Art\u00edculo completo en PDF<\/a><\/p>\n Una considerable preocupacio\u0301n relacionada con el cambio clima\u0301tico global se ha incrementado durante las u\u0301ltimas dos de\u0301cadas, particularmente durante los u\u0301ltimos cinco an\u0303os, ya que cada di\u0301a son ma\u0301s patentes las\u00a0noticias relacionadas con el tema en los medios de comunicacio\u0301n. Los impactos de las actividades humanas en el clima, causadas por el consumo extensivo de combustibles fo\u0301siles, son un factor importante\u00a0para los tomadores de decisiones, debido a sus implicaciones econo\u0301micas y geopoli\u0301ticas. Otros factores cri\u0301ticos, como la deforestacio\u0301n, la pe\u0301rdida de la biodiversidad, la contaminacio\u0301n del agua o la erosio\u0301n del suelo son frecuentemente menos reportados, quiza\u0301 porque tienen un menor impacto directo en el desarrollo de las economi\u0301as. Sin embargo, son los signos ma\u0301s evidentes del cambio global. (1)<\/p>\n Desde mediados de los an\u0303os setenta, se ha reconocido que los cambios en el uso del suelo modifican el albedo superficial y, por consiguiente, el intercambio de energi\u0301a entre la superficie y la atmo\u0301sfera, para alterar finalmente la temperatura en el clima global. Despue\u0301s, a principios de los ochenta, se reconocio\u0301 a los ecosistemas terrestres como fuentes y sumideros de carbono, y salio\u0301 a la luz el impacto que tiene la deforestacio\u0301n. (2)<\/p>\n<\/div>\n Una manera de monitorear dichos cambios ha sido aprovechando el avance considerable de los u\u0301ltimos 20 an\u0303os en el desarrollo de herramientas computacionales orientadas al estudio de los recursos naturales, desde te\u0301cnicas estadi\u0301sticas para el modelado de feno\u0301menos, captacio\u0301n de ima\u0301genes de la superficie terrestre mediante sensores satelitales, e inclusive el desarrollo de software para el procesamiento de dichas ima\u0301genes en el estudio de la cobertura. (3)<\/p>\n La presente investigacio\u0301n tuvo como objetivo analizar el proceso de deforestacio\u0301n mediante el uso de herramientas geoma\u0301ticas en las diferentes zonas biogeogra\u0301ficas del estado de San Luis Potosi\u0301; asimismo, determinar las zonas potenciales para el establecimiento de plantaciones forestales comerciales. El enfoque de ana\u0301lisis se realizo\u0301 al estratificar la informacio\u0301n geoespacial para cada zona del estado: 1) Al- tiplano, 2) Centro, 3) Media, 4) Huasteca.<\/p>\n Este ana\u0301lisis se realizo\u0301, en primera instancia, con el estudio de los procesos de deforestacio\u0301n mediante la interseccio\u0301n espacial de mapas tema\u0301ticos de la Serie II (1993) y IV (2007) de vegetacio\u0301n y uso del\u00a0suelo, generados por el INEGI para cada una de las zonas biogeogra\u0301ficas del estado de San Luis Potosi\u0301: 1) Altiplano, 2) Centro, 3) Media, 4) Huasteca.<\/p>\n En una segunda etapa, se detectaron los cambios ocurridos durante el periodo 2000-2010, mediante el uso de ima\u0301genes satelitales en series de tiempo del sensor MODIS y con la te\u0301cnica de estadi\u0301stica multivariada de ana\u0301lisis de componentes principales.<\/p>\n Se considero\u0301 como hipo\u0301tesis que durante los u\u0301ltimos 15 an\u0303os han existido cambios en el uso del suelo, principalmente representados por la deforestacio\u0301n en las diferentes zonas biogeogra\u0301ficas del estado de San Luis Potosi\u0301. La segunda que la vegetacio\u0301n forestal ha perdido superficie anualmente, lo cual puede modelarse mediante ima\u0301genes anuales, simulando una serie de tiempo.