SciELO - Scientific Electronic Library Online

 
 número116Caracterización de la erosión y de la susceptibilidad al deslizamiento de ladera de jales mineros en Huautla, MorelosAlteraciones hidrológicas en sistemas fluviales semiáridos: un enfoque exploratorio sobre factores naturales y antropogénicos índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


Investigaciones geográficas

versión On-line ISSN 2448-7279versión impresa ISSN 0188-4611

Invest. Geog  no.116 Ciudad de México abr. 2025  Epub 02-Jul-2025

https://doi.org/10.14350/rig.60950 

Artículos

Dinámica en la productividad y degradación de tierras en México

Productivity and land degradation dynamics in Mexico

Patricia Ruiz-García* 
http://orcid.org/0000-0003-3283-5996

Jorge Luís García-Rodríguez** 

Alejandro Ismael Monterroso-Rivas***  + 
http://orcid.org/0000-0003-4348-8918

*Consultor Independiente. Calle Andador primavera s/n, col. Salitrería, 56150, Texcoco, Estado de México, México. Email: patyrug31@gmail.com

**Comisión Nacional de las Zonas Áridas. Carretera a Chapala 655, col. el Álamo, 45560. Tlaquepaque, Jalisco, México. Email: jorgeluis.garciar@conaza.gob.mx

***Universidad Autónoma Chapingo, Departamento de Suelos. Km 38.5, carretera México-Texcoco. 56230, Texcoco, Estado de México, México.


Resumen

La productividad de la tierra (PT) es un indicador fundamental para medir la degradación y desertificación de este recurso. En México aún no se cuenta con un estudio a escala nacional que cuantifique y analice el indicador PT en áreas con condiciones similares (cobertura de la tierra y características bioclimáticas). El objetivo de esta investigación es cuantificar el indicador de PT a escala nacional mediante la determinación de la dinámica de la productividad de la tierra (DPT) para el periodo 2000-2019. El análisis tomó como base ocho regiones climáticas dominantes con cobertura vegetal similar donde se calculó la productividad primaria neta (PPN) mediante la radiación fotosintéticamente activa incidente (MJm-2 año-1), la fracción de la radiación fotosintéticamente activa interceptada por los tejidos verdes y la eficiencia en el uso de la radiación solar (gMS MJ-1). Posteriormente se determinó la PT a través de un análisis multitemporal de la PPN para calcular tres métricas: tendencia, estado y rendimiento. Se evaluó la dinámica de la productividad de la tierra (DPT) con la combinación de las tres métricas anteriores y se obtuvieron cinco clases: mejora, estable, estresado, moderadamente degradado y degradado. Por último, se identificaron los usos de suelo y vegetación según la dinámica y degradación de la PT en las ocho regiones climáticas. El análisis de datos se realizó utilizando el lenguaje R (v4.2.3) integrado en el sistema de información geográfica QGIS (v3.28). La PPN promedio anual varió en todo el país, desde menos de 500 g m-2 año-1 en la región climática árida, hasta poco más de 3000 g m-2 año-1 en la región muy húmeda del país. La métrica de tendencia estable se encontró en 86% del territorio nacional. La métrica de estado de PT presentó condición estable en casi 88% del territorio, mientras que la métrica de rendimiento de PT tuvo una condición degradada en 53.2% de la superficie del país. La DPT fue estable en 78% del territorio nacional. En poco más de 70% de la superficie ocupada por tipo de uso de suelo y vegetación no hubo cambios de la DPT. Los resultados obtenidos en este estudio contribuyen a tener información cuantitativa del indicador de productividad de la tierra que puede ser de utilidad para futuras investigaciones que midan la degradación y desertificación de tierras en México.

Palabras clave: productividad primaria neta; dinámica de la productividad; degradación de tierras; regiones climáticas; uso del suelo y vegetación

Abstract

Land productivity (LP) is considered a fundamental indicator to measure land degradation and desertification. Frequently, TP is quantified in terms of Net Primary Productivity (NPP) in order to determine land productivity dynamics (LDP) by estimating three dimensionless metrics: trend, status and yield. In Mexico, there is still no nationwide study that quantifies and analyzes the PT indicator in areas with similar conditions (land cover and bioclimatic characteristics). The objective of this research was to quantify the TP indicator on a national scale, by determining the dynamics of land productivity (DPT) in the period 2000-2019. The analysis was based on eight dominant climatic regions with similar vegetation cover where Net Primary Productivity (NPP) was calculated by incident photosynthetically active radiation ( MJm-2 yr-1 ), the fraction of photosynthetically active radiation intercepted by green tissues and solar radiation use efficiency (gMS MJ-1 ). Subsequently, TP was determined through a multitemporal analysis of PPN to calculate three metrics: trend, state and yield. Land productivity dynamics (LPD) was evaluated with the combination of the above three metrics and five classes were obtained: improving, stable, stressed, moderately degraded and degraded. Finally, 20 land and vegetation uses were identified according to the dynamics and degradation of TP in the eight climatic regions. Data analysis was performed using the R language (v4.2.3) integrated in the QGIS geographic information system (v3.28). Average annual PPN varied across the country, ranging from less than 500 g m-2 yr-1 in the arid climate region to just over 3,000 g m-2 yr-1 in the very humid region of the country. The lowest PPN value was located in the very arid climatic region (31 g m-2 yr-1) and the highest value (4,366 g m-2 yr-1) was observed in the very humid region of the country. The stable trend metric was found in 86% of the national territory, improvement in 9.6% and decrease in 3.9% of the total national territory. The PT status metric presented stable condition in almost 88% of the territory, improvement in 10.9% and decrease in 1.3%. While the TP yield metric had a degraded condition in 53.2% of the country's surface and 46.7% was classified as non-degraded. The TPD was stable in 78% of the national territory, improvement was observed in 11.78%, degradation in 4.26%, moderate degradation in 5.3% and stressed condition in 0.56% of the national territory. In slightly more than 70% of the area occupied by type of land use and vegetation, there were no changes in TPD. However, it was found that the 20 classes of land use and vegetation were exposed to degradation and moderate degradation of TP dynamics. The most exposed vegetation was identified in coniferous forests (humid climatic regions), coastal vegetation (sub-humid and semi-arid climatic regions), human settlements (sub-humid climatic region), secondary vegetation of arid climates and other wooded areas (mainly in semi-arid climatic regions). Although all 20 land use and vegetation classes were exposed to degradation and moderate degradation of TP dynamics, it was observed that, in all of them, the class of improvement of TP dynamics was present, mainly in areas without apparent vegetation and other wooded surfaces. According to the results obtained, it is clear that land productivity varies from one climatic region to another, and that it is dynamic through the years, so the use of multitemporal analysis is required to monitor land productivity through time. This allows having solid information necessary in decision making for the conservation and improvement of land productivity and reduction of land degradation and desertification in Mexico. The results obtained in this study contribute to have quantitative information of the land productivity indicator, which can be useful for future research measuring land degradation and desertification in Mexico.

Key words: Net primary productivity; productivity dynamics; land degradation; climatic regions; land use and vegetation

INTRODUCCIÓN

La productividad de la tierra (PT) juega un papel fundamental en los medios de vida sostenibles de las comunidades humanas (Sims et al., 2021). Se define como la capacidad biológica de la tierra para producir alimentos, forraje, fibra y energía (Shen et al., 2023). Es decir, la PT es la fijación y conversión de energía solar a compuestos de carbono orgánico realizada por la fotosíntesis de las plantas que forman la cobertura vegetal terrestre. Frecuentemente, la PT se cuantifica en términos de productividad primaria neta (PPN) y todos los organismos dependen directa o indirectamente de esta productividad, por lo que la PT refleja la capacidad para soportar biodiversidad y proveer servicios ambientales de los ecosistemas y sus interacciones, siendo un reflejo del estado que guardan; puede ser medida a partir de la PPN mediante la energía total fijada por las plantas menos la respiración de los ecosistemas (Dengiz, 2018). Dicha energía se transforma en biomasa que, a su vez, permite que los ecosistemas desarrollen sus funciones y brinden servicios esenciales también reconocidos como servicios ecosistémicos (Gupta y Oza, 2020). Cabe mencionar, que la PT difiere de la productividad agrícola, pues esta última se refiere a la producción de biomasa que se obtiene de manera sostenible a largo plazo bajo las limitaciones del clima, fisiografía y suelo donde se establece el cultivo agrícola (Bernard et al., 2022).

La Convención de las Naciones Unidas de Lucha contra la Desertificación (UNCCD) y el Grupo Interinstitucional de Expertos sobre los Indicadores de los Objetivos de Desarrollo Sostenible (ODS), establecieron el ODS 15.3.1, que se refiere a: “Combatir la desertificación, restaurar la tierra y suelos degradados, incluidas las tierras afectadas por la desertificación, sequía e inundaciones, así como esforzarse por lograr un mundo neutral en la degradación de la tierra para el año 2030” (Cui y Li, 2022; UNCCD, 2022).

Para dar seguimiento al ODS 15.3.1, la UNCCD planteó tres subindicadores clave: 1) tendencia en la cubierta terrestre, 2) la productividad de la tierra y 3) reservas de carbono orgánico por encima y por debajo del suelo (Shen et al., 2023; Rotllan et al., 2021). Por lo tanto, medir la PT es fundamental para evaluar la degradación y desertificación de tierras (Shen et al., 2023; Cherlet et al., 2018).

El Atlas Mundial de la Desertificación propuso medir la PT anual a lo largo del tiempo para determinar la dinámica de la productividad de la tierra (DPT) mediante la estimación de tres métricas adimensionales: tendencia, estado y rendimiento. Su finalidad es determinar si la PT ha mejorado, es estable o se ha degradado a través del tiempo (Sims et al., 2021; Cherlet et al., 2018). La determinación de la dinámica de la productividad (DPT) se ha utilizado en los últimos años para tener claridad sobre el estado que guarda la PT a gran escala, debido a su alta confiabilidad (Rotllan et al., 2021; Sims et al., 2021).

