Bautista Calderon, Gutiérrez Castorena, Ordaz Chaparro, Gutiérrez Castorena, and Cajuste Bontemps: Sistemas agroforestales de café en Veracruz, México: identificación y cuantificación espacial usando SIG, percepción remota y conocimiento local



Introducción

Los Sistemas de Información Geográfico (SIG) trabajan con datos espaciales del mundo físico para generar mapas temáticos (Brody, 1999), para lo cual se realiza captura, almacenamiento y despliegue de información mediante diferentes procesos operacionales (Rosete y Bocco, 2003). El manejo de grandes volúmenes de datos y organización de la información (Instituto de Investigación de Recursos Biológicos Alexander Von Humboldt, 2006) se convierte en una herramienta útil en la toma de decisiones (Gómez et al., 2003).

Los SIG principalmente se utilizan para evaluar coberturas vegetales de ecosistemas (Orradre, 2014) inventarios forestales (Gutiérrez y Gould, 1994) y dinámica del medio biótico y abiótico (Bermejo et al., 2005)1. Además, los metadatos del SIG se pueden combinar con imágenes de satélite (García, 2006) para evaluar el manejo de los agroecosistemas con base en cambios temporales (Buendía et al., 2002). La información digital en cada una de sus bandas de la imagen de satélite puede ser manipulada para agrupar objetos con diferentes tamaños, formas y colores. Asimismo, se puede incorporar criterios más complejos como textura, brillo, tamaño o combinación entre ellos (Chuvieco, 2008). Esta combinación permite al intérprete rapidez y confiabilidad en la extracción cartográfica de los recursos naturales (a corto, mediano y largo plazo) con determinada periodicidad (Rullán et al., 2011). A pesar de ello, García (2006) indica que muchos de los objetos no suelen ser clasificados de forma correcta, dado que depende de la experiencia y percepción individual del técnico. También, es común que los estudios se realicen principalmente en gabinete con pocos o nulos recorridos en campo sin verificación de linderos.

Otra técnica de conceptualización de la realidad física es mediante la clasificación interpretativa, la cual identifica objetos visibles sobre la imagen que posteriormente los representa cartográficamente. La clasificación de tierras agrícolas con diversidad de cultivos (usos/cobertura) (Cayssials y Alvarez, 1983), elaboración de una calificación biológica de la vegetación y usos de suelo (Vega et al., 2008), evaluación de cobertura y uso de la tierra (Zorogastúa et al., 2011), se han llevado a cabo utilizando esta metodología. Además, esta técnica ha sido muy útil en estudios sobre diversificación forestal de bosques andinos (Lencinas, 2011), delimitación y detección de áreas con alta probabilidad de incendios forestales (Verdú y Salas, 2010), o en combinación con procesos digitales-analógicos en imágenes de satélite (Portuguez, 1998).

Por otra parte, el análisis digital de imágenes y su representación en mapas temáticos está directamente relacionado con enfoques paramétricos, que consideran un clasificador por cada componente, por ejemplo, suelos (Borrás et al., 2017), temperatura, vegetación; o en la clasificación de las tierras con base en sus características físicas, químicas o estructurales (Ortiz y Cuanalo, 1978). No obstante, a pesar de las ventajas particulares, estas técnicas individuales o en combinación están limitadas para expresar divergencias entre objetos que comparten las mismas características. En el caso de sistemas agroforestales de café se ha reportado que se pueden confundir con los ecosistemas forestales o de selva ya sea que estén bajo sombra o incluso sin cobertura arbórea (Escamilla y Díaz, 2002), por lo que se tienen que realizar estudios directamente en campo con apoyo de los productores.

