Resumen de Análisis comparativo de susceptibilidad de erosión y evaluación de incertidumbre en la subcuenca del Río Claro, Costa Rica

Iván Pérez Rubio, Daniel Flores, Christian Vargas, Andreas Mende, Francisco Jiménez Otárola

• español

  [Introducción]: La deforestación y la gestión insostenible de los sistemas de producción agrícola y ganadero en áreas montañosas han provocado la degradación de la tierra y una progresiva reducción en la provisión de los servicios ecosistémicos. [Objetivo]: En este artículo se desarrolla un análisis espacial de susceptibilidad de erosión en la subcuenca del río Claro, en el cordón montañoso Fila Cruces, en la región del Pacífico Sur de Costa Rica. [Metodología]: Para ello se aplicaron los métodos de regresión logística y redes neuronales artificiales integrados en un entorno de sistemas de información geográfica (GIS) y empleando herramientas de teledetección. En ambos modelos se consideraron los siguientes factores explicativos: uso del suelo, geomorfología, pendiente, distancia euclidiana a la red de drenaje e índice de vegetación diferencial normalizado (NDVI, en sus siglas en inglés). Los mapas de susceptibilidad de erosión fueron validados independientemente por medio de la función características operativas del receptor (ROC, por sus siglas en inglés). [Resultados]: El modelo de redes neuronales artificiales obtuvo un poder predictivo superior al de regresión logística con base en el valor calculado del área debajo de la curva (AUC, por sus siglas en inglés). Los factores con mayor poder explicativo variaron en función del modelo utilizado [Conclusiones]: Los mapas de susceptibilidad de erosión mostraron una elevada alteración ecológica en términos de la probabilidad de ocurrencia de procesos de erosión, especialmente en la parte alta de la subcuenca, en terrenos ocupados por fincas de ganadería extensiva y elevada pendiente.

• English

  [Introduction]: Deforestation and unsustainable management of agricultural and livestock production systems in mountainous areas have caused land degradation and a progressive reduction in the provision of ecosystem services. [Objective]: This paper elaborates erosion susceptibility mapping applied at the local scale in the Claro river subbasin in the Fila Cruces mountain range, in Southern Pacific Costa Rica. [Methodology]: The spatial analysis was conducted using a geographic information system (GIS) employing two techniques, logistic regression and artificial neural networks, as well as remote sensing tools. Five conditional factors were finally evaluated for the models: land use, geomorphology, slope gradient, distance to streams, and the Normalized Difference Vegetation Index (NDVI). The erosion susceptibility maps were validated through the receiver operating characteristics (ROC) function. [Results]: The artificial neural network model showed higher predictive power than the logistic regression method based on the calculated value of the Area under the Curve (AUC). The factors with the greatest explanatory power varied depending on the model used. [Conclusions]: The erosion susceptibility maps showed a high ecological alteration in terms of the probability of occurrence of erosion processes, especially in the upper subbasin, lands mostly occupied by cattle ranching, and a steeply sloped morphology.

• português

  [Introdução]: O desmatamento e a gestão insustentável dos sistemas de produção agrícola e criação de gado em áreas montanhosas têm provocado a degradação da terra e uma progressiva redução no fornecimento dos serviços ecossistêmicos. [Objetivo]: Neste artigo se desenvolve uma análise espacial de suscetibilidade de erosão na sub-bacia do rio Claro, na região do Pacífico Sul da Costa Rica. [Metodologia]: Para isso, foram aplicados os métodos de regressão logística e redes neuronais artificiais integrados em um ambiente de sistemas de informação geográfica (GIS) com ferramentas de teledetecção. Em ambos os modelos foram considerados os seguintes fatores explicativos: uso do solo, geomorfologia, aclives, distância euclidiana com relação à rede de drenagem e o índice de vegetação diferencial normalizado (NDVI, por suas siglas em inglês). Os mapas de suscetibilidade de erosão foram aprovados de maneira independente por meio da função características operativas do receptor (ROC, por sus siglas em inglês). [Resultados]: O modelo de redes neuronais artificiais obteve um poder preditivo superior ao de regressão logística com base no cálculo da área sob curva de função (AUC, por suas siglas em inglês). Os fatores com maior poder explicativo variaram devido ao modelo utilizado [Conclusões]: Os mapas de suscetibilidade de erosão mostraram uma elevada alteração ecológica em termos de probabilidade de ocorrência dos processos de erosão, especialmente na parte alta da sub-bacia, em terrenos ocupados por fazendas de gado extensiva e de elevado aclive.