Desarrollo de un modelo de evaluación y monitoreo de áreas degradadas de pastizal con sistemas de información espacial

Abstract

Se condujo un experimento con el objetivo de generar un modelo de evaluación y monitoreo espacial de áreas degradadas de pastizal, utilizando indicadores de atributos del estado de conservación de ecosistemas de pajonal y césped de puna que puedan ser detectados con sensores remotos. La evaluación se desarrolló en los distritos de Simón Bolívar, Canchayllo y Santa Ana la sierra central de Perú. La toma de datos y colección de muestras se realizó en los años 2015, 2016 y 2017. Se instalaron 120 transectos dentro de una red rígida de 250 x 250 m de resolución siguiendo las coordenadas de las imágenes satelitales del sensor MODIS. Se utilizaron bases de datos de suelo (SoilGrid, Aster) y vegetación (LandSat). Se identificaron 7 variables de estudio: NDVI máximo, elevación, relación erosión / deposición, materia orgánica del suelo, densidad aparente, cobertura vegetal y biomasa aérea. El trabajo de campo contempló mediciones de materia orgánica (muestras llevadas al laboratorio), reflectancia espectral (Sensor de campo EM50 Decagon Devices), y biomasa aérea (corte y separación). Para el análisis de la información, se utilizó el modelo de bosques aleatorios (Random Forest) para clasificar a los pastizales en muy pobre, pobre, regular, bueno y excelente. El modelo eligió a la variable materia orgánica del suelo como la de mayor importancia, seguido de la biomasa aérea el cual tuvo un ajuste global de 60% al momento de la calibración, categorizando a los pastizales en muy pobre (0%), pobre (34.12%), regular (53.85%), bueno (12.01%) y excelente (0.013%). Finalmente se comparó el modelo de degradación con el modelo espacial RESTREND, confirmando que los pastizales de Santa Ana (Huancavelica) poseen una mayor tendencia negativa (15.27%) ya que no tienen respuesta a la precipitación. Se concluye la materia orgánica del suelo y biomasa vegetal se pueden espacializar y monitorear con modelos globales y sensores remotos respectivamente para predecir el estado de conservación de pajonales y césped de puna.

An experiment was conducted with the objective of generating a spatial evaluation and monitoring model of degraded grassland areas, using indicators of attributes of the conservation status of pajonal and puna grass ecosystems that can be detected with remote sensors. The evaluation was carried out in the districts of Simón Bolívar, Canchayllo and Santa Ana, in the central highlands of Peru. Data collection and sample collection were carried out in the years 2015, 2016 and 2017. 120 transects were installed within a rigid network of 250 x 250 m resolution following the coordinates of the satellite images of the MODIS sensor. Soil (SoilGrid, Aster) and vegetation (LandSat) databases were used. Seven study variables were identified: maximum NDVI, elevation, erosion/deposition ratio, soil organic matter, bulk density, plant cover, and aerial biomass. The field work included measurements of organic matter (samples taken to the laboratory), spectral reflectance (EM50 Decagon Devices field sensor), and aerial biomass (cut and separation). For the analysis of the information, the Random Forest model was used to classify grasslands as very poor, poor, regular, good and excellent. The model chose the soil organic matter variable as the most important, followed by aerial biomass, which had a global adjustment of 60% at the time of calibration, categorizing grasslands as very poor (0%), poor (34.12%), regular (53.85%), good (12.01%) and excellent (0.013%). Finally, the degradation model was compared with the RESTREND spatial model, confirming that the grasslands of Santa Ana (Huancavelica) have a greater negative trend (15.27%) since they have no response to precipitation. It is concluded that soil organic matter and plant biomass can be spatialized and monitored with global models and remote sensors, respectively, to predict the state of conservation of grasslands and puna grass.