Printer Friendly

Caracterizacion funcional de la vegetacion del Uruguay mediante el uso de sensores remotos.

RESUMEN

El Indice de Vegetacion Normalizado (IVN) es un indice espectral derivado de sensores a bordo de satelites que muestra una relacion positiva y lineal con la fraccion de la radiacion fotosinteticamente activa absorbida por el dosel. El IVN es un buen estimador de la productividad primaria, un importante atributo ecosistemico. En este trabajo fueron caracterizados los ecosistemas del Uruguay en base a tres atributos derivados de la curva estacional del IVN a partir de 20 anos de imagenes de los satelites NOAA/AVHRR (1981-2000). Se calculo la integral anual del IVN (IVN-I), usada como estimador de la productividad primaria neta aerea; el mes de maximo de IVN (IVN-MDM) y el rango relativo de IVN (IVN-RREL), atributos que dan cuenta de la estacionalidad de la productividad primaria y reflejan aspectos centrales del funcionamiento de los ecosistemas. De acuerdo al comportamiento de estos tres atributos, cada porcion del territorio uruguayo se clasifico como un tipo funcional de ecosistema (TFE), combinando metodos de clasificacion no supervisados, supervisados y analisis jerarquico. Se identificaron 6 TFE que difieren significativamente entre si. La variacion espacial de los tres atributos utilizados se asocia principalmente a las regiones geomorfologicas y a los patrones de uso del suelo, y no a las variables climaticas.

SUMMARY

The Normalized Difference Vegetation Index (NDVI) is a spectral index derived from sensors on board of satellites that shows a positive and lineal relationship with the proportion of photosynthetic active radiation absorbed by the canopy. The NDVI is a good estimator of primary productivity, an important ecosystem attribute. In this article the ecosystems of Uruguay were characterized on the basis of three attributes derived of the seasonal curve of the NDVI using 20 years of images of the satellites NOAA/AVHRR (1981-2000). The annual integral of the NDVI (IVN-I), an estimate of the aboveground net primary production; the month of maximal NDVI (IVN-MDM); and the relative range of NDVI (IVN-RREL), attributes that account for the seasonal character of the primary production and reflect critical aspects of the ecosystem functioning, were the calculated attributes. Based on their behavior, each portion of the Uruguayan territory was classified as an ecosystem functional type (TFE), combining supervised and unsupervised classification methods, together with hierarchical analysis. Six TFE that differed significantly among them were identified. The spatial variation of the three attributes was associated mainly to the geomorphologic structure and land use patterns, and not to climatic variables.

RESUMO

O Indice de Vegetacao da Diferenca Normalizada (IVN) e um indice espectral derivado de sensores a bordo de satelites que mostra uma relacao positiva e linear com a fracao da radiacao fotossinteticamente ativa absorvida pelo dossel. Por isto o IVN e um bom estimador da produtividade, um dos principais atributos ecossistemicos. Neste trabalho caracterizamos os ecossistemas do Uruguai com base em tres atributos derivados da curva estacional do IVN, obtidos a partir de 20 anos de imagens dos satelites NOAA/AVHRR (1981-2000). Foi calculada a integral anual do IVN (IVN-I), usada como estimador da produtividade primaria liquida aerea, o mes de maximo de IVN (IVN MDM) e o rango relativo de IVN (IVN-REEL), caracteristicas que dao conta da sazonalidade da produtividade primaria e refletem aspectos centrais do funcionamento dos ecossistemas. De acordo com o comportamento destes tres atributos, cada porcao do territorio uruguaio, foi classificada como um tipo funcional de ecossistema (TFE) combinando metodos de classificacao nao supervisionados, supervisionados e analise hierarquica. Identificaram-se 6 TFE que diferem significativamente uns de outros. A variacao espacial dos tres atributos utilizados associa-se principalmente as regioes geomorfologicas e aos padroes de uso do solo, e nao as variaveis climaticas.

PALABRAS CLAVE / Funcionamiento Ecosistemico / Indice de Vegetacion Normalizado / Teledeteccion / Uruguay /

Introduccion

El conocimiento de la estructura y funcionamiento de la vegetacion es un requisito para entender y predecir las consecuencias de los cambios globales asociados a aumentos en la concentracion de gases con efecto invernadero, alteraciones climaticas y cambios en el uso del suelo (Hooper y Vitousek, 1997; IPCC, 2000). Las aproximaciones para des cribir la heterogeneidad de la vegetacion varian tanto en escala como en el aspecto de la vegetacion en que se centran. A escala local se basan principalmente en descripciones floristicas o de tipos funcionales de plantas. A escala local o regional una alternativa comun para describir la heterogeneidad de la vegetacion son las descripciones fisonomicas o estructurales, que caracterizan las formaciones vegetales por la forma de vida dominante (Terradas, 2001). El funcionamiento ecosistemico (intercambio de materia y energia) es otra forma de describir la heterogeneidad de los ecosistemas (Paruelo et al., 2001; Guershman et al., 2003). Esta aproximacion tiene algunas ventajas sobre las aproximaciones estructurales tradicionales. Por un lado, los atributos funcionales de los ecosistemas (productividad primaria neta, evapotranspiracion, reciclado de nutrientes, etc.) generalmente responden mas rapido frente a los disturbios que los atributos estructurales (composicion especifica, fisonomia, abundancia relativa de tipos funcionales de plantas) (Malanson et al., 1992; Milchunas y Lauenroth, 1995) Por otro lado, la caracterizacion funcional de los ecosistemas permite caracterizar, usando un protocolo comun, tanto a los ecosistemas naturales como a los antropogenicos.