La DPT se puede obtener a escalas globales o locales mediante sensores remotos satelitales que analizan las tendencias de series temporales sensibles al crecimiento de la vegetación. El índice de vegetación de diferencia normalizada (NDVI, por sus siglas en inglés) es el más utilizado (Cui y Li, 2022). El Centro Común de Investigación de Europa (CCIE) calculó la dinámica de la productividad de la tierra a nivel global, usando imágenes SPOT/NDVI entre los años 1999 a 2013 con resolución de 1 km (Rotllan et al., 2021). Por otra parte, la Organización para la Alimentación y la Agricultura (FAO) actualizó la información de la dinámica de la productividad de la tierra a nivel global que calculó el CCIE, usando los años 2000 a 2021, con imágenes NDVI/MODIS a una resolución de 250 m (FAO, 2022). Recientemente, se creó la herramienta Land Productivity Dynamics in R (LPDynR) para calcular la DPT a una resolución mejorada de 250 m (Rotllan et al., 2021). Esta herramienta se recomienda para asistir a los países miembros de la UNCCD en el cálculo del subindicador de PT, en donde México forma parte. La herramienta LPDynR requiere imágenes de satélite de al menos dos fechas para derivar un índice de vegetación que muestre la dinámica de la productividad de la tierra entre ambas, dejando sin posibilidad de análisis el periodo intermedio. Para que la herramienta LPDynR arroje resultados con alta confiabilidad, se requiere aplicar en áreas con condiciones similares en términos de cobertura de la tierra y características bioclimáticas (Rotllan et al., 2021).

México es un país con un relieve complejo y una alta variabilidad geológica, edáfica, climática e hidrológica, lo que ocasiona que sea un país megadiverso y dinámico en su cobertura (Sarukán et al., 2017). Esto debe ser considerado al momento de calcular la DPT para obtener información precisa a nivel nacional.

Desde el año 2000 a la fecha, México ha colaborado con la UNCCD para reportar el porcentaje de tierras degradadas respecto a la superficie terrestre total (CONAZA-UACh, 2023). A pesar de los antecedentes que tiene México en el seguimiento de la degradación y desertificación de tierras, aún no se cuenta con un estudio especializado que cuantifique y analice el subindicador PT en áreas con condiciones similares (cobertura de la tierra y características bioclimáticas) considerando los nuevos criterios establecidos por la UNCCD para cumplir satisfactoriamente con el ODS 15.3.1 (CONAZA-UACh, 2023).

El objetivo de esta investigación fue cuantificar el indicador de productividad de la tierra (PT) a escala nacional en México, mediante la determinación de la dinámica de la productividad de la tierra (DPT) propuesta en el Atlas Mundial de la Desertificación, durante el periodo 2000-2019, considerando la diversidad climática y de cobertura vegetal del país. Los resultados de esta investigación contribuyen a obtener información cuantitativa de utilidad para evaluar la degradación y desertificación de tierras en México, tomando en cuenta los nuevos criterios establecidos por la UNCCD (Sims et al., 2021).

METODOLOGÍA

Los métodos comprendieron tres etapas: 1) estimación de la PPN; 2) cálculo de las métricas (productividad y dinámica) relacionadas con la PT, así como 3) análisis de datos (prueba de Mann Kendall, mínimas, máximas, medias, desviación estándar y percentil 90%). El estudio comprendió la serie temporal de 20 años, entre 2000 y 2019 a nivel de pixel con resolución espacial de 250 m, cubriendo todo el país y considerando la diversidad climática y de cobertura vegetal de México.

Productividad Primaria Neta (PPN)

Se estimó la PPN máxima, mínima y media para el periodo de crecimiento por región climática dominante de todo el país. Se tomaron las ocho regiones climáticas de México definidas para identificar las zonas áridas, semiáridas y subhúmedas del país (CONAZA-UACh, 2003) de acuerdo con los criterios de la UNCCD. El periodo de crecimiento es el número de días al año con condiciones de humedad y temperatura adecuados para que crezcan las plantas. El método sugiere que inicia cuando la precipitación es mayor que la mitad de la evapotranspiración y concluye al siguiente día cuando el valor es menor. Este estudio no consideró el resto de los días del año dónde también se produce biomasa, pero a menor velocidad. El periodo de crecimiento se obtuvo de Monterroso y Gómez (2021) quienes lo determinaron a nivel de días y en cada región climática (CONAZA-UACh, 2003). Más información relacionada se presenta en el Anexo 1. La PPN fue estimada siguiendo la ecuación propuesta por Monteith (1972):

PPN=RFA ×fRFAA ×EU (1)

Donde:

PPN=

Productividad Primaria Neta en gm-2 año-1

RFA=

Radiación Fotosintéticamente Activa Incidente (MJm-2 año-1)

fRFAA=

Fracción de la Radiación Fotosintéticamente Activa interceptada por los tejidos verdes

EUR=

Eficiencia en el Uso de la Radiación solar (gMS MJ-1).

La variable RFA se calculó mediante la Radiación Global (Rg), aplicando la fórmula de Angstrom-Prescott, que estima la radiación global a partir de los valores de la radiación solar extraterrestre (RA), de la insolación máxima posible (N) y de la insolación medida en observatorios (n):

Rg= RA×[a+b×(n/N)] [MJ ×m-2 ×día-1] (2)

Donde:

Rg =

Radiación global

RA =

Radiación solar extraterrestre (MJm-2 día-1)

n/N =

Insolación (adimensional) tomada de n o el número de horas de sol efectivas (h día-1) y de N o la insolación máxima (h día-1)

a =

0.29 cos 𝜃 (𝜃= latitud)

b =

0.52.

La información de RA y N se obtuvieron de Ortiz y Huertas (1993), para mayor detalle ver Anexo 2 y 3. Los valores de n se tomaron de Gómez y Monterroso (2012).

Para obtener la fRFAA se utilizó la ecuación propuesta por Sims et al. (2006) en diferentes ecosistemas de Norteamérica:

fRFAA=1.24*NDVI-0.168 (3)

Donde:

fRFAA =

Fracción de la Radiación Fotosintéticamente Activa interceptada por los tejidos verdes

NDVI =

Índice de Vegetación de Diferencia Normalizada.

El valor de NDVI se determinó con imágenes de Terra/MODIS (MOD13Q1) a una resolución de pixel de 250 m (Didan, 2021), las cuales se analizaron usando el software QGIS (v3.28). Las imágenes se obtuvieron en periodos de 16 días hasta completar el periodo de crecimiento de cada región climática. Por último, EUR se obtuvo de los datos de Garbulsky et al. (2010) y Field et al. (1995) por uso de suelo y vegetación (Anexo 4).

Cálculo de métricas

Productividad de la tierra (PT)

La productividad de la tierra (PT) se determinó con un análisis multitemporal de la productividad anual, mediante el cálculo de tres métricas: tendencia, estado y rendimiento (Sims et al., 2021). La tendencia se define como el cambio de la productividad (PPN) a largo plazo en la serie temporal 2000-2019. Se calculó siguiendo la metodología establecida por Sims et al. (2021) para determinar la pendiente de la tendencia del valor de z (ecuación 4) con la prueba no paramétrica de Mann Kendall (valor p<0.05, nivel de confianza del 95% y tasa de error potencial de detección del 5%). Este método se seleccionó por tener la capacidad de detectar tendencias ascendentes o descendentes en series de datos temporales (Kendall, 1975; Mann, 1945), sugerido para evaluar la tendencia en series de datos ambientales (Yu et al., 2007). Se obtuvo usando el lenguaje R en el sistema de información geográfica QGIS (v3.28).

z=PPN punto -mediadesviación estandar (4)

Donde:

z =

tendencia de la productividad de la tierra

PPN punto =

PPN media anual por pixel

Media =

valor promedio de PPN

Desviación estándar =

medida que indica la dispersión de los datos de PPN.

Se consideraron tres niveles de clasificación para z: 1) decremento cuando z < -1.28; 2) estable cuando z ≥ -1.28 y ≤ 1.28; y 3) mejora si z > 1.28. (Sims et al., 2021). El estado compara el nivel de productividad actual en un área determinada con observaciones históricas recientes en esa misma área. Para determinar el estado de la productividad se comparó la PPN anual de cada año entre 2015 y 2019 con el valor promedio de PPN de los 14 años anteriores (2000-2014). Se aplicó la ecuación 4 para obtener el valor de z y se clasificó con las mismas clases de tendencia usando el lenguaje R en el sistema de información geográfica QGIS (v3.28).

El rendimiento indica el nivel de productividad local en comparación con otras áreas con un potencial de productividad de la tierra similar a nivel regional (Sims et al., 2021). Se estimó mediante la comparación del valor medio de PPN anual a nivel de pixel con su valor máximo de PPN. Este último fue determinado mediante el valor del percentil 90 de los valores del pixel, con el fin de evitar la sobreestimación del valor, debido a la presencia de valores atípicos (ecuación 5). Para su obtención se utilizó el lenguaje R en el sistema de información geográfica QGIS (v3.28).

rendimiento=(PPN observada)PPNmáx (5)

Donde:

PPN =

Productividad primaria neta observada a nivel de pixel

PPN máx =

valor máximo de PPN a nivel de pixel

Los valores resultantes del rendimiento fueron clasificados según: 1) degradado, si el rendimiento fue < 0.5 PPNmáx y 2) no degradado, si el rendimiento fue ≥ 0.5 PPNmáx (Figura 1).

Nota: las líneas azules indican PPNmax del percentil 90%. Las líneas rojas muestran 0.5 de la PPNmáx. Pixeles donde la PPN fue menor a la mitad del valor de la PPNmáx en el percentil 90% se consideraron degradados. Pixeles mayores al 0.5 de la PPmáx se clasificaron como no degradados. a) Región climática muy húmeda (A); b) Región climática húmeda (B); c) Región climática subhúmeda húmeda (C2); d) Región climática subhúmeda seca (C1); e) Región climática semiárida húmeda (D3); f) Región climática semiárida moderada (D2); g) Región climática semiárida seca (D1), y h) Región climática árida (E).

Figura 1 Clasificación de la métrica de rendimiento de la PT en cada región climática de México. 

