Introducción
Los humedales constituyen uno de los ecosistemas más valiosos del planeta; ello, en virtud de los servicios que proveen a la sociedad relacionados con la provisión de un recurso hídrico, el mantenimiento de la diversidad biológica y variabilidad ecosistémica, además de su importancia socioeconómica para las poblaciones locales (Aponte, 2017). En el Perú, se cuenta con un importante número de humedales, ubicados en las vertientes del Pacífico, Atlántico y del Titicaca, con un estimado preliminar de 8 millones de hectáreas, de los cuales 13 sitios forman parte de la Convención Ramsar (Decreto Supremo Nº 004-2015-MINAM). Todos ellos, proveen de bienes y servicios ecosistémicos a las poblaciones aledañas, permitiendo el desarrollo de actividades económicas y la subsistencia.
El Refugio de Vida Silvestre Los Pantanos de Villa (RVSPV), es un humedal reconocido como sitio Ramsar por ser un humedal de importancia internacional para las aves. En el 2006 se categorizó como Refugio de Vida Silvestre mediante el Decreto Supremo N° 055-2006-AG. Este humedal es la única Área Natural Protegida (ANP), que se encuentra en el área metropolitana de Lima y forma parte del Corredor Biológico del Pacífico Sur. Todo ello, es muestra la importancia de este ecosistema y el especial interés que ha puesto el estado e instituciones nacionales e internacionales por proteger este humedal. Este humedal proporciona también múltiples beneficios ecosistémicos como la captura de CO2, la provisión de un espacio para actividades turísticas, recreativas y educativas (Aponte et al., 2018; Vargas, 2018; Ampuero, 2018). A pesar de los múltiples esfuerzos por su conservación, el RVSPV presenta conflictos ambientales, físico-territoriales (relacionados con el mal manejo del territorio y sus recursos paisajísticos), socio-económicos (que se generan por la poca satisfacción de las necesidades de la población y la relación con su entorno), problemática institucional (que genera conflictos directamente vinculados a la gestión de la zona); conflictos socioculturales (por falta de conciencia, costumbre y cultura, así como, el deshecho de residuos sólidos cercanos a la carretera o la contaminación del recurso hídrico por las aguas servidas) siendo todas ellas son amenazas constantes para el humedal (Aponte et al., 2018; Lértora 2015; Ramírez & Cano 2010).
Una forma de poder entender la evolución de la cobertura del suelo en las áreas protegidas es haciendo un seguimiento de su vegetación; para ello, es muy útil realizar la identificación de la reflectancia espectral de la vegetación, el cartografiado y su distribución utilizando Teledetección. Esto se complementa con el uso de índices de vegetación y sistemas de información geográfica. El Índice de Vegetación de Diferencia Normalizada (NDVI) permite estimar y evaluar el estado de la vegetación en base a la medición de la radiación que las plantas emiten o reflejan; altos valores de índices de vegetación identifican píxeles de vegetación saludables que sirve de ayuda en el monitoreo de la vegetación. Estos índices son medidas cuantitativas que divide en pixeles entre el nivel digital almacenado en dos o más bandas de la misma imagen y se emplean para mejorar la discriminación entre suelos y vegetaciones, además para reducir el efecto del relieve (pendiente y orientación) en la caracterización espectral de una imagen (Chuvieco, 1995). El cálculo del NDVI implica el uso de una fórmula con dos bandas, el Infrarrojo Cercano (NIR) y el rojo (RED) como lo muestra Díaz (2015) en la siguiente ecuación:
NDVI = (φNIR-φRED) /(φNIR+φRED)
Los valores de este índice fluctúan entre -1 y +1, cuanto más alto sea el valor de este índice, las condiciones de vigor vegetal son mejores.
