Ayuda
Ir al contenido

Dialnet


Resumen de Clasificación de tendencias de NDVI en la península de Yucatán, México, de 2014 a 2020

Inder Tecuapetla-Gómez, Alfonso Carbajal Domínguez, Valeria Montesinos Chica

  • español

    La península de Yucatán (LPY) alberga 32% de las selvas tropicales de México. Por ello esta zona presenta una alta densidad de nubes a lo largo del año, característica que resulta un reto particular para cualquier estudio de monitoreo de la vegetación a mediano y largo plazo basado en series de tiempo de imágenes satelitales. En este artículo presentamos los resultados de un análisis de clasificación de tendencias de una serie de tiempo (11 imágenes Landsat-7 ETM+ y 150 Landsat 8 OLI) del Índice de Vegetación de Diferencia Normalizada (NDVI, por sus siglas en inglés) por tipo de suelo y vegetación en la región oriental de Escárcega, Campeche, en LPY de 2014 a 2020.

    Aplicamos el algoritmo bfast01 para clasificar pixeles por tendencias lineales, globales (una línea con pendiente positiva o negativa a lo largo del periodo de estudio) o locales (dos segmentos de línea con pendiente positiva o negativa en cada segmento). A partir del análisis se deduce que la mayor parte de la región estudiada tiene NDVI con tendencias lineales globales (pardeamiento: 47%; enverdecimiento: 15.39%) y en menor grado tendencias lineales locales (pardeamiento demorado: 20.66%; pardeamiento a enverdecimiento: 6.04%; enverdecimiento demorado: 5.26%; enverdecimiento a pardeamiento: 3.88%).

    Consideramos que el enverdecimiento generalizado (el agregado de las clases enverdecimiento, enverdecimiento demorado y pardeamiento a enverdecimiento) y el pardeamiento generalizado (el agregado de las clases pardeamiento, pardeamiento demorado y enverdecimiento a pardeamiento) pueden interpretarse como dinámicas con indicios significativos de recuperación y degradación del NDVI, respectivamente. Dichas dinámicas fueron identificadas principalmente en la selva mediana subperennifolia (enverdecimiento generalizado: 10.26%; pardeamiento generalizado: 25.43%), selva baja espinosa subperennifolia (7.66 y 21.76) y en la vegetación secundaria arbórea de selva mediana (3.26 y 10.93). En 2017 y 2018 se identificaron las áreas más grandes con alguna clase de tendencia local lineal.

  • English

    The Yucatan Peninsula (YP) is home to 32% of tropical forests of Mexico. Consequently, this area has a high cloudiness throughout the year, which represents a particular challenge for any mid- and long-term plant monitoring study based on satellite-image time series. This paper reports the results of a trend classification analysis of a time series (11 Landsat-7 ETM+ and 150 Landsat 8 OLI images) of the Normalized Difference Vegetation Index (NDVI) by soil and vegetation types in the eastern region of Escarcega, Campeche (YP) from 2014 to 2020.

    We applied the bfast01 algorithm to classify pixels according to linear trends, either global (a line with a positive or negative slope through the study period) or local (two linear segments, each with a positive or negative slope). The analysis reveals that most of the study region has NDVI values with global linear trends (browning:  47%; greening:  15.39%) and, to a lesser degree, local linear trends (delayed browning: 20.66%;  browning to greening:  6.04%; delayed greening: 5.26%; greening to browning: 3.88%) We consider that generalized greening (which pools the greening, delayed greening, and browning to greening classes) and generalized browning (which pools the browning, delayed browning, and greening to browning classes) can be interpreted as dynamics with significant signs of recovery and degradation of the NDVI, respectively. These dynamics were identified mainly in the semi-evergreen medium tropical forest (generalized greening:  10.26%; generalized browning: 25.43%), semi-evergreen low thorny tropical forest (7.66 and 21.76) and the secondary tree vegetation of the medium tropical forest (3.26 and 10.93). The largest areas with any kind of linear local trend were identified in 2017 and 2018.


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus