Informe sobre el nivel de provisión de Servicios Ecosistémicos en lotes desmontados

ilegalmente en la Provincia de Salta

Diciembre 2016

Laboratorio de Análisis Regional y Teledetección

Facultad de Agronomía e IFEVA. Universidad de Buenos Aires y CONICET

Responsable: Dr. José Paruelo

Compilación y análisis de datos: Ing.Agr. Dolores Arocena y Lautaro Pastorini

En virtud de lo solicitado por la Defensoría del Pueblo de la Nación (Exp. TRI-UBA:

0083942/2016 Organismo:Agro) se procedió a estimar la magnitud de pérdida de Servicios

Ecosistémicos en aquellos predios correspondientes a la cat. I (roja) del OTBN

desmontados ilegalmente en la Provincia de Salta identificados en la Nota DPN N°3039/III.

Se discuten los posibles vínculos de la disminución de la provisión de SE con el desmonte y

las alternativas tendientes a la restauración del nivel de provisión de los bosques

originales.

Introducción

Para realizar la estimación del impacto de los desmontes ilegales se utilizó un Índice de

Provisión de Servicios Ecosistémicos (IPSE) desarrollado por investigadores de la

Universidad de Buenos Aires, el CONICET, la Universidad Nacional de Mar del Plata y la

Universidad de la República (Uruguay). El IPSE fue desarrollado y evaluado empíricamente

para dos áreas de Sudamérica, el Chaco Semiárido y los Pastizales del Río de la Plata. En

tal sentido su uso para la Prov. de Salta es perfectamente pertinente. El índice ha sido

sometido a revisión por pares en distintos ámbitos (por ej. el V Congreso de Servicios

Ecosistémicos de los Neotrópicos, Mar del Plata, Octubre 2015; Simposio Anual de la

International Association of VegetationScience, Brasilia, Junio 2016) y publicado en una

revista científica internacional y arbitrada de la especialidad (EcologicalIndicators, Paruelo

et al., 2016).

El IPSE provee una medida relativa de la provisión de SE de regulación y soporte (sensu

MEA, 2006). El índice se construye a partir de datos provistos por sensores remotos que

permiten describir dos aspectos de las ganancias de carbono de los ecosistemas, la

productividad total y su variación intra-anual. Numerosas evidencias muestran que estos

atributos de la dinámica estacional de las ganancias de C integran aspectos centrales del

funcionamiento ecosistémico (ver por ej. Paruelo y Lauenroth 1998, Paruelo y Vallejos,

2013). Los índices espectrales de vegetación, por ejemplo el índice de Vegetación

Normalizado (Petorelli 2013), han sido extensivamente utilizados como descriptores de la

dinámica estacional del C. Paruelo et al. (2016) combinaron los dos descriptores de la

curva estacional de IVN vinculados a la estacionalidad para generar el IPSE:

IPSE = IVN medio * (1-CV IVN)

En donde el IVN medio es el promedio de los valores registrados a lo largo de la estación

de crecimiento (Julio-Junio) y CV IVN el coeficiente de variación de esos valores para la

estación de crecimiento.

En este informe se presentan los cambios en el IPSE para todos los predios solicitados para

un período que comienza un año previo a la sanción de la Ley 26331 y que se extiende

hasta junio de 2015.

Metodología

Fuente de datos:Se utilizó una base de datos vectoriales de unidades catastrales provista

por la Defensoría de la Naciónen las cuales se identificaron desmontes. Los polígonos

utilizados se encuentran disponibles enhttps://drive.google.com/drive/folders/0B3UUJnb-

97VxMGRRVjA0NGxUTk0. En total se trabajó con 22 predios(Figura 1). La superficie total

evaluada incluyó 112471 ha. Los desmontes ilegales abarcan un área de 32657 ha. Cada

uno de los polígonos fue superpuesto sobre imágenes Landsat de manera de identificar las

áreas desmontadas y el año de la práctica. En el Apéndice I se listan lospath/row y fechas

de las imágenes Landsat utilizadas.

Figura 1. Ubicación de lospredios que fueron analizados.

Se superpusieron las áreas desmontadas en los distintos años con una grilla que

representa la localización de cada pixel MODIS de resolución 250x250m (Figura 2). A partir

de esa grilla se identificaron aquellos pixeles que quedan incluidos en su totalidad en un

lote desmontado en particular. Cada pixel fue identificado entonces en función de la

matrícula catastral y el año de desmonte. En un área ubicada a menos de 1500 m se

ubicaron 4 pixeles correspondientes a bosques que fueron usados como testigo. Una

distancia menor a 1500 a los desmontes asegura una alta autocorrelación espacial en los

datos de ganancias de C derivados de los sensores MODIS (Volante et al. 2012).

Figura 2.Grilla de pixeles MODIS (resolución de 250m x 250m) sobre imagen Landsat.

Se utilizaron imágenes satelitales derivadas del sensor MODIS, provistas por la NASA. El

producto corresponde a las imágenes Mod13Q, las cuales proveen datos de IVN y datos

asociados a la calidad de dichas observaciones, con una resolución espacial de 250 m x

250 m y una resolución temporal de 16 días. Los datos correspondieron al Tile h12v11. Las

imágenes descargadas se incorporaron a una base de datos espacial gestionada en

PostgreSQL con el módulo PostGIS.

Procesamiento y análisis:

A través de una serie de consultas SQL se extrajeron los valores de IVN y de calidad para

todos los píxeles en cada una de las 207 fechas del período Julio 2006- Junio 2015. La

banda de calidad se utilizó para filtrar los valores de IVN, excluyendo aquellos datos

registrados con un alto contenido de aerosoles en la atmósfera, nubes, sombra, hielo o

nieve. Finalmente se mensualizaron los datos y se obtuvo como resultado una serie

temporal desde el 2006 hasta el 2015 con un valor mensual de IVN para los píxeles de 250

km2 incluidos en cada área de interés.

Para la serie temporal correspondiente a cada pixel, se estimaron dos atributos

funcionales que capturan aspectos de la dinámica de las ganancias de C relacionados con

las ganancias totales y la estacionalidad: la Integral anual (IVN-I) y el coeficiente de

variación intra-anual (IVN CVintra) de cada año.

La Integral anual es una medida de la productividad total. Se define como la sumatoria a lo

largo del año de los valores mensuales de IVN. Este atributo se presenta como el

promedio del IVN, calculado como el valor de la integral dividido por 12 meses (el número

total de datos mensuales en un año).

IVNmedio = (∑_IVNi)/12 (1)

El Coeficiente de variación intra-anual (CV IVN) es un descriptor de la estacionalidad de las

ganancias de carbono. Se define como el cociente entre el desvío estándar (DE) de los

valores mensuales de IVN y la media anual del IVN.

CV IVN = DE IVN/(IVN Medio) (2)

A partir de las series temporales de IVN se estimaron los dos atributos funcionales para

cada año del período 2000-2013. Los cálculos fueron realizados considerando el año desde

julio hasta junio. Como resultado se obtuvo una nueva serie temporal para cada atributo.

Se utilizaron la Media anual (IVN medio) y su Coeficiente de Variación intra-anual (CV IVN)

como variables sustitutas de la Productividad Primaria Neta y de su variabilidad a lo largo

del año. Todos los factores fueron escalados entre 0 y 1 para otorgarles igual peso.

Los datos originales y los distintos niveles de procesamiento se encuentran disponibles a

solicitud de la DPN

Resultados y discusión

En todos los casos estudiados fue posible identificar señales claras de remoción de la

cubierta boscosa de las fincas que permite una cuantificación precisa de la superficie

desmontada en cada caso y su pertenencia a las distintas categorías del OTBN (Figura 3).

Figura 3. Esquema de 4 de las matrículas analizadas sobre imágenes LANDSAT de 2016 en donde

se identifican las área desmontadas y los pixeles 250x250 m estudiados. En amarillo se indican los

pixeles correspondientes a bosques usados como referencia espacial. El resto de los casos se

presenta en el apéndice II.

Para las 22fincas analizadas se observó unnivel promedio de provisión de SE post

desmonte del 40 % respecto de la situación testigo correspondiente al mismo año

(parches de bosques próximos no desmontados) (Figura 4). La pérdida promedio es mayor

cuando los cambios post-desmontes se evalúan contra la situación de la misma parcela

antes del desmonte (Figura 4). La provisión relativa respecto de los bosques de referencia

varió entre 0 y valores superiores a 1(Figura 4). Los casos con variaciones relativas

superiores a 1 posiblemente correspondan a desmontes parciales o a usos no

destructivos del bosque. En la mayor parte de los casos el menor nivel de pérdida de

provisión de SE se verifica inmediatamente luego del desmonte observándose un leve

recuperación posterior que excepto en un caso no alcanza los valores de referencia

(Figura 5). La diferencia entre los valores mínimos y el promedio de provisión en los

últimos tres años del período estudiado alcanza valores promedio de 0.10 y 0.12 según se

considere una referencia espacial (bosques contiguos) o temporal (la situación inicial)

(Figura 4)

Figura 4. Valores de provisión de SE (estimados mediante el IPSE) relativos a zonas contiguas de

bosques de referencia (lado izquierdo) y a la situación inicial (2006) (lado derecho). Se presentan

los valores medios y la media ± 1DS y 1.96 DS para el mínimo observado, el promedio de los

últimos tres años de la serie y la diferencia entre este promedio y el mínimo.

Figura 5. Cambios a lo largo del período estudiado (estaciones de crecimiento 2006-2007 a 2014-

2015) de los niveles de provisión de SE (estimados mediante el IPSE) para bosques de referencia y

lotes desmontados en distintos momentos en 4 fincas de las relevadas. Los bosques corresponden

a las líneas llenas y las áreas desmontadas a las punteadas. El resto de las matrículas analizadas se

presentan en el apéndice III.

La caída en el índice se asocia en general a una reducción de los dos factores que lo

determinan, media del IVN (un proxy de las ganancias totales de C) y su CV(una medida de

la estacionalidad de las ganancias de C). Las áreas desmontadas, como señalaba Volante

et al. (2012), fueron más estacionales y menos productivas. Por otro lado se observa un

retraso en el comienzo de la estación de crecimiento. El comienzo más tardío es uno de

los factores que más afecta uno de los servicios claves que proveen los bosques, la

regulación hídrica. Una menor cobertura vegetal y, por lo tanto, una menor

evapotranspiración determina una aumento en la recarga de acuíferos, el ascenso de la

napa freática y serios problemas de salinización (Amdan et al. 2013).

Investigaciones en curso llevadas a cabo por investigadores de CONICET, la UBA y la UNSE

muestran que buena parte de las funciones ecosistémicas que se pierden con el desmonte

se recuperan mediante un proceso de restauración pasiva (asociado a la sucesión

secundaria post-agrícola) (Basualdo et al. 2015) En un período de 2 a 3 décadas los lotes

desmontados en donde se suspenden las actividades agrícolas podrían alcanzar niveles de

provisión del IPSE similares a los de los bosques usados cono referencia (Basualdo, datos

no publicados). El curso de la recuperación dependerá de una serie de factores entre los

cuales los años de agricultura son uno de los principales. La estructura y configuración del

paisaje son un factor adicional crítico, al afectar la disponibilidad y llegada de propágulos,

del proceso de recuperación. Independientemente de la variabilidad que estos factores

puedan introducir y de la eventual necesidad de una restauración activa, es imprescindible

suspender de inmediato las actividades agrícolas y ganaderas para que dé comienzo la

sucesión secundaria.

Bibliografía

Amdan M. L; Aragón R.; Jobbágy, E.G; Volante, J.N.; Paruelo, J.M. 2013. Onset of

deeprecharge and salt mobilization following forest clearing and cultivation in the Chaco

plains (Argentina). Water Resources Research. 49: 1-12

Basualdo, M.; Huykman, N.; Volante J.N.; Piñeiro, G.; Paruelo, J.M. Dinámica temporal de

atributos funcionales de cultivos agrícolas, bosques maduros y secundarios en el Chaco

Semiarido.

Paruelo, J. M. y Vallejos, M. 2013. “EcosystemServicesRelatedtoCarbon Dynamics:

ItsEvaluationUsingRemoteSensingTechniques”. En: Alcaraz Segura, D., Di Bella, C. M.,

Straschnoy, J. V. Earth Observation of Ecosystem Services. Cap 2. Ed CRC.

