Distribución y funcionamiento de las áreas protegidas de ...
Transcript of Distribución y funcionamiento de las áreas protegidas de ...
Distribución y funcionamiento de las áreas protegidas de Argentina. Diferencias funcionales con áreas bajo uso
agropecuario.
Martín Fabio Garbulsky
Ingeniero Agrónomo (1996, Universidad de Buenos Aires)
Magister de la Universidad de Buenos Aires Área: Recursos Naturales
Escuela para Graduados Alberto Soriano Convenio Facultad de Agronomía - UBA
Instituto Nacional de Tecnología Agropecuaria (INTA)
COMITÉ CONSEJERO
CONSEJERO PRINCIPAL:
José M. Paruelo Ingeniero Agrónomo
Magister Scientiae, Universidad de Buenos Aires Ph. D., Colorado State University
CONSEJERO:
Martín R. Aguiar Ingeniero Agrónomo
Magister Scientiae, Universidad de Buenos Aires Ph. D., Colorado State University
JURADO DE TESIS
Presidente: Nombre y apellido Título Profesional Título Académico
Miembro: Nombre y apellido Título Profesional Título Académico
Miembro: Nombre y apellido Título Profesional Título Académico
Fecha de aprobación de la tesis:
IV
Agradecimientos
A José Paruelo, quien me dio la posibilidad de aprender, de trabajar y de continuar mi
formación.
A Martín Aguiar, quien supo “aconsejarme ” en diferentes etapas del trabajo
A Martín Oesterheld, Willie Batista y Antonio Hall, con quienes pude discutir y me
ayudaron a mejorar diferentes aspectos de mi trabajo.
A Liliana Goveto y Mónica Mermoz, quienes me aportaron información fundamental
sobre las áreas protegidas.
A quienes compartieron de cerca el trabajo cotidiano en diferentes etapas de la oficina
de Becarios y también de otras oficinas: María, Mariela, Verónica, Gervasio, Pedro,
Juan Pablo y Ariela.
A todas los personas del IFEVA que de diferentes formas me ayudaron durante estos
años de “becario”. Particularmente a los queridos compañeros del LART.
A las instituciones que financiaron diferentes aspectos y etapas de este trabajo:
Fundación Antorchas, Inter American Institute for Global Change Research,
Universidad de Buenos Aires y Fundación Proyungas
A mis amigos interesados en mi trabajo y porque si.
A mi familia, ¿por qué no?
A Ire, por acompañarme en el trabajo y en la vida.
A todos ellos, les agradezco enormemente.
V
INDICE GENERAL Indice de Tablas VI
Indice de Figuras VII
Lista de Acrónimos X
Resumen XI
Abstract XII
Capítulo I. Introducción general 1
Capítulo II. Representatividad y funcionamiento de los ecosistemas
protegidos de Argentina
11
Introducción 12
Metodología 14
Resultados 20
Discusión 32
Capítulo III. Funcionamiento potencial de la vegetación 36
Introducción 37
Metodología 40
Resultados 46
Discusión 56
Capítulo IV. Impactos del uso de la tierra sobre el funcionamiento de los
ecosistemas.
63
Introducción 64
Metodología 68
Resultados 73
Discusión 88
Capítulo V. Discusión final y conclusiones 94
Anexo I. Comparación de los datos de índice verde normalizado LAC y PAL
provenientes de los sensores NOAA/AVHRR.
107
Bibliografía citada 116
VI
INDICE DE TABLAS Tabla 2.1. Lista de las áreas protegidas seleccionadas para el estudio a escala regional
Tabla 2.2. Servicios de los ecosistemas según cada fisonomía.
Tabla 2.3. Superficie total, protegida y grado de protección de las Ecoregiones de Argentina
Tabla 2.4. Superficie y grado de protección por orden de suelo de acuerdo con la clasificación del Soil Taxonomy.
Tabla 2.4. Estimación del valor de los servicios de los ecosistemas provistos por las diferentes fisonomías de la vegetación existentes en las áreas protegidas de Argentina.
Tabla 2.5. Estimación del valor de los diferentes servicios de los ecosistemas provistos por las áreas protegidas de Argentina.
Tabla 3.1. Areas protegidas incluidas en el análisis (basado en Administración de Parques Nacionales 1998) y sus tipos de vegetación (re-elaborado a partir de Hueck y Seibert 1981).
Tabla 3.2. Correspondencia entre los tipos de vegetación incluidos en el análisis y los tipos de
vegetación y las eficiencias en el uso de la radiación (ε) derivadas de Field et al. (1995) utilizadas para estimar PPN.
Tabla 3.3. Coeficiente de determinación de los modelos para las relaciones para el IVN mensual y la temperatura superficial derivado de las imágenes NOAA/AVHRR y datos meteorológicos.
Tabla 3.4. Pendiente y coeficiente de determinación (r2) de los modelos de la relación entre la Et y Ts.IVN mensuales para cada área protegida y para todos los sitios.
Tabla 3.5. Coeficientes de determinación, pendientes y valores p de las regresiones entre IVN y Ts promedio para 13 áreas protegidas en Argentina.
Tabla 4.1. Áreas protegidas incluidas en la comparación regional del uso de la tierra (en base a
Administración de Parques Nacionales, 1998).
Tabla 4.2. Relaciones entre las diferencias relativas producidas por usos de la tierra de baja y alta intensidad sobre los atributos de la curva de índice vegetación normalizado (IVN) a lo largo de los gradientes de precipitación (PMA) y temperatura (TMA) medias.
Tabla 4.3. Relaciones entre las diferencias relativas producidas por usos de la tierra de baja y alta intensidad sobre los atributos de la curva de temperatura superficial (Ts) a lo largo de los
gradientes de precipitación (PMA) y temperatura (TMA) medias.
Tabla 4.4. Estimación del impacto del uso de la tierra sobre la eficiencia en el uso de la radiación y en la productividad primaria neta aérea (PPNA) en diferentes biomas de Argentina.
VII
INDICE DE FIGURAS Figura 2.1. Ubicación de las áreas protegidas utilizadas en el análisis y sus correspondientes
ecorregiones.
Figura 2.2. Grado de protección de las unidades fitoedáficas. a) Relación entre el grado de protección y la superficie total de la unidad fitoedáfica., b) Porcentaje acumulado de la superficie
protegida por unidad fitoedáfica de la superficie protegida total en función del porcentaje acumulado sobre el total del país.
Figura 2.3. Relación entre la extensión de los ecosistemas y su protección en el espacio climático
definido por la precipitación y la temperatura medias anuales.
Figura 2.4. Distribución de la superficie del país y del grado de protección a lo largo del gradiente de altura sobre el nivel del mar.
Figura 2.5. Distribución de la superficie protegida a lo largo del gradiente de Indice Verde Normalizado promedio anual.
Figura 2.6. Variabilidad de la precipitación media anual (PMA) y la temperatura media anual
(TMA) en las áreas protegidas de Argentina.
Figura 2.7. Variabilidad de los atributos de la curva de IVN en las áreas protegidas de Argentina. a) Integral del IVN, b) Valores máximos, c) Valores mínimos, d) Rango relativo y e) Mes de
ocurrencia del valor máximo.
Figura 2.8. Relación entre la radiación fotosintéticamente activa absorbida por la vegetación (RFAA) y el rango relativo (RRel) para las diferentes fisonomías de la vegetación incluidas
dentro de las áreas protegidas.
Figura 3.1. Areas protegidas incluidas en el análisis y dinámica promedio anual del Indice de vegetación Normalizado (IVN ) y la Temperatura superficial (Ts ) para el periodo 1981-93.
Figura 3.2. Distribución de las áreas protegidas en el espacio climático definido por la precipitación media anual (PMA) y la temperatura media anual (MAT).
Figura 3.3. a) Trayectorias estacionales media para los periodos de 10 días para IVN y temperatura
superficial (Ts) para 7 sitios seleccionados y la correspondiente recta de regresión.
Figura 3.4. Valores promedio para cuatro atributos de la curva estacional de IVN para el periodo 1981-93 en 13 áreas protegidas en Argentina.
Figura 3. 5. Valores promedio de tres descriptores de la dinámica estacional de la evapotranspiración derivada de datos satelitales para el periodo 1981-93 en 13 áreas protegidas de Argentina.
Figura 3. 6. Productividad Primaria Neta (PPN) de las áreas protegid as de Argentina estimada a partir de datos satelitales. Valores promedio anual para las 13 áreas protegidas y su relación con el gradiente de precipitación.
VIII
Figura 3.7. Relación entre la precipitación media anual (PMA) y los atributos del IVN de 13 áreas
protegidas de Argentina para el periodo 1981-93.
Figura 3.8. Relación entre la temperatura media anual (TMA) y los atributos del IVN de 13 áreas protegidas en Argentina para el periodo 1981-93.
Figura 3.9. Relación entre la precipitación media anual (PMA) y la variabilidad de los atributos del IVN para 13 áreas protegidas de Argentina para el periodo 1981-93.
Figura 3.10. Relación entre la temperatura media anual (TMA) y la variabilidad de los atributos del IVN para 13 áreas protegidas de Argentina para el periodo 1981-93.
Figura 4.1. Esquema del procesamiento de las imágenes NOAA/AHRR PAL de IVN y Ts para el análisis temporal de largo plazo. Los parámetros de la recta de regresión analizados fueron la
pendiente (b) y su significancia (p).
Figura 4.2. Diferencias absolutas en los atributos de la curva del Indice de Vegetación Normalizado provocadas por cambios en el uso de la tierra.
Figura 4.3. Relación entre la integral anual del Indice de Vegetación Normalizado (IVN-I) y la precipitación media anual. áreas protegidas y los negros a los agroecosistemas
Figura 4.4. Relación entre las diferencias absolutas en el IVN-I y la precipitación media anual.
Figura 4.5. Trayectorias en el plano del IVN -I y el RRel provocadas por el uso de la tierra en diferentes biomas de Argentina. a) Trayectorias derivadas de la comparación entre áreas protegidas y áreas vecinas. b) Agrupamiento de los diferentes tipos de respuestas.
Figura 4.6. Diferencias absolutas en los atributos de la curva de la Temperatura Superficial provocadas por cambios en el uso de la tierra.
Figura 4.7. Trayectorias en el espacio IVN-I - Tsavg producidas por el uso de la tierra derivadas de
datos NOAA/AVHRR LAC (1992-93) para un subconjunto de nueve áreas protegidas y sus respectivos agroecosistemas.
Figura 4.8. Variabilidad interanual para el período 1981-1999. Relación entre los coeficientes de variación del IVN-I en áreas protegidas y en agroecosistemas.
Figura 4.9. Cambios en IVN-I y en Tsprom en Argentina y zonas limítrofes. a) Distribución regional de los cambios para el período 1981-1999. b) Pendiente promedio para las veintitrés provincias
argentinas en ambas variables espectrales.
Figura 4.10. Distribución de las pendientes significativas (p<0.05) de los cambios en el IVN-I y en Tsprom durante los años 1981-99 para América del Sur (Sur del Paralelo 20° S.).
Figura 4.11. Relación entre la pendiente temporal del IVN-I y la pendiente del cambio en el uso de la tierra en los Bosques subtropicales a lo largo del período 1981-99.
Figura 5.1. Relac iones entre la Productividad primaria neta y la precipitación media anual para las estimaciones derivadas de esta tesis, para las mismas áreas protegidas derivada de Cramer et al. (1999) y para los datos presentados por Schimel et al. (1997) y Clark et al. (2001)
IX
"Declaro que el material incluido en esta tesis es, a mi mejor saber y entender, original, producto de mi propio trabajo (salvo en la medida en que se identifique explícitamente las contribuciones de otros), y que este material no lo he presentado, en forma parcial o total, como una tesis en ésta u otra institución."
X
Lista de Acrónimos utilizados en esta Tesis. PMA Precipitación media anual TMA Temperatura media anual IVN Indice de vegetación normalizado IVN-I Integral del Indice de vegetación normalizado IVN-I cv Coeficiente de variación del Indice de vegetación normalizado RRel Rango relativo Vmax Indice de vegetación normalizado máximo anual Dmax Fecha de ocurrencia del Indice de vegetación normalizado máximo Vmin Indice de vegetación normalizado mínimo anual Ts Temperatura superficial Tsprom Temperatura superficial promedio anual LAI Indice de área foliar PPNA Productividad primaria neta aérea PPN Productividad primaria neta SNAP Sistema Nacional de Areas Protegidas PPNS Productividad primaria neta subterránea RFA Radiación fotosintéticamente activa incidente fRFAA Fracción de la Radiación fotosintéticamente activa absorbida por la
vegetación RFAA Radiación fotosintéticamente activa absorbida por la vegetación NOAA/AVHRR National Oceanographic and Atmosphere Administration/
Advanced Very High Resolution Radiometer Et Evapotranspiración PAL NOAA/NASA Pathfinder AVHRR Land (PAL) program LAC AVHRR Local Area Coverage
XI
Resumen
La actividad humana ha transformado gran parte de la superficie terrestre. Sin
embargo, poco se sabe sobre los efectos producidos sobre el funcionamiento de los
ecosistemas. Las áreas protegidas representan situaciones de referencia necesarias para
comparar el efecto del uso de la tierra sobre los flu jos ecosistémicos. Los objetivos de esta
tesis fueron: 1) caracterizar de que manera las áreas protegidas de Argentina representan la
heterogeneidad funcional de los ecosistemas del país, 2) analizar el funcionamiento de la
vegetación potencial a escala regional y 3) describir el efecto del uso de la tierra sobre el
funcionamiento de esos ecosistemas. Se utilizaron datos satelitales AVHRR/NOAA de
temperatura superficial (Ts) y de Indice de Vegetación Normalizado (IVN), datos
climáticos y edáficos. Esa información junto con la amplia distribución de las áreas
protegidas permitieron analizar regionalmente la productividad primaria neta (PPN) y la
evapotranspiración (Et), dos variables asociadas a los ciclos del carbono y del agua.
Se identificaron 43 unidades de vegetación sin ninguna protección, las que
representan el 13% de la superficie del país. El porcentaje protegido en cada unidad de
vegetación mostró una relación inversa con su superficie. A escala regional, PPN varió
entre 83 y 1700 g.m-2.año-1 y Et varió entre 100 y 1100 mm.año-1. Regionalmente, el uso
agropecuario aumentó el valor mínimo y no modificó el valor máximo del IVN. IVN-I
aumentó en el extremo más seco y disminuyó en el más húmedo del gradiente. El uso de la
tierra también modificó la temperatura superficial, sin embargo, esas diferencias no se
correlacionaron con los gradientes regionales de temperatura y precipitación. Durante las
últimas dos décadas, algunas tendencias en IVN-I y Ts en diferentes ecosistemas del país
se asociaron a límites políticos y biogeográficos.
Los resultados de esta tesis representan la línea de referencia para evaluar el estado
actual del sistema de áreas protegidas y el impacto del uso de la tierra a lo largo de
gradientes ambientales. La relación entre los atributos funcionales y las variables
ambientales proveen una forma de extrapolar la información de áreas protegidas a otras
modificadas y para generar mapas de funcionamiento potencial. Los cambios detectados
sugieren que el uso de la tierra modifica a escala regional los ciclos del carbono y del agua.
La precipitación media, la vegetación potencial y el tipo de vegetación por el cual se la
reemplaza controlarían la magnitud y el sentido de las diferencias.
Palabras clave: uso de la tierra, áreas protegidas, productividad primaria, evapotranspiración, IVN, Temperatura superficial, análisis regional.
XII
Distribution and functioning of protected areas in Argentina. Functional comparison with productive areas.
Abstract
Human activities have modified ecosystem functioning at different scales.
However, the changes on ecosystem functioning are not well known. Protected areas
represent reference situations to compare land use impacts on ecosystem fluxes. The
objectives of this thesis are: 1) to characterize how well protected areas in Argentina
represent the functional heterogeneity of the ecosystems, 2) to analyze the potential
vegetation functioning at a regional scale and, 3) to describe, at the same scale, the effect
of land use on ecosystem functioning. I used AVHRR/NOAA satellite data for the surface
temperature (Ts) and the Normalized Difference Vegetation Index (NDVI) and climate and
edaphic data. This datasets and the wide distribution of the protected areas allowed to
analyze net primary productivity (NPP) and evapotranspiration (Et), two variables
associated to carbon and water fluxes.
I identified 43 vegetation units, out of the 88 defined, not protected at all,
representing 13% of total country area. I found an inverse relationship between the
protected area and the total area of the vegetation unit. NPP ranged between 83 and 1700
g.m-2.year-1 and Et ranged between 100 and 1100 mm.year-1. Regionally, agricultural use
increased minimum NDVI value and did not modify the maximum. Land use increased the
NDVI-I at t he driest part of the gradient and decreased it at the wettest. Land use also
modified Ts, however, those differences did not correlate with regional climatic gradients.
During last two decades, trends in NDVI-I and Ts for different ecosystems were associa ted
to political and biogeographic boundaries
These results represent the baseline conditions to evaluate the actual state of the
national network of protected areas, the land use impacts and the magnitude of such
changes along the environmental gradients. The relationship between the functional
attributes and the environmental gradients provide the way to extrapolate the information
gather in protected areas to human modified areas and to generate potential functioning
maps. Detected changes in functional attributes suggest that land use modify at regional
scales carbon and water cycles. The precipitation gradient, the potential vegetation and the
XIII
new vegetation type may control the magnitude and sense of the differences in the
functional attributes.
Keywords: land use, protected areas, primary productivity, evapotranspiration, NDVI, Surface temperature, regional analysis.
CAPITULO I. INTRODUCCIÓN GENERAL.
Las actividades humanas han modificado intensamente la superficie terrestre,
cambiando la cobertura de la tierra, transformando los ciclos biogeoquímicos y alterando la
abundancia y la distribución de especies (Vitousek et al.1997). La agricultura, en
particular, transformó a escala global, la estructura del 14% de la superficie terrestre
(Graetz 1994). El efecto del uso de la tierra sobre diferentes aspectos del funcionamiento
de los ecosistemas, el intercambio de materia y energía entre la vegetación y la atmósfera,
varía entre biomas y condiciones ambientales. Estas variaciones dependen del grado y tipo
de modificación estructural y de la alteración del nivel de recursos generada por el uso del
suelo.
La distribució n y magnitud de los cambios en la cobertura del suelo y sus
consecuencias sobre procesos atmosféricos a escala local y regional (Pielke y Avissar
1990) y global (Melillo et al. 1995), han generado gran inquietud en la sociedad. Los
cambios climáticos y el aumento de CO2 atmosférico son los efectos a escala global del
cambio en el uso de la tierra mejor descriptos (Pielke et al. 2002). A pesar de ello existe
incertidumbre acerca de cual es el rol de la biosfera en los balances globales de carbono.
En zonas templadas, particularmente, no existen evidencias claras del efecto del uso de la
tierra sobre el balance de este elemento. La utilización de modelos integrados globales
(Alcamo et al. 1998) puede reducir la incertidumbre acerca del futuro de la cobertura de
vegetación sobre la Tierra, la absorción de radiación y la circulación de agua. Sin embargo,
estos modelos frecuentemente no consideran a los reemplazos de vegetación como
modificadores de los ciclos biogeoquímicos y necesitan de información básica para la
generación de esos escenarios.
El uso de la tierra modifica, sin duda, la estructura de la vegetación. Podemos
convenir que el uso de la tierra por el hombre comenzó con el desarrollo de la agricultura
hace aproximadamente 10000 años (Diamond 1999). El cambio gradual de la sociedad de
cazadores/recolectores a agricultores, produjo en primer lugar modificaciones en las
especies dominantes de la vegetación original de pastizales. El objetivo obvio de la
agricultura de reducir el número de especies presentes y reemplazarlas por una única
especie con un órgano cosechable, involucró inicialmente especies locales. Posteriormente,
la estructura de la vegetación fue modificada por especies introducidas. El desarrollo de la
Capítulo I. Introducción General. 3
agricultura y el aumento de la densidad poblacional trajo aparejado otra forma de uso de la
tierra: las urbanizaciones. En este caso, la estructura de la vegetación es drásticamente
modificada y hasta eliminada totalmente. La necesidad de las sociedades modernas de
diferentes materias primas e n diferentes lugares de la tierra indujo procesos masivos de
migración de especies, de deforestación y de forestación. Globalmente, 6 x 106 km2 de la
superficie originalmente cubierta por especies arbóreas fue reemplazada por diferentes
tipos de cultivos mientras que 1.3 x 106 km2 de la cobertura de pastizales se reemplazó por
cultivos (Houghton 1995). La extracción de madera modificó, por su parte, la estructura de
1 x 106 km2 de bosques (Houghton 1995). En el Chaco argentino, los efectos de la
extracción de madera sobre la estructura del bosque fueron visibles hasta 10 años después,
al verse disminuido el tamaño de los individuos, y aumentado la cobertura de arbustos y la
de las especies pioneras (Tálamo y Canziani 2003). El pastoreo de animales domésticos
también puede modificar la estructura de la vegetación. En este caso, los efectos son más
sutiles en general, e incluyen una reducción en el área foliar, una concentración de la
vegetación cercana al suelo y un aumento de la cobertura de especies planófilas (Sala et al.
1986).
El uso de la tierra puede modificar diferentes aspectos de los ciclos del carbono y
del agua de los ecosistemas. La pérdida de carbono del suelo es uno de los principales
efectos del uso de la tierra en diferentes pastizales (Burke et al. 1989, Alvarez 2001,
Manies et al. 2001) y bosques del mundo (Houghton 1995). Los resultados de las
comparaciones de diferentes usos de la tierra muestran aumentos de la productividad
primaria neta aérea (PPNA) solo en las situaciones en las que se incorporan subsidios
(Paruelo et al. 2001, Brye et al. 2002). Las evidencias de los efectos del uso de la tierra
sobre la productividad primaria presentadas hasta el momento son pocas, y gran parte de
las especulaciones sobre futuros escena rios se basan en el uso de modelos (Sala 2001). La
medición directa de flujos de carbono (eddy covariance) ha mejorado su conocimiento a
escala de ecosistema en diferentes partes del mundo (por ejemplo, Suyker y Verma 2001,
Baldocchi 2003). Sin embargo, todavía no se ha utilizado esta metodología para comparar
el impacto del uso de la tierra sobre los flujos de carbono. Los cambios en el ciclo del agua
provocados por el uso de la tierra tienen impactos tanto a escala de parcelas (Bosch y
Hewlett 1982, Greenwood et al. 1985) como a escala regional (Shan et al. 2001). Los
Capítulo I. Introducción General. 4
controles principales de los cambios en los flujos de agua hacia la atmósfera derivados del
el uso de la tierra se relacionan con la modificación de estacionalidad del área foliar
transpirante y con la profundidad de las raíces (Nepstad et al. 1994, Dunn y Mackay 1995,
Baron et al. 1998).
Las diferencias encontradas en el impacto del uso de la tierra sobre el
funcionamiento de los ecosistemas, podrían estar mediadas por cambios en la
biodiver sidad de cada bioma (Vitousek et al. 1986, Chapin et al. 1998). A escala global,
este efecto es particularmente intenso en las regiones templadas y tropicales húmedas (Sala
et al. 1999). El conocimiento de la relación entre la biodiversidad y el funcionamiento del
ecosistema es parcial, incompleto y motivo de debate (Schwartz et al. 2000). La pérdida de
especies que toleran disturbios o condiciones extremas y de otras que son capaces de
utilizar los recursos en condiciones diversas, podría generar ecosistemas menos
productivos (Chapin et al. 1998, Tilman 1999). Por lo tanto, es esperable que los
agroecosistemas de regiones donde la pérdida de biodiversidad es mayor presenten una
mayor diferencia en su funcionamiento respecto de los ecosistemas protegidos. Los
modelos de relación entre biodiversidad y funcionamiento del ecosistema han sido, no
obstante, cuestionados en cuanto a su poder de predicción y a su aplicación en ecología de
la conservación (Schwartz et al. 2000). Aguiar et al. (1996) mostraron que los grupos
funcionales son un control importante de los cambios en el funcionamiento a escala de
comunidad. La magnitud de estos cambios estaría relacionada con las diferencias entre los
grupos funcionales reemplazados.
Los cambios en el uso de la tierra incorporan frecuentemente subsidios al sistema.
El riego, la fertilización, la eliminación de malezas y la incorporación de especies
mejoradas al sistema son algunos de los posibles casos. El riego y la fertilización
aumentarían el secuestro de carbono, acompañado por una disminución en la relación entre
productividad aérea y subterránea (Shan et al. 2001). La mayor disponibilidad de agua y
nutrientes reduciría la necesidad de las plantas de contar con una mayor cantidad de raíces
finas. En los ecosistemas pastoriles, los subsidios pueden aumentar un orden de magnitud
la biomasa de herbívoros con respecto al sistema no subsidiado (Oesterheld et al. 1992).
Capítulo I. Introducción General. 5
Los servicios de los ecosistemas incluyen tanto los productos cosechables
(principalmente alimentos y materias primas) como los no apropiables por el hombre
(control de la erosión, regulación de gases atmosféricos, mantenimiento de la
biodiversidad, etc.) (Myers 1996, Costanza et al. 1997, Daily 1997). El objetivo de la
agricultura se centra en la producción de bienes apropiables, sin embargo la importancia
económica de los otros servicios puede ser mayor. La valuación económica de los servicios
de los ecosistemas se ha convertido en una herramienta de importancia creciente para
determinar políticas de uso y conservación de la tierra (Pearce 2001). La pérdida de
polinizadores o predadores de plagas son ejemplos de los servicios de los ecosistemas que
pueden modificarse por e l uso de la tierra (Klein et al. 2002). En algunos casos, esas
alteraciones en el funcionamiento original del ecosistema podrían corregirse mediante
subsidios de energía (Pickett et. al. 1994).
¿Cómo analizar el efecto de las actividades humanas sobre los ecosistemas? Un
problema es que la escala de los agentes y de sus efectos excede la de las parcelas o
situaciones experimentales clásicas. La generación de información a escala local es
fundamental para resolver preguntas a escala global (Wessman 1992). La conexión entre
estudios a escala local y global requiere de protocolos claros de transferencia a través de
escalas espaciales y temporales. Los análisis regionales resultan particularmente
importantes para establecer la conexión entre los estudios locales y globales. Estos estudios
observan los sistemas a nivel de ecosistema y a una escala que involucra extensiones de
cientos a miles de kilómetros cuadrados y un grano de decenas a miles de hectáreas.
La necesidad de contar con una situación de referencia para evaluar el impacto de
las actividades humanas sobre la vegetación le asigna particular importancia a la
descripción del funcionamiento de la vegetación original de un área, previo a las
modificaciones humanas. El concepto de vegetación potencial (Tüxen 1956) resulta útil
para definir situaciones de referencia contra las cuales comparar las áreas modificadas.
Aunque haya sido frecuentemente relacionada sólo con características estructurales de la
vegetación, el uso del concepto de vegetación potencial puede ser expandido a su
funcionamiento. La descripción del funcionamiento en áreas de referencia y la relación con
variables ambientales podrían proveer una forma de generar mapas de la vegetación
Capítulo I. Introducción General. 6
potencial a escala regional y representar la situación de referencia para la evaluación del
impacto del uso de la tierra sobre distintos procesos ecosistémicos.
Si bien las áreas protegidas no representan necesariamente la vegetación original,
su estudio resulta la mejor aproximación al funcionamiento potencial en muchos
ecosistemas. En Argentina, debido a su relativamente corta historia de uso de la tierra, las
áreas protegidas conservan la vegetación en un estado más cercano al original que otras
con mayor historia de uso (por ejemplo, en el hemisferio Norte). Aunque el objetivo de las
reservas es preservar la estructura y funcionamiento de los ecosistemas naturales, los
esfuerzos de conservación se han centrado principalmente en especies individuales (Soulé
y Wilcox 1980, en Pickett et al. 1994). Este criterio de conservación se usó y se usa
habitualmente. Sin embargo, los paradigmas contemporáne os de conservación proponen
una visión holística en la que conservar ecosistemas o paisajes incluye no solamente a las
especies declaradas en peligro de extinción. Estos paradigmas proponen conservar tanto
comunidades, como poblaciones, especies o procesos del ecosistema (Franklin 1993).
Los Parques Nacionales, Reservas Provinciales o Privadas están incluidas en un
contexto regional que frecuentemente ha cambiado por acción antrópica (Halpin 1997).
Aunque no todos los biomas del país están bien representados en sus áreas protegidas,
Argentina cuenta con un amplio Sistema Nacional de Areas Protegidas (SNAP). Desde la
instauración de los primeros Parques Nacionales en 1934 hasta la actualidad se han creado
31 parques y existen otros dos en proceso de formación (Administración de Parques
Nacionales 1998). El estado actual de cada área protegida es variable de acuerdo a la
categoría de manejo, al año de creación, la institución administradora, el uso anterior a la
creación y al tipo de ecosistema. La información con que se cuenta en la actualidad sobre
las áreas protegidas de Argentina es, en general, descriptiva de su estructura. En el mejor
de los casos existen listas de especies o descripciones estructurales de la vegetación (por
ejemplo Correa Luna 1964). Estas descripciones suelen ser estáticas, es decir no han sido
actualizadas y consideran solamente situaciones promedio. Aproximaciones y
metodologías que consideren la variabilidad de los cambios, su tasa, magnitud y dirección,
son esenciales para la planificación de la conservación (Halpin 1997). El funcionamiento
de los ecosistemas conservados, su dinámica estacional y su variabilidad interanual son
Capítulo I. Introducción General. 7
una incógnita. La falta de conocimientos ecológicos básicos acerca de estas áreas y de la
influencia de los sistemas que los rodea, dificulta su evaluación y manejo.
Los Parques Nacionales y las otras áreas protegidas del país están distribuidas en
casi todos los biomas presentes a lo largo de un gradiente latitudinal de 32°. La diversidad
de situaciones ecoló gicas que ello genera junto con los diferentes grados de alteración
antrópica de su entorno, genera un sistema experimental muy adecuado para estudiar el
funcionamiento de las áreas menos modificadas, las variaciones a lo largo de gradientes
ambientales y el del uso del suelo actual en su entorno. La comparación de las áreas
protegidas con las áreas circundantes no conservadas brinda evidencias acerca de los
efectos de la agricultura, la ganadería y la silvicultura sobre el funcionamiento de los
ecosistemas. La utilización de áreas protegidas y de estimadores de la fijación de carbono
como forma de estudiar la productividad primaria de pastizales y arbustales (Paruelo y
Lauenroth 1998), permite avanzar en la comprensión del funcionamiento de los
ecosistemas originales de Norteamérica y su relación con los factores ambientales y
permitió evaluar el deterioro producido por las actividades agropecuarias en pastizales y
arbustales de Argentina (Oesterheld et al. 1999).
La productividad primaria es el comienzo de la trama trófica y determina la
capacidad de carga animal de los ecosistemas (Mc Naughton et al. 1989). Por lo tanto la
productividad primaria neta (PPN) resume aspectos claves del funcionamiento de los
ecosistemas y es considerada un atributo integrador de diferentes aspectos funcionales. La
absorción de energía por la vegetación (Monteith 1981) y su evapotranspiración (Webb et
al. 1978) son los determinantes principales de sus ganancias de carbono y han sido
ampliamente utilizados para estudiar el funcionamiento de los ecosistemas (Pickup 1996,
Field et al. 1995, Paruelo et al. 1998) y los agroecosistemas (Nemani y Running 1997). Las
comparaciones entre diferentes usos de la tierra en pastizales de Sur y Norte América
muestran que la cantidad total de energía interceptada no es modificada sustancialmente
por el uso (Paruelo et al. 2001, Guerschman et al. 2003). En cambio, dependiendo del uso
actual, la dinámica anual de la absorción puede sufrir grandes cambios (Paruelo et al.
2001). Los flujos de agua hacia la atmósfera son de singular importancia para comprender
la interacción entre el impacto del uso de la tierra, el funcionamiento ecosistémico y el
Capítulo I. Introducción General. 8
clima. El ciclo del agua es otro aspecto funcional de los ecosistemas y que puede alterarse
por cambios en el uso de la tierra (Pielke y Avissar 1990, Dunn y Mackay 1995).
Los sensores a bordo de satélites ofrecen ahora la posibilidad de analizar distintos
aspectos funcionales de los ecosistemas. La respuesta espectral en longitudes de onda en el
rango del rojo, del infrarrojo y del térmico permite estudiar distintos atributos funcionales
(Box et al. 1989, Prince 1999, Running 2000). En la actualidad, existe información satelital
que provee datos de la respuesta espectral de la vegetación con una alta resoluc ión
temporal, con alcance global y con resolución espacial del orden de kilómetros cuadrados.
Pueden obtenerse entonces datos para estudiar el funcionamiento de la vegetación a escala
de ecosistema (Hobbs 1990, Lloyd 1990, Prince 1999). El índice de vegetación
normalizado (IVN) y la temperatura superficial (Ts) derivados de datos satelitales permiten
estimar la PPN, y la evapotranspiración y su dinámica estacional. El IVN es un estimador
de la radiación absorbida por la vegetación, principal control de la PPN (Monteith 1977,
1981), y la Ts permite estimar el flujo de calor hacia la atmósfera y derivar por lo tanto su
estado hídrico (Moran et al. 1994). La información acerca de la cantidad de radiación
absorbida por el canopeo (Sellers et al. 1992) y la temperatura superficial (Running y
Nemani 1988) es provista por los sensores AVHRR a bordo de satélites NOAA desde hace
más de veinte años.
En esta tesis estudio el funcionamiento de áreas protegidas (sin uso productivo) y
su diferencia con áreas contiguas con uso agropecuario a lo largo de un gradiente de
precipitación y temperatura. El funcionamiento, entendido como el intercambio de materia
y energía con el medio, se describe a partir de la absorción de radiación fotosintéticamente
activa de la biomasa verde y de la evapotranspiración. Las preguntas específicas de esta
tesis son:
¿Cómo es el intercambio de materia y energía del ecosistema con la atmósfera en áreas
con bajo impacto antrópico actual? ¿Cómo es su variabilidad regional a lo largo de
un gradiente ambiental? ¿Cómo es su variabilidad temporal?
¿Cómo modifica el hombre, mediante el uso agropecuario y extractivo, la absorción de
radiación y los flujos de agua?
¿Cómo varía el impacto antrópico a lo largo de gradientes ambientales?
Capítulo I. Introducción General. 9
En tal sentido, los objetivos específicos de esta tesis son:
1. Describir la heterogeneidad funcional, el grado de representación de los
diferentes biomas y el valor de los servicios ecosistémicos de las áreas protegidas
de la Argentina.
2. Analizar el funcionamiento potencial de l os principales biomas de Argentina, a lo
largo de gradientes ambientales regionales y su variabilidad interanual
3. Conocer el efecto del uso de la tierra sobre el funcionamiento de los ecosistemas
estudiados a partir de la comparación entre áreas protegidas y áreas bajo uso
agropecuario.
Los resultados de esta tesis se presentan en tres capítulos. En el capítulo II se
presentan los resultados del análisis regional del funcionamiento de los ecosistemas
protegidos (objetivo 1). En ese capítulo se describe la representatividad y el
funcionamiento de 35 áreas protegidas distribuidas en los biomas más importantes del país
a lo largo de una estación de crecimiento y se relaciona con los principales controles
ambientales del funcionamiento de la vegetación. Se presenta a su vez una valuación
económica de los servicios de los ecosistemas en áreas protegidas a partir de datos de la
literatura.
En el capítulo III se aborda el objetivo 2, y se describen los patrones regionales, la
estacionalidad y la variabilidad interanual del funcionamiento potencial del ecosistema
para un período de doce años, para las áreas protegidas más extensas del país. El análisis
de los capítulos II y III comprende un gradiente de precipitación de 1700 mm.
En el capítulo IV se analiza el impacto del uso de la tierra sobre la absorción de
radiación y la temperatura superficial usando los mismos índices espectrales que para el
objetivo 2. Se compara a escala regional el funcionamiento de áreas bajo diferente uso de
la tierra a lo largo de gradientes ambientales y la tendencia durante los últimos veinte años
en los estimadores de los flujos ecosistémicos ya mencionados. En el último capítulo, a
modo de conclusión sobre los resultados de esta tesis, se sintetizan los avances logrados en
cada uno de los capítulos vinculándolos con los objetivos planteados en la introducción
Capítulo I. Introducción General. 10
general. Finalmente, se describen las implicancias de este trabajo, las cuales comprenden la
importancia para futuros proyectos de investigación y para la aplicación de los resultados
en el manejo de recursos naturales.
CAPITULO II. REPRESENTATIVIDAD Y FUNCIONAMIENTO DE LOS
ECOSISTEMAS PROTEGIDOS DE ARGENTINA
Introducción
Los criterios de conservación de la naturaleza han ido cambiando a través del
tiempo. La definición de objetivos de conservación según criterios estéticos o ecológicos
continua siendo motivo de controversias (Sellars 1997). Dentro de los criterios ecológicos
de conservación, la utilización de especies, comunidades o ecosistemas como indicadores
de sitios importantes para la conservación han prevalec ido en los últimos tiempos. Las
propuestas internacionales recomiendan que entre el 10 y el 12% de la superficie terrestre
debería reservarse para la conservación de los recursos naturales (IUCN 1993). Estos
valores no tendrían fundamentos ecológicos sino políticos, y la superficie mínima a
conservar debería ser variable en función del ecosistema y objetivo de conservación (Soulé
y Sanjayan 1998). Frecuentemente esos valores resultan superiores al 30% si se consideran
objetivos ecológicos, como por ejemplo los de contener a todas las especies vegetales de
los valles Australianos. En Argentina, la superficie protegida en la actualidad a escala
nacional es bastante inferior al 10%, y su distribución deja ambientes sin protección
(Bucher 1996).
Margules y Pressey (2000) sugieren que para garantizar que las áreas protegidas
satisfagan el rol de aislar las especies o los ecosistemas de posibles amenazas a su
existencia deben tenerse en cuenta dos aspectos. Primero, la representatividad, o sea la
medida en que el sistema de áreas protegidas contiene a los diferentes niveles de
organización cuya biodiversidad se desea conservar (p.ej. ecosistemas o poblaciones).
