresa ISSN 2007-3828
Rev. Chapingo ser. cienc. for. ambient vol.29 no.2 Chapingo may./ago. 2023 Epub 05-Abr-2024
https://doi.org/10.5154/r.rchscfa.2022.09.063
Artículos científicos
Pérdida de cobertura vegetal riparia por acciones de desazolve del río Pitillal en Jalisco
1
http://orcid.org/0000-0002-1297-2822
1
*
http://orcid.org/0000-0002-7237-5894
1Universidad de Guadalajara, Centro Universitario de la Costa, Laboratorio de Ecología, Paisaje y Sociedad. Av. Universidad núm. 203, Delegación Ixtapa. C. P. 48280. Puerto Vallarta, Jalisco, México.
Introducción:
Los disturbios antrópicos como los desazolves afectan los componentes estructurales y funcionales de los bosques riparios, comprometiendo su capacidad de proveer servicios ecosistémicos.
Objetivos:
Cuantificar la pérdida de cobertura vegetal de un bosque ripario por acciones de desazolve en el río Pitillal (Puerto Vallarta, Jalisco).
Materiales y métodos:
Se utilizó el índice multiespectral NDVI en conjunto con matrices de cambio de uso de suelo y vegetación para determinar la extensión, pérdida de cobertura vegetal e impacto al momento del desazolve y un año después del suceso.
Resultados y discusión:
La superficie de desazolve fue 6.93 ha, de las cuales 2.82 ha (40.7 %) fueron áreas severamente afectadas con pérdida total de cobertura vegetal; el suelo desnudo incrementó superficialmente en 736 %. Un año después del desazolve se identificó el inicio de un proceso de sucesión, siendo el suelo desnudo reemplazado por herbáceas y arbustos.
Conclusión:
El bosque presentó daño severo a causa del desazolve, pero mostró posible recuperación después del impacto.
Palabras clave: análisis espacial; disturbios antrópicos; proceso de sucesión; suelo desnudo; uso de suelo
Introduction:
Anthropogenic disturbances such as dredging affect the structural and functional components of riparian forests, compromising their capacity to provide ecosystem services.
Objectives:
To quantify the loss of vegetation cover of a riparian forest by dredging activities in the Pitillal River (Puerto Vallarta, Jalisco).
Materials and methods:
The multispectral NDVI index was used with land use and vegetation change matrices to determine the extent, loss of vegetation cover and impact at the time of dredging and one year after the event.
Results and discussion:
The dredging area was 6.93 ha, of which 2.82 ha (40.7 %) were severely affected areas with total loss of vegetation cover; bare soil increased in surface area by 736 %. One year after clearing, the beginning of a succession process was identified, with bare soil being replaced by herbaceous plants and shrubs.
Conclusion:
This forest was severely damaged by dredging but showed possible recovery after the impact.
Keywords: spatial analysis; anthropic disturbances; succession process; bare soil; land use
Introducción
El bosque de ribera del río Pitillal, ubicado en la ciudad turística de Puerto Vallarta, Jalisco, fue intervenido entre la primera y tercera semana de junio de 2020 para realizar acciones de desazolve como medida de prevención ante inundaciones, dando como resultado pérdida de cobertura vegetal. Estas acciones generaron debates y opiniones divididas entre la población, academia y gobierno municipal, donde los temas principales eran la magnitud del impacto y sus posibles implicaciones. Es conocido que los bosques de ribera proporcionan una serie de beneficios a la biodiversidad de los ambientes acuáticos y terrestres, así como provisión de servicios ecosistémicos a las poblaciones humanas (Cole et al., 2020; Riis et al., 2020). Entre estos se incluyen la regulación climática, control de la erosión, protección contra inundaciones, suministro de alimentos y madera, así como beneficios intangibles al brindar espacios para la recreación, la salud física y mental, manifestaciones culturales y desarrollo cognitivo (Canales-Gómez et al., 2022; Flores-Díaz et al., 2014; Grizzetti et al., 2019; Pandey et al., 2022). No obstante, estos ambientes se consideran entre los más vulnerables del mundo, debido a las actividades antrópicas como el cambio de uso de suelo, alteración de cauces, represamiento, extracción y contaminación del agua, y obras para el control de inundaciones (Albert et al., 2020). Estas amenazas modifican la composición de especies (Brice et al., 2016), alteran los regímenes hidrológicos y sedimentarios (Van Looy et al., 2017) y disminuyen la capacidad de estos sistemas para brindar los servicios ecosistémicos y beneficios antes mencionados (Pandey et al., 2022).