Dinámica de la productividad de la tierra (DPT)

Se evaluó la DPT en cada región climática mediante la combinación de las tres métricas anteriores para obtener cinco clases de acuerdo con Sims et al., (2021): mejora, estable, estresado, moderadamente degradado y degradado (Figura 2):

Fuente: elaboración propia con datos de Sims et al. (2021).

Figura 2 Combinación de métricas de PT tendencia, estado y rendimiento para obtener la evaluación de la dinámica de la PT en México. 

Por último, se identificaron los usos de suelo y vegetación según dinámica y degradación de la PT en las ocho regiones climáticas para el periodo 2000-2019. Esto se realizó mediante una matriz que integró las capas anteriores con las cartas de uso de suelo y vegetación de las series II (INEGI, 1997), VI (INEGI, 2016) y VII (INEGI, 2018) escala 1:250 000 del Instituto Nacional de Estadística e Informática (INEGI). Para facilitar el análisis, los usos de suelo y vegetación se clasificaron en 20 categorías (Anexo 5).

Análisis de datos

El análisis de datos se realizó utilizando el lenguaje R (v4.2.3) que está integrado en el sistema de información geográfica QGIS (v3.28) para calcular la prueba de Mann Kendall (valor p<0.05, nivel de confianza del 95% y tasa de error potencial de detección del 5%), mínimas, máximas, medias, desviación estándar y percentil 90%. Así mismo, mediante el uso del software QGIS (v3.28) se determinó la superficie en km2. Posteriormente, en una hoja de cálculo se obtuvo la tasa de cambio anual en porcentaje (ecuación 7) de la PPN promedio anual, las métricas de la dinámica de la PT (tendencia, estado y rendimiento), así como de las cinco clases de degradación de la dinámica de la PT (degradada, disminución moderada, estresada, estable y mejora).

Tanual=(SAn-SAn-1/SA n-1) ×100 (7)

Donde: Tanual es la tasa de cambio anual y SA es la superficie del añon.

RESULTADOS

Productividad primaria neta (PPN)

La PPN promedio anual varió en todo el país desde menos de 500 g m-2 año-1 hasta poco más de 3000 g m-2 año-1 (Figura 3). El valor más bajo de la PPN se localizó en la región climática muy árida (E) (31 g m-2 año-1) y el valor más alto (4366 g m-2 año-1) se observó en la región muy húmeda (A) del país (Figura 3a). La superficie ocupada por PPN menor a 500 g m-2 año-1, predominó en las regiones climáticas áridas (E) y semiáridas secas y moderadas (D1 y D2 respectivamente) (Figura 3b). El rango de PPN entre 500 y 1000 g m-2 año-1 estuvo presente en la región semiárida húmeda (D3), así como en la región subhúmeda seca (C1) y subhúmeda húmeda (C2) (Figura 3b). En lo que se refiere al rango de PPN promedio anual entre 1000 y 1500 g m-2 año-1, este tuvo mayor representación en la región climática húmeda (B) (Figura 3b). Mientras que, los rangos de PPN promedio anual mayores de 1500 g m-2 año-1, se encontraron con mayor presencia en la región climática muy húmeda (A) (Figura 3b).

Fuente: elaboración propia con imágenes de Terra/MODIS (Didan, 2021).

Nota: A = Región climática muy húmeda; B= Región climática húmeda; C2= Región climática subhúmeda húmeda; C1= Región climática subhúmeda seca; D3= Región climática semiárida húmeda; D2= Región climática semiárida moderada; D1= Región climática semiárida seca; E= Región climática árida.

Figura 3 a) promedio de la Productividad primaria neta (PPN) en la serie temporal 2000-2019 para la República Mexicana; b) valores promedio de máxima y mínima PPN por región climática de México, c) porcentaje del total de la superficie terrestre del promedio anual de la PPN por región climática dominante. 

A lo largo de la serie temporal 2000-2019 se observó que la superficie ocupada de PPN menor a 500 g m-2 año-1 disminuyó ligeramente (Figura 4) con tasa de cambio negativa de 0.78%. Este valor de PPN es característico de regiones climáticas áridas (E) y semiáridas secas (D1) y moderadas (D2). El rango de PPN entre 500 y 1,000 g m-2 año-1 tuvo un ligero incremento a lo largo del periodo estudiado con una tasa positiva de 1.33% en promedio (Figura 4).

Figura 4 Porcentaje de la superficie nacional ocupada según rangos de Productividad Primaria Neta (PPN). 

En lo que se refiere al rango de PPN promedio anual entre 1000 y 1500 g m-2 año-1 presentó una tasa de cambio positiva de 2.23% en el periodo estudiado (Figura 4). Mientras que los rangos de PPN promedio anual mayores de 1500 g m-2 año-1 presentaron incrementos en superficie y tasas de cambio positivas mayores de 2.5% (Figura 4).

Métricas: productividad de la tierra

Se identificaron tres categorías en la métrica de tendencia: estable, mejora o decremento. La tendencia estable se encontró en 86% del territorio nacional, mejora en 9.6% y con decremento de productividad 3.95% del total del territorio nacional (Figura 5a y Cuadro 1). Resaltaron los decrementos de PT en las regiones climáticas semihúmedas y templadas (D3, C1, C2). La mejora en la tendencia de la PT se manifestó principalmente en la región subhúmeda húmeda (C2) y las regiones semiáridas (D3, D2 y D1).

Fuente: elaboración propia con imágenes de Terra/MODIS (Didan, 2021).

Figura 5 Métricas de productividad de la tierra: a) Valor de Z por año de 2000 a 2019 que muestra la tendencia: con decremento significativo (Z = < -1.28); estable (Z= ≥ -1.28 y ≤ 1.28) e incremento significativo (Z = > 1.28), b) distribución geográfica de tendencia, c) distribución geográfica de estado y d) distribución geográfica de rendimiento. Según dinámica de la productividad primaria neta (PPN) en el periodo 2000-2019. 

Cuadro 1 Superficie (km2) y porcentaje (%) según dinámica de productividad de la tierra (tendencia, estado y rendimiento) y su clasificación (decremento, estable y mejora) por región climática de México. 

Región
climática
Tendencia de PT Estado de la PT Rendimiento
Decremento Estable Mejora Decremento Estable Mejora Degradado No degradado
Superficie (km2)
Porcentaje del total de la superficie de cada región climática (%)
E 602.86 228 438.47 13 824.58 5194.24 191 752.74 35 121.10 186 816.52 51 719.76
0.25 % 94.06 % 5.69 % 0.27% 9.89% 1.81% 9.64% 2.67%
D1 198.67 324 769.55 37 096.67 3383.35 289 533.96 59 700.93 290 801.11 67 555.45
0.05 % 89.70 % 10.25 % 0.17% 14.94% 3.08% 15.0% 3.49%
D2 5192.26 29 8401.29 35 703.33 4238.67 299 609.60 326 35.59 204 221.87 136 270.94
1.53 % 87.95 % 10.52 % 0.22% 15.46% 1.68% 10.54% 7.03%
D3 21 449.28 258 309.96 35 185.94 3292.51 281 042.57 31 497.28 128 023.29 188 586.23
6.81 % 82.02 % 11.17 % 0.17% 14.50% 1.63% 6.61% 9.73%
C1 23 635.45 226 256.92 21 966.94 4012.81 254 684.27 22 248.87 85 585.57 186 502.27
8.69 % 83.23 % 8.08 % 0.21% 13.14% 1.15% 4.42% 9.62%
C2 9374.40 127 694.27 19 334.76 1963.56 143 530.12 13 777.94 71 653.30 87 445.39
5.99 % 81.64 % 12.36 % 0.10% 7.41% 0.71% 3.70% 4.51%
B 11 507.26 159 028.34 18 114.45 2698.74 17 9015.66 13 598.82 57 516.82 13 3243.37
6.10 % 84.30 % 9.60 % 0.14% 9.24% 0.70% 2.97% 6.88%
A 4682.26 51 301.69 5959.10 808.53 61 380.85 3305.99 8191.42 53 895.38
7.56 % 82.82 % 9.62 % 0.04% 3.17% 0.17% 0.42% 2.78%
Total
nacional
76 642.44 1 674
200.49
187 185.77 25 592.40 1 700
549.77
211 886.53 1032
809.91
905 218.79
3.95 % 86.39 % 9.66 % 1.32% 87.75% 10.93% 53.29% 46.71%

Nota: E= Región climática árida; D1= Región climática semiárida seca; D2= Región climática semiárida moderada; D3=Región climática semiárida húmeda; C1=Región climática subhúmeda seca; C2= Región climática subhúmeda húmeda; B=Región climática húmeda, A=Región climática muy húmeda.

La métrica de estado de la PT presentó condición estable en casi 88% del territorio, mejora en 10.9% y decremento en 1.3% (Figura 5b y Cuadro 1). La condición de mejora tuvo mayor superficie en la región semiárida seca (D1), así como en la zona árida (E). Sin embargo, en estas regiones (E y D1) también se presentó la condición de decremento de la PT, al igual que en las regiones semiárida moderada (D2) y semiárida húmeda (D3).

En lo que se refiere a la métrica de rendimiento de la PT, se observó que 53.2% de la superficie del país tuvo una condición degradada, y 46.7% se clasificó como no degradada (Figura 5b y Cuadro 1). La región climática semiárida seca (D1) tuvo la mayor degradación (15%), y en conjunto, las regiones áridas y semiáridas (E, D1, D2 y D3) significaron 42% de la superficie nacional degradada (Figura 5c y Cuadro 1). La superficie no degradada dominó principalmente en las regiones subhúmeda húmeda (C1), húmeda (B) y muy húmeda (A).

Métrica: dinámica de la productividad de la tierra (DPT)

Se determinaron cinco clases de la dinámica de la productividad de la tierra (DPT) (Figura 6). La clase que tuvo mayor superficie ocupada fue la estable (78%), seguida de mejora (11.78%) y, en menor superficie, las clases degradada (4.26%), degradación moderada (5.3%) y estresada (0.56%).

Figura 6 Distribución espacial de las cinco clases de degradación de la dinámica de la productividad de la tierra (DPT) en México para los años a) 2000, b) 2010 y c) 2019; d) porcentaje del total de la superficie terrestre de las cinco clases de degradación de la PT en las ocho regiones climáticas a nivel nacional. 

