ANALISIS DE SUELOS EROSIVOS Y CARCAVAS UTILIZANDO

1er CONGRESO IBEROAMERICANO SOBRE SEDIMENTOS Y ECOLOGÍA
QUERÉTARO, QUERÉTARO MÉXICO, 21-24 JULIO 2015
ANALISIS DE SUELOS EROSIVOS Y CARCAVAS UTILIZANDO
IMÁGENES LANDSAT EN EL TRAMO MEDIO DEL RIO JARAMA
ESPAÑA
Bernabe Antonio Virginio1, García Rodríguez José Luis2, Gardezi Gardezi Abdul1, Martínez
Menes Mario R.1*, Márquez-Berber Sergio3
1
Hidrociencias, Colegio de Postgraduados, Campus Montecillos, estado de México. C.P. 56230.
Escuela Técnica Superior de Ingeniero de Montes, Forestales y del Medio Natural. Universidad Politécnica de
Madrid. Madrid, España. C.P. 28040. 3 Universidad Autónoma Chapingo. Departamento de Fitotecnia. C.P. 56230.
*Autor responsable. E-mail: mmario@colpos.mx
2
RESUMEN
En este trabajo se ha estudiado la dinámica espacial de los cambios del uso del suelo y los procesos erosivos en cárcavas ocurridos
durante las últimas tres décadas en un área de 23 026 ha ubicadas en el tramo medio del rio Jarama, provincia de Guadalajara
España. El trabajo muestra una metodología para estimar el grado de la actividad erosiva de las cárcavas, se basa en la
identificación del tipo de cubierta vegetal y el porciento de cobertura vegetal en los taludes de imágenes multiespectrales de
resolución media LANDSAT. Las coberturas del suelo fueron obtenidas a partir de dos imágenes correspondientes a los años
1984 y 2014. Los resultados confirman que el área de estudio durante los últimos 30 años permitieron determinar que el tramo
medio del río Jarama actualmente es afectada con 820.62 ha aproximadamente por erosión en cárcavas, superficie que representa
el 3.6 %, de éstos solo 380.05 ha de sus taludes presentan un grado de estabilidad debido a que la gran mayoría están cubiertas por
matorral arbolado y bosque mixto; asimismo las cárcavas no han ha sufrido un crecimiento debido al buen funcionamiento del
Proyecto de Restauración Hidrológica Forestal de las tierras del tramo medio de la cuenca del embalse “El Vado” y de la
regeneración natural de la reforestación en el periodo de estudio (1984/2014). Como resultado se obtuvó un balance neto de
254.78 ha y un porcentaje de cambio anual de 3.7 % en los taludes estables, mientras que los semi-activos y activos resultaron
con saldos negativos de balance neto de 101.76 y 147.81 ha respectivamente.
Palabras clave: Erosión en cárcavas, cambio de usos del suelo, análisis de imágenes de satélite.
INTRODUCCIÓN
El cambio de uso del suelo se ha convertido en un importante
inductor del cambio climático regional y global (Houghton et
al. 1999, Chase et al. 2000, Claussen et al. 2001, Defries et al.
2002, Brovkin et al. 2004); es considerado la primera causa de
alteración del suelo (Matson et al. 1997, Lambin et al. 2001,
Foley et al. 2005); y afecta, fuertemente, la capacidad de los
sistemas biológicos para soportar y satisfacer las necesidades
humanas (Vitousek et al. 1997, Foley et al. 2005). Tales
cambios incrementan, a su vez, la vulnerabilidad de
ecosistemas frente a desastres naturales (Lambin et al. 2001).
En este sentido, los datos de teledetección al registrar de
manera sinóptica y repetitiva las coberturas de la superficie
terrestre en escalas locales y regionales constituyen una fuente
de información de gran utilidad para el inventario y monitoreo
de los cambios y uso del suelo (Henderson et al. 1999). La
detección del cambio proporciona indicadores de la dinámica
de los ecosistemas e información sobre elementos clave que
requieren atención especial en su análisis y manejo (Krause et
al. 2004). Varios autores han desarrollado diversos métodos
en detección de cambios de uso de suelos a partir del análisis
digital de imágenes de satélite, todos ellos sustentados en la
premisa de que los cambios en las coberturas deben generar
cambios en los valores de radiancia de las imágenes mayores a
los cambios generados por otros factores tales como
diferencias en las condiciones atmosféricas, en el ángulo del
sol y de las condiciones de humedad del terreno (Singh 1989;
1er CONGRESO IBEROAMERICANO SOBRE SEDIMENTOS Y ECOLOGÍA
QUERÉTARO, QUERÉTARO MÉXICO, 21-24 JULIO 2015
Yuan et al. 1998; Mas 1999). Teniendo conocimiento de la
respuesta espectral de la cubierta vegetal y el uso del suelo,
varios autores han experimentado con el uso de imágenes de
satélite como Jefferson et al., 1992, quienes realizaron una
clasificación de uso de suelo y vegetación utilizando la
combinación de bandas LANDSAT.
Durante los últimos años existe un aumento sostenido en la
utilización de imágenes satelitales de baja resolución para el
monitoreo de la variación anual del crecimiento de la
vegetación. En escalas pequeñas de análisis, las bajas
resoluciones espaciales son contrarrestadas por las altas
resoluciones temporales (Carreiras et al., 2002; Tarwasky et
al., 2008). El seguimiento del crecimiento y la variación
temporal y espacial de la vegetación son algunos de los
principales desafíos en la investigación a partir de técnicas de
teledetección, (Moulin et al., 2003; Chiesi et al., 2005;
Lermitte et al., 2008). En este contexto, los índices de
vegetación se han convertido en las principales fuentes de
información para el monitoreo de la vegetación y sus
variaciones. El más utilizado es el Normalized Difference
Vegetation Index (NDVI), representa una función de bandas
espectrales correspondientes al rojo e infrarrojo cercano. Este
índice es ampliamente utilizado a diversas escalas: locales,
regionales (Paruelo et al., 2004; Paruelo, 2008) continentales
y globales (Samanta, 2011). El estudio de la vegetación, con
imágenes de alta y baja resolución, permite realizar cartografía
de la distribución espacial y temporal de la cobertura vegetal,
con altos niveles de precisión (Xiao et al., 2002; Soegaard et
al., 2003; Cihlar et al., 2003).
La erosión por cárcavas es un proceso erosivo no tan
investigado como la erosión laminar o por surcos. Sin
embargo, afecta de manera importante a áreas de gran interés
agrícola en todo el mundo y en particular en la cuenca
Mediterránea (Martínez-Casasnovas, 1998).
Otras
investigaciones sobre procesos erosivos han tenido como
objeto específico la aplicación de técnicas de teledetección
multiespectral a la cartografía de áreas erosionadas por
cárcavas, barrancos y "badlands" (Solé et al., 1986; Bocco,
1990), o de procesos como los deslizamientos de tierras o
movimientos en masa relacionados con este tipo de proceso de
erosión. Sin embargo, la detección del grado de actividad estabilidad de los barrancos o de sus paredes mediante
teledetección es un campo por explorar.
En relación con el grado de actividad - estabilidad de las
cárcavas, diversos autores coinciden en señalar que, tras la
fase de intenso crecimiento de una cárcava y del moldeado de
los taludes por la erosión superficial y movimientos en masa,
las paredes de las cárcavas alcanzan una estabilidad que
permite el crecimiento de vegetación. Así, la presencia de
vegetación en las paredes de las cárcavas es un signo de su
estabilización (Ireland et al., 1939; Bergsma, 1982; Crouch y
Blong, 1989). En este sentido, el presente trabajo muestra una
metodología basada en el análisis de datos multiespectrales del
sensor Landsat que tiene como objetivo la identificación de
grados de actividad erosiva en los taludes de las cárcavas.
MATERIALES Y MÉTODOS
Área de estudio
El área de estudio es el tramo medio de la cuenca del río
Jarama afluente del río Tajo (Ilustración 1). Está localizada
entre los 40º50’ y los 41º03’, latitud norte y entre los 3º15´y
3º25´, longitud oeste; tiene un área de 23 027 ha y una
longitud del cauce principal de 82 km. La pendiente media de
la cuenca es de 23.85 %, la precipitación media anual es de
500 mm y su temperatura media anual es de 23 º C, con
máxima absoluta de 40 º C
El método para determinar el grado de actividad erosiva actual
de las cárcavas se basó en el propuesto por Crouch y Blong
(1989). Este método, identifica diferentes grados de actividad
erosiva o estabilidad en función de su grado de cubierta
vegetal de las paredes de las cárcavas. Estos autores
identifican el umbral de 20% de cubierta vegetal como nivel
crítico por debajo del cual las tasas de erosión en los taludes
de las cárcavas, muy altas, y la clase de actividad erosiva es
considerada como activa. Entre el 20 y el 70% de cubierta
vegetal la clase se considera como semiactiva. Cuando la
cubierta vegetal es mayor al 70% de cubierta vegetal en los
taludes de las cárcavas se consideran estables.