El uso del NDVI en humedales costeros como el RVSPV nos permite evaluar dichas condiciones en la vegetación del ecosistema evaluado. El RVSPV cuenta con numerosos estudios; sin embargo, pocas son las evaluaciones detalladas que caracterizan las unidades de vegetación del área. Estos datos son importantes porque permiten evaluar los cambios temporales permitiendo una mejor gestión del recurso examinado (Beltrán, 2017) siendo en este caso la vegetación y la cobertura del humedal. En esta investigación se utilizaron imágenes de satélite de alta y mediana resolución como las imágenes WorldView 3 con fecha de mayo del 2018 y CBERS2, 2B y 4 de los años 2004, 2008 y 2018 con el objetivo de definir, identificar y caracterizar las unidades de vegetación y analizar el NDVI del área. Esto nos permitió a) elaborar el mapa de unidades de vegetación y su superficie, como resultado de la interpretación visual y digital de imágenes satelitales de alta resolución; b) determinar el NDVI, derivados del análisis de las imágenes CBERS-2, 2B y CBERS-4, para estimar el estado de la cobertura vegetal y c) generar información útil para futuros monitoreos de la vegetación en el RVSPV.
Material y métodos
Área de estudio
El RVSPV está ubicado en la zona marino costera del departamento de Lima. Geográficamente, se encuentra entre las coordenadas 12°10’12°13’ S; 77° 01’-77°02’ W (Pulido & Bermúdez 2018) (Figura 1). Este humedal se caracteriza por sus lagunas, aguas salobres, vegetación emergente y es un ecosistema que alberga diversidad de especies de aves locales y migratorias este humedal abarca 263 hectáreas (INRENA, 1998). Mediante el D.S. N° 055-2006 se precisa el área y el perímetro del RVSPV, estableciendo que la superficie es de 263,27 ha. La zona de vida que corresponde a Los Pantanos de Villa está clasificada como desierto desecado subtropical (INRENA; 1995), presenta un promedio de precipitación total por año de 44 mm. El RVSPV tiene cuerpos de agua permanente de poca profundidad, a su alrededor crecen asociaciones vegetales como la "totora" (Typha dominguensis), "junco" (Schoenoplectus americanus) y "hierba" (Paspalum vaginatum). También, existe una gran extensión de gramadal cubierto por "grama salada" (Distichlis spicata) y un área donde domina la vegetación arbustiva (Aponte et al. 2018). MINAG (1996) señala que la temperatura media anual es de 18.6 °C, con una humedad relativa entre el 85% y 99 %. Las lagunas y espejos de agua varían en número y tamaño, de acuerdo a las fluctuaciones en el nivel de la napa freática, así como de los caudales de los canales que proveen agua a estas lagunas (SERNANP, 2016). El RVSPV presenta cuatro lagunas principales, como la laguna Mayor, laguna Sur, laguna Marvilla y la laguna Génesis.
Metodología
La metodología empleada estuvo basada en la aplicación de la Teledetección y los Sistemas de Información Geográfica, utilizando técnicas de análisis digital y visual en las imágenes satelitales. Mediante la información obtenida del área en estudio, se discriminó los diferentes tipos de unidades de vegetación por las respuestas espectrales, además se estimó el índice de vegetación. Para ello, se tuvieron en cuenta los siguientes pasos:
Obtención y adquisición de imágenes de satélite, información cartográfica básica y temática
Se obtuvieron imágenes de satélite considerando la nubosidad de cada una de las imágenes satelitales y la fecha de toma de cada una de las imágenes satelitales (época de verano). Se adquirieron las siguientes imágenes satelitales:
Imagen de satélite CBERS-2 y 2B y CBERS-4: Las imágenes de estos satélites son gratuitas. Se adquirió las imágenes CBERS en formato tif. según lo indicado en la Tabla 1.
Imagen de satélite Worldview-3: Imagen de alta resolución, que se obtuvo de manera gratuita y en formato ECW (enhanced compression wavelet) mediante el SASPLANET (Tabla 2). Esta imagen es proporcionada por servicios de mapas e imágenes satélite como DigitalGlobe y Google Maps.