Prácticamente en todo el país se observó degradación en la DPT. Por grupo climático fue posible identificar que la degradación va desde 7.5% de superficie en climas templados subhúmedos (C2) hasta 11% de superficie de los climas húmedos (A y B). Lo anterior muestra que la mayor degradación ocurrió en climas húmedos, pero en todos los grupos climáticos estuvo presente en casi el 10% de su superficie.

A lo largo de la serie temporal 2000-2019 la clase degradada de la dinámica de la PT aumentó en seis de las ocho regiones climáticas estudiadas. Este incremento en superficie (km2) comenzó a ser gradual a partir del año 2013 (Figura 7). Las regiones con aumento en la superficie degradada en los últimos seis años de evaluación fueron la árida (e), húmeda (b), subhúmeda seca y húmeda (c1 y c2), así como semiárida moderada y húmeda (D2 y D3) (Anexo 6).

Figura 7 Dinámica de cambio anual en porcentaje de las cinco clases de degradación de la productividad de la tierra (PT) en la serie temporal 2000-2019 en México. a) degradación; b) degradación moderada; c) estable, d) estresada y e) mejora. 

Usos de suelo y productividad de la tierra

En las 20 clases de uso de suelo y vegetación consideradas predominó la condición de estabilidad en la dinámica de PT. Es decir, en poco más de 70% de la superficie ocupada por tipo de uso de suelo y vegetación no hubo cambios considerables. Sin embargo, se encontró también que las 20 clases de uso de suelo y vegetación estuvieron expuestas a degradación y degradación moderada de la dinámica de la PT. Lo anterior al considerar toda la serie temporal 2000 a 2019. La vegetación más expuesta se identificó en los bosques de coníferas (regiones climáticas húmedas B y A), en vegetación costera (regiones climáticas subhúmedas C2 y semiáridas D3), en asentamientos humanos (región climática subhúmedas C1), vegetación secundaria de climas áridos (región E) y otras superficies arboladas (principalmente en regiones climáticas semiáridas (D1 y D2) (Figura 8).

Nota: AR= Agricultura de riego ; AT= Agricultura de temporal; AH= Asentamientos Humanos; BM= Bosque Mesófilo de Montaña; C= Bosque de Coníferas; CyL= Bosque de Coníferas y Latifoliadas; L= Latifoliadas; M= Manglares; MZA= Matorrales y Chaparrales de Zonas Áridas; MZSA= Matorrales y Chaparrales de Zonas Semiáridas; OSA= Otras áreas arboladas; P= Pastizales; SAM= Selvas altas y medianas; SB= Selvas bajas; SVA= Sin vegetación Aparente; VBI= Vegetación Baja Inundable; VC= Vegetación Costera; VSB= Vegetación Secundaria de Bosque, VSS= Vegetación Secundaria de Selva.

Figura 8 Matriz de análisis del porcentaje de la superficie terrestre de las 20 clases de usos de suelo y vegetación expuesto a las cinco categorías del estado de la dinámica de la PT en las ocho regiones climáticas evaluadas. 

A pesar de que las 20 clases de usos de suelo y vegetación estuvieron expuestas a la degradación y degradación moderada de la dinámica de la PT, se observó que, en todas ellas, estuvo presente la clase de mejora de la dinámica de la PT, principalmente en las áreas sin vegetación aparente (SVA) y otras superficies arboladas (OSA). La clase estresada no tuvo suficiente representatividad en ningún uso de suelo y vegetación de las ocho regiones climáticas.

DISCUSIÓN

La variación de la PPN que se encontró en las ocho regiones climáticas se debe a que los ciclos de la PPN presentan fases a lo largo del tiempo, que ocasionan que la PPN varíe estacionalmente con el crecimiento anual y ciclos fenológicos de la biomasa en pie, presente en cada región (Wang et al., 2021). Además de que la biomasa en pie tiene una relación directa con el clima, la energía solar recibida (Kamali et al., 2020), así como con los nutrientes y humedad disponibles en el suelo (Cory et al., 2011) y el relieve del terreno, que influyen directamente en la PPN y, por ende, en la dinámica de la productividad de la tierra (Ivits et al., 2013).

La predominancia de la superficie de PPN menor a 500 g m-2 año-1 que se determinó en las regiones con clima árido y semiárido, se debió a que la vegetación dominante es de chaparrales y matorrales asociados a pastizales. Estos tipos de vegetación tienen la característica de producir bajas cantidades de biomasa en pie, ya que están en función de la precipitación anual (aproximadamente 200 mm), su intensidad, frecuencia y estacionalidad, la infiltración y escurrimiento del agua de lluvia, evaporación, temperatura, fertilidad del suelo, topografía, densidad y composición de la vegetación y potencial de producción de las especies que se presenta en las zonas áridas y otras tierras secas (Gupta y Oza., 2021; Briones et al., 2018; Mares, 2017). Los resultados de esta investigación coinciden con CONAFOR-UACh (2013) que reportaron que la PPN en las regiones áridas de México puede variar entre 100 g m-2 año-1 a 160 g m-2 año-1 en las regiones más áridas, hasta 340 g m-2año-1 a 960 g m-2año-1 en la porción sur y regiones colindantes con montañas de las zonas áridas Chihuahuense y Poblana. En contraste, en las regiones húmedas y muy húmedas, la PPN que se encontró en esta investigación fue mayor a 1000 g m-2 año-1, gracias a que la biomasa en pie que dominó en esas regiones fue de bosques y selvas. Estos resultados fueron similares a los que encontraron Chávez-Aguilar et al. (2023) en los bosques del Cinturón Volcánico Transversal, donde la PPN oscila entre 1430 a 1470 g m-2 año-1, mientras que, de acuerdo con Álvarez-Sánchez (1991), la selva alta perennifolia de Los Tuxtlas, Veracruz, tiene una PPN de hasta 1620 g m-2 año-1, similar a lo que se encontró en esta investigación.

La disminución gradual de la superficie de PPN menor a 500 g m-2 año-1 a lo largo de la serie temporal 2000-2019, se pudo deber al cambio de uso del suelo y vegetación. De acuerdo con el último informe nacional de acciones contra la desertificación, degradación de tierras y sequía en México, se encontró que, en las regiones áridas y semiáridas, los chaparrales y matorrales tuvieron pérdidas anuales de 2566.84 km2 entre el periodo 2000-2015, además de que se registró que la superficie de los chaparrales y matorrales está cambiando a pastizales y tierras de cultivo (CONAZA-UACh, 2023). Esto pudo dar pauta al incremento de la PPN con rangos mayores a 500 g m-2 año-1 que se registraron en este estudio. Este incremento de la PPN coincide con lo que encontraron Potter et al. (2012) quienes observaron un ligero aumento de la PPN en el periodo de tiempo 2000-2009 en las regiones del hemisferio norte de latitudes altas.

El ligero incremento de la PPN que se presentó en las regiones áridas y semiáridas se pudo deber a los cambios en la cobertura y uso del suelo hacia pastizales y cultivos agrícolas altamente productivos que requieren riego para su desarrollo (CONAZA-UACh, 2023). Esto puede conducir a impactos negativos en la conservación de la biodiversidad, suelo y servicios ecosistémicos de las zonas áridas y otras tierras secas, al cambiar la vegetación nativa por pastizales introducidos (De la Fuente et al., 2020; Bradford et al., 2005).

La prevalencia de la condición estable de la métrica de tendencia y estado de la dinámica de la PT, en más de 80% de la superficie nacional, nos indica que, bajo esa condición, no hubo cambios significativos en la productividad a largo plazo, y que la productividad de los últimos cuatro años del periodo de evaluación (2015-2019) fue similar a la productividad histórica (2000-2014) (Cherlet et al., 2018). Estos resultados fueron similares a los datos globales que reportó la UNCCD (2017) en el periodo 1999-2013, donde la condición estable en la tendencia y estado de la productividad fue mayor que la disminución e incremento de la PT.

La degradación de la métrica de rendimiento que se manifestó en más de 50% del territorio nacional se debió a la dominancia del tipo de vegetación de chaparrales y matorrales asociado a pastizales en las regiones áridas y semiáridas de México, donde la PPN fue menor a 500 g m-2 año-1, la cual está relacionada con la métrica de rendimiento (Bao et al., 2016).

Los resultados de la combinación de las tres métricas (tendencia, estado y rendimiento) que dieron lugar a las cinco clases de degradación de la dinámica de la PT, coincidieron con lo que reportaron Dengiz et al. (2018) en ecosistemas subhúmedos de Turquía para el periodo 2001-2015, Shen et al. (2023) en diversos países de África en el periodo de tiempo 2013-2020, así como de la Fuente et al. (2020), quienes determinaron la dinámica de la PT a nivel global en la serie temporal 1999-2013. En dichas investigaciones predominó la clase estable de la PT, además de que existió mayor superficie con mejora que con clases de degradación moderada y degradada de la dinámica de la PT.

La dominancia de la clase estable de la PT en todas las regiones climáticas que se evaluaron se debe a que, de acuerdo con lo que reportó CONAZA-UACh (2023), no hubo cambios significativos en el uso del suelo y vegetación en 85% de la superficie terrestre de México en el periodo 2000-2015, mientras que en el periodo 2015-2019 la superficie con cambios en el uso de suelo y vegetación fue de 3%. Esto podría explicar la permanencia de la condición estable de la dinámica de la productividad de la tierra, determinada en este estudio. Sin embargo, es posible que la condición estable de la PT se deba a una combinación de factores socioambientales, tales como el manejo del sistema, políticas ambientales, clima y fisiografía, por mencionar algunos, que permiten que la productividad de la tierra se mantenga estable (Rotllan-Puig et al., 2021).

La superficie con clase mejorada de la PT se pudo deber a políticas de reforestación y protección que ha impulsado el gobierno de México desde principios del siglo XXI (CONAFOR, 2019), principalmente en áreas sin vegetación aparente y otras superficies arboladas, tal como se detectó en este estudio. Sin embargo, también podría estar influenciada por políticas públicas que impulsan un mayor manejo tecnológico de pastizales y tierras de cultivo, que incluye fertiirrigación y uso intensivo de fertilizantes nitrogenados, que impulsa la sobreexplotación del suelo (Bonilla y Mitchel, 2020; Baskan et al., 2017).