El río Pitillal se localiza en una zona donde ocurren procesos acelerados de urbanización que incluyen el establecimiento de complejos hoteleros, condominios y centros comerciales en su desembocadura (Cárdenas-Gómez & Rodríguez-Bautista, 2012). Desde hace varios años, la parte baja del río ha tenido modificaciones en la ribera y uso de suelo circundante. A inicios del siglo XX se establecieron plantaciones comerciales de plátano y otros cultivos (Gómez-Encarnación, 2021). De las alteraciones más importantes se encuentra el desvío del cauce (iniciado en 1998) como medida de prevención de inundaciones como las ocurridas en 1971 y 1998 (Martínez-Hernández et al., 2014). La modificación consistió en la rectificación del meandro cercano a la desembocadura en un trayecto de 1 250 m y la ampliación del cauce a 160 m y una profundidad de 4 m (Morales, López, 2018). Posterior a esta intervención no se realizaron acciones de mantenimiento hasta el desazolve analizado en este estudio. Esto favoreció la expansión de la vegetación, llegando a conformar un bosque compuesto por vegetación arbórea como sauces (Salix humboldtiana Willd.), higueras (Ficus insipida Willd.), camichines (Ficus padifolia Kunth), jarretaderas (Acacia hindsii Benth.), guamúchiles (Pithecellobium dulce [Roxb.] Benth.), guamuchilillos (Pithecellobium lanceolatum [Humb. & Bonpl. ex Willd.] Benth.) y parotas (Enterolobium cyclocarpum [Jacq.] Griseb.); gramíneas y herbáceas de crecimiento rápido y ciclos de vida cortos como el quelite (Amaranthus hybridus L.); varias especies del género Cyperus conocidas como coquillos; especies arbustivas como huizache (Acacia farnesiana [L.] Willd.); así como higuerilla (Ricinus communis L.) en los sitios más perturbados (Aréchiga et al., 2022). La mayoría de estas especies coinciden con los registros históricos (anteriores a 1960) de la flora del lugar (Gómez-Encarnación, 2021).
Con base en los antecedentes expuestos, y dada la importancia que el bosque de ribera representa para la biodiversidad de la región y por los servicios ecosistémicos que brinda a la población, el objetivo de este trabajo fue cuantificar la pérdida de cobertura vegetal del bosque ripario del río Pitillal derivada del desazolve y evaluar el cambio un año después del suceso. La hipótesis plantea que las acciones de desazolve impactaron el bosque de ribera, disminuyendo la protección natural que estos ecosistemas proveen contra inundaciones, dejando vulnerables a los asentamientos humanos ubicados en la zona.
Materiales y métodos
Área de estudio
El área de estudio comprende la superficie donde se realizó la intervención para el desazolve del río Pitillal en junio del 2020. Dicha zona abarca una distancia lineal de 1 064.5 m, contigua a la desembocadura del cuerpo de agua, en el municipio de Puerto Vallarta, Jalisco, México (Figura 1). Para este estudio se delimitó un polígono de 21.29 ha a partir de una zona de influencia de 100 m a ambos márgenes del río.
Análisis espaciales
Los análisis espaciales se hicieron con base en imágenes satelitales Sentinel-2A de resolución espacial de 10 m (European Space Agency [ESA], 2021) y considerando tres tiempos: previo al desazolve (25/5/2020), momento posterior inmediato (19/6/2020) y un año después (12/5/2021). Las imágenes se preprocesaron de manera automática con las correcciones atmosféricas del método de sustracción de objeto oscuro (Dark Object Substraction; Chavez, 1988) y también se corrigieron automáticamente para convertir los números digitales a valores de reflectancia. Este preprocesamiento se realizó con el complemento Semi-Automatic Classification Plugin (Congedo, 2021) para QGIS 3.6 (Quantum GIS Development Team, 2016).
Cobertura vegetal y uso de suelo
La clasificación y extensión de la cobertura vegetal y usos de suelo se estimaron con el Índice Normalizado Diferencial de Vegetación (NDVI) (Rouse & Space, 1973). Este índice se ha utilizado ampliamente para evaluación de productividad primaria (Xiao et al., 2005), monitoreo fenológico (Fisher et al., 2006; Weiss et al., 2004) y clasificación de vegetación (Jia et al., 2014), incluyendo vegetación riparia (Fu & Burgher, 2015; Jeong et al., 2016; Montilla-Pacheco & Pacheco-Gil, 2017). Además, la sensibilidad del índice permite aplicarlo en la evaluación de impactos y daños en la zona riparia y como apoyo en la toma de decisiones (Gandhi et al., 2015; Yang, 2007).