La percepcion remota es una alternativa para describir la heterogeneidad espacial del funcionamiento ecosistemico a diferentes escalas, desde locales a globales (Soriano y Paruelo, 1992; Paruelo et al., 1998; Paruelo et al., 2001; Pineiro et al., 2002; Alcaraz et al., 2006). La informacion derivada de los datos recogidos por los sensores a bordo de satelites puede representar de forma adecuada atributos funcionales de los ecosistemas como la productividad primaria (Prince, 1991), la evapotranspiracion (Di Bella et al., 2000) o el balance de energia (Nemani y Running, 1997).

La cantidad de radiacion reflejada en las longitudes de onda correspondientes al rojo (R) y al infrarrojo cercano (IR) muestra una estrecha relacion con la actividad fotosintetica de la superficie. Esto se debe a que los tejidos fotosinteticamente activos absorben una proporcion alta de la radiacion incidente en la banda del rojo y reflejan una gran proporcion de la radiacion en la banda del infrarrojo (Guyot, 1990). Esta reflexion diferencial en las bandas del rojo y el infrarrojo cercano permite la construccion de indices espectrales. Uno de los mas usados es el Indice de Vegetacion Normalizado, expresado como IVN = (IR-R) / (IR+R), este indice muestra una relacion estrecha, positiva y lineal con la fraccion de la radiacion fotosinteticamente activa absorbida por el dosel (Gallo et al., 1985; Sellers et al., 1992, Dye y Goward, 1993; Di Bella et al., 2004).

La productividad primaria, tasa de produccion de biomasa por unidad de area y tiempo, es un atributo importante en los ecosistemas ya que determina la cantidad de energia disponible para niveles troficos superiores (McNaughton, 1989). Relaciones positivas entre la Productividad Primaria Neta Aerea (PPNA) y el IVN han sido reportadas para diferentes ecosistemas en diferentes regiones geograficas (Tucker et al., 1985; Box et al., 1989; Prince, 1991; Paruelo et al., 1997, 2000; Pineiro et al.). El modelo de Monteith (1981) brinda la base teorica para estimar la PPNA a partir de la fraccion fotosinteticamente activa absorbida por el dosel.

Numerosos autores han propuesto clasificaciones de la vegetacion en base a indices espectrales generados a partir de datos satelitales como el IVN (Tucker et al., 1985; Lloyd, 1990; Nemani y Running, 1997). Soriano y Paruelo (1992) presentaron la idea de "Biozonas", unidades de vegetacion definidas sobre la base de caracteristicas del funcionamiento ecosistemico derivadas de imagenes satelitales. Paruelo et al. (2001) expanden este concepto al de "Tipos funcionales de ecosistemas" (TFE), unidades definidas por el intercambio de materia y energia de los ecosistemas e independientes de la estructura de la vegetacion. El concepto de TFE muestra una clara analogia con el de Tipos Funcionales de Plantas (Chapin, 1993). Los TFE se vinculan conceptualmente con las "Land Functional Units" propuestas por Valentini et al. (1999). Si bien la determinacion de TFE puede basarse en cualquier atributo funcional, su definicion se ha apoyado en la dinamica estacional del IVN (Paruelo et al., 1998, 2001; Alcaraz et al., 2006) dada la cobertura espacial y disponibilidad de estos datos.

En Uruguay no existen hasta el momento descripciones de la vegetacion que se basen en un protocolo de observacion y extrapolacion documentado y uniforme, y que abarquen todo el territorio. Las clasificaciones realizadas separan grandes tipos de vegetacion definidos a partir de su fisonomia (monte ribereno, monte serrano, monte de parque, praderas, etc.) o de la presencia de ciertas especies dominantes (Rosengurt, 1944; Carrere, 1990; Soriano, 1991; Sganga, 1994).

El 83% del territorio uruguayo esta cubierto por pasturas permanentes dedicadas a la ganaderia (13500000ha.) La pradera natural ha disminuido su extension en algo mas de 980000ha, pasando del 80% del territorio en 1990 al 71% en el 2000, debido al incremento de las pasturas mejoradas (MGAP, 2000). Si bien existen aproximaciones a la clasificacion de la vegetacion de la pradera natural uruguaya en funcion del tipo de suelo, el sustrato geologico y la distribucion de algunas especies de gramineas (Millot et al., 1987; Soriano, 1991; Sganga, 1994), ninguna de ellas se baso en relevamientos sistematicos de la vegetacion.

Existe, por otra parte, informacion a escala local y regional que describe la composicion y dinamica de las comunidades vegetales (Altesor et al., 1998, 1999; Azpitarte y Guelf, 1999; Rodriguez et al., 2003; Lezama et al., 2004). Estas descripciones cubren una superficie relativamente pequena del territorio uruguayo.

Buena parte de las praderas naturales han sido modificadas por agricultura o implantacion de bosques (Sarli, 2004). El caracter dinamico de las modificaciones del uso del suelo (reemplazo de coberturas naturales por cultivo, de unos cultivos por otros o el abandono) plantea un problema de dificil solucion mediante aproximaciones tradicionales basadas en relevamientos de la estructura de la vegetacion.