Ilustración 1. Localización del área de estudio.
Método
El análisis de la dinámica de las zonas con cobertura vegetal y
zonas de riegos de erosión se realizó con base en imágenes de
satélite tipo Landsat TM y ETM+ del mes de marzo 1984,
1989,1990, 2000, 2007, 2009 y 2014 (path 201 y row 032).
Las series temporales fueron usadas para identificar las
posibles diferencias en la dinámica vegetal como una función
estacional de la actividad vegetal, y para evaluar con mayor
robustez los patrones temporales y espaciales de la actividad
1er CONGRESO IBEROAMERICANO SOBRE SEDIMENTOS Y ECOLOGÍA
QUERÉTARO, QUERÉTARO MÉXICO, 21-24 JULIO 2015
vegetal. La tabla 1 muestra la fecha de cada una de las
imágenes empleadas en cada serie multitemporal.
Tabla 1. Datos de las imágenes Landsat usadas en el área de
estudio.
Fecha
Marzo
Sensor
LANDSAT
11/03/1984
30/03/1989
06/03/2000
28/03/2007
17/03/2009
20/03/2014
TM
ETM+
ETM+
ETM+
ETM+
ETM+
5
7
7
7
7
7
Las series multitemporales del NDVI fueron obtenidas a partir
de las imágenes LANDSAT, con el propósito de monitorear la
actividad vegetal. El NDVI fue calculado como (Rouse et al.,
1974):
𝑁𝐷𝑉𝐼 = (𝑁𝐼𝑅 − 𝑅)/(𝑁𝐼𝑅 + 𝑅)
Dónde,
IR, es la reflectividad en la región del infrarrojo cercano del
espectro electromagnético y R, es la reflectividad en la región
del rojo.
El NDVI es una medida de la capacidad fotosintética de las
plantas (Ruimy et al., 1994) y la resistencia estomática con
respecto a la transferencia de vapor de agua (Tucker y Sellers,
1986). Por lo tanto, altos valores de NDVI son indicativos de
la actividad de la vegetación secundaria que fue establecida
para distinguir de forma más eficiente las áreas sin vegetación
y con re-vegetación.
La composición en color de los componentes principales fue
empleada por su efecto para realzar las diferencias entre
firmas espectrales similares como la de diferentes tipos de
suelos desnudos y campos sin vegetación en el momento de la
imagen. Se muestrearon 254 píxeles, equivalentes al 1.08 %
(aproximadamente) de la subescena que incluye el área de
estudio. Se utilizaron ortofotos en color a escala 1:25 000,
producidos por el Instituto Nacional Geográfico de España,
para el apoyo del trabajo de campo en el muestreo de la
verdad- terreno. La fiabilidad global de la clasificación fue del
88.6 %.
Para discriminar las áreas no pertenecientes a los taludes de
las cárcavas se optó por aplicar una máscara creada según un
criterio de pendiente. De esta forma, sólo se incluyeron en el
análisis final las áreas con pendiente superior al 25 %.
Bernabe V., et al (2014), en el tramo medio del rio
Jarama, España, realizaron el análisis de los cambios de
cobertura y uso del suelo con base en dos imágenes de satélite,
LANDSAT de agosto 1984 y 2013 (Ilustración 2).
Ilustración 2. Mapas de uso de suelo y cobertura vegetal 1984 2013 con Imagen Landsat (Bernabe A. V., et al., 2014).
Las tasas de cambio se calcularon utilizando la siguiente
fórmula:
𝑃=
100
𝑆2
𝑙𝑛
𝑡2 − 𝑡1
𝑆1
Donde,
S1 y S2, son las superficies en los tiempos t1 y t2,
respectivamente, y
P, es el porcentaje de cambio por año (Echeverría et al., 2006).
Esta misma fórmula se utilizó para este estudio, obteniendo
resultados de balance neto y tasas de cambio porcentual para
las clases de actividad erosiva.
