Integrando la información de sensores remotos con modelos de distribución de especies para el monitoreo de la biodiversidad. Caso de estudio para las especies <i>Zamia amazonum<i> y Zamia chigua

Resumen (es):

Las variables esenciales de la biodiversidad son un conjunto de atributos que se han propuesto desde el ámbito internacional para unificar y hacer más eficiente el monitoreo de la biodiversidad. Los sensores remotos son herramientas valiosas para esta tarea. Este trabajo busca describir una metodología para el monitoreo de la variable esencial de la biodiversidad distribución de especies, por medio de la integración de productos construidos a nivel nacional para el monitoreo de las coberturas de la Tierra y los modelos de distribución de especies disponibles a través de BioModelos. La metodología fue aplicada para dos especies del género Zamia para ilustrar el uso potencial de los resultados. Al intersectar los modelos de distribución de estas especies con las capas de cobertura de bosque para el período 1990-2015, fue posible analizar las causas de la variación del área de sus distribuciones, relacionadas principalmente con aspectos técnicos de los satélites usados y con las actividades antrópicas asociadas a la deforestación. Adicionalmente, se evaluó la variación en las distribuciones en escenarios de cambios de la cobertura boscosa para el 2030, evidenciando la necesidad de apoyar la adopción de ejercicios de planificación en los que se minimizara las pérdidas de biodiversidad por deterioro y pérdida del hábitat. Finalmente, se identificó la presencia de dos núcleos de deforestación en las distribuciones de las especies que indican una fuerte amenaza para éstas en términos de pérdida del hábitat. Esta propuesta de monitoreo, que integra el conocimiento experto, el desarrollo de modelos de distribución de especies y productos de sensores remotos para el monitoreo de los cambios en la cobertura terrestre es un insumo importante para los procesos de evaluación de riesgo de extinción y el desarrollo de un sistema de alertas tempranas de pérdida de biodiversidad por deforestación a nivel nacional.

Resumen (en):

The essential variables of biodiversity are a set of attributes that have been internationally proposed to unify and make more efficient the monitoring of biodiversity. Remote sensing are valuable tool for monitoring these variables. This work aims to describe a methodological framework to monitor the essential biodiversity variable “species distributions”, through the integration of national products of land cover and species distribution models, the last is available on the web application BioModelos. The proposed methodology was applied for two species of the genus Zamia to illustrate the potential use of the outcomes. By intersecting the distribution models of these species with forest cover geographic layers for the period 1990-2015, it was possible to analyze the extent of change in potential habitat for both species. It was found that such change is mainly related to technical features of remote sensing products and with anthropic activities associated with deforestation. Additionally, we assessed the expected extent of suitable habitat for both species in 2030 based on forest cover change scenarios, evidencing the need to support the adoption of planning exercises in which the loss of biodiversity due to deterioration and loss of habitat will be minimized. Finally, we identified the presence of two deforestation areas in the distributions of these two species that may represent an important threat to their persistence in the future. The methodology proposed here, which integrates expert knowledge, the development of species distribution models, and remote sensing products to monitor land cover change, is an important input to assess species extinction risk and to develop a system of early warnings therefore biodiversity loss may be estimated at national level.

Palabras clave:

Monitoreo, BioModelos, Preferencia de hábitat, Bosques y cobertura de la Tierra. (es)

Monitoring, BioModelos, habitat preference, forest, land cover (en)

Visitas

2584

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

Anaya, J. A., L. O, Anderson, y B, Mora. 2017. Pp: 100-109. Drivers of biodiversity loss. En: GOFC-GOLD & GEO BON (eds.). A Sourcebook of Methods and Procedures for Monitoring Essential Biodiversity Variables in Tropical Forests with Remote Sensing. GOFC-GOLD Land Cover Project Office, Wageningen.

Armenteras, D., E. Cabrera, N. Rodríguez y J. Retana,. 2013. National and regional determinants of tropical deforestation in Colombia. Regional Environmental Change 13 (6): 1181-1193.