En este trabajo se realizo una clasificacion de la vegetacion del Uruguay siguiendo la propuesta metodologica de Tipos Funcionales de Ecosistemas planteada por Paruelo et al. (2001). Para ello se derivaron tres atributos de la curva estacional del indice Verde Normalizado (IVN): la integral anual del IVN (IVN-I), estimador de la productividad primaria neta aerea; el mes de maximo de IVN (IVN-MDM) y el rango relativo de IVN (IVN-RREL), caracteristicas que dan cuenta de la estacionalidad de la productividad primaria y capturan aspectos centrales del funcionamiento de los ecosistemas. Con base en el comportamiento de estos tres atributos, cada porcion del territorio uruguayo se clasifico como un Tipo Funcional de Ecosistema (TFE). Por otra parte, se describio la heterogeneidad funcional de la vegetacion del Uruguay segun los tres atributos derivados de la curva estacional del IVN, y se comparo dicha heterogeneidad con los patrones climatico, geomorfologico y de uso del suelo.

Materiales y Metodos

La caracterizacion de la heterogeneidad funcional de la vegetacion a nivel regional se baso en el analisis del [ndice de Vegetacion Normalizado (IVN) generado a partir de datos de los satelites AVHRR/ NOAA. Se utilizo la base de datos NOAA/NASA Pathfinder AVHRR Land (PAL). Esta base de datos proviene de imagenes de los satelites NOAA-7, 9 y 11 corregidas radiometricamente y espacialmente (para detalles ver James y Kallury, 1994; Rao y Chen, 1995). Las imagenes tienen una resolucion espacial de 8x8km y una resolucion temporal nominal de un dia. Se utilizaron compuestos decadicos (una imagen cada 10 dias) correspondientes a Uruguay para el periodo 1981-2000. Cada compuesto decadico se construye con el valor maximo de cada pixel de la imagen en un periodo de 10 dias, de manera de minimizar los efectos de contaminacion por nubes, aerosoles y/o problemas geometricos asociados con la inclinacion solar o el angulo de observacion del satelite (Paruelo et al., 2001; Guershman et al., 2003). Se construyeron promedios mensuales para los 20 anos de la serie.

Los atributos esenciales de la dinamica de la productividad primaria fueron extraidos de la informacion satelital calculando (Paruelo et al., 2001) tres caracteristicas de las curvas estacionales del IVN: la integral anual (IVNI), el rango relativo anual del IVN (RREL) y la fecha del maximo IVN (MDM). Estas caracteristicas resumen importantes atributos del funcionamiento ecosistemico (Nemani y Running, 1997; Paruelo et al., 1998) y explican la mayor parte de la variabilidad temporal de las dinamicas del IVN en areas templadas (Paruelo et al., 1993; Paruelo y Lauenroth, 1995).

La integral anual (IVN-I) se calculo sumando los productos del promedio de 20 anos de IVN para cada periodo considerado y la proporcion del ano representada por ese periodo. Esta caracteristica es un buen estimador de la fraccion de radiacion fotosinteticamente activa absorbida por el dosel (Sellers et al., 1992) y en general de su productividad primaria (Tucker et al., 1985; Prince, 1991; Paruelo et al., 1997). El rango relativo (IVN-RREL) corresponde a la diferencia entre el maximo y el minimo valor de IVN promediada para todo el periodo de tiempo considerado (1981-2000), dividido por IVN-I. Esta caracteristica describe la variacion intraanual del IVN, independientemente de los valores de IVNI (Paruelo et al., 2001). El mes del maximo (IVN-MDM) corresponde al mes en el que con mayor frecuencia (moda) se produce un pico o valores maximos de IVN. Estas dos caracteristicas (RREL y MDM) reflejan aspectos esenciales de la estacionalidad de las ganancias de carbono del ecosistema.

Los valores extremos (maximos) de IVN-RREL o los valores muy bajos de IVN-I, asociados a la linea de costa o a grandes cuerpos de agua fueron eliminados del analisis, debido a que existe una alta contaminacion de la senal registrada al promediar senales de agua con senales de cobertura del suclo.

Los Tipos Funcionales de Ecosistema (TFE) se determinaron mediante una clasificacion de todos los pixeles dentro del area de estudio en base a los tres atributos derivados de la curva estacional del IVN (IVN-I, IVN-MDM, IVN-RREL). Se utilizo el algoritmo ISODATA (Iterative Self-Organizing Data Analisis; Tou y Gonzalez, 1974) del Software ERDAS 8.4. ISODATA es un metodo de clasificacion aglomerativo e iterativo en el cual la cantidad de clases es definida a priori. Para asignar un pixel a una clase el metodo mide la distancia espectral minima entre cada pixel y la media de cada clase, redefiniendo una nueva media para cada clase en cada nueva iteracion. El metodo finaliza cuando el porcentaje de pixeles inalterados llega al umbral de convergencia definido por el usuario, en este caso el 95%.

El metodo es sumamente sensible a las diferencias de escala de las variables consideradas. Por este motivo todas las variables fueron estandarizadas restandoles la media y dividiendolas por la varianza antes de correr la clasificacion. El metodo no brinda informacion acerca del grado de asociacion entre clases ni permite identificar el numero de clases que minimiza la varianza entre ellas. Por ello en una primera instancia se clasificaron los pixeles en 100 clases, un numero sensiblemente mayor al necesario para describir la heterogeneidad del area. Luego de retirar tres clases muy poco representadas y que correspondian a pixeles con valores anomalos, se agruparon jerarquicamente las clases restantes utilizando la distancia euclidiana como medida de distancia y el metodo Ward como regla de agrupamiento (Ward, 1963). Las clases definidas con ISODATA se unieron en 6 grupos segun limites naturales derivados del analisis jerarquico. Las firmas espectrales de todas las clases que conforman cada uno de los 6 grupos fueron unidas. Con las 6 firmas espectrales asi obtenidas, se realizo una clasificacion supervisada definiendose con cada una un Tipo Funcional de Ecosistema (TFE). A cada TFE se le asigno un codigo de dos letras y un numero en base al valor promedio de cada atributo utilizado para definir las clases. La primera letra (mayuscula) va de A-F y corresponde al valor promedio de IVN-I de mayor a menor. La segunda letra (minuscula) va de a-f y corresponde al valor promedio de IVN-RREL de mayor a menor. El numero corresponde al mes del maximo (IVN-MDM) y varia de 1 a 12 (1 para enero, 12 para diciembre).