De la leyenda de este mapa de usos del suelo y cubierta
vegetal se recoge en la Ilustración 2. Atendiendo al criterio de
actividad - estabilidad propuesto por Crouch y Blong (1989) y
de acuerdo a las clases del mapa obtenidas como resultado de
la clasificación, se asignaron a cada clase del mapa una clase
de actividad - estabilidad (Tabla 5). Las clases del mapa
cultivos no se les asignó una clase de actividad por
considerarse clases que no se dan en las paredes de los
barrancos. Sin embargo, a aquellas compuestas principalmente
por suelo desnudo y arbolado ralo (cobertura menores a 20%),
se les asignó la clase activa de erosividad. La coberturas de
arbolado medio, combinadas con pastizales, matorrales se le
asignó una clase semi activa (coberturas entre el 20-70$);
mientras que los de arbolado denso, bosque mixto se les
asigno la actividad de estable.
RESULTADOS
Variabilidad del NDVI en el periodo 1984-2014
Se evaluó la evolución temporal de los valores medios de
NDVI en los meses de marzo para cada una de las coberturas
de suelo. Se observó una clara diferencia entre las áreas con
cobertera vegetal (arbolado con cabida Fcc >70%, arbolado
con cabida Fcc 20 - 70%, arbolado con cabida Fcc < 20% y
cultivos y pastizales) y las áreas degradadas en cárcavas y de
riesgo de erosión (Ilustración 3) Las tendencias resultaron con
1er CONGRESO IBEROAMERICANO SOBRE SEDIMENTOS Y ECOLOGÍA
QUERÉTARO, QUERÉTARO MÉXICO, 21-24 JULIO 2015
valores negativos en rho de Spearman donde nos indican que
existen asociaciones negativas en riegos de erosión y cárcavas
(Tabla 2).
1984
2014
Ilustración 4. Mapas NDVI con imagen LANDSAT 1984 y 2014.
Ilustración 3. Variabilidad multitemporal de los valores medios
del NDVI mes Marzo en el tramo medio del rio Jarama España.
Fcc > 70%
0.63
0.10
0.5170
Fcc 20- 70%
0.56
0.12
0.5738
Fcc < 20%
0.49
0.11
0.3360
Cultivos y pastizales
0.50
0.11
0.2940
Riesgos de erosión
0.48
0.11
-0.1960
Cárcavas
0.42
0.12
-0.0420
Las áreas degradadas (cárcavas y zonas de riesgo de erosión)
mostraron los valores de NDVI más bajos, con una ligera
diferencia ocasionada por la nula o escasa cobertura vegetal
(Ilustración 3). Las tendencias del NDVI fueron negativas en
las áreas de riesgo de erosión. Esto podría indicar la presencia
de procesos de degradación (erosión acelerada) en estas áreas
(Ilustración 4).
Tabla 3. Análisis de la regresión de los valores de NDVI para
Marzo en relación con las condiciones climáticas.
0,743
0,779
0,615
0,424
0,467
0,547
p
0,002
0,001
0,045
0,084
0,150
0,082
Error estandar residual
0,561
0,520
0,728
0,839
0,856
0,789
0,701
0.716
R
2
Cárcavas
rho
Riesgos de
erosión
desest
Cultivos y
pastizales
media
Fcc < 20 %
Marz o
Uso y Cobertura del Suelo
El análisis de la regresión permitió explicar los patrones
temporales del NDVI observados sobre cada cobertura de
suelo. El modelo de regresión en general se ajustó bien a los
valores de NDVI observados, solo en el caso de los cultivos y
pastizales, cárcavas y las zonas de riesgo de erosión, los
resultados estuvieron ligeramente por debajo del nivel de
confianza (Tabla 3). El mejor ajuste se obtuvo las zonas con
buena cobertura vegetal (arbolado con cabida, Fcc > 70 %), no
de la misma forma para las áreas degradadas (cárcavas y áreas
de riesgo de erosión), como lo demuestra los resultados de R2.
Fcc 20- 70 %
Te nde ncia de nive le s de NDVI
Análisis de la regresión del NDVI
Fcc > 70 %
Tabla 2. Valores medios del NDVI y tendencias temporales del
NDVI (correlación de Spearman rho contra el tiempo y
significancia estadística) en cada una de las clases de coberturas
en el mes de Marzo.
Beta coeficiente:
Precipitación
-0,317
-0,298
Temp Máx
Temp Mín
Dia juliano
Tiempo año
0,683
0,678
0,371
-0,310
-0,326
1.11
-0,377 -0.457
-0,705
-0,845 -0.719
Tendencia temporal
(cambio NDVI):
Año
Perido (1984/1913)
-0,00216 -0,00433 -0.003
-4.03% -7.91% -6.02%
1er CONGRESO IBEROAMERICANO SOBRE SEDIMENTOS Y ECOLOGÍA
QUERÉTARO, QUERÉTARO MÉXICO, 21-24 JULIO 2015
Actividad erosiva por clase en cárcavas
Ilustración 5. Mapa de actividad erosiva 1984 y 2014.
Los resultados que indican que la clase de actividad erosiva
estable resultaron con el balance neto positivo más alto, con
254.78 ha lo que representa 30.95 %, por ende los taludes de
las cárcavas presentan un alto grado de estabilidad, con un 3.7
por ciento de cambio por año. Mientras que la clase erosiva
semiactivo y activo resultaron con un balance neto negativo de
101.76 y 147.81 ha respectivamente (Tabla 4).
Tabla 4. Resultados de los cambios de balance neto y cambio por
año.
Superficie
1984
Balance neto
2014
ha
Cambio
por año
Activad erosiva
ha
%
ha
%
%
%
Activa
487.05
59.73
339.24
41.34 -147.81 -18.39
-1.2
Semi-activa
203.09
24.91
101.33
12.35 -101.76 -12.56
-2.3
Estable
125.27
15.36
380.05
46.31 254.78 30.95
3.7
Total
815.41
100.00
820.62
100.00
En la Ilustración 5, se puede apreciar el mapa de distribución
de las clases en los niveles erosivos en cárcavas, en donde la
actividad erosiva estable contiene una cobertura vegetal de
bosque mixto y matorral; el nivel de actividad semiactivo
pastizales y matorral y la actividad erosiva activa suelos
desnudos (Tabla 5).
Tabla 5. Niveles erosivos asignado, según la clase de cobertura
vegetal existentes en los taludes de las cárcavas de tramo medio
del rio Jarama.
Clase
Clase de Cobertura vegetal
Actividad erosiva
asignada
Arbolado denso, bosque mixto y
1
matorral (cobertura > 70%).
Estable
Arbolado medio, pastizales y
2
matorral (cobertura 20-70 %).
Semi-activa
Arbolado ralo, suelos desnudos
3
y pastizales (cobertura < 20 %).
Activa
1984
2014
Clase de
Actividad Erosiva
Activa
Semiactiva
Estable
DISCUSIÓN
Estos resultados confirman los estudios realizados por García
et al. (1996), quienes concluyen que las áreas del mediterráneo
han sufrido importantes cambios a lo largo del siglo XX,
principalmente
por
la
forestación
espontánea,
mayoritariamente por pinares, de antiguas áreas de cultivo.
Estudios recientes, han abordado el impacto de un cambio
gradual o repentino en el uso del suelo y cobertura vegetal
sobre los procesos de erosión en taludes por cárcavas bajo
diversas condiciones ambientales (Poesen et al., 2003). Así
pues, Harvey (1996) habló de un desarrollo de cárcavas en
taludes durante los siglos IX y X en el Reino Unido propiciado
por un cambio en la cubierta vegetal inducido por el hombre.
Del mismo modo, Bork et al. (1998) atribuyeron el
crecimiento de grandes sistemas de cárcavas durante el siglo
XIV en Europa central, a la elevada presión humana sobre el
suelo junto con algunos eventos de precipitación de carácter
extremo. Prosser y Winchester (1996) relacionaron el
desarrollo de sistemas de cárcavas en Australia durante los
últimos 200 años, con el proceso de colonización europeo y
Kasai (2006) atribuyó a la deforestación excesiva llevada a
cabo durante los últimos siglos en Nueva Zelanda, la aparición
de mayores formas de erosión, entre ellas, grandes cárcavas.
La agricultura del siglo XX y XXI también ha sido señalada
como la responsable de la aparición y desarrollo de cárcavas
en diversos ambientes. Finalmente, en Nueva Zelanda,
Parkner et al. (2006) comprobaron la estabilidad de la
superficie ocupada por cárcavas debido regeneración natural
del bosque original durante el período 1939-2003.