Segundo, la persistencia o la capacidad de mantener la viabilidad en el tiempo de la
biodiversidad contenida en el área protegida. Para poder evaluar la representatividad de las
áreas protegidas existentes e identificar sitios con baja protección o desprotegidos, es
necesario contar con descripciones de la biodiversidad de especies o de los procesos del
ecosistema a diferentes escalas o de sus controles. También se han utilizado variables
determinantes de la fertilidad del suelo y la altura sobre el nivel del mar (Scott et al. 2001).
En otros casos se han utilizado con tales fines, unidades fitogeográficas de la vegetación
potencial, como ecoregiones o biomas (Bucher 1996). La evaluación de la
representatividad debe utilizar variables no modificables por el uso de la tierra. Para
evaluar la persistencia, es necesario contar con una descripción dinámica del estado de la
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 13
biodiversidad en sus diferentes niveles organizacionales. La idea de persistencia, se
relaciona con los conceptos de sustentabilidad y salud del ecosistema, desarrollados
principalmente para agroecosistemas o ecosistemas disturbados por el hombre en general
(Rapport et al. 1998a, b). En cualquiera de los casos, estos conceptos se relacionan tanto
con el mantenimiento de la estructura como el funcionamiento del ecosistema, y la forma
de cuantificarlos podrían ser, por lo tanto, similares.
El funcionamiento de los ecosistemas, o sea el intercambio de materia y energía con
la atmósfera, es un determinante importante de la biodiversidad a través de su efecto sobre
distintos aspectos de la trama trófica (Currie 1991). La posibilidad de evaluar el
funcionamiento de la vegetación a escala regional mediante sensores remotos (Box et al.
1989, Paruelo et al. 2002) sugiere la posibilidad de su uso para evaluar la representatividad
del sistema de áreas protegidas. Hasta ahora los esfuerzos de conservación sólo
consideraron criterios estéticos, económicos y en menor medida, ecológicos. La inclusión
de criterios de conservación que consideren flujos ecosistémicos brindará una nueva
perspectiva para la determinación de políticas de conservación.
Los procesos ecosistémicos que permiten mantener la vida humana sobre la tierra
se denominan servicios del ecosistema (Myers 1996, Costanza et al. 1997). La capacidad
de los ecosistemas de proveer servicios ha sido relacionada con la salud o grado de
alteración del ecosistema original (Rapport et al. 1998a). Por lo tanto, la pérdida de salud
de un ecosistema o la pérdida de determinados procesos ecosistémicos reducen esos
servicios y pueden afectar negativamente el resultado económico de las actividades
humanas (Kremen et al. 2002). El mantenimiento de esos procesos resulta
económicamente importante tanto a nivel social, en el caso de bienes o servicios no
apropiables, como individual, en el caso de bienes comerciables.
El interés en la valuación ecológica y económica de los servicios ha crecido en los
últimos tiempos (Daily 1997). A escala regional, esas valuaciones se han realizado
frecuentemente sobre descripciones estructurales de la vegetación (Costanza et al. 1997), a
pesar del las diferencias funcionales que existen dentro de las unidades estructurales
(Paruelo et al. 2002). La definición de los valores de los servicios ecosistémicos a partir de
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 14
descripciones estructurales estaría contradiciendo de alguna manera su dependencia del
funcionamiento del ecosistema o asumiendo una correspondencia unívoca entre estructura
y función.
Los objetivos de este capítulo son:
1. Analizar la representatividad regional de las principales áreas protegidas de
Argentina mediante variables descriptoras de la heterogeneidad climática y edáfica.
2. Describir el funcionamiento potencial de los ecosistemas argentinos, tomando a
las áreas protegidas como sitios de referencia de la vegetación actualmente no disturbada.
3. Analizar el valor de los servicios de los ecosistemas protegidos en relación a la
energía que ingresa al ecosistema.
Metodología
Se analizó la representatividad regional de las áreas de conservación del país
mediante la comparación de los valores de variables abióticas para las ecoregiones del país
y para las de las áreas protegidas (Administración de Parques Nacionales 1998). Esto
permitió evaluar la distribución de las áreas protegidas en el espacio definido por las
variables climáticas y edáficas observadas en el país. Las áreas protegidas seleccionadas
(Figura 2.1; Tabla 2.1) debían cumplir los siguientes criterios:
1. Ser Parque Nacional o Reserva Federal mayor a 1000 ha, o
2. Ser Reservas Provinciales o Privadas mayores a 1000 ha ubicadas en áreas
fitogeográficas pobremente representadas por los Parques Nacionales, y
3. Pertenecer a categorías de áreas protegidas (IUCN 1998): I (Reserva Natural
Estricta / Area Natural Silvestre), II (Parque Nacional) y III (Monumento natural;). Se
excluyeron las categorías que incluyen como parte del sistema al manejo antrópico (IV-
Area de Manejo de Hábitat/Especies, V- Paisaje Terrestre y Marino Protegido y VI- Area
Protegida con Recursos Manejados).
Para caracterizar la heterogeneidad ambiental de la Argentina, se utilizó una
descripción estructural de la vegetación potencial, una descripción edáfica, una climática y
una altimétrica. Sobre la base de las ecoregiones definidas por Administración de Parques
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 15
Nacionales y los órdenes de suelo (Soil Taxonomy 1999) dominantes de cada unidad
cartográfica (asociación o complejo) tomados del Atlas de suelos de la Republica
Argentina (INTA 1990) y se sintetizó la información de las superficies de cada ecoregión y
cada orden de suelo. Se combinaron las descripciones del ambiente por su vegetación (15
ecoregiones) y por su suelo (9 órdenes), y se definieron 88 unidades. De esta manera se
obtuvieron unidades “fitoedáficas” caracterizadas por los nombres de la vegetación y el
suelo (por ejemplo, Estepas patagónicas sobre Aridisoles o Pastizales pampeanos sobre
Molisoles).
Figura 2.1. Ubicación de las áreas protegidas utilizadas en el análisis y sus correspondientes
ecorregiones. Ver tabla 2.1 para la numeración de las áreas protegidas. Las ecorregiones se resaltan en negrita Bosque Templado Seco, BTS; Bosque Subtropical Seco, BSS; Bosque Subtropical Seco, BSH; Bosque Templado Seco, BTH; Pastizal, Past; Estepa Arbustiva, Ea;
Estepa graminosa, Eg y Selva, Selva
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 16
Las áreas protegidas fueron ubicadas mediante imágenes Landsat TM
georreferenciadas, cartografía IGM 1:250.000, cartografía de las reservas (Administración
de Parques Nacionales) y cartografía del Automóvil Club Argentino. Los límites de las
áreas protegidas seleccionadas digitalizados en formato vectorial se utilizaron para extraer
y resumir los valores de superficie para cada ecoregión y orden de suelo. El clima fue
caracterizado mediante la precipitación media anual (PMA) y la temperatura media anual
(TMA). Dado que las variable s climáticas corresponden a registros puntuales en general en
posiciones bajas del relieve, se utilizó la altitud sobre el nivel del mar para dar cuenta de
los efectos de la estructura del paisaje sobre el clima. Se utilizaron datos de 658 estaciones
meteorológicas para precipitación (FAO 1985, Barros et al. 1983, Bianchi y Yáñez 1992) y
238 para temperatura (FAO 1985) con sus respectivas coordenadas geográficas, ubicadas
en Sudamérica al sur del paralelo 20°. Se realizaron sendas interpolaciones de los datos
(ArcView 3.2), con el objetivo de contar con valores de ambas variables climáticas para
todo el alcance del análisis con resolución espacial de 5 km. Para caracterizar la altura
sobre el nivel del mar, se utilizó un modelo de elevación digital con resolución espacial de
1 km (Bliss y Olsen 1996).
Tabla 2.1. Lista de las áreas protegidas seleccionadas para el estudio a escala regional (sobre la
base de Administración de Parques Nacionales, 1998). Los valores de latitud (Lat.) y lo ngitud (Long.) se presentan en grados sexagesimales.
PROVINCIA AREA PROTEGIDA Superficie (ha.)
Año de Creación
Lat. Long. Fisonomía de la vegetación
1 SALTA P.N. Baritú Bar 72.439 1974 -22°25 -64°29 Selva 2 JUJUY Laguna de los Pozuelos LPo 16.000 1979 -22°46 -65°56 Estepa Arbust. 3 JUJUY P.N. Calilegua Cal 76.306 1979 -23°26 -64°32 Selva 4 SALTA PN Los Cardones 64150 1996 -25°15 -65°54 Estepa Arbust. 5 FORMOSA Formosa For 10.000 1968 -24°17 -61°43 Bosque
Subtrop. Seco 6 SALTA P.N. El Rey Rey 44.162 1948 -24°30 -64°29 Selva 7 FORMOSA Río Pilcomayo Pil 47.000 1951 -24°58 -58°17 Bosque
Subtrop. Húm. 8 MISIONES P.N. Iguazú Igu 59.945 1934 -25°32 -54°09 Selva 9 S. DEL ESTERO P.P. Copo Cop 114.250 1968 -25°49 -61°56 Bosque
Subtrop. Seco 10 CHACO Chaco Cha 15.000 1954 -26°40 -59°40 Bosque
Subtrop. Húm. 11 TUCUMAN P.N. Campo de los Alisos Ali 10.000 1996 -27°00 -65°00 Bosque 12 CORRIENTES Mburucuyá Mbu 15.060 1992 -28°01 -58°01 Bosque
Subtrop. Húm. 13 SANTA FE La Loca LLo 2.169 1968 -28°47 -60°19 Bosque
Subtrop. Húm. 14 SAN JUAN San Guillermo SaG 344.000 1998 -29°10 -69°20 Estepa arbust./
gramin.
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 17
PROVINCIA AREA PROTEGIDA Superficie (ha.)
Año de Creación
Lat. Long. Fisonomía de la vegetación gramin.
15 LA RIOJA Talampaya Tal 215.000 1997 -29°46 -67°54 Estepa arbust.
16 SANTA FE La Norma/Don Guillermo/El Estero/Loma del Cristal
LaN 11.601 1992 -30°00 -60°01 Bosque Subtrop. Húm.
17 CORDOBA P.N.Quebrada del Condorito Con 37.000 1996 -31°40 -64°40 Bosque Subtrop. Seco
18 SAN JUAN El Leoncito Leo 74.000 1994 -31°46 -69°10 Estepa arbust./ gramin.
19 ENTRE RIOS P.N.El Palmar Pal 8.500 1966 -31°50 -58°10 Pastizal 20 ENTRE RIOS P.N. Predelta-Diamante Pre 2.458 1991 -32°07 -60°38 Bosque temp.
Húm. 21 SAN LUIS P.N. Sierra de las Quijadas Squ 150.000 1991 -32°29 -67°02 Est. Arbust./
Bosque subtrop. Seco
22 MENDOZA Ñacuñán Ñac 11.780 1961 -34°02 -67°52 Estepa Arbust. 23 BUENOS AIRES Otamendi Ota 3.000 1990 -34°11 -58°54 Bosque temp.
Húm. 24 LA PAMPA Parque Luro Lur 7.608 1967 -36°55 -64°10 Bosque temp.
Seco 25 LA PAMPA P.N. Lihué Calel LiC 9.905 1977 -37°54 -65°40 Estepa arbust.
26 BUENOS AIRES R.P. Ernesto Tornquist Tor 6.600 1958 -38°03 -62°02 Pastizal 27 NEUQUEN P.N. Lag. Blanca LBl 11.251 1940 -38°57 -70°16 Estepa arbust. 28 NEUQUEN P.N. Lanín Lan 379.000 1937 -39°07 -71°50 Bosque temp.
Húm. 29 NEUQUEN/R.
NEGRO P.N. Nahuel Huapi Nhu 743.594 1934 -40°11 -71°57 Bosque temp.
Húm. 30 CHUBUT P.N. Lago Puelo LPu 18.100 1971 -42°04 -71°35 Bosque temp.
Húm. 31 CHUBUT P.N. Los Alerces Ale 193.144 1937 -42°32 -72°08 Bosque temp.
Húm. 32 SANTA CRUZ M.N. Bosques Petrificados BoP 10.000 1954 -47°38 -68°03 Estepa arbust. 33 SANTA CRUZ P.N. Perito Moreno Pmo 115.000 1937 -47°46 -72°30 Bosque temp.
Húm. 34 SANTA CRUZ P.N. Los Glaciares Gla 717.800 1937 -49°15 -73°33 Bosque temp.
Húm. 35 T. DEL FUEGO P.N. Tierra del Fuego TdF 63.000 1960 -54°25 -68°22 Bosque temp.
Húm.
Para analizar el funcionamiento de las áreas protegidas, se utilizó el Indice Verde
Normalizado (IVN) como un estimador de la fracción de la radiación fotosintéticamente
activa absorbida por la vegetación (Tucker et al. 1985, Box et al. 1989). El IVN se calculó
a partir de la reflectancia de los canales 1 (0.58-0.68 mm) y 2 (0.725-1.1mm) de los
sensores NOAA/AVHRR, como IVN = (c2-c1)/(c2-c1). Se utilizaron 35 imágenes
decenales de IVN del período junio 1992 a julio 1993 tomadas del sitio
http://edcwww.cr.usgs.gov/landdaac/1KM/ (Eidenshink y Faundeen 1994). Las imágenes
decenales resultan del valor máximo de diez imágenes correspondientes a diez días
consecutivos. Cada imagen abarca desde una superficie entre los 20-56° S y 52-73° W, con
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 18
una resolución espacial de 1x1 km. Se filtraron las imágenes para obtener una imagen
compuesta mensual, eliminando los valores contaminados por nubes. Se calculó el valor
máximo mensual, descartándose los valores de las otras dos décadas. De los 12 valores
anuales se obtuvo, para cada píxel, el promedio anual de IVN (IVN-I), el valor máximo
(Vmax), el valor mínimo (Vmin), el rango relativo (RRel) y el mes de ocurrencia de Vmax
(MMax). El rango relativo se calculó como el cociente entre la diferencia entre Vmax y
Vmin y IVN-I, y es una medida de la estacionalidad de la curva de IVN (Paruelo y
Lauenroth 1998). La información sobre precipitación, temperatura, altitud e IVN se
resumió para las ecoregiones y las áreas protegidas de cada ecoregión, utilizando los
límites digitalizados.
Para determinar la energía que ingresa al ecosistema, se calculó la fracción de la
radiación absorbida por la vegetación (fRFAA) y la radiación fotosintéticamente activa
incidente (RFA). La radiación fotosintéticamente activa absorbida por la vegetación
(RFAA) se calculó como: RFAA [MJ.m-2.año-1] =fRFAA x RFA [MJ.m-2.año-1]. Para
estimar el f RFAA se realizó una calibración para un sitio de nula interceptación (IVN-I =
0.09, Glaciares 73° 30´ W, 49° 38´ S) y otro de interceptación total (IVN-I = 0.93,
Misiones 54° 20´ W, 26° 30´ S). La RFA incidente para cada píxel fue obtenido mediante
una interpolación de datos de radiación total para 588 estaciones meteorológicas
distribuidas en América del Sur (FAO 1985). Se asumió a la RFA incidente como la mitad
de la radiación total (Monteith y Unsworth 1990). Se resumió la información de RFAA
para las seis fisonomías presentes incluidas en las áreas protegidas (tabla 2.1). De los
Bosques templado húmedos de Patagonia fueron separados los píxeles con valores
máximos de IVN menores a 0.3, correspondientes a una fisonomía no boscosa como hielo
y nieves eternas, estepas graminosas de altura y cumbres rocosas sin vegetación, la que se
denominó Tundra Alto Andina (TAA). De todas las áreas fueron descartados los píxeles
correspondientes a cuerpos de agua mayores a 100 ha.
Se estimó el valor de los servicios provistos por los ecosistemas incluidos dentro de
las áreas protegidas. Se utilizó la caracterización de la fisonomía de la vegetación de cada
ecoregión y datos de bibliografía de los valores de los servicios ecosistémicos para biomas
terrestres (tabla 2.2; según datos de Costanza et al. 1997 para Bosques templados/boreales
y tropicales y pastizales/arbustales). Se excluyeron del cálculo los servicios relacionados
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 19
con la producción de alimentos y de materias primas. Se calculó el valor total de los
servicios ecosistémicos provistos por las áreas protegidas multiplicando la superficie de
cada fisonomía por el valor de cada servicio obtenido de la bibliografía. Se relacionó el
valor de los servicios de los ecosistemas con la radiación fotosintéticamente activa
absorbida por la vegetación (RFAA) promedio para cada área protegida.
Tabla 2.2. Servicios de los ecosistemas según cada fisonomía y su valor (U$S.ha-1.año-1)
considerados para la estimación de los servicios provistos por las áreas protegidas (a partir de Costanza et al. 1997).
BSH BSS BTH BTHa BTS EA EG Past Selva Regulación de Gases 0 0 7 7 7 0
Regulación del Clima 223 223 88 88 0 0 0 223
Regulación de Disturbios 5 5 5
Regulación del Agua 6 6 0 0 3 3 3 6
Abastecimiento de Agua 8 8 8
Control de Erosión 245 245 29 29 29 245
Formación de Suelo 10 10 10 10 1 1 1 10
Ciclado de Nutrientes 922 922 922
Tratamiento de Residuos 87 87 87 87 87 87 87 87
Polinización 25 25 25
Control biológico 4 4 23 23 23
Habitat/refugio
Recursos genéticos 41 41 0 0 0 41
Recreación 112 112 36 36 2 2 2 112
Cultura 2 2 2 2 2
Total 1661 1661 227 0 227 177 177 177 1661
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 20
Resultados
Las ecoregiones de Argentina varían en su superficie entre más de 540000 km2
(estepas de Patagonia) a poco más de 26000 km2 (Campos y malezales de la Mesopotamia;
tabla 2.3) El grado de protección de las ecoregiones varió entre 33% en los Bosques
Patagónicos y 0% en los Campos y Malezales. En diez de las 15 ecoregiones la superficie
protegida es menor al uno por ciento. En cuanto a las características edáficas, el orden de
suelos más abundante del país es el Molisol (860000 km2) y el Ultisol el menos abundante
(728 km2). La protección a escala de orden de suelos fue variable desde el 80% para los
Ultisoles hasta la falta total de protección de Vertisoles e Histosoles (tabla 2.4). Cinco de
los nueve órdenes de suelos no alcanzan el uno por ciento de protección.
Tabla 2.3. Superficie total, protegida y grado de protección de las Ecoregiones de Argentina.
Ecoregión Superficie total (km2)
Superficie protegida(km2)
Porcentaje Protegido
Altos Andes 122066 875 0,7 Bosque Patagónico 63898 21076 32,9 Campos y Malezales 26569 0 0,0 Chaco Húmedo 119866 602 0,5 Chaco Seco 494543 3340 0,7 Delta del Párana 39262 25 0,1 Esteros del Iberá 39429 105 0,4 Estepa Patagónica 541299 2092 0,4 Espinal 282789 148 0,0 Monte de Llanuras y Mesetas 353231 615 0,2 Monte de Sierras y Bolsones 116703 442 2,7 Pampa 377956 442 0,1 Selva Paranaense 26849 1581 2,4 Puna 94862 1941 1,7 Selva de las Yungas 45768 642 4,2 Total 2745090 36619 1,3
Los pastizales pampeanos sobre Molisoles representan la unidad “fitoedá fica” de
mayor superficie, la que ocupa 327000 km2. El 80% de la superficie del país se concentra
en 19 de esas unidades, sumando 2221436 km2. Las áreas protegidas en esas unidades
representan el 28% de la superficie protegida del país (figura 2.2a), dentro del cual se
encuentra el 83% de los Molisoles. Existen 43 unidades sin protección, que representan el
13% de la superficie de todo el país. Los Molisoles e Inceptisoles de los Bosques
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 21
Patagónicos representan el 2% de la superficie del país y son las unidades mejor
protegidas, con el 47% de la totalidad de la superficie protegida del país. La relación entre
la superficie de cada unidad fitoedáfica y el grado de protección presentó una relación
inversa. Las unidades más extensas presentaron los menores porcentajes de protección
(figura 2.2b).
La temperatura media anual en Argentina fue en promedio de 15 °C (figura 2.3).
Los valores extremos de la temperatura media fueron de 5 y de 24°C. Las áreas protegidas
representaron la mayor parte del gradiente de temperatura, aunque se presentaron pequeñas
porciones del gradiente sin representación, por ejemplo entre 18.8 y 20°C. Entre 12 y 20°C
se presentaron los menores porcentajes protegidos, coincidentes con la mayor abundancia
de superficie total.
Tabla 2.4. Superficie y grado de protección por orden de suelo del Soil Taxonomy (1999). Dentro de Misceláneas se incluyen áreas urbanas y suelos no diferenciados (p.ej. roca).
Orden de suelo Superficie total (km2)
Superficie protegida (km2)
Porcentaje Protegido
Alfisol 203237 732 0,4 Aridisol 548629 979 0,2 Entisol 613528 4901 0,8
Histosol 861 0 0,0 Inceptisol 80106 11846 14,8
Molisol 860500 9951 1,2 Ultisol 728 583 80,1
Vertisol 15480 0 0,0 Misceláneas 422021 7627 1,8
Total 2745090 36619 1,33
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 22
El 90% de la superficie continental del país recibe una precipitación media anual
por debajo de los 1100 mm (figura 2.3), la que se encuentra protegida en un 0.5 % mientras
que entre 1100 y 1800 mm, el 8% de la superficie del país, el grado de protección superó el
5%. En el espacio definido por ambas variables climáticas, los mayores porcentajes de
protección se presentaron en las áreas más frías y húmedas (figura 2.3). Las áreas entre 10
y 20 °C de temperatura media anual y precipitación entre 500 y 1100 mm son las de menor
protección.
0
20
40
60
80
100
0 20 40 60 80 100Superficie total acumulada (%)
Su
pe
rfic
ie p
rote
gid
a a
cum
ula
da
(%
)
0
20
40
60
0 10 20 30 40
Superficie total de la unidad (104 km
2)
Gra
do
de
pro
tecc
ión
(%
)
Figura 2.2. Grado de protección de las unidades fitoedáficas. a) Relación entre el grado de
protección y la superficie total de la unidad fitoedáfica., b) Porcentaje acumulado de la
superficie protegida por unidad fitoedáfica de la superficie protegida total en función del porcentaje acumulado sobre el total del país. Los puntos representan a cada unidad fitoedáfica y se encuentran ordenados por abundancia de la unidad en el país
a
b
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 23
0
200000
400000
600000
800000
0 5 10 15 20 25
0,1
1
10
100
0
5
10
15
20
25
0 500 1000 1500 2000Precipitación media anual (mm.)
Tem
pera
tura
med
ia a
nual
(°C
)
> 10%5 - 10%1 - 5 %0.5 - 1%0.1 - 0.5%< 0.1%
Porcentaje protegido
0
200000
400000
600000
0 500 1000 1500 2000
Sup
erfic
ie (
km2)
(u)
0.1
1
10
100
Log
Por
cent
aje
prot
egid
o (¡
)
a
c
Sup
erfic
ie (
km2)
(u)
Log
Por
cent
aje
prot
egid
o (¡
)
b
0
200000
400000
600000
800000
0 5 10 15 20 25
0,1
1
10
100
0
5
10
15
20
25
0 500 1000 1500 2000Precipitación media anual (mm.)
Tem
pera
tura
med
ia a
nual
(°C
)
0
5
10
15
20
25
0 500 1000 1500 2000Precipitación media anual (mm.)
Tem
pera
tura
med
ia a
nual
(°C
)
> 10%5 - 10%1 - 5 %0.5 - 1%0.1 - 0.5%< 0.1%
Porcentaje protegido
> 10%5 - 10%1 - 5 %0.5 - 1%0.1 - 0.5%< 0.1%
> 10%5 - 10%1 - 5 %0.5 - 1%0.1 - 0.5%< 0.1%
Porcentaje protegido
0
200000
400000
600000
0 500 1000 1500 2000
Sup
erfic
ie (
km2)
(u)
0.1
1
10
100
Log
Por
cent
aje
prot
egid
o (¡
)
0
200000
400000
600000
0 500 1000 1500 2000
Sup
erfic
ie (
km2)
(u)
0.1
1
10
100
Log
Por
cent
aje
prot
egid
o (¡
)
a
c
Sup
erfic
ie (
km2)
(u)
Log
Por
cent
aje
prot
egid
o (¡
)
b
Figura 2.3. Relación entre la extensión de los ecosistemas y su protección en el espacio climático definido por la precipitación y la temperatura. Las curvas de los gráficos a y b
representan la distribución de la superficie en el país (♦) y el porcentaje protegido a lo largo de los gradientes climáticos (O). El tamaño de los círculos en c representa la superficie existente en el país y el color el porcentaje protegido.
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 24
Los patrones de distribución de la superficie del país y de la superficie protegida
difieren según la altitud. El 80% de la superficie del país se encuentra por debajo de los
1000 metros sobre el nivel del mar, mientras que sólo el 40% de la superficie de las áreas
protegidas se encuentran en ese rango de altitud (figura 2.4). Entre los 750 y los 4000
m.s.n.m. las áreas protegidas representan mejor la diversidad ambiental que por debajo de
los 750 m.s.n.m. Las diferencias entre la distribución altitudinal de las áreas protegidas
dentro de cada ecoregión, fueron más notables por ejemplo, en la Pampa, en la Estepa
Patagónica, en el Espinal y el Chaco Seco (datos no presentados). En la selva Paranaense
las áreas protegidas cubren el rango entre los 200 y 350 m.s.n.m. pero no representan
correctamente la ecoregión por debajo y por encima de esos valores y hasta los 650 m.
La distribución de la superficie del país a lo largo del gradiente de IVN-I actual
resultó bimodal, con valores máximos en 0.22 y en 0.6. El valor mínimo entre ambos picos
ocurrió en 0.42 (figura 2.5). La ubicación de los picos estuvo relacionada principalmente
con la ubicación de los picos de IVN de la estepa Patagónica y de los pastizales Pampeanos
respectivamente. El porcentaje protegido a lo largo del gradiente de IVN fue muy variable,
con un máximo del 75% de protección en 0.1 de IVN. Grados de protección menores al 1%
se obtuvieron para IVN-I entre 0.5 y 0.65, áreas que representan el 37% de la superficie del
país. La distribución de la superficie protegida a lo largo del gradiente muestra un pico de
0
4 0 0 0 0 0
8 0 0 0 0 0
1 2 0 0 0 0 0
1 6 0 0 0 0 0
2 0 0 0 0 0 0
0 1 0 0 0 2 0 0 0 3 0 0 0 4 0 0 0 5 0 0 0 6 0 0 0
A l t u r a s o b r e e l n i v e l d e l m a r ( m )
Su
pe
rfic
ie (
km2)
0
2
4
6
8
Po
rce
nta
je p
rote
gid
o
Figura 2.4. Distribución de la superficie del país (u) y del grado de protección (¡) a lo
largo del gradiente de altura sobre el nivel del mar.
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 25
2500 km2 en 0.1. Otros valores máximos se encontraron en 0.22, 0.39 y 0.61 de IVN-I. Las
áreas con valores de 0.56 y 0.76 presentaron valores mínimos de superficie protegida.
La variabilidad de la precipitación media anual (PMA, figura 2.6) fue máxima
dentro Lanín (Lan), Campo de los Alisos (Ali) y Nahuel Huapi (Nhu). Los máximos
valores de PMA (2500 mm) se encontraron en Lan mientras que los mínimos (135 mm.) se
encontraron en San Guillermo (SaG). La temperatura media anual (TMA) de las áreas
protegidas fue en general menos variable que PMA. Los valores mínimos se presentaron en
Tierra del Fuego (TdF) y los máximos en Río Pilcomayo (Pil). Quebrada del Condorito
(Con) y Lanín (Lan) fueron las más variables en su TMA. Para ambas variables climáticas,
las áreas más extensas y ubicadas en zonas con grandes gradientes altitudinales presentaron
la mayor variabilidad.
Bosques Petrificados (BoP) presentó el mínimo valor de me diana de IVN-I, y Los
Glaciares (Gla) el mínimo valor. Los valores máximos de mediana y de valores máximos
ocurrieron en Iguazú (Igu). La variabilidad interna de IVN-I fue máxima en las áreas
protegidas de los Bosques templados Patagónicos y en Campo de los Alisos (figura 2.7a).
Los valores máximos mostraron similitudes con IVN-I (figura 2.7b). Iguazú presentó el
máximo valor mínimo, Los Glaciares el mínimo valor y Baritú la mayor variabilidad en
0
2 0 0 0 0
4 0 0 0 0
6 0 0 0 0
8 0 0 0 0
1 0 0 0 0 0
1 2 0 0 0 0
0 0 .2 0 .4 0 .6 0 .8
I V N - I
Su
pe
rfic
ie (
km2)
0 . 0 1
0 .1
1
1 0
1 0 0
Lo
g P
orc
en
taje
pro
teg
ido
Figura 2.5. Distribución de la superficie del pa ís (u) y el porcentaje protegido (¡) a lo largo del
gradiente de Indice Verde Normalizado promedio anual (IVN-I).
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 26
valores mínimos (figura 2.7c). Los valores máximos de Rango Relativo se presentaron en
las áreas de los Bosques templados Patagónicos, coincidiendo con las áreas de mayor
variabilidad espacial (figura 2.7d). La fecha del máximo IVN ocurrió en promedio para la
mayor parte de las áreas durante el fin de la primavera y comienzos del verano (figura
2.7e).
PM
A (
mm
.)
0
500
1000
1500
2000
2500
LNo
LL
oP
ilC
ha
Mb
uC
on
Co
pF
or
Gla
PM
oT
dF
NH
uA
leL
an
LP
uP
reO
taL
ur
Bo
PL
eo
LB
lT
al
Ñac LiC
Ca
rS
aG
SQ
uL
Po
Pa
lT
or
Ali
Ca
lR
eyB
ar
Igu
SA
n
TM
A (
°C)
4
8
12
16
20
24
28
LNo
LL
oP
ilC
ha
Mb
uC
on
Co
pF
or
Gla
PM
oT
dF
NH
uA
leL
an
LP
uP
reO
taL
ur
Bo
PL
eo
LB
lT
al
Ñac LiC
Ca
rS
aG
SQ
uL
Po
Pa
lT
or
Ali
Ca
lR
eyB
ar
Igu
SA
n
Min-Max25%-75%Mediana
Min-Max25%-75%Mediana
Figura 2.6. Variabilidad de la precipitación media anual (PMA) y la temperatura media anual (TMA) en las áreas protegidas de Argentina. Ver tabla 2.1 para las abreviaturas de las áreas protegidas.
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 27
Los píxeles incluidos dentro de las áreas protegidas se agruparon en el espacio
definido por la radiación absorbida (RFAA) y la estacionalidad del IVN (RRel) según las
diferentes fisonomías de la vegetación (figura 2.8). Los píxeles de las diferentes áreas
presentaron una agrupación continua, salvo en los Bosques subtropicales secos (figura
2.8b) y en los pastizales (figura 2.8g). En ambos casos se identificó una discontinuidad en
el espacio de RFAA y RRel. Esta discontinuidad se produce en el sentido del RFAA en los
BSS y por una combinación de ambas variables para los pastizales.
De las ocho fisonomías incluidas en las áreas protegidas las selvas presentaron los
mayores valores de RFAA, con valores máximos de 2200 Mj.m-2.año-1. Las selvas
presentaron una gran variabilidad interna en su RFAA, y una menor variabilidad en su
estacionalidad. Los valores mínimos para las selvas se encontraron en 1000 Mj.m-2.año-1.
Los Bosques templados húmedos (BTH) presentaron la mayor variabilidad en el RFAA
con un rango de 1500 Mj.m-2.año-1 y RRel entre 1 y 4. Las Estepas arbustivas (EA)
presentaron un rango levemente inferior a los BTH en RFAA y una estacionalidad
marcadamente menor, entre 0 y 2. Las Estepas graminosas (EG) y las tundras alto andinas
(TAA) se superpusieron en gran parte de su rango con las EA. Entre 1000 y 1500 Mj.m-
2.año-1 de RFAA y entre 0.5 y 1.5 de Rrel, se presentó una superposición entre todas las
zonas de bosques, selvas, pastizales y el extremo más productivo de las estepas arbustivas.
Las áreas protegidas representaron el gradiente de RFAA y de Rango Relativo en los BTH,
en las EA y en las Selvas. Las áreas de los BSH no representan bien el extremo menos
productivo (figura 2.8a). En los BSS, las áreas protegida s no representan los valores
medios de RFAA (figura 2.8b). Los BTS (figura 2.8d) y las EG (figura 2.8f) se encuentran
representadas en parte por las áreas protegidas, existiendo un parte importante de la
variabilidad funcional que no se encuentra incluida en las áreas protegidas. Los Pastizales
no se encuentran bien representados en los valores medios de la fisonomía (figura 2.8g).
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 28
Figura 2.7. Variabilidad de los atributos de la curva de IVN en las áreas protegidas de Argentina. a) Integral del IVN, b) Valores máximos, c) Valores mínimos, d) Rango relativo y e) Mes de ocurrencia del valor máximo. Ver tabla 2.1 para las abreviaturas de las áreas protegidas.
Min-Max25%-75%Mediana
Min-Max25%-75%Mediana
IVN
0
0.2
0.4
0.6
0.8
1
IVN
0
0.2
0.4
0.6
0.8
IVN
-I
0
0.2
0.4
0.6
0.8
Ran
go R
elat
ivo
0
0.4
0.8
1.2
1.6
2
2.4
2.8
Mes
3
6
9
12
BoP
Gla
SaG
PM
oLe
oLB
lTa
lTd
FÑ
acSQ
uN
Hu
LiC
Ale
Con Lan Ali
LPu
Lur
Pre
LNo
Cal
Cop Rey For
Ota
LLo
Pal
Pil
Cha Bar
Igu
Tor
LPo
SAn
Mbu
a
b
c
d
e
IVN
0
0.2
0.4
0.6
0.8
1
IVN
0
0.2
0.4
0.6
0.8
IVN
-I
0
0.2
0.4
0.6
0.8
Ran
go R
elat
ivo
0
0.4
0.8
1.2
1.6
2
2.4
2.8
Mes
3
6
9
12
BoP
Gla
SaG
PM
oLe
oLB
lTa
lTd
FÑ
acSQ
uN
Hu
LiC
Ale
Con Lan Ali
LPu
Lur
Pre
LNo
Cal
Cop Rey For
Ota
LLo
Pal
Pil
Cha Bar
Igu
Tor
LPo
SAn
Mbu
a
b
c
d
e
IVN-I
Vmax
RRel
Vmin
Dmax
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 29
Las variables climáticas medias, independientemente de la fisonomía de la
vegetación presente, fueron importantes como controles de la radiación fotosintéticamente
activa absorbida por la vegetación (RFAA). La precipitación media anual (PMA) y la
temperatura media anual (TMA) explicaron el 77% de la variabilidad espacial de RFAA
para cada píxel incluido en las áreas protegidas (RFAA [Mj.m-2.año-1] = -5024 + 998.18
log (PMA) + 2775.4 log (TMA); n = 35202; p<0.00001; F=62276.48).
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 30
Figura 2.7. Relación entre la radiación fotosintéticamente activa absorbida por la vegetación
(RFAA) y el rango relativo (RRel) para las diferentes fisonomías de la vegetación incluidas dentro de las áreas protegidas. Los puntos muestran los píxeles incluidos en las áreas protegidas y las barras muestran el rango de dispersión del 95% de los píxeles de cada fisonomía en todo el país. a) Bosques subtropicales húmedos, b) Bosques subtropicales secos, c) Bosques templados húmedos, d) Bosques templados secos, e) Estepas arbustivas, f) Estepas graminosas, g) Pastizales y h) Selvas. En c) se incluye el contorno convexo de la Tundra alto andina.
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 31
Las áreas protegidas fueron valuadas en términos de los servicios ecológicos que
proveen. Si no se cons ideran los valores de la producción de alimentos y de materias
primas, dos servicios del ecosistema aprovechados en las áreas protegidas de forma
mínima, estarían proveyendo servicios a la sociedad por valores cercanos a los 3822
millones de dólares por año (Tabla 2.5), lo cual corresponde en un 42.9 % a los
ecosistemas terrestres y 57.1% a acuáticos. Los cuerpos de agua incluidos dentro de los
Bosques templados húmedos (BTH) aportan individualmente el 49% del valor total de los
servicios ecosistémicos de todas las áreas protegidas. La regulación del agua representa el
37% del total de los servicios, siendo el más importante provisto por las áreas protegidas
(Tabla 2.6).
Tabla 2.5. Estimación del valor anual de los servicios de los ecosistemas provistos por las diferentes fisonomías de la vegetación existentes en las áreas protegidas de Argentina. Elaborado
a partir de Costanza et al. 1997. Abreviaturas de las fisonomías según figura 2.1
Fisonomía Superficie
tierra (ha)$/ha.año
Valor total tierra
(106 U$S/año)
Superficie
agua (ha)$/ha.año
Valor total agua
(106 U$S/año)
Valor total
Fisonomía
BSH 75900 1660 126.0 1400 8457 11.8 137.8
Esteros 1100 19484 21.4 400 8457 3.4 24.8
BSS 352100 1660 584.5 1200 8457 10.1 594.6
BTH 1281900 227 291.0 224900 8457 1902.0 2193.0
BTHa 361300 0.0
BTS 13200 227 3.0 3.0
EA 750700 165 123.9 26000 8457 219.9 343.7
EG 94200 165 15.5 15.5
Past 50400 165 8.3 1100 8457 9.3 17.6
Selva 280600 1660 465.8 3100 8457 26.2 492.0
Total 1639.4 2182.8 3822.2
La radiación fotosintéticamente activa absorbida por la vegetación (RFAA)
correlacionó positivamente con el valor total de los servicios provistos por los ecosistemas
terrestres protegidos del país (r=0.79; n=46). Algunos servicios individuales del ecosistema
estuvieron asociados al RFAA: la regulación del clima (r=0.75) y la recreación (r=0.72).