Paruelo, J.M., Jobbágy E.G., Sala O.E., Lauenroth W.K. y Burke I.C. 1998 Functional and

structuralconvergence of temperategrassland and shrublandecosystems.

EcologicalApplications 8:194-206.

Paruelo, J.M., Texeira, M., Staiano, L., Mastrángelo, M., Amdan, L. and Gallego, F. 2016.

Anintegrativeindex of Ecosystem Services provision based on remotely sensed data.

Ecological Indicators. 71: 145-154.

Pettorelli, Nathalie. Thenormalizeddifferencevegetationindex. Oxford UniversityPress,

2013.

Volante, J.N., Alcaraz-Segura, D., Mosciaro, M.J., Viglizzo, E.F. and Paruelo, J.M., 2012.

Ecosystemfunctionalchangesassociatedwithlandclearing in NW Argentina. Agriculture,

Ecosystems&Environment, 154, pp.12-22.

Apéndice 1

Escenas (path/row) y fechas de las imágenes Landsat utilizadas.

PATH/ROW Satelite Año

Juliano Día

Juliano PATH/ROW Satelite Año

Juliano Día

Juliano

230/076 Landsat 5 2006 030 230/077 Landsat 5 2011 252

230/076 Landsat 5 2006 238 230/077 Landsat 7 2012 247

230/076 Landsat 5 2007 241 230/077 Landsat 8 2013 113

230/076 Landsat 5 2008 244 230/077 Landsat 8 2013 321

230/076 Landsat 5 2009 230 230/077 Landsat 8 2014 340

230/076 Landsat 5 2010 233 230/077 Landsat 8 2015 279

230/076 Landsat 5 2011 252 230/077 Landsat 8 2016 202

230/076 Landsat 7 2012 215 230/078 Landsat 5 2006 46

230/076 Landsat 8 2013 321 230/078 Landsat 5 2006 238

230/076 Landsat 8 2014 148 230/078 Landsat 5 2007 225

230/076 Landsat 8 2015 39 230/078 Landsat 5 2008 244

230/076 Landsat 8 2015 231 230/078 Landsat 5 2009 214

230/076 Landsat 8 2016 218 230/078 Landsat 5 2010 233

230/077 Landsat 5 2006 238 230/078 Landsat 5 2011 236

230/077 Landsat 5 2006 318 230/078 Landsat 7 2012 215

230/077 Landsat 5 2007 241 230/078 Landsat 8 2013 273

230/077 Landsat 5 2008 244 230/078 Landsat 8 2014 228

230/077 Landsat 5 2009 214 230/078 Landsat 8 2015 215

230/077 Landsat 5 2010 233 230/078 Landsat 8 2016 74

Apéndice 2

Croquis de las matrículas analizadas sobre imágenes LANDSAT de 2016 en donde se

identifican las áreas desmontadas y los pixeles 250x250 m estudiados. Se indican además

los pixeles correspondientes a bosques usados como referencia espacial.

Apéndice 3

Se presentan los cambios a lo largo del período estudiado (estaciones de crecimiento 2006-2007 a

2014-2015) de los niveles de provisión de SE (estimados mediante el IPSE) para bosques de

referencia y lotes desmontados en distintos momentos. Los bosques corresponden a las líneas

llenas y las áreas desmontadas a las punteadas.

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Agropecuaria del Carmen

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Agropecuaria San Antonio S.A.

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Alejandro J. Braun Peña

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Campo Fuerte S.A.

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Camu M. J., Camu C. C. y Camu A.E

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Dinarco S.A

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

El Cerrito S.R.L.

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

E. F. Mignola y E. E. Mignola

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Estancia Rio Colorado S.A.

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Finca La Charqueada

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Ise Gelsi H. J. e Ise Gelsi M. J.

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Jalit Julio Antonio

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

J. A. Vidizzoni y F. A. Vidizonni

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

La Moraleja S.A

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Mignola, E. F. y Mignola E. E.

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Quebracho Colorado S.A.

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Rio Pasaje S.A.

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Rodríguez Verónica del Valle

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Saltagro S.A.

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Sin dato

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Tomas Sociedad Anónima

0,00

0,20

0,40

0,60

0,80

1,00

2004 2006 2008 2010 2012 2014 2016

IPSE

Walter M. Conta S.R.L.