<\/p>\n Antecedentes<\/strong><\/p>\n Los cambios en la vegetacio\u0301n y el uso del suelo son inherentemente espaciales y dina\u0301micos. La magnitud y el impacto son tales que se reconocen globalmente, de manera que esta dina\u0301mica se reconoce tambie\u0301n como uno de los grandes retos en la ciencia ambiental. Una variedad de investigaciones de cambio de uso del suelo realizados para periodos de ana\u0301lisis abarca los u\u0301ltimos 30 an\u0303os, con ima\u0301genes de sate\u0301lite, (4-9) y tambie\u0301n para periodos mayores. (10,11) Estos proyectos individuales no so\u0301lo han identificado las transiciones comunes en la vegetacio\u0301n y el uso del suelo, sino que tambie\u0301n han estudiado las causas de dichos cambios; asimismo, la dina\u0301mica del uso del suelo ha sido abordada en diferentes investigaciones, sobre todo si sus objetivos son el conocimiento mejorado de los procesos y los cambios producidos. (12,14)<\/p>\n Es comu\u0301n encontrar en la bibliografi\u0301a formas novedosas de estudiar el uso del suelo y sus cambios mediante nuevos disen\u0303os observacionales y experimentales, asi\u0301 como protocolos de investigacio\u0301n que\u00a0apoyan ana\u0301lisis de cambio cualitativos y cuantitativos; (15) para finalmente comparar mejor los resultados de diferentes estudios de caso. Esto ha sido posible, en parte por la disponibilidad de mediciones espacio-temporales consistentes y exhaustivas, que apoyan el desarrollo de la historia espacial y temporal de la vegetacio\u0301n y el uso del suelo de diferentes lugares en todo el mundo, adema\u0301s de la ra\u0301pida evolucio\u0301n de los algoritmos incluidos en los diferentes programas computacionales relacionados con los sistemas de informacio\u0301n geogra\u0301fica, percepcio\u0301n remota y estadi\u0301stica.<\/p>\n La deforestacio\u0301n, uno de los problemas ambientales ma\u0301s serios de los u\u0301ltimos tiempos, es tema de intere\u0301s mundial debido a la importancia de los bosques y selvas por los diferentes servicios ambientales que proveen, como: a) produccio\u0301n de agua, b) almacenamiento y captura de carbono, c) conservacio\u0301n de la biodiversidad, d) belleza esce\u0301nica. La deforestacio\u0301n tambie\u0301n afecta las actividades econo\u0301micas y amenaza el sustento de la vida y la integridad cultural de las personas que dependen de los bosques; adema\u0301s crea problemas, como degradacio\u0301n de suelos, inundaciones y azolve de los cuerpos de agua e infraestructura hidra\u0301ulica. (16,17)<\/p>\n La deforestacio\u0301n ocurre en mayor medida en pai\u0301ses en vi\u0301as de desarrollo, donde el nivel de bienestar de los ciudadanos es un factor crucial en la determinacio\u0301n del taman\u0303o de las a\u0301reas deforestadas. La pobreza, la sobrepoblacio\u0301n y la deuda externa acentu\u0301an la deforestacio\u0301n en muchos de los pai\u0301ses tropicales con bajo producto interno bruto.