A pesar de que la clase estable y con mejora de la PT dominan gran parte del territorio nacional, en este estudio se detectó que todos los usos de suelo y vegetación tuvieron superficies con algún grado de degradación de la PT. Además de que está incrementando la superficie con la clase degradada de la PT. Esto se puede deber a que en México la dinámica de cambio de uso del suelo y vegetación ha seguido un patrón que favorece el crecimiento de zonas urbanas, áreas de cultivo, así como de pastizales inducidos (CONAZA-UACh, 2023).

Los bosques de coníferas, ubicados principalmente en las regiones templadas húmedas y muy húmedas de México, fueron los que tuvieron mayor superficie degradada en comparación con los otros usos de suelo y vegetación, tal como lo reportó Bonilla y Mitchel (2020) en un estudio realizado en 40 ecorregiones de México para el periodo 2001-2014. Esto se puede deber a que, en México, de acuerdo con la CONAFOR (2023), alrededor de 80% de los bosques y selvas se encuentran con procesos de degradación forestal y baja gobernabilidad, bajo régimen de propiedad social que incluye a ejidos y comunidades con alta marginación, las cuales utilizan los recursos forestales para sus necesidades básicas, y en ocasiones, generan la sobreexplotación de los bosques y selvas. Aunado a ello, está la variabilidad climática, plagas y enfermedades forestales, los incendios forestales, la fragmentación de ecosistemas forestales, el crecimiento de la frontera agrícola y urbana, así como problemas sociales y políticos (Bonilla y Mitchel, 2020; Kamali et al., 2020), que podrían conducir a la degradación continua de la productividad de la tierra. Es necesario reconocer que, en este estudio, no fue posible analizar los factores que detonan la degradación de la PT, sin embargo, es necesario que se retome en futuras investigaciones.

En las cinco clases de dinámica de PT se observó una tasa de cambio variada entre los años de la serie temporal 2000-2019. Esto se podría explicar debido a que la productividad de la tierra suele ser muy variable a través de los años y en distintos ciclos de crecimiento vegetativo (Ivits et al., 2013), además de que está en función de la adaptación natural a diferentes eventos meteorológicos extremos (sequías, lluvias torrenciales, granizadas, heladas, etc.) y al manejo inducido por el hombre (Rotllan et al., 2021). Por lo que, la productividad de la tierra adopta un equilibrio dinámico en lugar de una continuidad lineal (Cherlet et al., 2018). Por lo tanto, no debe analizarse para años aislados de referencia o promedios de unos pocos años (Shen et al., 2023), sino a través de un análisis multitemporal en una serie de tiempo prolongada que permita el monitoreo de la dinámica de la productividad de la tierra (Zhang et al., 2021), tal como se realizó en este estudio.

CONCLUSIÓN

Fue posible cuantificar el indicador de productividad de la tierra (PT) a escala nacional en México mediante la determinación de la dinámica de la productividad de la tierra (DPT) propuesta en el Atlas Mundial de la Desertificación, para el periodo 2000-2019, considerando la diversidad climática y de cobertura vegetal del país, tal como se planteó en el objetivo de la investigación. Los resultados obtenidos contribuyen a tener información cuantitativa del indicador de productividad de la tierra, que puede ser de utilidad para futuras investigaciones que midan la degradación y desertificación de tierras en México, tomando en cuenta los nuevos criterios e indicadores (cambio en la cubierta terrestre, productividad de la tierra y carbono orgánico del suelo) establecidos por la UNCCD.

Se obtuvo la prevalencia de la clase estable de la dinámica de la PT, seguida de la clase con mejora, en las ocho regiones climáticas de México. Sin embargo, la superficie con algún grado de degradación aumentó en los diferentes usos del suelo y vegetación de México en la serie temporal 2000-2019. Se requieren futuras investigaciones que analicen los factores que mantienen la clase estable y mejorada de la PT, o que detonan la degradación de la productividad de la tierra.

En este estudio queda claro que la productividad de la tierra tiene variación de una región climática a otra, además de que es dinámica a través de los años, por lo que el uso del análisis multitemporal se requiere para monitorear la productividad de la tierra a través del tiempo. Esto permite tener información sólida necesaria en la toma de decisiones para la conservación y mejora de la productividad de la tierra y disminución de la degradación y desertificación de tierras en México.

REFERENCIAS

Álvarez-Sánchez, J. (1991). Productividad primaria neta en una selva húmeda. Boletín de la Sociedad Botánica de México, (51), 3-12. https://doi.org/10.17129/botsci.1393 [ Links ]

Bao, G., Bao, Y., Qin, Z., Xin, X., Bao, Y., Bayarsaikan, S., Zhou, Y., Chuntai, B. (2016). Modeling net primary productivity of terrestrial ecosystems in the semi-arid climate of the Mongolian Plateau using LSWI-based CASA ecosystem model. International Journal of Applied Earth Observation and Geoinformation, (46), 84-93. https://doi.org/10.1016/j.jag.2015.12.001. [ Links ]

Baskan, O., Dengiz, O. y Demirag, İ. T. (2017). The land productivity dynamics trend as a tool for land degradation assessment in a dryland ecosystem. Environmental Monitoring and Assessment, 189-212. https://doi.org/10.1007/s10661-017-5909-3 [ Links ]

Bernard, B., Mwanjalolo, M. J. G., Moses, B., James, K., Paul, M., Ojoatre, S., Lydia, W. y Walusimbi, M. N. (2022). A Simplified Spatial Methodology for Assessing Land Productivity Status in Africa. Land, 730. https://doi.org/10.3390/land11050730. [ Links ]

Bonilla-Moheno, M. y Aide, T.M. (2020). Beyond deforestation: Land cover transitions in Mexico. Agricultural Systems, 102734. https://doi.org/10.1016/j.agsy.2019.102734 [ Links ]

Bradford, J. B., Lauenroth, W. K. y Burke, I. C., (2005). The impact of cropping on primary production in the US Great Plains. Ecology, 1863-1872. https://doi.org/10.1890/04-0493 [ Links ]

Briones, O., Búrquez, A., Martínez-Yrízar, A., Pavón, N., y Perroni, Y. (2018). Biomasa y productividad en las zonas áridas mexicanas.Madera y bosques, (24), e2401898. https://doi.org/10.21829/myb.2018.2401898 [ Links ]

Chávez-Aguilar, G., Pérez-Suárez, M., Gayosso-Barragán, O., López-López, M. A., y Ángeles-Pérez, G. (2023). Forest management accelerates aboveground biomass accumulation in a temperate forest of Central Mexico. Revista Chapingo Serie Ciencias Forestales y del Ambiente, 29(1), 15-33. https://doi.org/10.5154/r.rchscfa.2022.03.014 [ Links ]

Cherlet, M., Hutchinson, C., Reynolds, J., Hill, J., Sommer, S. y von Maltitz, G. (2018). World Atlas of Desertification: rethinking land degradation and sustainable land management. Publication Office of the European Union. Luxembourg. https://doi.org/10.2760/9205 [ Links ]

Cleveland, C.C, Townsend, R.A., Taylor, P., Alvarez-Clare, S., Bustamante, M. M. C., Chuyong, G., Dobrowski, S. Z., Grierson, P., Harms, K. E., Houlton, B. Z., Marklein, A., Parton, W., Porder, S., Reed, S. C., Sierra, C. A., Silver, W. L., Tanner, E. V. J. y Wieder, W. R. (2011). Relationships among net primary productivity, nutrients and climate in tropical rain forest: a pan-tropical analysis. Ecology letters, 14(9), 939-947. https://doi.org/10.1111/j.1461-0248.2011.01658.x [ Links ]

CONAFOR. (2019). Programas y apoyos. Obtenido de https://snif.cnf.gob.mx/programas-y-apoyos/. [ Links ]

CONAFOR-UACh. (2013). Línea Base Nacional de Degradación de Tierras y Desertificación. Informe Final. SEMARNAT. https://www.gob.mx/semarnat/documentos/linea-base-nacional-degradacion-de-tierras-y-desertificacion-parte-1Links ]

CONAFOR-UACh. (2013).Línea base nacional de degradación de tierras y desertificación. Informe final. Comisión Nacional Forestal y Universidad Autónoma de Chapingo. Zapopan, Jalisco. [ Links ]

CONAZA-UACh. (2003). Escenarios Climatológicos de la República Mexicana ante el Cambio Climático. Comisión Nacional de las Zonas Áridas y Universidad Autónoma Chapingo. Comisión Nacional de la Zonas Áridas (CONAZA) y Universidad Autónoma Chapingo (UACh). https://www.researchgate.net/publication/272180250_Escenarios_climatologicos_de_la_Republica_Mexicana_ante_el_cambio_climaticoLinks ]

CONAZA-UACh. (2023). Informe nacional 2022 de acciones contra la desertificación, degradación de tierras y sequía en México. Comisión Nacional de Zonas Áridas. https://www.researchgate.net/publication/374673915_Resumen_Ejecutivo_Informe_Nacional_Mexico_2022_de_Degradacion_de_Tierras_Desertificacion_y_SequiaLinks ]

Cui, Y. y Li, X. (2022). A New Global Land Productivity Dynamic Product Based on the Consistency of Various Vegetation Biophysical Indicators. Big Earth Data, 6(1), 36-53. https://doi.org/10.1080/20964471.2021.2018789 [ Links ]

de la Fuente, B, Weynants, M, Bertzky, B, Delli, G, Mandrici, A, Garcia, B. E y Dubois, G. (2020). Land productivity dynamics in and around protected areas globally from 1999 to 2013. PLoSONE, e0224958. https://doi.org/10.1371/journal.pone.0224958. [ Links ]

Dengiz, O. (2018). Potential impact of land use change on land productivity dynamics with focus on land degradation in a sub-humid terrestrial ecosystem. Theoretical and Applied Climatology, (133), 73-88. https://doi.org/10.1007/s00704-017-2162-1. [ Links ]