CONCLUSIONES
El área de estudio durante los últimos 30 años permitieron
determinar que el tramo medio del rio Jarama actualmente es
afectada con 820.62 ha aproximadamente por erosión en
cárcavas, superficie que representa el 3.6 %. Asimismo la
actividad erosiva estable tienen un alto grado de estabilidad en
los taludes de las cárcavas por regeneración natural con 274 ha
de balance neto de la superficie afectada del año inicial
(1984), resultando de esta manera un cambio por año de 3.7
%. En este sentido, la metodología empleada en este trabajo, a
partir de la combinación de técnicas en Teledetección y SIG,
ha demostrado su potencial para estudios que consideran los
cambios de cobertura vegetal en cárcavas, lo cual demuestra la
utilidad de las imágenes categorizadas por coberturas, que
1er CONGRESO IBEROAMERICANO SOBRE SEDIMENTOS Y ECOLOGÍA
QUERÉTARO, QUERÉTARO MÉXICO, 21-24 JULIO 2015
permiten definir y cuantificar la actividad de los procesos
erosivos en los taludes de las cárcavas.
AGRADECIMIENTOS
La contribución del primer autor ha sido posible gracias a la
Beca otorgada por el Consejo Nacional de Ciencia y
Tecnología (CONACYT) y la colaboración directa del
Departamento de Ingeniería y Gestión Forestal y Ambiental de
la Universidad Politécnica de Madrid, a través de su titular Dr.
José Luis García Rodríguez.
REFERENCIAS
BERGSMA, E. Aerial photo-interpretation for soil erosion and
conservation surveys. Part III: Erosion mapping. ITC - Lecture
notes SOL15. Enschede, 1982, pp 138-140.
BERNABE A.V., RIESCO J.A., GIMÉNEZ M.C. y GARCÍA
J.L. Using remote sensing for monitoring of gully erosion
progress in Jarama river basin. Guadalajara, Spain. In
Proceedings of Brasov Symposium, 2014, pp 277 – 282.
BORK, H.R., BORK, H., DALCHOW, C., FAUST, B.,
PIORR, H.-R. AND SCHATZ, T. Landschaftsentwicklung in
Mitteleuropa, Gotha, 1998, 328 pp.
BROVKIN V, S SITCH, W VON BLOH, M CLAUSSEN, E
BAUER et al. Role of land cover changes for atmospheric
CO2 increase and climate change during the last 150 years.
Global Change Biology. 2004, 10: 1253-1266.
BOCCO, G. Gully erosion analysis using remote sensing and
GIS. PhD Thesis, University of Amsterdam, Amsterdam.
1990.
CROUCH R. J. y BLONG, R.J. Gully sidewall classification:
methods y applications. Zeit. F. Goemorgologie, N.F. 1989,
33: 291-305.
CARREIRAS, J; SHIMABUKURO, Y; PEREIRA, J. Fraction
images derived from SPOT-4 VEGETATION data to assess
land-cover change over the State of Mato Grosso, Brazil. Int.
J. Remote Sensing. 2002, 23(23):4979-83.
CIHLAR, J; LATIFOVIC, R; BEAUBIEN, J; GUINDON, B;
PALMER, M. Tematic Mapper (TM) based accuracy
assessment of land cover product for Canada derived from
SPOT4/VGT data. Canadian Journal of Remote Sensing.
2003, 29(2):154-70.
CHASE TN, RA PIELKE, TGF KITTEL, RR NEMANI &
SW RUNNING. Simulated impacts of historical land cover
changes on global climate in northern winter. Climate
Dynamics. 2000,16: 93-105.
CLAUSSEN
M,
V
GANOPOLSKI.Biogeophysical
BROVKIN
&
A
versus
biogeochemical
feedbacks of large-scale land cover change. Geophysical
Research Letters. 2001, 28: 1011-1014.
CHIESI, M; MASELLI, F; BINDI, M; FIBBI, L;
CHERUBINI, P; ARLOTTA, E; TIRONE, G; MATTEUCCI,
G; SEUFERT, G. Modelling carbon budget of Mediterranean
forests using ground and remote sensing measurements.
Agricultural and Forest Meteorology. 2005, 135:22-34.
DEFRIES RS, L BOUNOUA & GJ COLLATZ.Human
modification of the landscape and Surface climate in the next
fifty years. Global Change Biology. 2002, 8:438-458.