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 32
Tabla 2.6. Estimación del valor anual de los diferentes servicios de los ecosistemas provistos por
las áreas protegidas de Argentina. Elaborado a partir de Costanza et al. 1997. Servicios del ecosistema Valor total
(106 U$S/año)
Regulación de Gases 6.44
Regulación del Clima 272.27
Regulación de Disturbios 3.54 Regulación del Agua 1420.25
Abastecimiento de Agua 552.09 Control de Erosión 207.93 Formación de Suelo 20.93
Ciclado de Nutrientes 653.32 Tratamiento de Residuos 410.18
Polinización 22.38 Control biológico 25.77 Habitat/refugio 0.48
Recursos genéticos 29.05 Recreación 187.68
Cultura 5.94
Discusión
La distribución del porcentaje de superficie protegido en Argentina se encuentra
negativamente asociada a la superficie de las unidades “fitoedáficas” definidas. En general,
los ecosistemas más protegidos son poco extensos, es decir los más raros. Este resultado se
corrobora para las diferentes variables que se utilizaron para describir la heterogeneidad
ambiental. Las zonas más húmedas (Selvas, Bosque templado húmedo) y, presuntamente,
de mayor biodiversidad de especies (Gaston 2000), se encuentran mejor protegidas que el
promedio, lo cual representa una fortaleza importante del sistema de áreas protegidas. Si
bien los ecosistemas con más de 1500 mm. de precipitación media anual son los mejor
representados, sólo aquellos que tienen más de 1700 mm. cuentan con más del 10% de su
superficie protegida, valor recomendado por organismos internacionales. El sistema de
áreas protegidas no presenta fortalezas si se considera el gradiente de temperatura.
Teniendo en cuenta la tendencia global a una mayor abundancia de endemismos en zonas
tropicales (Huston 1994, Myers 2000), las áreas de más de 20°C de temperatura media
anual sólo se encuentran representadas en un 2% de la superficie total.
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 33
En general, se propone el objetivo de conservar ecosistemas en donde se concentren
los endemismos pues este es uno de los aspectos que hacen a la rareza de las especies. Las
áreas con concentración de endemismos, es decir un aspecto de la rareza del ecosistema,
son una de las áreas donde concentrar los esfuerzos de conservación (Gaston 1994). A
escala global, Argentina presenta dos zonas particularmente importantes en cuanto a sus
endemismos: las selvas Paranaense y de las Yungas (Myers et al. 2000). En ambos casos,
el porcentaje protegido es mayor al promedio nacional (tabla 2.3). Aunque el porcentaje
protegido es muy inferior al 10% recomendado, ese porcentaje podría ser sensiblemente
mayor debido a la existencia de áreas protegidas con otras categorías de IUCN.
Existen asimetrías en el sistema de áreas protegidas. Estas asimetrías
probablemente derivan de proteger paisajes atractivos y lugares de poco valor para la
producción agropecuaria. Los criterios estéticos de valoración del paisaje han influenciado
diferentes aspectos de la conducta humana (Orians 1998). Los ecosistemas menos
protegidos del país coinciden con aquellos con mayor impacto del uso de la tierra, debido
al mayor desarrollo de la ganadería y la agricultura (áreas templadas), y probablemente de
menor atractivo paisajístico. Los pastizales pampeanos sobre molisoles representan la
unidad “fitoedáfica” donde reside la ma yor parte de la población argentina y a su vez una
de las menos protegidas. El análisis presentado en este Capítulo sugiere que el SNAP
presenta falencias en la representatividad a escala de ecosistema.
Desde comienzos de la década de 1990, la representatividad de los sistemas de
áreas protegidas es un tema de creciente preocupación. Los estudios de la representatividad
de sistemas de áreas protegidas de otros países mostraron algunos resultados similares a los
presentados en este estudio (Nilsson y Götmark 1992, Pressey et al. 1996, Possingham et
al. 2000, Scott et al. 2001). Los sistemas actuales de áreas protegidas muestran
reiteradamente que la selección de áreas para conservación habría seguido criterios
culturales, escénicos o de valor recreativo para las poblaciones urbanas. Otras áreas fueron
seleccionadas, por ejemplo, por la presencia de un número reducido de especies bandera o
paraguas, como criterio ecológico. El uso de estos criterios de selección generó sistemas de
áreas protegidas con exceso de áreas de bajo valor productivo, o sin uso alternativo, y con
escasa representación de suelos llanos, fértiles y de mayor valor para la producción
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 34
agropecuaria y el asentamiento humano. En Estados Unidos, el programa GAP (Jennings
2000) intenta identificar los niveles de biodiversidad que se encuentren subrepresentados
en el sistema de áreas protegidas y de esa forma delinear políticas de creación de nuevas
áreas. Sin embargo, la definición de las variables utilizadas para describir la
heterogeneidad ambiental (variables ambientales, comunidades vegetales o de presencia de
especies) puede ser una etapa crítica y cada alternativa podría conducir a resultados
contradictorios (Ward et al. 1999). Por lo tanto variables integradoras del funcionamiento
del ecosistema aparecen como una alternativa para resolver esa etapa.
Las áreas protegidas de Argentina pueden ser valuadas, por lo tanto, en términos de
los servicios que aportan a la sociedad. La valuación de los servicios de los ecosistemas
brinda una dimensión económica en la descripción del estado de conservación de los
ecosistemas. El análisis de la radiación fotosintéticamente activa absorbida por la
vegetación mostró que existen áreas protegidas a lo largo de todo el gradiente. El flujo de
energía determina diferentes aspectos del funcionamiento del ecosistema y ha sido
considerado también un flujo fundamental para la valuación de los servicios ecosistémicos
(Patterson 2002). La incorporación del valor económico a los servicios de los ecosistemas
ha tenido una gran importancia desde la década de los 70 (Odum y Odum 1972, citado por
de Groot et al. 2002) y ha crecido durante los diez últimos años (Bingham et al. 1995, de
Groot et al. 2002). El valor de los servicios que las áreas protegidas proveen representa el
3% del producto bruto interno de Argentina para el año 2003 (a partir de datos de INDEC).
El análisis del valor de los servicios del ecosistema presenta nuevas asimetrías dentro del
SNAP. El 47% del total de la superficie protegida del país se encuentra en los Bosques
Templado Húmedos, sin embargo esa fisonomía representa el 57% del valor de los
servicios de los ecosistemas. Por el contrario, las Estepas arbustivas representan el 23% de
la superficie protegida y el 9% del valor de los servicios. En todos los casos es importante
considerar que los ecosistemas acuáticos han sido valuados en un orden de magnitud más
alto que los ecosistemas terrestres (Costanza et al. 1997). La información satelital para la
estimación de los servicios a escala nacional ha sido utilizada solamente para determinar
usos de la tierra (Konarska et al. 2002).
Capítulo II. Representatividad y funcionamiento de los ecosistemas protegidos. 35
Estudios previos mostraron una relación positiva entre el valor de los servicios del
ecosistema y la productividad primaria neta de ecosistemas terrestres (Costanza et al.
1998). En ese trabajo se relacionan los valores promedio de los servicios del ecosistema a
escala global para diferentes biomas. Los resultados presentados en este Capítulo muestran
que existe correlación entre la energía que ingresa al ecosistema y el valor de los servicios
del ecosistema. Sin embargo la gran dispersión en el flujo de energía dentro de un mismo
bioma sugiere que el valor de los servicios variaría de forma similar.
CAPITULO III. FUNCIONAMIENTO POTENCIAL DE LA
VEGETACION
Introducción
Para poder identificar los efectos del cambio climático, la desertificación o el uso
de la tierra es necesario contar con una descripción del ecosistema que pueda ser asimilada
a un estado de referencia. La descripción de las condiciones de referencia (vegetación
potencial), previas a los impactos provocados por el hombre, debe incluir no solo los
valores promedio de los atributos principales de la vegetación sino también su variabilidad
espacial y temporal. El objetivo de este capítulo es caracterizar el funcionamiento potencial
de los principales biomas de Argentina. Se puso énfasis en las áreas protegidas dado que
representan condiciones con bajo impacto humano.
Describir la estructura y el funcionamiento de la vegetación potencial y su
variabilidad temporal y espacial impone un serio desafío. Tüxen (1956) definió el concepto
de vegetación potencial como la vegetación que se encontraría si fuesen removidos los
efectos de la influencia humana sobre la superficie de la Tierra. La forma más común de
describir la vegetación potencial es interpolando y/o extrapolando datos puntuales
provenientes de áreas no disturbadas. Frecuentemente esas generalizaciones espaciales se
basan en modelos de la relación entre atributos de la vegetación y variables climáticas
(Box 1981a, Prentice et al. 1992, Paruelo et al. 1998). Una aproximación común para
cartografiar la vegetación potencial ha sido el uso de relaciones empíricas y
frecuentemente, no testeadas formalmente entre el clima y la estructura de la vegetación
(por ejemplo Holdridge 1947). Modelos más sofisticados acerca de la relación entre el
clima y la vegetación incorporan las restricciones fisiológicas de los distintos tipos
funcionales o de las formas de vida (por ejemplo Box 1981b, Prentice et al. 1992). En
general, la descripción de la vegetación potencial se basa sólo en atributos estructurales de
la vegetación, como la fisonomía, las especies dominantes, las proporciones de los tipos
funcionales o la cobertura total (Küchler 1964, Stephenson 1990, Leemans y van der Born
1994). Para Sudamérica, existen mapas de la estructura potencial de la vegetación a
diferentes escalas (Frenguelli 1941, Soriano 1956, Hauman et al. 1964, Parodi 1964,
Cabrera 1976, Hueck y Seibert 1981, Paruelo et al. 1991, León et al. 1998).
Capitulo III. Funcionamiento potencial de la vegetación. 38
El funcionamiento de la vegetación, es decir, el intercambio de materia y energía
con el ambiente, se describe frecuentemente mediante la productividad primaria ne ta aérea
(PPNA) (ver, Sala et al. 1988, Burke et al. 1994, Epstein et al. 1997, Paruelo et al. 1999,
Knapp y Smith 2001). Muchas características funcionales, como el consumo de biomasa
por herbívoros (Oesterheld et al. 1992), la mineralización neta de nitrógeno (Burke et al.
1997) y la descomposición (Cole et al. 1988) correlacionan fuertemente con PPNA. La
productividad primaria neta es entonces una variable integradora del funcionamiento del
ecosistema (McNaughton et al. 1989) y la principal entrada de energía a la cadena
alimenticia. A pesar de la importancia de la PPNA para la caracterización del ecosistema,
encontrar datos metodológicamente consistentes para una variedad grande de biomas es
una tarea difícil. Por otro lado, para caracterizar las condiciones de referencia es necesario
contar con una base de datos de largo plazo a fin de incorporar la variabilidad temporal.
La productividad primaria neta (PPN) depende fuertemente de la cantidad de
radiación absorbida y de la disponibilidad de agua. Monteith (1977) presentó un modelo
simple en el que PPN es una función lineal de la integral anual de la radiación
fotosintéticamente activa absorbida (RFAA). RFAA es convertida en materia seca o
carbono mediante la eficiencia en el uso de la radiación (ε), la pendiente de la relación
entre APAR y PPN o PPNA. Este coeficiente depende principalmente del tipo de
vegetación. El agua es el principal control de la cantidad de radiación absorbida por el
canopeo y por lo tanto de la PPN en desiertos, pastizales y sabanas (Noy Meir 1973).
Varios estudios mostraron una correlacion lineal entre PPN o PPNA y la disponibilidad de
agua (Fischer y Turner 1978, Webb et al. 1983, Sala et al. 1988, McNaughton et al. 1993,
Paruelo et al. 1999). A escala global el 52% de la superficie terrestre se encuentra
controlada por el agua (Churkina y Running 1998).
La teledetección provee información que puede ser relacionada con la fotosíntesis y
los flujos de agua. La fracción de la radiación fotosintéticamente activa absorbida por el
canopeo (fRFAA) y la evapotranspiracion (Et) pueden ser estimados mediante datos
satelitales. Diferentes autores mostraron que la integral anual del Indice de verde
normalizado (IVN), un índice espectral calculado a partir de la reflectancia en el rojo y el
infrarrojo, esta fuertemente correlacionado con el fRFAA y por lo tanto con la PPNA
Capitulo III. Funcionamiento potencial de la vegetación. 39
(Tucker et al. 1985, Box et al. 1989, Kennedy 1989, Prince 1990, Taylor et al. 1985,
Paruelo et al. 1997, Paruelo et al. 2000). Estimaciones de la evapotranspiracion pueden
derivarse de datos satelitales utilizando modelos basados en el balance de energía de la
superficie (Running y Nemani 1988, Sobrino y Raissouni 2000, Di Bella et al. 2000,
Milich y Weiss 2000). Esos modelos combinan IVN y temperatura superficial, derivada de
los datos del infrarrojo térmico.
La variabilidad del funcionamiento de la vegetación, para el análisis presentado en
este Capítulo, puede ser analizada a dos escalas temporales: estacional e interanual. Ambos
marcos temporales son importantes para entender la variabilidad de los intercambios de
CO2 entre la biosfera y la atmósfera (Potter et al. 1999). Una adecuada descripción de la
variabilidad interanual es crucial para identificar tendencias temporales en atributos de la
vegetación. Parton et al. (1995) mostraron que es necesario un cambio del 16% sobre la
PPNA media de pastizales semiáridos para detectar un cambio estadísticamente
significativo en su variabilidad interanual. La variabilidad interanual del funcionamiento
de la vegetación esta determinada principalmente por el clima (Brasswell et al. 1997). La
disponibilidad de agua es un control primario de la variabilidad interanual de la
productividad primaria, no obstante esta relación es normalmente más débil que la relación
con la variabilidad espacial (Paruelo et al. 1999). La variabilidad interanual en el
suministro de agua parece ser más alta que la variabilidad en la productividad primaria
(Paruelo y Lauenroth 1998).
El objetivo de este capítulo es describir el funcionamiento potencial de los
principales biomas de Argentina. Este análisis provee, entonces, la línea base para el
funcionamiento de estos biomas. El centro se hizo en sitios con bajo impacto humano
(incluidos en el Sistema Naciona l de Areas Protegidas de Argentina), cubriendo un
gradiente ambiental largo, desde estepas a selvas. Se analizaron atributos funcionales
relacionados con los flujos de energía (absorción de radiación) y la dinámica del agua
(evapotranspiracion), y sus variabilidades interanuales.
Las preguntas del estudio son las siguientes:
Capitulo III. Funcionamiento potencial de la vegetación. 40
1. ¿Cuales son los patrones regionales de absorción de radiación y de evapotranspiración
de la vegetación potencial, es decir la vegetación incluida dentro de las áreas
protegidas?
2. ¿Cómo varían sus patrones estacionales entre diferentes biomas y a lo largo de
gradientes ambientales?
3. ¿Cuál es la variabilidad interanual de estos atributos y como varían entre biomas y a lo
largo de gradientes ambientales?
Materiales y Métodos
Se utilizaron datos de Indice de vegetación Normalizado (IVN) y de la temperatura
superficial derivados de los sensores NOAA/AVHRR para caracterizar el funcionamiento
de la vegetación de 13 áreas protegidas en Argentina (Tabla 3.1; Figura 3.1). Esas
variables espectrales fueron utilizadas para describir atributos funcionales de la vegetación:
la fracción de la radiación fotosintéticamente activa absorbida por la vegetación (fRFAA) y
la evapotranspiracion (Et). A partir de fRFAA se calculó la productividad primaria neta
(PPN).
Tabla 3.1. Areas protegidas incluidas en el análisis (basado en Administración de Parques Nacionales 1998) y sus tipos de vegetación (re-elaborado a partir de Hueck y Seibert 1981).
Parque Nacional
o Provincial
Provincia Principal tipo de
Vegetación
Superficie
(ha.)
Protegido
desde
Lat. Long.
SaG San Guillermo San Juan Estepa graminosa 344.000 1998 -29° 10’ -69° 20’ Bar Baritú Salta Selva 72.439 1974 -22° 25’ -64° 29’ Cop Copo Sgo. del Estero Bosque subtrop. seco 114.250 1968 -25° 49’ -61° 56’
Pil Río Pilcomayo Formosa Bosque subtrop. seco 47.000 1951 -24° 58’ -58° 17’ Igu Iguazú Misiones Bosque subtrop. húmedo 59.945 1934 -25° 32’ -54° 09’
Con Quebrada del Condorito
Córdoba Pastizal 183.000 1996 -31° 40’ -64° 40’
SQu Sierra de las Quijadas
San Luis Bosque Temp. seco 150.000 1991 -32° 29’ -67° 02’
TdF Tierra del Fuego T. del Fuego Bosque Temp. húmedo 63.000 1960 -54° 25’ -68° 22’ Ale Los Alerces Chubut Bosque Temp.. húmedo 193.144 1937 -42° 32’ -72° 08’ NHu Nahuel Huapi Neuquén/R. Negro Bosque Temp.. húmedo 743.594 1934 -40° 11’ -71° 57’
Lan Lanín Neuquén Bosque Temp.. húmedo 379.000 1937 -39° 07’ -71° 50’ Leo El Leoncito San Juan Estepa graminosa 74.000 1994 -31° 46’ -69° 10’ Tal Talampaya La Rioja Estepa arbustiva 215.000 1997 -29° 46’ -67° 54’
0
0.2
0.4
0.6
0.8
Jul Oct Jan Apr-1001020304050
Ene AbrJul Oct Ene Abr
Jul Oct Ene Abr
Jul Oct Ene Abr
Jul Oct Ene Abr
Jul Oct Ene Abr
IVN Ts (°C)
Jul Oct Ene Abr
8. P.N. T. del Fuego
Jul Oct Ene Abr
9. P.N. Alerces
Jul Oct Ene Abr
10. P.N. N. Huapi
Jul Oct Ene Abr
11. P.N. Lanín
Jul Oct Ene Abr
12. P.N. El Leoncito
1. P.N. San Guillermo 2. P.N. Baritú 3. P.P. Copo
5. P.N. Iguazú
4. P.N. Río Pilcomayo
6. P.N. Queb. del Condorito
Jul Oct Ene Abr
7. P.N. Sa. de las Quijadas
13. P.N. Talampaya
Jul Oct Ene Abr
Uruguay
Océano Atlántico
Océ
ano
Pac
ifico
Chile
Paraguay
BoliviaBrasil
Argentina
SGu
Bar
Cop RPi Igu
QCoSQu
TdF
AleNHu
Lan
LeoTal
Figura 3.1. Areas protegidas incluidas en el análisis. Los gráficos insertados muestran la dinámica promedio anual del Indice de vegetación Normalizado (IVN ) y la Temperatura superficial (Ts ) para el periodo 1981-93. El gráfico para cada área corresponde al promedio de doce estaciones de crecimiento y cuatro píxeles (4 x 64 km2). El eje de la izquierda corresponde a IVN y el de la derecha a Ts (°C). Las áreas sombreadas corresponden a los principales biomas de Sudamérica (re-elaborado a partir de Hueck y Seibert 1981). Los códigos para los biomas son: desiertos (De), bosques templado seco (BTS), bosques tropical seco (BTrS), estepas graminosas (EG), bosque templado húmedo (BTH), bosque tropical húmedo (BTrH), pastizales (Past), selvas (Selva), y estepas arbustivas (EA). Ver Tabla 3.1 para una descripción más detallada de los sitios.
De BTS BTrS EG BTH BTrH Past Selva EA
Capitulo III. Funcionamiento potencial de la vegetación. 41
Capitulo III. Funcionamiento potencial de la vegetación. 42
0
5
10
15
20
25
TMA
(°C
)
0 500 1000 1500 2000 PMA (mm)
TdF
Ale Lan NHu
SaG
SQuTalLeo
IguCop
BarPil
Con
Figura 3.2. Distribución de las áreas protegidas en el espacio climático definido por la precipitación
media anual (PMA) y la temperatura media anual (MAT). Ver tabla 1 para los códigos de las áreas protegidas. El área sombreada corresponde al espacio climático de Argentina y sus vecinos, definido por 146 estaciones climáticas ubicadas en Argentina, Uruguay, Brasil, Paraguay, Bolivia y Chile obtenidos de FAO (1985).
Las áreas protegidas estudiadas se encuentran distribuidas a lo largo de gradientes de
precipitación (50 a 1700 mm de precipitación media anual) y temperatura (5 a 25 °C;
Figura 3.2). Estas áreas representan una gran diversidad de tipos de vegetación (Tabla 3.1).
Sólo se dispone de descripciones estructurales de la vegetación para Tierra del Fuego
(Correa Luna 1964), Nahuel Huapi (Mermoz y Martin inédito), Lanín (APN inédito), San
Guillermo (Cajal et al. 1998) e Iguazú (Martínez Crovetto 1963). Se seleccionaron los
parques y reservas más extensos (>470km2) entre los incluidos en el Sistema Nacional de
Areas Protegidas de Argentina. Debido a la incertidumbre asociada a la georreferenciación
de las imágenes NOAA/PAL (Pathfinder AVHRR Land) , se utilizaron las áreas mayores a
cuatro píxeles (256 km2). Varios biomas importantes (por ejemplo Región Pampeana o las
estepas Patagónicas, ver capítulo II) no se incluyeron en el análisis debido a que no se
encuentran representadas en el SNAP o a que las áreas protegidas son demasiado
pequeñas. Se localizaron las áreas protegidas en imágenes Landsat TM georreferenciadas,
cartas topográficas 1:250.000 (Instituto Geográfico Militar, Argentina), cartografía de las
Capitulo III. Funcionamiento potencial de la vegetación. 43
áreas protegidas (Administració n de Parques Nacionales) y cartografía del Automóvil Club
Argentino. Los sitios analizados se distribuyen a lo largo de más de 32° de latitud, de 22° a
54°S.
El Indice Verde Normalizado (IVN) y la Temperatura superficial (Ts) fueron
derivados de imágenes satelitales PAL procesadas por el Goddard Space Flight Center
(ftp://daac.gsfc.nasa.gov/data/avhrr/continent/south_america). Estas imágenes fueron
generadas mediante un submuestreo de imágenes GAC (General Area Coverage) y tienen
una resolución especial de 8x8 km (Agbu y James 1994, James y Kalluri 1994). La base de
datos incluye 432 imágenes compuestas decenales, que cubre el periodo de Julio de 1981 a
Junio de 1993.
El IVN fue calculado como (c2-c1)/(c2+c1), donde c1 y c2 son la reflectancia del
canal 1 (0.58-0.68 mm) y canal 2 (0.725-1.1mm) medidos por el sensor NOAA/AVHRR.
Ts fue calculada a partir del canal 4 (10.3-11.3 mm) y corregida por la emisividad de la
superficie usando el IVN y el canal 5 (11.5-12.5 mm) de acuerdo al proceso descrito por
Sobrino et al. (1991). Para minimizar el efecto de los errores asociados a la degradación
del sensor, al ángulo del sensor o a contaminación atmosférica no removida por el proceso
de composición de las imágenes, se corrigieron los valores crudos de IVN utilizando el
IVN del desierto de Atacama (23° S - 69° W), en el norte de Chile (Kaufman y Holben
1993). Se asumió un IVN constante y nulo para ese desierto. Se asumió que cualquier
variación temporal en IVN de Atacama era ruido. Por lo tanto, el IVN corregido se calculó
como: IVN corregidoi = IVN crudoi – IVN Atacamai , donde el sub índice indica la imagen
(n=432). Los valores negativos fueron descartados y la base de datos fue completamente
filtrada para eliminar valores inconsistentes. Basado en la inspección visual de los datos, se
concluyó que valores de IVN o Ts que diferían de datos contiguos en más de 20% eran
anómalos. Esos valores se remplazaron por el máximo de las fechas anterior y posterior. La
conversión de coordenadas geográficas (Goode Homolosine) a coordenadas de archivo se
realizó utilizando el programa escrito por Steinwand (1994). Cada área protegida (n=13)
fue caracterizada para cada fecha por el promedio de IVN y Ts para cuatro píxeles.
Para cada píxel se calcularon cuatro atributos de las curvas anuales de IVN:
Capitulo III. Funcionamiento potencial de la vegetación. 44
• La integral anual del IVN ,
• el máximo IVN (Vmax),
• la fecha del máximo IVN (Dmax)
• y el rango relativo (RRel).
El IVN-I es un estimador de la fracción de la luz absorbida por el canopeo, y fue
calculado como el promedio anual del IVN desde Julio a Junio. Vmax en el IVN máximo
para la estación de crecimiento y Dmax es la fecha de ocurrencia del valor máximo. El
Rrel, un estimador de la estacionalidad de la absorción de luz, fue calculado como (Vmax-
Min IVN)/IVN-I. Se caracterizó la variabilidad interanual de cada atributo mediante el
coeficiente de variación (CV %= desvío estándar x 100/promedio).
Para evaluar la variabilidad especial e interanual de los flujos de agua entre la
vegetación y la atmósfera, se construyó un modelo correlativo simple para estimar la
evapotranspiracion real a partir de datos satelitales. Se calculó la evapotranspiración real
promedio mensual a partir de datos meteorológicos promedio (FAO 1985) para 10 de las
áreas protegidas estudiadas. Los Parques Nacionales Baritú, Lanín y Los Alerces fueron
excluidos de esta parte del análisis debido a la falta de datos meteorológicos. La
evapotranspiracion potencial (FAO 1985) fue calculada mediante la ecuación de Penman
(Allen et al. 1988). Para calcular la evapotranspiración real, se siguieron las siguientes
reglas de decisión:
etp etr pp etp
pp etr pp etp
iiii
iiii
=⇒<=⇒≥
donde etpi es la evapotranspiration mensual, ppi es precipitación mensual y etri es
evapotranspiracion real. Se asumió una capacidad de almacenaje de agua en e l suelo
uniforme de 200 mm. Los datos satelitales incluidos en el modelo fueron Ts y IVN
mensual, ambos derivados de imágenes PAL. Los datos de Junio, Julio y Agosto para
Tierra del Fuego (54° S.) fueron descartados por la falta de datos satelitales confiables para
los meses invernales. Se evaluaron diferentes modelos de regresión lineal (difiriendo en las
variables incluidas y en sus transformaciones) para describir la relación entre los datos
satelitales y meteorológicos. Se utilizó el procedimiento stepwise (SAS 1996) incluyendo
Ts y IVN, sus transformaciones logarítmicas y exponenciales y su interacción (Ts x IVN)
Capitulo III. Funcionamiento potencial de la vegetación. 45
como variables independientes, y la evapotranspiración real, calculada a partir de datos
meteorológicos como variable dependiente. También se calculó la evapotranspiración a
partir del modelo correlativo propuesto por Di Bella et al. (2000). Se evaluó el modelo
mediante la comparación de las estimaciones de la evapotranspiracion real anual a partir de
datos meteorológicos y sate litales para un grupo de 28 estaciones climáticas (FAO 1985)
en áreas no protegidas.
Se calculó la productividad primaria neta a partir de datos satelitales utilizando el
modelo propuesto por Monteith (1981).
PPN [g MS. m-2. año-1] = ε x RFA x fRFAA (1)
siendo ε la eficiencia en el uso de la radiación (un coeficiente de conversión de la radiación
absorbida en material seca total) y RFA, la radiación fotosintéticamente activa incidente
(FAO 1985). fRFAA, la fracción de la radiación fotosintéticamente activa absorbida por el
canopeo, fue calculada a partir del IVN por interpolación lineal entre el IVN
correspondiente a áreas con absorción de radiación igual a cero (desierto de Atacama, 69°
W, 23° S) y absorción de radiación cercana a 100% (selva Amazónica, 69° W 10° S). Los
valores de ε fueron obtenidos de Field et al. (1995). Se utilizó para cada área protegida el
valor de ε que corresponde al tipo de vegetación dominante (Tabla 3.2).
Tabla 3.2. Correspondencia entre los tipos de vegetación incluidos en el análisis y los tipos de vegetación y las eficiencias en el uso de la radiación (ε) derivadas de Field et al. (1995) utilizadas para estimar PPN. Los tipos de vegetación en inglés se citan tal como los cita Field et al. (1995).
Los valores de ε fueron convertidos a material seco considerando una relación carbono a material seco de 0.475.
Tipo de Vegetación Tipo de Vegetación ε = [g MS/MJ]
Bosque templado húmedo Arboles latifoliados y coníferas (Broadleaf and needleleaf trees)
0.595
Selva/ Bosque subtrop. húmedo
Arboles latifoliados siempreverdes (Broadleaf evergreen trees)
0.745
Bosque seco Arbustos latifoliados con cobertura de suelo (Broadleaf trees with groundcover)
0.635
Estepa arbustiva Arbustos latifoliados con suelo desnudo (Broadleaf shrubs with bare soil)
0.437
Pastizal/estepa graminosa Pastizales perennes (Perennial grasslands)
0.629
Capitulo III. Funcionamiento potencial de la vegetación. 46
Resultados
IVN y Ts proveyeron buenas estimaciones de la evapotranspiración real mensual
calculada a partir de datos meteorológicos (ECDM). El modelo que mejor ajustó a escala
regional incluyó el producto de IVN y Ts (Tabla 3.3; r2 =0.84; n=113; p<0.0001):
Et (mm/mes) = Ts . IVN . 5.57 (2)
Donde Et (mm/mes) es la evapotranspiration real, Ts (°C) es la temperatura superficial
media mensual y IVN es la media mensual del Indice verde normalizado.
Tabla 3.3. Coeficiente de determinación de los modelos para las relaciones para el IVN mensual y
la temperatura superficial derivado de las imágenes NOAA/AVHRR y datos meteorológicos. a, b y c denotan los parámetros del modelo. Todos los modelos son significativos p<0.0001. Di Bella et al. (2000), modelo: Et = -88.34 + 1.77 x Ts + 286.4 x IVN.
Modelo r2
a x Ts+b x IVN+c 0.690
a x Ts+b x IVN 0.826
a x Ts x IVN 0.847
a x (Ts x IVN)2+b 0.648
(Ts x IVN)2 0.767
Di Bella et al. 2000 0.680
Para cada área protegida se construyó un modelo independiente para probar la
estabilidad del modelo general (2). Las pendientes de los modelos específicos para las
áreas variaron entre 1.80 en El Leoncito y 15.07 en Tierra del Fuego y cinco de ellas
difirieron estadísticamente del modelo general (Tabla 3.4). Ts promedio (Tsmedia) explicó el
65% de la variabilidad regional en la pendiente (Pendiente = 23.11 – 12.41 log (Tsmedia), n
= 10, p=0.0049). Por lo tanto, el modelo general de evapotranspiracion puede ser reescrito
como:
Et (mm/mes) = Ts x IVN x [23.11 – 12.41 x log (Tsmedia)] (3)
Se evaluó el modelo (3) utilizando datos anuales independientes de 28 sitios no
protegidos distribuidos en Argentina, Uruguay, Brasil, Chile y Paraguay (excluyendo áreas
urbanas e irrigadas). Las estimaciones de evapotranspiracion derivadas de datos
Capitulo III. Funcionamiento potencial de la vegetación. 47
meteorológicos y satelitales estuvieron estrechamente correlacionadas (ECDM = 1.02 x
ECDS - 88.20; r2 = 0.82; n=28; F=132.8; p<0.0001) y la relación no fue diferente a la recta
1:1 (p>0.8).
Tabla 3.4. Pendiente y coeficiente de determinación (r2) de los modelos de la relación entre la Et y Ts.IVN mensuales para cada área protegida y para todos los sitios. La pendiente (± error estándar ) y el coeficiente de determinación para cada sitio indica el parámetro para el modelo de la misma forma que el modelo general (Et=a.Ts.IVN). En todos los casos los modelos fueron significativos (p<0.001). * Denota pendientes estadísticamente diferentes a la pendiente del modelo general.
Area protegida Pendiente r2 n
P.N. Quebrada del Condorito 5.88 ± 0.53 0.90 12
Parque provincial Copo *3.88± 0.52 0.81 12
Parque Nacional Iguazú 4.88 ± 0.38 0.93 12
Parque Nacional El Leoncito *1.80 ± 0.21 0.85 12
Parque Nacional Nahuel Huapi 7.91 ± 1.04 0.82 9
Parque Nacional Río Pilcomayo *7.42 ± 0.39 0.96 12
Parque Nac. Sierra de las Quijadas 5.60 ± 1.04 0.69 12
Parque Nacional San Guillermo *11.03 ± 1.45 0.82 12
Parque Nacional Talampaya 5.04 ± 0.86 0.73 12
Parque Nacional Tierra del Fuego *15.08 ± 1.93 0.88 8
Todos los sitios 5.57 ± 0.24 0.84 113
Las curvas promedio de IVN mostraron un patrón estacional claro en los bosques
templados, en los pastizales, en los bosques subtropicales secos y en las este pas (Figura
3.1). IVN fue casi constante a lo largo del año en los bosques subtropicales húmedos. Las
selvas y los bosques subtropicales húmedos mostraron el patrón estacional de temperatura
superficial más constante y las estepas graminosas el más variable. La amplitud térmica
estacional fue máxima en San Guillermo (33°C) y mínima en Baritú (10°C). Temperaturas
medias mensuales menores a 0°C ocurrieron sólo en los bosques templado húmedos.
Capitulo III. Funcionamiento potencial de la vegetación. 48
0.25 0.50 0.75
-20
-10
0
10
20
30
40
50
TalampayaQuijadas
Iguazú
CondoritoCopo
San Guillermo
N.Huapi
IVN
Ts
(°C
)
a
b
0
0.2
0.4
0.6
0.8
1
r2 I
VN
-Ts
5 10 15 20 25
TMA (C°)
Ale
Bar
Con CopIgu
LanLeo
NHu
Pil
SaGTdf
TalSQu
-5
0
5
10
15
20
Ts p
rom-T
MA
0 0.2 0.4 0.6 0.8
IVN-I
Igu
Bar
Pil
Cop
NHuLan
Tdf
Ale
ConSQuLeo
Tal
SaG
c
Figura 3.3. a) Trayectorias estacionales media para los periodos de 10 días para IVN y
temperatura superficial (Ts) para 7 sitios seleccionados y la correspondiente recta de regresión. Los valores son promedios para el periodo 1981-1993 derivado de datos NOAA/AVHRR. b) Relación regional entre la intensidad de la relación IVN-Ts (coef iciente de determinación de la relación IVN-Ts) y MAT para las 13 áreas protegidas (r2
(IVN - Ts)= 0.90 -0.032 x MAT; r2 = 0.55; p< 0.01). c) Diferencia entre la temperatura superficial promedio (Tsprom) y MAT a lo largo del gradiente regional de IVN-I (Tsprom-MAT=13.73-18.81 x IVN-I; r2 = 0.49; p< 0.01). Ver tabla 1 para los códigos de las áreas protegidas.
Las trayectorias estacionales en el espacio IVN-Ts presentaron diferencias
importantes entre ecosistemas (Figura 3.3a, Tabla 3.5). Algunos ecosistemas mostraron
Capitulo III. Funcionamiento potencial de la vegetación. 49
una relación lineal entre IVN y Ts (por ejemplo Nahuel Huapi) mientras que en otras la
trayectoria corresponde a un círculo (por ejemplo Sierra de las Quijadas). Se utilizó el
coeficiente de determinación (r2) para cuantificar el tipo de trayectoria en el espacio Ts -
IVN. La dinámica estacional de IVN y Ts tuvo un r2 alto en los bosques templados
(r2>0.60), uno medio en los bosques subtropicales y pastizales (0. 13 < r2 <0.37), y uno bajo
en las estepas arbustivas de Sierra de las Quijadas y Talampaya. En general, los bosques
presentaron pendientes menores que las estepas. La relación para San Guillermo y El
Leoncito presentaron altos coeficientes de determinación y altas pendientes, determinadas
principalmente por el rango estrecho en IVN y el rango más ancho en Ts. Baritú fue el
único sitio con una relación negativa significativa entre IVN y Ts.
Tabla 3.5. Coeficientes de determinación, pendientes y valores p de las regresiones entre IVN y Ts para 13 áreas protegidas en Argentina.
Area Protegida r2 Pendiente Valor P
Quijadas 0.02 -25.87 0.34
Talampaya 0.05 106.75 0.17
Pilcomayo 0.13 33.87 0.029
Baritú 0.17 -37.99 0.01
Iguazú 0.29 71.88 0.0007
Condorito 0.34 45.89 0.0002
Copo 0.37 33.09 <0.0001
San Guillermo 0.56 398.35 <0.0001
T. del Fuego 0.60 27.95 <0.0001
El Leoncito 0.65 179.84 <0.0001
Lanín 0.71 43.67 <0.0001
Alerces 0.81 38.77 <0.0001
Nahuel Huapi 0.81 48.26 <0.0001
Se detectó una relación inversa entre la intensidad del acople estacional entre IVN y
Ts, descrito por el coeficiente de determinación (r2), y la temperatura media anual del aire
(TMA). TMA explicó el 49% de la variabilidad regional de la intensidad de esa relación
(Figura 3.3b, r2=0.49, p<0.01, n=13). Las áreas más cálidas mostraron una dinámica entre
Capitulo III. Funcionamiento potencial de la vegetación. 50
IVN y Ts desacoplada, mientras que en sitios fríos IVN y Ts variaron en forma conjunta.
El IVN-I explicó el 49% de la variabilidad regional de la diferencia entre la temperatura
superficial (Ts prom) y TMA. La menor diferencia entre la temperatura del aire y superficial
correspondió a bosques templados y la mayor a estepas arbustivas (Figura 3.3c).
Iguazú mostró el máximo IVN-I (Figura 3.4a) mientras que San Guillermo presentó
el mínimo. El IVN-I de los bosques subtropicales húmedos varió entre 0.55 y 0.73, en
bosques templados entre 0.4 y 0.52 y en estepas entre 0.03 a 0.2. Los bosques subtropicales
secos tuvieron un IVN-I promedio de 0.52 y el sitio de pastizal de 0.28. Nahuel Huapi,
Lanin, Copo y Pilcomayo, todas áreas de bosques, mostraron IVN -I muy similares. Las
estepas arbustivas y graminosas y los bosques templados mostraron el mayor rango
relativo del IVN, un estimador de la estacionalidad de la absorción de radiación (Figura
3.4b). Selvas y bosques subtropicales presentaron el menor rango relativo. Todos los
bosques mostraron valores máximos altos y similares. Los menores valores máximos
ocurrieron en estepas graminosas (Figura 3.4c). En promedio, el pico de IVN ocurrió en
todos los sitios entre fines de Febrero y principios de Marzo, excepto en Sierra de las
0
30
60
90
120
150
Dm
ax
0
0.2
0.4
0.6
0.8
1
Vm
ax
0
0.4
0.8
1.2
1.6
2
RR
el
0
0.2
0.4
0.6
0.8
1
IVN
-I
Igu Bar Pil Cop NHu Lan Tdf Ale Con SQu Leo Tal SaG
a b
c d
Igu Bar Pil Cop NHu Lan Tdf Ale Con SQu Leo Tal SaG
Igu Bar Pil Cop NHu Lan Tdf Ale Con SQu Leo Tal SaG Igu Bar Pil Cop NHu Lan Tdf Ale Con SQu Leo Tal SaG
Figura 3.4. Valores promedio para cuatro atributos de la curva estacional de IVN para el periodo
1981-93 en 13 áreas protegidas en Argentina. Las barras muestran los errores estándar para los cuatro píxeles de cada sitio. a) Integral del Indice de vegetación Normalizado (IVN-I), b) Rango
Relativo (RRel), c) Máximo IVN (Vmax) y c) Día Juliano del máximo IVN (Dmax; 1= 1 de Enero; 365 = 31 de Diciembre). Ver tabla 1 para los códigos de áreas protegidas.
Capitulo III. Funcionamiento potencial de la vegetación. 51
Quijadas donde ocurrió en Abril (Figura 3.4d). Los sitios ubicados en las áreas asociadas a
la cordillera de los Andes mostraron la mayor variabilidad espacial en los atributos
analizados (barras de error en Figura 3.4), probablemente porque esas áreas cubren un
largo gradiente de precipitación y temperatura, principalmente determinado por cambios en
altitud.
La evapotranspiración media anual derivada de datos satelitales varió entre menos
de 100, en San Guillermo, una estepa graminosa, a más de 1100 mm.año-1 en Iguazú, un
bosque tropical (Figura 3.5a). La evapotranspiracion de las demás áreas de estepa variaron
entre 200 y 450 mm.año-1. Quebrada del Condorito, un pastizal, mostró una
evapotranspiracion real anual similar a Sierra de las Quijadas, una estepa arbustiva. El
0
200
400
600
800
1000
1200
1400
Et (
mm
.)
0
10
20
30
40
50
60
70
80
Coe
ficie
nte
de V
aria
ción
est
acio
nal
0
20
40
60
80
100
120
140
160
Max
.Et
men
sual
(m
m.)
a b
c
Igu Bar Pil Cop NHu Lan Tdf Ale Con SQu Leo Tal SaG Igu Bar Pil Cop NHuLan Tdf Ale Con SQu Leo Tal SaG
Igu Bar Pil Cop NHuLan Tdf Ale Con SQu Leo Tal SaG
Figura 3. 5. Valores promedio de tres descriptores de la dinámica estacional de la
evapotranspiración derivada de datos satelitales para el periodo 1981-93 en 13 áreas protegidas de Argentina. Las barras muestran el error estándar para cuatro píxeles de cada sitio. a)
Evapotranspiracion real anual (Et), b) Coeficiente de variación estacional de la evapotranspiracion, y d) evapotranspiracion mensual máxima. Ver tabla 1 para los códigos de áreas protegidas.
Capitulo III. Funcionamiento potencial de la vegetación. 52
bosque templado más austral (Tierra del Fuego) presentó una evapotranspiración anual
similar a la de las estepas. La evapotranspiración en los otros ecosistemas boscosos varió
entre 800 y 1100 mm.año-1. La evapotranspiración mensual máxima ocurrió en Iguazú y
Copo (130 mm.mes-1). La mínima evapotranspiracion mensual máxima (20 mm.mes-1)
ocurrió en San Guillermo (Figura 3.5c). La estacionalidad de la evapotranspiración fue
máxima en los bosques templados y particularmente en Nahuel Huapi. Selvas y bosques
secos, mostraron una baja estacionalidad (Figura 3.5b).
Los sitios estudiados se distribuyen a lo largo de un gradiente de productividad
primaria neta (PPN) que va desde 83 g.m-2.año-1 de material seco en estepas graminosas a
más de 1700 g m-2 año-1 en Bosques subtropicales húmedos (Figura 3.6). Estepas
graminosas y arbustivas fueron los ecosistemas menos productivos, produciendo entre 83 y
303 g m-2 año-1. Quebrada del Condorito, el único sitio de pastizal incluido en este
capítulo, produjo 528 g m-2.año-1. La productividad de los Bosques templados húmedos
varió entre 767 g m-2 año-1 en el sitio más cálido (Nahuel Huapi) a 469 g m-2.año-1 en el
sitio más frío (Tierra del Fuego). Los bosques subtropicales (secos, húmedos y selvas)
0 500 1000 1500 20000
500
1000
1500
2000
PMA (mm)
PP
N (g
.m-2
año -
1 )
Figura 3. 6. Productividad Primaria Neta (PPN) de las áreas protegidas de Argentina estimada a
partir de datos satelitales. Valores promedio anual para las 13 áreas protegidas y su relación con el gradiente de precipitación. n=13; r2 = 0.87; p<0.0001. PPN [g MS.m-2 año- 1]= -25.33 + 1.076 x PMA [mm]. La línea llena muestra el mejor ajuste y la línea punteada los intervalos de confianza 95%. Las barras de error muestran el desvío estándar para 12 años. Ver tabla 1 para los códigos de áreas protegidas.
Capitulo III. Funcionamiento potencial de la vegetación. 53
mostraron los mínimos valores en Copo y los máximos en Iguazú y Baritú , variando desde
más de 1065 a 1700g m-2 año-1. PPN tuvo una relación lineal con la precipitación media
anual (r2 = 0.87; n=13; p<0.0001). La eficiencia en el uso de la precipitación, definida
como PPN/PMA, fue 1.076 g m-2.mm -1 (Figura 3.6). La precipitación no efectiva, es decir
la ordenada al origen (Sala et al. 1988), fue de 23.55 mm.año-1.
La precipitación media anual (PMA) resultó un control importante de la
variabilidad regional de los atributos de IVN. PMA estuvo asociada positivamente con
IVN-I y Vmax, y explicó 81%, y 78% de sus variabilidad regional (Figura 3.7a y 3.7c). En
ambos casos una función de saturación fue la que mejor describió la relación. El Rango
0 500 1000 1500 20000.00
0.25
0.50
0.75
1.00
PMA (mm)
IVN
-I
0 500 1000 1500 20000
1
2
PMA (mm)
RR
el
0 500 1000 1500 20000.00
0.25
0.50
0.75
1.00
PMA (mm)
Vmax
0 500 1000 1500 20000
30
60
90
120
PMA (mm)
Dm
ax
a
dc
b
Figura 3.7. Relación entre la precipitación media anual (PMA) y los atributos del IVN de 13
áreas protegidas de Argentina para el periodo 1981-93. Las barras de error muestran el desvío estándar para cuatro píxeles por sitios. a) Integral anual del IVN (IVN-I), b) Rango Relativo (RRel), c) Máximo IVN (Vmax), y d) Día Juliano de la ocurrencia del Máximo
IVN (Dmax). Las regresiones lineales son significativas, p<0.01. a) IVN-I = -0.93+0.48 x log(PMA), r2= 0.81; b) RRel = - 0.00069 x PMA + 1.68, r2= 0.48; c) Vmax = -0.91+0.56 x log(PMA), r2= 0.78. La línea punteada en la figura d) muestra el fin de Febrero.
Capitulo III. Funcionamiento potencial de la vegetación. 54
relativo del IVN disminuyó hacia el extremo húmedo del gradiente (Figura 3.7b; r2 = 0.48;
p<0.01; n=13). La fecha del máximo IVN (Dmax) no mostró una relación significativa con
PMA (Figura 3.7d). La temperatura media anual explicó el 46% (r2 = 0.46; n=13; p<0.01)
de la variabilidad regional del Rango Relativo (RRel, Figura 3.8b). Los patrones regionales
de los otros tres atributos no se asociaron significativamente con el gradiente térmico
(Figura 3.8a, 8c y 8d).
La precipitación y el coeficiente de variación de la integral de IVN presentaron una
fuerte relación negativa (Figura 3.9a). La precipitación explicó el 53% de la variabilidad
regional del CV IVN-I. La variabilidad más alta correspondió a San Guillermo (20%) y la
más baja a Iguazú (2%). La variabilidad interanual del Rango Relativo del IVN fue en
general más alta que la de IVN-I y el gradiente de precipitación explicó el 32% de su
variabilidad regional (Figura 3.9b). La variabilidad de Vmax entre años, como la del IVN-
0 10 20 300.00
0.25
0.50
0.75
1.00
TMA (°C)
IVN
-I
0 10 20 300
1
2
TMA (°C)R
Rel
0 10 20 300.00
0.25
0.50
0.75
1.00
TMA (°C)
Vmax
0 10 20 300
30
60
90
120
TMA (°C)
Dm
ax
a
dc
b
Figura 3.8. Relación entre la temperatura media anual (TMA) y los atributos del IVN de 13 áreas protegidas en Argentina para el periodo 1981-93. Las barras de error muestran el desvío estándar para cuatro píxeles por sitio. a) Integral anual del IVN (IVN-I), b) Rango Relativo (RRel), c) Máximo IVN (Vmax), y d) Día Juliano de la ocurrencia del Máximo IVN (Dmax). Las regresiones lineales son significativas, p<0.01. b) RRel = - 0.053 x .TMA + 2.007, r2= 0.46. La línea punteada en la figura d) muestra el fin de Febrero.
Capitulo III. Funcionamiento potencial de la vegetación. 55
0 500 1000 1500 20000
10
20
PMA (mm)
CV
IVN
-I
0 500 1000 1500 20000
25
50
PMA (mm)
CV
RR
el
0 500 1000 1500 20000
5
10
15
PMA (mm)
CV
Vm
ax
0 500 1000 1500 20000.0
2.5
5.0
7.5
10.0
PMA (mm)D
esví
o E
stan
dar
Dm
ax
a
dc
b
Figura 3.9. Relación entre la precipitación media anual (PMA) y la variabilidad de los atributos
del IVN para 13 áreas protegidas de Argentina para el periodo 1981-93. a) Integral anual del IVN (IVN-I), b) Rango Relativo (RRel), c) Máximo IVN (Vmax), y d) Día Juliano de la
ocurrencia del Máximo IVN (Dmax). El desvío estándar se utilizo para la fecha del máximo IVN. a) CV IVN-l = 17.01 - 0.0083 x PMA; r2 = 0.53; p<0.01. b) CV RRel = 15.09 + 0.013 x PMA; r2 = 0.32; p<0.05. c) CV Vmax = 12.59 - 0.0071 x PMA; r2 = 0.62; p<0.01.
I, se correlacionó negativamente con la precipitación (Figura 3.9c, r2=0.62, p<0.01). El
coeficiente de variación de Vmax fue menor que el de CV IVN-I para todos los sitios. El
CV de la fecha de ocurrencia de Vmax no presentó un correlación significativa con la
precipitación (Figura 3.9d, p>0.1). La variabilidad interanual de IVN-I y Vmax
presentaron un función de tipo óptimo a lo largo del gradiente de temperatura (Figura
3.10a y 10c). Los valores máximos fueron de 13°C para CV IVN-I y en 15 °C para CV
Vmax. TMA explicó el 55% de la variación en el coeficiente de variación de IVN-I. La
temperatura explicó el 58% y el 62% de la variabilidad interanual del Rango Relativo y de
la fecha del máximo IVN respectivamente. Ambas variables estuvieron positivamente
relacionadas con TMA (Figura 3.10b y 10d). Los atributos del IVN relacionados con la
estacionalidad fueron más variables en los sitios cálidos que en los fríos.
Capitulo III. Funcionamiento potencial de la vegetación. 56
Discusión
En este Capítulo se describe el funcionamiento de la vegetación en áreas con bajo
impacto humano. Se discutirán en esta sección los patrones regionales, los patrones
estacionales y la variabilidad interanual del funcionamiento de la vegetación potencial, es
decir la vegetación incluida en las áreas protegidas.
Patrones regionales
La fracción de la radiación fotosintéticamente activa absorbida por la vegetación en
los ecosistemas protegidos de Argentina, calculada a partir de la integral anual del IVN
(IVN-I), varió entre 2 y 80%. A pesar de las diferencias en la estructura de la vegetación y
0 5 10 15 20 25 300
10
20
TMA (°C)
CV
IVN
-I
0 10 20 300
25
50
TMA (°C)
CV
RR
el0 10 20 30
0
5
10
15
TMA (°C)
CV
Vm
ax
0 10 20 300.0
2.5
5.0
7.5
10.0
TMA (°C)D
esvi
o E
stan
dar
Dm
ax
a
dc
b
Figura 3.10. Relación entre la temperatura media anual (TMA) y la variabilidad de los atributos del IVN para 13 áreas protegidas de Argentina para el periodo 1981-93. a) Integral anual del IVN (IVN-I), b) Rango Relativo (RRel), c) Máximo IVN (Vmax), y d) Dia Juliano de la ocurrencia del Máximo IVN (Dmax). a) CV IVN-l = -5.1 + 3.19 x TMA – 0.12 x TMA2; r2 = 0.55; p<0.1. b) CV RRel = 3.6 + 1.37 x TMA; r2 = 0.58; p<0.01. c) CV Vmax = -8.4 + 2.75 x TMA – 0.09 x TMA2; r2 = 0.40; p<0.01. d) Desvst Dmax = 1.7 + 0.24 x TMA; r2 = 0.62; p<0.1.
Capitulo III. Funcionamiento potencial de la vegetación. 57
su estacionalidad entre los sitios, la precipitación media anual (PMA) fue un buen
estimador del IVN-I, un descriptor de la fracción de la radiación absorbida por el canopeo.
La relación entre PMA y IVN-I a lo largo del gradiente analizado mostró una curva de
saturación (figura 3.7a). El mismo tipo de relación se encontró para el máximo IVN
(Vmax) y PMA (figura 3.8c). Estudios previos también mostraron este tipo de relación
entre IVN-I y PMA (Box et al. 1989, Paruelo y Lauenroth 1995, Jobbagy et al. 2002). La
relación entre PPN y PMA fue lineal (figura 3.6) debido a las diferencias en la radiación
incidente y la eficiencia en el uso de la radiación entre sitios. Sitios con similar IVN-I
difieren en su PPN (por ejemplo, Copo y Nahuel Huapi). Estas discrepancias resultan de
las diferencias en la radiación total incidente en cada sitio (3140 vs 2563 MJ m-2 año-1) y el
tipo de vegetación dominante, lo que lleva a diferencias en ε (0.635 vs 0.595 g MS MJ-1).
Copo tiene una estación de crecimiento más larga que Nahuel Huapi porque las
restricciones térmicas son menores. Por otro lado, los ecosistemas que difirieron en sus
IVN-I presentaron similar PPN (por ejemplo, Tierra del Fuego y Condorito). En este caso,
la menor radiación incidente en Tierra del Fuego (1859 vs. 3060 MJ.m-2.año-1) es el
principal determinante de su baja productividad primaria. Por lo tanto, las diferencias en la
relaciones entre IVN-I y PPN con PMA para algunas áreas son una consecuencia de la
capacidad intrínseca de cada bioma de transformar la radiación en biomasa así como de las
diferencias en RFA incidente en cada área.
El modelo correlativo basado en información satelital generó estimaciones
confiables de la evapotranspiración real anual. El modelo correlativo utiliza dos variables
muy ligadas al funcionamiento de la vegetación. La pendiente del modelo varió entre
sitios. El cambio en la pendiente del modelo estuvo asociado a la temperatura. Diferencias
a escala regional en las pendientes del modelo no explicadas por la temperatura
(aproximadamente el 35% de la variabilidad), podrían estar asociadas a factores locales no
considerados en el análisis, como la capacidad de almacenamiento de agua del suelo,
velocidad del viento y diferencias espectrales del canopeo.
Son pocos los datos de PPN disponibles para Argentina. Muchos de los estudios
sólo consideran la productividad primaria neta aérea y corresponden a pastizales y
arbustales (Sala et al. 1981, Braun Wilke 1982, Bertiller y Defosse 1990, Fernández et al.
Capitulo III. Funcionamiento potencial de la vegetación. 58
1991, Martinez Carretero y Dalmasso 1992, Pucheta et al. 1998, Jobbagy y Sala 2000).
Más aún, ninguno de estos estudios proviene de áreas protegidas y solo parte de ellos
tienen más de un año de datos. Para ecosistemas boscosos, los datos son todavía más
escasos. Para los bosques templados de Nothofagus en Argentina y Chile, una revisión
sobre producción de biomasa fina (Veblen et al. 1996) mostró un rango de PPN de sur a
norte de 200 a 740 g MS.m-2.año-1. Estos valores comprenden el mismo gradiente
latitudinal que el de este análisis y mostró un buen acuerdo con estas estimaciones. Las
estimaciones de productividad primaria neta basadas en el modelo de Monteith son muy
dependientes de los valores de ε. Todavía existe incertidumbre acerca de los valores de ε
para diferentes biomas (Goetz y Prince 1999).
La precipitación explicó una gran parte de la variabilidad de PPN entre los sitios.
Los parámetros de la relación PPN-PMA mostraron un buena correspondencia con trabajos
previos. La pendiente de la relación productividad primaria neta aérea ( PPNA) –PMA, la
eficiencia en el uso de la precipitación (EUP), varió entre 0.26 y 0.85 g MS.m-2.mm-1
(McNaughton et al. 1993). Para sitios distribuidos en Sudamérica entre 100 y 1400 mm de
precitación media anual, la eficiencia en el uso de la precipitación de PPNA fue 0.48 g MS.
m-2. mm-1 (McNaughton et al. 1993). Los resultados del presente trabajo para PPN
mostraron una pendiente del doble del valor que para los datos de PPNA. La ordenada al
origen fue 38 mm más baja que los valores reportados para Sudamérica. Sin embargo se
encuentra en el rango encontrado para otras regiones del mundo (23 -148 mm; Noy Meir
1973, Sala et al. 1988, McNaughton et al. 1993).
Patrones Estacionales
La estacionalidad del IVN difirió entre los ecosistemas subtropicales y los
templados (Figura 3.4b). Los ecosistemas subtropicales mostraron valores de rango
relativo menores a 0.8, y los sitios templados mayores a 1.2. La temperatura mínima anual
fue la variable climática que explicó la mayor parte de la variabilidad regional del RRel
(r2=0.73, n=13, p< 0.001, Figura 3.10b). La fecha del máximo IVN (Dmax) no mostró una
relación significativa a lo largo del gradiente con variables ambientales (figura 7d y 8d). La
máxima temperatura del aire en Argentina ocurre entre Diciembre y Enero y la
precipitación es mayormente estival (Paruelo et al. 1995). Sólo en Patagonia la
Capitulo III. Funcionamiento potencial de la vegetación. 59
precipitación es principalmente invernal. A pesar de ello, y debido al frío invernal una
parte importante de la precipitación es transferida a la primavera y al verano (Paruelo y
Sala 1995). Por lo tanto la baja variabilidad regional en Dmax es explicada por la
ocurrencia simultánea de los picos de temperatura y disponibilidad de agua. Los bosques
templados de Tierra de l Fuego, el área más austral, mostró el pico de IVN más temprano
que el resto de los sitios (Figura 3.4d). Este atributo fue también menos variable entre años.
Las bajas temperaturas durante el fin del verano pueden determinar el comienzo de la
senescencia en ese área, como fue sugerido para un gradiente de altitud en Tierra del
Fuego. Rusch (1993) mostró la existencia de un control fotoperiódico en la senescencia de
esos bosques.
La diferencia entre la temperatura superficial (Ts) y del aire (TMA) fue interpretada
como un índice de stress hídrico (Seguin y Itier 1983, Vidal y Perrier 1989, Moran et al.
1994). La magnitud de ese índice (figura 3c) estuvo claramente relacionada con el IVN-I,
una medida de la productividad primaria y por lo tanto de la transpiración. PMA explicó el
39% de la variabilidad regional de la diferencia Ts-TMA. Los residuos de la Figura 3.3c
estuvieron asociados positivamente a TMA (r2=0.46; p<0.01).
La relación estacional entre IVN y Ts varió entre ecosistemas y a lo largo del
gradiente climático (Figura 3.3a). Las pendientes, ordenadas al origen y coeficientes de
determinación reflejaron diferencias consistentes entre biomas. La pendiente y la ordenada
al origen fueron similares dentro de los biomas, sin embargo no presentaron un patrón
regional asociado con gradientes climáticos. El coeficiente de determinación, por otro lado,
mostró un patrón claro a lo largo del gradiente ambiental, con una relación negativa con la
temperatura media anual (Figura 3.3b) y sin relación con la precipitación. Para el grupo de
sitios ubicados en el extremo más cálido (TMA >20°C), Ts y IVN mostraron un bajo
acople (Figura 3.3b). Este grupo incluye bosques subtropicales (Baritú, Pilcomayo, Iguazú
y Copo), los sitios con menor estacionalidad (RRel; Figura 3.4b). El bajo acople entre Ts y
IVN en estos sitios puede ser parcialmente explicado por la baja variación estacional de la
precipitación y la temperatura. Dos sitios (Talampaya y Sierra de las Quijadas) ubicados en
clima templado seco mostraron también una baja correlación entre IVN -Ts. Los Bosques
templados dominados por especies latifoliadas deciduas fueron los de mayor acople entre
Capitulo III. Funcionamiento potencial de la vegetación. 60
IVN y Ts. Las bajas temperaturas y el fotoperíodo controlan la longitud de la estación de
crecimiento y la dinámica del índice de área foliar y determinan la alta estacionalidad de
esas áreas (Veblen et al. 1996).
En los biomas estudiados, encontré una rango de respuesta en las trayectorias IVN-
Ts más diverso de lo previamente mostrado para Norte América (Nemani y Running
1997). Este estudio revela que los picos de IVN y Ts pueden estar altamente desacoplados
(por ejemplo Sierra de las Quijadas) y que Ts alcanza su máximo antes que IVN para todos
los sitios. El valor del coeficiente de determinación de la regresión entre IVN y Ts integra
características importantes de la dinámica de la vegetación. Refleja en parte las diferencias
entre la expansión foliar, definida como el periodo de aumento de IVN, y su senescencia.
Valores altos de r 2 indican relaciones entre IVN y Ts similares para la expansión y la
senescencia. Las trayectorias IVN-Ts fueron diferentes entre sitios, como muestra el r2
(Figura 3.3a; tabla 3.5). Ts fue mayor durante la expansión foliar que durante la
senescencia para todos los biomas y Ts llegó a su valor máximo antes que IVN, inclusive
en Baritú, donde IVN y Ts estuvieron correlacionados negativamente. Estos resultados
concuerdan con trabajos previos donde mostraron que a escala global y con un resolución
espacial gruesa, la correlación entre IVN y Ts semanal varía con la latitud, un estimador de
TMA (Schultz y Halpert 1995). En ese trabajo, los autores no evaluaron formalmente esa
relación, ni separaron las trayectorias de expansión y senescencia. En este capítulo se
muestra que la temperatura explica la mayor parte de la variabilidad regional de la relación
estacional de IVN-Ts (55%, Figura 3.3b).
Diferentes autores (Nemani y Running 1997, Roy et al. 1997) propusieron
alternativas para caracterizar la cobertura de la tierra basándose en IVN y Ts. Esos
modelos consideran solamente valores máximos y no tienen en cuenta la intensidad ni la
pendiente de la relación. Los biomas incluidos en este análisis pueden ser diferenciados por
la covariancia estacional de IVN – Ts. Estos resultados sugieren que los modelos de
clasificación de la cobertura de la tierra podrían ser mejorados incluyendo la dinámica
estacional de estos índices espectrales.
Capitulo III. Funcionamiento potencial de la vegetación. 61
Variabilidad Interanual
La variabilidad interanual del IVN-I y la precipitación media anual mostraron una
fuerte relación negativa. A pesar del mayor rango de biomas y la mayor extensión temporal
utilizada en este trabajo comparada con trabajos previos, el patrón regional de esta relación
fue similar a las presentadas por otros autores (Figura 3.9a; Oesterheld et al. 1998, Paruelo
y Lauenroth 1998, Jobbagy et al. 2002). A pesar de las diferencias en el uso de la tierra y la
estructura de la vegetación, este análisis mostró una variabilidad interanual similar a la de
trabajos previos (Oesterheld et al. 1998).
La variabilidad interanual de los atributos del IVN cambió a lo largo de los
principales gradientes ambientales. El coeficiente de variación de la integral del IVN
(IVN-I) y del máximo IVN (Vmax) disminuyó a lo largo del gradiente de precipitación.
Las relaciones entre es tos dos atributos y TMA mostraron que los sitios ubicados en la
porción central del gradiente térmico (10-20°C) mostraron la máxima variabilidad
interanual. La variabilidad temporal de RRel y Dmax mostraron una relación más fuerte
con la temperatura que con PMA. La variabilidad interanual de PMA es mayor en áreas
secas que en húmedas (Noy Meir 1973) y esto puede explicar la mayor variabilidad del
IVN-I en las zonas más secas. Estos resultados sugieren que la variabilidad temporal de
estas características asociadas a la absor ción de radiación (IVN-I y Vmax) se relacionan
negativamente con la precipitación, mientras que la variabilidad de las características
asociadas a la estacionalidad de la absorción de radiación (RRel y Dmax) están
principalmente controladas por la temperatura. Paruelo y Lauenroth (1998) encontraron
patrones similares para pastizales y arbustales de Norte América.
La precipitación explicó la mayor parte de la variabilidad de los patrones regionales
de IVN-I y del máximo IVN. Los patrones espaciales de la estacionalidad de IVN se
relacionaron con la precipitación y la temperatura medias anuales (figuras 7b y 8b). El
principal control abiótico de los patrones estacionales de la absorción de radiación de la
vegetación potencial es la precipitación media anual. La precipitación y la temperatura,
ambos fueron importantes para explicar la variabilidad interanual de los atributos
funcionales estudiados en este capítulo.
Capitulo III. Funcionamiento potencial de la vegetación. 62
En este Capítulo se describe el funcionamiento de la vegetación en áreas con bajo
impacto humano. A pesar de no poder decir con seguridad si las áreas protegidas
seleccionadas representan la vegetación potencial, las áreas seleccionadas representan las
condiciones más cercanas a las condiciones de un ecosistema natural. Los resultados que
presento en este Capítulo, representan entonces las condiciones de referencia para evaluar
los impactos del uso de la tierra a lo largo de gradientes ambientales. Un análisis de
gradiente a través de un rango largo de condiciones ambientales permite desarrollar
relaciones cuantitativas entre los descriptores del funcionamiento de la vegetación y las
variables climáticas. Esas relaciones representan hipótesis acerca de los valores esperados
de los atributos de la vegetación para una determinada condic ión climática. Este análisis
representa entonces, una manera de extrapolar la información obtenida en las áreas
protegidas a lo largo de áreas modificadas por el uso humano y para generar mapas del
funcionamiento de la vegetación de los ecosistemas no (o mínimamente) modificados.
CAPITULO IV. IMPACTOS DEL USO DE LA TIERRA SOBRE EL
FUNCIONAMIENTO DE LOS ECOSISTEMAS.
Introducción
El hombre, a lo largo de su historia, ha utilizado la tierra de formas diversas y con
diferente intensidad. Hasta el advenimiento del pastoralismo y la agricultura, alrededor de
8000 A.C. en Asia Menor, el uso de la tierra se limitó a la recolección y la caza (Cox y
Atkins 1979; Diamond 1999). En Argentina, los sitios de mayor historia agrícola se
encuentran en el Noroeste Argentino y corresponden a hace 1000 años (Barsky y Gelman
2001). En el resto del territorio, la conquista europea hace 500 años, provocó una
intensificación en el uso de la tierra con fines fundamentalmente ganaderos. Durante los
últimos 100 años se produjo un fuerte aumento en la intensidad de uso y una importante
expansión de las áreas cultivadas.
El impacto del uso de la tierra ha sido evaluado sobre diferentes ecosistemas en
aspectos relacionados con su estructura y con su funcionamiento. Algunos de estos
cambios en la estructura son obvios, como cuando se reemplaza un pastizal por un cultivo
monoespecífico. Otras modificaciones son derivadas de la intensificación del uso. La
arbustización de estepas (León y Aguiar 1985, Archer et al. 1988) y el cambio en la
importancia de grupos funcionales en pastizales (Chaneton et al. 1988) provocados por el
pastoreo y la introducción de especies cultivadas exóticas en bosques y pastizales
(D´Antonio y Vitousek 1992) son algunos de los cambios estructurales de mayor
importancia asociados a la intensificación del uso original. La utilización diferencial de los
recursos por parte de distintos grupos de especies puede provocar modificaciones en los
flujos de materia y energía del ecosistema (Aguiar et al. 1996). La alteración de la
proporción de grupos funcionales con características ecofisiológicas contrastantes
impactan sobre la distribución de nutrientes y biomasa en el perfil edáfico (Jackson et al.
2000). El reemplazo de especies con características ecofisiológicas diferentes puede
modificar los flujos ecosistémicos, como por ejemplo el reemplazo de gramíneas C3 por C4
(Williams y Baruch 2000). El tipo de cultivo realizado determinó la magnitud del impacto
del uso de la tierra sobre las propiedades edáficas en la selva Amazónica (McGrath et al.
2001).
Capítulo IV. Impactos del uso de la tierra. 65
Las evidencias del impacto del uso de la tierra sobre los flujos del carbono en los
ecosistemas muestran resultados contradictorios. Los de modelos globales de circulación
(DeFries et al. 1999) estiman una reducción del 5% en la productividad primaria global por
efecto del uso de la tierra. Turner (1987) mostró que a escala estatal los aumentos de largo
plazo producidos en la productividad primaria debido al uso de la tierra fueron
principalmente consecuencia de la inclusión de fertilizantes y riego en el agroecosistema.
El reemplazo de pastizales naturales en zonas templadas por cultivos de gramíneas anuales
no modificó la cantidad total de radiación absorbida, aunque si aumentó su estacionalidad
y su variabilidad interanual (Paruelo et al. 2001). El reemplazo de vegetación natural por
cultivos también puede generar disminuciones en los flujos de carbono. Sundarapandian et
al. (1999) encontraron que plantaciones de especies forestales disminuían la productividad
primaria en áreas tropicales. La variación temporal de las diferencias entre la vegetación
natural y los cultivos puede originarse en factores antrópicos. La productividad primaria de
un bosque deciduo del cent ro oeste norteamericano fue mayor que la de los cultivos de
maíz que lo reemplazaban durante las décadas del 40 y 50, aunque esta situación se revirtió
a partir de la década del 60 debido al mayor uso de tecnología en los cultivos (Pimentel et
al. 1973). A lo largo de un gradiente de precipitaciones, el pastoreo puede provocar
cambios en la productividad de pastizales, aunque el sentido de esos cambios es variable
(Oesterheld et al. 1999). No existen evidencias similares para situaciones agrícolas a lo
largo de gradientes climáticos.
El uso de la tierra modifica también los flujos de agua. La evapotranspiración total
y su dinámica fueron alteradas por la cobertura vegetal existente: canopeos perennes
mantuvieron mayores flujos de agua hacia la atmósfera a lo largo del año (Dunn y Mackay
1995). Los cultivos anuales también modifican la dinámica estacional de la
evapotranspiración respecto a la vegetación original, adelantando el comienzo de la
estación de crecimiento y aumentando las pérdidas totales de agua (Baron et al. 1998). La
evapotranspiración anual de plantaciones de Eucalyptus resultó de cuatro a nueve veces
mayor a la de las pasturas y más de dos veces superior a la precipitación media anual
(Greenwood et al. 1985). La profundización del perfil de raíces debido al reemplazo de
especies estaría permitiendo el uso de agua subsuperficial.
Capítulo IV. Impactos del uso de la tierra. 66
La utilización de información satelital para el monitoreo de cambios en la
vegetación se ha limitado en gran parte al análisis de la deforestación y a cambios
estructurales de stands y paisajes (Rock et al. 1993). La variabilidad temporal del
intercambio de materia y energía resulta una nueva dimensión en la evaluación de los
impactos del uso de la tierra (Paruelo et al. 2001), y muy poco evaluada aún. La radiación
ref lejada o emitida por la superficie terrestre y captada por los sensores satelitales son
descriptores de distintos aspectos del balance de energía y puede ser utilizada para estimar
diferentes parámetros hídricos de la superficie terrestre (Schmugge 1990).
Existe abundante información acerca de los efectos de las diferentes actividades
humanas sobre el funcionamiento de los ecosistemas. Sin embargo, gran parte de la
bibliografía presenta análisis basados en resultados de modelos de simulación o estudios de
parcelas. En el caso de los experimentos de campo los flujos observados no son los mismos
(Evapotranspiraciónt vs. Productividad primaria neta vs. Productividad neta del
ecosistema, ver Falge et al. 2002, Curtis et al. 2002) o no han sido evaluados con la s
metodologías comparables (Sala et al. 2000). Los sensores remotos ofrecen la posibilidad
de estudiar flujos ecosistémicos sobre áreas extensas usando un protocolo común de
análisis. Esto permite evaluar los efectos de las actividades antrópicas a lo largo de
gradientes ambientales y de uso.
Las Parques Nacionales y otras áreas protegidas de Argentina han sido creadas
como áreas representativas de una región y para ser conservadas en su estado natural1.
Aunque dentro de los objetivos originales de la creación de estas áreas no se encuentra
explícitamente considerada la preservación del funcionamiento del ecosistema o de flujos
particulares, es posible asumir que las áreas protegidas son la mejor representación del
funcionamiento potencial de la vegetación. Durante el último medio siglo en Argentina, la
protección de procesos naturales ha sido incluida explícitamente en los objetivos de las
1 Ley Nº 22.351 de Parques Nacionales. “Serán Parques Nacionales las áreas a conservar en su estado
natural, que sean representativas de una región fitozoogeográfica y tengan gran atractivo en bellezas
escénicas o interés científico, las que serán mantenidas sin otras alteraciones que las necesarias para asegurar su control, la atención del visitante y aquellas que correspondan a medidas de Defensa Nacional
adoptadas para satisfacer necesidades de Seguridad Nacional. En ellos está prohibida toda explotación económica con excepción de la vinculada al turismo,...”
Capítulo IV. Impactos del uso de la tierra. 67
áreas protegidas Nacionales (Sabatini y Rodríguez Iglesia 2001). Por lo tanto, constituyen
la situación de referencia más cercana sobre el funcionamiento de los ecosistemas previo al
uso humano.
El Sistema Nacional de Áreas Protegidas de Argentina (SNAP) es uno de los más
diversos del mundo en cuanto al rango climático y geográfico cubierto, a la cantidad de
biomas prote gidos, a su despliegue geográfico (WCMC 1992; 34° de latitud) y a su
relativo buen grado de conservación e institucionalización. En el hemisferio sur es primero
en los tres aspectos y uno de los más antiguos. Estas características convierten al SNAP en
una referencia única del funcionamiento potencial de la vegetación de los diferentes
biomas del país. Para evidenciar el impacto del uso de la tierra sobre el funcionamiento de
los ecosistemas, compararé las áreas protegidas con áreas vecinas que se encuentra n
actualmente utilizadas.
El objetivo de este capítulo es conocer a escala regional el efecto del uso de la
tierra sobre el funcionamiento de la vegetación de diferentes ecosistemas usando una
aproximación directa.
Las preguntas específicas de este Capítulo son:
1. ¿Cuáles son las modificaciones producidas por el uso actual de la tierra
sobre la absorción de radiación y la temperatura superficial?
2. ¿Cómo varía ese impacto a lo largo de gradientes climáticos de temperatura
y precipitación?
3. ¿Cómo varían interanualmente las diferencias entre usos de la tierra?
Hipótesis
Las evidencias presentadas en la introducción de este capítulo muestran que
existirían diversos controles del efecto del uso de la tierra sobre el funcionamiento de la
vegetación. El reemplazo de pastizales por cultivos anuales no modificó la cantidad total
de energía absorbida (Paruelo et al. 2001, Guerschman et al. 2003). Sin embargo, las
diferencias entre el tipo de vegetación reemplazado y el sistema de cultivo implantado,
Capítulo IV. Impactos del uso de la tierra. 68
podrían modificar la s respuestas. Diferentes trabajos muestran modificaciones en la
temperatura superficial producto de cambios en el uso de la tierra (Yokohari et al. 1997,
Betts 2001). Los cambios más estudiados muestran aumentos de la temperatura superficial
provocados por deforestación y urbanización (Mahmood et al. 2002).
Las hipótesis que se ponen a prueba en este capítulo son:
1. Los agroecosistemas y los ecosistemas protegidos no difieren en la cantidad total de
radiación fotosintéticamente activa absorbida por el canopeo pero si lo hacen en la
dinámica estacional de la absorción.
2. La dinámica anual de la temperatura superficial difiere entre agroecosistemas y
ecosistemas protegidos.
Para contestar las preguntas de este capítulo y evaluar las hipótesis planteadas, se
utilizaron dos enfoques, ambos basados en el uso de sensores remotos:
1.- Comparación del funcionamiento entre áreas protegidas y agroecosistemas.
2.- Análisis temporal de los cambios en el funcionamiento de los ecosistemas en
Argentina para el período 1981-1999 y su relación con el uso de la tierra.
Metodología
Se utilizaron imágenes satelitales NOAA/AVHRR para derivar datos de índice de
vegetación normalizado (IVN) y de temperatura superficial (Ts). El IVN es un índice
espectral estimador de la radiación fotosintéticamente activa absorbida por la vegetación
(Tucker et al. 1985, Box et al. 1989) y se calcula a partir de los canales 1 y 2 como
(reflectancia 2-reflectancia 1)/(reflectancia 2+reflectancia 1). La temperatura superficial se
calculó a partir de los canales 4 y 5, según el método descrito por Sobrino et al. (1991) (ver
detalle en el Capítulo III).
Capítulo IV. Impactos del uso de la tierra. 69
1.- Comparación entre áreas protegidas y agroecosistemas.
1.1- Impacto del uso de la tierra: variabilidad espacial.
Se seleccionaron áreas con características ambientales similares dentro y fuera de
las áreas protegidas bajo diferentes usos. Para determinar las áreas a comparar se utilizaron
imágenes Landsat TM, cartografía (IGM 1:250000), un modelo de elevación digital (Bliss
y Olsen 1996), mapas de vegetación y cartas de suelos 1:500.000 (INTA 1990). Las áreas
con diferente uso de la tierra se ubicaron sobre suelos (a nivel de gran grupo de acuerdo a
Soil Taxonomy 1999) y alturas sobre el nivel del mar similares , evitando los sectores más
cercanos a los bordes de las áreas protegidas y minimizando la distancia entre las áreas a
comparar. Para la comparación del funcionamiento de las 29 áreas protegidas y de sus
áreas ambientalmente similares bajo uso agropecuario, se utilizaron el Indice de
Vegetación Normalizado (IVN) y la Temperatura superficial (Ts) para el período julio
1992 a junio 93 (36 imágenes compuestas cada 10 días). Esta información espectral tiene
una resolución espacial de 1 km (LAC, Local Area Coverage, Eidenshink y Faundeen
1994). De esas imágenes, se extrajeron los valores de píxeles incluidos dentro de las áreas
protegidas (Tabla 4.1), de manera que la cantidad de píxeles resultara similar entre el área
protegida y bajo uso. Teniendo en cuenta los diferentes ambientes y tipos de uso existentes,
se realizaron para cada área diferente número de comparaciones (Tabla 4.1). Considerando
la intensidad de los subsidios utilizados (aporte de recursos o especies exóticas), el uso de
la tierra se dividió en dos categorías según la intensidad: alta (agricultura de secano,
agricultura bajo riego y forestación), y baja (extracción de madera y uso ganadero
extensivo).
Capítulo IV. Impactos del uso de la tierra. 70
Tabla 4.1. Áreas protegidas incluidas en la comparación regional del uso de la tierra (en base a
Administración de Parques Nacionales, 1998). La precipitación (PMA) y la temperatura (TMA) media anual fueron derivados a partir de los datos de FAO (1985) según la estación climática más cercana a cada área protegida. Las coordenadas geográficas se presentan en grados
sexagesimales. PROVINCIA AREA
PROTEGIDA Superficie
(ha.) Año
Creación Lat. Long. Tipo principal
de vegetación Principales de usos
de la tierra PMA (mm)
TMA (°C)
N° píxeles
Cal Jujuy P.N. Calilegua 76.306 1979 -23°26 -64°32 Selva agricultura de secano 973 16.3 25
Rey Salta P.N. El Rey 44.162 1948 -24°30 -64°29 Selva agricultura de secano 973 16.3 4
Igu Misiones P.N. Iguazú 59.945 1934 -25°32 -54°09 Selva Forestación –
agricultura de secano 1700 20.6 25
Con Córdoba P.N.Quebrada del
Condorito 37.000 1996 -31°40 -64°40 Pastizal
Pastoreo - Forestación
535 17.9 25
Tor Bs. Aires R.P. Ernesto Tornquist
6.600 1958 -38°03 -62°02 Pastizal Forestación – agricultura de secano
972 14.5 4
Squ San Luis P.N. Sierra de las
Quijadas 150.000 1991 -32°29 -67°02 Monte
Pastoreo – Agricult. bajo riego
566 16.5 25
Ñac Mendoza R.P. Ñacuñán 11.780 1961 -34°02 -67°52 Monte Pastoreo – Agricult. bajo riego
250 16.6 25
LiC La Pampa P.N. Lihué Calel 9.905 1977 -37°54 -65°40 Monte Pastoreo 260 15.5 25
SaG San Juan P.N. San Guillermo 344.000 1998? -29°10 -69°20 Estepa
graminosa Pastoreo – Agricult.
bajo riego 146 10.8 4
Leo San Juan R.N. El Leoncito 74.000 1994 -31°46 -69°10 Estepa
graminosa Pastoreo – Agricult
bajo riego 83 17.2 25
Tal La Rioja P.N. Talampaya 215.000 1997 -29°46 -67°54 Estepa arbustiva Pastoreo – Agricult. bajo riego
179 17 4
LBl Neuquen P.N. Lag. Blanca 11.251 1940 -38°57 -70°16 Estepa arbustiva Pastoreo 222 11.8 25
BoP Sta. Cruz M.N. Bosques Petrificados
10.000 1954 -47°38 -68°03 Estepa arbustiva Pastoreo 193 9 25
Pal E. Ríos P.N.El Palmar 8.500 1966 -31°50 -58°10 Espinal Forestación – agricultura de secano
1087 18.8 25
Lur La Pampa Parque Luro 7.608 1967 -36°55 -64°10 Bosque Temp.
seco agricultura de secano 626 15.1 25
Pre E. Rios P.N. Predelta-
Diamante 2.458 1991 -32°07 -60°38
Bosque Temp. húmedo
agricultura de secano 1016 18 4
Ota Buenos Aires R.N. Otamendi 3.000 1990 -34°11 -58°54 Bosque Temp. Húmedo
agricultura de secano 1114 17.2 4
Lan Neuquen P.N. Lanín 379.000 1937 -39°07 -71°50 Bosque Temp.
Húmedo Pastoreo/Extracción
de madera 804 8.3 25
Nhu Neuquen/R. Negro
P.N. Nahuel Huapi 743.594 1934 -40°11 -71°57 Bosque Temp. Húmedo
Forestación 804 8.3 4
Ale Chubut P.N. Los Alerces 193.144 1937 -42°32 -72°08 Bosque Temp.
húmedo Pastoreo/Extracción
de madera 896 9.5 16
PMo Sta. Cruz P.N. Perito Moreno 115.000 1937 -47°46 -72°30 Bosque Temp.
húmedo Pastoreo/Extracción
de madera 809 7 4
Gla Sta. Cruz P.N. Los Glaciares 717.800 1937 -49°15 -73°33 Bosque Temp. húmedo -Estepa
arbustiva
Pastoreo/Extracción de madera
197/809 7 4
For Formosa R.N. Formosa 10.000 1968 -24°17 -61°43 Bosque (Chaco) Pastoreo 654 22.6 25
Pil Formosa P.N. Río Pilcomayo 47.000 1951 -24°58 -58°17 Bosque (Chaco) Pastoreo 1347 22.9 25
Cop S. Del Estero P.P. Copo 114.250 1968 -25°49 -61°56 Bosque (Chaco) Pastoreo - agricultura de secano
656 21.7 25
Cha Chaco P.N. Chaco 15.000 1954 -26°40 -59°40 Bosque (Chaco) agricultura de secano 990 21.3 25
LLo Santa Fe La Loca 2.169 1968 -28°47 -60°19 Bosque (Chaco) Pastoreo 975 19.8 4
LNo Santa Fe La Norma/D. Guiller mo/El
Estero/L. del Cristal 11.601 1992 -30°00 -60°01 Bosque (Chaco) Pastoreo 975 19.8 4
SAn Misiones San Antonio 600 1990 -26°05 -53°50 Selva/Bosque Subtr. Húmedo
Agricultura de secano
1700 20.6 4
Capítulo IV. Impactos del uso de la tierra. 71
Con el objetivo de filtrar valores de IVN y Ts contaminados con nubes, se calculó
el valor máximo mensual, descartándose los otros dos valores. Se obtuvieron 12 valores
anuales y de ellos se calculó el valor máximo (Vmax), el valor mínimo (Vmin), el mes de
ocurrencia de Vmax, la Integral de IVN (IVN-I) y el Rango Relativo (RRel), definido
como (Vmax - Vmin)/IVN-I. Se analizaron estos datos mediante regresiones a lo largo del
gradiente de precipitación y temperatura medias obtenidos de FAO (1985). Las diferencias
entre los valores de los atributos del IVN y Ts de la vegetación adentro y fuera de cada
área protegida a lo largo de los gradientes ambientales, fueron analizadas de forma
absoluta (Atributoagroec-Atributoproteg) y relativa (Dif absoluta/Atributoproteg). Se compararon
las diferencias en los atributos espectrales contra las proporciones esperadas por azar
(50%<0, 50%>0) mediante test de ÷ 2. A lo largo de los gradientes, la diferencias se
analizaron mediante regresiones lineales.
1.2- Impacto del uso de la tierra: variabilidad temporal.
Para analizar la variabilidad interanual del funcionamiento son necesarios datos de
largo plazo. Debido a la inexistencia de una serie de largo plazo de datos NOAA/AVHRR
de 1km de resolución espacial para Argentina, se utilizaron imágenes Pathfinder AVHRR
Land (PAL) de 8 km de resolución espacial. Se seleccionaron cinco de las 13 áreas
protegidas analizadas en el capítulo III teniendo en cuenta la posibilidad de comparación
con áreas bajo uso antrópico (Iguazú, Copo, Pilcomayo, Leoncito, Talampaya y N.Huapi,
tabla 4.1). Se tomaron los valores de IVN para el período julio 1981 a junio 1999 (18
estaciones de crecimiento) de 4 píxeles del área protegida y 4 de su correspondiente área
bajo uso antrópico.
2.- Análisis temporal de los cambios en el funcionamiento de los ecosistemas
Argentina para el período 1981-1999 y su relación con el uso de la tierra.
Para estudiar el impacto del uso de la tierra sobre el funcionamiento de los
ecosistemas de todo el territorio argentino se analizaron los cambios temporales en el IVN-
I y Ts prom. Se utilizó la misma serie de 18 años de imágenes PAL y se calcularon para ellas
el IVN-I y Tsprom para cada píxel y estación de crecimiento (de julio a junio). Se analizó la
Capítulo IV. Impactos del uso de la tierra. 72
tendencia temporal de esos valores promedio anuales para cada píxel, mediante la
correlación de cada variable espectral a lo largo de 18 estaciones de crecimiento (figura
4.1). El procesamiento de las 648 imágenes de cada índice espectral se realizó mediante
programas en lenguaje BASIC escritos específicamente para este análisis. La información
de la tendencia temporal fue resumida utilizando la pendiente de aquellos píxeles para los
cuales la correlación fue significativa y se promediaron a escala departamental.
De manera independiente, se analizó para el mismo período de tiempo y a escala
departamental, la ocupación de la tierra por cultivos anuales. Se utilizaron para tal fin las
estadísticas de las Estimaciones Agrícolas (SAGPYA 2000). Para analizar la tendencia
temporal de la ocupación de la tierra, se realizó la sumatoria de la superficie ocupada por
los principales cultivos anuales del país: maíz, trigo, soja, girasol, sorgo, lino, algodón,
Figura 4.1. Esquema del procesamiento de las imágenes NOAA/AHRR PAL de IVN y Ts para el analisis temporal de largo plazo. Los parámetros de la recta de regresión analizados fueron la pendiente (b) y su significancia (p).
Capítulo IV. Impactos del uso de la tierra. 73
mijo, centeno, cebada forrajera y cervecera, alpiste, arroz, poroto, maní y colza. Mediante
regresiones lineales se analizó la relación entre los cambios en el IVN-I y la Tsprom y los
cambios en las superficies cultivadas para los departamentos de los biomas con mayor
superficie agrícola.
Resultados
1.- Comparación entre áreas protegidas y áreas circundantes.
1.1- Variabilidad espacial
a. Dinámica estacional del Indice Verde Normalizado.
Las diferencias absolutas entre el valor integral del IVN (IVN-I) para las áreas
protegidas y para las áreas bajo uso agropecuario varió entre 0.2 y –0.2 (Figura 4.2a). Los
mayores aumentos en los valores absolutos de IVN-I se produjeron en las áreas vecinas a
Condorito y Leoncito y las mayores disminuciones en la de El Rey. En relación a los
valores de la vegetación original (IVN-Iagroec - IVN-Iproteg/IVN-Iproteg), los aumentos
representaron el 54 y 92% respectivamente. Las disminuciones relativas de mayor
magnitud se encontraron en El Rey e Iguazú (31 y 21% respectivamente). La comparación
de las diferencias observadas (Figura 4.2a, gráficos insertos) con las diferencias esperadas
por azar (50%>0; 50%<0) mostró que el uso de la tierra no modificó significativamente el
número de diferencias en el IVN-I mayores y menores a cero en el conjunto de las
comparaciones realizadas (÷ 2=0.34; p<0.55; n=46), ni en las comparaciones de baja
intensidad (÷ 2=0.125; p<0.72; n=32), ni de alta intensidad de uso (÷2=0.28; p<0.59; n=14).
Capítulo IV. Impactos del uso de la tierra. 74
-0 .75 -0 .50 -0 .25 0 .00 0 .25 0 .50 0 .75
SAnTor 1TorIguChaPilPalLLoOtaForRey 1ReyCopCal 1CalLNoPreLurLanConAleLiCNhuSQu 1SQuÑacTalLBlLeoPMo 1PMoSaGGla 1GlaBoP
Diferencia RRel
-0.2 -0.1 0 .0 0 .1 0 .2
SAnTor 1TorIguChaPilPalLLoOtaForRey 1ReyCopCal 1CalLNoPreLurLanConAleLiCNhuSQu 1SQuÑacTalLBlLeoPMo 1PMoSaGGla 1GlaBoP
Diferencia Vmin
-0.2 -0.1 0 .0 0 .1 0 .2
SAnTor 1TorIguChaPilPalLLoOtaForRey 1ReyCopCal 1CalLNoPreLurLanConAleLiCNhuSQu 1SQuÑacTalLBlLeoPMo 1PMoSaGGla 1GlaBoP
Diferencia IVN-I
-0.3 -0.2 -0.1 0.0 0.1 0.2 0.3
Diferencia Vmax
a b
c d
0
10
20
30
< 0 > 0Nº
de c
ompa
raci
ones
0
10
20
30
< 0 > 0Nº
de c
ompa
raci
ones
0
10
20
30
< 0 > 0Nº
de c
ompa
raci
ones
0
10
20
30
< 0 > 0Nº
de c
ompa
raci
ones
-0 .75 -0 .50 -0 .25 0 .00 0 .25 0 .50 0 .75
SAnTor 1TorIguChaPilPalLLoOtaForRey 1ReyCopCal 1CalLNoPreLurLanConAleLiCNhuSQu 1SQuÑacTalLBlLeoPMo 1PMoSaGGla 1GlaBoP
Diferencia RRel
-0.2 -0.1 0 .0 0 .1 0 .2
SAnTor 1TorIguChaPilPalLLoOtaForRey 1ReyCopCal 1CalLNoPreLurLanConAleLiCNhuSQu 1SQuÑacTalLBlLeoPMo 1PMoSaGGla 1GlaBoP
Diferencia Vmin
-0.2 -0.1 0 .0 0 .1 0 .2
SAnTor 1TorIguChaPilPalLLoOtaForRey 1ReyCopCal 1CalLNoPreLurLanConAleLiCNhuSQu 1SQuÑacTalLBlLeoPMo 1PMoSaGGla 1GlaBoP
Diferencia IVN-I
-0.3 -0.2 -0.1 0.0 0.1 0.2 0.3
Diferencia Vmax
a b
c d
0
10
20
30
< 0 > 0Nº
de c
ompa
raci
ones
0
10
20
30
< 0 > 0Nº
de c
ompa
raci
ones
0
10
20
30
< 0 > 0Nº
de c
ompa
raci
ones
0
10
20
30
< 0 > 0Nº
de c
ompa
raci
ones
Figura 4.2. Diferencias absolutas en los atributos de la curva del Indice de Vegetación Normalizado provocadas por cambios en el uso de la tierra (Valoragr oec - Valorproteg). a)
integral anual del Indice de Vegetación Normalizado (IVN-I). b) IVN Máximo (Vmax), c) IVN Mínimo (Vmin) y d) Rango Relativo (RRel). Las barras blancas repesentan las comparaciones de baja intensidad y las negras las de alta. Los gráf icos insertos muestran las
distribuciones de las diferencias absolutas (arriba) y relativas (abajo) para cada atributo. Ver tabla 4.1 para las siglas de las áreas protegidas.
Capítulo IV. Impactos del uso de la tierra. 75
El IVN-I de las áreas protegidas y bajo uso agropecuario y la precipitación media
anual (PMA) presentaron relaciones logarítmicas positivas (figura 4.3). Las regresiones
correspondientes a las áreas protegidas y a las áreas con uso de baja intensidad no fueron
significativamente diferentes (figura 4.3a, p>0.6). Para la comparación entre las áreas
protegidas y los agroecosistemas con uso intenso, las regresiones presentaron diferencias
significativas (figura 4.3b, p<0.1). El uso de la tierra más intenso disminuyó la pendiente
de la relación entre el IVN-I y la precipitación media de 0.428 a 0.248. Sin embargo, se
produjo un aumento en la ordenada al origen, por lo tanto aumentó el IVN-I en el extremo
seco y se mantuvo igual o disminuyó ligeramente en el extremo húmedo del gradiente.
a
b
1 10 100 10000.00
0.25
0.50
0.75
1.00
PMA (mm)
IVN
-I
1 10 100 10000.00
0.25
0.50
0.75
1.00
PMA (mm)
IVN
-I
Figura 4.3. Relación entre la integral anual del Indice de Vegetación Normalizado (IVN-I) y la
precipitación media anual (PMA). Los símbolos vacíos en ambas figuras representan las áreas protegidas y los negros a los agroecosistemas. a) Comparación de las rectas generadas por las áreas protegidas (IVN-I = 0.435 x log (PMA) -0.749; r2 = 0.686; p<0.0001) y agroecosistemas
con baja intensidad de uso (IVN-I = 0.399 x log (PMA)-0.648; r2 = 0.675; p<0.0001). b) Comparación de las rectas generadas por las áreas protegidas (IVN-I = 0.428 x log (PMA) -0.71; r2 = 0.852; p<0.0001) y sus respectivas agroecosistemas con alta intensidad de uso (IVN-I =
0.248 x log (PMA)-0.184; r2 = 0.606; p<0.01).
Capítulo IV. Impactos del uso de la tierra. 76
Las diferencias absolutas entre el IVN-I de las áreas protegidas y de los
agroecosistemas (IVN-Iproteg-IVN-Iagroec, figura 4.4) presentaron una relación significativa
con la precipitación media anual para los sitios de baja (r2=0.17, p=0.018; n=32) y alta
intensidad de uso (r2=0.427, p=0.011; n=14). El cambio relativo en el IVN-I (IVN-Iagroec -
IVN-Iproteg/IVN-Iproteg) varió a lo largo del gradiente de precipitación. Los cambios relativos
en el IVN-I estuvieron negativamente relacionados con PMA (tabla 4.2; b= -0.00047; r2=
0.49; n=14; p<0.01) . Es decir, que el uso de la tierra más intenso a lo largo del gradiente de
precipitación disminuye la diferencia del IVN-I entre áreas protegidas y agroecosistemas
en un 4.9% por cada 100 mm de precipitación media. Para las áreas con menor intensidad
de uso, la relación entre el cambio relativo en el IVN-I y la PMA fue marginalmente
significativa (b= -0.0001; r2= 0.19; n = 32; p = 0.107).
El IVN-I presentó una relación positiva con TMA para las áreas protegidas y para
los agroecosistemas (r2 >0.28; p< 0.05). Los coeficientes de las regresiones no presentaron
diferencias significativas entre las áreas protegidas y las áreas de baja (p>0.9) y de alta
intensidad (p>0.6). Las diferencias en el IVN-I producidas por el uso de la tierra no
tuvieron relación con el gradiente de temperatura (tabla 4.2).
500 1500
-0.25
0.00
0.25
PMADife
renc
ia IV
N-I
Figura 4.4. Relación entre las diferencias absolutas en el IVN-I y la precipitación media anual. Los cuadrados vacíos muestran las diferencias en las comparaciones de baja intensidad de uso (Dif IVN-I= 0.0302-0.000038 x PMA (mm); r²=0.17; F=6.165; p=0.018) y los triángulos negros muestran las correspondientes a las de alta intensidad (Dif IVN-I= 0.1365-0.00015 x PMA (mm); r²=0.427; F=8.945; p=0.0113).
Capítulo IV. Impactos del uso de la tierra. 77
Los valores extremos de IVN también fueron modificados por el uso de la tierra.
Los mayores aumentos de los valores máximos (Vmax) ocurrieron en Leo y las mayores
disminuciones en Calilegua y El Rey (figura 4.2b). El uso de la tierra no modificó
significativamente el número de diferencias en Vmax entre áreas usadas y protegidas
respecto a lo esperado por azar (n=35; ÷2 = 0.35; p>0.5). Los valores mínimos (Vmin)
tuvieron sus mayores aumentos por uso en las vecindaes de El Palmar y Condorito y sus
mayores disminuciones en Iguazú y Predelta (figura 4.2c). Regionalmente, las diferencias
de Vmin fueron diferentes a lo esperado por azar (n=45; ÷ 2 = 3.75; p<0.05)
Tabla 4.2. Relaciones entre las diferencias relativas producidas por usos de la tierra de baja y alta intensidad sobre los atributos de la curva de índice vegetación normalizado (IVN) a lo largo de los gradientes de precipitación (PMA) y temperatura (TMA) medias. Las diferencias relativas
para cada atributo fueron calculadas como (AtributoIVNagroec-AtributoIVNproteg) / Atributo IVNproteg. Indice Vegetación Promedio (IVN-I), Máximo IVN (Vmax), Mínimo IVN (Vmin), Rango Relativo (RRel) y Fecha del Máximo (Dmax). En negrita se muestran las regresiones
lineales significativas (p<0.05). r2 es el coeficiente de correlación, b es la pendiente de la recta y p el nivel de significancia.
Intensidad Gradiente IVN-I Vmax Vmin RRel Dmax Baja PMA r2 0.198 0.140 0.015 0.0001 0.0001 b -0.00011 -0.0001 -0.0001 0.0000061 0.000038 p 0.010 0.034 0.494 0.952 0.941 Alta PMA r2 0.488 0.486 0.037 0.220 0.334 b -0.00047 -0.0005 -0.00013 -0.00048 0.00071 p 0.007 0.008 0.524 0.105 0.038 Baja TMA r2 0.035 0.023 0.007 0.055 0.103 b -0.003 -0.003 0.007 -0.440 -0.151 p 0.247 0.346 0.604 0.149 0.046 Alta TMA r2 0.114 0.085 0.022 0.066 0.098 b -0.042 -0.045 -0.019 -0.046 0.066 p 0.155 0.224 0.541 0.288 0.191
Los cambios en el IVN-I en las áreas de uso de la tierra más intenso se asociaron a
por los cambios en Vmax y Vmin. Las diferencias en los Vmax explicaron más del 70%
del cambio en el IVN-I mientras que los cambios en Vmin explicaron el 35% y el 50%
para las áreas de uso menos intenso y más intenso respectivamente. Los cambios relativos
en Vmax debidos al uso de la tierra correlacionaron negativamente con PMA a escala
Capítulo IV. Impactos del uso de la tierra. 78
regional (tabla 4.2). Es decir, los cambios en el uso de la tierra aumentaron el valor
máximo de IVN en las áreas más secas y lo disminuyeron en las áreas más húmedas.
La estacionalidad de la absorción de radiación estimada a partir del Rango Relativo
(RRel), fue modificada por el uso de la tierra de baja intensidad (figura 4.2d; n=32; ÷2 =
4.5; p=0.033). La diferencias absolutas en el RRel fueron de hasta 0.4 en El Leoncito y
disminuciones de hasta –0.75 en Predelta. Las diferencias de alta intensidad no fueron
regionalmente diferentes a lo esperado por el azar (÷2 = 1.14; p=0.28; n=14). Estas
diferencias no presentaron relación con gradientes ambientales de precipitación y
temperatura (tabla 4.2).
0.2
0.4
0.6
0.8
1
1.2
1.4
0 0.2 0.4 0.6 0.8IVN-I
RR
el
SGu
Leo
PMo
ReyPal
Igu
SAnCha
Con
Lur
a
b
c
d
a b
0.2
0.4
0.6
0.8
1
1.2
1.4
0 0.2 0.4 0.6 0.8IVN-I
RR
el
SGu
Leo
PMo
ReyPal
Igu
SAnCha
Con
Lur
a
b
c
d
0.2
0.4
0.6
0.8
1
1.2
1.4
0 0.2 0.4 0.6 0.8IVN-I
RR
el
SGu
Leo
PMo
ReyPal
Igu
SAnCha
Con
Lur
0.2
0.4
0.6
0.8
1
1.2
1.4
0 0.2 0.4 0.6 0.8IVN-I
RR
el
SGu
Leo
PMo
ReyPal
Igu
SAnCha
Con
Lur
a
b
c
d
a b
Figura 4.5. Trayectorias en el plano del IVN -I y el RRel provocadas por el uso de la tierra en diferentes biomas de Argentina. a) Trayectorias derivadas de la comparación entre áreas protegidas y áreas vecinas. b) Agrupamiento de los diferentes tipos de respuestas. Los círculos grandes representan la ubicación del área protegida correspondiente (comienzo de la trayectoria) y los símbolos pequeños muestran el ambiente similar bajo el uso actual (fin de la trayectoria). Representa la trayectoria de mayor intensidad de uso (agricultura) y representa trayectorias de menor intensidad (pastoreo y extracción de madera).
Capítulo IV. Impactos del uso de la tierra. 79
La fecha del máximo IVN (Dmax) fue modificada por el uso de la tierra
produciendo adelantos de hasta cuatro meses o atrasos de hasta tres meses con respecto a la
del área protegida correspondiente (datos no presentados). El mayor adelanto en Dmax se
produjo por el uso de la tierra en los alrededores de Iguazú. A escala regional las
diferencias en Dmax de las comparaciones entre áreas protegidas y agroecosistemas no
presentaron diferencias respecto a lo esperado por azar (baja intensidad ÷2 = 0.13; p=0.7;
alta intensidad (÷2 = 0; p= 1). Los cambios en la fecha del máximo IVN en los casos de
uso de baja intensidad presentaron una débil relación negativa con la temperatura (r=-0.32;
b=-0.151; p<0.05) y los de alta intensidad una relación negativa con la precipitación (r=-
0.57; b=-0.00071; p<0.05).
Los cambios en el uso de la tierra modificaron la dinámica estacional de la
absorción de radiación aumentando o disminuyendo el IVN-I y el RRel. El tipo de cambio
varía entre biomas. Las diferentes respuestas de los sitios considerados definen distintas
trayectorias en el espacio del IVN -I y de su estacionalidad (figura 4.5). Estas respuestas se
sintetizan en cuatro casos. El primero (a) corresponde a aumento del IVN -I y del RRel y
está representado en nuestro país por el reemplazo de estepas arbustivas y graminosas por
agricultura bajo riego (por ejemplo, PP.NN. San Guillermo, Talampaya y El Leoncito). En
el segundo caso (b), aumenta el IVN -I y disminuye de estacionalidad (RRel), este es el
caso de la conversión de pastizales en bosques (por ejemplo, PP.NN. Quebrada del
Condorito y El Palmar). Las disminuciones del IVN-I con aumentos en el RRel (caso c)
tienen lugar cuando se reemplazan selvas y bosques (subtropicales húmedos o templados
secos) por agricultura de secano (por ejemplo PP.NN. El Rey, Iguazú y Luro). El cuarto
grupo (d), disminución del IVN-I y disminución de RRel representan los cambios menos
frecuentes en este análisis. Trayectorias con estas características se produjeron al
reemplazar bosques subtropicales húmedos por agricultura de secano (por ejemplo, P.N.
Chaco).
b. Dinámica estacional de la Temperatura superficial
El uso de la tierra modifica la temperatura superficial. La temperatura superficial
promedio (Tsprom) aumenta o disminuye entre 9 y 3 °C respectivamente con respecto a las
Capítulo IV. Impactos del uso de la tierra. 80
áreas protegidas por efecto del uso de la tierra (figura 4.6). Estos valores significan
cambios relativos de entre el 33 y el 11% con respecto al área protegida. Para el conjunto
de las comparaciones, las diferencias de Tsprom entre áreas protegidas y agroecosistemas
fue significativamente diferente a lo esperado por azar (÷2=3.59; p<0.057; n=47), al igual
que para las comparaciones de alta intensidad (÷2=5.4; p<0.02; n=15). Para las
comparaciones de baja intensidad de uso no se encontraron diferencias respecto a lo
esperado por azar (÷2=0.5; p<0.47; n=32) . Las diferencias entre las áreas protegidas y las
áreas bajo uso agropecuario de los restantes atributos de la temperatura superficial (Tsmax,
Tsmin y Tsrrel ) no presentaron diferencias significativas respecto a lo esperado por el azar en
cuanto a la cantidad de observaciones mayores y menores a cero (p>0.1).
Capítulo IV. Impactos del uso de la tierra. 81
-10 -8 -6 -4 -2 0 2 4 6 8 10
SAnTor 1TorIguChaPilPalLLo
OtaForRey 1ReyCopCal 1Ca lLNoPreLurLanConAleLiCNhuSQu 1SQuÑacTalLBlLeoPMo 1PMoSaGGla 1GlaBoP
Di ferenc ia Tsavg
-12 -10 -8 -6 -4 -2 0 2 4 6 8 10 12
SAnTor 1TorIguChaPilPa lLLo
OtaForRey 1ReyCopCal 1CalLNoPreLurLanConAleLiCNhuSQu 1S Q uÑacTalLB lLeoPMo 1PMoS a GGla 1GlaBoP
Di ferenc ia Tsmin
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Di ferenc ia Tsrrel
-12 -10 -8 -6 -4 -2 0 2 4 6 8 10 12
Di ferenc ia Tsmax
0
1 0
2 0
3 0
- 8 - 4 0 4 8
Nº
de
co
mp
ara
cio
ne
s
0
10
20
30
-8 -4 0 4 8
Nº
de
co
mp
ara
cio
ne
s
0
10
20
30
-8 -4 0 4 8
Nº
de
co
mp
ara
cio
ne
s0
1 0
2 0
3 0
-1,2 -0,6 0 0,6 1,2
Nº
de
co
mp
ara
cio
ne
s
0
10
20
30
-0,6 -0,4 0 0,4 0,6
Nº
de
co
mp
ara
cio
ne
s
0
10
20
30
-0,6 -0,4 0 0,4 0 ,6
Nº
de
co
mp
ara
cio
ne
s
0
1 0
2 0
3 0
-0,6 -0,4 0 0,4 0,6
Nº
de
co
mp
ara
cio
ne
s
0
1 0
2 0
3 0
-0 ,6 -0 ,4 0 0,4 0,6
Nº
de
co
mp
ara
cio
ne
s
c d
ba
Figura 4.6. Diferencias absolutas en los atributos de la curva de la Temperatura Superficial provocadas por cambios en el uso de la tierra (Valoragroec - Valor proteg). a) Temperatura superficial promedio (Tsprom). b) Ts Máxima (Tsmax), c) Ts Mínima (Tsmin) y d) Rango Relativo (TsRRel). Las barras blancas representan las comparaciones de baja intensidad y las negras las de alta. Los gráficos insertos muestran las distribuciones de las diferencias absolutas (arriba) y relativas (abajo) para cada atributo. Ver tabla 4.1 para las siglas de las áreas protegidas.
Capítulo IV. Impactos del uso de la tierra. 82
Los valores extremos de la temperatura superficial presentaron diferencias entre las
áreas protegidas y las áreas bajo uso agropecuario. Las diferencias en la temperatura
superficial mínima (Tsmin) fue máxima en Lanín (9 °C) y mínima en Los Glaciares (-12°C).
Para la temperatura superficial máxima (Tsmax), las diferencias extremas fueron de
aumentos de 10°C en El Rey y disminuciones de 8°C en Tornquist. Las diferencias entre
las áreas protegidas y las áreas bajo uso agropecuario de los atributos de la temperatura
superficial (Tsmax, Tsmin y Tsrrel ) no presentaron diferencias significativas respecto a lo
esperado por el azar en cuanto a la cantidad de observaciones mayores y menores a cero
(p>0.1).
Las diferencias absolutas en los atributos de Ts a escala regional no correlacionaron
significativamente con la precipitación y temperatura medias (p>0.11). Tanto para las
comparaciones de baja como de alta intensidad no se observaron relaciones significativas a
lo largo de los dos gradientes. Las diferencias relativas no presentaron relaciones
significativas a lo largo de ninguno de los dos gradientes (Tabla 4.3).
Tabla 4.3. Relaciones entre las diferencias relativas producidas por usos de la tierra de baja y alta intensidad sobre los atributos de la curva de temperatura superficial (Ts) a lo largo de los
gradientes de precipitación (PMA) y temperatura (TMA) medias. Las diferencias relativas para cada atributo fueron calculadas como (AtributoTsagroec-AtributoTsproteg) / Atributo Tsproteg. Temperatura superficial Promedio (Tsavg), Máximo Ts (Tsmax), Mínimo Ts (Tsmin) y Rango
Relativo (TsRRel). r2 es el coeficiente de correlación, b es la pendiente de la recta y p el nivel de
significancia. Intensidad Gradiente Tsprom Tsmax Tsmin TsRRel Baja PMA r2 0.001 0.01 0.066 0.015 b 0 0 0 0 p 0.85 0.58 0.16 0.51 Alta PMA r2 0.006 0 0.008 0.001 b 0 0 0 0 p 0.78 0.92 0.75 0.91 Baja TMA r2 0.097 0.06 0.03 0.001 b -0.007 -0.006 -0.03 -0.001 p 0.093 0.18 0.29 0.84 Alta TMA r2 0.06 0.45 0.13 0.0 b 0.004 0.004 -0.022 0.0001 p 0.38 0.46 0.18 0.98
Capítulo IV. Impactos del uso de la tierra. 83
Hasta aquí se han descrito los resultados de las comparaciones entre áreas
protegidas y agroecosistemas para una estación de crecimiento (punto 1.1 y 1.2). Los
resultados obtenidos en la comparación regional de áreas protegidas y las áreas de uso de
alta intensidad muestran diferencias en IVN -I y en Tsprom. Estas diferencias presentaron
una correlación negativa (r=-0.65, n=15, p = 0.01), o sea que disminuciones en el IVN-I se
relacionan con aumentos en Tsprom. A pesar de esta relación negativa a escala regional, los
resultados muestran que existe una gran diversidad de cambios en los índices espectrales
estudiados (IVN y Ts) provocadas por el uso de la tierra. El aumento en una de las
variables espectrales no siempre significa una disminución en la otra. Los principales
impactos del uso de la tierra pueden ser resumidos mediante las trayectorias de los
promedios de ambos índices espectrales. Los cambios fuera del P.N. Perito Moreno fueron
de magnitud pequeña tanto en IVN-I como en Tsprom (figura 4.7), mientras que en San
Guillermo se detectaron cambios de gran magnitud, con aumentos del IVN-I o de Tsprom
según el uso de la tierra. En Condorito, el aumento en IVN-I acompaña al de Tsprom. En
biomas subtropicales (Chaco y Selva Paranaense) la agricultura disminuyó el IVN-I
conjuntamente con un aumento de la temperatura de hasta 9°C.
5
10
15
20
25
30
35
0.0 0.2 0.4 0.6 0.8IVN-I
Ts
(°C
) SGu
ChaLeo
PMo
Pal Igu
Cal
Con
Lur
5
10
15
20
25
30
35
0.0 0.2 0.4 0.6 0.8IVN-I
Ts
(°C
) SGu
ChaLeo
PMo
Pal Igu
Cal
Con
Lur
Figura 4.7. Trayectorias en el espacio IVN-I - Tsprom producidas por el uso de la tierra
derivadas de datos NOAA/AVHRR LAC (1992-93) para un subconjunto de nueve áreas protegidas y sus respectivos agroecosistemas. Los puntos negros muestran el comienzo de la trayectoria (vegetación potencial u original) y los círculos el estado
actual del agroecosistema. Ver tabla 1 para los códigos de las áreas protegidas y el número de píxeles considerados en cada situación.
Capítulo IV. Impactos del uso de la tierra. 84
1.2- Variabilidad temporal
La variabilidad interanual del IVN-I, derivada de las imágenes NOAA/AVHRR
PAL para el período 1981-1999, para un subconjunto de las áreas protegidas (Iguazú,
Copo, Pilcomayo, Leoncito y N.Huapi) fue diferente a la de los respectivos
agroecosistemas que las reemplaza. En este caso solo se analizaron cinco áreas debido a
que la resolución espacial de las imágenes satelitales disponibles para el período 1981-99
(8 km) sólo permite la inclusión de áreas extensas (ver capítulo III) y por otro lado, muchas
de esas áreas se encuentran ubicadas en sitios en los que la identificación de
agroecosistemas de extensión y características ambientales similares no resultó posible. En
los sistemas que originalmente presentaba menor variabilidad, el uso de la tierra aumentó
el coeficiente de variación. Lo contrario ocurrió en sitios con alta variabilidad (Figura 4.8).
La recta de regresión ajustada para los coeficientes de variación del IVN-I de las áreas
protegidas y los agroecosistemas (figura 4.8; r2 = 0.92; b=0.55; p<0.01) fue diferente a la
recta 1:1, presentando una pendiente significativamente menor (p<0.0001). El análisis de la
variabilidad interanual se presenta solamente para el IVN-I.
2.- Análisis de los cambios en el funcionamiento de los ecosistemas para el
período 1981-1999 y su relación con el uso de la tierra.
Analizando la totalidad del territorio, no solamente las áreas protegidas, se
observan tendencias positivas o negativas en el IVN-I a lo largo del período analizado. La
0 4 8 120
4
8
12
Cv IVN-I parques
Cv
IVN
-I a
groe
cosi
stem
as
Figura 4.8. Variabilidad interanual para el período 1981-1999. Relación entre los coeficientes de variación del IVN-I en áreas protegidas y en agroecosistemas (r2 = 0.92; b=0.55; n=5; p<0.01).
Capítulo IV. Impactos del uso de la tierra. 85
pendiente de la relación entre IVN-I y el año resume la tendencia de la absorción de
radiación a lo largo de dos décadas. En las provincias de Salta, Chaco y Santiago del
Estero se presentaron extensas áreas con disminuciones en el IVN-I. Estás áreas
presentaron un patrón con alta densidad de píxeles con disminuciones, mientras que en
Santa Cruz las áreas con disminuciones presentaron un patrón de menor densidad. En la
Patagonia, en la Pampa Interior y en áreas de menor extensión del Delta del Paraná, de las
provincias de Santiago del Estero y Córdoba se presentaron las áreas más extensas con
aumentos de IVN-I (figura 4.9a). Estos patrones estuvieron asociados en algunos casos a
límites políticos o biogeográficos. El límite entre Argentina (Provincia de Misiones) y
Paraguay divide una zona sin tendencia en el IVN-I de otra con tendencia negativa (figura
4.9a). En la Pampa Interior, los píxeles con cambios positivos limitan hacia el sur con el
arroyo Vallimanca (límite con la Pampa Deprimida) y hacia el noreste con el río Salado
(límite con la Pampa Ondulada). En la Patagonia, el área con cambios positivos en el IVN-
I se limita a la zona de los bosques templados. Los cambios en el IVN-I en todo el país
tuvieron una distribución bimodal, presentando un pico de frecuencia máximo en 0.0032
año-1 y uno mínimo en –0.0032 año-1 (figura 4.10). Solamente una de las trece áreas
protegidas analizadas en el Capítulo III (P.N. Nahuel Huapi) presentó una leve tendencia
temporal positiva en el IVN-I para el mismo período (b= 0.005 ; p= 0.039; r2 =0.269).
Areas que a priori no deberían variar, ya que en ellas no se registra actividad fotosintética,
tampoco mostraron una tendencia en el IVN-I (por ejemplo, los hielos continentales en
Santa Cruz).
La tendencia temporal de Ts prom mostró patrones diferentes a los del IVN-I (figura
4.9a). Se presentaron casi unicamente aumentos significativos de Tsprom y presentaron
patrones más débilmente asociados a divisiones políticas o de biomas. Para el área
estudiada, la distribución de frecuencias de las pendientes de un muestreo de los píxeles
incluidos en el área de estudio mostró un máximo en 0.2 ºC.año -1 (figura 4.10). La Tsprom
mostró aumentos en casi un 30% de la superficie. El área con disminuciones en Tsprom fue
prácticamente nula.
Capítulo IV. Impactos del uso de la tierra. 86
-0.10 -0.05 0.00 0.05 0.10 0.15
JuySal
For
ChaCat
Sgo
MisTuc
CorLRi
SFeSJu
Cba.
ERSLu
MzaBA
LPa
NqnRNe
Chu
SCr
TdF
0.00 0.05 0.10 0.15 0.20
JuySal
For
Cha
CatSgo
Mis
TucCor
LRi
SFe
SJuCba.
E R
SLu
MzaB A
LPa
NqnRNe
Chu
SCr
TdF
Pendiente en IVN-I Pendiente en Tsprom
b
a c
d
°C.año-1año-1-0.10 -0.05 0.00 0.05 0.10 0.15
JuySal
For
ChaCat
Sgo
MisTuc
CorLRi
SFeSJu
Cba.
ERSLu
MzaBA
LPa
NqnRNe
Chu
SCr
TdF
0.00 0.05 0.10 0.15 0.20
JuySal
For
Cha
CatSgo
Mis
TucCor
LRi
SFe
SJuCba.
E R
SLu
MzaB A
LPa
NqnRNe
Chu
SCr
TdF
Pendiente en IVN-I Pendiente en Tsprom
b
a c
d
°C.año-1año-1
Figura 4.9. Cambios en IVN-I y en Tsprom en Argentina y zonas limítrofes. Distribución regional de los cambios para el período 1981-1999 del IVN-I (a) y Tsprom (c). Los tonos de azul muestran aumentos en los índices espectrales y en rojo las disminuciones. En ambos casos se muestran los píxeles con significancia mayor al 95%. Pendiente promedio para las veintitrés provincias argentinas en IVN-I (b) y Tsprom (d).
Capítulo IV. Impactos del uso de la tierra. 87
A escala provincial existieron diferencias en cuanto a las tendencias en las dos
variables espectrales. Ocho de las provincias argentinas presentaron, en promedio,
disminuciones en el IVN-I durante las dos últimas décadas y quince de ellas mostraron
aumentos (figura 4.9b). La magnitud de los cambios fue máxima en Córdoba, con un
aumento promedio de 0.11.año-1 y mínima en Salta y Chaco con disminuciones promedio
de 0.8 y 0.7 año-1 respectivamente. Para Ts prom, la totalidad de las provincias presentó
aumentos. Neuquén fue la provincia que presentó el mayor aumento en Tsprom (0.16
°C.año-1) y Tierra del Fuego el menor (0.002 °C.año-1). A escala provincial no hubo
correlación entre las tendencias de ambas variables y a escala departamental la asociación
fue débil sólo en áreas correspondientes a Bosques Subtropicales de las provincias de
Salta, Chaco y Santiago del Estero (r=-0.21; n=67)
El uso de la tierra explicó los cambios del IVN-I durante las últimas dos décadas en
algunos de los biomas. En los Bosques Subtropicales, la relación entre la pendiente del
cambio en el uso de la tierra y el cambio en el IVN-I para el período 1981-1999 a escala
departamental fue negativa (Figura 4.11). El aumento del área cultivada con especies
anuales durante los últimos veinte años, principalmente soja, explicó un 37% de la
disminución en el IVN-I (r2=0.368; F=41.97; p<0.0001; n=74) pero no explicó los
aumentos en Ts prom ( r2=0.09; n=74). En los pastizales pampeanos, los aumentos en el IVN-
I en ocurrieron en departamentos en los que el área cultivada aumentó durante el periodo
0
3
6
9
12
15
18
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Frec
uenc
ia (%
)
-0.0
08
-0.0
064
-0.0
048
-0.0
032
-0.0
016
0 0.00
16
0.00
32
0.00
48
0.00
64
0.00
8
Pendiente en Tsprom. [ºC.año-1]
Pendiente en IVN-I. [año-1]
Figura 4.10. Distribución de las pendientes significativas (p<0.05) de los cambios en el IVN-I y en Tsprom durante los años 1981-99 para América del Sur (Sur del Paralelo 20° S.).
¢
£
Capítulo IV. Impactos del uso de la tierra. 88
1981-2000. El aumento promedio en departamentos con tendencia negativa en la
expansión agrícola fue de 0.031 %.año-1 (Error estándar = 0.0074, n=68) y 0.069 %.año-1
(Error estándar = 0.0087, n=93) en departamentos con tendencia positiva. Estos resultados
sugieren que el uso de la tierra puede tener diferentes efectos sobre la productividad
dependiendo del bioma reemplazado y el tipo de cultivo implantado.
Discusión
El uso de la tierra puede provocar cambios en el intercambio de materia y energía
entre la vegetación y la atmósfera tanto en su magnitud como en su dinámica estacional. El
signo y la magnitud de esos cambios son variables según la vegetación potencial
reemplazada, el uso actual de la tierra y las precipitaciones medias. Las principales causas
de modificación del IVN-I se asocian a la inclusió n del riego y al reemplazo de tipos
funcionales (árboles por anuales y gramíneas por árboles). El riego, que normalmente se
asocia al reemplazo de la vegetación original, aumentó los valores máximos de IVN en
áreas secas. Los valores mínimos de IVN aumenta ron únicamente donde se reemplazó al
pastizal por forestación. En este caso, la inclusión de especies de hoja perenne modifica la
dinámica estacional de IVN.
La reducción de los valores absolutos del IVN-I en las áreas más húmedas y el
aumento en las más secas muestran que las ganancias de carbono del ecosistema tenderían
3
-0.4
-0.2
0.2
0.4
3
-0.4
-0.2
0.2
0.4
Cambio en el uso %
Cam
bio
en I
VN
-I %
Figura 4.11. Relación entre las pendientes del cambio en el IVN-I y en el uso de la tierra en los Bosques subtropicales de Argentina a lo largo del período 1981-99.
Capítulo IV. Impactos del uso de la tierra. 89
a homogeneizarse a lo largo del gradiente de precipitación como resultado del uso de la
tierra (figura 4.3). La disminución del IVN-I provocada por agricultura en áreas húmedas
se relaciona principalmente por la reducción de los valores mínimos, debido a que durante
un período del año (invierno) la cobertura de los cultivos es nula o muy baja (barbecho).
La alta tasa de expansión foliar de los cultivos anuales produce valores de IVN simila res a
los máximos de la vegetación natural durante un período del año (figura 4.2b). Este patrón
es común a todos los reemplazos de bosques por cultivos.
En las áreas intermedias del gradiente ambiental estudiado los cambios en el uso de
la tierra no provocaron en general cambios importantes en el IVN-I. Estos resultados
concuerdan con estudios previos (Paruelo et al. 2001, Guerschman et al. 2003) que
mostraron que para las pastizales ubicados en esta porción del gradiente analizado (700-
1100 mm) la agricultura no modificó el IVN-I. Solamente la plantación de árboles en
pastizales aumentó el IVN -I, acordando con resultados previos (Garbulsky et al. 2002).
La correlación negativa entre las diferencias en IVN-I y en Tsprom a escala regional
entre áreas protegidas y sus ecosistemas de reemplazo, muestra que el uso de la tierra
puede modificar el balance de energía. La reducción del IVN-I en los agroecosistemas
estaría relacionada con una disminución del área foliar transpirante, un aumento del
drenaje y/o percolación profunda y por lo tanto una reducción del calor latente total por
una reducción en el agua evapotranspirada por la vegetación. Esta reducción en el calor
latente produciría un aumento en el calor sensible. Los cambios en el IVN -I podrían estar
asociados también a cambios en la rugosidad, profundidad de raíces y comportamiento
estomático, sin embargo los datos presentados no permitirían hipotetizar acerca de esos
aspectos. Este tipo de alteraciones en la cobertura de la tierra y los consecuentes cambios
en el balance de energía de la superficie terrestre, pueden producir impactos en un área
mayor a la alterada. Los cambios producidos en el uso de la tierra influencian el clima a
escala regional en Colorado, EE.UU. (Stolghren et al. 1998). Esas evidencias muestran que
cambios en el uso de la tierra disminuyen el establecimiento de árboles y aumentan el
caudal de arroyos en áreas protegidas vecinas debido a una disminución de la temperatura
de verano.
Capítulo IV. Impactos del uso de la tierra. 90
Durante los últimos 20 años tuvieron lugar cambios en el IVN-I y en la temperatura
superficial asociados parcialmente al uso de la tierra. El IVN -I decreció al reemplazar
bosques por cultivos anuales, tal como se vio en la comparación con las áreas protegidas
(Figura 4.2). Este fue el impacto del uso de la tierra sobre la absorción de radiación de
mayor magnitud detectado en el país. La temperatura superficial tuvo un aumento
generalizado para toda el área (figura 4.9c y d). De estos resultados se derivan aumentos de
0.06 °C.año-1 promedio para todo el país durante los últimos veinte años. Estudios previos
mostraron que la temperatura del aire aumentaría en magnitudes similares en América del
Sur al reemplazarse sabanas por cultivos (Hoffmann y Jackson 2000). En este capítulo se
mostró que aunque existe un a umento de la temperatura superficial durante las últimas dos
décadas, ese aumento no estaría producido solamente por el cambio en el uso de la tierra.
(figura 4.9). En efecto, áreas que no han sufrido transformaciones intensas como los
bosque templados patagónicos, también experimentaron un calentamiento superficial. Dos
factores al menos, se suman para explicar esta tendencia. Por un lado el generalizado
aumento de la temperatura atmosférica a nivel global (Villalba et al. 2003) y por el otro,
cambios en la dinámica del agua que afectarían el balance de energía y la partición entre
calor latente y sensible y por lo tanto, la temperatura superficial. El cambio en el uso del
suelo afectaría fundamentalmente a este último factor.
Mis resultados muestran un cambio en la fracción de la radiación
fotosintéticamente activa absorbida por la vegetación (figura 4.2). Las diferencias
absolutas encontradas en el IVN-I en las comparaciones entre áreas protegidas y
agroecosistemas sugieren cambios en la productividad primaria, suponiendo reemplazos
por especies vegetales de similar eficiencia en el uso de la radiación (ε) (Paruelo et al. en
prensa). Considerando además que el uso de la tierra modifica no solamente la cantidad de
radiación absorbida (reflejada en los cambios en el IVN-I) sino también la eficiencia en el
uso de la radiación (ε), la magnitud y aún el signo de las diferencias podrían ser diferentes
al de los cambios en el IVN. La literatura acerca de valores de ε de la vegetación natural y
cultivada muestra va lores contradictorios (Ruimy et al 1994, Field et al 1995, Gower et al
1999, Saugier et al. 2001). La mayor parte de los conocimientos acerca de los valores ε de
cultivos provienen de experimentos en donde se minimiza el efecto del stress hídrico y
nutricional mediante riego y fertilización. Por lo tanto las estimaciones del impacto del uso
Capítulo IV. Impactos del uso de la tierra. 91
de la tierra sobre la productividad primaria son más difíciles de realizar cuando existen
reemplazos de grupos funcionales que difieren en ε . Por otro lado, la diferente partición
entre productividad área y subterránea y la falta de datos sobre la productividad de raíces
estaría dificultando más aún las estimaciones de productividad primaria neta total.
Dada las incertidumbres planteadas en el párrafo anterior, se presentan a
continuación escenarios acerca de los posibles impactos del cambio en el uso de la tierra
sobre la eficiencia en el uso de la radiación (ε) y sobre la productividad primaria neta aérea
(PPNA). Para ello se convirtió el valor de IVN-I en la fracción de la radiación
fotosintéticamente activa absorbida por la vegetación (fRFAA) para ocho pares área
protegida -agroecosistema de los analizados en este capítulo (tabla 4.4) . Se calculó la
radiación fotosintéticamente activa absorbida por la vegetación (RFAA) a partir del
producto fRFAAxRFA, donde RFA es la radiación fotosintéticamente activa incidente
calculada a partir de datos de estaciones meteorológicas (FAO 1985). La PPNA de cada
área protegida fue calculada como PPNA nat = εnat x fRFAAnat x RFA (Monteith 1977),
donde el subindice nat indica la variable correspondiente al área protegida. El valor ε de
indiferencia (εindif) fue definido como el valor necesario para igualar la PPNA de los
agroecosistemas a la del área protegida correspondiente, es decir ε indif =
PPNAnat /RFAAagroec. Asumiendo que los valores de ε de los cultivos mayores a los de la
vegetación natural podrían ocurrir sólo en condiciones donde los cultivos no sufren estrés
hídrico o nutricional (Ruimy et al. 1994), podemos definir la relación ε indif/εnat como un
indicador de las zonas en donde el uso de la tierra aumentaría o disminuiría la PPNA. Los
valores de la relación εindif/εnat mayores a 1 muestran que para equiparar a la PPNA del área
protegida correspondiente, la vegetación implantada de bería ser más eficiente en la
conversión de radiación en materia seca. Por el contrario, los valores inferiores a 1
muestran que los cultivos pueden mantenerse igualmente productivos que el área protegida
aún con valores de ε menores. De los ocho pares presentados, tres de ellos presentaron
valores de la relación εindif/εnat menores a 1 y ocurrieron en las Talampaya, El Leoncito y
Queb. del Condorito. En cuatro situaciones (Iguazú, Calilegua, Chaco y Luro) los valores
de la relación εindif/εnat fueron mayores a 1. Dadas las reducciones en fRFAA y RFAA
observadas, los cambios necesarios en ε para compensar esas variaciones deberían ser de
Capítulo IV. Impactos del uso de la tierra. 92
signo contrario al que las evidencias disponibles en la literatura indican y de una magnitud
poco plausible. Como conclusión, se puede decir que el uso de la tierra aumentaría la
PPNA en tres de las áreas analizadas (tabla 4.4) , mientras que en cuatro la reduciría. Sólo
en Nahuel Huapi el uso de la tierra no estaría afectando la PPNA.
Tabla 4.4. Estimación del impacto del uso de la tierra sobre la eficiencia en el uso de la radiación y en la productividad primaria neta aérea (PPNA) en diferentes biomas de Argentina. RFA es la Radiación fotosintéticamente activa, fRFAA es la fracción de la radiación fotosintéticamente activa absorbida por la vegetación calculada a partir de datos satelitales y RFAA es la radiación fotosintéticamente activa absorbida por la vegetación. Los valores eficiencia en el uso de la radiación para los diferentes biomas (εnat) se obtuvieron de Ruimy et al. (1994). La valor de eficiencia en el uso de la radiación de indiferencia (εindif) indica la eficiencia con la que cada agroecosistema debería tomar para igualar la PPNA del correspondiente área protegida. Ver tabla 4.1 por los códigos de las áreas protegidas. Las unidades de cada variable son: 1[MJ.m -2.año- 1], 2[g MS.MJ-1], 3[g MS.m- 2.año-1]
Area Protegida Agroecosistema εindif 2
Relación εnat/ε indif
Bioma original RFA1 Area fRFAA RFAA1 εnat
2 PPNA3 fRFAA RFAA1
Bosque subtr. húm. 2920 Igu 0.811 2369 0.56 1327 0.622 1816 0.73 1.3
Bosque subtr. seco 3031 Cha 0.633 1920 0.56 1075 0.579 1755 0.61 1.1
Selva 2801 Cal 0.708 1982 0.56 1110 0.599 1678 0.66 1.2Bosque temp. seco
2839 Lur 0.489 1387 0.74 1026 0.428 1214 0.85 1.1
Bosque temp. húm 2643NHu 0.577 1524 0.74 1128 0.574 1515 0.74 1.0
Est. arbustiva 3337 Tal 0.190 634 0.2 126.9 0.213 710 0.18 0.9
Est. graminosa 3321 Leo 0.201 669 0.2 133.8 0.438 1455 0.09 0.5
Pastizal 2920 Con 0.391 1142 0.27 308.3 0.635 1855 0.17 0.6
Disminuciones en el IVN y/o en Ts estarían asociadas a disminuciones en la
evapotranspiración (ver capítulo III). La reducción en la evapotranspiración al
reemplazarse bosques por cultivos anuales conduciría por lo tanto a un aumento del
escurrimiento superficial y percolación profunda (Nepstad et al 1994). La plantación de
Capítulo IV. Impactos del uso de la tierra. 93
bosques sobre pastizales, por el contrario aumentaría la evapotranspiración afectando
eventualmente la dinámica del agua profunda (Jobbagy 2003).
Conclusiones
De las hipótesis planteadas y los resultados obtenidos se puede concluir lo
siguiente:
Mi primer hipótesis proponía que los agroecosistemas y los ecosistemas protegidos
no difieren en la cantidad total de radiación fotosintéticamente activa absorbida por
el canopeo pero si lo hacen en la dinámica estacional de la absorción.
La comparación entre los agroecosistemas y los ecosistemas protegidos mostró que
el uso de la tierra modifica tanto la cantidad de radiación absorbida como la dinámica
estacional de la misma. Para algunos de los sitios comparados el uso de la tierra no
modificó la cantidad total de radiación absorbida ni su dinámica estacional. Estos sitios se
ubicaron en la porción intermedia del gradiente de precipitación analizado o corresponden
a situaciones de usos de la tierra moderados.
La segunda hipótesis proponía que la dinámica anual de la temperatura superficial
difiere entre agroecosistemas y ecosistemas protegidos.
El uso de la tierra aumentó la temperatura superficial en una gran cantidad de
situaciones, tanto en la comparación de áreas protegidas como en las tendencias de largo
plazo en agroecosistemas. Si bien existiría un aumento generalizado de la temperatura
superficial derivado de aumentos en la temperatura del aire y no estrictamente relacionados
con el uso de la tierra, algunas evidencias indican una fuerte impronta del uso sobre la
temperatura superficial: sólo en una de las áreas protegidas (P.N. Nahuel Huapi) la
tendencia temporal de la Tsprom fue significativa. Si bien la dinámica anual de la
temperatura superficial se vio modificada por aumentos y disminuciones de la
estacionalidad (RRel), estos cambios en la estacionalidad no presentaron un patrón
regional a lo largo de los gradientes climáticos.
CAPITULO V. DISCUSIÓN FINAL Y CONCLUSIONES.
Capítulo V. Discusión final y conclusiones. 95
Respuestas a las preguntas originales
En esta tesis se presenta la primera comparación entre el funcionamiento potencial
y el funcionamiento actual de la vegetación a lo largo de un gradiente de temperatura y
precipitación y en diferentes biomas. Las comparaciones realizadas permitieron cuantificar
los impactos del uso de la tierra sobre la dinámica de la absorción de radiación y la
temperatura superficial. En este capítulo se sintetizan los avances logrados en cada uno de
los capítulos anteriores vinculándolos con los objetivos planteados en la introducción
general. Finalmente, se analizan las implicancias de este trabajo en el contexto de los
conocimientos actuales y su importancia para futuros proyectos de investigación.
Los resultados principales en relación a cada uno de los tres objetivos de esta tesis
fueron los siguientes:
Objetivo 1. Describir la heterogeneidad ambiental de la Argentina, la
representatividad de las áreas protegidas y el valor de sus servicios ecosistémicos.
Los resultados del análisis de la heterogeneidad ambiental y la representatividad
del Sistema Nacional de Áreas Protegidas (SNAP) muestran que:
• El porcentaje de superficie protegido se encuentra negativamente asociado a la
superficie de las unidades “fitoedáficas” definidas (figura 2.2).
• Las áreas templadas y subtropicales se encuentran muy pobremente representadas.
• Existe una relación positiva entre porcentaje protegido y precipitación media anual.
Áreas con PMA menores a los 1200 mm se encuentran muy pobremente
representadas y aquellas áreas con mayor precipitación cuentan con mayor
protección.
• Por debajo de los 1000 m.s.n.m. (2250000 km2; 80% de la superficie total) y por
arriba de los 4000 (87000 km2, 3% de la superficie total) el porcentaje protegido
representa menos del 2% de la superficie protegida total.
• Existen áreas protegidas a lo largo de todo el rango de radiación absorbida por la
vegetación.
• El valor de los servicios que las áreas protegidas proveen a la sociedad,
representaría un monto equivalente al 3% del Producto Bruto Interno Nacional.
Capítulo V. Discusión final y conclusiones. 96
Objetivo 2. Describir el funcionamiento potencial de los principales biomas de la
Argentina, sus patrones regionales y su variabilidad interanual.
Las preguntas específicas que se respondieron en el marco de este objetivo fueron:
1. ¿Cuales son los patrones regionales de absorción de radiación y de evapotranspiración
de la vegetación potencial?
El IVN-I, un estimador de la fracción de la radiación absorbida por la vegetación,
de las áreas protegidas varió entre 0.55 y 0.73 en los bosques subtropicales húmedos, entre
0.4 y 0.52 en los bosques templados y entre 0.03 a 0.2 en las estepas. Para el área de
pastizal fue de 0.28. La precipitación media resultó, para un período de doce estaciones de
crecimiento, el principal control regional de la fracción de la radiación absorbida por la
vegetación de las áreas protegidas (figura 3.7). La evapotranspiración media anual
derivada de datos satelitales varió entre 800 y 1100 mm.año-1 en los bosques subtropicales
y entre 200 y 600 mm.año-1 en los bosques templados húmedos (Figura 3.5a). La
evapotranspiración de las áreas de estepa varió entre 100 y 450 mm.año-1. En el pastizal la
evapotranspiración real fue de 500 mm.año-1. En general, para los flujos ecosistémicos
analizados, los gradientes de precipitación y temperatura resultaron más descriptivos a
escala regional que la fisonomía de la vegetación o el bioma.
El modelo propuesto para estimar la evapotranspiración real provee una
herramienta novedosa para estimar a escala regional ese flujo de agua. Modelos previos
basados en la misma información satelital (Di Bella et al. 2000) presentaron dificultades al
intentar extrapolar sus estimaciones a un gradiente ambiental más largo. La utilización del
modelo generado en el capítulo III para extrapolar las estimaciones de evapotranspiración,
permitirá obtener mapas y conocer este flujo de agua en lugares donde hoy no existe otra
fuente de datos para esta variable.
2. ¿Cómo varían los patrones estacionales de la absorción de radiación a lo largo de
biomas y gradientes ambientales?
Tanto la temperatura como la precipitación fueron controles importantes de la
estacionalidad del IVN. La estacionalidad, medida como el Rango Relativo, disminuyó
linealmente con la precipitación media anual y con la temperatura.
Capítulo V. Discusión final y conclusiones. 97
3. ¿Cuál es la variabilidad interanual de estos atributos y como varían a lo largo de
biomas y gradientes ambientales?
A lo largo del gradiente ambiental analizado, la variabilidad interanual de los
atributos asociados al valor total de absorción de radiación (IVN-I y Vmax) se asociaron
negativamente con la precipitación media anual. Esos dos atributos de la curva estacional
del IVN tuvieron un valor máximo a lo largo del gradiente de temperatura media anual. En
el caso de los atributos relacionados con la estacionalidad de la interceptación de radiación
(RRel y Dmax) ambos se asociaron positivamente con la temperatura media.
Objetivo 3. Conocer el efecto del uso de la tierra sobre el funcionamiento de esos
ecos istemas a partir de la comparación entre áreas protegidas y áreas bajo uso
agropecuario.
Las preguntas específicas referentes a ese objetivo fueron:
1. ¿Cómo el uso actual de la tierra modifica la absorción de radiación y la
temperatura superficial?
El uso de la tierra genera modificaciones de direcciones y sentidos diversos sobre
el IVN-I y Tsprom según la vegetación original (figura 4.7). En los pastizales y estepas, el
uso de la tierra de mayor intensidad aumentó el IVN-I y frecuentemente fue simultáneo
con un aumento de la Tsprom. En los bosques subtropicales y en las selvas, los efectos se
vieron principalmente en disminuciones del IVN-I conjuntamente con aumentos de la
Tsprom. El sentido y la dirección del cambio fueron similares en los bosques templados
secos, aunque la magnitud fue menor. En los bosques templados húmedos no se detectaron
cambios.
2. ¿Cómo varía el impacto del uso a lo largo de gradientes climáticos de
temperatura y precipitación?
La precipitación media fue la variable ambiental que más influye sobre el impacto
del uso de la tierra a escala regional. En zonas áridas el uso de la tierra aumenta la
absorción de radiación mientras que en zonas húmedas la disminuye. Las diferencias
producidas por el uso de la tierra en la temperatura superficial no se correlacionaron con
los gradientes climáticos.
Capítulo V. Discusión final y conclusiones. 98
3. ¿Cómo varían interanualmente las diferencias en entre usos de la tierra?
El uso de la tierra modificó regionalmente la variabilidad interanual en la absorción
de radiación. Los sitios originalmente más variables en el IVN-I redujeron su variabilidad
interanual por el uso de la tierra. Los sitios menos variables, por el contrario, aumentaron
su variabilidad (figura 4.8). Si bien el número de comparaciones es pequeño (n=5), se
puede ver una tendencia regional para todos los casos analizados. Queda pendiente, para
futuros proyectos, analizar la variabilidad interanual en un mayor número de situaciones.
Consideraciones Finales
Conservación de los ecosistemas
La relación inversa entre la superficie protegida y el grado de protección genera
elementos de análisis de la situación actual del SNAP. Tal como se planteó anteriormente
en esta tesis, un criterio de conservación promueve la conservación del 10 al 12% de la
superficie de cada unidad biogeográfica o ambiental independientemente de su valor en
términos de biodiversidad. Un segundo criterio plantea que la superficie a conservar
depende de las características del ecosistema. Si aceptáramos el primer criterio de
conservación, los resultados presentados en esta tesis (figura 2.2) evidencian que para
conseguir por lo menos un 10% de superficie protegida en cada unidad “fitoedáfica” se
necesita aumentar la superficie protegida en 82 de las 88 unidades “fitoedáficas”. Este
escenario requeriría aumentar en más de 200000 km2, es decir en 6 veces, el área protegida
actual total del país.
La descripción de la representatividad presentada en esta tesis muestra que existen
problemas coincidentes con los sistemas de áreas protegidas de otros países (Nilsson y
Götmark 1992, Pressey et al. 1996, Possingham et al. 2000, Scott et al. 2001). Esos análisis
muestran que la selección de áreas para conservación no habría seguido criterios
ecológicos o en el mejor de los casos, se seleccionaron por la presencia de pocas especies
bandera o paraguas. Estos criterios condujeron a sistemas de áreas protegidas con exceso
de áreas de bajo valor productivo, o sin uso alternativo, y con escasa representación de
suelos llanos, fértiles y de mayor valor para la producción agropecuaria y el asentamiento
Capítulo V. Discusión final y conclusiones. 99
humano. En Argentina falta aún avanzar en el conocimiento necesario para la
identificación de los niveles de biodiversidad que se encuentren subrepresentados en el
sistema de áreas protegidas y de esa forma delinear políticas de creación de nuevas áreas.
El uso de variables integradoras del funcionamiento del ecosistema para identificar huecos
en la representación de los ecosistemas aparece como una alternativa para avanzar en esa
etapa.
Mis estudios proveen elementos que ayudarían a definir las áreas a conservar en
cada unidad fitoedáfica. La relación entre el funcionamiento del ecosistema y la
biodiversidad serían la base para el uso de estimaciones de la PPNA y de su variación
estacional e interanual para la definición de la proporción a proteger. La relación existente
entre biodiversidad y productividad primaria para diferentes taxones a escala regional y en
diferentes lugares del mundo (Gaston 2000, Balmford et al. 2001) determinaría una mayor
necesidad de protección en los ambientes más húmedos. La determinación de la superficie
mínima a proteger en cada unidad “fitoedáfica” estaría por supuesto relacionada también
con características locales de la biodiversidad como por ejemplo, curvas de la relación
especies/superficie, (Huston 1994, Rosenzweig 1995, Perelman et al. 2001) o con el
conocimiento de la mínima población viable de especies particulares y el área necesaria
para alcanzar tal viabilidad (ver por ejemplo Brito y de Souza Lima Figueiredo 2003).
Criterios basados en el funcionamiento del ecosistema para determinar la superficie
mínima a proteger aún no han tenido suficiente desarrollo. La utilización de curvas de la
relación diversidad de funcionamiento/superficie derivadas de índices espectrales aparece
como una alternativa a partir de los resultados presentados.
La capacidad de la sociedad de conservar la biodiversidad depende en gran medida
del diseño del sistema nacional de áreas protegidas. El estado actual del SNAP ha ido
creciendo según políticas cambiantes y no fue diseñado mediante alguna metodología que
considere criterios biológicos de conservación, como la representatividad. En la actualidad
existen teorías y técnicas que permiten diseñar sistemas de áreas protegidas más eficientes.
Sin embargo, rara vez se utilizan en la práctica, principalmente por el desconocimiento por
parte de los encargados de la política de conservación en diferentes países (Prendergast et
al. 1998). Desde un enfoque regional los resultados de mi trabajo, permitirán la delineación
Capítulo V. Discusión final y conclusiones. 100
de estrategias de conservación a escala regional. Hasta el momento, la priorización de las
áreas de conservación a escala regional se ha basado en descripciones estructurales las que
presentan algunas dificultades. Por un lado esas descripciones representan la extra e
intrapolación de observaciones puntuales a campo. Por otro lado, son estáticas, es decir se
desactualizan rápidamente debido al cambio de la superficie terrestre producida por el uso
de la tierra. Finalmente, los costos que esas descripciones implican, disminuyen la
posibilidad de actualizarlas.
La utilización de áreas protegidas es sólo uno de los caminos para la conservación
de la naturaleza. En Argentina, los pastizales Pampeanos constituyen una región muy
pobremente representada en las áreas protegidas (ver capítulo II) y la fragmentación actual
del paisaje impediría la localización de áreas de tamaño y estado actual adecuado para la
conformación de reservas (Baldi 2002). A estas dos características se les suma que el
precio de la tierra convierte en una tarea casi imposible la creación de áreas protegidas en
ese ecosistema. Dadas estas condiciones, el diseño de un sistema de protección basado en
la reglamentación del uso de la tierra en la propiedad privada podría ser una alternativa
para la conservación de la biodiversidad de ese ecosistema . En otros casos, la restauración
de ecosistemas puede ser un camino válido para su conservación (Dobson et al. 1997).
Servicios y salud de los ecosistemas
Las relaciones entre la biodiversidad y el desarrollo humano, tanto económico
como cultural, han sido ampliamente reconocidas (Huston 1994, Diamond 1999). La
incorporación del valor económico a los servicios de los ecosistemas ha tenido una gran
importancia durante los diez últimos años (Bingham et al. 1995, Costanza et al. 1997, de
Groot et al. 2002). Los análisis económicos de largo plazo de la conservación muestran
que, socialmente, la conservación resulta beneficiosa frente a los sistemas de uso de la
tierra más frecuentes en diferentes regiones del mundo (Balmford et al. 2002). La
apropiación de los beneficios y el aumento de las externalidades son maximizados por los
sistemas de uso de la tierra típicos de cada región. El valor económico de los ecosistemas
ha sido motivo de debate en la biología de la conservación en los últimos años, y su
conocimiento es cada vez más importante para mantener las actuales áreas protegidas y la
necesaria incorporación de otras nuevas. En esta tesis presento una primera valuación
Capítulo V. Discusión final y conclusiones. 101
económica de los servicios del ecosistema que brindan a la sociedad las áreas protegidas
argentinas basados en datos de la literatura. Si bien es necesario un análisis detallado de los
valores locales de tales servicios, los números presentados brindan algunos elementos
básicos para el análisis y diseño de políticas de conservación. Queda pendiente para futuros
trabajos, la comparación económica de los bienes y servicios brindados por las áreas
protegidas y los agroecosistemas, y el análisis de las diferencias producidas por el uso de la
tierra.
El uso de infor mación satelital para la estimación de los servicios de los
ecosistemas se ha utilizado hasta el momento en la determinación de usos de la tierra
(Konarska et al. 2002). El flujo de energía de los ecosistemas ha sido considerado también
un flujo fundamenta l para la valuación de los servicios ecosistémicos (Patterson 2002). De
esa forma, el cálculo de la radiación fotosintéticamente activa absorbida por la vegetación
resulta una metodología novedosa para mejorar las estimaciones del valor de los servicios
de los ecosistemas. De ese análisis, se pudieron ver nuevas asimetrías dentro del SNAP,
con una concentración del valor de los servicios de los ecosistemas en los Bosques
Templado Húmedos . Por el contrario, las Estepas arbustivas representan solamente el 9%
del valor de los servicios. Es importante considerar que los ecosistemas acuáticos han sido
valuados en un orden de magnitud más alto que los ecosistemas te rrestres (Costanza et al.
1997), por lo que los cuerpos de agua incluidos en los Bosques Templado Húmedos
representan una gran parte de los servicios del ecosistema de esas áreas protegidas.
Relaciones entre funcionamiento y gradientes ambientales
La descripción de la vegetación potencial mejoró nuestro conocimiento sobre el
intercambio de materia y energía en áreas con mínimo impacto humano. La búsqueda de
relaciones entre los patrones de funcionamiento de la vegetación y los gradientes
ambientales ha sido de interés de los ecólogos desde hace mucho tiempo. La precipitación
media anual fue descrita como el control ambiental espacial más importante de la
productividad primaria (Sala et al. 1988, McNaughton et al. 1993). La productividad
primaria terrestre ha sido probablemente el flujo más exhaustivamente estudiado a escala
global o continental, por su importancia en la vinculación entre la biosfera y la atmósfera y
para comprender las relaciones con otros niveles tróficos (Lieth 1975, Ajtay et al. 1979,
Capítulo V. Discusión final y conclusiones. 102
Raich et al. 1991). La productividad primaria aérea (PPNA) fue más ampliamente
estudiada que la productividad total (PPN), en gran parte por las dificultades en medir o
estimar la productividad subterránea. Por otro lado, se cuentan con más datos de los
ecosistemas de pastizales y arbustales que de bosques y selvas, por la mayor facilidad para
estimar la PPNA. Por lo tanto, las dificultades para obtener bases de datos consistentes de
PPN para la vegetación potencial han sido previamente detectadas (Scurlock et al. 1999).
Existen estimaciones de la PPN de la vegetación potencial realizadas mediante
cosechas de biomasa (Schimel et al. 1997, Clark et al. 2001) y mediante modelos de
simulación (Raich et al. 1991, Schimel et al. 1997, Cramer et al. 1999). Para contrastar los
resultados de las estimaciones de PPN realizadas en esta tesis con estimaciones previas,
utilicé los datos de cosecha de biomasa publicados por Schimel et al. (1997) y Clark et al.
(2001) y los resultados de las simulaciones de diecisiete modelos globales de
biogeoquímica terrestre presentados por Cramer et al. (1999) . Las estimaciones de PPN a
partir de cosechas de biomasa para 15 sitios de diferentes biomas en todo el mundo a lo
largo del gradiente de precipitación muestran una pendiente y ordenada al origen similares
a las estimadas en esta tesis (figura 5.1). Las estimaciones para las trece áreas protegidas
con una resolución espacial de 0,5 grado, muestran una subestimación en la estimación de
PPN respecto a los datos presentados en esta tesis. La comparación de ambas estimaciones
a lo largo del gradiente de precipitación muestra entonces una pendiente menor a la
presentada en esta tesis y con diferencias más importantes en el extremo más húmedo del
gradiente.
Capítulo V. Discusión final y conclusiones. 103
La comparación entre los valores de PPN y su análisis a lo largo del gradiente de
precipitación, sugieren en primer lugar, que las estimaciones realizadas para las áreas
protegidas de Argentina, son consistentes con los datos de la literatura. Si bien los
resultados no concuerdan con Cramer et al. (1999), ya se evidenció en trabajos anteriores
(Clark et al. 2001) que los datos de cos echas de biomasa muestran que las estimaciones
producidas por los modelos de simulación más utilizados (por ejemplo, Miami) subestiman
la PPN en bosques y selvas tropicales. En segundo lugar, es importante remarcar que las
estimaciones de PPN producidas en esta tesis se deben tomar con cautela, ya que hasta el
momento no existen otras estimaciones de PPN realizadas por ningún otro método en las
mismas áreas protegidas que puedan servir para la comparación. Si bien se sabe que la
precipitación es un control importante de la PPN a escala regional, diferencias locales en
disponibilidad de nutrientes, disturbios, e inclusive temperatura, pueden producir
diferencias en las estimaciones de PPN. La estimación de PPN realizada en esta tesis
0 500 1000 1500 20000
500
1000
1500
2000
2500
PMA (mm)
PP
N (g
MS
.m-2
.año
-1)
Figura 5.1. Relaciones entre la Productividad primaria neta y la precipitación media anual para las estimaciones derivadas de esta tesis ( A. línea llena gruesa y cuadrados abiertos ; PPN [g.MS.m-2.año-1]= 1.077xPMA [mm]-25.51; r2= 0,86; F=68,15; p<0.0001), para las mismas áreas protegidas derivada de Cramer et al. (1999) (B. línea llena y círculos; PPN [g.MS.m-
2.año-1]= 0.5331xPMA [mm]-+104; r2= 0,88; F=83,03; p<0.0001) y para los datos presentados por Schimel et al. (1997) y Clark et al. (2001) (C. línea punteada y triángulos, PPN [g.MS.m-
2.año-1]= 1.145xPMA [mm]-158.2; r 2= 0,85; F=72,10; p<0.0001). Las regresiones A y C no fueron significativamente diferentes (p=0.72 para la pendiente y p=0.42 para la ordenada al origen). La regresión B fue diferente a la A (p< 0.001) y a la C (p< 0.001).
Capítulo V. Discusión final y conclusiones. 104
depende del valor de efic iencia en el uso de la radiación absorbida (å) para cada área
protegida. El valor de å para cada área protegida se determinó a partir de bibliografía
generada para vegetación del hemisferio norte y con un valor único por tipo de vegetación,
tal como se describe en la tabla 3.2. Esto puede representa r una simplificación de los
factores que modifican a å y por lo tanto una fuente de error en las estimaciones de PPN.
Los resultados de la descripción del funcionamiento de la vegetación de áreas con
mínimo impacto humano (capítulo III) representan una línea de referencia para la
evaluación del impacto de los cambios en el uso de la tierra. Un análisis de gradiente a
través de un amplio rango de condiciones ambientales permitiría el desarrollo de relaciones
cuantitativas entre el funcionamiento de la vegetación y variables climáticas. Esas
relaciones son hipótesis de los niveles esperados de los atributos de la vegetación para
determinadas condiciones climáticas. Eso representaría entonces, una forma de extrapolar
la información obtenida en áreas protegidas a aquellas modificadas por el hombre y para
generar mapas del funcionamiento de la vegetación potencial para las áreas modificadas.
Stoms y Hargrove (2000) presentan mapas del funcionamiento potencial de la vegetación
para el oeste de EE.UU. basados exclusivamente en IVN-I. Los resultados de mi trabajo
muestran que el uso de la tierra puede modificar otros atributos de la curva estacional del
IVN y no necesariamente modificar IVN-I. Por lo tanto los mapas del funcionamiento
potencial de la vegetación deberían ser multidimensionales para poder incluir los diferentes
impactos posibles debidos al uso de la tierra en la evolución del IVN.
El conocimiento del funcionamiento de la vegetación potencial, tal como se
describió en el capítulo III, puede ser aprovechado en ecología de los ecosistemas para
diversos fines. En primer lugar, existe una necesidad creciente de comprender las
interacciones entre el cambio en el uso de la tierra y el cambio climático (Dale 1997). La
utilización del funcionamiento de la vegetación de las áreas protegidas podría contribuir a
aislar el efecto del cambio climático del efecto del uso de la tierra. En segundo lugar, las
organizaciones encargadas de manejar y proteger los recursos naturales pueden utilizarlo
para mejorar la comprensión de las relaciones entre diferentes niveles tróficos ante la
ocurrencia de eventos episódicos, la detección de anomalías y supervisión de catástrofes.
Capítulo V. Discusión final y conclusiones. 105
Cambio global
Los resultados presentados en esta tesis muestran que el uso de la tierra modifica el
funcionamiento de la vegetación respecto a la vegetación original en diferentes
ecosistemas. Las principales causas de modificación del IVN-I se asocian a la inclusión del
riego y al reemplazo de tipos funcionales (árboles por anuales y gramíneas por árboles). El
riego, que normalmente se asocia al reemplazo de la vegetación original, aumentó los
valores máximos de IVN en áreas secas. Los valores mínimos de IVN aumentaron
únicamente donde se reemplazó al pastizal por forestación. En este caso, la inclusión de
especies de hoja perenne modifica la dinámica estacional de IVN.
En las áreas intermedias del gradiente ambiental estudiado los cambios en el uso de
la tierra no provocaron en general cambios importantes en el IVN-I. Estos resultados
concuerdan con estudios previos (Paruelo et al. 2001, Guerschman et al. 2003) que
mostraron que para las pastizales ubicados en esta porción del gradiente analizado (700-
1100 mm) la agricultura no modificó el IVN-I. Solamente la plantación de árboles en
pastizales aumentó el IVN-I, acordando con resultados previos (Garbulsky et al. 2002). Si
bien los resultados de IVN-I se relacionan con la radiación absorbida por la vegetación, la
transformación de esos resultados a flujos de carbono (PPN) requiere de otros cálculos, tal
como se discute en el capítulo II. En el contexto del cambio global, los resultados de esta
tesis podrán mejorar el conocimiento del balance de carbono en Argentina mediante la
inclusión de estos conocimientos en un modelo de simulación. El uso de modelos globales
que incluyen la dinámica de la vegetación (Foley et al. 2000) podría ser una alternativa al
uso de modelos integrados globales (Alcamo et al. 1998) en los que no se consideran los
reemplazos de cobertura del suelo provocados por el uso de la tierra.
Los cambios detectados en la fracción de la radiación absorbida y en la temperatura
superficial pueden generar modificaciones del clima a escala local. En cada uno de los
pares área protegida/área baja uso agropecuario se estarían modificando el área foliar, el
drenaje y por lo tanto el calor latente. Tal como se vio para otras regiones del mundo
(Stolghren et al. 1998), estos cambios en el funcionamiento de la vegetación pueden
producir diferentes órdenes de retroalimentación, mediados por modificaciones e n el clima.
Capítulo V. Discusión final y conclusiones. 106
Análisis futuros podrían mejorar la comprensión de esos cambios en las diferentes
situaciones presentadas en esta tesis .
En esta tesis se revelaron patrones asociados a cambios globales probablemente no
relacionados directamente con el uso de la tierra. Las tendencias de largo plazo muestran
que no sólo el uso de la tierra modifica la absorción de radiación. En Nahuel Huapi, el
IVN-I presentó una tendencia positiva durante los últimos veinte años. Esta tendencia
podría explicarse por el aumento de la temperatura durante la década de 1980 (Villalba et
al. 1997). Según análisis dendrocronológicos, fluctuaciones de la temperatura de similar
magnitud tuvieron lugar durante los últimos 250 años. Areas que no han sufrido
transformaciones intensas como los bosques templados patagónicos, también
experimentaron un calentamiento superficial. Dos factores al menos, se suman para
explicar esta tendencia. Por un lado el generalizado aumento de la temperatura atmosférica
a nivel global (Villalba et al. 2003) y por el otro, cambios en la dinámica del agua que
afectarían el balance de energía y la partición entre calor latente y sensible y por lo tanto, la
temperatura superficial. Por otro lado, se detectó un aumento generalizado de la
temperatura superficial durante los últimos veinte años lo que concuerda con análisis de la
temperatura del aire (Hoffmann y Jackson 2000).
Disminuciones en el IVN y/o en Ts estarían asociadas a disminuciones en la
evapotranspiración (ver capítulo III). La reducción en la evapotranspiración al
reemplazarse bosques por cultivos anuales conduciría por lo tanto a un aumento del
escurrimiento superficial y percolación profunda (Nepstad et al 1994). La plantación de
bosques sobre pastizales, por el contrario aumentaría la evapotranspiración afectando
eventualmente la dinámica del agua profunda (Jobbagy 2003). Los cambios derivados del
uso de la tierra sobre los flujos de agua y carbono pueden ser la información básica realizar
escalamientos hacia arriba, es decir, para estimar cambios a escala de cuencas, provincias o
inclusive, de todo el país. En Argentina, como ocurre en otros países (Dale et al. 2000), las
políticas y criterios para un uso sustentable de los recursos naturales, deberían basarse en la
comprensión de los efectos que el uso de la tierra producen sobre la biosfera, como parte
fundamental del cambio global.
ANEXO 1. COMPARACIÓN DE LOS DATOS DE ÍNDICE VERDE NORMALIZADO LAC Y PAL PROVENIENTES DE LOS SENSORES NOAA/AVHRR.
Garbulsky M. y J. Paruelo. Comparison of NDVI derived from NOAA/AVHRR LAC and PAL data. 29th International Symposium on Remote Sensing of Environment. Buenos Aires, 8-12 Abril 2002. 593-596.
Introducción
El uso de las imágenes NOAA/AVHRR para el estudio del funcionamiento de los
ecosistemas tuvo desde la década de 1980 una importancia creciente. Estudios de la
vegetación a escala global (Potte r et al. 1993, Loveland et al. 2000), continental (Box et al
1989, De Fries et al. 1998) y local (Running et al. 1989, Duchemin et al. 1999) han
utilizado el Indice Verde Normalizado provisto por estos satélites para analizar diferentes
aspectos del intercambio de materia y energía de la vegetación con la atmósfera y para
generar mapas de uso de la tierra. Los cuatro tipos de productos NOAA/AVHRR que han
estado disponibles para este tipo de estudios son: Global Vegetation Index (GVI), Global
Area Coverage (GAC), Local Area Coverage (LAC) y Pathfinder AVHRR Land project
(PAL). El primer producto del programa, la base de datos GVI (Tarpley et al. 1984),
constaba de imágenes de 34 meses consecutivos entre 1982 y 1984 y su resolución espacial
era de 15 km. La base de datos GAC fue generada a partir de los mismos datos AVHRR y
su resolución espacial es de 4 km (http://edcdaac.usgs.gov/1KM/avhrr.sensor.html). Las
imágenes LAC tienen una resolución espacial de 1 km y temporal de 10 días (Eidenshink y
Faundeen 1994). Por último, la base de datos PAL cuenta con 20 años de datos (1981-
2000) y sus imágenes tienen 8 km de resolución espacial y 10 días de resolución temporal
(James y Kalluri 1994). Estas dos últimas bases de datos son las más utilizadas
actualmente (p. ej. : Pelkey et al. 2000, Di Bella et al. 2000, Szilagyi 2000, Loveland et al.
2000).
La utilización simultánea de imágenes NOAA/AVHRR procesadas con diferente
resolución espacial en estudios del funcionamiento de la vegetación o su combinación con
datos provenientes de otras plataformas (Landsat, SAC-C, Modis, etc.) requiere una
Anexo I. 108
adecuada correspondencia entre las diferentes fuentes de datos. Los manuales de uso y la
bibliografía en general no alertan sobre la existencia de diferencias entre las imágenes de
diferente resolución espacial (Agbu y James 1994). Existe hasta el momento limitada
bibliografía en la que se compararon los patrones de Indice verde normalizado generados a
partir de las diferentes fuentes (Young y Anyamba 1999). Con frecuencia se usan, sin un
previo análisis de calibración, de manera indistinta los valores de índice verde normalizado
generados a partir de procesamientos diferentes (por ejemplo Paruelo et al. 1998).
El objetivo de esta parte de la tesis fue analizar la correspondencia y generar
relaciones matemáticas entre los datos provenientes de las imágenes NOAA/AVHRR LAC
y PAL, de manera de poder hacerlos comparables en el extremo austral de América del
Sur.
Metodología
Se utilizaron las series completas de 36 compuestos de diez días de las imágenes de
Indice verde NormalizadoLocal (IVN) de las bases de datos Local Area Coverage (LAC) y
Pathfinder AVHRR Land (PAL) program para la estación de crecimiento 1992-93 para el
Hemisferio sur. Estas imágenes provienen de los mismos datos origina les, pero tuvieron
procesamientos diferentes. Ambas bases de datos tienen una resolución temporal de 10
días. La resolución temporal es de 1 km para las imágenes LAC y de 8 km para las de la
base PAL.
Las imágenes PAL son obtenidas a partir de las imágenes Global Area Coverage
(GAC). Este tipo de procesamiento se realizó en los comienzos del programa
NOAA/AVHRR debido a la baja capacidad de almacenaje existente en ese momento en las
plataformas satelitales. Ese procesamiento se realiza a bordo y consiste en promediar los
valores de 4 píxeles, resumiendo la información en píxeles de 1.1km por 4 km de
resolución espacial (http://edcdaac.usgs.gov/1KM/avhrr.sensor.html). Los valores de IVN
de las imágenes PAL son obtenidos a partir del máximo valor de los píxe les GAC para
obtener una resolución espacial de 8x8 km (Agbu y James 1994).
Anexo I. 109
Con el objetivo de comparar los datos de Indice verde Normalizado provenientes de
ambas fuentes, se produjo un nuevo conjunto de datos para el período mencionado,
mediante la degradación espacial de las imágenes LAC. Estas imágenes fueron reducidas
en su resolución espacial promediando los valores de IVN de 64 píxeles contiguos (8x8) de
cada compuesto correspondiente a diez días consecutivos. De esta manera se obtuvieron 36
imágenes de IVN provenientes del conjunto LAC, con una resolución espacial de 8 km
(LACdeg).
Se extrajeron los datos de IVN de las imágenes PAL y LAC (degradadas por el
promedio) de los píxeles mediante una grilla de muestreo de 10x10 píxeles a lo largo de la
región estudiada (figura A1). Se descartaron los píxeles con valores de máscara de agua,
analizando por lo tanto 800 píxeles para cada compuesto. Calculamos el IVN promedio
anual (IVN-I) para cada fuente de imágenes y la regresión lineal entre los valores de cada
píxel. También se calcularon las regresiones para cada una de las 36 fechas.
Resultados
La distribución especial de las diferencias en IVN-I entre las fuentes de datos no se
distribuyó al azar. Píxeles con valores positivos en las diferencias IVN-I LACdeg - IVN-I
PAL (figura A1) se concentraron principalmente en el desierto de Atacama, Patagonia y a
lo largo de los Andes (Puna y hielos continentales en el sur de Argentina y Chile). Áreas
con diferencias en el otro sentido se concentraron en el sur de Brasil y en menor medida en
la porción sur de los Andes y a lo largo de los principales ríos.
Las diferencias entre las fuentes de datos no fueron uniformes a lo largo del rango
de IVN, como surge de la diferencia en la pendiente entre la relación en el IVN para ambas
fuentes y la recta 1:1. Para valores bajos de IVN, las imágenes PAL proveen valores más
bajos de IVN que las imágenes LAC. Esta situación se invierte para valores mayores a
0.55. La diferencia entre las medias de IVN fue de 0.007.
La forma de las áreas con diferencias en IVN-I tiene características particulares: las
áreas al sur de los 37° con bajos valores de IVN (estepas patagónicas) presentaron un
patrón relacionado con la orbita satelital (figura A1). Los cambios en forma rectilínea en el
Anexo I. 110
sur de Brasil presentan características relacionadas con la forma de procesar los
compuestos. El compuesto #33 (Junio 93, figura A1b) presentó diferencias en el IVN de
alrededor de 1.5 en esa zona. Esta diferencia puede explicar las diferencias en IVN-I para
ese área. En el desierto de Atacama las diferencias no presentan un patrón asociado con la
órbita satelital.
Atlantic Ocean
Figura A1. Alcance del análisis de la comparación de las imágenes PAL y LAC y patrones
espaciales de las diferencias de IVN-I. Las áreas en negro denotan píxeles donde las diferencias IVN-I PAL-IVN-I LACdeg fueron mayores a 0.05. En blanco, píxeles con diferencias negativas menores a –0.05. En gris, áreas con diferencias cercanas a cero. Los gráficos de la derecha
muestran los patrones estacionales de IVN y el IVN-I en cuatro áreas a) desierto de Atacama (Chile), b) Sur de Brazil, c) Pastizales Pampeanos (Argentina) y d) Norte de Patagonia (Argentina). ¡ Representa valores de IVN LACdeg y Ð representa IVN PAL.
0
0.2
0.4
0.6
0.8
Jul-92 Nov-92 Mar-93 NDVI-I
ND
VI
0
0.2
0.4
0.6
0.8
Jul-92 Nov-92 Mar-93 NDVI-I
ND
VI
0
0.2
0.4
0.6
0.8
Jul-92 Nov-92 Mar-93 NDVI-I
ND
VI
0
0.2
0.4
0.6
0.8
Jul-92 Nov-92 Mar-93 NDVI-I
ND
VI
a
b
c
d
Anexo I. 111
Los parámetros de las relaciones entre los valores de IVN de ambas fuentes
(pendiente, intercepta y coeficiente de determinación r2) presentaron variabilidad temporal
a lo largo del período analizado (figura A2). La media de la pendiente para los 36
compuestos fue 0.704, 0.117 para la intercepta y 0.594 para el r2. El r2 fue mínimo para el
tercer período de Septiembre y corresponde con una bajo valor de pendiente. La
variabilidad temporal del r2 (figura A2c) muestra que existen ciertas fechas con una alta
dispersión de los datos.
Figura A2. Variabilidad estacional en los parámetros de las regresiones de la relación entre IVN
PAL y LACdeg IVN. a) Pendiente, b) intersección y c) coeficiente de determinación para 36
imágenes compuestas para el período 1992-93. Las líneas rectas muestran la media anual para cada parámetro. Todas las regresiones fueron significantes p<0.0001; 540<n<807.
a
b
c
0
0.2
0.4
0.6
0.8
1
Jul-92 Sep-92 Nov-92 Ene-93 Mar-93 May-93
Coe
f. de
det
erm
inac
ión
(r2 )
0
0.1
0.2
0.3
0.4
Jul-92 Sep-92 Nov-92 Ene-93 Mar-93 May-93
Inte
rsec
ción
0
0.2
0.4
0.6
0.8
1
Jul-92 Sep-92 Nov-92 Ene-93 Mar-93 May-93
Pen
dien
te
Anexo I. 112
La relación entre IVN-I calculada a partir de datos PAL y LACdeg presentaron un
alto coeficiente de determinación (r2 = 0.825; figura A3). La pendiente y la intersección de
esa regresión fueron significativamente diferentes de la recta 1:1.
La distribución espacial de las diferencias tampoco es aleatoria. Los píxeles con
valores positivos en la diferencia IVN-I LAC – IVN-I PAL (figura A1) se encuentran
concentrados principalmente en el desierto de Atacama, en la Patagonia y sectores
asociados a la cordillera de los Andes (NOA y hielos continentales). Las áreas con
diferencias en el otro sentido se encuentran concentradas en sectores de l sur de Brasil y en
menor medida en los bosque Andino Patagónicos y selva Valdiviana y a lo largo de los
principales ríos (p.ej.: Paraná y Colorado).
La forma de los sectores con diferencias en las IVN-I tienen características
particulares: los sectores al sur del paralelo 37° con bajo IVN (Patagonia extraandina)
tienen una disposición relacionada con la órbita del satélite (figura A1). El límite recto en
el sur de Brasil también presenta características asociadas a la forma en que se realizó la
0.0 0.2 0.4 0.6 0.80.0
0.2
0.4
0.6
0.8
Figura A3. Relación entre el IVN promedio anual (IVN-I) para imágenes PAL y LACdeg. IVN-I LACdeg = 0.7786 x IVN-I PAL + 0.09236; r²=0.825; p<0.0001; n=698.
IVN-I PAL
IVN
-I L
AC
deg
Anexo I. 113
composición de las imágenes y tendría su origen en las diferencias en la forma de construir
los compuestos de diez días. En el compuesto 33 hay una diferencia en el IVN entre ambas
fuentes de alrededor 1.5, que podría estar explicando esta diferencia entre las respectivas
IVN-I (Figura A1b). Por el contrario el sector en blanco ubicado en el área de Atacama y
Puna, no presenta un patrón asociado a la órbita satelital.
La dinámica anual del IVN en cada uno de los sectores mencionados tiene
características particulares según cada fuente. Las áreas con valores LAC mayores a los
valores PAL, tienen características comunes. En el área de Atacama existe una diferencia
en los IVN de alrededor de 0.1 a lo largo del año (figura A1a). Este tipo de diferencias
produce una alta correlación entre los 36 valores decádicos (r = 0.7). Para el norte de
Patagonia la correlación es también alta (r = 0.63) aunque la diferencia es menor que en
Atacama (figura A1d). Para los casos de IVN más alto se vio una mayor superposición de
ambas curvas y diferencias para compuestos particulares (figuras A1b y c). Los
coeficientes de correlación en estos casos se vieron aumentados al extraer los valores de
compuestos claramente anómalos (Paraná (Brasil): r = 0.27 vs r = 0.78 al extraer el
compuesto B33.
Discusión
Las regresiones entre los valores de IVN y la integral de IVN de las imágenes de
diferente resolución espacial muestran que los dos procesamientos condujeron a
diferencias significativas en los valores de IVN para las zonas de menor IVN. Las
diferencias negativas (PAL<LAC) encontradas al sur del paralelo 37° estarían vinculadas,
por un lado, con la confección de los compuestos invernales, ya que presentan una
disposición en franjas asociadas a la órbita satelital (figura A1). En segundo lugar se ven
diferencias a lo largo del año no derivadas de compuestos particulares. Las diferencias en
esta zona podrían estar originadas en una deficiente iluminación de las zonas de latitudes
altas sobre todo en los meses invernales y a la menor probabilidad de píxeles totalmente
despejados en el conjunto usado para generar las imágenes PAL. Diferentes correcciones
atmosféricas y por ángulo cenital, sobre todo a altas latitudes, podrían generar también
resultados diferentes.
Anexo I. 114
La magnitud de las diferencias encontradas en estos sitios pone de manifiesto
algunas dificultades para usar de manera indistinta las dos fuentes de datos en estudios de
funcionamiento de la vegetación. Tomando en cuenta la IVN-I en Río Negro, el valor
calculado con datos LAC resulta 0. 17 mientras que con PAL de 0.08 (figura A1d).
Utilizando la ecuación presentada por Paruelo et al (1997), se observa que estos valores
generan diferencias importantes en las estimaciones de Productividad Primaria Neta Aérea:
el primer valor resulta en 138 g C.m-2 año-1 mientras que el cálculo con las imágenes PAL
en 37 g C.m-2 año-1.
Las diferencias encontradas en compuestos particulares en el sur de Brasil y en
menor medida en la integral de IVN en la provincia de Buenos Aires, son de menor
impacto en estudios de vegetación al ser más fácilmente detectables mediante inspección
visual o mediante algoritmos simples que descarten valores claramente anómalos y
corregidas al eliminar del análisis la imagen errónea (por ejemplo el compuesto 33 LAC
del sur de Brasil, figura A1b).
Las causas de las diferencias encontradas en este estudio no estarían vinculadas con
la heterogeneidad espacial del paisaje a escala local, ya que la degradación de las imágenes
LAC mediante los valores promedio o los valores máximos conducen a resultados
similares. Solamente en sitios con gradientes ambientales importantes (p. Ej.: bosques
Andino patagónicos) las diferencias (figura A1) podrían ser atribuidos a esa
heterogeneidad.
Uno de los errores de procesamiento detectado en las imágenes PAL esta asociado
a la variación estacional del ángulo del cenit solar. Esta diferencia, aunque insignificante,
fue detectada por la NASA y las imágenes fueron reprocesadas
(ftp://daac.gsfc.nasa.gov/data/avhrr/continent/south_america/). Por lo tanto, al no tener las
diferencias PAL -LAC detectadas en este anexo una distribución sistemática asociada a la
latitud y ser ellas perceptibles, no estarían relacionadas con este error. Otros errores
relacionados con correcciones atmosféricas fueron detectados en la serie PAL y las
imágenes fueron reprocesadas. Los errores de este tipo generaban diferencias mayores a
Anexo I. 115
valores más altos de IVN
http://daac.gsfc.nasa.gov/CAMPAIGN_DOCS/LAND_BIO/PAL_coding_errors.pdf.
Nuevamente, las diferencias descriptas en este Anexo no tendrían su origen en este tipo de
errores.
El procesamiento de las imágenes LAC para el período considerado, no está de
acuerdo con los estándares de procesamiento de IGBP
(http://edcdaac.usgs.gov/1KM/comp10d.html). Las diferencias principales son debidas el
método de escalamiento aplicado a los datos digitales y enteros. Esto denota una posible
fuente de divergencias entre los datos generados por ambos procesamientos.
Conclusiones
Las diferencias entre los valores de IVN varían espacialmente de una forma no
aleatoria, y las mayores diferencias tienen una distribución espacial definida, pudiendo
asociarse parcialmente a diferencias en la confección de los compuestos de cada serie. La
información existente para zonas de bajo IVN y en especial para el sur del paralelo 37°
debe ser cautelosamente analizada, ya que los errores asociados a las diferencias en los
compuestos de cada fuente pueden llevar a conclusiones diferentes en estudios de
funcionamiento de la vegetación. Las diferencias encontradas en compuestos aislados se
podrían atenuar con un correcto filtrado de los datos o con la utilización de procesamientos
como el máximo móvil o promedio de los valores de dos o más compuestos consecutivos.
La utilización de sitios o píxeles con IVN constante (p.ej. desiertos) no sería una
práctica aconsejable para resolver este tipo de diferencias en el IVN, ya que son diferencias
no asociadas al sensor, sino al procesamiento posterior. Las pendientes entre la ecuación
ajustada y la línea 1:1 muestra que la diferencia entre fuentes de imágenes no es constante
a lo largo de gradientes de IVN. El uso de una ecuación de calibración como la presentada
muestra un camino sencillo para la intercalibración de las imágenes provenientes de
diferentes fuentes.
Bibliografía citada.
116
Bibliografía citada
Administración de Parques Nacionales 1998. Las áreas naturales protegidas de la Argentina. 44 pp.
Administración de Parques Nacionales 1999. Eco-regiones de la Argentina. Programa Desarrollo
Institucional Ambiental.
Agbu, P.A. y M.E. James 1994. The NOAA/NASA Pathfinder AVHRR Land Data Set User´s Manual.
Goddard Distributed Active Archive Center, NASA, Goddard Space Flight Center, Greenbelt.
Aguiar, M.R., J.M. Paruelo, O.E. Sala y W.K. Lauenroth 1996. Ecosystem consequences of plant functional
types changes in a semiarid grassland. Journal of Vegetation Science 7: 381-390.
Alcamo, J., R. Leemans y E. Kreileman 1998. Global Change Scenarios of the 21st Century - Results from
the IMAGE 2.1 Model. Elsevier, Oxford, U.K.
Allen, R.G., L.S. Pereira, D. Raes y M. Smith 1988. Crop evapotranspiration - Guidelines for computing crop
water requirements - FAO Irrigation and drainage paper 56. FAO - Food and Agriculture
Organization of the United Nations Roma.
Alvarez, R. 2001. Estimation of carbon losses by cultivation from soils of the Argentine Pampa using the
Century model. Soil Use and Management. 17: 62-66.
Archer, S., C. Scifres, C.R. Bassham y R. Maggio, 1988. Autogenic succession in a subtropical savanna:
conversion of grasssland to thorn woodland. Ecological Monographs 58: 111 -127.
Arneth, A., F. M. Kelliher, T. M. McSeveny, y J. N. Byers 1998. Net ecosystem productivity, net primary
productivity and ecosystem carbon sequestration in a Pinus radiata plantation subject to soil water
deficit. Tree Physiology 18: 785-793.
Atjay, G.L., P. Ketner y P. Duvigneaud 1979. Terrestrial primary production and phytomass. Pp. 129-181 in:
B. Bolin, E.T. Degens, S. Kempe y P. Ketner, eds. The global cargon cycle. John Wiley & Sons,
Chichester, Inglaterra.
Baldi, G. 2002. Fragmentación del paisaje en la región de los pastizales del Río de la Plata: una
cuantificación espacial mediante el uso de imágenes LANDSAT TM. Tesis de Licenciatura.
Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires.
Baldocchi, D.D. 2003. Assessing the eddy covariance technique for evaluating carbon dioxide exchange rates
of ecosystems: past, present and future. Global Change Biology 9: 479-492.
Balmford, A., A. Bruner, P. Cooper, R. Costanza, S. Farber, R.E.Green, M. Jenkins, P. Jefferiss, V. Jessamy,
J. Madden, K. Munro, N. Myers, S. Naeem, J. Paavola, M. Rayment, S. Rosendo, J. Roughgarden,
K. Trumper y R.K. Turner 2002. Economic Reasons for Conserving Wild Nature. Science 297: 950-953.
Balmford, A., J.L. Moore, T. Brooks, N. Burgess, L.A. Hansen, P. Williams y C. Rahbek 2001. Conservation
Conflicts Across Africa. Science 291: 2616-2619.
Baron, J.S., M.D. Hartman, T.G.F. Kittel, L.E. Band, D.S. Ojima y R.B. Lammers 1998. Effects of land
cover, water redistribution and temperature on ecosystem processes in the South Platte Basin. Ecological Applications 8: 1037-1051.
Bibliografía citada.
117
Barrera, M.D., J.L. Frangi, L.L. Richter, M.H. Perdomo y L.B. Pinedo 2000. Structural and functional
changes in Nothofagus pumilio forests along an altitudina l gradient in Tierra del Fuego, Argentina.
Journal of Vegetation Science 11: 179-188.
Barros, V.R., V.H. Cordon, C.L. Moyano, R.J. Mendez, J.C. Forquera y O. Pizzio 1983. Cartas de
precipitación de la zona Oeste de las provincias de Río Negro y Neuquen: primera contribución.
Bariloche, Universidad Nacional del Comahue, CENPAT.
Barsky, O. y J. Gelman 2001. Historia del agro argentino. Grijalbo. Buenos Aires. 460 pp.
Belbin, L. 1993. Environmental representativeness: Regional partitioning and reserve selection. Biological
Conservation 66, 223 -230.
Bertiller, M.B. y G.E. Defosse 1990. Grazing and plant growth interactions in a semiarid Festuca pallescens
grassland. J. Range Manage. 43, 300-303.
Betts, R.A. 2001. Biogeophysical impacts of land use on present -day climate: near -surface temperature
change and radiative forcing. Atmospheric Science Letters 1: 39-51.
Bianchi, A.R. y C.E. Yánez, 1992. Las precipitaciones en Noroeste Argentino. INTA EEA Salta.
Bingham, G., R. Bishop, M. Brody, D. Bromley, E. Clark, W. Cooper, R. Costanza, T. Hale, G. Hayden, S.
Kellert, R. Norgaard, B. Norton, J. Payne, C. Russell y G. Suter 1995. Issues in ecosystem valuation: improving information for decision making. Ecological Economics 14: 73-90.
Bliss, N.B., y L.M. Olsen 1996. Development of a 30-arc-second digital elevation model of South America.
In: Pecora Thirteen, Human Interactions with the Environment - Perspectives from Space, Sioux
Falls, South Dakota, August 20-22, 1996.
Bosch, J.M. y J.D. Hewlett 1982. A review of catchment experiments to determine the effect of vegetation changes on water yield and evapotranspiration. Journal of Hydrology 55: 3-23.
Box, E.O. 1981a. Macroclimate and plant forms: An introduct ion to predictive modeling in phytogeography. Tasks for vegetation Science 1. Junk, The Hague. 258 pp.
Box, E.O. 1981b. Predicting physiognomic vegetation types with climate variables. Vegetatio 45: 127 -139.
Box, E.O., B.N. Holben y V. Kalb 1989. Accuracy of the AVHRR vegetation index as a predictor of
biomass, primary productivity and net CO2 flux. Vegetatio 80: 71-89.
Braswell B.H., D.S. Schimel, E. Liner y B. Moore III 1997. The response of global terrestrial ecosystems to
interannual temperature variabi lity. Science 278: 870-872.
Braun Wilke, R.H. 1982. Net primary productivity and nitrogen and carbon distribution in two xerophytic
communities of central-west Argentina. Plant and Soil 67: 315-323.
Breshears, D.D. y C.D. Allen 2002. The importance of rapid, disturbance-induced losses in carbon
management and sequestration. Global Ecology & Biogeography 11, 1-5.
Brito, D. y M. de Souza Lima Figueiredo 2003. Minimum viable population and conservation status of the
Atlantic Forest spiny rat Trinomys eliasi. Biological Conservation 113: 153-158
Brye, K.R., S.T. Gower, J.M. Norman y L.G. Bundy 2002. Carbon budgets for a prairie and agroecosystems:
effects of land use and interannual variability. Ecological Applications 12: 962–979.
Bibliografía citada.
118
Bucher, E.H. 1996. Informe Técnico. Identificación y priorización de ecoregiones y sitios de importancia
global.
Burke, I.C., C.M. Yonker, W.J. Parton, C.V. Cole, K. Flach y D.S. Schimel 1989. Texture, Climate, and
Cultivation Effects on Soil Organic Content in US Grassland Soils. Soil Science Society of America
Journal 53: 800–805.
Burke, I.C., W.K. Lauenroth y W.J. Parton 1997. Regional and temporal variability in aboveground net
primary productivity and net N mineralization in grasslands. Ecology 78:1330-1340.
Burke, I.C., W.K. Lauenroth, W.J. Parton y C.V. Cole 1994. Interactions of landuse and ecosystem function:
A case study in the central Great Plains. Pages 79-95. In: Groffman, P. M. y Likens, G. E., eds.
Integrated Regional Models: Interactions Between Humans and Their Environment. Chapman Hall,
New York.
Cabrera, A. 1976. Regiones fitogeográficas argentinas. In: Enciclopedia argentina de agricultura y jardinería.
pp. 1-85. Editorial ACME. Buenos Aires.
Cajal, J.L., J. García Fernández y R. Techhi (eds.) 1998. Bases para la conservación y manejo de la Puna y
Cordillera Frontal de la Argentina. El rol de las Reservas de Biosfera. UNESCO. Montevideo, Uruguay.
Cantú, C., R.G. Wright, J.M. Scott y E. Strand 2003. Assessment of current and proposed nature reserves of
Mexico based on their capacity to protect geophysical features and biodiversity. Biological Conservation 115: 411-417.
Chaneton, E.J., J.M. Facelli y R.J.C. León 1988. Floristic changes induced by flooding on grazed and ungrazed lowland grasslands in Argentina. Journal of Range Management 41:495-499.
Chapin III, F.S., O.E. Sala, I.C. Burke, J.P. Grime, D.U. Hooper, W.K. Lauenroth, A. Lombard, H.A.
Mooney, A.R. Mosier, S. Naeem, S.W. Pacala, J. Roy, W.L. Steffen y D. Tilman 1998. Ecosystem
consequences of chaging biodiversity. Bioscience 48: 45-52.
Churkina, G. y S.W. Running, 1998. Contrasting climatic controls on the estimated productivity of global terrestrial biomes. Ecosystems 1: 206-215.
Clark, D.A., S. Brown, D.W. Kicklighter, J.Q. Chambers, J.R. Thomlinson, J. Ni y E.A. Holland 2001. Net
primary production in tropical forests: an evaluation and synthesis of existing field data. Ecological
Applications 11: 371–384.
Cole, J.J., S. Findlay y M.L. Pace 1988. Bacterial production in fresh and salt water ecosystems: a cross-
system overview. Marine Ecology Progress Series 4:1-10.
Correa Luna, H. 1964. Parque Nacional de Tierra del Fuego. Aspecto físico y fitogeográfico. Anales de Parques Nacionales. Tomo X: 61-72.
Costanza, R., R. d´Arge, R. de Groot, S. Farber, M. Grasso, B. Hannon, K. Linburg, S. Naeem, R.V. O´Neill,
J. Paruelo, R.G. Raskin, P. Sutton y M. van den Belt 1997. The value of the world´s ecosystem
services and natural capital. Nature 387: 253-260.
Costanza, R., R. d´Arge, R. de Groot, S. Farber, M. Grasso, B. Hannon, K. Linburg, S. Naeem, R.V. O´Neill,
J. Paruelo, R.G. Raskin, P. Sutton y M. van den Belt 1998. The value of ecosystem services: putting
the issues in perspective. Ecological Economics 25: 67–72
Bibliografía citada.
119
Cox, G.W. y M.D. Atkins 1979. Agricultural ecology. W.H. Freeman and Company. San Francisco. 721 pp.
Cramer, V.A. y Hobbs, R.J. 2002. Ecological consequences of altered hydrological regimes in fragmented
ecosystems in southern Australia: Impacts and possible management responses. Austral Ecology 27:
546-564.
Cramer, W., Kicklighter, D.W., Bondeau, A., Moore, B., III, Churkina, G., Nemry, B., Ruimy, A., Schloss,
A.L. y Participants of "Potsdam'95" 1999. Comparing global models of terrestrial net primary
productivity (NPP): Overview and key results. Global Change Biology 5 :1-15.
Currie, D. 1991. Energy and large-scale patterns of animal and plant-species richness. The American
Naturalist 137: 27 -49.
Curtis, P.S., P.J. Hanson, P. Bolstad, C. Barford, J. C. Randolph, H.P. Schmid y K.B. Wilson 2002.
Biometric and eddy-covariance based estimates of annual carbon storage in five eastern North
American deciduous forests. Agricultural and Forest Meteorology 113, 3-19.
D´Antonio, C.M. y P.M. Vitousek, 1992. Biological invasions by exotic grasses, the grass/fire cycle, and
global change. Annual Review of Ecology, and Systematics. 23:63-87.
Daily, G.C. 1997. Nature´s services. Island Press, Washington DC. 392 pp.
Dale, V.H. 1997. The relationship between land-use change and climate change. Ecological Applications 7: 753-769.
Dale, V.H., S. Brown, R.A. Haeuber, N.T. Hobbs, N. Huntly, R.J. Naiman, W.E. Riebsame, M.G. Turner y
T.J. Valone 2000: Ecological principles and guidelines for managing the use of land. Ecological
Applications 10: 639–670.
De Fries, R.S., M. Hansen, J.R.G. Townshend y R. Sohlberg 1998. Global land cover classification at 8 km
spatial resolution: the use of training data derived from Landsat imagery in decision tree classifiers.
International Journal of Remote Sensing 19: 3141-3168.
De Fries, R.S., C.B. Field, I. Fung, G.J. Collatz, y L. Bounoua 1999. Combining satellite data and
biogeochemical models to estimate global effects of human-induced land cover change on carbon
emissions and primary productivity. Global Biogeochemical Cycles 13: 803-815.
de Groot, R.S., M.A. Wilson y R.M.J. Boumans 2002. A typology for the classification, description and
valuation of ecosystem functions, goods and services. Ecological Economics 41: 393-408.
Di Bella, C.M., C.M. Rebella y J.M. Paruelo 2000. Evapotranspiration estimates using NOAA AVHRR
imagery in the Pampa region of Argentina. International Journal of Remote Sensing 21: 791-797.
Diamond, J. 1999. Guns, germs, and steel. The fates of human societies. W.W. Norton & Company, Inc. New
York. 480 pp.
Dobson, A.P., A.D. Brandshaw y A.J.M. Baker 1997. Hopes for the future: restoration ecology and
conservation biology . Science 277: 515-522.
Duchemin, B., D. Guyon y J. Lagouarde 1999. Potential and limits of NOAA -AVHRR temporal composite
data for phenology and water stress monitoring of temperate forest ecosystems. International Journal
of Remote Sensing 20, 895-917.
Dunn, S.M. y R. Mackay 1995. Spatial variation in evapotranspiration and the influence of land use on
catchment hydrology. Journal of Hydrology 171: 49-73.
Bibliografía citada.
120
Eidenshink, J.C. y J.L. Faundeen 1994. The 1km AVHRR global land data set: First stages in
implementation. International Journal of Remote Sensing 15: 3443 -3462.
Epstein, H.E., W.K. Lauenroth, I.C. Burke, y D.P. Coffin 1997. Regional productivity patterns of C3 and C4
functional types in the US Great Plains. Ecology 78: 722-31.
Falge, E., D. Baldocchi, J. Tenhunen, M. Aubinet, P. Bakwin, P. Berbigier, C. Bernhofer, G. Burba, R.
Clement, K.J. Davis, J.A. Elbers, M. Falk, A.H. Goldstein, A. Grelle, A. Granier, T. Grünwald, J.
Guðmundsson, D. Hollinger, I.A. Janssens, P. Keronen, A.S. Kowalski, G. Katul, B.E. Law, Y.
Malhi, T. Meyers, R.K. Monson, E. Moors, J.W. Munger, W. Oechel, K.T. Paw U, Kim Pilegaard,
Ü. Rannik, C. Rebmann, A. Suyker, H. Thorgeirsson, G. Tirone, A. Turnipseed, K. Wilson y S.
Wofsy 2002. Seasonality of ecosystem respiration and gross primary production as derived from
FLUXNET measurements. Agricultural and Forest Meteorology 113: 53-74.
FAO 1985. Datos Agroclimáticos para América Latina y el Caribe. Food and Agriculture Organization of
the United Nations, Roma.
Fernández, R., O.E. Sala y R.A. Golluscio 1991. Woody and herbaceous aboveground production of a
patagonian steppe. Journal of Range Management. 44: 434-7.
Field, C.B., J.T. Randerson y C.M. Malmstrom, 1995. Global Net Primary Production: combining ecology
and remote sensing. Remote Sensing of Environment 51: 74-88.
Fischer, R.A. y N.C. Turner 1978. Plant productivity in the arid and semi-arid zones. Annual Review of Plant Physiology 29: 277-317.
Foley, J.A., S. Levis, M. Heil Costa, W. Cramer y D. Pollard 2000. Incorporating dynamic vegetation cover within global climate models. Ecological Applications 10: 1620–1632.
Franklin, J.F. 1993. Preserving biodiversity: species, ecosystems, or landscapes? Ecological Applications 3: 202-205.
Frenguelli, J. 1941. Rasgos principales de la Fitogeografía Argentina. Rev. Museo de la Plata III Botánica 13:
5-181.
Garbulsky, M., E. Jobbagy, J. Paruelo, V. Sarli y R. Jackson 2002. The impact of afforestation on ecosystem
functioning on grassland areas of temperate South America. Actas del 29th International Symposium on Remote Sensing of Environment: 400-403. Buenos Aires, 8-12 Abril 2002.
Gaston, K.J. 1994. Rarity. Chapman & Hall, Londres. 205 pp.
Gaston, K.J. 2000. Global patterns in biodiversity. Nature 405: 220-227.
Goetz, S.J. y Prince, S.D. 1999 . Modelling terrestrial carbon exchange and storage: evidence and
implications of functional convergence in light-use efficiency. Advances in Ecological Research 28:
57-92.
Graetz, D. 1994. Grasslands. In: Changes in land use and land cover: A global persp ective. W.B. Meyer y
B.L Turner II (eds.). University Press, Cambridge, Reino Unido.
Greenwood, E.A.N., L. Klein, J.D. Beresford y G.D. Watson 1985. Differences in annual evaporation
between grazed pasture and Eucalyptus species in plantations on a saline farm catchment. Journal of
Hydrology 78: 261-278.
Bibliografía citada.
121
Guerschman J.P., J.M. Paruelo y I.C. Burke 2003. The impacts of agricultural land use on the normalized
difference vegetation index in temperate Argentina. Ecological Applications 13: 616 -628.
Halpin, P.N. 1997. Global climate change and natural area protection: management responses and research
directions. Ecological Applications, 7: 828-843.
Hauman, L., A. Burkart, L.R. Parodi, y A.L. Cabrera 1947. La vegetación de la Argentina. In: Geografía de
la República Argentina 8: 5-349.
Hobbs, R.J., 1990. Remote sensing of spatial and temporal dynamics of vegetation. In: R.J. Hobbs and H.A. Mooney. Remote sensing of biosphere functioning. Springer Verlag New York.
Hoffmann W.A. y R.B- Jackson 2000. Vegetation-climat e feedbacks in the conversion of tropical savanna to grassland. Journal of Climate 13: 1593-1602.
Holdridge, L.R. 1947. Determination of world plant formations from simple climatic data. Science 105: 367-368.
Houghton, R.A. 1995. Land -use change and the carbon cycle. Global Change Biology 1: 275 -287.
Hueck, K. y P. Seibert 1981. Vegetationskarte von Südamerika, Gustav Fischer Verlag, Stuttgart, New York.
Huston, M. 1993. Biological diversity, soils, and economics. Science 262: 1676-1680.
INTA 1990. Atlas de Suelo de la República Argentina.
IUCN 1993. Parks for Life - Report of the 4th World Conference on Natural Parks and Protected Areas.
IUCN, Gland, Switzerland.
Jackson, R.B. 1999. The importance of root distributions for hydrology, biogeochemistry, and ecosystem
functioning. In: J.D. Tenhunen y P. Kabat (eds.). Integrating hydrology, ecosystem dynamics, and
biogeochemistry in complex landscapes. J. Wiley & Sons Ltd. Chichester, pp. 219-240.
Jackson, R.B., H.J. Schenk, E.G. Jobbagy, J. Canadell, G.D. Colello, R.E. Dickinson, C.B. Field, P.
Friedlingstein, M. Heimann, K. Hibbard, D.W. Kicklighter, A. Kleidon, R.P. Neilson, W.J. Parton,
O.E. Sala, y M.T. Sykes 2000. Belowground consequences of vegetation change and their treatment in models. Ecological Applications 10: 470-483.
James, M. E. y S.N.V. Kalluri 1994. The Pathfinder AVHRR land data set: An improved coarse resolution data set for terrestrial monitoring. International Journal of Remote Sensing, 15, 3347-3364.
Jennings M.D. 2000. Gap analysis: concepts, methods, and recent results. Landscape Ecology 15: 5–20.
Jobbágy, E.G. 2002. The imprint of plants on the vertical distribution of soil resources. Tesis Doctoral. Duke
University. 162 pp.
Jobbágy, E.G. y O.E. Sala 2000. Controls of grass and shrub aboveground production in the Patagonian
steppe. Ecological Applications 10: 541-549.
Jobbágy, E.G., O.E. Sala y J.M. Paruelo 2002. Patterns and controls of primary production in the Patagonian
steppe: a remote sensing approach. Ecology 83: 307-319.
Kaufman, Y.J. y B.N. Holben 1993. Calibration of the AVHRR visible and near -IR bands by atmospheric
scattering, ocean glint, and desert reflection. International Journal of Remote Sensing 14: 21-52.
Kennedy, P. 1989. Monitoring the vegetation of Tunisian grazing lands using the normalized difference
vegetation index. Ambio 18: 119-123.
Bibliografía citada.
122
Klein, A.M., I. Steffan-Dewenter, D. Buchori, y T. Tscharntke 2002. Effects of Land-Use Intensity in
Tropical Agroforestry Systems on Coffee Flower-Visiting and Trap-Nesting Bees and Wasps.
Conservation Biology 16: 1003-1014.
Knapp, A.K. y M.D. Smith 2001. Variation among biomes in temporal dynamics of aboveground primary
production. Science 291: 481-484.
Konarska, K.M., P.C. Sutton y M. Castellon 2002. Evaluating scale dependence of ecosystem service
valuation: a comparison of NOAA-AVHRR and Landsat TM datasets. Ecological Economics 41:
491–507.
Kremen C., N.M. Williams y R.W. Thorp 2002. Crop pollination from native bees at risk from agricultural
intensification. Proceedings of the National Academy of Sciences 99: 16812 - 16816.
Küchler, A.W. 1964. The potential natural vegetation of the conterminous Unites States. American
Geographical Society, New York.
Leemans, R. y J. van den Born 1994. Determining the potential distribution of vegetation, crops and
agricultural productivity. Water, Air, and Soil Pollution 76: 133-161.
León, R.J.C. y M.R. Aguiar 1985. El deterioro por uso pasturil en estepas herbáceas patagónicas.
Phytocoenologia 13: 181 -196.
León. R.J.C., D. Bran, M. Collantes, J.M. Paruelo, y A. Soriano 1998. Grandes unidades de vegetación de la
Patagonia extra andina. Ecología Austral 8: 125-144.
Lieth, H. 1975. Modeling the primary productivity of the world. Pp. 237-262 in H. Liesth y R.H. Wittaker,
eds. Primary productivity of the biosphere. Springer-Verlag, New York, EE.UU.
Lloyd, D. 1990. A phenological classification of terrestrial vegetation cover using shortwave vegetation index imagery. International Journal of Remote Sensing 11: 2269-79.
Loveland, T. R., B. C. Reed, J. F. Brown, D. O. Ohlen, Z. Zhu, L. Yang y J. W. Merchant 2000.
Development of a global land cover characteristics database and IGBP DISCover from 1 km
AVHRR data. International Journal of Remote Sensing 21: 1303 – 1330.
Mahmood, R. K.G. Hubbard y C. Carlson 2002. Land use change and modification of near surface
temperature records in the northern Great Plains: verification of modeling results. Proceedings of the
13 th Conference on Applied Climatology. 13—16 Mayo de 2002. Portland, Oregon.
Manies, K.L., J.W. Harden, L. Kramer y W.J. Parton. 2001. Carbon dynamics within agricultural and native
sites in the loess region of western Iowa. Global Change Biology 7: 545 -555.
Margules, C.R. y R.L. Pressey 2000. Systematic conservation planning. Nature 405: 243-253.
Martinez Carretero, E. y A.D. Dalmasso 1992. Litter yield in shrubs of Larrea in the Andean piedmont of Mendoza, Argentina. Vegetatio 101: 21-33.
Martinez Crovetto, R. 1963. Esquema fitogeográfico de la Provincia de Misiones (República Argentina).
Bonplandia 1: 171-223.
McGrath,D.A., C.K. Smith, H.L. Gholz y F. de Assis Oliveira 2001. Effects of land-use change on soil
nutrient dynamics in Amazônia. Ecosystems 4: 625-645.
McNaughton, S.J., M. Oesterheld, D.A. Frank y K.J. Williams, 1989. Ecosystem-level patterns of primary
productivity and herbivory in terrestrial habitats. Nature 341: 142-144.
Bibliografía citada.
123
McNaughton, S.J., O.E. Sala y M. Oesterheld 1993. Comparative ecology of African and South American
arid to subhumid ecosystems. In: P.Goldblatt (ed.) Biological relationships between Africa and
South America, pp. 548-567. Yale University Press. New Haven.
Melillo, J.M., I.C. Prentice, G.D. Farquhar, E.D. Schulze y O.W. Sala, 1995. Terrestrial biotic responses to
environmental change and feedbacks to climate. In: IPCC, 1995: Climate Change 1995 – The
science of global change. J.T. Hougton, L.G. Meira Filho, B.A. Callander, N. Harris, A. Kattenberg y K. Maskell.
Mika, J., S. Horváth y L. Makra 2001. Impact of Documented Land Use Changes on the Surface Albedo and Evapotranspiration in a Plain Watershed. Phys. Chem. Earth (B) 26. 601-606,
Milchunas, D. G., y W. K. Lauenroth 1993. Quantitative effects of grazing on vegetation and soils over a
global range of environments. Ecological Monographs 63: 327 -366.
Milich, L. y E. Weiss 2000. GAC NDVI images: relationship to rainfall and potential evaporation in the
grazing lands of The Gourma (northern Sahel) and in the croplands of the Niger-Nigeria border (southern Sahel). International Journal of Remote Sensing 21: 261-280.
Monteith, J.L. 1977. Climate and the efficiency of crop production in Britain. Philosophical Transactions of the Royal Society of London B, 281: 277-294.
Monteith, J.L. y M.H. Unsworth 1990. Principles of Environmental Physics. Butterworths, London.
Monteith, J.L., 1981. Climatic variation and the growth of crops. Quarterly Journal of the Royal
Meteorological Society 107: 749-74.
Moran, M.S., T.R. Clarke, Y. Inoue y A. Vidal 1994. Estimating crop water deficit using the relation between
surface-air temperature and spectral vegetation index. Remote Sensing of Environment 49:246-263.
Myers, N. 1996. Environmental services of biodiversity. Proceedings of the National Academy of Sciences
83: 2764-2769.
Myers, N., R.A. Mittermeier, C.G. Mittermeier, G.A.B. da Fonseca y J. Kent 2000. Biodiversity hotspots for
conservation priorities. Nature 403, 853 – 858.
Nemani, R. y S. Running 1997. Land cover characterization using multitemporal red, near-IR, and thermal-
IR data from NOAA/AVHRR. Ecological Application s 7: 79-90.
Nemani, R.R., C.D. Keeling, H. Hashimoto, W.M. Jolly, S.C. Piper, C.J. Tucker, R.B. Myneni y S.W.
Running 2003. Climate-Driven Increases in Global Terrestrial Net Primary Production from 1982 to
1999. Science 300: 1560-1563.
Nepstad, D.C, C.R. de Carvalho, E.A. Davidson, P.H. Jipp, P.A. Lefebvre, G.H. Negreiros, E.D. da Silva,
T.A. Stone, S.E. Trumbore y S.Viera 1994. The role of deep roots in the hydrological and carbon
cycles of Amazonian forests and pastures. Nature 372: 666-669.
Nilsson, C. y F. Götmark 1992. Protected areas in Sweden: is natural variety adequately represented?
Conservation Biology 6: 232-242.
Noy Meir, I. 1973. Desert ecosystems: Environments and producers. Annual Review of Ecology and
Systematics 4: 25-51.
Bibliografía citada.
124
Odum, E.P. y H.T. Odum 1972. Natural areas as necessary components of man’s total environment. In:
Transactions of the 37th North American Wildlife and Natural Resources Conference, March 12-15,
1972. Wildlife Management Institute, Washington, DC, 37: 178 -189.
Oesterheld, M. O.E. Sala y S.J. McNaughton 1992. Effect of animal husbandry on herbivore-carrying
capacity at a regional scale. Nature 356: 234-236.
Oesterheld, M., C.M. Di Bella y H. Kerdiles 1998. Relation between NOAA-AVHRR data and stocking rate
of rangelands. Ecological Applications 8: 207-212.
Oesterheld, M., M.R. Aguiar, J.M. Paruelo, R.A. Golluscio y O.E. Sala 1999. El deterioro de los pastizales
por sobrepastoreo. XIX Reunión Argentina de Ecología. Tucumán Abril 1999.
Oesterheld, M., O.E. Sala y S.J. McNaught on. 1992. Effect of animal husbandry on herbivore-carrying
capacity at a regional scale. Nature 356, 234-236.
Ojeda, R.A., C.M. Campos, J.M. Gonnet, C.E. Borghi y V.G. Roig 1998. The MaB reserve of Ñacuñán,
Argentina: its role in understanding the Monte Desert biome. Journal of Arid Environments 39: 299-
313.
Orians, G.H. 1998. Human behavioral ecology: 140 years without Darwin is too long. Bulletin of the
Ecological Society of America, 79:15-28.
Parodi, L.R. 1964. Las regiones fitogeográficas argentinas. In: L.R. Parodi, Enciclopedia Argentina de
Agricultura y Jardinería 2: 1-14. Editorial ACME, Buenos Aires.
Parton, W.J., J.M.O. Scurlock, D.S. Ojima, D.S. Schimel y D.O. Hall 1995. Impact of climate change on
grassland production and soil carbon worldwide. Glob. Change Biol. 1: 13-22.
Paruelo, J.M. y O.E. Sala 1995. Water losses in the Patagonian Steppe: a modelling approach. Ecology 76: 510-520.
Paruelo, J.M. y W.K. Lauenroth 1995. Regional patterns of NDVI in North American shrublands and grasslands. Ecology 76: 1888-1898.
Paruelo, J.M. y W.K. Lauenroth, 1998. Interannual variability of NDVI and its relantionship to climate for North American shrublands and grasslands. Journal of Biogeography 25: 721-733.
Paruelo, J.M., Aguiar, M.R., León, R.J.C., Golluscio, R.A. y Batista, W.B. 1991. The use of satellite imagery
in quantitative phytogeography: a case study of Patagonia (Argentina). pp 183 -204. In: P.L. Nimis y
T.J. Crovello (eds.). Quantitative Approaches to Phytogeography. Kluwer Academic Publishers, The
Hague.
Paruelo, J.M., E.G. Jobbágy y O.E. Sala 1998. Biozones of Patagonia (Argentina). Ecología Austral 8: 145-
153.
Paruelo, J.M., E.G. Jobbagy y O.E. Sala 2001. Current distribution of ecosystem functional types n temperate
South America. Ecosystems 4: 683-698.
Paruelo, J.M., E.G. Jobbágy y O.E. Sala 2001. Current distribution of ecosystem functional types in temperate South America. Ecosystems 4:683-698.
Paruelo, J.M., E.G. Jobbágy y O.E. Sala, 1998. Biozones of Patagonia (Argentina). Ecología Austral 8: 145-153.
Bibliografía citada.
125
Paruelo, J.M., E.G. Jobbagy, O.E. Sala, W.K. Lauenroth y I.C. Burke 1998. Functional and structural
convergence of temperate grassland and shrubland ecosystems. Ecological Applications 8: 194-206.
Paruelo, J.M., H.E. Epstein, W.K. Lauenroth y I.C. Burke 1997. ANPP estimates from NDVI for the central
grassland region of the United States. Ecology 78: 953-958.
Paruelo, J.M., H.E. Epstein, W.K. Lauenroth y I.C. Burke 1997. ANPP estimates from NDVI for the central
grassland region of the United States . Ecology 78: 953-958.
Paruelo, J.M., I.C. Burke y W.K. Lauenroth 2001. Land-use impact on ecosystem functioning in eastern Colorado, USA. Global Change Biology 7: 631-639.
Paruelo, J.M., M. Oesterheld, C.M. Di Bella, M. Arzadum, J. Lafontaine, M. Cahuepé y C. Rebella 2000.
Estimation of primary production of subhumid rangelands from remote sensing data. Applied
Vegetation Science 3: 189-195.
Paruelo, J.M., M.F. Garbulsky, J.P. Guerschman y E.G. Jobbágy, en prensa. Two decades of NDVI changes
in South America: identifying the imprint of global changes. International Journal of Remote
Sensing.
Paruelo, J.M., M.R. Aguiar, R.J.C. León, R.A. Golluscio y W.B. Batista 1991. The use of satellite imagery in
quantitative phytogeography: a case study of Patagonia (Argentina). pp 183-204. In: P.L. Nimis y
T.J. Crovello (eds.). Quantitative Approaches to Phytogeography. Kluwer Academic Publishers, The
Hague.
Paruelo, J.M., W.K. Lauenroth, H.E. Epstein, I.C. Burke, M.R. Aguiar y O.E. Sala 1995. Regional climatic
similarities in the temperate zones of North and South America. J. Biogeogr. 22: 915-925.
Paruelo, J.M., W.K. Lauenroth, I.C. Burke y O.E. Sala 1999. Grassland precipitation-use efficiency varies
across a resource gradient. Ecosystems 2:64-68.
Patterson, M.G. 20 02. Ecological production based pricing of biosphere processes. Ecological Economics 41:
457-478.
Pearce, D.W. 2001. The Economic Value of Forest Ecosystems. Ecosystem Health 7: 284-296
Pelkey, N.W., C.J. Stoner y T.M. Caro 2000. Vegetation in Tanzania: assessing long term trends and effects
of protection using satellite imagery. Biological Conservation 94: 297-309
Perelman, S.B., R.J.C. León y M. Oesterheld 2001. Cross-scale vegetation patterns of Flooding Pampa grasslands. Journal of Ecology 89, 562-577.
Pickett, S.T.A., V.T. Parker y P.L. Fiedler 1994. The New Paradigm in ecology: implications for
conservation biology above the species level. In: P.L Fiedler y S.K. Jain (eds.) Conservation
Biology. Chapman and Hall, New York and London.
Pickup, G. 1996. Estimating the effects of land degradation and rainfall variation on productivity in
rangelands: an approach using remote sensing and models of grazing and herbage dynamics. Journal
of Applied Ecology 33: 819-832.
Pielke Sr., R.A., G. Marland, R.A. Betts, T.N. Chase, J.L. Eastman, J.O. Niles, D. Niyogi y S. Running 2002.
The influence of land-use change and landscape dynamics on the climate system- relevance to
climate change policy beyond the radiative effect of greenhouse gases. Philosophical Transactions
of London's Royal Society B 360: 1705 -1719.
Bibliografía citada.
126
Pielke, R.A. y R. Avissar 1990. Influence of landscape structure on local and regional climate. Landscape
Ecology 4:133-155.
Pimentel, D., L. Hurd, A. Bellotti, M. Forster, I. Oka, O. Sholes, y R. Whitman 1973. Food production and
the energy crisis. Science 182: 443-449
Possingham, H. Ball, I. y Andelman, S. 2000. Mathematical methods for identifying representative reserve
networks. In: Quantitative methods for conservation biology. Ferson, S. y Burgman, M. (eds).
Springer-Verlag, New York. Pp. 291-305
Potter C. S, Klooster S. y Brooks V.1999. Interannual variability in terrestrial net primary production:
exploration of trends and controls on regional to global scales. Ecosystems 2, 36-48.
Potter, C.S. J.T. Randerson, C.B. Field, P.A. Matson, P.M. Vitousek, H.A. Mooney y S.A. Klooster 1993.
Terrestrial ecosystem production: a process model based on global satellite and surface data. Global
Biogeochemical Cycles 7: 811 -841.
Prendergast, J.R, R.M. Quinn y J.H. Lawton 1998. The gaps between theory and practice in selecting natural
reserves. Conservation Biology 13: 484-492.
Prentice, I.C., W. Cramer, S.P. Harrison, R. Leemans, R.A. Monserud y A.M. Solomon 1992. A global
biome model based on plant physiology and dominance, soil properties and climate. Journal of
Biogeography. 19: 117-134.
Prince, S.D. 1990. High Temporal Frequency Remote Sensing of Primary Production using NOAA AVHRR.
Applications of Remote Sensing in Agriculture. Butterworths, London.
Prince, S.D. 1999. What practical information about land -surface function can be determined by remote
sensing? Where do we stand? In: J.D. Tenhunen y P. Kabat (eds.). Integrating hydrology, ecosystem
dynamics, and biogeochemistry in complex landscapes. John Wiley & Sons Ltd, Chichester.
Pucheta, E., M. Cabido, S. Díaz y G. Funes 1998. Floristic composition, biomass, and aboveground net plant
production in grazed and protected sites in a mountain grassland of central Argentina. Acta
Oecologica 19: 97-105.
Raich, J. W., E. B. Rastetter, J. M. Melillo, D. W. Kicklighter, P. A. Steudler, B. J. Peterson, A. L. Grace, B.
Moore III, and C. J. Vorosmarty. 1991. Potential net primary productivity in South America: Application of a global model. Ecological Applications 1: 399-429.
Rapport D.J., R. Costanza y A.J. McMichael 1998b. Assessing ecosystem health. Trends in ecology and evolution 13: 397-402.
Rapport, D., R. Costanza, P.R. Epstein, C. Gaudet y R. Levins 1998a. Ecosystem health. Blackwell
Scientific, Malden, MA, 373 pp.
Rock, B.N., D.L. Skole y B.J. Choudhury 1993. Monitoring vegetation change using satellite data. In: A.M.
Solomon y H.H. Shugart (eds.). Vegetation dynamics & global change. Pp 153-167. Chapman & Hall, New York-London.
Rosenzweig, M.L.1995. Species diversity in space and time. Cambridge University Press, Cambridge, UK.
Roy, D.P., P. Kennedy y S. Folving 1997. Combination of the Normalized Difference Vegetation Index and
surface temperature for regional scale European Forest cover mapping using AVHRR data.
International Journal of Remote Sensing 18: 1189-1195.
Bibliografía citada.
127
Ruimy, A., B. Saugier y G. Dedieu 1994. Methodology for the estimation of terrestrial net primary
production from remotely sensed data. Journal of Geophysical Research 99: 5263 -5283.
Running, S.W. R.R. Nemani, D.L. Peterson, L.E. Band, D.F. Potts, L.L Pierce y M.A. Spanner 1989.
Mapping regional forest evapotranspiration and photosynthesis by coupling satellite data with
ecosystem simulation. Ecology 70: 1090-1101.
Running, S.W., P.E. Thornton, R.R. Nemani y J.M. Glassy 2000. Global Terrestrial Gross and Net Primary
Productivity form the Earth Observing System. In: O. Sala, R. Jackson y H.Mooney (eds.). Methods
in Ecosystem Science, Springer-Verlag New York.
Running, S.W., y R.R. Nemani 1988. Relating seasonal patterns of the AVHRR vegetation index to
simulated photosynthesis and transpiration of forests in different climates. Remote Sensing of
Environment 24: 347-67.
Rusch, V.E. 1993. Altitudinal variation in the phenology of Nothofagus pumilio in Argentina. Revista
Chilena de Historia Natural 66: 131-141.
Sabatini, M.C. y R.M. Rodríguez Iglesia 2001. A global context for the evolution and current status of
protected areas in Argentina. Natural Areas Journal 21: 274-281.
SAGPYA 2000. Estadísticas Agropecuarias . Secretaría de Agricultura, Ganadería, Pesca y Alimentación.
Buenos Aires.
Sala O.E., V.A. Deregibus, T. Schlichter y H. Alippe 1981. Productivity dynamics of a native temperate
grassland in Argentina. Journal of Range Management 34: 48-51.
Sala, O. E., W. J. Parton, L. A. Joyce, and W. K. Lauenroth. 1988. Primary production of the central
grassland region of the United States: spatial pattern and major controls. Ecology 69:40-45.
Sala, O.E, W.J. Parton, L.A. Joyce y W.K. Lauenroth 1988. Primary production of the central grassland
region of the United States. Ecology 69: 40-45.
Sala, O.E. 2001. Productivity of temperate grasslands. Pages 285 -300. In: J. Roy, B. Saugier y H. A. Mooney
(eds.). Terrestrial Global Productivity. Academic Press, San Diego.
Sala, O.E., F.S. Chapin III, R.H. Gardner, W.K. Lauenroth, H.A. Mooney and P.S. Ramakrshnan, 1999.
Global change, biodiversity and ecological complexity. In: The Terrestrial Biosphere and Global
Change. B. Walker, W. Steffen, J. Canadell y J. Ingram (eds.)., Cambridge University Press:
Cambridge. p. 304 -328.
Sala, O.E., M. Oesterheld, R.J.C. León y A. Soriano. 1986. Grazing effect upon plant community structure in
subhumid grasslands of Argentina. Vegetatio 67:27-32.
Sala, O.E., R.B. Jackson, H.A. Mooney y R.W. Howarth. (eds.). 2000. Methods in Ecosystem Science.
Springer Verlag, New York.
Sandholt, I., K. Rasmussen y J. Andersen 2002. A simple interpretation of the surface temperature/vegetation
index space for assessment of surface moisture status. Remote Sens. Environ. 79: 213-224.
SAS 1996. SAS Institute Inc. Release 6.12, Cary, NC, USA.
Saugier, B., J. Roy y H.A. Mooney 2001. Estimations of global terrestrial productivity: converging toward a
single number? In: J. Roy, B. Saugier y H.A. Mooney, (eds.). Terres trial Global Productivity.
Academic Press, San Diego.
Bibliografía citada.
128
Schimel, D.S., Participants, VEMAP, Braswell, B. H.. 1997: Continental scale variability in ecosystem
processes: models, data, and the role of disturbance. Ecological Monographs 67: 251–271.
Schmugge, T. 1990. Measurements of surface soil moisture and temperature, In R.J. Hobbs, and H.A.
Mooney, Eds. Remote Sensing of Biosphere Functioning Springer-Verlag, New York.
Schultz, P.A. y M.S. Halpert 1995. Global analysis of the relationships among a vegetation index,
precipitation and land surface temperature. International Journal of Remote Sensing 16: 2755-2777.
Schwartz, M.W., C.A. Brighman, J.D. Hoeksema, K.G. Lyons, M.H. Mills y P.J. van Mantgem 2000.
Linking biodiversity to ecosystem function: implications for conservation ecology. Oecologia 122:
297-305.
Scott, J.M., F.W. Davis, R.G. McGhie, R.G. Wright, C. Groves y J. Estes 2001. Nature reserves: do they
capture the full range of America´s biological diversity? Ecological Applications 11: 999-1007.
Scurlock, J.M.O., W. Cramer, R.J. Olson, W.J. Parton y S.D. Prince 1999: Terrestrial NPP: toward a
consistent data set for global model evaluation. Ecological Applications 9: 913 –919.
Seguin, B. y B. Itier 1983. Using midday surface temperature to estimate daily evaporation from satellite thermal IR data. International Journal of Remote Sensing 4: 371-383.
Sellars, R.W. 1997. Preserving nature in the National Parks. A History. Yale University Press, New Haven and London, 380 pp.
Sellers, P.J., J.A. Berry, G.J. Collatz, C.B. Field y F.G. Hall 1992. Canopy reflectance, photosynthesis, and
transpiration. III. A reanalysis using improved leaf models and a new canopy integration scheme.
Remote Sensing of Environment 42: 187-216.
Shan, J., L.A Morris y R.L Hendrick 2001. The effects of management on soil and plant carbon sequestration in slash pine plantations. Journal of Applied Ecology 38: 932-941.
Sobrino J.A. y N. Raissouni 2000. Toward remote sensing methods for land cover dynamic monitoring: application to Morocco. International Journal of Remote Sensing 21: 353-366.
Sobrino, J.A., C. Coll y V. Caselles, 1991. Atmospheric correction for land surface temperature using NOAA-11 AVHRR Channels 4 and 5. Remote Sensing of Environment 38: 19-34.
Soil Taxonomy 1999. A Basic System of Soil Classification for Making and Interpreting Soil Surveys. Soil
Survey Staff. United States Department of Agriculture Agriculture Handbook. Natural Resources Conservation Service Number 436. Second Edition, 1999. 870 pp.
Soriano, A. 1956. Los distritos florísticos de la Provincia Patagónica. Revista de Investigaciones Agropecuarias 10: 323-347.
Soulé, M.E. y M.A. Sanjayan 1998. Conservation targets: do they help? Science 279: 2060-2061.
Steinwand, D.R. 1994. Mapping raster imagery to the Interrupted Goode Homolosine Projection.
International Journal of Remote Sensing 15: 3463-3471.
Stephenson, N.L. 1990. Climatic control of vegetation distribution: the role of the water balance. The
American Naturalist 135: 649-670.
Stohlgren, T.J., T.N. Chase, R.A. Pielke, T.G.F. Kittel y J.S. Baron 1998. Evidence that local land use
practices influence regional climate, vegetation, and stream flow patterns in adjacent natural areas.
Global Change Biology 4: 495-504.
Bibliografía citada.
129
Stoms, D.M. y W.W. Hargrove 2000. Potential NDVI as a baseline for monitoring ecosystem functioning.
International Journal of Remote Sensing 21: 401 -407.
Sundarapandian, S., S. Chandrasekaran, y P.S. Swamy. 1999. Variations in fine root biomass and net
primary productivity due to conversion of tropical forests into forest plantations. Tropical Ecology.
40: 305-312.
Suyker, A.E. y S.B. Verma 2001. Year-round observations of the net ecosystem exchange of carbon dioxide
in a native tallgrass prairie. Global Change Biology 7: 279-289.
Szilagyi, J. 2000. Can a vegetation index derived from remote sensing be indicative of areal transpiration?
Ecological Modelling 127: 65-79.
Tálamo, A. y S.M. Caziani 2003. Variation in woody vegetation among sites with different disturbance
histories in the Argentine Chaco. Forest Ecology and Management 184: 79-92.
Tarpley, J.D., S.R. Schneider y R.L. Money 1984. Global vegetation indices from the NOAA-7
meteorological satellite. Journal of Climate and Applied Meteorology 23: 491-494.
Taylor,B. F., P.W. Dini, y J.K. Kidson 1985. Determination of seasonal and interannual variation in New Zealand pasture growth from NOAA-7 data. Remote Sensing of Environment 18: 177-192 .
Tilman, D. 1999. The ecological consequesnces of changes in biodiversitiy: a search for general princip les. Ecology 80: 1455-1474.
Tucker, C.J. y S.E. Nicholson 1999. Variations in the size of the Sahara Desert from 1980 to 1997. Ambio 28: 587-591.
Tucker, C.J., C.L. Vanpraet, M.J. Sharman y G. Van Ittersum 1985. Satellite remote sensing of total
herbaceous biomass production in the Senegalese Sahel: 1980-1984. Remote Sensing of Environment 17: 233 -249.
Turner, M.G. 1987. Land use changes and net primary production in the Georgia, USA, landscape: 1935-1982. Environmental Management 11: 237 -247.
Tüxen, R. 1956. Die heutige potentielle natürliche Vegetation als Gegenstand der Vegetationskartierung.
Angew. Pflanzensoziol. (Stolzenau) 13: 5-42. citado por Zerbe, S. 1998. Potential natural
vegetation: validity and applicability in landscape planning and nature conservation. Applied
Vegetation Science 1: 165-172.
Veblen, T.T., C. Donoso, T. Kitzberger y A.J. Rebertus 1996. Ecology of Southern Chilean and Argentinean
Nothofagus forests. In: T.T. Veblen, R.S. Hill y J. Read (eds.). The ecology and biogeography of
Nothofagus forests. Yale University Press. New Haven.
Vidal, A. y A. Perrier 1989. Analysis of a simplified relation for estimating daily evapotranspiration from
satellite thermal IR data. International Journal of Remote Sensing 10: 1327 -1337.
Villalba, R., A. Lara, J.A. Boninsegna , M. Masiokas, S. Delgado, J.Aravena, F.A. Roig, A. Schmelter, A.
Wolodarsky y A. Ripalta 2003. Large -scale temperature changes across the Southern Andes: 20th-
century variations in the context of the past 400 years. Climatic Change 59: 177–232.
Villalba, R., J.A. Boninsegna, T.T. Veblen, A. Schmelter y S. Rubulis 1997. Recent trends in tree-ring
records from high elevation sites in the Andes of northern Patagonia. Climatic Change 36: 425-454.
Vitousek, P.M. 1994. Beyond global warming: ecology and global change. Ecology 75: 1861-1876.
Bibliografía citada.
130
Vitousek, P.M., H.A. Mooney, J. Lubchenco y J.M. Melillo. 1997. Human domination of earth’s ecosystems.
Science 277: 494-499.
Vitousek, P.M., P.R. Ehrlich, A.H. Ehrlich y P.A. Matson 1986. Human appropiation of the products of
photosysthesis. BioScience 36:368-373.
Ward, T.J., M.A. Vanderklift, A.O. Nicholls y R.A. Kenchington 1999. Selecting marine reserves using
habitats and species assemblages as surrogates for biological diversity. Ecological Applications 9:
691–698.
WCMC 1992. World Conservation Monitoring Centre. Global Biodiversity: Status of the Earth’s living
resources. Chapman & Hall, London. 594 pp.
Webb, W., S. Szarek, W. Lauenroth, R. Kinerson y M. Smith, 1978. Primary productivity and water use in
native forest, grassland and desert ecosystems. Ecology 59: 1239-47.
Webb, W.L., W.K. Lauenroth, S.R. Szarek y R.S. Kinerson 1983. Primary production and abiotic controls in
forests, grasslands, and desert ecosystems in the United States. Ecology 64: 134-151.
Wessman, C.A. 1992. Spatial scales and global change: bridging the gap from plots to GCM grid cells. Annual Review of Ecology and Systematics 23: 175-199.
Williams, D.G. y Z. Baruch. 2000. African grass invasion in the Americas: ecosystem consequences and the role of ecophysiology. Biological Invasions 2:123-140.
Yokohari, M., R.D. Brown, Y. Kato y H. Moriyama 1997. Effects of paddy fields on summertime air and
surface temperatures in urban fringe areas of Tokyo, Japan. Landscape and Urban Planning 38: 1-
11.
Young, S. S. y A. Anyamba 1999. Comparison of NOAA/NASA PAL and NOAA GVI Data for vegetation change studies over China. Photogrammetric Engineering & Remote Sensing 65: 679-688.