Armenteras, D., y N. Rodríguez Eraso. 2014. Dinámicas y causas de deforestación en bosques de Latinoamérica: una revisión desde 1990. Colombia Forestal 17 (2): 233-246.

Armenteras, D., J. M. Espelta, N. Rodríguez y J. Retana. 2017. Deforestation dynamics and drivers in different forest types in Latin America: Three decades of studies (1980-2010). Global Environmental Change 46: 139-147.

Baillie, J., C. Hilton-Taylor y S. N. Stuart. 2004. 2004 IUCN red list of threatened species: a global species assessment. Earth.

Bergen, K. M., S. J, Goetz, R. O. Dubayah, G. M. Henebry, C. T. Hunsaker, M. L. Imhoff, R. F. Nelson, G. G. Parker, y V. C. Radeloff. 2009. Remote sensing of vegetation 3-D structure for biodiversity and habitat: Review and implications for lidar and radar spaceborne missions. Journal of Geophysical Research 114: G00E06.

Bird, J. P., G. M. Buchanan, A. C. Lees, R. P. Clay, P. F. Develey, I. Yépez y S. H. M. Butchard. 2012. Integrating spatially explicit habitat projections into extinction risk assessments: A reassessment of Amazonian avifauna incorporating projected deforestation. Diversity and Distributions 18: 273-281.

Chuvieco, E. 2006. Teledetección ambiental. Editorial Ariel. Barcelona, 449 pp.

Duro, D. C., N. C. Coops, M. A. Wulder y T. Han. 2007. Development of a large area biodiversity monitoring system driven by remote sensing. Progress in Physical Geography 31 (3): 235-260.

ESRI. 2011. ArcGIS Desktop: Release 10. Redlands, CA: Environmental Systems Research Institute.

Etter, A. y P. Arévalo. 2014. Escenarios futuros de la cobertura forestal en Colombia. En: Bello, J. C., M. Báez, M. F. Gómez, O. Orrego y L. Nägele (eds.). Biodiversidad 2014. Estado y tendencias de la biodiversidad continental en Colombia (ficha 210).

Franklin, J. 2009. Chapter 3 - Ecological understanding of species distributions. En: Franklin, J (ed.), Mapping Species Distribution-Spatial Inference and Prediction. Pp. 34-52.

Galindo, G., O. J. Espejo., J. C. Rubiano, L. K. Vergara y E. Cabrera. 2014. Protocolo de procesamiento digital de imágenes para la cuantificación de la deforestación en Colombia. V. 2.0. Instituto de Hidrología, Meteorología y Estudios Ambientales (Ideam) Bogotá D.C., 56 pp.

Gill, M., R. H. G. Jongman, B. Mora y M. Paganini. 2017. Introduction. En: GOFC-GOLD & GEO BON (Eds.), A Sourcebook of Methods and Procedures for Monitoring Essential Biodiversity Variables in Tropical Forests with Remote Sensing Pp. 9-21.

Goetz, S., D. Steinberg, R. Dubayah, y B. Blair. 2007. Laser remote sensing of canopy habitat heterogeneity as a predictor of bird species richness in an eastern temperate forest, USA. Remote Sensing of Environment 108 (3): 254-263.

Ideam, IGAC y Cormagdalena. 2008. Mapa de Cobertura de la Tierra Cuenca Magdalena-Cauca: Metodología CORINE Land Cover adaptada para Colombia a escala 1:100.000. Instituto de Hidrología, Meteorología y Estudios Ambientales, Instituto Geográfico Agustín Codazzi y Corporación Autónoma Regional del río Grande de La Magdalena. Bogotá, D.C. 200 pp.

Ideam, IGAC, Cormagdalena, Sinchi, y Parques Nacionales. 2010. Leyenda Nacional de Coberturas de la Tierra. Metodología CORINE Land Cover, adaptada para Colombia Escala 1:100.000. 72 pp.

Ideam. 2017. Décimo boletín de alertas tempranas de deforestación (AT-D). Primer trimestre 2017. Sistema de Monitoreo de Bosques y Carbono-SMBYC. Bogotá, D.C.

IUCN. 2012. Habitats Classification Scheme (Version 3.1). International Union for Conservation of Nature, 14 pp.

Jetz, W., D. S. Wilcove y A. P. Dobson. 2007. Projected impacts of climate and land-use change on the global diversity of birds. PLoS Biology 5: e157.

Keenan, R. J., G. A. Reams, F. Achard, J. V. de Freitas, A. Grainger y E. Lindquist, 2015. Dynamics of global forest area: Results from the FAO Global Forest Resources Assessment 2015. Forest Ecology and Management 357 (7): 9-20.

Kerr, J. T. y M. Ostrovsky. 2003. From space to species: Ecological applications for remote sensing. Trends in Ecology and Evolution 18 (6): 299-305.

Lausch, A., T. Blaschke, D. Haase, F. Herzog, R. U. Syrbe, L. Tischendorf, y Walz, U. 2015. Understanding and quantifying landscape structure - A review on relevant process characteristics, data models and landscape metrics. Ecological Modelling 295: 31-41.

López-Gallego, M. C. 2015. Plan de acción para la conservación de las zamias de Colombia. Ministerio de Ambiente y Desarrollo Sostenible, Colombia y Universidad de Antioquia. Bogotá D.C., 162 pp.

López-Gallego C. 2016. Modelo de distribución de Zamia chigua. Instituto Alexander von Humboldt. Recuperado de: http://biomodelos.humboldt.org.co/species/visor?species_id=6873.

López-Gallego C. & Cardenas D. 2016. Modelo de distribución de Zamia amazonum. Instituto Alexander von Humboldt. Recuperado de: http://biomodelos.humboldt.org.co/species/visor?species_id=6871.

Loucks, C., y P. Leimgruber. 2007. Capítulo 8. Trends in Species Populations. En: Strand, H., R. Höft, J. Strittholt, L. Miles, N. Horning, E. Fosnight, y W. Turner (eds.). Sourcebook on Remote Sensing and Biodiversity Indicators. Secretariat of the Convention on Biological Diversity, Montreal. Pp. 119-128.

McGarigal, K., y B. J. Marks. 1995. FRAGSTATS : Spatial Pattern Analysis Program for Quantifying Landscape Structure. Oregon State University Corvallis (Vol. Gen. Tech.). U.S. Dept. of Agriculture, Forest Service, Pacific Northwest Research Station.

Mukul, S. A., y J. Herbohn. 2016. The impacts of shifting cultivation on secondary forests dynamics in tropics: A synthesis of the key findings and spatio temporal distribution of research. Environmental Science and Policy 55: 167-177.

Nagendra, H., R. Lucas, J. P. Honrado, R. H. G. Jongman, C. Tarantino, M. Adamo, y P. Mairota. 2013. Remote sensing for conservation monitoring: Assessing protected areas, habitat extent, habitat condition, species diversity, and threats. Ecological Indicators 33: 45-59.

Nichols, J. D., y B. K. Williams. 2006. Monitoring for conservation. Trends in Ecology & Evolution 21: 668-673.

Paiba-Alzate, J. E. 2015. Informe Técnico. Propuesta metodológica para el mapeo y monitoreo de las coberturas asociadas con la distribución de las especies a partir de la intersección de productos de sensores remotos y modelos de distribución de especies. Instituto de Investigación de Recursos Biológicos Alexander von Humboldt. Bogotá D.C. 27 pp.

Pereira, H. M., S. Ferreir, M. Walters, G. N. Geller, R. H. G. Jongman, R. J. Scholes, M. W. Bruford, N. Brummit, S. H. M. Butchart, A. C., Cardoso, N. C. Coops, E. Dulloo, D. P. Faith, J. Freyhof, R. D. Gregory, C. Heip, R. G. Hoft, Hurtt, W. Jetz, D. S. Karp, M. A McGeoch, D. Obura, Y. Onoda, N. Pettorelli, B. Reyers, R. Sayre, J. P. W. Scharlemann, S. N. Stuart, E. Turak, M. Walpole y M. Wegmann. 2013. Essential Biodiversity Variables. Science 339: 277-278.

Pereira, H. M., J. Belnap, M. Böhm, N. Brummitt, J. García-Moreno, R. Gregory, L. Martin, C. Peng, V. Proença, D. Schmeller y C. van Swaay. 2017. Monitoring Essential Biodiversity Variables at the Species Level Pp: 79-105.

En: Walters, M. y R. J. Scholes (eds.). The GEO Handbook on Biodiversity Observation Networks. Springer Nature. Gewerbestrasse.

Peterson, A. T., J. Soberón, R. G. Pearson, R. P. Anderson, E. Martínez-Meyer, M. Nakamura y M. Bastos Araujo. 2011. Ecological niches and geographic distributions. Princeton University Press. New Jersey, 316 pp.

Proença, V., L. J Martin, H. M Pereira, M. Fernandez, L. Mcrae, J. Belnap, M. Böhmg, N. Brummitt, J. García-Moreno, R. D. Gregory, J. P. Honrado, N. Jürgens, M. Opige, D. S. Schmeller, P. Tiago y C. A. M van Swaay. 2017. Global biodiversity monitoring: From data sources to Essential Biodiversity Variables. Biological Conservation 213: 256-263.

R Development Core Team. 2012. R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing.

Reiche, J., J. Verbesselt, D. Hoekman, y M. Herold. 2015. Fusing Landsat and SAR time series to detect deforestation in the tropics. Remote Sensing of Environment 156: 276-293.

Renjifo, L. M., Á. M. Amaya-Villarreal, J. Burbano-Girón, y J. Velásquez-Tibatá. 2016. Libro rojo de aves de Colombia Volumen II: Ecosistemas abiertos, secos, insulares, acuáticos continentales, marinos, tierras altas del Darién y Sierra Nevada de Santa Marta y bosques húmedos del centro, norte y oriente del país. Pontificia Universidad Javeriana e Instituto de Investigación de Recursos Biológicos Alexander von Humboldt. Bogotá D.C. 563 pp.

Rodríguez-Eraso, N., D. Armenteras-Pascual y J. R. Alumbreros. 2013. Land use and land cover change in the Colombian Andes: Dynamics and future scenarios. Journal of Land Use Science 8: 154-174.

Rondinini, C., M. D. Marco, F. Chiozza, G. Santulli, D. Baisero, P. Visconti, M. Hoffmann, J. Schipper, S. N. Stuart, M. F. Tognelli, G. Amori, A. Falcucci, L. Maiorano y L. Boitani. 2011. Global habitat suitability models of terrestrial mammals. Philosophical Transactions of the Royal Society B: Biological Sciences 366: 2633-2641.

Sayre, R. y Hansen, M. 2017. Ecosystem extent and fragmentation. Pp. 60-66. En: GOFC-GOLD & GEO BON (Eds.). A Sourcebook of Methods and Procedures for Monitoring Essential Biodiversity Variables in Tropical Forests with Remote Sensing. GOFC-GOLD Land Cover Project Office. Wageningen.

Steininger, M., y N. Horning. 2007. The Basics of Remote Sensing. Pp. 23-34. En: Strand, H., R. Höft, J. Strittholt, L. Miles, N. Horning, E. Fosnight, y W. Turner (eds.). Sourcebook on Remote Sensing and Biodiversity Indicators. Secretariat of the Convention on Biological Diversity, NASA-NGO Biodiversity Working Group, World Conservation Monitoring Centre of the United Nations Environment Programme. Montreal.

Tsui, O. W., N. C. Coops, M. A. Wulder, P. L. Marshall y A. McCardle. 2012. Using multi-frequency radar and discrete-return LiDAR measurements to estimate above-ground biomass and biomass components in a coastal temperate forest. ISPRS Journal of Photogrammetry and Remote Sensing 69: 121-133.

Turak, E., J. Brazill-boast, T. Cooney, M. Drielsma, J. Delacruz, G. Dunkerley, M. Fernandez, S. Ferrier, M. Gill, H. Jones, T. Koen, J. Leys, M. McGeich, J. B. Mihoub, P. Scanes, D. Schmeller y K. Williams. 2016. Using the essential biodiversity variables framework to measure biodiversity change at national scale. Biological Conservation 213 (Part B): 264-271.

Turner, W., S. Spector, N. Gardiner, M. Fladeland, E. Sterling y M. Steininger. 2003. Remote sensing for biodiversity science and conservation. Trends in Ecology and Evolution 18 (6): 306-314.

Ustin, S. L. y J. A. Gamon. 2010. Remote sensing of plant functional types. The New Phytologist 186 (4): 795-816.

Velásquez-Tibatá, J., M. H. Olaya-Rodríguez, D. López-Lozano, C. Gutiérrez, I. González y M. C. Londoño-Murcia. 2018. BioModelos: a collaborative system to map species distribution. bioRxiv preprint.

Vihervaara, P., A. P. Auvinen, L., Mononen, M. Törmä, P. Ahlroth, S. Anttila, K. Böttcher, M. Forsius, J. Heino, J. Heliölä, M. Koskelainen, M. Kuussaari, K. Meissner, O. Ojala, S. Tuominen, M. Viitasalo y R Virkkala. 2017. How Essential Biodiversity Variables and remote sensing can help national biodiversity monitoring. Global Ecology and Conservation 10: 43-59.

Walz, U. 2015. Indicators to monitor the structural diversity of landscapes. Ecological Modelling 295: 88-106.

Yoccoz, N. G., J. D. Nichols y T. Boulinier. 2001. Monitoring of biological diversity in space and time. Trends in Ecology & Evolution 16: 446-453.

Cómo citar

Olaya-Rodríguez, M. H., Velásquez-Tibatá, J., & Estupiñán-Suárez, L. M. (2018). Integrando la información de sensores remotos con modelos de distribución de especies para el monitoreo de la biodiversidad. Caso de estudio para las especies <i>Zamia amazonum<i> y Zamia chigua. Biodiversidad En La Práctica, 3, 74–98. Recuperado a partir de https://revistas.humboldt.org.co/index.php/BEP/article/view/631

Las obras publicadas en las revistas del Instituto de Investigación de Recursos Biológicos Alexander von Humboldt están sujetas a los siguientes términos, con relación al derecho de autor: 

1. Los derechos patrimoniales de las obras publicadas tienen como titular al Instituto de Investigación de Recursos Biológicos Alexander von Humboldt. Los autores o las instituciones que elaboran el documento aceptan ceder los derechos patrimoniales al Instituto Humboldt con el envío de sus artículos, lo que permite –entre otras cosas­– la reproducción, comunicación pública, difusión y divulgación de las obras.

2. Las obras de ediciones digitales se publican bajo una licencia de Creative Commons Colombia:

Licencia de Creative Commons

Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional.

Atribución – No comercial – Sin Derivar: Esta licencia es la más restrictiva de las seis licencias principales, sólo permite que otros puedan descargar las obras y compartirlas con otras personas, siempre que se reconozca su autoría, pero no se pueden cambiar de ninguna manera ni se pueden utilizar comercialmente.

3. Los autores, al someter artículos al proceso editorial de las revistas editadas por el Instituto Humboldt, aceptan las disposiciones institucionales sobre derechos de autor y acceso abierto.

4. Todos los artículos recibidos serán sometidos a un software antiplagio. El sometimiento de un artículo a las revistas del Instituto Humboldt se entiende como la aceptación de la revisión para detectar posible plagio.

5. Las obras sometidas al proceso de edición de las revistas del Instituto Humboldt deben ser inéditas.