El NDVI se obtiene de combinaciones aritméticas entre dos bandas relacionadas con las características espectrales de la vegetación de acuerdo con la fórmula NDVI = NIR - R / NIR + R; donde, NIR es la reflectancia corregida atmosféricamente correspondiente al infrarrojo cercano y R es la reflectancia corregida atmosféricamente correspondiente al rojo. El índice comprende valores entre -1 y 1, a partir de los cuales se clasifican las coberturas y usos de suelo; los valores positivos se asocian a coberturas vegetales. En este estudio se determinaron cuatro categorías con base en los criterios de Cartaya Ríos et al. (2014): 1) vegetación cerrada, 2) vegetación abierta, 3) vegetación dispersa y 4) suelo desnudo (Cuadro 1).
Cuadro 1 Valores del índice NDVI con respecto a la cobertura y uso de suelo.
| Cobertura y uso de suelo | Descripción | Valores NDVI |
|---|---|---|
| Vegetación cerrada | Plantas densas en crecimiento, especies deciduas y semideciduas | >0.40 |
| Vegetación abierta | Vegetación leñosa y arbustos | 0.25-0.40 |
| Vegetación dispersa | Hierbas y arbustos dispersos | 0.15-0.25 |
| Suelo desnudo | Suelos sin cobertura vegetal, vegetación muerta, construcciones y rocas | <0.15 |
Pérdida de cobertura vegetal e impacto del desazolve
La pérdida de cobertura vegetal por las actividades de desazolve se determinó mediante una matriz de cambio de cobertura y uso de suelo (Pontius et al., 2004). La severidad del impacto se estimó a partir de la diferencia en los valores de NDVI entre la fecha previa y posterior al evento. Los valores se clasificaron en seis categorías de impacto, siguiendo el método de generación de rangos de los umbrales naturales (natural breaks o ‘Jenks’), el cual es una clasificación con base en la naturaleza de los datos (Jenks, 1967; Osaragi, 2002). Las categorías fueron: nulo a muy bajo (0.59 a 0.11), muy bajo (0.12 a 0.02), bajo (0.03 a -0.04), medio (-0.05 a -0.12), alto (-0.13 a -0.39) y severo (-0.40 a -0.93). Se consideró como área de impacto aquella correspondiente a las categorías alto, severo y medio, debido a que estas representan los cambios más significativos entre coberturas y usos de suelo.
Evaluación a un año del impacto
La evaluación de seguimiento a un año del desazolve incorporó, a las matrices de cambio de cobertura y uso de suelo, el cálculo de la tasa de cambio entre junio de 2020 y mayo 2021 con base en la fórmula propuesta por la FAO (Food and Agriculture Organization of the United Nations, 1995):
donde,
δn = tasa de cambio (ha)
S1 = superficie del mapa fecha 1 (ha)
S2 = superficie del mapa fecha 2 (ha)
n = número de años entre ambas fechas.
La significancia de la correspondencia espacial entre los mapas utilizados para determinar el cambio de cobertura y uso de suelo se determinó mediante el cálculo de los índices siguientes (Maass & Regil García, 2010; Pérez-Rubio et al., 2021): índice Kappa (Cohen, 1960), χ 2, índice V de Cramer e índice de concordancia Kappa (KIA). Los dos últimos varían entre 0 y 1, siendo 1 el indicativo de una concordancia perfecta y 0 indica un patrón debido al azar (De Smith et al., 2018). Estos valores se calcularon con el software IDRISI 17.02 Selva (Eastman, 2012).
Resultados y discusión
Previo al desazolve, el área contaba con 88.96 % (18.94 ha) de cobertura vegetal cerrada (Figuras 2A y 3A; Cuadro 2). Posterior al impacto, el suelo desnudo incrementó de 0.47 ha a 3.93 ha, lo cual representa un aumento de 736 % (Figura 2B; Cuadro 2). La superficie afectada comprendió 32 % del área total, concentrada principalmente en el margen del río; las áreas de impacto severo ocuparon 13 %, mientras que el impacto alto y medio representaron 10 % y 9 %, respectivamente (Figura 2D).
Figura 2 Cobertura y uso de suelo del área de estudio en el momento previo (A), inmediatamente posterior (B) y un año después (C) del desazolve; nivel de impacto (D) y cambio de coberturas y uso de suelo posterior al desazolve (E) y después de un año (F). Las gráficas muestran los porcentajes del área ocupada por cada categoría referida.