Análisis e interpretación digital
El mapa base fue elaborado mediante la interpretación visual presentes en el área de estudio. La digitalización se realizó a escala 1:400, escala base para el desarrollo de la evaluación de la vegetación en el área de estudio. Para la elaboración de mapa base se utilizó el software ARCGIS 10.5, donde se realizó la composición de los mosaicos de la imagen Worldview-3. Posteriormente, se procedió al recorte del mosaico y se delimitó el área de estudio tomando como referencia el perímetro del RVSPV delimitado por los 66 hitos ubicados en sistema de coordenadas PSAD 56 (Resolución Ministerial Nº 0909, 2000), lo cual fue reproyectado en el sistema de coordenada UTM del Datum WGS84 de la zona 18S. Para validar el perímetro también se utilizó las bases de datos del geoservidor del área natural protegida. En campo se utilizó el mapa base para hacer el reconocimiento y cartografiado de las diferentes unidades de vegetación que conforman el RVSPV y con la finalidad de georreferenciar las mismas, que fue de utilidad para validar el mapa de las unidades de vegetación del año 2018.
Posteriormente, se realizó la georreferenciación del mosaico Worldview-3, de forma que disminuyan los errores generados durante de la obtención, mediante el uso de los puntos de control que enmarca la Resolución Ministerial N° 09092000-AG en DATUM PSAD 56 (66 hitos) convertidos al Sistema de coordenadas Universal Transversal de Mercator (UTM), y el Datum WGS 1984 de la zona 18S, de acuerdo al Instituto Geográfico Nacional, ente rector en cartografía peruano, de esta manera se minimizaron las diferencias de posición relativas, permitiendo así su comparación píxel a píxel.
En seguida se realizó una clasificación no supervisada (isocluster). En este análisis, se utilizó el método sugerido por Chuvieco (1995), donde señala que los niveles digitales (ND) de la imagen forman una serie de agrupaciones o conglomerados (cluster). Estos equivalen a pixeles que definen clases temáticas que en muchas veces da resultados de clases informacionales. En el proceso de la clasificación no supervisada, se utilizó el algoritmo Iso Cluster Unsupervised Classification, y se obtuvieron 11 clusters conformados por píxeles con comportamiento espectral homogéneo, a partir de estos fue posible extraer las clases temáticas de la zona de estudio sobre las cuales se obtuvieron las firmas espectrales correspondientes, asimismo se generó el mapa final.
A continuación, se realizó una clasificación supervisada, la cual se basa en la identificación de la zona donde se conoce con certeza el tipo de vegetación o unidad existente. Se utilizó el método de máxima verosimilitud para identificar las diferentes unidades de vegetación. Los datos obtenidos en campo mediante el equipo GPS se ingresaron al software Excel. Seguidamente se procesó en el software ARCGIS 10.5 cuyos datos fueron identificados en la imagen. Dado que los pixeles de una misma cobertura son diferentes, se hizo la identificación de la variabilidad de estos (distancia euclidiana), esto permite determinar la media y desviación típica y por consiguiente aplicar el método de clasificación de máxima verosimilitud. En la clasificación realizada sobre la imagen, se analizó cada una de las unidades de vegetación. Luego, se determinó el tipo de vegetación diferenciándolos por los colores y tonalidades, basándose en la información previa del área de estudio. Las unidades de vegetación identificadas por la clasificación supervisada, fueron agrupadas en 8 unidades de vegetación y 22 subunidades de vegetación. Por último, se utilizó el algoritmo Maximum Likelihood Classification en el software ARCGIS 10.5 para generar el mapa final. La elaboración del mapa final de las unidades de vegetación corresponde al sistema de coordenada proyectada UTM del datum WGS84 de la zona 18S, comprende a una escala de 1:4500, con su respectiva leyenda de cada unidad.
Con el mapa terminado se obtuvo el NDVI de los diversos tipos de vegetación del RVSPV. Las bandas 3 (rojo) y 4 (infrarrojo cercano) de la imagen Cbers-2 (24/02/2004) y 2B (30/03/2008), las bandas 7 (rojo) y 8 (infrarrojo cercano) que corresponden a la imagen Cbers-4 (16/05/2018), fueron utilizadas para crear el NDVI. Se utilizó el módulo spatial analyst tools, map algebra y raster calculator que nos permitió ingresar la formula mencionada anteriormente.
Los datos necesarios para esta etapa fueron conseguidos a partir de trabajo de campo, el cual estuvo organizado por varias visitas a la zona de estudio. Los recorridos cubrieron toda el área de estudio y el acceso se realizó sin restricciones para acceder a toda el área. Mediante esta metodología se logró mejorar la información obtenida del análisis digital, debido a las confusiones que presentaban los sectores por contener una alta humedad en suelo y espejos de agua temporales. Se elaboraron las claves de interpretación, considerando las características de las unidades y las subunidades de vegetación. Se tomó en cuenta las características de la imagen (tonalidad, textura y forma/limite). Estos datos sirvieron para corregir la clasificación de cada unidad. Es importante señalar que los cuerpos de agua no han sido analizados en el presente estudio, para no generar confusiones con la vegetación.
Resultados
Se identificaron 8 unidades de vegetación que corresponden al gramadal (84,436 ha; 32,072 %), totoral (74,338 ha; 28,237), área intervenida-cuerpos de agua (66,202 ha; 25,146 %), juncal (30,348 ha; 11,527 %), corta-corta (4,270 ha; 1,622 %), acuática (1,706 ha; 0,648 %), carrizal (1,290 ha; 0,490 %), y salicornial (0,677 ha; 0,257 %). Una descripción detallada de las mismas y de sus 22 subunidades de vegetación se encuentra en las Tablas 3 y 4. La figura 2 muestra las unidades de vegetación del RVSPV.
La tabla 5 y la figura 3 muestran el área correspondiente del NDVI de los años 2004, 2008 y 2018. El resultado obtenido del NDVI según el rango -1 a 0 (sin vegetación) pasó de 1,96 ha en el año 2004 a 39,40 ha en el año 2008; para el año 2018 el área calculada es de 38,75ha. El NDVI que corresponde a los rangos de 0 a +0,25 (vegetación mixta) pasó de 100,24 ha en el 2004 a 160,380 ha en el 2008; para el 2018 el área calculada es de 148,344 ha. Finalmente, el NDVI que corresponde al rango de +0,25 a +1 (vegetación densa) pasó de 130,146 ha en el 2004 a 31,652 ha en el 2008; para el año 2018 aumentó a 40,285 ha.
Discusión
Sobre la técnica utilizada
En el presente estudio la aplicación de la clasificación no supervisada generó resultados confusos en la discriminación de las unidades debido al alto contenido de la humedad que se refleja en el mosaico de WordView-3. Autores como Gandía y Meliá (1991) mencionan que esta metodología no siempre proporciona resultados satisfactorios. Igualmente, debido a que el agua generaba distorsión en reflectancia espectral, los resultados de la discriminación de las unidades de vegetación mediante el algoritmo maximum likelihood fueron muy generales (a pesar de que autores como Willington et al. (2013) y Vargas-Sanabria & Campos-Vargas (2017) señalan que los mejores resultados se obtienen mediante este método de clasificación supervisada). Es importante mencionar que, en el infrarrojo medio, la respuesta espectral de la vegetación está determinada por su contenido hídrico (Castro, 1999); el agua contenida en la vegetación presenta una alta absorción en las longitudes de onda de 1,4 μm, 1,9 μm y 2,7μm, esto significa una baja reflectividad por parte de la vegetación en estos valores que se utilizaron en la combinación de bandas de las imágenes utilizadas (infrarojo, rojo y rojo visible). Por estos motivos, la clasificación supervisada tuvo que reforzarse con trabajo de campo exhaustivo, realizándose seis salidas de campo para afinar y verificar los resultados de mapa de vegetación, lo que llevo a recorrer el RVSPV íntegramente.
La interpretación visual de la imagen satelital Worldview-3 reforzó los resultados de la clasificación supervisada, ya que esta metodología analiza los aspectos de tonalidad, textura, forma y colores tradicionales presentes en la imagen satelital. Esta aplicación es mucho más precisa ya que requiere de mucho conocimiento de campo y, en este caso, el sensor es el ojo humano. Esta metodología permitió obtener datos de las áreas que ocupa cada unidad resultante y la cuantificación porcentual del área. Chicharro y Martínez (1992) precisa que el análisis visual con muestras de campo es más efectivo para corroborar la información. Todo ello, nos permite confiar en los datos obtenidos y en la interpretación de las imágenes realizada en el presente estudio.
Sobre las unidades de vegetación
Como resultado de la identificación de las unidades de vegetación se discriminaron 08 unidades de vegetación y 22 subunidades. Las denominaciones o términos utilizados para la vegetación son variables en los artículos publicados por González (1993), León y Young (1995), INRENA (1998), Arana & Salinas (2003), La Torre & Aponte (2009), SERNANP (2016), Pulido & Bermúdez (2018) y Aponte et al. (2018) quienes también estudian humedales costeros desde diferentes perspectivas. Todos hacen mención a diferentes denominaciones (comunidad, formación o hábitat) para los mismos tipos de vegetación. En el estudio realizado por Castro et al. (2017) existe una similitud en la denominación unidad de vegetación, aplicada en este caso a un humedal similar (Albufera de Medio Mundo). En el presente trabajo, preferimos mantener la terminología de unidad de vegetación, con la finalidad de no contradecir los trabajos previos, sino más bien con el objetivo de identificar áreas de vegetación regularmente homogéneas que se caracterizan por la predominancia de una especie o dos. Consideramos que, para el tratamiento y análisis de información geográfica su trato como unidades de vegetación facilita su análisis sin entrar en términos ecológicos que podrían requerir un mayor análisis y rigurosidad.
Los resultados del análisis del NDVI muestran que el área de la clase sin vegetación aumento de 0,559 % a 17,049 % muy probablemente debido a la presión antrópica y el crecimiento urbano y otros impactos que ocurren en los alrededores del área (impactos mencionados como frecuentes por Aponte et al., 2018). El gramadal es la unidad de vegetación con mayor reducción (por ejemplo, en el sector Sur, el gramadal ha disminuido consideradamente, incrementado las áreas ocupadas por la arena donde se encuentra suelo sin vegetación). Otras actividades que afectan a las unidades de vegetación son el aprovechamiento de totora, los incendios (los cuales reducen la cobertura vegetal, y generan la perdida de hábitats), ingreso de caballos, residuos de construcción (lo cual modifica la estructura del suelo y genera la pérdida de cuerpos de agua y posiblemente contaminación), taponamiento de canales y drenes y vertimiento de aguas no tratadas (SERNANP, 2016). Ejemplo de ello, es la reducción de cuatro unidades de vegetación (juncal, totoral, carrizal y corta-corta) producto del incendio que ocurrió en el año 2014, en Los Pantanos de Villa, habiendo sido el sector Sur centro el área más afectada (Ramírez et al., 2018).
Los estudios multitemporales son necesarios para caracterizar el territorio, especialmente en ambientes fluctuantes como los humedales, donde se requiere imágenes de satélite de diferentes periodos. Con ello se agiliza la obtención de información territorial de interés para el seguimiento y evolución de humedales y su entorno. El presente estudio, proporciona información consistente para el seguimiento de las unidades de vegetación a diferentes escalas de gestión del territorio, en espacios protegidos en el RVSPV. En esta investigación muestra la utilidad de las imágenes satelitales para analizar cambios en el funcionamiento ecosistémico de áreas protegidas.