ECHEVERRÍA C., D. COOMES, J. SALAS, J.M. REYBENAYAS, A. LARA, AND A. NEWTON. Rapid
deforestation and fragmentation of Chilean temperate forests.
Biol. Cons. 2006, 130: 481-494.
FERNÁNDEZ, S., J., MARQUÍNEZ Y R. MENÉNDEZ D. A
susceptibility model for post wildfire soil erosion in a
temperate oceanic mountain area of Spain. Catena. 2005, 61:
256-272.
FOLEY, J.A., R. DEFRIES, G. P. A., C, BARFORD, G.
BONAN, S. R. C., F. STUART C., M. T. COE,
D.GRETCHEN. C., G. HOLLY, J. HELKOESKI H., T.
HOLLOWAY, E. HOWARD A., C KUCHARIK.J., C.
MONFREDA, J. PATZ A., I.COLIN P., R. RAMANKUTTY
N. AND P. SNYDER K. Global consequences of land use.
Science. 2005, 309: 570-574.
JEFFERSON, F; KRUMMEL, J; YARNASARY, S;
EKASINGB, M; PODGER, N. Land use and landscape
dynamics in northern Thailand; Assessing change in three
upland watersheds since 1954. Program environment, EastWest center, Honolulu, Hawaii. 1992, 20 p.
GALLART F. AND P. LLORENS. Observations on land
cover changes and water resources in the headwaters of the
Ebro catchment, Iberian Peninsula. P. and Chem. of the Earth.
2004, 29: 769-773.
GARCÍA-RUÍZ, J.M., LASANTA T., RUIZ-FLANO P.,
ORTIGOSA L., WHITE S., GONZÁLEZ C. AND MARTÍ C.
Land use changes and sustainable development in mountain
areas: a case study in the Spanish Pyrenees. Landscape
Ecology. 1996, 11 (5): 267-277.
HENDERSON FM, HART JR TF, HEATON BP,
PORTOLESE E. Mapping coastal ecosystems over a steep
development gradient using C-CAP protocols. International
Journal of Remote Sensing. 1999, 20(10): 727- 744.
HOUGHTON RA, JL HACKLER & KT LAWRENCE. The
US carbon Budget Contributions from land-use change.
Science. 1999, 285: 574-578.
KASAI, M., Channel processes following land use changes in
a degrading steep headwater stream in North Island, New
Zealand. Geomorphology. 2006, 81: 421-439.
1er CONGRESO IBEROAMERICANO SOBRE SEDIMENTOS Y ECOLOGÍA
QUERÉTARO, QUERÉTARO MÉXICO, 21-24 JULIO 2015
KRAUSE G, BOCK M, WEIERS S, BRAUN G. Mapping
land cover and mangrove structures with remote sensing
techniques: A contribution to synoptic GIS in support of
coastal management in North Brazil. Environmental
Management. 2004, 34(3): 429-440.
PORTA, J.,RAMOS,M.C. y BOIXADERA, J. Mechanical
measures and erosion control in the viñeyards of North East
Spain. In Conserving Soil Resourses: European perspective,
Edited by R.J. Rickson (Wallingford: CAB international).
1994, Pp 369-378.
IRELAND, H. A., SHARPE, C.F. y EARGLE, D.H.
Principles of gully erosion in the Piedmont of South Carolina.
US Department of Agriculture Technological Bulletin. 1939,
63.
PROSSER, I.P. AND WINCHESTER, J., History and
processes of gully initiation and development in eastern
Australia. Zeitschrift für Geomorphologie, 1996,105: 91-109.
LAMBIN EF, BL TURNER, HJ GEIST, SB AGBOLA, A.
ANGELSEN et al. The causes of land-use and land-cover
change: moving beyond the myths. Global Environmental
Change-Human and Policy Dimensions. 2001, 11: 261-269.
ROUSE, J.W., HASS, R.H., SCHELL, J.A., DEERING, D.W.
& HARLAN, J.C. Monitoring the vernal advancement and
retrogradation (greenwave effect) of natural vegetation.
NASA/GSFC type III final report, Greenbelt, M.D. 1974.
