Modelo probabilístico de la distribución geográfica del matorral subinerme en la reserva de la biosfera de Mapimí, Durango, México

• Autores: Juan José Martínez Ríos, Celso Manuel Valencia Castro, Edmundo Castellanos Pérez, Alejandro Martínez Ríos
• Localización: Agrofaz: publicación semestral de investigación científica, ISSN 1665-8892, Vol. 3, Nº. 2, 2003, págs. 373-380
• Idioma: español
• Títulos paralelos:
  • Geographical Distribution and Probability Model of Desert Schrubs at Mapimi Biosphere Reserve
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    Las especies arbustivas del altiplano semidesértico de México son un componente esencial del ecosistema árido que contribuyen a la estabilidad del mismo, y auxilian en la fijación del carbono en estas regiones en forma de calcita (CaCO3) ayudando en cierta forma a mitigar el efecto de invernadero que se presenta de manera alarmante en algunas áreas del globo terráqueo. El objetivo de este trabajo fue el de obtener un mapa probabilístico de ocurrencia de matorral subinerme en base a variables edáficas, así como de la pendiente topográfica y el aspecto, mediante un sistema de información geográfica (GIS) y un modelo de regresión logística múltiple (LMR). El estudio se realizó en la reserva de la biosfera de Mapimí, Durango, México. El área de trabajo se centró a los 26°37' N y a los 103°50' W, considerando una extensión de 15' de latitud por 20' de longitud (extensión carta INEGI a escala 1:50,000 clave G13B64). Se utilizaron los resultados de los análisis de suelo de 36 puntos de muestreo georreferenciados (distribuidos dentro del área de estudio) mediante un sistema de información geográfica, y se calcularon los valores para toda el área mediante interpolación basados en la técnica IDW (Inverse Distance Weighted). A partir de esto se generaron mapas digitales de superficies continuas (raster a 30 m por píxel) en los temas: Porcentaje de sodio Intercambiable (PSI), conductividad eléctrica (CE), pH, materia orgánica, calcio, magnesio, potasio, fósforo, arena, limo y arcilla. También se incluyó la profundidad de suelo, la pendiente y el aspecto, calculando estas últimas mediante un modelo digital de elevación (DEM). Posteriormente, se generaron 200 puntos de muestreo aleatorio en el mapa digital de vegetación para aquellas zonas clasificadas como 'matorral subinerme'; de la misma forma se seleccionaron otros 200 puntos al azar en las áreas clasificadas como 'no subinermes'. Se construyó una matriz con 400 observaciones conteniendo las 14 variables, señalando de manera dicotómica (1 presencia; 0 ausencia) la ocurrencia de matorral subinerme dentro de los puntos de muestreo. Los resultados mostraron que las únicas variables independientes que lograron el nivel de significancia en el modelo (P < 0.05) fueron la materia orgánica (<0.0001), el fósforo (0.0001) y el pH (0.0239). Los valores de los parámetros estimados del modelo de regresión fueron: intercepto (10.5748); pH (-1.5583); materia orgánica (2.3055) y el fósforo (0.1550). El modelo resultante para estimar la ocurrencia de orégano fue p = (e10.5748-1.5583[pH]+2.3055[M.O.%]+0.1550[Fósforo]/(1+ e10.5748-1.5583[pH]+2.3055[M.O.%]+0.1550[Fósforo]). El modelo anterior fue aplicado, en el GIS, a los mapas digitales respectivos para obtener el mapa de probabilidad de ocurrencia de matorral subinerme, seleccionando aquellas regiones con p > 0.8 dentro del área de estudio como las factibles de encontrar los matorrales en cuestión, mostrando buena concordancia con lo observado en campo. Con base en lo anterior, es posible concluir que los sistemas tipo GIS son una herramienta útil para determinar la probabilidad de ocurrencia de una especie vegetal en base a determinaciones de parámetros de suelo, de pendiente y aspecto. Señalando que la implementación y la utilización de este tipo de sistemas se convierte en una prioridad para la toma acertada de decisiones en la planeación y manejo de los recursos terrestres.

  • English

    The shrub species from Mexico's arid lands are an essential part of the arid ecosystem that helps in the carbon sequestration process (e.g. calcite -CaCO3) in the soil, helping to mitigate the greenhouse effect that is present in dangerous levels in some parts of the globe. This research, focuses on developing a Logistic Multiple Regression (LMR) model for predicting the occurrence of shrubland. This model used a geographic information system (GIS) to analyze some soil and terrain variables that influence the shrubland growth and distribution. The research was carried out at Mapimi Biosphere Reserve in Mexico (central coordinates 26°37' N and 103°50' W). The study area considered an extension of 15' latitude and 20' longitude, corresponding to the one that has the cartographic unit, scale 1:50,000, published by INEGI (key G13B64). The information of 36 georegistered soil samples distributed randomly in the study area were used to calculate, through the interpolation technique called IDW (30 m per pixel), the digital maps with continuous surfaces for 12 soil variables, that included: ESP, EC, pH, organic matter, calcium, magnesium, potassium, phosphorus, the content of sand, silt and clay, as well as soil depth. Additionally, terrain variables like slope and aspect were also considered, being calculated from a Digital Elevation Model. Furthermore, 200 sampling points were randomly generated in the GIS system on the vegetation map for those areas classified as 'shrubland'. Additionally, another 200 randomly generated points were created for those regions classified as 'no shrubland'. Finally, a matrix data was constructed containing the 400 observations that included the 14 variables above mentioned, where those points with the shrubland presence were coded as '1' whereas all those points where the shrubland was not found where coded as '0'. A regression analysis was performed using SAS Proc Logistic. The results established that the only independent variables that showed statistical significance (P < 0.05) were the organic matter (<0.0001); the phosphorus content (0.0001); and the pH (0.0239). The parameter estimated were: intercept (10.5748); pH (-1.5583); organic matter (2.3055); and the phosphorus (0.1550). The resulting model to predict the occurrence of shrubland was the following: p = (e10.5748-1.5583[pH]+2.3055[OM%]+0.1550[Phosphorus] /(1+ e10.5748-1.5583[pH]+2.3055[OM%]+0.1550[Phosphorus]). This model was applied to the geographic database containing the digital maps to obtain a general map showing the probabilities of shrubland occurrence. Finally, a map query was performed to locate those regions were the probability was bigger than 0.80 showing good agreement to observations in field. Based upon these results, it is possible to conclude that GIS along with LMR are a good tools to estimate the probability to find some vegetal species, which can be helpful when taking decisions regarding the planning and management of natural resources.