Cuadro 2 Superficie y tasa de cambio de la cobertura y uso de suelo en el bosque de ribera intervenido por el desazolve del río Pitillal.
| Cobertura y uso de suelo | Superficie | Tasa de cambio 2020-2021 (ha) | |||||
|---|---|---|---|---|---|---|---|
| Mayo 2020 | Jun 2020 | Mayo 2021 | |||||
| (ha) | (%) | (ha) | (%) | (ha) | (%) | ||
| Vegetación cerrada | 18.94 | 88.96 | 12.88 | 60.5 | 16.54 | 77.69 | -3.40 |
| Vegetación abierta | 1.39 | 6.53 | 2.32 | 10.90 | 3.53 | 16.58 | 1.14 |
| Vegetación dispersa | 0.49 | 2.30 | 2.16 | 10.15 | 1.19 | 5.59 | -0.30 |
| Suelo desnudo | 0.47 | 2.20 | 3.93 | 18.46 | 0.03 | 0.14 | -1.44 |
| Total | 21.29 | 100 | 21.29 | 100 | 21.29 | 100 | |
El análisis de cambio de uso de suelo indicó que 17 % del área registró pérdida total de la cobertura vegetal y 16 % tuvo cambio negativo de cobertura cerrada a cobertura abierta y de esta a dispersa (Figuras 2E y 3B). En total, 6.49 ha ocupadas por vegetación cerrada fueron reemplazadas por las tres coberturas restantes: suelo desnudo, vegetación dispersa y vegetación abierta (Cuadro 3).
Cuadro 3 Matriz de cambio de cobertura y uso de suelo (ha) junio 2020 - mayo 2020.
| Mayo 2020 | Junio 2020 | ||||
|---|---|---|---|---|---|
| Vegetación cerrada | Vegetación abierta | Vegetación dispersa | Suelo desnudo | Total (ha) | |
| Vegetación cerrada | 12.45 | 1.52 | 1.74 | 3.23 | 18.94 |
| Vegetación abierta | 0.42 | 0.68 | 0.19 | 0.1 | 1.39 |
| Vegetación dispersa | 0.01 | 0.11 | 0.18 | 0.19 | 0.49 |
| Suelo desnudo | 0 | 0.01 | 0.05 | 0.41 | 0.47 |
| Total | 12.88 | 2.32 | 2.16 | 3.93 | 21.29 |
Índice Kappa = 0.7488, χ2 = 6390.16, g. l. = 16, P < 0.001; V de Cramer = 0.5527.
Figura 3 Vista panorámica del área de estudio mostrando la cobertura vegetal previa (A) y posterior (B) al desazolve. Fuente: Carolina Arévalo.
A un año del evento se identificó cambio en las coberturas y uso del suelo del área intervenida, caracterizado por el aumento de superficie correspondiente a vegetación cerrada con una ganancia de 3.66 ha, la cual pasó de 12.88 ha en el 2020 a 16.54 ha en 2021 (Cuadro 2), localizada principalmente en la zona contigua a las superficies sin cambio y en donde se registró nivel de impacto medio. Asimismo, el cambio en la zona de impacto severo fue notable, donde el suelo desnudo fue reemplazado por cobertura de vegetación dispersa y abierta (Figura 2F; Cuadro 4). La tasa anual de cambio de coberturas y uso de suelo permitió identificar una pérdida de 3.4 ha de vegetación cerrada y una ganancia de 1.14 ha de vegetación abierta (Cuadro 2).
Cuadro 4 Matriz de cambio de cobertura y uso de suelo (ha) mayo 2021 - junio 2020.
| Junio 2020 | Mayo 2021 | ||||
|---|---|---|---|---|---|
| Vegetación cerrada | Vegetación abierta | Vegetación dispersa | Suelo desnudo | Total | |
| Vegetación cerrada | 12.42 | 0.46 | 0 | 0 | 12.88 |
| Vegetación abierta | 1.59 | 0.65 | 0.08 | 0 | 2.32 |
| Vegetación dispersa | 1.31 | 0.75 | 0.1 | 0 | 2.16 |
| Suelo desnudo | 1.22 | 1.67 | 1.02 | 0.02 | 3.93 |
| Total | 16.54 | 3.53 | 1.2 | 0.02 | 21.29 |
Índice Kappa = 0.7351, χ2 = 8066.19, g. l. = 20, P < 0.001; V de Cramer = 0.5963.