El café es un arbusto de hoja perenne globosa, de tallo múltiple o árbol pequeño cuando está podado que se intercala con diferentes tipos de vegetación (ECOCROP, 2018) y es principalmente de secano por las condiciones climáticas en donde se desarrolla. Es una planta que tiene un alto valor de interés económico para nuestro país ya que somos los principales productores de café orgánico del mundo (La Jornada, 2018)2. Este agroecosistema tiene enorme relevancia ecológica (Escamilla et al., 2005), por la gran diversidad de especies (Moguel y Toledo, 2004; Perfecto et al., 2005). Además, es necesario ubicar las zonas de alta calidad para la producción de café, pero sin afectar a los bosques mesófilos de montaña que están siendo presionados por el cambio de uso del suelo (Martínez et al., 2009) y es ahí donde el conocimiento local es relevante (Reyes-García, 2009) sobre todo para la trasferencia del manejo agronómico. La hipótesis que se plantea es que los sistemas agroforestales de café insertos en zonas montañosas con alta diversidad y complejidad de estructuras y manejo agrícola se pueden zonificar y cuantificar a través de la técnica de clasificación interpretativa en combinación con SIG, análisis de imágenes y conocimiento local de tierras para determinar las zonas de alto potencial del cultivo, para lo cual el objetivo que se planteó fue generar mapas temáticos de la distribución y aptitud potencial de cultivo de café en los sistemas agroforestales de la zona montañosa del municipio de Huatusco, Veracruz.

Materiales y Métodos

Área de estudio

El municipio de Huatusco de Cuellar pertenece a la región de “Las Montañas” y se ubica en la zona centro del estado de Veracruz, entre las coordenadas 19° 04’ y 19° 13’ N y los meridianos 96° 41’ y 97° 04’ O, con una superficie de 19 995 ha (Figura 1). El relieve es montañoso de norte a sur y pertenece al eje Neo-volcánico o Sistema Tarasco Nahua; las líneas de crestas se mantienen por arriba de los 2200 msnm (INEGI, 2009a) y se localizan en la región hidrológica Papaloapan en 96% (INEGI, 2009b). La variabilidad climática de las montañas está representada por seis tipos, de los cuales el Semicálido subhúmedo y el Templado húmedo (INEGI, 2009a) cubren 57 y 20% respectivamente. La precipitación promedio anual oscila entre 1700 y 2000 mm (SMN, 2017).

Figura 1:

Localización de la zona de estudio (Huatusco de Cuellar, Veracruz, México) y localización de estaciones meteorológicas.

2395-8030-tl-36-03-261-gf1.png

Trabajo de gabinete y campo

La presente investigación se llevó a cabo en tres etapas, las cuales se describen a continuación:

  • 1) Pre-campo. Fotointerpretación para delimitar los patrones de vegetación con apariencia semejante en los sistemas agroforestales (escala 1:50 000, intensidad media) sobre la imagen digital (SPOT 5) y selección de campos de entrenamiento (Bolstad, 2012). Elaboración de un levantamiento fisiográfico utilizando modelos de elevación digital del terreno, cartas edafológicas, usos de suelo y vegetación publicadas a escala 1:50 000 (INEGI, 2009a). Además, se realizó el mapa base para esquematizar los tipos de cobertura.

  • 2) De-campo. Reconocimiento en campo de los patrones de vegetación en los sitios de entrenamiento, georreferenciación sobre la imagen, y descripción de características como tono, brillantez, textura, sombras y aspecto de temporalidad (García, 2006). Entrevistas a productores sobre la aptitud de las tierras para la producción de café y verificación y delimitación de linderos de cada componente.

  • 3) Post-campo. Extracción de polígonos de verificación de coberturas a partir del conjunto de información (bases de datos, entrevistas y mapas temáticos); trasferencia de unidades de fotointerpretación a unidades cartográficas; y corrección sobre las unidades cartográficas digitales utilizando una área mínima cartografía (AMC) de 1 cm2 a escala 1:50 000 (Ortiz y Cuanalo, 1978). Posteriormente, los suelos categorizados por su aptitud fueron delimitados en unidades cartográficas utilizando los programas ArcGis® v10.1 y ERDAS®v10 sobre la imagen de satélite. La cartografía finalizó con la identificación de los componentes y subcomponentes de los sistemas agroforestales y la elaboración del mapa digital temático de los agroecosistemas de café.

Elaboración de mapas temáticos

La imagen de satélite utilizada tiene una resolución espacial de 20 × 20 m por pixel, profundidad de análisis de 8 Bits, georreferenciada a proyección Universal Transversa de Mercator (UTM) esferoide WGS84 zona 14 norte, con metadatos homogeneizados cartográficamente (Guerra y Ochoa, 2005), con nula nubosidad. La imagen fue proporcionada por la Estación de Recepción México de la Constelación SPOT 5 (ERMEXS) (s5_593312_20081221_3a_Jortorrectificada) bajo el convenio ERMEXS-SAGARPA.

El mapa temático de los agroecosistemas de café (enfoque paisajista) para evaluar la aptitud potencial del cultivo se realizó utilizando datos paramétricos de pendiente (INEGI, 2009a), temperatura y precipitación (SMN, 2017), el conocimiento local de tierras, algebra de mapas y validación interpretativa. Todos los mapas fueron evaluados a través de valores binarios, donde el “cero” representa las clases con baja calidad o “No Apta” y el “uno” la clase de alta calidad o “Apta” según sus características particulares para la producción agrícola del café. A continuación, se describe cada mapa temático simple y compuesto:

  • 1. Mapa de la aptitud de suelo a través del conocimiento local de tierras. Estos mapas fueron elaborados con la participación e identificación directa en campo por los productores. Los recorridos y entrevistas a productores se realizaron durante ocho días y se establecieron sin remuneración económica de acuerdo con la metodología de Ortiz y Gutiérrez (1999). El cuestionario que se aplicó repetiti los siguientes tópicos: variedad de café establecido, arreglo repetiti del sembradío, nombre común de especies arbóreas empleadas como sombreaderos, destino de las especies maderables, propósito de las especies asociadas al cultivo de café, calidad de las plantaciones por su producción, repeti donde se encuentran las plantaciones, y razón de su ausencia en la zona norte, calidad de grano obtenido en el predio y causas de baja y alta calidad del grano. La encuesta repetiti cuando la información fue repetitive.

  • 2. Mapa de pendiente. Este mapa se realizó utilizando al Manual de Conservación del Suelo y Agua (Anaya, 1991) y se digitalizó mediante el módulo “Surface” y el modelo de “Elevación Digital” de ArcGIS® v10. Se obtuvieron ocho clases por grado de pendiente (0-2, 2-6, 6-10, 10-15, 15-25, 25-40, 40-100 y >100%). Aunque todas ellas son clasificadas como “Aptas” en este trabajo se consideraron sólo las primeras cinco clases, es decir pendientes de menos de 40%.

  • 3. Mapas de temperatura y precipitación. Estos mapas fueron generados a partir de la base de datos de 18 estaciones de las Normales Climatológicas (1951-2010) (SMN, 2017) disponible en la red del sitio oficial en formato digital y el modelo de interpolación de Kriging simple (ArcGis®v10.1). Las temperaturas medias mensuales del área de estudio fueron categorizadas en tres clases: <19 °C, alta calidad (ac), entre 19 y 22 °C, mediana calidad (mc), y >22 °C baja calidad (bc), de acuerdo con lo que indica Pérez et al. (2005) para la producción de café en los sistemas agroforestales. La precipitación media mensual se categorizó como “Apta” cuando se presentó una precipitación entre 1400 y 2000 mm, intervalo que corresponde a los requerimientos hídricos del cultivo reportados por López-Lara et al. (1997) y Benegas (2009)3. Los datos de precipitación fueron obtenidos de las estaciones climáticas reportadas en las normales climáticas (1951-2010) (SMN, 2017).