LHERMITTE, S; VERBESSELT, J; JONCKHEERE, I;
NACKAERTS, K; VAN AARDT, J.A.N; VERSTRAETEN,
W.W; COPPIN, P. Hierarchical image segmentation based on
similarity of NDVI time series. Remote Sensing of
Environment. 2008, 112:506-521
RUIMY, A., SANGIER, B. & DEDIU, G. Methodology for
the estimation of terrestrial primary production from remotely
sensed data. Journal of Geophysical Research. 1994,
99(D3):5263-5283.
MARTÍNEZ-CASASNOVAS, J.A. Suelo - Paisaje - Erosión.
Erosión por cárcavas y barrancos en l'Alt Penedès - Anoia
(Cataluña). Un enfoque de estudio 14 mediante tecnologías de
la información espacial: Bases de datos, SIG y Teledetección.
Tesis doctoral, Universidad de Lleida, Lleida. 1998, pp 1-7
MAS J.F. Monitoring land-cover changes: a comparison of
change detection techniques. International Journal of Remote
Sensing. 1999, 20(1): 139-152.
MATSON PA, WJ PARTON, AG POWER & MJ SWIFT
Agricultural intensification and ecosystem properties. Science.
1997, 277: 504-509.
MOULIN, S; ZURITA, R; GUÉRIF, M; BARET, F.
Characterizing the spatial and temporal variability of
biophysical variables of a wheat crop using hyper-spectral
measurements. En: International Geoscience and remote
sensing Symposimum, July 2003. Toulouse, Francia. 2003.
PARKNER, T., PAGE, M.J., MARUTAMI, T. AND
TRUSTRUM, N.A., Development and controlling factors of
gullies and gully complexes, East coast, New Zealand. Earth
Surface Processes and Landforms, 2006, 31(2): 187-199.
PARUELO, J. M. La caracterización funcional de
ecosistemas mediante sensores remotos. Ecosistemas. Revista
Científica y Técnica de Ecología y Medio Ambiente. 2008,
17(3):4-22.
PARUELO, J.M; GARBULSKY, M.F; GUERSCHMAN, J.P;
JOBBÁGY, E.G. Two decades of Normalized Difference
Vegetation Index changes in South America: identifying the
imprint of global change. International Journal of Remote
Sensing. 2004, 25:2793- 2806.
POESEN, J., NACHTERGAELE, J., VERSTRAETEN, G.
AND VALENTIN, C. Gully erosion and environmental
change: importance and research needs. Catena, 2003.50: 91133.
SAMANTA, A; COSTA, M. H; NUNES, E.L; VIEIRA, S.A;
XU, L; MYNENI, R.B. Comment on "Drought-Induced
Reduction in Global Terrestrial Net Primary Production from
200 Through 2009". Science. 2011, 333:1093-1094.
SHAKESBY R., A. AND S. H. D.
Wildfire as an
hydrological and geomorphological agent. Eart. Sc. Rev. 74:
269-307. Singh A (1989) Digital change detection techniques
using remotely-sensed data. International Journal of Remote
Sensing. 2006, 10(6): 989-1003.
SOEGAARD, H; JENSEN, N. O; BOEGH, E; HASAGER, C.
B; SCHELDE, K; THOMSEN, A. Carbon dioxide exchange
over agricultural landscape using eddy correlation and
footprint modelling. Agricultural and Forest Meteorolohy.
2003, 114:153-73.
TARNAVSKY, E.; GARRIGUES, S.; BROWN, M.E.
Multiscale geostatistical analysis of AVHRR, SPOT-VGT,
and MODIS global NDVI products. Remote Sensing of
Environment. 2008, 112:535-49.
TUCKER, C.J. & SELLERS, P., Satellite remote Sensing of
primary production. International Journal of Remote Sensing,
1986, 7: 1395-1416.
VITOUSEK PM, HA MOONEY, J LUBCHENCO & JM
MELILLO. Human domination of Earth’s ecosystems.
Science. 1997, 277: 494-499.
XIAO, X; BOLES, S; LIU, J; ZHUANG, D; LIU, M.
Characterization of forest types in Northeastern China, using
multi-temporal SPOT-4 Vegetation sensor data. Remote
Sensing of Environment. 2002, 82:335-48.
YUAN D, ELVIDGE CD, LUNNETA R.S. Survey of
multispectral methods for land cover change analysis. En:
Lunetta RS, Elvidge CD (eds) Remote sensing change
detection.
environmental
monitoring
methods
and
applications. Ann Arbor Press, Florida, USA. 1998, pp. 2139.