Para evaluar estadisticamente las diferencias entre las clases se realizo un analisis de coordenadas discriminante. Se utilizaron las clases como variable a agrupar y los atributos derivados de la curva estacional del IVN (IVN-I, IVN-MDM, IVN-RREL), como variables independientes.

Los TFE fueron caracterizados en base a variables climaticas (precipitacion media anual y temperatura media anual) y a la unidad geomorfologica mas representativa. Para ello se incorporo la informacion en un Sistema de Informacion Geografica. Las variables climaticas corresponden a una interpolacion de la base de datos generada por la FAO (1985) a una grilla de lxlkm. La informacion sobre las unidades geomorfologicas del Uruguay fue tomada de Panario (1988). Los TFE fueron comparados con los datos de uso del suelo recogidos por el Censo General Agropecuario (MGAP, 2000).

Resultados y Discusion

Si bien Uruguay es relativamente homogeneo en cuanto a su clima y vegetacion dominante, los tres atributos derivados de las curvas del indice de Vegetacion Normalizado (IVN) variaron espacialmente (Figura 1). Los valores de IVN-I se ubicaron entre 0,37 y 0,65; y la mayoria de los pixeles presentaron valores entre 0,56 y 0,62 (Figura 2). Este atributo, estrechamente relacionado con la fraccion de radiacion fotosinteticamente activa interceptada por el dosel, presento (Figura 1) valores minimos a lo largo de una faja que se extiende de norte a sur por el centro del pais y en el este del territorio (cuenca de la Laguna Merin, departamentos de Cerro Largo, Treinta y Tres y Rocha). Los maximos IVN-I se observaron en algunos departamentos del litoral oeste, principalmente Paysandu y Rio Negro; y hacia el este y noreste del territorio (departamentos de Rivera, este de Tacuarembo, y sectores de Rocha y Treinta y Tres).

[FIGURAS 1-2 OMITIR]

Los patrones regionales de IVN-I, parecen estar influenciados por tres grandes factores: las variables climaticas, principalmente la precipitacion media anual (PMA); la region geomorfologica y el uso de la tierra. Numerosos autores han demostrado una estrecha relacion entre el IVN-I y la precipitacion (Paruelo et al., 1999; Jobbagy et al., 2002; Guershman et al., 2003). Si bien en Uruguay existe un patron general de aumento de IVNI de SO a NE del pais coincidente con el aumento en la precipitacion (Figura 4a), el rango de variacion de la PMA es muy estrecho, y otros factores adquieren mucha importancia en la determinacion de la PPNA. Se observa que la variacion del IVN-I esta asociada con la distribucion espacial de las grandes unidades geomorfologicas del Uruguay (Figuras 1 y 4b). La cuesta basaltica y la region centro sur (basicamente basamento cristalino) son regiones de suelos principalmente superficiales que imponen fuertes restricciones al crecimiento vegetal. En esas regiones se observan valores mas bajos de IVN-I. Otro factor que afectaria los niveles de IVN-I es el uso del suelo, por ejemplo, en los departamentos de Rio Negro y Paysandu se observan valores extremos de IVN-I (Figura 1) que se corresponden con una zona de gran desarrollo de la actividad forestal (Sarli, 2004).

[FIGURA 4 OMITIR]

El rango relativo (variacion intra anual) del IVN (IVNRREL) fue minimo para el sudeste del pais (departamentos de Rocha y Maldonado) y maximo para las zonas cerealeras del litoral del Rio Uruguay (oeste del territorio) y la cuenca arrocera de la laguna Merin (este del pais, departamentos de Rocha y Treinta y Tres). El IVNRREL vario entre 0,09 y 0,17; y la mayoria de los pixeles presentaron valores entre 0,1 y 0,15 (Figuras 1 y 2). Las zonas de alta variacion intra-anual se corresponden con areas de cultivos altamente estacionales como la cuenca arrocera de la laguna Merin o la zona cerealera del litoral oeste. En estas zonas se observan IVN muy altos (son mas productivas) durante la estacion de crecimiento del cultivo y permanecen en barbecho durante el resto del ano (con valores bajos de IVN). Esto da lugar a altos valores de IVN-RREL (Figura 1).

El mes del maximo del IVN (IVN-MDM) varia desde la primavera temprana en el sudoeste del pais hasta el final del verano-otono en el noreste. En un 46,1% del pais el maximo IVN ocurrio antes de diciembre mientras que en un 40,2% del territorio lo hizo luego de febrero (Figuras 1 y 2). La variacion relativa en la proporcion de especies C3 y C4 (Paruelo y Lauenroth, 1996) y los cambios en la disponibilidad de agua dependientes del tipo de sustrato explicarian este patron.

La clasificacion realizada identifico en Uruguay seis Tipos Funcionales de Ecosistemas (TFE) definidos en funcion de la integral anual del IVN (IVN-I), un estimador de la productividad, del rango relativo del IVN (IVN-RREL) y del mes del maximo de IVN (IVN-MDM), ambos estimadores de la estacionalidad de las ganancias de carbono (Figura 3). El analisis de coordenadas discriminante mostro que las 6 clases definidas (TFE) difieren significativamente unas de otras (F= 1340,3, p<0,001, n= 2780). La distancia de Mahalanobis entre los centroides de cada par de clases (TFE; Tabla I) fue estadisticamente significativa (p<0,01).

[FIGURE 3 OMITTED]

La clasificacion de Tipos Funcionales de Ecosistemas (TFE) permite regionalizar a Uruguay en terminos de uno de los principales atributos ecosistemicos, la productividad y su estacionalidad. Las 6 clases generadas agrupan pixeles (sectores del territorio) que se comportan de forma similar en terminos de cuanto producen en el ano y como varia esa productividad.

Los TFE Ac2 y Bf4 presentan altos valores de IVN-I, pero difieren tanto en su variacion intra anual (IVN-RREL), como en el mes del maximo; Bf4 es en promedio menos estacional y su pico de crecimiento (IVN-MDM) ocurre dos meses mas tarde. El TFE Cel 1 presenta valores levemente menores de IVN-I y valores intermedios de RREL, se diferencia de los dos anteriores principalmente en el mes del maximo, que ocurre antes en la estacion de crecimiento (noviembre). Los TFE Db1 1 y Ed4 presentan valores de IVN-I sensiblemente menores, una variacion intraanual similar, pero difieren en su aico de crecimiento (abril y noviembre respectivamente). El TFE Fa2 es el que tiene menor valor promedio de IVN-I y el que tiene mayor variacion intranual (mayor IVN-RREL).

En cuanto a su distribucion espacial, el TFE Ed4 ocurre principalmente en la mitad norte del pais, estrechamente asociado con la unidad geomorfologica Cuesta Basaltica. Db11 se encuentra ubicado principalmente en el centro sur del pais, asociado a la unidad geomorfologica, Region Centro-Sur (basamento cristalino). Fa2 ocurre principalmente en el este del territorio, y la unidad geomorfologica mayoritaria sobre la que se encuentra es el Sistema de Planicies y Fosas de la Laguna Merin; tambien se ubica asociado al Rio Negro, aunque probablemente esto se deba a la contaminacion de la senal con valores de agua. Esta clase es la mas conflictiva de los TFE generados ya que muchas veces incluye pixeles cuya senal esta altamente contaminada por valores de agua y/o zonas anegables. Ac2 se encuentra fundamentalmente en el noreste del pais, asociado a la unidad geomorfologica Cuenca Sedimentaria del noreste (areniscas). El TFE Bf4 se encuentra distribuido por todo el territorio, ocupando areas relativamente pequenas. Su mayor extension geografica se da en el sudeste del pais y su unidad geomorfologica mayoritaria es Sierras del Este e Isla Cristalina de Rivera. Cell se encuentra principalmente en el centro-este del pais y en el litoral oeste y sudoeste. (Figuras 3 y 4B, Tabla II).

La distribucion espacial de los TFE definidos en este trabajo refleja en cierta manera los patrones de distribucion espacial de las grandes unidades geomorfologicas del Uruguay. La correspondencia entre la distribucion de los TFE y las unidades geomorfologicas da cuenta de la importancia del tipo de sustrato como determinante de la heterogeneidad de la vegetacion. Ed4 y Db11 son dos de los TFE menos productivos del pais y estan muy asociados a unidades con altos porcentajes de suelos superficiales. Los tres TFE mas productivos, Ac2, Bf4 y Cel 1, se encuentran asociados a suelos de origen sedimentario, mas profundos y productivos, o a zonas con relieve mucho mas quebrado en las que la disponibilidad de agua por escurrimiento, el abrigo del viento, etc., permiten un mayor desarrollo de estratos de vegetacion arborea y arborescente.

La caracterizacion de ecosistemas basada en variables funcionales derivadas de sensores remotos permite eliminar el problema de extrapolar datos puntuales a toda una region en base a patrones climaticos o al sustrato sobre el cual crece la vegetacion. En este caso cada pixel fue asignado a una clase en base a su comportamiento individual, definido a partir de variables con un claro significado biofisico. Constituye ademas una forma objetiva y repetible de caracterizar con "el mismo metodo de muestreo" grandes extensiones de terreno usando el mismo conjunto de variables. Sin embargo la clasificacion no discrimina entre las causas del comportamiento de un pixel particular. Por ejemplo, la baja productividad del TFE Ed4 probablemente responda a causas diferentes segun la region geografica; en el norte del pais estaria asociada a restricciones impuestas por el tipo de sustrato (suelos muy superficiales) y en el sur del pais a problemas de degradacion de suelos (Figura 3).

El problema de delimitar ecosistemas ha sido ampliamente reconocido en la literatura (Allen y Hoesktra, 1992; Pace y Groffman, 1998). En este sentido es importante destacar que los TFE no se corresponden de manera univoca con unidades de vegetacion discretas y que un mismo TFE puede incluir varias y diferentes formas de cobertura del suelo, siempre y cuando la dinamica de su productividad primaria se comporte de modo similar. La ausencia de mapas de vegetacion de todo el territorio uruguayo impide la comparacion de los resultados de este trabajo con las diferentes unidades de vegetacion/coberturas del suelo presentes en el pais. Ademas, la resolucion espacial de la informacion utilizada (8x8km) integra generalmente en un mismo pixel la respuesta espectral de mas de un tipo de cobertura del suelo. Incluir en este tipo de aproximaciones la nueva generacion de sensores remotos de alta resolucion temporal como el MODIS (resolucion espacial 250x250m, resolucion temporal un dia) permitiria mejorar las caracterizaciones funcionales de la vegetacion, debido a la mejor calidad geometrica y radiometrica de las imagenes generadas (Huete et al., 2002; Justice et al., 2002). Por otro lado, su mayor resolucion espacial permitiria comparar el funcionamiento con la estructura de la vegetacion o caracterizar el funcionamiento de unidades de vegetacion discretas previamente definidas con aproximaciones clasicas.

Analizar en profundidad la relacion de las variables consideradas con variables meteorologicas y estadisticas agropecuarias que reflejen los principales usos de la tierra permitina plantear hipotesis cuantitativas acerca de las relaciones entre el funcionamiento ecosistemico y factores ambientales y antropicos. Este tipo de relaciones constituye un valioso auxiliar en la evaluacion de las consecuencias de los cambios globales sobre los ecosistemas.

AGRADECIMIENTOS

Los autores agradecen la colaboracion de los miembros del Laboratorio de Analisis Regional y Teledeteccion, IFEVA, Facultad de Agronomia, UBA; en particular de German Baldi, por su apoyo en el analisis y tratamiento de los datos. Este trabajo conto con el apoyo economico del Proyecto FONTAGRO (FTG/ RF 01-03-RG).

REFERENCIAS

Alcaraz D, Paruelo JM y Cabello J (2006) Current distribution of Ecosystem Functional Types in the Iberian Peninsula. Global Ecol. Biogeogr. 15: 200-210.

Allen TFH, Hoekstra TW (1992) Toward a unified ecology (Complexity in Ecological Systems Series). Columbia University Press. Nueva York, EEUU. 384 pp.

Altesor A, Di Landro E, May H, Escurra, E (1998) Long-term species change in an Uruguayan grassland. J. Veget. Sci. 9: 173-180.

Altesor A, Pezzani F, Grun S, Rodriguez C (1999) Relationship between spatial strategies and morphological attributes in an Uruguayan grassland: a functional approach. J. Veget. Sci. 10: 457-462.

Azpitarte IJ, Guelf MJ (1999) Estudio comparativo de comunidades vegetales de pradera natural sobre suelos profundos y superficiales del basamento cristalino. Tesis. Universidad de la Republica. Montevideo, Uruguay. 52 pp.

Box EO, Holbes BN, Kalb V (1989) Accuracy of the AVHRR Vegetation Index as a predictor of biomass, primary productivity and net C[O.sub.2] flux. Vegetatio 80: 71-89.

Carrere R (1990) El bosque natural uruguayo, caracterizacion y estudios de caso. Investigaciones SIEDUR. Montevideo, Uruguay, 105 pp.

Chapin FS (1993) Functional role of growth forms in ecosystem and global processes. En Ehleringer JR, Field CB (Eds.) Scaling physiological processes: leaf to globe. Academic Press. Londres, RU. pp. 287312.

Di Bella CM, Rebella CM, Paruelo JM (2000) Evapotranspiration estimates using NOAA AVHRR imagery in the Pampa region of Argentina. Int. J. Remote Sens. 21: 791-797.

Di Bella CM, Paruelo JM, Becerra JE, Bacour C, Baret F (2004) Effect of senescent leaves on NDVI-based estimates of fAPAR: experimental and modelling evidences. Int. J. Remote Sens. 25: 5415-5427.

Dye DG, Goward SN (1993) Photosynthetically active radiation absorbed by global land vegetation in August 1984. Int. J. Remote Sens. 14: 3361-3364.

FAO (1985) Datos Agroclimaticos para America Latina y el Caribe. Food and Agriculture Organization of the United Nations. Roma, Italia. 600 pp.

Gallo KP, Daughtry CST, Bauer ME (1985) Spectral estimation of absorbed photosynthetically active radiation in corn canopies. Remote Sens. Envir. 22: 209-203.

Guershman JP, Paruelo JM, Burke IC (2003) Land Use Impacts on the Normalized Difference Vegetation Index in Temperate Argentina. Ecol. Appl. 13: 616-628.

Guyot G (1990) Optical properties of vegetation canopies. En Steven MD, Clark JA (Eds.) Applications of Remote Sensing in Agriculture. University Press, Cambridge, RU. pp 1946.

Hooper DU, Vitousek PM (1997) The effects of plant composition and diversity on ecosystem processes. Science 277: 1302-1305.

Huete A, Didan K, Miura T, Rodnguez EP, Gao X, Ferreira LG (2002) Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sens. Envir. 83: 195-213.

IPCC (2000) Special report on land use, land-use change, and forestry. Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, RU. 375 pp.

James ME, Kallury SNV (1994) The pathfinder AVHRR land data set: ah improved coarse resolution data set for terrestrial monitoring. Int. J. Remote Sens. 15: 3347-3363.

Jobbagy EG, Sala OE, Paruelo JM (2002) Patterns and controls of primary production in the Patagonian steppe: a remote sensing approach. Ecology 83: 307-319.

Justice CO, Townshend JRG, Vermote EF, Masuoka E, Wolfe RE, Saleous N, Roy DE Morisette JT (2002) An overview of MODIS Land data processing and product status. Remote Sensi. Envir. 83: 3-15.