  • 4) Mapa temático compuesto (vectorial) de agrosistemas de café. Este mapa fue construido mediante la sobre-posición (algebra de mapas) de los mapas de suelo por aptitud de la tierra, pendiente, temperatura y precipitación mediante geoprocesing en ArcGis® v10.1. Este operador espacial permite la unión de dos o más mapas vectoriales (por producto entre valores binarios) para crear una nueva capa vectorial por atributo. Posteriormente, se seleccionaron los centroides de cada polígono, y se establecieron los campos de entrenamiento

Validación de la clasificación interpretativa y matrices de confusión

La validación de los mapas se llevó a cabo con apoyo de técnicos de la Coordinación de Fomento Agropecuario, y su comparación sobre el mapa temático de cobertura. Durante los recorridos se modificaron los linderos entre componentes y subcomponentes, al implementar estrategias de verificación y dividir la zona en cuatro cuadrantes bajo el criterio de accesibilidad a sitios. En cada campo de entrenamiento se confirmaron los linderos de los sistemas agroforestales y se registró el tipo de vegetación nativa y comercial utilizada como sombreaderos por cada tipo de sistema agroforestal. Para llegar a cada sitio se utilizaron como acceso las vías terrestres de comunicación (carreteras y brechas). Finalmente, se realizó una clasificación interpretativa con todos los componentes y se evaluó la concordancia (precisión) entre el usuario y el productor utilizando matrices de confusión de acuerdo con Cohen (1960). En este índice los intervalos varían de -1 a +1, donde +1 indica una perfecta concordancia y valores a cero o menos indica que la relación es prácticamente al azar.

Resultados y Discusión

Separabilidad y fotointerpretación sobre imagen de satélite

Con la fotointerpretación y clasificación interpretativa sobre la imagen de satélite se diferenciaron cuatro componentes de igual nivel jerárquico: a) zona urbana (Zu), b) bosque mesófilo de montaña (BMM), c) potreros (Pot) y d) agricultura (Agr). Los primeros tres componentes se caracterizaron mediante su firma espectral (textura, brillantez y tonalidad) sobre la imagen satelital en ERDAS® v10.

En el caso del componente “Agricultura” se encontró que existe confusión con estructuras vegetativas nativas o con la vegetación comercial, las cuales se utilizan como sombreaderos para el manejo del cultivo de café (Moguel y Toledo, 2004). Es por esa razón que este componente se subdividió en cuatro subcomponentes: a) policultivo tradicional (PT), constituido por especies vegetales nativas o inducidas en plantaciones de café bajo sombra, b) monocultivo especializado (ME) con especie vegetal del genero Inga o cultivo semi-sombreado, c) policultivo comercial (PC) y d) agricultura de grano o vegetales (AgrG) (Cuadro1). Las coberturas vegetales en los subcomponentes fueron identificadas a través de sus firmas espectrales (brillantez y tonalidad), los cuales mostraron una vegetación vigorosa semejante al componente BMM y estructuras en las bandas visibles del espectro electromagnético azul y rojo tal como han sido reportadas por Chuvieco (2008).

Cuadro 1:

Áreas de componentes y subcomponentes obtenido en procesos de análisis de imagen.

Componentes y subcomponentes Superficie
ha
Zona urbana (ZU) 487.13
Bosque mesófilo de montaña (BMM) 3753.79
Potrero (Pot) 1702.93
Agricultura (Agr)
Policultivo tradicional (PT) 7937.63
Policultivo comercial (PC) 1999.71
Monocultivo especializado (ME) 189.56
Agricultura de grano o vegetal (AgrG) 924.25

Los mapas temáticos de componentes de BMM, Pot y AgrG no presentaron problemas de separabilidad entre objetos visibles sobre la imagen digital. Los subcomponentes PT, PC y ME fueron semejantes en la mayoría de los campos de capacitación (entrenamiento) y verificación en la tonalidad de gris oscuro, siendo necesario la combinación entre bandas 1, 2, 3 de la imagen (Spot 5) y procesos de análisis de imagen en falso color, textura, forma y tamaño para su separabilidad.

Los resultados del análisis a los subcomponentes en falso color (combinación de bandas 3, 2, 1) y su separabilidad se produjo en color rojo intenso (entre 155 - 200 valores de pixel en RGB) para vegetación densa en BMM y rojo de menor intensidad (entre 75 - 150 valores de pixel) en coberturas PT, PC y ME. También la textura (rugosidad y suavidad) fue importante para la separabilidad de los componentes; por ejemplo, alta heterogeneidad a nivel de gris y textura rugosa en BMM, texturas lisas y homogéneas en Pot y AgrG y de baja rugosidad y mediana suavidad en los subcomponentes PT, PC, y ME. Estas diferencias en texturas facilitaron su separabilidad tal como ha sido señalado por García (2006) y Chuvieco (2008).

Por otra parte, los procesos de identificación de objetos por “forma” fortaleció la divergencia entre el subcomponente ME contra PT y PC, no así entre los componentes BMM contra PT y PC debido a las características de semejanza por manejo del cultivo. Por último, el proceso por “tamaño” fue limitado para separar áreas debido a la resolución espacial de la imagen de satélite.

El mapa temático de cobertura y distribución espacial realizado a partir del levantamiento fisiográfico con enfoque paisajista para los componentes ZU, BMM y Pot como para los subcomponentes PT, PC, ME y AgrG se muestran en la Figura 2; mientras que en el Cuadro 1 se reportan las áreas respectivas. La superficie cuantificada con base en la fotointerpretación, clasificación interpretativa y análisis de imágenes para los componentes ZU, BMM y Pot fueron de 3, 22 y 10% respectivamente; mientras que para los subcomponentes PTR, PC, ME y AgrG fueron de 47, 12, 1 y 5% respectivamente.

Figura 2:

Cobertura de componentes y subcomponentes de los sistemas agroforestales de café a partir del levantamiento fisiográfico con enfoque paisajista.

2395-8030-tl-36-03-261-gf2.png

Mapas temáticos de elementos paramétricos

Mapas de aptitud de las tierras. Por clasificación campesina (entrevista a productores) y recorridos en campo para la producción de café (Figura 3a) se encontró que la zona de estudio se puede clasificar en dos clases: una zona “No apta” que se localiza en la parte Noroeste, donde ocurren suelos someros y de textura muy fina denominados por pobladores como “polvillo”; otra zona considerada como “Apta” localizada en la parte sureste, donde reportan suelos profundos con mayor retención de humedad.

Figura 3:

Mapas temáticos de elementos paramétricos. a) Suelo; b) Pendiente; c) Temperatura, y d) Precipitación.

2395-8030-tl-36-03-261-gf3.png

El análisis textural de los suelos muestra que los componentes y subcomponentes presentan una clase textural dominante: migajón arenoso (67% en BMM); migajón limoso (100% en Pto), arcillosa (87% y 82% en PC y ME respectivamente) y arcillosas y arcillo limosas (50% cada una en PT). Con base en estos resultados se puede indicar que los suelos de los agrosistemas son predominantemente de textura fina, por lo que tienen una superficie más activa y poseen mayor capacidad de adsorción de nutrimentos en comparación con los suelos arenosos (Ortiz, 2010). En contraste con el bosque mesófilo de montaña que se desarrolla en texturas gruesas y por lo tanto un mejor drenaje.

Mapa de pendiente. Todas las pendientes (Figura 3b) fueron consideradas dentro de la clase “Apta”; no obstante, en el mapa temático se seleccionaron sólo las pendientes por debajo de 25% que corresponden al 94.7% de la superficie estudiada y cuyo manejo agronómico es homogéneo (secano). Los valores por grado de pendiente en por ciento fueron obtenidos mediante la reclasificación de un modelo de Elevación Digital (ArcGis ®v10.1), y sus superficies estimadas fueron: 0 a 2% (28.3%), 2-6% (29.3%), 6-10% (19.6%), 10-15% (11.1%), 15-25% (6.4%), y >25% (5.3%) del área de estudio. Reagrupando estas clases se tiene que el 77 % de los sistemas agroforestales de café se presentan en pendientes menores de 10%.

Mapa de temperatura. Toda la zona de estudio presenta temperaturas “Aptas” para la producción de café consideración indicada por Pérez et al. (2005). Sin embargo, de acuerdo con los productores y las tres divisiones de calidad por temperatura se logró regionalizar el área de estudio en: alta calidad “ac” (<19 °C) la zona del noroeste con una superficie correspondiente a 19.6%; mediana calidad “mc” (19 y 22 °C), en la zona centro que representa 59.0% de la superficie y baja calidad “bc”(>22 °C) en el sureste con el 22.4% del área de estudio, tal cómo se puede observar en la Figura 3c.