Didan, K. (2021). MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid V061 [Data set]. NASA EOSDIS Land Processes Distributed Active Archive Center. Obtenido de https://doi.org/10.5067/MODIS/MOD13Q1.061 [ Links ]

FAO. (2022). Overview of Land Degradation Neutrality (LDN) in Europe and Central Asia. Food and Agriculture Organization. FAO. https://doi.org/10.4060/cb7986en [ Links ]

Field, C.B., Randerson, J.T. y Malmström, C. M. (1995). Global net primary production: Combining ecology and remote sensing. Remote Sensing of Environment, 51(1), 74-88. https://doi.org/10.1016/0034-4257(94)00066-V. [ Links ]

Garbulsky, M. F., Peñuelas, J., Papale, D., Ardö, J., Goulden, M. L., Kiely, G., Richardso, A. D., Rotenberg, E., Veenendaal, E. M. y Filella, I. (2010). Patterns and controls of the variability of radiation use efficiency and primary productivity across terrestrial ecosystems. Global Ecology and Biogeography, 19(2), 253-267. https://doi.org/10.1111/j.1466-8238.2009.00504.x. [ Links ]

Gómez-Díaz, J., y Monterroso-Rivas, A. (2012). Actualización de la delimitación de las zonas áridas, semiáridas y sub-húmedas secas de México a escala regional. Reporte final de proyecto de investigación. Fondo SEMARNAT-CONACYT. Universidad Autónoma Chapingo. [ Links ]

Gupta, U. K. y Oza, M. P. (2021). An Approach to Land Productivity Dynamics Assessment: A Case Study of Rajasthan Region, India. Journal of the Indian Society of Remote Sensing, (49), 2187-2198. https://doi.org/10.1007/s12524-021-01381-y. [ Links ]

INEGI. (1997). Conjunto de datos vectoriales de uso del suelo y vegetación. Escala 1:250 000. Serie II. Conjunto Nacional. Obtenido de https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=702825650483Links ]

INEGI. (2016). Conjunto de datos vectoriales de uso del suelo y vegetación. Escala 1:250 000. Serie VI. Conjunto Nacional. Obtenido de https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=889463173359Links ]

INEGI. (2018). Conjunto de datos vectoriales de uso del suelo y vegetación. Escala 1:250 000. Serie VII. Conjunto Nacional. Obtenido de https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=889463842781Links ]

Ivits, E. y Cherlet, M. (2013). Land-productivity dynamics towards integrated assessment of land degradation at global scales (Technical Report No. EUR 26052 ). Joint Research Centre of the European Commission. https://data.europa.eu/doi/10.2788/59315Links ]

Kamali, A., Khosravi, M., Hamidianpour, M. (2020). Análisis espacio-temporal de la producción primaria neta (PPN) y su relación con los factores climáticos en Irán. Environmental Monitoring Assessment, (192), 718. https://doi.org/10.1007/s10661-020-08667-7. [ Links ]

Kendall, M. G. (1975). Rank correlation methods. Charles Griffin. [ Links ]

Mann, H. B. (1945). Nonparametric tests against trend. Econometrica, (13), 245-259. [ Links ]

Mares, M. A. (2017).Encyclopedia of deserts. University of Oklahoma Press. [ Links ]

Monteith, J. L. (1972). Solar Radiation and Productivity in Tropical Ecosystems. The Journal of Applied Ecology, 9(3), 747-766. https://doi.org/10.2307/2401901 [ Links ]

Monterroso-Rivas, A. I. y Gómez-Díaz, J. D. (2021). Impacto del cambio climático en la evapotranspiración potencial y periodo de crecimiento en México. Terra Latinoamericana, (39), 1-19. e774. https://doi.org/10.28940/terra.v39i0.774 [ Links ]

Potter, C., Klooster, S. y Genovese, V. (2012). Net primary production of terrestrial ecosystems from 2000 to 2009. Climatic Change, (115), 365-378. https://doi.org/10.1007/s10584-012-0460-2. [ Links ]

Rotllan-Puig, X., Ivits, E. y Cherlet, M. (2021). LPDynR: A New Tool to Calculate the Land Productivity Dynamics Indicator. Ecological Indicators, (133), 108386. https://doi.org/10.1016/j.ecolind.2021.108386 [ Links ]

Sarukhán, J., Koleff, P., Carabias, J., Soberón, J., Llorente-Bousquets, J., Halffter, G., González, R., March, I., Mohar, A., Anta, S., Maza, J., Pisanty, I., Urquiza, H.T., Ruiz, G.S. y García, M.G. (2017). Capital natural de México. Síntesis: evaluación del conocimiento y tendencias de cambio, perspectivas de sustentabilidad, capacidades humanas e institucionales. Comisión Nacional para el Conocimiento y Uso de la Biodiversidad, México. https://www.biodiversidad.gob.mx/pais/capitalNatMex.htmlLinks ]

SEMARNAT. (2012). Informe de la situación del medio ambiente en México. Compendio de Estadísticas ambientales indicadores clave y de desempeño ambiental. Obtenido de https://apps1.semarnat.gob.mx:8443/dgeia/informe_12/03_suelos/cap3_2.htmlLinks ]

SEMARNAT-CP. (2003). Evaluación de la degradación del suelo causada por el hombre en la República Mexicana, escala 1:250 000. Memoria Nacional 2001-2002. [ Links ]

Shen, T., Li, X., Chen, Y., Cui, Y., Lu, Q., Jia, X. y Chen, J. (2023). HiLPD-GEE: high spatial resolution land productivity dynamics calculation tool using Landsat and MODIS data. International Journal of Digital Earth, 16(1), 671-690. https://doi.org/10.1080/17538947.2023.2179675. [ Links ]

Sims, N. C., Newnham, G. J., England, J. R., Guerschman, J., Cox, S. J. D., Roxburgh, S. H., Viscarra Rossel, R. A., Fritz, S., y Wheeler, I. (2021). Good practice guidance. SDG Indicator 15.3.1, Proportion of Land That Is Degraded Over Total Land Area. Version 2.0. United Nations Convention to Combat Desertification. https://www.unccd.int/sites/default/files/relevant-links/2021-03/Indicator_15.3.1_GPG_v2_29Mar_Advanced-version.pdfLinks ]

UNCCD. (2022). Report of the Conference of the Parties on its Fifteenth Session, Held in Abidjan, Côte D’Ivoire, from 9 to 20 May 2022. Part Two: Action Taken by the Conference of the Parties at its Fifteenth Session. United Nations Convention to Combat Desertification. https://www.unccd.int/sites/default/files/2022-09/ICCD_COP%2815%29_23-2209459S.pdf . [ Links ]

Wang, S., Zhang, Y., Ju, W., Qiu, B., Zhang, Z. (2021). Tracking the seasonal and inter-annual variations of global gross primary production during last four decades using satellite near-infrared reflectance data. Science of The Total Environment , (755) part 2), 142569, https://doi.org/10.1016/j.scitotenv.2020.142569. [ Links ]

Zhang, Y, Hu, Q, Zou, F. (2021). Spatio-Temporal Changes of Vegetation Net Primary Productivity and Its Driving Factors on the Qinghai-Tibetan Plateau from 2001 to 2017. Remote Sensing, 13(8), 1566. https://doi.org/10.3390/rs13081566. [ Links ]

ANEXO 1

Rango del periodo de crecimiento y promedio (días) en cada una de las regiones climáticas de México propuestas en CONAZA-UACh (2003)

Símbolo Tipo climático Rango de PECRE (días) Promedio de PECRE (días)
E Árido 44-90 67
D1 Semiárido seco 45-121 83
D2 Semiárido moderado 64-127 96
D3 Semiárido húmedo 91-204 148
C1 Subhúmedo seco 109-217 163
C2 Subhúmedo húmedo 128-294 211
B Húmedo 215-355 285
A Muy Húmedo 299-365 332

Fuente: Monterroso y Gómez (2021).

Figura A.1 Zonas áridas, semiáridas y subhúmedas de México de acuerdo con CONAZA-UACh (2003)

Cuadro A.1 Características de las zonas áridas, semiáridas y subhúmedas de México. 

Símbolo Tipo
climático
Periodo
de lluvias
Ppt anual (mm) T°C
media anual
EPT
potencial anual
(mm)
Cobertura
vegetal
predominante
Superficie %
N S
E Árido Menor a 3 meses 250 ----- 18 a 29 800 a 1900 Chaparrales, pastizales y matorrales 12
D1 Semiárido seco 3 meses 200 400 16 a 28 700 a 1800 Chaparrales, pastizales, matorrales y selva baja caducifolia 16
D2 Semiárido moderado 3 a 4 meses 350 700 16 a 28 700 a 1800 Chaparrales, pastizales, matorrales, selva baja caducifolia y selva mediana caducifolia 17
D3 Semiárido húmedo 3 a 5 meses 400 800 14 a 28 600 a 1700 Chaparral, pastizal, matorral, selva baja y media caducifolia, pequeñas zonas de bosque mesófilo 16
C1 Subhúmedo seco 4 a 5 meses 500 900 13 a 26 600 a 1600 Pastizales, selvas bajas y medianas caducifolias, bosques 14
C2 Subhúmedo húmedo 4 a 6 meses 700 1100 11 a 25 600 a 1500 Bosque y selva mediana caducifolia 8
B Húmedo 5 meses 800 1300 9 a 25 500 a 1500 Bosque, selva mediana caducifolia, selva mediana y alta perennifolia 10
A Muy húmedo 6 meses 1500 2500 4 a 24 400 a 1500 Bosque, selva media y alta caducifolia y perennifolia 3

Ppt= precipitación anual (mm); T °C= Temperatura media anual; ETP= Evapotranspiración potencial anual (mm); N= Zona norte de México; S= Zona sur de México.

Fuente: elaboración propia con datos de CONAZA-UACh (2003).

ANEXO 2

Datos mensuales de radiación solar extraterrestre (RA) (MJ x m-2 x día-1) por latitud. 