Lezama F, Baeza S, Altesor A, Paruelo JM, Pineiro G, Leon R (2004) Distribucion Espacial de las Comunidades de Pastizal en la Region Basaltica (Uruguay). En XX Reunion Del Grupo Tecnico Regional del Cono Sur en Mejoramiento y Utilizacion de los Recursos Forrajeros del Area Tropical y Subtropical. Grupo Campos. Salto, Uruguay.

Lloyd D (1990) A phenological classification using shortware vegetation index imagery. Int. J. Remote Sens. 11: 22692279.

Malanson GP, Westman WE, Yan YL (1992) Realised versus fundamental niche functions in a model of chaparral response to climatic change. Ecol. Model. 64:261-277.

McNaughton SJ, Oesterheld M, Frank DA, Williams JK (1989) Ecosystem-level patterns of primary productivity and herbivory in terrestrial habitats. Nature 341: 142-144.

MGAP (2000) Censo General Agropecuario. DIEA. Ministerio de Ganaderia, Agricultura y Pesca. Montevideo, Uruguay. www.mgap.gub.uy.

Milchunas DG, Lauenroth WK (1995) Inertia in plant community structure: state changes after cessation of nutrient enrichment stress. Ecol. Appl. 5: 1995-2005.

Millot JC, Risso D, Methol R (1987) Relevamiento de Pasturas Naturales y Mejoramientos Extensivos en Areas Ganaderas del Uruguay. Informe Tecnico Consultora FUCREA. Ministerio de Ganaderia, Agricultura y Pesca. Montevideo, Uruguay. 199 pp.

Monteith JL (1981) Climatic variation and the growth of crops. Quart. J. Royal Meteorol. Soc. 107: 749-774.

Nemani R, Running S (1997) Land cover characterization using multitemporal red, near-IR and thermal-IR data from NOAA/ AHVRR. Ecol. Appl. 7: 79-90.

Pace L, Groffman PM (1998) Successes, limitations and frontiers in ecosystem science. Springer. Nueva York, EEUU. 499 pp.

Panario D (1988) Geomorfologia del Uruguay. Universidad de la Republica. Montevideo, Uruguay. 44 pp.

Paruelo JM, Aguiar MR, Golluscio RA, Leon RJC, Pujol G (1993) Environmental controts of Normalized Difference Vegetation index dynamics in Patagonia. J. Veget. Sci. 4: 425-428.

Paruelo JM, Lauenroth WK (1995) Regional patterns of NDVI in North American shrublands and grasslands. Ecology 76: 1888-1898.

Paruelo JM, Lauenroth WK (1996). Relative Abundance of Plant Functional Types in Grasslands and Shrublands of North America. Ecological Applications 6: 1212-1224.

Paruelo JM, Epstein HE, Lauenroth WK, Burke IC (1997) ANPP estimates from NDVI for the central grasslands region of the U.S. Ecology 78: 953-958.

Paruelo JM, Jobbagy EG, Sala OE, Lauenroth WK, Burke IC (1998) Functional and structural convergence of temperate grassland and shrubland ecosystems. Ecol. Appl. 8: 194206.

Paruelo JM, Lauenroth WK, Burke IC, Sala OE (1999) Grassland precipitation-use efficiency varies across a resource gradient. Ecosystems 2: 64-68.

Paruelo JM, Oesterheld M, Di Bella CM, Arzadum M, Lafontaine J, Cahuepe M, Rebella CM (2000) Estimation of primary production of sub-humid rangelands from remote sensing data. Appl. Veget. Sci. 3: 189-195.

Paruelo JM, Jobbagy E, Sala OE (2001) Current distribution of ecosystem functional types in temperate South America. Ecosystems 4: 683-698.

Pineiro G, Paruelo JM, Loreti J (2002) Seasonal changes in light interception among land use/land cover classes: an analysis based on SAC-C images. 29th Int. Symp. on Remote Sensing of the Environment. Buenos Aires, Argentina. pp. 455-459.

Pineiro G, Oesterheld M, Paruelo JM (en prensa) Seasonal variation in aboveground production and radiation use efficiency of temperate rangelands estimated through remote sensing. Ecosystems.

Prince SD (1991) Satellite remote sensing of primary production: comparison of results for Sahelian grasslands 1981-1988. Int. J. Remote Sens. 12: 13011311.

Rao CRN, Chen J (1995) Inter-satellite calibration linkages for the visible and near-infrared channels of the Advanced Very High Resolution Radiometer on the NOAA 7, 9 and 11 spacecraft. Int. J. Remote Sens. 16: 1931-1942.

Rodriguez C, Leoni E, Lezama F, Altesor A (2003) Temporal trends in species composition and plant traits in natural grasslands of Uruguay. J. Veget. Sci. 14: 433-440.

Rosengurt B (1944) Estudios sobre praderas naturales en Uruguay. 4a Contribucion. Las formaciones campestres y herbaceas del Uruguay. AGROS No 134. Montevideo, Uruguay. 45 pp.

Sala EO, Parton WJ, Joyce LA, Lauenroth WK (1988) Primary production of the Central Grassland region of the United States. Ecology 69: 40-45.

Sarli V (2004) Impacto del cambio en el uso del suelo sobre el funcionamiento ecosistemico. Departamentos de Paysandu y Rio Negro. Tesis. Universidad de la Republica. Montevideo, Uruguay. 105 pp.

Sellers PJ, Berry JA, Collatz GJ, Field CB, Hall FG (1992) Canopy reflectance, photosynthesis and transpiration III. A reanalysis using improved leaf models and a new canopy integration Scheme. Remote Sens. Envir. 42: 187-216.

Sganga JC (1994) Caracterizacion de la Vegetacion de la Republica Oriental del Uruguay. En: Contribucion de los estudios edafologicos al conocimiento de la vegetacion en la Republica Oriental del Uruguay. Boletin tecnico No 13. Direccion de Suelos y Aguas. Ministerio de Ganaderia, Agricultura y Pesca. Montevideo, Uruguay. pp. 5-14.

Soriano A (1991) Rio de la Plata Grasslands. En Coupland RT (Ed.) Natural grasslands. Introduction and Western Hemisphere. Elsevier. Amsterdam, Holanda. pp. 367-407

Soriano A, Paruelo JM (1992) Biozones: vegetation units defined by functional characters identifiable with the aid of satellite sensor images. Global Ecol. Biogeogr. Lett. 2: 82-89.

Terradas J (2001) Ecologia de la vegetacion. De la ecofisiologia de las plantas a la dinamica de comunidades y paisajes. Omega. Barcelona, Espana. 760 pp.

Tou JT, Gonzalez RC (1974) Pattern recognition principles. Addison-Wesley. Reading, MA. EEUU. 377 pp.

Tucker CJ, Townshend JR, Goff TE (1985) African land-cover classification using satellite data. Science 227: 369-375.

Valentini R, Baldocchi DD, Tenhunen JD (1999) Ecological controls on land-surface atmospheric interactions. En Tenhunen JD, Kabat P (Eds.) Integrating hydrology, ecosystem dynamics, and biogeochemistry in complex landscapes. Wiley. Chichester, RU. pp. 117-146.

Ward JH (1963) Hierarchical grouping to optimize an objective function. J. Am. Stat. Assoc. 58: 236.

Recibido: 13/05/2005. Modificado: 17/03/2006. Aceptado: 05/04/2006.

Santiago Baeza. Licenciado en Ciencias Biologicas. Universidad de la Republica (UDELAR). Uruguay. Estudiante de Maestria, PEDECIBA. Direccion: Depto. de Ecologia, Fac. de Ciencias. UDELAR. Igua 4225. CP 11400. Montevideo, Uruguay. e-mail: sbaeza@fcien.edu.uy

Jose M. Paruelo. Ingeniero Agronomo y M.Sc., Universidad de Buenos Aires (UBA), Argentina. Ph.D., Colorado State University, EEUU. Profesor, Facultad de Agronomia--IFEVA, UBA, CONICET y Departamento de Ecologia, Facultad de Ciencias - UDELAR. e-mail: paruelo@ifeva.edu.ar

Alice Altesor. Licenciada en Ciencias Biologicas, M.Sc. Universidad Nacional Autonoma Mexico. Dr. en Ecologia, Centro de Ecologia, UNAM. Mexico. Profesor, Departamento de Ecologia. Facultad de Ciencias. UDELAR, Uruguay.
TABLA I
DISTANCIA DE MAHALANOBIS ENTRE
LOS CENTROIDES DE CADA PAR DE GRUPOS
RESULTANTES DEL ANALISIS
DE COORDENADAS DISCRIMINANTE *

       Db11   Fa2     Ce11    Ed4     Ac2     Bf4

Db11    0     15,25    5,94   35,55   27,30   50,05
Fa2             0     31,17   16,63   28,90   45,02
Ce11                    0     41,84   18,56   40,76
Ed4                             0     12,81   10,95
Ac2                                     0      6,08
Bf4                                             0

* El analisis fue realizado con las clases como variable a agrupar y
los atributos derivados de la curva estacional del Indice de
Vegetacion Normalizado (IVN-1, IVN-RREL, IVN-MDM) como variables
independientes. Todas las distancias fueron estadisticamente
significativas (p <0,01).

TABLA II
VARIABLES CLIMATOLEGICAS  BASICAS, SUSTRATO GEOMORFOLOGICO MAYORITARIO
Y AREA OCUPADA PARA LOS 6 TFE DEFINIDOS PARA URUGUAY

TFE   Area     PMA      TMA      Geoforma mayoritaria
      (ha)     (mm)  [grados]C

Db11  4211200  1043     16,0     Region Centro--Sur
Fa2   704000   1074     16,8     Sistema de planicies y Fosa de
                                   Laguna Merin
Ce11  4134400  1106     16,5     Sierras del Este e Isla
                                   Cristalina de Rivera
Ed4   3788800  1156     17,5     Cuesta Basaltica
Ac2   3315200  1145     17,6     Cuenca Sedimentaria del Noreste
Bf4   2041600  1234     18,2     Sierras del Este e Isla
                                   Cristalina de Rivera

TFE: Tipos Funcionales de Ecosistemas: PMA: Precipitacion Media Anual
promedio; TMA: Temperatura Media Anual promedio.
COPYRIGHT 2006 Interciencia Association
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2006 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Baeza, Santiago; Paruelo, Jose M.; Altesor, Alice
Publication:Interciencia
Date:May 1, 2006
Words:6221
Previous Article:Biochemical composition and tissue weight of chorus giganteus (gastropoda: muricidae) exposed to different diets and temperatures during reproductive...
Next Article:False dicotomies and dualities in science/Falsas dicotomias y dualidades en ciencia/Falsas dicotomias y dualidades en ciencia.
Topics:

Terms of use | Privacy policy | Copyright © 2021 Farlex, Inc. | Feedback | For webmasters