PROTOCOLO DE VALIDACION DE LUS (PROYECTO LADA / FAO)

Transcripción

1 PROTOCOLO DE VALIDACION DE LUS (PROYECTO LADA / FAO) Preparado por: Andrés C. Ravelo, Ana M. Planchuelo, Adolfo Kindgard y Mercedes Castellanos CREAN/FAUBA, Septiembre de ANTECEDENTES El proyecto LADA FAO, en desarrollo actualmente en Argentina, se encuentra bajo la coordinación de la Dirección de Conservación de Suelos y Lucha contra la Desertificación de la Secretaria de Ambiente y Desarrollo Sustentable de la Nación y tiene entre otros objetivos la determinación de los usos del suelo (LUS) en las zonas áridas y semiáridas del país. Este objetivo ha sido alcanzado recientemente y se dispone de una cartografía para las zonas señaladas donde se expresan las distintas clases de uso del suelo. En el establecimiento de los LUS, se utilizó un sistema de compatibilización de múltiples escalas de información para establecer los diferentes usos actuales de la tierra en el contexto de un sistema de información geográfica. Cuando se transportó esa información a otros puntos de la región mediante la compatibilización de criterios en el uso de la tierra lograda en los talleres de LADA, se utilizaron los criterios de los expertos, más fuentes de datos regionales. La confección del mapa nacional se realizó compatibilizando toda la información disponible sobre uso de la tierra y los resultados de los datos surgidos en los talleres. Una de las mayores dificultades que se encontraron para poder hacer el diagnóstico de la situación y la definición de los LUS fueron las múltiples escalas de información geoespaciales de base para ser volcadas sobre un mapa de información multicapas del estado actual del uso de la tierra. Es por esa razón que se pueden encontrar en la actualidad áreas que no concuerdan exactamente con lo indicado en el LUS por lo cual se planteó la necesidad de verificar la validez de dichos LUS en términos de asignación de la clase y de su extensión geográfica correctos. 2. OBJETIVOS El protocolo de validación de los LUS tiene los siguientes objetivos: - Analizar a las variables biofísicas y socioeconómicas mas relevantes que caracterizan al uso del suelo en cada región e identificar fuentes adicionales de información de esas variables. - Establecer las posibles discrepancias en la última versión del LUS mediante el uso de nuevas fuentes de información para posibilitar su corrección y la obtención de un nuevo mapa LUS mas ajustado a la realidad. 3. ASPECTOS METODOLÓGICOS - Fuentes de información a. Relevamientos de campo: Fitogeográficos e hidrológicos con geo-referenciación b. Datos instrumentales: Meteorológicos, edáficos, hídricos y biológicos c. Satelitales: Se utilizaron diversos tipos de satélites de observación terrestre

2 - Metodología La validación de los LUS considera los procedimientos y datos utilizados en la generación de los mapas LUS. En el Anexo I se presentan las diferentes versiones de LUS con los datos utilizados en cada versión. El proceso evolutivo de la generación de varias versiones de los LUS indica un mejoramiento de las fuentes de información consideradas así como de los mecanismos de análisis y presentación cartográfica. Una de las formas de validar la última versión del LUS es analizar críticamente los procedimientos del sistema de información geográfica utilizados así como los datos ingresados al sistema (escala y/o resolución de los mismos). Para ello se tomó como caso de análisis al Sitio Piloto de Puna y se procedió a la validación de los LUS, en particular aquellos LUS conflictivos, con las fuentes adicionales de información terrestre y satelital (Anexo II). Se constató la exactitud de los LUS en su denominación y extensión (Anexo III). El nivel de aciertos y desaciertos entre los polígonos del LUS original (LUSv4.2) y del LUS identificado con la información adicional puede ser establecido en diferencia de pixeles entre ambos mapas. También se propone un segundo nivel de validación mediante la obtención de datos reales geo-referenciados por relevamiento de campo, en particular para los LUS conflictivos que fueron identificados con el mecanismo presentado precedentemente. La identificación de errores del LUS permite establecer un análisis de contingencia (Tabla 1) en donde se presentan los pixeles de una clase del mapa LUS y los pixeles obtenidos de otras fuentes de información y/o relevamientos de campo (realidad). Las filas representan las categorías de los píxeles de las clases del LUS v4.2 y las columnas las clases de uso del suelo de la realidad. Las clases correctas del LUS pueden coincidir con la realidad o no y además, las clases aparentemente incorrectas pueden ser correctas o no. Por lo tanto, según la Tabla 1, la proporción de los aciertos en esa clase es: (A + B ) / (A+B+C+D) y la proporción de los errores cometidos son: (B+C) / (A+B+C+D) En la bibliografía no existen niveles de aceptación o rechazo según el porcentaje de errores en cada LUS. Sin embargo, si se consideran criterios estadísticos para la aceptación o rechazo de la validez de un LUS, se pueden establecer el nivel del 95 % de aciertos para aceptar dicha validez. Esto es, que cuando (B+C) es menor del 5 % del total (A+B+C+D), se puede decir que existe el 95% de seguridad que la asignación de esa clase de LUS es correcta. Si se establecen criterios a priori menos exigentes, un 85 % de aciertos puede ser un nivel de aceptación numérica para luego realizar la posterior verificación a campo de los desaciertos en esa clase.

3 Tabla 1. Análisis de contingencia para aciertos (pixeles correctos) y desaciertos (pixeles incorrectos) de asignación de pixeles en la clasificación de usos del suelo (LUS) Pixeles en las Clases del LUS v4.2 Pixeles en las Clases del LUS con información adicional CORRECTOS INCORRECTOS TOTAL CORRECTOS A B A + B INCORRECTOS C D C + D TOTAL A + C B + D A + B + C + D 4. RESULTADOS La validación de los LUS implicó identificar los errores de determinación de los LUS (clase y expansión geográfica) y, si corresponde, se podrá proceder a su ajuste en una o ambas características de forma de obtener un mapa de LUS coherente con la realidad. Los niveles de error identificados y su fuente de origen son registrados para su corrección cuando superan los niveles de aceptación. Los errores de clase (por ejemplo, ganadería extensiva en lugar de ganadería de subsistencia) o de cobertura geográfica (por ejemplo, el área real es inferior o superior a la que aparece en el mapa) pueden ser corregidos usando relevamiento de campo y/o información de detalle (satelital o cartográfica). 5. CONCLUSIONES La aplicación del protocolo de validación de los LUS requiere la utilización de sistemas información geográfica y análisis digital de imágenes y la disponibilidad de diversas fuentes de información biofísica y socioeconómica geo-referenciada (satelital, terrestre, censal, etc.). Estos mecanismos de análisis y datos disponibles han sido usados exitosamente durante la definición de los LUS y pueden ser aplicados a la validación de esos mismos LUS atendiendo principalmente a las escalas de análisis. Las futuras líneas de trabajo en el contexto del proyecto LADA u otro similar podrían involucrar el análisis del cambio temporal-espacial de uso del suelo (LUCS) y la proyección de esos cambios en las próximas décadas (LUPS), tal como se ha podido constatar en los avances de investigaciones realizadas recientemente en Europa. LUCS y LUPS son sistemas dinámicos que permitirán la toma de decisiones en planificación por parte de los sectores público y privado tendientes de evitar la degradación de los suelos y establecer las bases de explotaciones agropecuarias sustentables.

4 6. BIBLIOGRAFÍA CONSULTADA Bradshaw, T.K., Muller, B., Impacts of rapid urban growth on farmland conversion: application of new regional land use policy models and geographic information systems. Rural Sociol. 63 (1), Brown, D.G., Goovaerts, P., Burnicki, A., Li, M.-Y., Stochastic simulation of landcover change using geostatistics and generalized additive models. Photogram. Eng. Rem. S. 68 (10), Cabrera, A.L., Fitogeografía de la República Argentina. Bol. Soc. Arg, de Botánica 14(1-2):42 pp. Dendoncker N., Bogaert P. And Rounsevell M., A statistical method to downscale aggregated land use data and scenarios. J. Land Use Science 1 (2 4): Farrow, A., Winograd, M., Land-use modelling at the regional scale: an input to rural sustainability indicators for Central America. Agric. Ecosyst. Environ. 85, Geoghegan, J., Villar, S.C., Klepeis, P., Mendoza, P.M., Ogneva-Himmelberger, Y., Roy Chowdhury, R., Turner II, B.L., Vance, C., Modeling tropical deforestation in the southern Yucatan peninsular region: comparing survey and satellite data. Agr. Ecosyst. Environ. 85 (1 3), Gustafson, E.J., Parker, G.R., Relationships between landcover proportion and indices of landscape spatial pattern. Landscape Ecol. 7 (2), INTA / AeroTerra, Mapa de suelos de la República Argentina. Formato Arcview. En CD. Lo, C.P., Yang, X., Driver of Land-Use/Land-Cover Changes and Dynamic Modeling for the Atlanta, Georgia Metropolitan Area. Photogram. Eng. Rem. S. 68 (10), Mertens, B., Lambin, E., Land-cover-change trajectories in southern Cameroon. Ann. Assoc. Am. Geogr. 90 (3), Jafari R., Lewis M.M., Ostendorf B., An image-based diversity index for assessing land degradation in an arid environment in South Australia. J. Arid Environ. 72: Messina, J., Walsh, S., D morphogenesis: modeling landuse and landcover dynamics in the Ecuadorian Amazon. Plant Ecol. 156, Pontius Jr R.G. Huffaker D., Denman K., Useful techniques of validation for spatially explicit land-change models. Ecological Modelling 179: Pontius Jr. R.G., Schneider L.C., Land-cover change model validation by an ROC method for the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems and Environment 85:

5 SMN, Estadísticas Climatológicas de la República Argentina. Series 1950/1990. Servicio Meteorológico Nacional. SubSecretaria de Recursos Hídricos de la Nación, Informes hidrológicos regionales de Argentina. Publicaciones internas. Vadjunec J.M. Valerio C.,Gomes A. and Ludewigs T., Land-use/land-cover change among rubber tappers in the Chico Mendes Extractive Reserve, Acre, Brazil J. Land Use Science 4,(4): Veldkamp A. and Fresco L.O., CLUE-DR: An integrated multi-scale model to simulate land use change scenarios in Cost Rica. Ecological Modeling 91: Veldkamp A. and Lambin E.F., Predicting land-use change. Agriculture, Ecosystems and Environment 85: 1 6. Walsh, S.J., Crawford, T.W., Crews-Meyer, K.A., Welsh, W.F., A multi scale analysis of land use land cover change and NDVI variation in Nang Rong district, northeast Thailand. Agric. Ecosyst. Environ. 85,

6 ANEXO I EVOLUCIÓN METODOLÓGICA EN LA GENERACIÓN DE MAPAS LUS Construcción del mapa LUS v1.0 El mapa de LUS se desarrolló siguiendo los pasos indicados en Mapping Land Use Systems at global and regional scales for Land Degradation Assessment Analysis de Freddy Nachtergaele and Monica Petri. La idea básica del proceso es considerar distintas capas de información, siendo las más importantes: 1 Mapa de cobertura vegetal 2 Mapa de zonas bajo riego 3 Mapa de áreas protegidas (Parques nacionales/provinciales) 4 Mapa de densidad ganadera Algunos mapas como el de cobertura (GLC 2004) y el de riego (FAO y Univ. de Kassel, 2007), no pueden ser reemplazados por no disponerse de información nacional por lo cual deben ser usados dichos datos globales. El mapa de densidad ganadera, en cambio, fue obtenido con datos provenientes del Censo Nacional Agropecuario Sin embargo, requirió de un proceso de transformación para convertir la información asociada a un polígono (departamento o partido) en un mapa de densidades continuas (raster). Este proceso fue realizado por un grupo de FAO (Gridded livestock of the world). Procedencia de la información geográfica: - Cobertura vegetal. GLC 2004, ESA (European Space Agency / ESA GlobCover Project, de MEDIAS-France/Postel). Este mapa de cobertura del suelo ha realizado con imágenes del sensor Meris que se encuentra a bordo del satélite ENVISAT pertenecientes a los años 2004, 2005 y Zonas bajo riego. Global map of irrigated areas (version 4.0.1, February 2007). Center for Environmental Systems Research, University of Kassel And Land and Water Development Division (FAO). Resolución de 5 arc min en formato raster. ( y - Estadísticas ganaderas. Censo Nacional Agropecuario INDEC, Argentina. Convertido de dato departamental a formato raster de 3 minutos de resolución por Wint and Robinson, Gridded livestock of the world. Inconvenientes encontrados

7 El primer gran inconveniente que se encontró, fue la incoherencia de la distribución ganadera o densidad ganadera espacial. Por lo tanto se evaluaron varias formas de transformar esa distribución de unidades en un mapa de intensidad, pero sin resultados aceptables. Por lo tanto esta capa debió ser extraída del proceso y la conformación del LUS. Construcción del mapa LUS v2.0 En esta versión se omite la capa de la ganadería y las capas que quedan son: 1 Mapa de cobertura de la tierra 2 Mapa de riego 3 Mapa de áreas protegidas Con lo cual el mapa de LUS se transforma básicamente en un mapa de cobertura que también no se adecua a la realidad en alguna de las zonas de Argentina. La mayor parte de la zona árida de Argentina queda incorporada en un solo, continúo y gran LUS llamado Pastizal /Arbustal y el sistema de usos de suelo para las zonas áridas de Argentina no es homogéneo a lo largo de todo el país. Como conclusión resulta que usando solo el tipo de cobertura no es suficiente para diferenciar los distintos usos. Construcción del mapa LUS v3.0 En Argentina, las regiones fitogeográficas representan adecuadamente a los sistemas de uso del suelo puesto que las distintas comunidades vegetales están adaptadas a las características del suelo y el clima, y son indicativas de los diferentes tipos de explotaciones productivas. En la Patagonia se cuenta con información muy detallada producida por el INTA sobre la distribución de los distintos distritos fitogeográficos. Sin embargo, en otras regiones de Argentina no se tiene el mismo nivel de información cartográfica de la distribución de esos distritos. En las zonas donde no se cuenta con cartografía fitogeográfica se generaron mapas según las variables que más afectan distribución de los distritos fitogeográficos. En la zona noroeste de Argentina los ambientes se distribuyen en función de la altura sobre el nivel del mar y en la región centro la influencia de la altura es menor y toma mayor relevancia el clima. Construcción del mapa LUS v4.2 La metodología para obtener el LUS final que se usó en la evaluación WOCAT consistió en la adaptación de mapas fitogeográficos disponibles, reclasificación del DEM y de los mapas de clima. Para la Patagonia se dispuso de un mapa fitogeográfico completo. Durante el proceso de la evaluación WOCAT, la distribución de algunas de estas áreas fue ajustada por los expertos locales en función de las diferencias de usos y de procesos erosivos que fueran importantes individualizar. El objetivo fue tener un mapa con información confiable y distribuida, que pueda ser concentrado de diferentes formas (reclasificándolo) y dar origen a distintos mapas según objetivos específicos. Los límites para definir las áreas fueron:

8 Zona NOA Para determinar los límites de las áreas a describir se realizó un mapa de zonas ecológicas basado en límites altitudinales: Prepuna: Desde los 1500 m.s.n.m Puna: Entre los 3700 y los 4500 m.s.n.m para las provincias de Salta y Jujuy. Entre los 3500 y los 4200 m.s.n.m para la provincia de Catamarca. Alto Andino: Por arriba de los 4500 m.s.n.m para las provincias de Salta y Jujuy. Por arriba de los 4200 m.s.n.m para la provincia de Catamarca. Luego se reclasificaron las 12 unidades básicas de cobertura para obtener un mapa de las áreas con cultivos. Para el caso particular de las áreas de cultivo, que funcionarían como un indicador de valles de riego en zonas áridas, el limite elegido fueron valles de tamaño mayor a 800 ha. ZONA CENTRAL Para determinar los límites de las áreas a describir se realizó un mapa de zonas ecológicas y de los límites altitudinales: Zonas con altitud superiores a los 4200 m.s.n.m (que corresponden con el alto andino) Zonas entre los 3200 y 4200 m.s.n.m.(cumbres altas) Zonas entre los 1800 y 3200 m.s.n.m (sierras) Zonas de menos de 1800 m.s.n.m, En este caso las ecorregiones: Chaco seco Espinal Monte de sierras y bolsones Monte de llanuras y mesetas Estepas ZONA PATAGÓNICA Para determinar los límites de las áreas a describir se utilizó un mapa fitogeográfico y luego se consideraron las distintas formaciones (montes de llanuras y mesetas, estepas, etc.). Luego se reclasificaron las 12 unidades básicas de cobertura para obtener un mapa de las áreas con cultivos y de las zonas con diferente grado de cobertura vegetal. Toda esta información se cruzó para obtener un mapa de la zona con el nombre de la característica que mas influye sobre el uso de la tierra. La finalidad es facilitar la tarea de los expertos al ofrecerle un mapa que les permita definir el uso del suelo y las características particulares de la zona específica.

9 El método empleado fue la generalización de áreas a nivel provincial. Para ello se utilizó el modulo Generalize del programa IDRISI Andes con un valor de 900 píxeles como limite (8.000 Ha). Esto significa que se agrupan los píxeles de la misma clase por conectividad hasta formar un grupo; si este grupo tiene un tamaño menor que el límite fijado, se une este grupo con el grupo limítrofe con el cual comparta una mayor longitud de borde. El resultado final de este ejercicio es la definición de eco-regiones fragmentadas en áreas mayores de Ha.

10 ANEXO II FUENTES ADICIONALES DE INFORMACION TERRESTRE Y SATELITAL a. SATELITAL Las siguientes instituciones y satélites proveen información con frecuencias y resoluciones adecuadas para la validación de LUS: INPE (Brasil) - CBERS, Sensores CCD 1: y HRD 1:10.000, 4 Bandas - IRS-P6,Sensor LISS-III, 1:60.000, 4 Bandas - Landsat MSS, TM y ETM+, 1: ( ), 7 Bandas EROS-GLOVIS (EE.UU.) - Landsat MSS, TM y ETM+, 1: ( ), 7 Bandas - MODIS, 1: , 36 Bandas - E01, 1: Sensor ALI , 10 Bandas Global land cover facility-esdi (EE.UU.) - SRTM, 1: Landsat MSS, TM y ETM+, orto-rectificadas CONAE (Argentina) - SAC-C ( ) 1: , 5 Bandas Las siguientes instituciones proveen información vectorial: USGS (EE.UU.) Cuencas Ríos NGA, Localidades geo-referenciadas Geonet-FAO, Límites administrativos UNEO-GeoDatabase Varios b. TERRESTRE INDEC Datos censales SAyDS Datos fitogeográficos

11 1. Antecedentes ANEXO III EJEMPLO DE VALIDACIÓN DE LUS v4.2 EN PUNA El mapa de LUS v4.2 en Puna fue generado con la metodología presentada en el Anexo I y luego fue ajustada por el conocimiento local de expertos durante un Taller ad hoc (Informe Final CREAN, FAO/LADA, 2009). Durante el desarrollo el Taller se verificaron los límites geográficos de cada LUS, la asignación correcta del uso del suelo y se procedió a la verificación de dichas asignaciones de uso con el conocimiento local de los expertos. Asimismo, se procedió a responder el cuestionario WOCAT. Para determinar los límites de las áreas a describir se realizó un mapa de zonas ecológicas basado en límites altitudinales: Prepuna: Desde los 1500 m.s.n.m Puna: Entre los 3700 y los 4500 m.s.n.m para las provincias de Salta y Jujuy. Entre los 3500 y los 4200 m.s.n.m para la provincia de Catamarca. Alto Andino: Por arriba de los 4500 m.s.n.m para las provincias de Salta y Jujuy. Por arriba de los 4200 m.s.n.m para la provincia de Catamarca. Luego se reclasificaron las 12 unidades básicas de cobertura para obtener un mapa de las áreas con cultivos. El método empleado fue la generalización de áreas a nivel provincial. Para ello se utilizó el módulo Generalize del programa IDRISI Andes con un valor mínimo de 4000 píxeles. Esto significa que se agrupan los píxeles de la misma clase por conectividad hasta formar un grupo, si este grupo tiene un tamaño menor que el límite fijado, se une este grupo con el grupo limítrofe con el cual comparta una mayor longitud de borde. El resultado final de este ejercicios, son entonces, las eco-regiones fragmentadas en áreas de no menos de Ha. Para el caso particular de las áreas de cultivo, que funcionarían como un indicador de valles de riego en zonas áridas, el limite elegido fueron valles de tamaño mayor a 800 ha. El presente ejemplo de validación para Puna se basa en una propuesta presentada por Adolfo Kindgard en un Taller realizado en Mendoza (FAO/LADA Mayo, 2010). 2. Aspectos a considerar en la validación Durante el proceso de generación del mapa LUSv4.2 se usaron diversas fuentes de información. Alguna de ellas con cobertura nacional y otras que solo estaban disponibles regionalmente. A los fines de la verificación/validación de los distintos tipos de uso del suelo, se deben utilizar fuentes adicionales de información (satelital y terrestre) a las que dieron origen a los mapas actuales de LUS. Algunas de dichas fuentes se citan en el Anexo II.

12 Uno de los aspectos más importantes a considerar en la validación es la diferencia de escalas entre el mapa nacional y la escala de observación de los Sitios Pilotos. A nivel nacional, las agregaciones de los pixeles con iguales propiedades de uso son de unas 4000 unidades ( has) mientras que a nivel local se usan agregaciones mucho menores, o grupo reducido de pixeles, para establecer un uso homogéneo del suelo. Esto significa que se deben establecer umbrales de agregación para comparar y validar áreas que se encuentran representadas en diferentes escalas. La utilización de información (satelital y/o terrestre) a escala de detalles puede ser un procedimiento supervisado de validación de LUS. 3. Inconvenientes identificados - Identificación de tipos de vegetación - Diferenciación de áreas ganaderas según altitud y monto de precipitación 4. Procedimientos sugeridos Definir con claridad la escala de trabajo Generar capas de información (precipitación, ganadería, riego, etc.) Geo-referenciar cartografía impresa de la región o sub-regiones Incorporar datos vectoriales de referencia (rutas, poblados, límites administrativos, ríos, etc.) Identificar LUS conflictivos Obtener o generar productos geo-espaciales que faciliten la validación de los polígonos. 5. Resultados obtenidos La clasificación LUS para la Puna que se debe validar (proveniente de LUSv4.2) es la siguiente:

13 En el mapa precedente se identificaron LUS con errores, es decir con diferencias con la realidad sea por denominación y/o por cobertura geográfica. Las clases de uso del suelo que presentaron errores son las siguientes: LUS con errores o conflictivos para su determinación La identificación de los errores o áreas con discrepancias se realizó al comparar los LUS con otras fuentes de información. Un primer reconocimiento con imagen se realizó mediante el uso de una imagen Blue Marble (NASA Next Generación) de 500 m/pixel de resolución. La principal característica de estas imágenes es la ausencia total de nubes. Si bien poseen una resolución intermedia, aportan una visión global de toda el área piloto.

14 Imagen Blue Marble LUS v4.2 Otro análisis comparativo se realizó mediante el uso de imágenes de productividad primaria neta PPN - (2002/08) obtenida del sensor MODIS. Esta comparación permite identificar las áreas donde existe una biomasa vegetal generada en períodos determinados y delimitar las zonas donde la PPN es nula, es decir sin producción agrícola o ganadera. Por ejemplo, en la zona centro sudoeste de la imagen la PPN es nula pero en el mapa de LUS se observan pixeles que indican la presencia de arbustos y herbáceas (shrubs and herbaceous areas). Imagen de productividad primaria neta LUS v4.2 Si se considera que la orografía y diferencias altitudinales constituyen las las mayores condicionantes del uso del suelo en la Puna, la utilidad de un modelo digital de terreno (DEM) queda asegurada en la validación de LUS. En el caso de Puna, el DEM fue

15 utilizado para determinar los límites de las áreas ecológicas basado en límites altitudinales: Prepuna: Desde los 1500 m.s.n.m Puna: Entre los 3700 y los 4500 m.s.n.m para las provincias de Salta y Jujuy. Entre los 3500 y los 4200 m.s.n.m para la provincia de Catamarca. Alto Andino: Por arriba de los 4500 m.s.n.m para las provincias de Salta y Jujuy. Por arriba de los 4200 m.s.n.m para la provincia de Catamarca. Si se consideran los 3500 m de altura para definir el límite entre Puna y pastizal de neblina y 4600 m de altura para definir el límite entre Puna y pastizal alto-andino, se le está dando más precisión a la delimitación geográfica del LUS. Imagen DEM LUS v4.2 La utilidad del DEM en la validación de los LUS aumenta si le agregamos la información que provee una imagen del satélite Landsat TM en las bandas 432.

16 Imagen LANDSAT bandas 432 LUS v4.2 Finalmente, cabe considerar la utilización de imágenes de Google Earth con una elevada resolución para resolver áreas conflictivas y para las cuales se requiere una mayor precisión de identificación del uso del suelo. La imagen siguiente de Google Earth permite corroborar las identificaciones de la imagen LANDSAT-DEM en cuanto a la cobertura y uso del suelo para áreas muy acotadas. Imagen Google Earth 6. Resultados La utilización de fuentes adicionales de información permitió diferenciar a las clases de LUS con una asignación correcta de las clases asignadas

17 incorrectamente. La Tabla 1 presenta los LUS establecidos correctamente y los que no lo están y deben ajustarse adecuadamente para representar la realidad de uso del suelo en esa área. Tabla 1. Validación de polígonos conflictivos del LUS v4.2 de Puna Clase Clase LUS Descripción Polígono LUS 4-2 Correcto Datos de apoyo Cota 4200 a partir de La cota 4200 separa el ambiente SRTM alto andino de la Puna propiamente dicha. A pesar de estar sobre la isoyeta 300, la altura determina un ecosistema menos productivo Cota 3500 a partir de SRTM y Globcover La quebrada determina un ecosistema de mayor cobertura vegetal que esta expresado en la clasificación de Globcover. La cota 3500 es un límite arbitrario que coincide con el cambio de ecosistema Globcover El porcentaje mayoritario de pixels del globcover es suelo desnudo. Coincide con Blue marble y conocimiento del área Globcover y Landsat TM 5 Los pixels de Globcover y las imágenes Landsat marcan zonas bien diferenciadas del valle agropastoril Landsat TM 5 Se identifica el cuerpo de agua en la imagen Los polígonos indicados en la Tabla 1, se ilustran a continuación en las siguientes figuras: Polígono 1. Polígono 2. Polígono 2. Globcover

18 Polígono 3. Polígono 3. Globcover Polígono 4. Polígono 4. Globcover Polígono 5. Landsat TM 5 La determinación de los porcentajes de aciertos/desaciertos en la asignación de clases de LUS fue establecida para cada polígono. Estos porcentajes permitieron definir como correcta o no a la asignación del LUS utilizando los criterios de aceptación enunciados precedentemente. La Tabla 2 presenta los resultados del análisis numérico de los pixeles correctos e incorrectos en el polígono 1.

19 Tabla 2. Análisis numérico del Polígono 1 del LUS v4.2 Clase 5 de Puna Pixels Pixeles Pixeles Polígono totales Pixeles a Pixeles b Pixeles c Pixeles d correctos incorrectos ,96 352,64 121,6 60,8 1155,2 60,8 Clase de Globecover Arbustos y pastos Pastos y arbustos Arbustos de cobertura media Suelo desnudo Porcentaje 56% 29% 10% 5% 95% 5% Justificación Cobertura que soporta cargas medias Cobertura que soporta cargas medias Cobertura que soporta cargas medias Es otra categoría de LUS La siguientes figuras presentan el polígono 1 del LUS v4.2 y su validación con la imagen del Globecover. Polígono 1 del LUS v4.2 Polígono 1 en el Globecover Tabla 3. Análisis numérico del Polígono 2 del LUS v4.2 Clase 13 de Puna Polígono Pixels totales Pixeles a Pixeles b Pixeles c Pixeles d Muy baja Suelo cobertura Imagen desnudo/ Suelo vegetal, menor Baja cobertura Landsat salina desnudo 10 % vegetal Pixels correctos Pixeles incorrectos Globecover 0,0 1173,4 645,4 117,3 5749,7 117,3 67% 20% 11% 2% 98% 2% Suelo Escasa Hielos y/o nieves desnudo vegetacion permanentes Arbustales 2640,2 938,7 997,4 1290,7 4576,3 1290,7 45% 16% 17% 22% 78% 22%

20 Polígono 2 del LUS v4.2 Polígono 2 en el Globecover Tabla 4. Análisis numérico del Polígono 3 del LUS v4.2 Clase 4 de Puna Polígono Pixels totales Pixeles a Pixeles b Pixeles c Pixeles d Arbustos de media y alta Arbustos y Vegetacion Suelo Globcover cobertura arboles dispersa desnudo Pixels correctos Pixeles incorrectos 886,21 417, , , ,3 2293,72 17 % 8 % 31 % 44 % 56% 44% Blue Marble Alta cobertura vegetal Baja cobertura vegetal/suelo desnudo 2241, , ,6 2971,41 43 % 57 % 43% 57% Polígono 3 del LUS v4.2 Polígono 3 en el Globecover

21 7. Conclusiones a. El proceso de definición de unidades de mapeo y la asignación de LUS debe ser flexible, combinando datos geo-espaciales en múltiples escalas y el conocimiento experto de la zona. Este último elemento es de fundamental importancia. b. La principal dificultad es situarse en la escala de trabajo objetivo. c. La geo-referenciación de cartografía impresa, la superposición de capas vectoriales de referencia y la utilización de múltiples recursos informáticos es fundamental para definir con precisión las unidades de mapeo.