Vol. 26 Núm. 2 (2024)
Artículo original

Uso de Google Earth Engine para la estimación y variación de la cobertura vegetal del bosque amazónico generada por la actividad antropica en Huepetuhe periodo 2016 al 2022

Andrés Corsino Estrada Zuñiga
Universidad Nacional de San Antonio Abad del Cusco, Cusco, Perú
Frank Alexander La Torre Auccasi
Universidad Nacional de San Antonio Abad del Cusco, Cusco, Perú
Gledys Josseline Mendoza Pacheco
Universidad Nacional de San Antonio Abad del Cusco, Cusco, Perú
James William Ttito Nina
Universidad Nacional de San Antonio Abad del Cusco, Cusco, Perú
Meidi OllachicaValverde
Universidad Nacional de San Antonio Abad del Cusco, Cusco, Perú
Tula Palomino Villa
Universidad Nacional de San Antonio Abad del Cusco, Cusco, Perú

Publicado 2024-05-02

Palabras clave

  • Bosque amazónico,
  • Google Earth engine Landsat 8 oli,
  • Cobertura vegetal,
  • Manú

Cómo citar

Estrada Zuñiga, A. C. ., La Torre Auccasi, F. A., Mendoza Pacheco, G. J., Ttito Nina, J. W., OllachicaValverde, M., & Palomino Villa, T. (2024). Uso de Google Earth Engine para la estimación y variación de la cobertura vegetal del bosque amazónico generada por la actividad antropica en Huepetuhe periodo 2016 al 2022. Revista De Investigaciones Altoandinas - Journal of High Andean Research, 26(2), 79-85. https://doi.org/10.18271/ria.2024.579

Resumen

La estimación y variación de la cobertura vegetal del bosque amazónico generada por la actividad antrópica en Huepetuhe tuvo por finalidad estimar las pérdidas de vegetación y las tasas de deforestación para para un bosque amazónico, el estudio se realizó utilizando la herramienta Google Earth Engine e imágenes satelitales Landsat 8, para el tratamiento de las imágenes ráster se utilizó el software ERDAS y ArcGis, las imágenes fueron sometidas a correcciones geométricas y radiométricas, para ello se tomaron puntos de control el tierra, para el análisis se estableció cuatro categorías de degradación del bosque: Bosque con vegetación nula con presencia de suelo desnudo, Bosque con vegetación escasa, Bosque con vegetación moderada y área total de deterioro. Los resultados a partir del análisis de las imágenes multiespectrales y el NDVI muestra que respecto al año 2016 se incrementó 30.1ha en la categoría bosque con vegetación nula, 28.8 ha en los bosques con vegetación escasa, 236.9 ha para bosques de vegetación moderada y el área de deterioro global se incrementó en 295.8 ha. La tasa de deforestación anual fue del 5% (6.02 ha/año) para bosque con vegetación nula y presencia de suelo desnudo y del 9% (59.16 ha/año) para degradación global, el coeficiente de determinación para bosques con vegetación nula y área desnuda fue de R2=0.9704, y para deterioro global del bosque R2=0.957.

Referencias

  1. Baker, T., Phillips, O., Malhi, Y., Almeida, S., Arroyo, L., Di Fiore, A., & Vásquez, R. (2004a). Increasing biomass in Amazonian forest plots. Philosophical Transactions of the Royal Society of London B: Biological Sciences, B359, 353-365
  2. Baker, T., Phillips, O., Malhi, Y., Almeida, S., Arroyo, L., Di Fiore, A., & Vásquez, R. (2004b). Variation in wood density determines spatial patterns in Amazonian forest biomass. Global Change Biology, 10, 545-562
  3. Barba Ruiz, D. (2019). Análisis prospectivo del proceso de deforestación en el sector la Pampa-Guacamayo, Tambopata-Madre de Dios, Periodo 1999 al 2030.
  4. Buitrón, C. & Callisaya, J. (2012). Estudio espacial multitemporal de variaciones en superficie observada a través de imágenes satelitales LANDSAT en una región del Parque Nacional Sajama Bolivia, DIACONIA. La Paz Bolivia
  5. Cortez Requejo, Y. L. (2021). Pérdida de la cobertura vegetal mediante el uso de imágenes satelitales en la subcuenca Gera, distrito de Jepelacio.
  6. De Los Ríos Dantas, A. R. (2022). Análisis multitemporal por pérdida de cobertura boscosa 2005-2020 por palma aceitera para minimizar la deforestación Ucayali 2021.
  7. Estrada, A.& Ñaupari, J (2021) Detección e identificación de comunidades vegetales altoandinas, Bofedal y Tolar de Puna Seca mediante ortofotografías RGB y NDVI en drones “Sistemas Aéreos no Tripulados”.
  8. Flores, E.R.; Ñaupari, J.A.; & Tacuna, R.E. (2014). La economía del cambio climático en el Perú: Ganadería altoandina en la economía del cambio climático en el Perú: Desarrollo, CEPAL.
  9. Finer M, Novoa S (2015) La deforestación generada por la minería aurífera se expande desde Huepetuhe hacia la Reserva Comunal Amarakaeri (Madre de Dios, Perú). MAAP: magen #6.Enlace: https://maaproject.org/2015/06/imagen-6-amarakaeri/.
  10. Gorelick, N. , Hancher,M., Dixon, M., Ilyushchenko, S., Thau, D. & Moore,R. (2017) Space-time quantification of aboveground net primary productivity service supply capacity in high Andean bofedales using remote sensors Programa Académico de Ingeniería Ambiental, Universidad Nacional del Centro del Perú, Centro de Investigación Huancayo, Peru 5, Lima, Peru JOURNAL OF WATER AND LAND DEVELOPMENT DOI: 10.24425/jwld.2023.143758 2023, No. 56 (I–III): 172–181
  11. Hatton, N., Sharda, A., Schapaugh, W., & Merwe Deon (2020). Remote thermal infrared imaging for rapid screening of sudden death syndrome in soyben. Computers and electronic in Agriculture.
  12. Hernández, L., Rudge, M., Bartolo, R., & Erskine, P. (2019). Identifying sepecies and monitoring understory from UAS derived data; a literature reviw and future directions. MDPI Drones.
  13. Huacac Auccapuri, J. L. (2022a). Evaluación de la deforestación por minería de oro mediante imágenes de satélites SAR en la microcuenca del río Pariamanu-Madre de Dios, Periodos 2010-2020.
  14. Huacac Auccapuri, J. L. (2022b). Evaluación de la deforestación por minería de oro mediante imágenes de satélites SAR en la microcuenca del río Pariamanu-Madre de Dios, Periodos 2010-2020.
  15. Janampa Torres, S., & Ponce Cristobal, J. J. (2022). Análisis multitemporal de la deforestación por imágenes satelitales en el distrito de Pangoa, Junín desde el año 2000 al 2020.
  16. Jaramillo, L. V., & Antunes, A. F. (2018). Detección de cambios en la cobertura vegetalmediante interpretación de imágenes Landsat por redes neuronales artificiales (RNA). Caso de estudio: Región Amazónica Ecuatoriana. Revista de Teledetección, (51), 33-46.
  17. Leymebamba. Chachapoyas, Perú, 2017. Mendoza, R., & Alarcón, G. (2014). Determinación de áreas deforestadas por actividades humanas en la zona de amortiguamiento de la Reserva Nacional Tambopata y el Parque Nacional Bahuaja Sonene-Madre de Dios. Biodiversidad amazónica, 4(4), 7-16.
  18. Luque Ramos, L. (2021). Análisis de la deforestación de la Amazonia peruana: Madre de Dios.
  19. Mamani Cruz, S. J., & Servan Chasquibol, L. N. (2017). Evaluación multitemporal de la deforestación en el distrito de Molinopampa, provincia de Chachapoyas, departamento Amazonas, 2015.
  20. Mendoza Chichipe, Salas López & Barboza Castillo (2017) Análisis multitemporal de la deforestación usando la clasificación basada en objetos, distrito de Leymebamba. Chachapoyas, Perú, 2017.
  21. MINAN (2022), Deforestación en la Amazonia peruana, Lima Perú. https://es.insightcrime.org/investigaciones/arrasar-y-quemar-la-deforestacion-en-la-amazonia-peruana/
  22. Ñaupari,J.; Pizarro, S. (2018) Degradatión and vulnerability to climate change in high Andean Regeland 71st Annual Meeting of the Society of Rangeland Management Sparks Nevada
  23. Osores Plenge, Rojas Jaimes, Hermógenes Manrique & Lara Estrada (2012) Minería informal e ilegal y contaminación con mercurio en Madre de Dios: Un problema de salud pública.
  24. Rodriguez Calampa, N. Y. (2018). Determinación de la deforestación entre los años 1986 y 2016 mediante técnicas de teledetección y SIG, distrito Sauce–Perú.
  25. Sánchez Alvarado, K. G., & Sánchez Orbegozo, C. L. (2023). Análisis y modelación de los procesos de deforestación en el eje vial Interoceánico Sur (Puerto Maldonado-Inambari) Madre de Dios, periodo 1999-2030.
  26. Soria, M., & Matar, M. (2016). Nociones sobre teledeteccion, Instituto de Investigacion Mineras, Universidad Nacional San Juan Argentina. Argentina