Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

Influencia de los parámetros climáticos sobre la variación de la cobertura vegetal en la laguna Conococha, utilizando técnicas de percepción remota Daniel Colonia Ortiz 1 Edwin Loarte Cadenas 1 Judith Torres Castillo 1 Alexzander Santiago Martel 1

1Autoridad Nacional del Agua – ANA Unidad de Glaciología y Recursos Hídricos, Av. Confraternidad Internacional Oeste Nº167 - Huaraz, Perú {dcolonia, eloarte, jtorresc, asantiago }@ana.gob.pe

Abstract. This study showed the effects of climate change in Peru's Andean ecosystems. In this regard, the vegetation cover was determined as an indicator, through the NDVI (Normalized Difference Vegetation Index) from Landsat TM and +ETM and application of remote sensing techniques, between 2001 and 2011. Furthermore, statistical analysis was performed by determining the degree of correlation between climatic parameters (surface and ENSO temperatures) and NDVI variations in the lake Conococha, located in the Cordillera Blanca of the Andes in northwest Peru. The results obtained in the sample of the lake Conococha explained that if there is direct relationship between the values of NDVI and climatic parameters such as temperature at 2 meters and temperatures in the areas of Niño 3 and Niño 3.4. This is confirmed by the Pearson linear correlation above 0.6, classified as good correlation. These parameters show that climate change directly affects the vegetation in the lake Conococha, because the temperature is an important factor in the production of chlorophyll and greater proliferation of emergent and subemergent vegetation, which generates the eutrophication of the lake Conococha.

Palabras clave: NDVI, climate change, remote sensing,vegetation, lake. I. Introducción En las últimas décadas, la Cordillera Blanca han sufrido cambios significativos a causa del cambio climático, por las variaciones de los parámetros climáticos simples (Temperatura y precipitación) y episodios ENSO con tendencias a incrementar la temperatura en los ecosistemas de alta montaña según Ames Alcides y Francou (1995), Vuille et al. (2008) y Loarte Edwin (2012). El estudio permite confirmar, si los cambios de la vegetación en la laguna Conococha, se debe al cambio climático a partir de las parámetros climáticos (temperaturas de superficie y ENSO) durante el periodo 2001-2011. Por lo tanto, los objetivos planteados son: establecer la clasificación de la cobertura vegetal que permita indicar las variaciones de la vegetación y determinar el grado de correlación entre los cambios de temperatura y variación de la vegetación que demuestran los efectos del cambio climático en el periodo de análisis. La importancia radica en que la laguna Conococha es la naciente del Río Santa (cabecera de cuenca) y las zonas aledañas representan un servicio ambiental (disponibilidad de recursos) importante, porque alberga una gran diversidad de especies de flora y fauna silvestre. Según Knight Piésold (1998) y ANTAMINA S.A (1998) la laguna esta caracterizado por juncos (Scirpus sp), totoras (Scirpus rigidus) y bofedales y vegetación como Carex sp., Distichia muscoides y Calamagrostis. También especies subemergentes como Roripa nasturtium aquaticum, Elodea potamogeton y Myriophyllum sp. Asimismo, permite la subsistencia de las familias asentadas en sus cercanías que aprovechan los múltiples recursos según Antamina S.A. (2005). La laguna Conococha es parte de las lagunas de origen glaciar más grandes de la 2 cuenca del Río santa, siendo sus medidas morfométricas: superficie de 2’119,158 m , ancho máximo de 1,801 m y longitud máxima de 2,932 m, UGRH (2009). El área de estudio está ubicada en la Cordillera Blanca de los Andes al Noroeste del Perú, departamento de Ancash, provincia de Recuay, distrito de Catac, a 327 km aproximadamente

8653 Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

de la ciudad de Lima y 90 km de la ciudad de Huaraz. Hidrológicamente se localiza en la divisoria de guas de la cuenca del río Fortaleza y forma parte de la cabecera de la cuenca del río Santa, a 4,300 msnm. Geográficamente se encuentra (Figura 1) en las coordenadas 10°07'40.97"S 77°16'44.92"O según UGRH (2009), sobre una ligera hendidura al Sudoeste de la planicie denominada Pampas Lampa Alto flanqueada por los cerros Quimahuanca y Shiushapunta, recibe aguas de las quebradas Tuco Ragra, Sacas o Shacsha y Ñupupata. Es de poca profundidad llegando hasta los 4.5 m en temporada de lluvia según Antamina S.A. (2005).

