Evaluación espacio-temporal de la desertificación mediante teledetección en una cuenca árida de la región de Coquimbo, Chile.

Abstract

Se realizó una evaluación espacio-temporal de la desertificación en una cuenca árida de la zona centro-norte de Chile, mediante una clasificación supervisada de imágenes Landsat ETM+ correspondientes al año 2004 y 2013, en época estival. En términos de biomasa vegetal se definieron 4 clases de cubierta para la zona; Bosque, Matorral semidenso, Matorral claro y Mixto. En ambos años de estudio la clase predominante correspondió a Matorral semidenso, la cual aumenta su superficie en el período de estudio. Entre ambos años se observó una disminución de la categoría bosque cercana al 50%, distribuida principalmente al Este de la cuenca. Dicha categoría fue la que presentó mayor variación porcentual entre años. Los resultados obtenidos muestran un cambio neto positivo para toda la cuenca en cuanto a cobertura vegetal. En base a las transiciones ocurridas, se elaboró un modelo espacialmente explícito del tipo red neuronal de perceptrón multicapa, el cual permitió observar las tendencias de cambio para el año 2022, mediante la incorporación de variables del paisaje asociadas a la dinámica de cambio, donde la distancia a zonas de cultivos aparece como la variable que mejor se relaciona con la distribución de los cambios.

A spatio-temporal evaluation of desertification was carried out in an arid basin in the central-northern zone of Chile, through a supervised classification of Landsat ETM+ images corresponding to the years 2004 and 2013, in the summer season. In terms of plant biomass, 4 cover classes were defined for the area; Forest, semi-dense scrub, clear and mixed scrub. In both years of study, the predominant class corresponded to semi-dense scrub, which increases its surface in the study period. Between both years, a decrease in the forest category of close to 50% was observed, distributed mainly to the east of the basin. This category was the one that presented the greatest percentage variation between years. The results obtained show a positive net change for the entire basin in terms of vegetation cover. Based on the transitions that occurred, a spatially explicit model of the multilayer perceptron neural network type was developed, which made it possible to observe the change trends for the year 2022, by incorporating landscape variables associated with the dynamics of change, where the distance to crop areas appears as the variable that is best related to the distribution of changes.