Latitud E F M A My J Jl Ag S O N D
31 8.57 10.46 12.96 15.09 16.52 16.99 16.77 15.63 13.77 11.41 9.24 8.04
29 9.05 10.89 13.27 15.22 16.51 16.89 16.73 15.7 13.99 11.78 9.7 8.55
27 9.54 11.3 13.52 15.3 16.46 16.77 16.63 15.73 14.17 12.13 10.11 9.03
25 10 11.7 13.78 15.39 16.4 16.65 16.53 15.76 14.36 12.47 10.51 9.5
23 10.45 12.1 14.03 15.47 16.35 16.53 16.42 15.8 14.55 12.81 10.91 9.97
21 10.95 12.51 14.29 15.56 16.3 16.42 16.32 15.83 14.74 13.15 11.36 10.44
19 11.4 12.87 14.51 15.61 16.19 16.25 16.18 15.82 14.89 13.45 11.82 10.9
17 11.8 13.17 14.65 15.63 16.05 16.03 16 15.76 14.99 13.72 12.23 11.35
15 12.21 13.47 14.79 15.65 15.91 15.81 15.82 15.69 15.09 13.99 12.64 11.8

Fuente: Ortiz y Huertas (1993).

ANEXO 3

Datos mensuales de insolación máxima (N) (h x día-1) por latitud. 

Latitud E F M A My J Jl Ag S O N D
31 10.30 11.10 12.00 12.90 13.70 14.10 14.00 13.30 12.40 11.50 10.50 10.10
29 10.50 11.10 12.00 12.90 13.50 13.90 13.80 13.20 12.40 11.50 10.70 10.30
27 10.60 11.20 12.00 12.80 13.40 13.80 13.70 13.10 12.30 11.60 10.80 10.40
25 10.70 11.30 12.00 12.70 13.30 13.70 13.50 13.00 12.30 11.60 10.90 10.60
23 10.80 11.40 12.00 12.70 13.20 13.60 13.40 12.90 12.30 11.60 11.00 10.70
21 10.90 11.50 12.00 12.60 13.10 13.40 13.30 12.80 12.30 11.70 11.10 10.80
19 11.10 11.50 12.00 12.60 13.00 13.20 13.10 12.80 12.30 11.70 11.20 11.00
17 11.20 11.60 12.00 12.50 12.90 13.10 13.00 12.70 12.20 11.80 11.40 11.10

Fuente: Ortiz y Huertas (1993).

ANEXO 4

Valores de la Eficiencia en el Uso de la Radiación (EUR) (Gms Mj-1) por uso de suelo y vegetación. 

Uso de suelo y vegetación EUR (gMs MJ-1)
Bosque lluvioso 3.10
Bosque templado caducifolio 2.20
Bosque templado perennifolio 2.13
Bosque mixto 1.86
Bosque tropical perennifolio 1.7
Bosque tropical seco 1.09
Vegetación de zonas áridas 0.32
Cultivos anuales 2.46
Pastizales 2.10

Fuente: elaboración propia con datos de Garbulsky et al. (2010) y Field et al. (1995).

ANEXO 5

Clasificación de los usos de suelo y vegetación reportados por Instituto Nacional de Estadística Geografía e Informática (INEGI). 

Clasificación
Propuesta
Tipos de vegetación según INEGI
Coníferas Bosque de ayarín, bosque de cedro, bosque de oyamel, bosque de pino, bosque de táscate, vegetación secundaria arbórea de bosque de Ayarín, vegetación secundaria arbórea de bosque de oyamel, vegetación secundaria arbórea de bosque de pino, vegetación secundaria arbórea de bosque de táscate.
Coníferas y
latifoliadas
Bosque de encino-pino, bosque de galería, vegetación de galería, vegetación secundaria arbórea de bosque de encino-pino, vegetación secundaria arbórea de bosque de pino-encino.
Latifoliadas Bosque bajo abierto, bosque de encino, vegetación secundaria arbórea de bosque bajo abierto, vegetación secundaria arbórea de bosque de encino.
Bosque mesófilo Bosque mesófilo.
Selvas altas
y medianas
Selva alta perennifolia, selva alta subperennifolia, selva de galería, selva mediana caducifolia, selva mediana perennifolia, selva mediana subperennifolia, vegetación secundaria arbórea de selva alta perennifolia, vegetación secundaria arbórea de selva alta subperennifolia, vegetación secundaria arbórea de selva mediana caducifolia, vegetación secundaria arbórea de selva mediana perennifolia, vegetación secundaria arbórea de selva mediana subcaducifolia, vegetación secundaria arbórea de selva mediana subperennifolia.
Selvas bajas Selva baja caducifolia, selva baja espinosa, selva baja perennifolia, selva baja subcaducifolia, selva baja subperennifolia, vegetación secundaria arbórea de selva baja caducifolia, vegetación secundaria arbórea de selva baja espinosa, vegetación secundaria arbórea de selva baja perennifolia, vegetación secundaria arbórea de selva baja subcaducifolia, vegetación secundaria arbórea de selva baja subperennifolia.
Otras superficies
arboladas
Vegetación secundaria arbórea de mezquital, palmar, vegetación secundaria de palmar.
Matorral de
zonas áridas
Matorral crasicaule, vegetación secundaria arbustiva de matorral crasicaule, vegetación secundaria herbácea de matorral crasicaule, matorral desértico micrófilo, vegetación secundaria arbustiva de matorral desértico micrófilo, vegetación secundaria herbácea de matorral desértico micrófilo, matorral desértico rosetófilo, vegetación secundaria arbustiva de matorral desértico rosetófilo, matorral rosetófilo costero, vegetación secundaria arbustiva de matorral rosetófilo costero, vegetación secundaria herbácea de matorral rosetófilo costero.
Matorral de
zonas semiáridas
Matorral espinoso tamaulipeco, vegetación secundaria arbustiva de matorral espinoso tamaulipeco, vegetación secundaria herbácea de matorral espinoso tamaulipeco, matorral sarco-crasicaule, vegetación secundaria arbustiva de matorral sarco-crasicauele, matorral sarco-crasicaule de neblina, vegetación secundaria arbustiva de matorral sarco-crasicaule de neblina, matorral sarcocaule, vegetación secundaria arbustiva de matorral sarcocaule, matorral submontano, vegetación secundaria arbustiva de matorral submontano, matorral subtropical, vegetación secundaria arbustiva de matorral subtropical, chaparral, vegetación secundaria arbustiva de chaparral, vegetación herbácea de chaparral, Huizachal, vegetación secundaria arbustiva de Huizachal, matorral de coníferas, mezquital, vegetación secundaria arbustiva de mezquital.
Pastizales Sabana, pastizal-Huizachal, vegetación secundaria arbustiva de pastizal-Huizachal, pastizal cultivado, pastizal gipsófilo, vegetación secundaria arbustiva de pastizal gipsófilo, pastizal halófilo, vegetación secundaria arbustiva de pastizal halófilo, pastizal inducido, pastizal natural, vegetación secundaria arbustiva de pastizal natural, pradera de alta montaña
Vegetación costera Vegetación de dunas costeras, vegetación gipsófila, vegetación halófila, vegetación secundaria arbustiva de vegetación halófila, vegetación secundaria herbácea de vegetación halófila.
Vegetación
secundaria de bosques
Vegetación secundaria arbustiva de bosque bajo abierto, vegetación secundaria arbustiva de bosque de Ayarín, vegetación secundaria arbustiva de bosque de encino, vegetación secundaria herbácea de bosque de encino, vegetación secundaria arbustiva de bosque de encino-pino, vegetación secundaria herbácea de bosque de pino-encino, vegetación secundaria arbustiva de bosque de galería, vegetación secundaria arbustiva de bosque de oyamel, vegetación secundaria arbustiva de bosque de pino, vegetación secundaria herbácea de bosque de pino, vegetación secundaria arbustiva de bosque de pino-encino, vegetación secundaria herbácea de bosque de pino-encino, vegetación secundaria arbustiva de bosque de táscate, vegetación secundaria herbácea de bosque de táscate, vegetación secundaria arbustiva de bosque mesófilo de montaña, vegetación secundaria herbácea de bosque mesófilo de montaña.
Vegetación
secundaria de selvas
Vegetación secundaria arbustiva de selva alta perennifolia, vegetación secundaria herbácea de selva alta perennifolia, vegetación secundaria arbustiva de selva alta subperennifolia, vegetación secundaria herbácea de selva alta subperennifolia, vegetación secundaria arbustiva de selva alta caducifolia, vegetación secundaria arbustiva de selva baja caducifolia, vegetación secundaria herbácea de selva baja caducifolia, vegetación secundaria arbustiva de selva baja espinosa, vegetación secundaria herbácea de selva baja espinosa, vegetación secundaria arbustiva de selva baja perennifolia, vegetación secundaria arbustiva de selva baja subcaducifolia, vegetación secundaria herbácea de selva baja subcaducifolia, vegetación secundaria arbustiva de selva baja subperennifolia, vegetación secundaria herbácea de selva baja subperennifolia, vegetación secundaria arbustiva de selva mediana caducifolia, vegetación secundaria arbustiva de selva mediana subcaducifolia, vegetación secundaria herbácea de selva mediana subcaducifolia, vegetación secundaria arbustiva de selva mediana subperennifolia, vegetación secundaria herbácea de selva mediana subperennifolia.
Manglar Manglar, vegetación secundaria arbórea de manglar, vegetación secundaria arbustiva de manglar.
Vegetación
baja inundable
Popal, tular.
Sin vegetación
aparente
Área sin vegetación, vegetación de desiertos arenosos, vegetación secundaria arbustiva de desiertos arenosos.
Agricultura de riego Agricultura de humedad anual, agricultura de humedad anual y permanente, agricultura de humedad anual y semipermanente, agricultura de humedad permanente, agricultura de riego anual, agricultura de riego anual y permanente, agricultura de riego permanente, agricultura de riego semipermanente, área agrícola de riego suspendido.
Agricultura
de temporal
Agricultura de temporal anual, agricultura de temporal anual y permanente, agricultura de temporal anual y semipermanente, agricultura de temporal permanente, bosque cultivado, bosque inducido.
Asentamientos humanos Asentamientos humanos.
Cuerpos de agua Cuerpos de agua

ANEXO 6

Tasa de cambio anual en porcentaje de las cinco clases de degradación de la productividad de la tierra (degradada, disminución moderada, estable, estresada, mejora) por región climática. 

Región Árida (E) Región Semiárida seca (D1)
Año Degradada Disminución
moderada
Estable Estresada Mejora Degradada Disminución
moderada
Estable Estresada Mejora
2001 8.12 -6.19 -2.52 -16.56 26.88 18.3 2.36 -0.74 -4.9 3.04
2002 -3.93 22.39 0.81 -2.63 -2.32 -10.02 -0.23 2.3 -19.54 0.87
2003 -17.69 -21.93 5.6 -19.86 -17.37 5.95 4.51 0.01 -0.93 -0.96
2004 46.93 3.47 -9.31 50.72 31.16 1.68 -22.33 -3.33 28.11 5.96
2005 -31.94 -3.36 10.26 -33.65 -23.76 -1.65 28.75 3.45 -21.94 -5.62
2006 -62.02 12.31 2.54 12.48 -2.87 4.14 1.6 -0.86 11.35 -1.2
2007 138.93 -19.51 -5.04 -2.57 22.51 3.73 -1.85 -1.65 1.97 6.68
2008 -50.87 -5.86 0.64 40.92 -6.7 1.91 -19.41 1.3 25.2 -16.55
2009 99.8 5.88 1.64 -43.38 1.4 -6 3.98 0.26 -25.22 16.47
2010 85.2 -7.64 -2.27 27.38 -18.03 27.64 1.64 0.65 0.61 -8.99
2011 -1.92 31.1 -2.03 -4.83 19.46 -17.69 -6.56 -0.25 -11.71 12.08
2012 -29.51 1.24 5.57 -23.56 -11.02 -13.18 13.45 1.43 -0.23 -4.47
2013 -15.38 5.02 -2.55 80.59 -3.34 31 10.71 -4.09 43.69 -2.44
2014 90.3 -4.83 -2.15 -43.09 13.59 -0.24 0.43 1.35 -21.73 5.65
2015 -11.1 -11.82 -0.47 42.08 -4.28 -1.6 1.75 -0.54 27.13 -8.53
2016 1.07 -1.84 -0.72 27.5 -9.46 9.8 1.38 -1.91 6.39 3.58
2017 4.5 12.15 1.76 -38.4 10.85 -2.66 1.93 4.73 -37.74 0.01
2018 -21.79 10.36 4.78 -60.33 2.96 6.94 1.71 2.33 -39.3 0.77
2019 31.08 -0.83 -0.64 1.08 -9.51 -26.54 3.12 0.57 -0.4 4.39
Región Semiárida moderada (D2) Región Semiárida húmeda (D3)
Año Degradada Disminución
moderada
Estable Estresada Mejora Degradada Disminución
moderada
Estable Estresada Mejora
2001 -4.51 2.71 0.73 -6.38 -0.27 -6.29 8.18 2.3 -26.82 1.89
2002 2.65 -20.25 0.01 -9.42 4.67 7.82 14.87 -1.02 11.35 -1.2
2003 2.83 22.99 0.41 0.8 -4.81 -9.09 -5.87 -0.76 -14.36 18.82
2004 -6.22 -17.93 -1.48 11.24 8.22 2.63 -4.67 0.28 13.88 -8.27
2005 6.64 21.84 1.5 -10.11 -7.59 -2.57 4.9 -0.28 -12.19 9.02
2006 -16.75 -3.09 0.81 7.3 -2.64 -20.76 -14.18 1.54 35.62 -17.95
2007 28.14 0.19 -2.35 11.4 2.76 32.47 10.53 -0.41 -21.91 7.75
2008 -22.57 -6.21 2.93 -12.51 -4.39 -28.66 -4.14 2.33 5.76 -10.37
2009 30.13 -0.59 -1.6 -9.66 7.03 50.07 1.47 -1.96 -12.26 9.83
2010 7.17 14.59 -1.14 28.54 -7.1 -4.61 -6.52 0.5 12.54 -7.56
2011 -10.1 -9.46 1.81 -25.47 6.03 -10.58 13.92 -0.18 -12.05 12.03
2012 -9.21 11.16 0.32 11.23 -3.79 -0.09 -1.58 -0.05 4.44 -1.45
2013 27.33 -9.33 -2.1 8.38 2.44 9.5 4.23 -2.41 37.98 -2.16
2014 -12.74 -2.38 0.37 6.13 0 -0.91 -6.64 -0.02 -0.21 1.16
2015 15.24 11.22 -0.73 -2.01 -0.15 16.36 3.54 -0.06 -15.83 4.45
2016 3.44 10.73 0.03 1.12 -2.79 -6.84 -3.9 0.82 3.51 -4.95
2017 4.63 1.81 0.77 -18.52 1.99 1.42 3.58 -0.07 -11.49 6.36
2018 3.51 0.48 2.5 -43.07 -0.94 8.32 10.6 2.59 -37.42 -5.55
2019 -8.08 7.12 -0.45 3.43 5.63 4.08 -0.02 -0.6 -0.39 3.23
Región Subhúmeda seca (C1) Región Subhúmeda húmeda (C2)
Año Degradada Disminución
moderada
Estable Estresada Mejora Degradada Disminución
moderada
Estable Estresada Mejora
2001 -0.39 13.44 2 -33.87 1.02 -0.34 -4.79 0.35 -5.02 -0.37
2002 3.08 -11.77 0.61 -8.94 -2.21 -7.33 6.814 1.49 -13.1 -4.89
2003 -15.61 -2.14 -0.25 21.99 3.08 -1.08 -1.74 -1.4 8.498 11.35
2004 4.68 11.27 0.21 149.7 -44.91 1.645 -7.06 -1.5 8.482 9.787
2005 -4.47 -10.13 -0.21 -59.95 81.51 -1.62 7.595 1.49 -7.82 -8.91
2006 -16.9 -0.81 8.31 23.13 -49.75 -22 1.244 2.41 -19.3 -3.68
2007 31.42 14.76 -7.61 -16.04 89.15 20.85 -1.67 -1.6 26.2 -1.94
2008 -21.2 -4.63 7.11 47.09 -49.94 -33.3 1.276 0.43 19.02 3.533
2009 28.93 -10.46 0.24 -45.01 19.33 52.5 -1.86 -0.6 -18.9 -0.62
2010 3.74 3.09 -11.36 39.37 108.49 2.591 -14.9 -1.4 20.86 4.227
2011 -12.04 7.51 4.81 -7.29 -17.01 -24.9 17.27 3.91 -37.9 -6.28
2012 -9.35 1.4 1.09 -10.19 -0.09 6.229 2.56 -1.3 1.337 10.2
2013 27.34 -1.06 -5.39 5.38 22.47 17.76 -24 -2.6 27.34 10.51
2014 -10.59 2.93 2.05 52.6 -18.58 -2.69 9.624 0.51 6.386 -5.65
2015 -3.07 -0.66 2.54 -26.9 -1.89 10.83 16.76 -2.6 3.161 15.79
2016 7.06 -1.17 -0.19 1.09 -1.74 -7.51 -1.95 2.99 0.829 -18.6
2017 0.58 -11.87 -3.19 -29.15 30.07 2.363 -8.37 0.01 -36.4 14.86
2018 12.5 0.8 6.23 -38.03 -25.91 22.38 -11.7 2.28 -36.2 -17.5
2019 -9.44 -1.06 -0.54 -0.44 8.19 2.44 28.4 -1.6 -1.17 12.86
Región húmeda (B) Región muy húmeda (A)
Año Degradada Disminución
moderada
Estable Estresada Mejora Degradada Disminución
moderada
Estable Estresada Mejora
2001 -0.34 -4.79 0.35 -5.02 -0.37 -3.1 -0.54 0.69 -6.73 0.3
2002 -7.33 6.81 1.49 -13.06 -4.89 0.89 -2.76 -0.54 -3.81 8.81
2003 -1.08 -1.74 -1.36 8.5 11.35 1.68 7.81 1.21 -15.46 -5.07
2004 1.64 -7.06 -1.46 8.48 9.79 -8.05 -1.23 -2.32 48.34 5.65
2005 -1.62 7.59 1.49 -7.82 -8.91 8.75 1.24 2.38 -32.59 -5.35
2006 -21.99 1.24 2.41 -19.27 -3.68 -20.94 -3.39 2.93 5.92 -18.1
2007 20.85 -1.67 -1.55 26.2 -1.94 18.64 4.07 -3.59 18.46 21.3
2008 -33.31 1.28 0.43 19.02 3.53 -25.47 -2.8 3.37 1.71 -18.2
2009 52.5 -1.86 -0.64 -18.87 -0.62 34.16 1.97 -2.86 -2.24 17.03
2010 2.59 -14.87 -1.36 20.86 4.23 16.4 -1.34 -0.23 -19.63 3.66
2011 -24.95 17.27 3.91 -37.88 -6.28 -13.64 1.23 2.08 -8.99 -5.4
2012 6.23 2.56 -1.31 1.34 10.2 -9.84 -5.95 -0.87 28.88 4.01
2013 17.76 -24.01 -2.6 27.34 10.51 15.05 3.77 -1.39 -0.26 4.51
2014 -2.69 9.62 0.51 6.39 -5.65 19.17 -1.27 -1.01 -8.98 1.11
2015 10.83 16.76 -2.64 3.16 15.79 -1.22 -24.48 -1.38 23.48 4.78
2016 -7.51 -1.95 2.99 0.83 -18.59 0.64 31.44 1.4 -12.5 -8.72
2017 2.36 -8.37 0.01 -36.41 14.86 -5.84 -0.18 1.5 -21.58 3.91
2018 22.38 -11.65 2.28 -36.21 -17.52 16.61 -23.09 0.93 -32.09 -7.09
2019 2.44 28.4 -1.62 -1.17 12.86 2.9 9.12 -0.26 -0.98 -0.75

Recibido: 28 de Agosto de 2024; Aprobado: 23 de Octubre de 2024; Publicado: 17 de Enero de 2025

+ Autor de correspondencia. Email: aimrivas@correo.chapingo.mx.

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons