of 21

Modelo espacial para la detección de sitios potenciales para la alimentación de aves playeras migratorias en el noroeste de México

23 views
All materials on our website are shared by users. If you have any questions about copyright issues, please report us to resolve them. We are always happy to assist you.
Share
Description
Modelo espacial para la detección de sitios potenciales para la alimentación de aves playeras migratorias en el noroeste de México
Tags
Transcript
    Cient’fica _   HUITZIL Vol. 14, No. 1 (2013) www.huitzil.net 22 Modelo espacial para la detecci—n de sitios potenciales para la alimentaci—n de aves playeras migratorias en el noroeste de MŽxico. Cynthia Carmona-Islas, 1 * Javier Bello-Pineda, 1  Roberto Carmona 2  y Enriqueta Velarde. 1   1 Instituto de Ciencias Marinas y Pesquer’as, Universidad Veracruzana. Avenida Independencia No. 30, Colonia Centro, Boca del R’o, Veracruz, 94290, MŽxico. *cynthiacarmonaislas@gmail.com. 2 Laboratorio de Aves, Departamento de Biolog’a Marina, Universidad Aut—noma de Baja California Sur. Apartado Postal 19-B, La Paz, Baja California Sur, 23000, MŽxico. Resumen La mayor’a de las aves playeras migratorias hacen uso de los humedales principalmente como zonas de alimentaci—n; estos sitios est‡n sujetos a diversas amenazas debido a que en ellos convergen varios intereses humanos. El noroeste de MŽxico es una regi—n que presenta gran abundancia de aves playeras y forma parte del corredor migratorio del Pac’fico; sin embargo, aœn no se cuenta con informaci—n sistem‡tica que proporcione las bases para identificar y priorizar los h‡bitats aptos para la alimentaci—n de estas aves y que brinde herramientas para desarrollar estrategias de manejo. Debido a la extensi—n y complejidad de estos h‡bitats, las im‡genes de satŽlite son una herramienta œtil para ubicarlos y caracterizarlos. En este trabajo, describimos un marco metodol—gico para desarrollar modelos espaciales como herramienta para identificar humedales potenciales para la alimentaci—n de aves playeras migratorias mediante el an‡lisis de im‡genes satelitales Landsat TM, sistemas de informaci—n geogr‡fica y mŽtricas de paisaje. Nuestros resultados muestran diferencias consistentes en la configuraci—n espacial de los sitios identificados en la Pen’nsula de Baja California y el macizo continental. Asimismo, muestran que los sitios continentales presentan una mayor conectividad y extensi—n, mientras que los sitios peninsulares presentan menor extensi—n y mayor aislamiento. Discutimos que los aspectos que contribuyen al grado de importancia de un sitio como zona de alimentaci—n para estas aves son su extensi—n, el grado de agrupamiento de los parches de sustrato hœmedo dentro en cada zona y la distancia entre zonas. Palabras clave: im‡genes Landsat, SIG, humedales, mŽtricas de paisaje, ’ndice de humedad. Spatial modelling to detect potential feeding grounds for migratory shorebirds in northwestern Mexico. Abstract Most migratory shorebird species use wetlands as primary feeding grounds. These ecosystems have been recognized to be some of the most threatened worldwide, due to the convergence of multiple human uses. The northwestern Mexico (NWM) supports significant numbers of shorebirds and is part of the Pacific migratory corridor; however, still lack systematic information that would allow us to identify and prioritize suitable habitats used by shorebirds as feeding grounds and give some elements to develop management strategies. Owing to the extension and complexity of these habitats, the use of satellite imagery is a useful tool to identify and characterize them. In this study we describe a methodological approach to develop spatial models as tools for detecting suitable feeding grounds for migratory shorebirds based on the analysis of Landsat TM imagery, GIS and landscape metrics. Our results showed that feeding peninsular sites are consistently small and isolated while those in the continent are large and highly connected. We discuss that the factors that contribute to the relevance of feeding grounds for migratory shorebirds are their extension, the grouping of wet soil patches, and the distance  between sites. Key words: Landsat imagery, GIS, wetlands, landscape metrics, wetness index.   HUITZIL (2013) 14(1):22-42 Introducci—n A lo largo de sus costas, MŽxico presenta un nœmero importante de lagunas costeras; en ellas, uno de los grupos taxon—micos m‡s conspicuos es el de las aves  playeras (suborden Charadrii), especies que utilizan los humedales para actividades como alimentaci—n, reposo,  paso migratorio e invernada. En MŽxico, las aves  playeras est‡n representadas por 53 especies  pertenecientes a las familias Jacanidae, Haematopodidae, Recurvirostridae, Burhinidae, Charadriidae y Scolopacidae (Howell y Webb 1995, AOU 1998, Carmona et al  . 2003). De estas familias, al menos   HUITZIL Vol. 14, No. 1 (2013) www.huitzil.net 23 cuarenta especies son migratorias ne‡rticas (Myers et al  . 1987, OÕReilly y Wingfield 1995). Al migrar, realizan movimientos estacionales entre los sitios de reproducci—n y los de invernada, recorriendo distancias variables entre sitios aptos para su alimentaci—n. Su alimento b‡sico lo constituyen diversas especies de la infauna (organismos que viven entre las part’culas del sustrato), a la que acceden introduciendo sus picos en sustratos arenosos o fangosos con aguas someras (Colwell 2010). Se ha observado que la mayor’a de Žstas aves tiene preferencia por algunos tipos de humedales, espec’ficamente por aquellos de mayor tama–o (Goss Custard y Yates 1992, Hern‡ndez 2005, Kusch y Huettmann 2006, Granadeiro et al  . 2007), con substratos  blandos, expuestos y con poca vegetaci—n. Esta œltima caracter’stica les permite una buena visibilidad para detectar a sus depredadores (Colwell 2010) y les facilita una penetraci—n adecuada en el sustrato para la bœsqueda de su alimento, pues las ra’ces existentes en una vegetaci—n densa compactan los sedimentos (Fonseca y Fisher 1986), lo que dificulta la obtenci—n de la infauna (Orth et al.  1984). Por ejemplo, para la Bah’a de Delaware, se determin— la preferencia de estas aves por las planicies lodosas, en comparaci—n con zonas de marismas (provistas de vegetaci—n hal—fila) y playas expuestas; sin embargo, se considera importante que el  paisaje presente desde planicies lodosas hasta marismas altas, a fin de proveer un mosaico de tipos de h‡bitat para el sustento de los grandes grupos de aves que hacen uso de la zona (Burger et al  . 1997). La Academia Nacional de Ciencias de EUA define a un humedal como ÒÉ un ecosistema que depende de la constante y recurrente inundaci—n somera o saturaci—n en o cerca de la superficie del sustrato. Las caracter’sticas m’nimas esenciales de un humedal son la inundaci—n recurrente o la saturaci—n en o cerca de la superficie y la presencia de caracter’sticas f’sicas, qu’micas y biol—gicas que reflejan la inundaci—n recurrente o la saturaci—nÓ. Esta definici—n se considera la de mayor rigor cient’fico (Schnack 2006) por incluir en ella ecosistemas con procesos f’sicos y qu’micos similares que a su vez se reflejan en el tipo de comunidad  bi—tica presente. Un sustrato bien humedecido, por consiguiente, es considerado el factor limitante m‡s importante para definir una zona como potencial para la alimentaci—n de las aves playeras migratorias. Recientemente, ha crecido el interŽs internacional en las ‡reas de paso y sitios de invernada (Tsipoura y Burger 1999, Donaldson et al  . 2000, Brown et al  . 2001) donde las aves playeras se concentran en grandes nœmeros que pueden llegar a representar un gran  porcentaje de su poblaci—n y donde enfrentan grandes riesgos (Colwell 2010). Esta preocupaci—n surge debido a que las declinaciones poblacionales de diferentes especies se atribuyen principalmente a la pŽrdida o degradaci—n de los humedales (Morrison et al  . 2006, Colwell 2010). La degradaci—n y pŽrdida de humedales es m‡s r‡pida que la de otros ecosistemas, con el consecuente efecto negativo en las especies que hacen uso de ellos. El crecimiento poblacional humano es una de las razones principales de dicha degradaci—n o pŽrdida (Millennium Ecosystem Assessment 2005); muchos de los humedales utilizados por las aves son empleados por el hombre para diferentes actividades (Colwell 2010). La elevada tasa de pŽrdida de estos h‡bitats aumenta la relevancia de mantener una red adecuada de sitios de  parada para las aves playeras migratorias (Farmer y Parent 1997). En los œltimos 20 a–os, diferentes especies de aves playeras han registrado disminuciones significativas en sus poblaciones, raz—n por la que se han iniciado esfuerzos internacionales para llevar a cabo acciones que garanticen su conservaci—n y la de sus h‡bitats de reproducci—n, migraci—n e invernada (Page et al  . 1997, Donaldson et al  . 2000, Brown et al  . 2001, SEMARNAT 2008). Un paso b‡sico para implementar estas acciones es la identificaci—n de los humedales m‡s utilizados por las aves playeras, trabajo pr‡cticamente terminado en EUA y Canad‡, pero aœn inconcluso en la mayor’a de los pa’ses latinoamericanos, incluido MŽxico (Carmona et al  . 2011b). El poder identificar, en un ‡rea extensa como el territorio nacional, los humedales con caracter’sticas adecuadas para ser utilizados como zonas de alimentaci—n por las aves playeras representa una importante inversi—n de esfuerzo y dinero. Los sistemas de informaci—n geogr‡fica (SIG) han probado ser una herramienta costo-efectiva para el an‡lisis de zonas extensas y complejas ya que permiten la incorporaci—n de datos espaciales de distintas fuentes. Con ellos se pueden ubicar geogr‡ficamente atributos del ambiente, lo que  permite que dichos datos se combinen, comparen y analicen en una sola base de informaci—n. Lac—nicamente, los SIG pueden ser definidos como sistemas computarizados que capturan, guardan, manejan, analizan y despliegan datos georreferenciados (Salem 2003). El uso de SIG para desarrollar modelos espaciales que permitan ubicar humedales  potencialmente aptos como zonas de alimentaci—n para las aves playeras podr’a representar un ahorro significativo de esfuerzo y dinero para identificar los humedales potencialmente utilizados por estas aves en MŽxico. Este tipo de modelos puede proveer los insumos  para el desarrollo de estrategias de manejo, adem‡s de tener el potencial de constituirse en una herramienta  predictiva y aplicarse en situaciones similares en otros sitios. El trabajo de campo en este tipo de ecosistemas es complejo debido a que son zonas de dif’cil acceso por ser, en su mayor’a, lodosas y de gran extensi—n, como en la regi—n del Alto Golfo ubicado en el extremo norte del Golfo de California, o por presentar formas irregulares,   HUITZIL Vol. 14, No. 1 (2013) www.huitzil.net 24 como en Marismas Nacionales en el sur de Sinaloa y norte de Nayarit. Estos ecosistemas se han ubicado y estudiado mediante censos terrestres, n‡uticos y aŽreos (Hern‡ndez 2006). Estos mŽtodos permiten obtener datos  puntuales de alta calidad; desafortunadamente, los  primeros tienen una limitante espacial y los dos œltimos son costosos. El uso de im‡genes satelitales permite analizar ‡reas extensas y complejas, brindando los elementos b‡sicos para la ubicaci—n de humedales  potenciales. Particularmente, las im‡genes Landsat ETM ofrecen una opci—n viable debido a que son adquiridas en  bandas mœltiples que representan la se–al de la energ’a electromagnŽtica recibida en intervalos o bandas de longitud de onda. Esto permite hacer operaciones con Žstas bandas para poder resaltar caracter’sticas  particulares de un paisaje determinado; en este caso, los humedales que reœnan caracter’sticas que las definan como principales zonas de alimentaci—n de las aves  playeras, complementando esta informaci—n con datos de censos. En este trabajo, describimos el marco metodol—gico para el desarrollo de un modelo espacial  basado en el an‡lisis de im‡genes Landsat que permita determinar la distribuci—n y configuraci—n espacial de zonas de humedales potenciales para la alimentaci—n de aves playeras. Adem‡s, describimos los resultados obtenidos al aplicarlo en el noroeste de MŽxico donde, con fines pr‡cticos, las zonas potenciales se clasificaron en sistemas y subsistemas. Los resultados que obtuvimos los contrastamos con la informaci—n existente para tratar de elucidar las caracter’sticas que realzan la importancia de algunos de estos sitios. Elegimos el noroeste de MŽxico porque se ha identificado como un ‡rea de gran importancia para las aves playeras (Morrison et al  . 1992); adem‡s, esta regi—n es la que cuenta con un mayor nœmero de publicaciones sobre aves playeras (Carmona et al  . 2011b), lo que permite tener insumos para la elaboraci—n de este modelo. MŽtodos  çrea de estudio La regi—n noroeste de MŽxico est‡ conformada por los estados de Baja California (BC), Baja California Sur (BCS), Sonora, Sinaloa y Nayarit (Carmona et al  . 2011a). Debido a su ubicaci—n geogr‡fica y a su extensi—n, esta regi—n presenta amplia heterogeneidad clim‡tica y de ecosistemas; en ella se da la transici—n entre la zona Ne‡rtica y la Neotropical (Mittermeier y Goettsch 1992), y el clima var’a desde seco desŽrtico hasta tropical lluvioso (Garc’a y CONABIO 1998). Su zona costera tambiŽn es heterogŽnea; la mayor parte de las costas de la parte sur y central de la Pen’nsula de Baja California son rocosas, mientras que en los estados continentales (Sonora, Sinaloa y Nayarit) hay varias  playas arenosas interrumpidas por macizos rocosos. Tanto en estas œltimas como en el litoral peninsular, existen lagunas costeras, bah’as y estuarios bordeados  por manglares y marismas salinas con vegetaci—n hal—fila (Thomson et al  . 1979), en cuyos m‡rgenes se presentan zonas con sustratos de grano fino con humedad elevada. Los vientos del noroeste prevalecen de noviembre a mayo, mientras que el resto del a–o soplan vientos del sureste (Ulloa et al  . 2006). El rŽgimen de mareas en la costa occidental de la Pen’nsula de Baja California es semidiurno con una amplitud m‡xima de 2.5 m en las cercan’as de Punta Abreojos. En los litorales del Golfo de California la marea es mixta, semidiurna cuando la luna influencia en mayor medida al ecuador y diurna cuando la declinaci—n solar es fuerte; las mayores amplitudes se localizan en Santa Rosal’a, BCS, y en el Alto Golfo (Ulloa et al  . 2006). Esta regi—n cuenta con m‡s de 3,300 km de litoral.  Materiales y mŽtodos El manejo y an‡lisis de im‡genes incluy— cinco etapas (Figura 1): ( 1 ) an‡lisis inicial de im‡genes de satŽlite, ( 2 ) aplicaci—n del ’ndice de humedad, ( 3 ) edici—n contextual, ( 4 ) selecci—n y m‡scara de altitud, y ( 5 ) delimitaci—n de sistemas y an‡lisis de mŽtricas de paisaje. Utilizamos 33 im‡genes de satŽlite (adquiridas con el sensor ETM 7 del sistema de satŽlites Landsat) del  periodo 1999-2001, disponibles en la p‡gina electr—nica de la organizaci—n Landsat <www.landsat.org> y que  proyectamos al sistema C—nico Conforme de Lambert. Con la finalidad de ubicar en las im‡genes Landsat las zonas costeras con sustrato hœmedo, utilizamos una serie de algoritmos con el fin de obtener en ellas s—lo los valores digitales del suelo desnudo, enmascarando las zonas de agua y las de vegetaci—n. Primero, elaboramos una m‡scara de agua utilizando la banda cuatro (que recibe las se–ales correspondientes al infrarrojo cercano)  para determinar sus valores digitales; puesto que este intervalo de longitudes de onda no penetran la columna de agua aparece con valores digitales muy bajos. Elegimos esta banda tomando en consideraci—n los errores de comisi—n reportados por Frazier y Page (2000)  para las bandas que pueden ser utilizadas para este fin. Una vez definidos los valores digitales de los cuerpos de agua, confirmamos lo observado utilizando im‡genes Landsat compuestas en color verdadero e im‡genes de Google Earth que, de acuerdo con algunos autores (NIEeS 2007, Chen et al  . 2008), es un medio valido de visualizaci—n que puede apoyar diversas ‡reas de la investigaci—n cient’fica. Para identificar y posteriormente enmascarar las zonas de vegetaci—n, utilizamos el ’ndice normalizado de vegetaci—n (Rouse et al  . 1974 en Eastman 2012) que permite discriminar zonas con cualquier tipo de vegetaci—n mediante una f—rmula que utiliza las bandas tres (que recibe las se–ales correspondientes al rojo visible) y cuatro (que recibe las   HUITZIL Vol. 14, No. 1 (2013) www.huitzil.net 25 se–ales correspondientes al infrarojo medio). Confirmamos lo que este ’ndice diferenciaba, utilizando im‡genes de Google Earth para posteriormente clasificar y enmascarar estas zonas de vegetaci—n. Multiplicamos las im‡genes correspondientes a la m‡scara de agua y a la de vegetaci—n para obtener una imagen que no incluyera estas zonas, a la cual llamamos Òsuelo desnudoÓ. Figura 1. Diagrama metodol—gico para la generaci—n de la capa de sistemas de humedales  potencialmente aptas para la alimentaci—n de aves playeras migratorias. PROGRAMAS E INSUMOS PROCEDIMIENTOS Arc   Gis   33 Im‡genes Landsat Im‡genes de Google Earth Georreferir las Im‡genes M‡scaras de agua y de vegetaci—n. ndice de humedad. Imagen Òsuelo desnudoÓ Imagen de zonas potenciales IDRIS  ÀZonas brillantes o salitrosas? ÀZonas monta–osas? M‡scara de brillantez M‡scara de zonas hiperhalinas Imagen de zonas potenciales sin salÓ Imagen de zonas potenciales sin brillantezÓ Arc Gis MDE IDRISI Arc Gis M‡scara de altitud Capa de zonas potenciales Delimitaci—n de sistemas 4 3 2 1 Arc Gis An‡lisis de mŽtricas de paisaje Fragstats Recorte de altitud 5   HUITZIL Vol. 14, No. 1 (2013) www.huitzil.net 26 Una vez enmascaradas el agua y la vegetaci—n, en la siguiente etapa discriminamos s—lo aquellos suelos con alto contenido de humedad, para lo cual utilizamos la f—rmula del ’ndice de humedad descrita por Crist et al  . (1986; Ecuaci—n 1). La aplicaci—n de Žste ’ndice nos permiti— diferenciar las zonas cuyo sustrato presentaba mayor humedad, sin que Žste se confundiera con agua o vegetaci—n lo cual es importante considerando que el tama–o del grano del sustrato determina el grado de retenci—n de agua; los sustratos de grano fino son los que  presentan una mayor retenci—n (Ort’z y Ort’z 1980) y constituyen el tipo de sustrato m‡s comœn en las zonas de humedales, las preferidas por las aves playeras para su alimentaci—n. Para evitar la confusi—n de suelo desnudo con sitios de brillantez elevada, aplicamos el ’ndice de  brillantez descrito tambiŽn por Crist et al  . (1986), seguida de una m‡scara de brillantez elaborada con los valores digitales de las zonas identificadas por este ’ndice como altamente reflectivas o brillantes (Ecuaci—n 2). Ecuaci—n 1. donde: WI êndice de humedad (Wetness Index). TM Thematic Mapper. El nœmero hace referencia al nœmero de banda de la imagen Landsat, con el agua y la vegetaci—n previamente enmascaradas. Ecuaci—n 2. donde: BI êndice de brillantez (Brightness Index) TM Thematic Mapper. El nœmero hace referencia al nœmero de banda de la imagen Landsat, con el agua y la vegetaci—n previamente enmascaradas. Para sustraer de la imagen las zonas con elevada salinidad, elaboramos una m‡scara de zonas hipersalinas con los valores digitales de la banda tres pues al analizar las firmas espectrales de sitios hipersalinos de sustrato seco y de sustrato lodoso observamos que los cuerpos de agua hipersalinos presentaron valores elevados para las longitudes de onda de esta banda. Para verificar las zonas de suelo brillante o lagunas hipersalinas, utilizamos im‡genes de Google Earth y datos de campo disponibles  para algunas zonas. Dado que el objeto de este trabajo fue delimitar s—lo los humedales aleda–os a la costa, utilizamos un modelo digital de elevaci—n que obtuvimos del Centro Internacional de Agricultura Tropical (Jarvis et al  . 2008) que nos permiti— extraer de las im‡genes œnicamente las zonas con altitudes menores a 10 m snm. Posteriormente, exportamos estas im‡genes a ArcGis 9.3 para crear el modelo de humedales  potenciales para la alimentaci—n de aves playeras en el noroeste de MŽxico que te—ricamente cumpl’an con los requisitos de ser zonas con sustratos de grano fino y humedad elevada, comœnmente llamadas zonas lodosas. Categorizamos los humedales potenciales en sistemas y subsistemas. Para delimitarlos utilizamos tres criterios: ( 1 ) continuidad de los humedales potenciales, donde manejamos una distancia m‡xima de 10 km de separaci—n para considerarlos dentro de un mismo sistema; lo anterior bajo el criterio de que esta distancia representa un valor medio del rango de bœsqueda diaria de alimento para las distintas tallas y especies de aves  playeras (Warnock y Takekawa 1995, Warnock 1996, Farmer y Parent 1997, Leyrer et al  . 2006). ( 2 ) Para fines  pr‡cticos, dividimos los sistemas extensos en subsistemas, utilizando los l’mites de cuencas obtenidos de la cartograf’a de cuencas de la CONABIO (2012). ( 3 ) Para llevar a cabo las divisiones que dieron srcen a los subsistemas, consideramos, en lo posible, los cuerpos de agua costeros completos. Utilizamos estos criterios por la necesidad de definir unidades de an‡lisis de mŽtricas de  paisaje con significado ecol—gico. Algunos sistemas o secciones de sistemas han sido identificados previamente  bajo alguna categor’a de importancia de la Red WI = 0.1446 (TM  1 )+ 0.1761 (TM  2 )+ 0.3322 (TM  3 )+ 0.3396 (TM  4 ) ! 0.6210 (TM  5 ) ! 0.4186 (TM  7 )  BI = 0.2909 (TM  1 )+ 0.2493 (TM  2 )+ 0.4806 (TM  3 )+ 0.5568 (TM  4 )+ 0.4438 (TM  5 )+ 0.1706 (TM  7 )
Related Search
Advertisements
Related Docs
View more...
We Need Your Support
Thank you for visiting our website and your interest in our free products and services. We are nonprofit website to share and download documents. To the running of this website, we need your help to support us.

Thanks to everyone for your continued support.

No, Thanks