Los bosques riparios son ecosistemas dinámicos y de alta resiliencia a perturbaciones naturales (Naiman et al., 2010); sin embargo, los disturbios antrópicos como los desazolves afectan sus componentes estructurales y funcionales (Cornejo-Denman et al., 2018). En este estudio se constató que el desazolve generó pérdida de cobertura vegetal cerrada, particularmente en el área contigua al cauce del río Pitillal. La importancia de mantener dicha vegetación es fundamental para la dinámica de los bosques de ribera, debido a que estos ayudan a mitigar la erosión y los impactos de las inundaciones, regulan la calidad del agua y mantienen la biodiversidad acuático-terrestre y sus servicios ecosistémicos asociados (Cole et al., 2020; Riis et al., 2020). Se ha documentado que las medidas contra inundaciones como el mantenimiento de bosques de ribera y reforestación en las partes altas de las cuencas proveen mayores beneficios y mejores relaciones costo-beneficio con respecto a medidas como los desazolves y construcción de infraestructura (Daigneault et al., 2016). Por ejemplo, se ha estimado que 1 ha de bosque de ribera puede mitigar daños por inundaciones hasta por un valor de 1 900 EUR anuales (Barth & Döll, 2016). Otros autores como Gallay et al. (2021) estiman valores similares (1 700 EUR) para el caso de coberturas boscosas; sin embargo, dichas estimaciones se basan en bosques riparios no perturbados. A un año del desazolve, el área mostró indicios del inicio de un proceso de sucesión, donde el suelo desnudo fue reemplazado por coberturas de herbáceas y arbustos, coincidiendo con lo señalado por Stępień et al. (2019). Suganuma y Durigan (2015) estiman que un bosque de galería puede alcanzar el estado de un bosque secundario en un periodo de entre 40 y 70 años. Durante este periodo, el proceso de sucesión puede tomar trayectorias distintas dependiendo de los factores intrínsecos y extrínsecos, por lo cual, incluso después del término de la sucesión, la zona puede no brindar las mismas funciones y servicios ecosistémicos previos al disturbio (Warren et al., 2016). Los resultados del presente estudio constituyen un diagnóstico del impacto de una ejecución deficiente de medidas preventivas contra inundaciones, la cual, con base en lo expuesto, podría derivar en repercusiones mayores al riesgo que buscaba prevenir. Es importante notar que, a pesar de que los impactos generados por las acciones de desazolve han sido documentados científicamente, el sector gubernamental y algunos sectores de la población continúan aceptando esta medida como una alternativa preventiva. De acuerdo con Smith et al. (2019) esto obedece a un entendimiento errado de las causas que generan las inundaciones y de los efectos que una planeación urbana deficiente ha tenido sobre los ríos. Por tanto, la realización de estudios que diagnostiquen la degradación y el estado ecohidrológico de los ríos urbanos es prioritaria para el diseño e implementación de medidas específicas de restauración que mitiguen las consecuencias de la pérdida de cobertura vegetal y otras alteraciones históricas (Cochero et al., 2016; Guimarães et al., 2021).
Conclusiones
Las acciones de desazolve en el río Pitillal ocasionaron impactos en el bosque de galería clasificados en su mayoría como altos y severos. La mayor parte del área intervenida cambió de cobertura vegetal natural a suelo desnudo, vegetación dispersa y vegetación abierta. Debido al impacto ocasionado, son necesarias las acciones de conservación y restauración de las barreras naturales que los bosques de galería brindan en esta zona. El sector gubernamental y algunos sectores de la población continúan aceptando la medida del desazolve como una alternativa preventiva. Por ello, es necesario incrementar las intervenciones en materia de divulgación científica y educación ambiental que promuevan la concientización y la participación de la sociedad civil en la demanda de soluciones eficientes y sostenibles.
Agradecimientos
Esta investigación fue apoyada por el proyecto núm. 266080 a través del Programa de Fortalecimiento de la Investigación y el Posgrado de la Universidad de Guadalajara otorgado al Laboratorio de Ecología, Paisaje y Sociedad, CUCOSTA-UdeG y por el proyecto núm. 265189 del Programa de Apoyo a la Mejora en las Condiciones de Producción de los Miembros del SNI y SNCA (PROSNI).
REFERENCIAS
Albert, J. S., Destouni, G., Duke-Sylvester, S. M., Magurran, A. E., Oberdorff, T., Reis, R. E., Ripple, W. J. (2020). Scientists’ warning to humanity on the freshwater biodiversity crisis. Ambio, 50, 85‒94. https://doi.org/10.1007/s13280-020-01318-8 [ Links ]
Arechiga, J., Esquivel, T., Camacho, A., Delgado-Rodríguez, M. R., Vargas-González, P., & Quijas, S. (2022). Diversidad florística y estructural de la vegetación riparia a lo largo de un gradiente urbano-natural del río Pitillal, Jalisco, México. Revista U. D. C. A. Actualidad & Divulgación Científica, 25(1), 1‒14. https://doi.org/10.31910/rudca.v25.nSupl.1.2022.2196 [ Links ]
Barth, N.-C., & Döll, P. (2016). Assessing the ecosystem service flood protection of a riparian forest by applying a cascade approach. Ecosystem Services, 21, 39‒52. https://doi.org/10.1016/j.ecoser.2016.07.012 [ Links ]
Brice, M. -H., Pellerin, S., & Poulin, M. (2016). Environmental filtering and spatial processes in urban riparian forests. Journal of Vegetation Science, 27(5), 1023‒1035. https://doi.org/10.1111/jvs.12425 [ Links ]
Canales-Gómez, E., Díaz-Gómez, R., Cervantes-Ríos, J., & Téllez-López, J. (2022). Mapeo y amenazas de los servicios ecosistémicos culturales de la pesca artesanal para el desarrollo regional en una subcuenca antropizada del occidente de México. Revista EURE-Revista de Estudios Urbano Regionales, 48(143), 1‒16. https://doi.org/10.7764/EURE.48.143.10 [ Links ]
Cárdenas-Gómez, E. P., & Rodríguez-Bautista, J. J. (2012). La transformación urbana de Puerto Vallarta, Jalisco. Espacios Públicos, 15(34), 208‒230. https://www.redalyc.org/pdf/676/67623463016.pdf [ Links ]
Cartaya Ríos, S., Zurita Alfaro, S., Rodríguez Ríos, E., & Montalvo Párraga, V. (2014). Comparación de técnicas para determinar cobertura vegetal y usos de la tierra en áreas de interés ecológico, Manabí, Ecuador. UD y la Geomática, 9, 5‒17. https://doi.org/10.14483/23448407.7883 [ Links ]
Chavez, P. S. (1988). An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, 24(3), 459‒479. https://doi.org/10.1016/0034-4257(88)90019-3 [ Links ]
Cochero, J., Cortelezzi, A., Tarda, A. S., & Gómez, N. (2016). An index to evaluate the fluvial habitat degradation in lowland urban streams. Ecological Indicators, 71, 134‒144. https://doi.org/10.1016/j.ecolind.2016.06.058 [ Links ]
Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37‒46. https://doi.org/10.1177/001316446002000104 [ Links ]
Cole, L. J., Stockan, J., & Helliwell, R. (2020). Managing riparian buffer strips to optimize ecosystem services: A review. Agriculture, Ecosystems & Environment, 296, 106891. doi: https://doi.org/10.1016/j.agee.2020.106891 [ Links ]
Congedo, L. (2021). Semi-automatic classification plugin: A Python tool for the download and processing of remote sensing images in QGIS. Journal of Open Source Software, 6(64), 3172. https://doi.org/10.21105/joss.03172 [ Links ]
Cornejo-Denman, L., Romo-Leon, J., Castellanos, A., Diaz-Caravantes, R., Moreno-Vázquez, J., & Mendez-Estrella, R. (2018). Assessing riparian vegetation condition and function in disturbed sites of the arid Northwestern Mexico. Land, 7(1), 13. http://doi.org/10.3390/land7010013 [ Links ]
Daigneault, A., Brown, P., & Gawith, D. (2016). Dredging versus hedging: Comparing hard infrastructure to ecosystem-based adaptation to flooding. Ecological Economics, 122, 25‒35. https://doi.org/10.1016/j.ecolecon.2015.11.023 [ Links ]
De Smith, M. J., Goodchild, M. F., & Longley, P. A. (2018). Geospatial analysis: A comprehensive guide to principles, techniques and software tools (6th ed.). The Winchelsea Press. [ Links ]
Eastman, J. R. (2012). IDRISI Selva. Guía para SIG y procesamiento de imágenes. http://www.clarklabs.org/ [ Links ]
European Space Agency (ESA). (2021). Copernicus Open Access Hub. https://scihub.copernicus.eu/dhus/#/home [ Links ]
Fisher, J., Mustard, J., & Vadeboncoeur, M. A. (2006). Green leaf phenology at Landsat resolution: Scaling from the field to the satellite. Remote Sensing of Environment, 100(2), 265‒279. https://doi.org/10.1016/j.rse.2005.10.022 [ Links ]
Flores-Díaz, A. C., Castillo, A., Sánchez-Matías, M., & Maass, J. M. (2014). Local values and decisions: views and constraints for riparian management in western Mexico. Knowledge and Management of Aquatic Ecosystems, 414, 6. https://doi.org/10.1051/kmae/2014017 [ Links ]
Food and Agriculture Organization of the United Nations (FAO). (1995). Forest resources assessment 1990. Author. https://www.fao.org/3/w0015e/w0015e00.htm [ Links ]
Fu, B., & Burgher, I. (2015). Riparian vegetation NDVI dynamics and its relationship with climate, surface water and groundwater. Journal of Arid Environments, 113, 59‒68. https://doi.org/10.1016/j.jaridenv.2014.09.010 [ Links ]
Gallay, I., Olah, B., Gallayová, Z., & Lepeška, T. (2021). Monetary valuation of flood protection ecosystem service based on hydrological modelling and avoided damage costs. An example from the Čierny Hron River Basin, Slovakia. Water, 13(2), 198. https://doi.org/10.3390/w13020198 [ Links ]
Gandhi, G. M., Parthiban, S., Thummalu, N., & Christy, A. (2015). Ndvi: Vegetation change detection using remote sensing and Gis - A case study of Vellore District. Procedia Computer Science, 57, 1199‒1210. https://doi.org/10.1016/j.procs.2015.07.415 [ Links ]
Gómez-Encarnación, E. (2021). Crónica histórica asociada al río Pitillal, Puerto Vallarta Jalisco. Acta Pesquera, 7(13), 11‒16. http://cimateuan.education/revistav2/index.php/AP/article/view/85/98 [ Links ]
Grizzetti, B., Liquete, C., Pistocchi, A., Vigiak, O., Zulian, G., Bouraoui, F., & Cardoso, A. C. (2019). Relationship between ecological condition and ecosystem services in European rivers, lakes and coastal waters. Science of the Total Environment, 671, 452‒465. https://doi.org/10.1016/j.scitotenv.2019.03.155 [ Links ]
Guimarães, L. F., Teixeira, F. C., Pereira, J. N., Becker, B. R., Oliveira, A. K. B., Lima, A. F., Miguez, M. G. (2021). The challenges of urban river restoration and the proposition of a framework towards river restoration goals. Journal of Cleaner Production, 316, 128330. https://doi.org/10.1016/j.jclepro.2021.128330 [ Links ]
Jenks, G. F. (1967). The data model concept in statistical mapping. In K. Frenzel (Ed.), International yearbook of cartography (vol. 7, pp. 186‒190). George Phillip. [ Links ]
Jeong, S. G., Mo, Y., Kim, H. G., Park, C. H., & Lee, D. K. (2016). Mapping riparian habitat using a combination of remote-sensing techniques. International Journal of Remote Sensing, 37(5), 1069‒1088. https://doi.org/10.1080/01431161.2016.1142685 [ Links ]
Jia, K., Liang, S., Zhang, L., Wei, X., Yao, Y., & Xie, X. (2014). Forest cover classification using Landsat ETM+ data and time series MODIS NDVI data. International Journal of Applied Earth Observation and Geoinformation, 33, 32‒38. https://doi.org/10.1016/j.jag.2014.04.015 [ Links ]
Maass, S. F., & Regil García, H. H. (2010). IDRISI como herramienta para la evaluación de Áreas Naturales Protegidas. El caso del Parque Nacional Nevado de Toluca. Revista Geográfica de América Central, 1, 127‒149. https://www.redalyc.org/pdf/4517/451744661005.pdf [ Links ]
Martínez-Hernández, V., González-Ruelas, M. E., Carrillo-González, F. M., & Cornejo-López, V. M. (2014). Desastres por eventos meteorológicos y su percepción social en Puerto Vallarta, Jalisco. Acta Republicana, 13(13), 61‒70. http://148.202.18.157/sitios/publicacionesite/pperiod/republicana/pdf/ActaRep13/6.pdf [ Links ]
Montilla-Pacheco, A. d. J., & Pacheco-Gil, H. A. (2017). Comportamiento temporal y espacial del bosque ribereño en el curso bajo del río Portoviejo y la Quebrada Chilán, Provincia de Manaví, Ecuador. Revista Internacional de Contaminación Ambiental, 33(1), 21‒35. https://doi.org/10.20937/RICA.2017.33.01.02 [ Links ]
Morales López, D. A. (2018). Impactos ambientales del desarrollo urbano en las márgenes del río el Pitillal en Puerto Vallarta, Jalisco, 2014 - 2016 [Tesis de Maestría, Universidad de Guadalajara]. Repositorio Institucional de la Universidad de Guadalajara. https://www.riudg.udg.mx/handle/20.500.12104/84499 [ Links ]