Figura 1. Mapa de ubicación del área de estudio. II. Metodología de Trabajo En el estudio se ha utilizado 23 imágenes Satelitales de resolución media entre Landsat 5 TM y 7 +ETM ortorectificadas, de la página web USGS, las cuales fueron analizadas para que cumplan las siguientes características: Escenas tomadas en los meses de temporada seca (Mayo a Agosto), poca nubosidad y disponibilidad de imágenes en el periodo 2001-2011. Según Chuvieco Emilio (2006), las imágenes tienen una resolución radiométrica de 8 bits lo que permite diferenciar varias coberturas, porque brinda valores de niveles digitales de 0-255. Según Chander et al. (2005), la misión Landsat tiene una órbita sincrónica, donde produce escenas de 185x185 km, con resolución temporal de 16 días. Los sensores contienen bandas del visible e infrarrojo que cubre el rango espectral de 0.45-1.75 µm (bandas del 1 a 5) y la banda del infrarrojo térmico entre 10.4 a 12.5 µm (banda 6). Las bandas térmicas tienen resolución espacial de 120 y 60 m para el sensor TM y +ETM respectivamente, 15 m la banda pancromática para el sensor +ETM (banda 8) y las otras bandas tienen 30 m. Por otro lado, se han utilizado datos climáticos que corresponden a los siguientes parámetros: temperatura de reanálisis a nivel de 2 m y anomalías de la temperatura superficial del NIÑO 1+2, NIÑO 3, NIÑO 4 y NIÑO 3.4. Los datos de temperatura de reanálisis fueron obtenidos del proyecto ERA-interim a nivel mensual de la página web de European Climate Assessment & Data, en el cuadrante de 10.09º a 10.17º Latitud Sur y 77.23º a 77.32º longitud Oeste, para el periodo de estudio. Los datos de temperatura superficial del mar se obtuvo de la página web de National Weather Service- Climate Prediction Center-NOAA en los sectores: NIÑO 1+2, NIÑO 3, NIÑO 4 y NIÑO 3.4 y sus anomalías que permiten diferenciar entre eventos Niño y Niña, según Espinosa Leticia y Valdez (2007).

8654 Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

2.1.Procesamiento de imágenes Las imágenes Landsat 5 TM y 7 +ETM fueron procesadas en dos etapas que comprenden la corrección radiométrica y geométrica. Según Chuvieco Emilio (2006) en la corrección radiométrica se adecuó los valores de los niveles digitales (ND) de las imágenes medidos por el sensor en cantidades físicas (radiación electromagnética) que permiten representar las coberturas en estudio, convirtiendo los ND a valores de reflectancia al tope de la atmosfera, aplicando las fórmulas de calibración de valores ND a radianza y a reflectancia según APN- SIB (2005) y Colonia Daniel y Torres (2011). Mientras que la corrección geométrica comprendió el posicionamiento de la imágenes Landsat a la zona de estudio, lográndose un error de ajuste menor a 1 píxel (30 m), tomando como referencia la cartografía base (curvas de nivel, ríos y lagunas) a escala 1:100, 000 del Instituto geográfico Nacional (IGN), usándose la proyección cilíndrica Transversal Mercator, el sistema de coordenadas UTM Zona 18 Sur y el Datum WGS84 según UGRH (2009), compatible con la resolución espacial de 30 m de las imágenes Landsat. 2.2.Aplicación de índice de vegetación Para evidenciar los cambios de vegetación y espejo de agua en la laguna Conococha, se eligió un sector de mayor cambio denominado muestra, cuya área aproximada es de 749,800 m2 que representa el 38% del área total (1’957,560 m2). La muestra ha demostrado cambios resaltantes para realizar el análisis de comparación estadística con los datos climáticos mensuales correspondientes a las fechas de toma de las imágenes satelitales. Para determinar las variaciones espectrales de la vegetación se ha calculado el NDVI (Normalized Difference Vegetation Index) (Ecuación 1) cuyos valores están entre -1 a 1. Además, se ha estimado las superficies con la aplicación del método de umbrales para clasificar los pixeles de acuerdo a la respuesta espectral, Parra et al. (2006), las cuales fueron clasificadas en dos rangos (tabla 1), permitiendo discriminar la vegetación de otras coberturas. Los umbrales se determinaron según los valores del NDVI, prueba error para ajustar el umbral e interpretación de las coberturas en el área nuestra, corroboradas en campo, con la finalidad de extraer las superficies de las coberturas para cada imagen con el uso de herramientas de geo-procesamiento. Tabla 1. Criterios de umbrales. Cobertura Umbrales Espejo de agua y suelo pobre de vegetación -1≤NDVI≤0.2 Vegetación 0.2

2.2.1. Normalized Difference Vegetation Index (NDVI).

ρ −ρ NDVI = irc vis (1) ρirc +ρvis

El ρvis y ρirc son valores de reflectancia al tope de la atmosfera (TOA) que corresponden a las bandas del visible e infrarrojo cercano respectivamente, donde la mayor reflectancia de la vegetación está en la región de la banda 4 y con poca reflectancia en la región de la banda 3. 2.3.Correlación de variables Se ha aplicado la correlación de Pearson entre las variables climáticas (Eventos ENSO y datos de reanálisis) y el NDVI y los cambios de cobertura, para determinar si existe o no una relación directamente proporcional. El coeficiente de correlación de Pearson (r) es aplicado para variables cuantitativas a escala mínima de intervalo (Gráfico 1) como es el caso del presente estudio. Este índice mide el grado de covariación entre distintas variables

8655 Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

relacionadas linealmente acorde a Colonia Daniel y Torres (2011). La intensidad de la relación lineal entre dos variables donde sus valores absolutos oscilan entre –1 y +1, reflejando el signo la dirección de tal valor según Vila et al. (2001) sea positiva o negativa. Posteriormente el valor del coeficiente “r”, al elevarse al cuadrado, se obtiene el coeficiente de determinación (r2) que muestra el porcentaje de la variabilidad de los valores, obtenido la calificación de manera cualitativa, según Colonia Daniel y Torres (2011). Gráfico 1. Escala de calificación según el coeficiente de correlación lineal de Pearson (r), válida para tendencia positiva y negativa.

Área de estudio (Laguna Conococha)

Imágenes satelitales Landsat 5 TM y 7 ETM

Procesamiento de Cartografía las imágenes Base satelitales

Aplicación del índice, NDVI. Parámetros Climáticos

Superficie de vegetación y Datos de Superficie de agua. temperatura de (2001-2011) superficie y eventos ENSOS mensualmente

Cartografía y cambios de superficie.

Correlación de variables y Análisis estadístico

Fin de proceso

Figura 2. Diagrama de flujo de la metodología de trabajo.

III. Resultados y Discusión Los valores del NDVI son medidas cuantitativas relacionadas con las condiciones de biomasa de la vegetación. Cuando mayor sea el valor, las condiciones de vigor se incrementan. Diversos estudios y publicaciones afirman que los valores de NDVI superiores a 0.1 ó 0.2 indican presencia de vegetación según Carreira José y Niell, (1995). Éste parámetro es importante, porque refleja el estado de la cubierta vegetal, permitiendo monitorear las condiciones de proliferación de la cobertura vegetal que generan la eutrofización de la laguna.

8656 Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

NDVI 2001/06/30 2004/07/24 -1 - 0.2 0.2 - 0.4 0.4 - 0.6 0.6 - 0.8 0.8 - 1

2008/06/09 2011/06/02

Figura 3. Variación de los valores de NDVI extraídos de las imágenes Landsat TM y +ETM según el análisis multitemporal. En rojo zona muestral y en negro el borde de la laguna. Los valores de los niveles digitales procesados estadísticamente y los valores de medición geométrica obtenidos de la dinámica de la laguna Conococha se sometieron a análisis de relación con los datos de temperatura superficial y las zonas de anomalías NIÑO. Los resultados evidencian una buena relación entre los valores promedio del NDVI > 0.2, consideradas vegetación y las temperaturas en los sectores NIÑO 3 y NIÑO 3.4, cuyo coeficiente de correlación lineal de Pearson es 0.60 (Tabla 2) y el coeficiente de determinación del 36 %. Tabla 2. Coeficientes de correlación lineal de Pearson. Correlación de Pearson Zonas de temperatura (°C) ERA-Interim NINO1+2 NINO3 NINO4 NINO3.4 Temp. a 2m Agua Promedio 0.20 0.25 0.02 0.19 -0.41 (NDVI<0.2) Suma 0.16 0.20 -0.14 0.13 -0.53 Vegetación Promedio 0.39 0.60 0.23 0.60 -0.47 (NDVI>0.2) Suma 0.40 0.47 -0.08 0.32 -0.72 NDVI Suma 0.32 0.38 -0.11 0.25 -0.67 Agua -0.12 -0.17 0.11 -0.12 0.56 (NDVI<0.2) Superficies Vegetación 0.30 0.27 -0.24 0.08 -0.68 (NDVI>0.2) Además, la correlación confirma que al incrementarse las temperaturas sobre los sectores NIÑO 3 y NIÑO 3.4 producen mayor intensidad de lluvia sobre las andes peruanos. En consecuencia a mayor precipitación se incrementa la proliferación de vegetación subemergente y emergente en la laguna que genera mayor producción de fotosíntesis absorbiendo la radiación solar en la región espectral de radiación fotosintética activa. El NDVI, en general, es una medida del estado hídrico de la vegetación y es usado en modelos climáticos para calcular fotosíntesis, el intercambio de CO2 entre la atmósfera y la superficie del suelo, evapotranspiración y la absorción y emisor de energía por la superficie del suelo, Rojas et al. (2005).

8657 Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

Gráfico 2. Correlación del NDVI>0.2 con los NIÑO 3 y NIÑO 3.4.

28 y = 8.534x + 22.87 29 y = 5.741x + 25.28 b 2 a 2 . .

0 R² = 0.360 0 R² = 0.354 27 28 26 27 25

24 26 Promedio de NDVI > NDVI de Promedio NDVI > de Promedio 0.00 0.20 0.40 0.60 0.00 0.20 0.40 0.60

Temperatura NIÑO 3 (°C) Temperatura NIÑO 3.4 (°C)

Según la correlación lineal de Pearson, los datos de reanálisis de temperatura a 2 m con la sumatoria de NDVI>0.2 (Gráfico 3-a) tiene un valor de -0.72 y con las superficies de NDVI>0.2 (Gráfico 3-b) el valor es de -0.68, ambas son clasificadas como buena correlación y los coeficientes de determinación son 52 % y 46% respectivamente. Estos resultados muestran que la temperatura es un factor importante para la producción de la clorofila, debido a la relación directa con los valores de NDVI. Además, según Ollat et al. (1992) afirman que la temperatura afecta la fotosíntesis a nivel estomático y cloroplástico, como también la velocidad de las reacciones metabólicas. Gráfico 3. Correlación entre temperaturas de reanálisis y valores NDVI. 16 a 16 2 b . 2 . 0

0 15 15 14 14 13 13 12 12 y = -0.010x + 15.08 y = -5E-06x + 15.39 11 11 R² = 0.456 Sumatoria de NDVI > de NDVI Sumatoria R² = 0.521 10 > NDVI superficial Area 10 0 100 200 300 0 200000 400000 600000

ERA-Iterim Temp. a 2m(°C) ERA-Iterim Temp. a 2m(°C)

En el Gráfico 4 se muestra la evolución de los parámetros climáticos en análisis, siendo la zona superior a la línea roja el periodo de estudio. Las temperaturas de reanálisis a 2 m (Gráfico 4-a) evidencia una clara tendencia de aumento en 0.05 ºC en 32 años (1979-2011). También la temperatura en el sector del NIÑO 3.4 presenta una tendencia a incrementarse. Ambos parámetros climáticos están relacionados con los valores de NDVI, que permite la proliferación de cobertura vegetal, incrementándose cada vez más, lo que podría generar impactos de eutrofización de la laguna Conococha. Gráfico 4. Evolución de las temperaturas de reanálisis y Niño 3.4.

a Temperatura de reanalisis a 2m (ERA-Iterim)

15 14 y = 0.052x + 10.25 13 12 11 10 1950 1952 1954 1956 1958 1960 1962 1964 1966 1968 1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010

8658 Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

b Temperatura sector NIÑO 3.4 30.00 29.00 28.00 27.00 26.00 y = 0.008x + 28.17 1950 1952 1954 1956 1958 1960 1962 1964 1966 1968 1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010

IV. Conclusiones El estudio ha determinado la variación superficial y los valores de NDVI sobre la muestra de la laguna Conococha, encontrándose variaciones que están relacionadas con algunos parámetros climáticos como la temperatura a 2 metros y las temperaturas de algunos sectores de los eventos del Niños. Es decir la relación directa que existe entre las temperaturas en los sectores del NIÑO 3 y NIÑO 3.4 y los valores promedio de NDVI>0.2, demuestra una correlación buena con r=0.6, con un coeficiente de determinación de 36% en ambos sectores NIÑO. Asimismo las temperaturas de reanálisis a 2 m de la superficie con la sumatoria de NDVI>0.2 y las superficies de NDVI>0.2, se relacionan directamente a razón de -0.72 y - 0.68, clasificadas como correlación buena y sus coeficientes de determinación son 52 % y 46% respectivamente. Por lo tanto, se evidencia que el cambio climático afecta directamente a la vegetación de la laguna Conococha, debido a que la temperatura es un factor importante para la producción de la clorofila y por ende mayor proliferación de vegetación emergente y subemergente, la cual genera la eutrofización de la laguna Conococha. La evolución de las temperaturas de 2 m de la superficie y en los sectores del NIÑO 3 y NIÑO 3.4 a partir de datos de reanálisis de satélites climatológicos ha permitido analizar la relación con los valores del NDVI a partir de la interpretación de las imágenes Landsat como insumos importantes en el monitoreo de los recursos naturales. En consecuencia el estudio aporta una herramienta metodología para tomar medidas de prevención y adaptación al cambio climático, considerando que la información obtenida brinda un panorama general del comportamiento de las variables en análisis a través de la percepción remota. Sin embargo es necesario realizar estudios detallados para determinar los factores y el grado de eutrofización que desencadenan la degradación de la laguna Conococha.

Agradecimiento Se agradece a la Nasa por la disponibilidad de las imágenes Landsat 5 Tm y 7 +ETM, a través de la página Web de USGS http://glovis.usgs.gov/ que permitió desarrollar la investigación. Asimismo agradecer a NOAA http://www.cpc.ncep.noaa.gov y European Climate Assessment & Data http://climexp.knmi.nl/data/., quienes permitieron obtener los parámetros climáticos en el área de estudio.

Referencia Bibliografía

Administración de Parques Nacionales (APN). Sistema de Información de Biodiversidad (SIB): Protocolo para el preprocesamiento de imágenes satelitales Landsat para aplicaciones de la Administración de Parques Nacionales, Buenos Aires, Argentina, 22 p. 2005. Disponible en: http://www.sib.gov.ar/archivos/Protocolo_img_Landsat.pdf. Acceso 10 ago. 2012.

Ames, Alcides y Francou, Bernard. (1995). Cordillera Blanca. Glaciares en la Historia. Bull. Inst. Fr. Études andines. 24(1). pp 37-64.

8659 Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

Carreira, J.A; Niell, F.X. Análisis de componentes principales sobre datos multiespectrales “Landsat-TM” e interpretación de cubiertas vegetales en las sierras de Tejeda y Almijara. Cta Botanica Malacita, 20:153-164. Málaga, 1995.

Colonia D. F.;Torres J.E. Determinación del retroceso glaciar en la microcuenca de Llanganuco, a través del análisis multitemporal en el periodo 1987-2007. Disertación (tesis de pre-grado en Ingeniero Ambiental)- Universidad Nacional Santiago Antúnez de Mayolo (UNASAM), Huaraz –Perú.208 p.2008.

Compañía Minera Antamina S.A.2005. Plan de recuperación de la laguna Conococha reporte anual. 32p.

Compañía Minera Antamina S.A., Estudio de Impacto Ambiental. (ANEXO C-I.4- Biología Acuática, Marzo 1998. pp 5-6.

Chuvieco Emilio. Teledetección ambiental, Tercera edición, Ed. Ariel, Madrid, España, 2006.584 p.

Espinosa, L. T; Valdez, J.E. Variabilidad interanual de clorofila en el golfo de california. Departamento Académico de Biología, Universidad Nacional Agraria La Molina, Lima – Perú . Ecología Aplicada, 6(1,2), 2007. ISSN 1726-2216.

Gyanesh Chander, Brian L. M.; Esad M.;Philippe M. T.; Dennis L. H. Improvement in absolute calibration accuracy of Landsat-5 TM with Landsat-7 ETM+ data. Proceedings of SPIE Vol. 5882.2005. 12p.

Loarte, E.A. Determinación de la variación espacio-temporal de la línea de equilibrio (ELA) a través la línea de nieve (SLA) de los glaciares de la cordillera Blanca, durante el periodo 2001-2010”. Disertación (Tesis de pre- grado en en Ingeniero Ambiental)- Universidad Nacional Santiago Antúnez de Mayolo (UNASAM), Huaraz- Perú. 2012.

Parra J.C.; Sobrino J.A.; Acevedo P.S. y Morales L.J. Estimación de la temperatura de suelo desde datos satelitales AVHRR-NOAA aplicando algoritmos de split window. Revista Mexicana De Física 52 (3). 2006. Pp. 238–245.

Rojas, et al. (2009). Modelo del Inicio de la Sequía en la Costa Norte de Perú Usando los Índices ENOS y los Índices de Vegetación del AVHRR / NOAA. Simpósio Brasileiro de Sensoriamento Remoto (SBSR),INPE.pp.5055-5063.

Unidad de glaciología y Recursos Hídricos (UGRH)-Autoridad Nacional de Agua (ANA). Inventario de lagunas en la Cordillera Blanca, Huaraz, 2009. 90 p.

Knight Piésold Consultores S.A., Análisis Ambiental de la ruta Sur (Addendum N° 2 del EIA Para el Proyecto Antamina, Septiembre 1998.), 23-54.

Vila Alicia, Sedano M.; López A.; Ángel A. Juan, Correlación lineal y análisis de regresión, Proyecto e-Math, Financiado por la Secretaría de Estado de Educación y Universidades (MECD). 2001.21 p. Dipsonible en: http://www.uoc.edu/in3/emath/docs/RegresionLineal.pdf. Acceso en: 10 oct. 2012.

Vuille, Mathias, et al. (2008). Climate Change and Tropical Andean Glaciares: Past, present and future. Earth Science Reviews. pp 79-96.

8660