(18,19) Los requerimientos del crecimiento econo\u0301mico resultan en el incremento de la demanda de productos agri\u0301colas y forestales. Esta tendencia no es tan comu\u0301n en pai\u0301ses desarrollados y tiene una diferente lo\u0301gica de crecimiento, adema\u0301s se caracteriza como una curva en forma de U invertida que relaciona el crecimiento del producto interno bruto y la calidad del ambiente. En la bibliografi\u0301a reciente, este modelo se conoce como la curva ambiental de Kuznets (Kuznets curve<\/em>) (20) o tambie\u0301n es referida como la hipo\u0301tesis de transicio\u0301n forestal (forest transition hypothesis). (21)<\/p>\n<\/div>\n La Tierra esta\u0301 cambiando a un ritmo nunca antes visto, esta evolucio\u0301n requiere documentarse mediante ima\u0301genes completas y repetibles. Las herramientas de la observacio\u0301n terrestre juegan un papel clave en la produccio\u0301n de estimaciones reales de los cambios del paisaje. En este sentido, se requieren mediciones consistentes, fiables y precisas de la dina\u0301mica de la vegetacio\u0301n y uso del suelo para mejorar nuestro entendimiento de co\u0301mo funcionan los diferentes elementos del sistema. (22) El a\u0301mbito poli\u0301tico tambie\u0301n requiere dicha informacio\u0301n, ya que los acuerdos ambientales internacionales, como las convenciones de Ri\u0301o (Convencio\u0301n de las Naciones Unidas para el Cambio Clima\u0301tico, la Convencio\u0301n para el Combate de la Desertificacio\u0301n y la Convencio\u0301n para la Diversidad Biolo\u0301gica), entre otras, reportan obligaciones en torno al cambio de la vegetacio\u0301n y el uso del suelo y condicionan las nuevas decisiones poli\u0301ticas asociadas a estas convenciones. (19)<\/p>\n Los recursos de la Tierra tienen un alto valor econo\u0301mico, pero esto no durara\u0301 si se sobreexplotan o se manejan irracionalmente. (4,9) Los programas de apoyo requieren conocer la condicio\u0301n anterior, actual y quiza\u0301 futura del uso del suelo, para el desarrollo de poli\u0301ticas y estrategias operacionales y para dirigir el uso de los recursos; para llegar a una meta a largo plazo de alcanzar el manejo sustentable de los recursos forestales, como parte de los esfuerzos para erradicar la pobreza en las regiones en desarrollo del mundo. (7,9,23)<\/p>\n Diferentes agencias espaciales publican grandes conjuntos de datos, y representan un material base para una mejor caracterizacio\u0301n de la vegetacio\u0301n y el uso del suelo. (24-26) Mientras tanto, los cienti\u0301ficos se desarrollan te\u0301cnicas para refinar las mediciones, y\u00a0quienes hacen poli\u0301tica comienzan a incluir tales diagno\u0301sticos en sus decisiones. (27)<\/p>\n Desde el comienzo de 1970, las te\u0301cnicas de percepcio\u0301n remota se han aplicado exitosamente al mapeo local, nacional, continental e incluso global de la vegetacio\u0301n. En otras palabras, resulta evidente la utilidad de los mapas de uso de suelo para el manejo y la planeacio\u0301n de los recursos naturales desde escalas locales a nacionales. A escala global, la caracterizacio\u0301n confiable de la vegetacio\u0301n es una importante variable de entrada para los modelos de circulacio\u0301n global, permite mejorar nuestro entendimiento sobre la manera en que funciona la biosfera y para modelar escenarios clima\u0301ticos futuros. (11)<\/p>\n La disponibilidad de colecciones globales de da- tos espaciales detallados, como Landsat, combina- dos con mejoras en el procesamiento y almacenamiento, ha diseminado su uso para el mapeo regional y nacional. (24, 27) Aunque es muy difi\u0301cil conseguir ima\u0301genes de alta resolucio\u0301n espacial de una misma fecha para regiones amplias de estudio.