Naiman, R. J., Decamps, H., & McClain, M. E. (2010). Riparia: Ecology, conservation and management of streamside communities. Elsevier Science. https://doi.org/10.1016/B978-0-12-663315-3.X5000-X [ Links ]
Osaragi, T. (2002). Classification methods for spatial data representation. https://discovery.ucl.ac.uk/id/eprint/254/1/Paper40.pdf [ Links ]
Pandey, S., Kumari, T., Verma, P., Singh, R., & Raghubanshi, A. S. (2022). Impact of anthropogenic stresses on riparian ecosystem and their management perspectives. In S. Madhav, S. Kanhaiya, A. Srivastav, V. Singh, & P. Singh (Eds.), Ecological significance of river ecosystems (pp. 299‒324). Elsevier. [ Links ]
Pérez-Rubio, I., Flores, D., Vargas, C., Mende, A., & Jiménez, F. (2021). Análisis comparativo de susceptibilidad de erosión y evaluación de incertidumbre en la subcuenca del Río Claro, Costa Rica. Revista de Ciencias Ambientales, 55(1), 271‒293. http://doi.org/10.15359/rca.55-1.13 [ Links ]
Pontius, R. G., Shusas, E., & McEachern, M. (2004). Detecting important categorical land changes while accounting for persistence. Agriculture, Ecosystems & Environment, 101(2), 251‒268. https://doi.org/10.1016/j.agee.2003.09.008 [ Links ]
Quantum GIS Development Team. (2016). Quantum GIS Geographic Information System (version 2.10.1) [software]. Open Source Geospatial Foundation Project. http://qgis.osgeo.org [ Links ]
Riis, T., Kelly-Quinn, M., Aguiar, F. C., Manolaki, P., Bruno, D., Bejarano, M. D., & Dufour, S. (2020). Global overview of ecosystem services provided by riparian vegetation. BioScience, 70(6), 501‒514. https://doi.org/10.1093/biosci/biaa041 [ Links ]
Rouse, J. W., & Haas, R. H., Schell, J. A., & Deering, D. W. (1973). Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation. Type II report for the period April 1973-September 1973. https://ntrs.nasa.gov/citations/19730017588 [ Links ]
Smith, W. S., Da Silva, F. L., & Biagioni, R. C. (2019). River dredging: when the public power ignores the causes, biodiversity and science. Ambiente & Sociedade, 22, e00571. http:// doi.org/10.1590/1809-4422asoc0057r1vu19l1ao [ Links ]
Stępień, E., Zawal, A., Buczyński, P., Buczyńska, E., & Szenejko, M. (2019). Effects of dredging on the vegetation in a small lowland river. PeerJ, 7, e6282. https://doi.org/10.7717/peerj.6282 [ Links ]
Suganuma, M. S., & Durigan, G. (2015). Indicators of restoration success in riparian tropical forests using multiple reference ecosystems. Restoration Ecology, 23(3), 238‒251. https://doi.org/10.1111/rec.12168 [ Links ]
Van Looy, K., Tormos, T., Souchon, Y., & Gilvear, D. (2017). Analyzing riparian zone ecosystem services bundles to instruct river management. International Journal of Biodiversity Science, Ecosystem Services & Management, 13(1), 330‒341. https://doi.org/10.1080/21513732.2017.1365773 [ Links ]
Warren, D. R., Keeton, W. S., Kiffney, P. M., Kaylor, M. J., Bechtold, H. A., & Magee, J. (2016). Changing forests-changing streams: riparian forest stand development and ecosystem function in temperate headwaters. Ecosphere, 7(8), e01435. https://doi.org/10.1002/ecs2.1435 [ Links ]
Weiss, J. L., Gutzler, D. S., Coonrod, J. E. A., & Dahm, C. N. (2004). Long-term vegetation monitoring with NDVI in a diverse semi-arid setting, central New Mexico, USA. Journal of Arid Environments, 58(2), 249‒272. https://doi.org/10.1016/j.jaridenv.2003.07.001 [ Links ]
Xiao, X., Zhang, Q., Saleska, S., Hutyra, L., De Camargo, P., Wofsy, S., & Moore III, B. (2005). Satellite-based modeling of gross primary production in a seasonally moist tropical evergreen forest. Remote Sensing of Environment, 94(1), 105‒122. https://doi.org/10.1016/j.rse.2004.08.015 [ Links ]
Yang, X. (2007). Integrated use of remote sensing and geographic information systems in riparian vegetation delineation and mapping. International Journal of Remote Sensing, 28(2), 353‒370. https://doi.org/10.1080/01431160600726763 [ Links ]
Recibido: 01 de Septiembre de 2022; Aprobado: 13 de Marzo de 2023
This is an open-access article distributed under the terms of the Creative Commons Attribution License