<\/p>\n Para aprovechar la capacidad nume\u0301rica de los valores registrados en las ima\u0301genes satelitales, se han desarrollado diferentes me\u0301todos para examinar y clasificar estadi\u0301sticamente los pi\u0301xeles individuales, y a trave\u0301s de series de tiempo caracterizar su comportamiento espectral. (28) Los clusters pueden ser entrenados mediante el uso de datos de campo (clasificacio\u0301n supervisada) o estadi\u0301sticos (clasificacio\u0301n no supervisada).<\/p>\n Una vez clasificada la imagen, resulta imperativo y fundamental estimar la confiabilidad del mapa, lo cual se realiza mediante la elaboracio\u0301n de matrices de confusio\u0301n, contingencia o error.(29) Sin embargo, el levantamiento de datos para la validacio\u0301n de estos mapas puede ser problema\u0301tico por causas diversas, como: a) el taman\u0303o del a\u0301rea de intere\u0301s, b) la diversidad de ecosistemas, c) la falta de un sistema de clasificacio\u0301n (leyenda) homoge\u0301neo y no menos importante, d) los costos econo\u0301micos de tales actividades. Aunque parece complicado, la validacio\u0301n de los mapas es de suma importancia para conocer los alcances y limitaciones de la informacio\u0301n que se genera, la cual finalmente sirve para emitir opiniones o decidir poli\u0301ticas de manejo de los recursos naturales.<\/p>\n<\/div>\n A\u0301rea de estudio<\/strong><\/p>\n Se enmarca entre las coordenadas geogra\u0301ficas 24\u00b0 29′ 27\u201dNa21\u00b009’33\u201dNy98\u00b019’48\u201dOa102\u00b018′ 10\u201d O, cuenta con una superficie de 6\u2019116,360.9 ha, y representa 3.1% de la superficie de Me\u0301xico. SLP se divide en cuatro zonas biogeogra\u0301ficas (figura 1): Altiplano, Media, Centro y Huasteca; esta\u0301n distribuidas en 58 municipios y con diversas caracteri\u0301sticas fisiogra\u0301ficas por el gradiente altitudinal propiciado por la Sierra Madre Oriental en la parte Oeste. El feno\u0301meno de barlovento-sotavento provoca que la precipitacio\u0301n escurra hacia el Golfo de Me\u0301xico, que favorezca a la zona Huasteca y determine en gran medida la vegetacio\u0301n tropical que ahi\u0301 se desarrolla. Por su parte, en la zona Altiplano, los vientos llegan sin la humedad suficiente para que haya una precipitacio\u0301n regular, limitando al desarrollo de matorrales\u00a0y vegetacio\u0301n arbustiva. La zona Centro es una transicio\u0301n entre la zona Altiplano y Media, mientras que la zona Media resulta como la transicio\u0301n entre el Altiplano y la Huasteca.<\/p>\n <\/p>\n Fig. 1. Ubicacio\u0301n del a\u0301rea de estudio.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n Materiales<\/strong><\/p>\n Se utilizo\u0301 el conjunto de datos vectoriales de la carta de uso del suelo y vegetacio\u0301n de la serie II (1993; figura 2) y IV (2007; figura 3), escala 1:250,000. Las cartas y sus claves son como sigue: Fresnillo (F13-3), Zacatecas (F13-6), Matehuala (F14-1), San Luis Po- tosi\u0301 (F14-4), Ciudad Mante (F14-5), Guanajuato (F14-7), Ciudad Valles (F14-8) y Concepcio\u0301n del Oro (G14-10). Dicha informacio\u0301n fue generada por el Instituto Nacional de Geografi\u0301a y Estadi\u0301stica (INE- GI), mediante la fotointerpretacio\u0301n de 120 ima\u0301genes de sate\u0301lite Landsat para todo el territorio nacional, y fue validada mediante visitas de campo. Dado que ambas series presentaban un desfasamiento espacial aproximadamente consistente (X:-30 m Y=+60 m) que no obedeci\u0301a a la posible diferencia entre datum (NAD27 e ITRF92), se ajustaron con el procedimiento de georreferenciacio\u0301n de vectores en AutoCAD Map, donde se emplearon doce puntos de control (Xorigen, Yorigen y Xdestino, Ydestino) distribuidos en todo el estado, y se obtuvo un error aceptable para la escala del trabajo (0.33 m). Tambie\u0301n se empleo\u0301 el Marco Geoestadi\u0301stico Municipal, versio\u0301n 2009 del INEGI v.4.1, como referencia de los li\u0301mites poli\u0301ticos de la zona de estudio. Toda la informacio\u0301n se manejo\u0301 en la proyeccio\u0301n UTM, zona 14, datum ITRF92.<\/p>\n Para validar las series de vegetacio\u0301n, se construyeron dos matrices de confusio\u0301n mediante los datos de las series II (1993) y IV (2007), con los datos correspondientes a 330 sitios de muestreo obtenidos del Inventario Forestal Nacional (2004-06). Se calculo\u0301 la precisio\u0301n de la cartografi\u0301a para cada uno de los\u00a0tipos de vegetacio\u0301n y uso del suelo, a nivel global y el i\u0301ndice de Kappa ().<\/p>\n<\/div>\n Se estandarizo\u0301 la leyenda de ambas series de vege- tacio\u0301n con los criterios de (36), con tres niveles de clasificacio\u0301n: (i) formacio\u0301n, (ii) tipo de vegetacio\u0301n, (iii) uso del suelo y comunidad y otras coberturas. Para este trabajo se empleo\u0301 el nivel de clasificacio\u0301n ii. Lo anterior se realizo\u0301 generando un nuevo campo dentro de la base de datos del archivo vectorial, y se asignaron las clases encontradas a las nuevas categori\u0301as.<\/p>\n Para el ana\u0301lisis de cambio, se realizaron las matrices de cambio y se generaron en Idrisi Kilimanjaro con ma\u0301scaras booleanas para cada zona. Para esto se rasterizaron los tipos de vegetacio\u0301n y uso del suelo de cada fecha de ana\u0301lisis, con un pi\u0301xel de 50 m x 50 m como unidad de ana\u0301lisis.<\/p>\n Se calculo\u0301 la tasa de cambio para cada tipo de vegetacio\u0301n y uso del suelo con la fo\u0301rmula TC= ((S2\/ S1)(1\/n)-1) x 100; donde TC: tasa de cambio, S1= superficie en el an\u0303o inicial, S2= superficie en el an\u0303o final, n: nu\u0301mero de an\u0303os en el periodo de ana\u0301lisis. El valor positivo indica ganancia de superficie, mientras que un valor negativo indica pe\u0301rdida. Se calculo\u0301 el cambio total de cada clase tema\u0301tica referido al a\u0301rea estatal con la fo\u0301rmula CTE= (S2\/A)*100, donde A = A\u0301rea total. Para el caso de la tasa de deforestacio\u0301n (TD) se empleo\u0301 la misma fo\u0301rmula de la tasa de cambio, con la diferencia de que los valores tomados de la suma del a\u0301rea de todos los tipos de bosques, selvas y matorrales.<\/p>\n El mapa de cambio se realizo\u0301 mediante la interseccio\u0301n espacial de los vectores, y la generacio\u0301n de dos columnas en la base de datos del nuevo mapa vectorial: a) cambio detectado en los tipos de vegetacio\u0301n y uso del suelo resultado de concatenar los campos del tipo de vegetacio\u0301n y b) indicador de cambio y su etiquetado con base en la siguiente lo\u0301gica: CON: conservacio\u0301n, vegetacio\u0301n natural que permanecio\u0301 en\u00a0los dos periodos; REC: recuperacio\u0301n, vegetacio\u0301n que aumento\u0301 su densidad forestal o uso del suelo que migro\u0301 a una vegetacio\u0301n natural; DEF: deforestacio\u0301n, pe\u0301rdida de territorio arbolado como bosques, selvas y matorral; DEG: degradacio\u0301n, cambio de una cobertura degradada a una ma\u0301s degradada como pastizal a a\u0301reas sin vegetacio\u0301n; SC: sin cambio, clases tema\u0301ticas antro\u0301picas que permanecieron intactas en el periodo de ana\u0301lisis, y FC: falso cambio, cambios ilo\u0301gicos en el uso del suelo, ocasionados por un error de etiquetado en las fuentes de informacio\u0301n.<\/p>\n Para analizar los cambios ocurridos entre 2000 y 2010, se selecciono\u0301 el producto MCD43A4 que se obtiene combinadamente del sensor MODIS instalado en los sate\u0301lites Aqua y Terra; contiene valores de reflectancia (\u03c1) ajustada al nadir (NBAR, por sus siglas en ingle\u0301s) mediante una funcio\u0301n de distribucio\u0301n de reflectancia bidireccional. MCD43A4 integra datos multifecha tomados durante periodos de 16 di\u0301as para minimizar la presencia de nubes, y adema\u0301s se encuentra corregido atmosfe\u0301ricamente. Tiene una resolucio\u0301n espacial de 500 m y una resolucio\u0301n espectral de siete bandas distribuidas en las siguientes longitudes de onda: 1. Rojo (620-670 nm), 2. Infrarrojo cercano (841-876 nm), 3. Azul (459-479 nm), 4. Verde (545-565 nm), 5. Infrarrojo medio1 (1230- 1250 nm), 6. Infrarrojo medio2 (1628-1652 nm), 7. Infrarrojo medio3 (2105-2155 nm). (30) Para este trabajo se emplearon datos espectrales correspondientes a once an\u0303os desde 2000 (39 ima\u0301genes por an\u0303o) hasta 2010 (45 ima\u0301genes por an\u0303o en diez an\u0303os, en periodos de cada 16 di\u0301as), obtenidos de la interface denominada MODIS Reprojection Tool (MRTWeb). (31) Estos datos, obtenidos para las coordenadas extremas del a\u0301rea de intere\u0301s, fueron reproyectados al sistema UTM-14N.<\/p>\n La metodologi\u0301a para el monitoreo de la variacio\u0301n interanual de la vegetacio\u0301n se dividio\u0301 en tres fases. En la fase 1 se calculo\u0301 para cada imagen de cada fecha el i\u0301ndice de vegetacio\u0301n de diferencias normalizadas NDVI = ( \u0303irc- \u0303rojo)\/( \u0303irc+ \u0303rojo), donde \u0303irc = reflectancia en el infrarrojo cercano y \u0303rojo = reflectancia en el rojo. En la fase 2 se fusionaron las ima\u0301genes de NDVI correspondientes para cada uno de los an\u0303os mediante el algoritmo del ma\u0301ximo valor compuesto (MVC) en una sola imagen de NDVI anual. (32,33) Este me\u0301todo captura la variabilidad temporal intraanual de la vegetacio\u0301n en una sola imagen y minimiza la presencia residual de nubes o bruma bajo el supuesto que un alto valor de NDVI corresponde a un pi\u0301xel cubierto por vegetacio\u0301n.<\/p>\n<\/div>\n Para detectar la variacio\u0301n interanual se aplico\u0301 el ACP a la serie de tiempo. Este me\u0301todo fusiona las ima\u0301genes en un conjunto de nuevas variables (ima\u0301genes) que capturan la variabilidad temporal de la serie de tiempo. La primera variable generada o componente principal (PC1) recoge lo que es comu\u0301n en los an\u0303os de ana\u0301lisis, mientras que el segundo componente (PC2) captura las anomali\u0301as o diferencias detectadas en la serie de tiempo. Un indicador de la fecha de los cambios detectados es la correlacio\u0301n o carga de cada componente con las ima\u0301genes anuales originales. La correcta interpretacio\u0301n de los componentes depende entonces de la correlacio\u0301n mencionada con la fecha de ana\u0301lisis y su signo (\u00b1). Si el signo de la carga es positivo, el valor del segundo componente se interpreta directamente, es decir, los valores positivos corresponden a ganancias en la vegetacio\u0301n, mientras que en valores negativos se interpretan como pe\u0301rdidas en la vegetacio\u0301n (deforestacio\u0301n). Si el signo de la carga es negativo, el valor del segundo componente se interpreta de manera inversa; valores positivos corresponden a pe\u0301rdidas de vegetacio\u0301n, mientras que valores negativos corresponden a ganancias en la vegetacio\u0301n. En la fase 3 se fusionaron las once ima\u0301genes de ma\u0301ximo NDVI anual (2000-2010), mediante ACP que recoge la variabilidad espacio-temporal de la radiometri\u0301a de cada\u00a0pi\u0301xel. Para determinar los cambios se clasifico\u0301 el PC2, usando la desviacio\u0301n esta\u0301ndar de la media. Para este trabajo, el PC2 se dividio\u0301 en cinco clases: 1. Degradacio\u0301n altamente probable (3\u03c3 a 4\u03c3 \u0303), 2. Degradacio\u0301n poco probable (1\u03c3 a 2\u03c3), 3. Sin cambio (\u03bc), 4. Recuperacio\u0301n poco probable (1\u03c3 a 2\u03c3 \u0303), 5. Recuperacio\u0301n altamente probable (3\u03c3 a 4\u03c3 \u0303).<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n Para analizar la tendencia del NDVI con la precipitacio\u0301n anual, se emplearon datos de precipitacio\u0301n para un periodo de diez an\u0303os (2000-2009), obtenidos de 54 estaciones seleccionadas que forman parte de la Red de Observatorios Meteorolo\u0301gicos, distribuidos en el estado de San Luis Potosi\u0301, Me\u0301xico, y son administrados por la Comisio\u0301n Nacional del Agua (CNA). Los datos de precipitacio\u0301n de 2010 no se incluyeron, debido a que au\u0301n se encontraban en etapa de procesamiento por la CNA. La correlacio\u0301n se llevo\u0301 a cabo de dos maneras: 1) relacio\u0301n de la precipitacio\u0301n total anual y el ma\u0301ximo NDVI registrado en la imagen de sate\u0301lite como un indicador de la dina\u0301mica de la vegetacio\u0301n y 2) comparacio\u0301n de los promedios anuales de precipitacio\u0301n y promedios anuales de NDVI. Para visualizar la serie de tiempo completa y analizar la tendencia temporal del NDVI, se graficaron los valores promedio de NDVI (2000- 2010) de los pi\u0301xeles que no presentaron ninguna nube durante el periodo de ana\u0301lisis, usando una ma\u0301scara booleana construida con las 489 ima\u0301genes. El procesamiento de ima\u0301genes se realizo\u0301 en el software IDRISI.34<\/p>\n RESULTADOS<\/strong><\/p>\n En el ana\u0301lisis realizado para la deteccio\u0301n del cambio de uso del suelo en San Luis Potosi\u0301, se encontro\u0301 que 88.3% del territorio permanecio\u0301 sin cambio, mientras que 11.7% de la superficie presento\u0301 algu\u0301n tipo de cambio. Los porcentajes que se indican en seguida fueron calculados con base en la superficie estatal\u00a0para propiciar su comparacio\u0301n entre si\u0301 y pudieran ser apreciados en la figura 4. La disminucio\u0301n fue especialmente marcada en el matorral, donde la pe\u0301rdida alcanza 2.3%; a nivel nacional36 reporta -0.33%. La selva perennifolia y caducifolia redujeron su taman\u0303o en -0.4% y -0.2%, respectivamente, siendo ligeramente menores con la tasa nacional que fue de – 0.76%; el pastizal tambie\u0301n presento\u0301 un decremento considerable de -0.4%; y en menor grado, el mezquital con -0.1% de disminucio\u0301n. Las selvas han sido uno de los tipos de vegetacio\u0301n ma\u0301s afectados por el cambio de uso del suelo, ocasionado principalmente por las actividades agri\u0301colas no\u0301madas como roza-tumba-quema.35<\/p>\n<\/div>\n La deforestacio\u0301n ocurrida durante el periodo 1993-2007 fue de 77,017.3 ha (1.9%), que implica la pe\u0301rdida del bosque de coni\u0301feras, bosque de latifoliadas, bosque mixto, selva perennifolia y subperennifolia, selva caducifolia y subcaducifolia, matorral y mezquital. Las clases tema\u0301ticas que incrementaron su a\u0301rea proveniente de la vegetacio\u0301n arbolada fueron, principalmente, la agricultura de temporal (2.6%), el pastizal (0.4%) y la agricultura de riego (0.3%) del a\u0301rea estatal. La tasa de deforestacio\u0301n anual para San Luis Potosi\u0301 fue de 0.14%.<\/p>\n<\/div>\n<\/div>\n La variacio\u0301n interanual de la vegetacio\u0301n asociada a los cambios en la precipitacio\u0301n fue monitoreada exitosamente, mediante la serie de tiempo de NDVI, obtenido el producto combinado sensor MODIS MCD43A4 para el periodo 2000-2010. La coherencia espacial de las condiciones de humedad para los an\u0303os de ana\u0301lisis se observa claramente en los patrones de NDVI obtenidos para cada an\u0303o. Los cambios en la serie de tiempo fueron capturados adecuadamente por el segundo componente principal. Se detectaron tanto los an\u0303os secos como los an\u0303os hu\u0301medos. El an\u0303o ma\u0301s seco en la serie de tiempo fue 2000, con un NDVI ma\u0301ximo promedio de 0.45 y una precipitacio\u0301n total promedio de 497 mm. Mientras que el an\u0303o ma\u0301s hu\u0301medo fue 2008, con un NDVI ma\u0301ximo promedio de 0.60, y una precipitacio\u0301n total promedio de 817 mm. Investigaciones posteriores permitira\u0301n averiguar los detalles de los cambios encontrados a una mayor escala espacial.<\/p>\n En la figuras 5 se observa el PC1 que captura 90.2% de la varianza total del conjunto de datos y describe los valores comunes de NDVI en todos los an\u0303os de ana\u0301lisis. Esto se corrobora al observar altas cargas positivas que representan las correlaciones (mayores a 0.92), entre las ima\u0301genes anuales compuestas con el ma\u0301ximo NDVI contra el CP1; las tonalidades claras o valores ma\u0301s altos esta\u0301n directamente ligados a la densidad de la vegetacio\u0301n forestal, y se encuentran en las zonas boscosas del a\u0301rea de estudio, mientras que los valores con tonalidad ma\u0301s baja corresponden a lugares de clima a\u0301rido, donde la vegetacio\u0301n predominante es matorral. En la figuras 6 se muestra el segundo componente principal (PC2), que recoge 1.8% de la varianza total de la serie temporal y es atribuible al cambio.<\/p>\n![\"2040728\"](\"http:\/\/cienciauanl.uanl.mx\/wp-content\/uploads\/2014\/01\/2040728.jpg\")
<\/a><\/p>\n![\"zacatuercas1\"](\"http:\/\/rodrigosotomoreno.com\/revistanew\/wp-content\/uploads\/2014\/01\/zacatuercas1.jpg\")
<\/a><\/p>\n![\"Figura2mapavege\"](\"http:\/\/rodrigosotomoreno.com\/revistanew\/wp-content\/uploads\/2014\/01\/Figura2mapavege.png\")
<\/a><\/p>\n![\"Figura3des\"](\"http:\/\/rodrigosotomoreno.com\/revistanew\/wp-content\/uploads\/2014\/01\/Figura3des.png\")
<\/a><\/p>\n![\"Figura4des\"](\"http:\/\/rodrigosotomoreno.com\/revistanew\/wp-content\/uploads\/2014\/01\/Figura4des.png\")
<\/a><\/p>\n
![\"Figura5des\"](\"http:\/\/rodrigosotomoreno.com\/revistanew\/wp-content\/uploads\/2014\/01\/Figura5des.png\")
<\/a><\/p>\n![\"Figura6des\"](\"http:\/\/rodrigosotomoreno.com\/revistanew\/wp-content\/uploads\/2014\/01\/Figura6des.png\")
<\/a><\/p>\n