Mapa de precipitación. La precipitación fue categorizada como clase “Apta”, debido a que en la zona de estudio se presentan precipitaciones entre 1700 y 2000 mm anuales (SMN, 2017). Este intervalo está dentro de los requerimientos mínimos y máximos reportados por López-Lara et al. (1997) y Benegas (2009)3, por lo que no hay restricciones hídricas en la producción de café en la zona de estudio (Figura 3d).

Mapa temático compuesto de sistemas agroforestales

Componentes y subcomponentes. El mapa temático de calidad de café (Figura 4) fue obtenido mediante algebra de mapas a partir de los datos paramétricos de los mapas de suelo, pendiente, temperatura y precipitación; posteriormente se re-categorizaron y se asignaron valores binarios a cada clase (“Cero” o “Uno” a clase “No apta” o “Apta” respectivamente) y criterios como: a) tipo de suelo por aptitud de la tierra; b) grado de pendiente; c) intensidad de precipitación, d) rango de temperatura. Además, se llevó a cabo una re-categorización con sub-índices por calidad de café por la experiencia de los productores y recorridos en campo. Los resultados indican que los sistemas agroforestales tienen diferentes clases y cubren diferentes superficies: a) la clase “ac” de alta calidad se localiza al centro del área de estudio con 25.3% de la superficie; b) la clase “mc” de mediana calidad se localiza al noroeste y sureste con 33.2% del área y c) la clase “bc” baja calidad ocurre en la zona centro y noroeste con 45.5% del área.

Figura 4:

Mapa temático de la aptitud potencial del café, en Huatusco, Veracruz.

2395-8030-tl-36-03-261-gf4.png

Vectorial, polígonos de verificación y comprobación. A partir del mapa temático de agroecosistemas de acuerdo con su aptitud o calidad para la producción de café se obtuvieron 526 polígonos con características particulares entre componentes y subcomponentes; sin embargo, al establecer el criterio cartográfico de área mínima cartografíable (AMC) a escala de trabajo (1:50 000) se re-clasificaron a 111 polígonos con una superficie igual o mayor a 6.25 ha (Figura 5a). En estos polígonos se crearon centroides (Figura 5b) para ser usados como puntos de verificación y comprobación (campos de entrenamiento) por la clasificación interpretativa. Los resultados obtenidos muestran que los componentes y subcomponentes varían en cuanto a su calidad o aptitud para la producción agrícola de café:

Figura 5:

Mapas temáticos de componentes y subcomponentes de los agroecosistemas de café. a) polígonos vectoriales; b) puntos de verificación; c) transectos y recorridos de comprobación, y d) zonificación campesina o conocimiento local y puntos de comprobación.

2395-8030-tl-36-03-261-gf5.png

  • a) BMM (68.37 ha). Clase del suelo por aptitud de la tierra “No apta”; pendientes entre 40 y 100% (No apta); precipitaciones >1800 mm anuales; temperatura media anual entre 16 y 20 °C (apta).

  • b) Pot (98.21 ha). Clase de suelos por aptitud de la Tierra “No apta”; pendientes >25%; precipitación media anual >1800 mm, temperatura media anual <18 °C.

  • c) ME (5.81 ha). Clase de suelo por aptitud de la tierra “No Apta”; pendientes >25%; precipitación media anual >1800 mm; temperatura media anual entre los 16 y 18 °C;

  • d) PT, (821.43 ha). Clases de suelo por aptitud de la tierra fueron re-categorizados a 9 sitios como “Aptos” y 37 como “No aptos” (Figura 5b); se presentan dos clases de pendientes: entre 10-15% y >25%; precipitación media anual >1800 mm y temperatura media anual entre 16 y 20 °C;

  • e) PC (89.61 ha). Clase de suelo por aptitud de la tierra “No apta” (Figura 5b), debido a que seis sitios presentan pendientes >40% y solo uno entre 2 y 4%, precipitación media anual >1800 mm anuales y temperatura media anual entre 16 y 20 °C.

Los BMM es un componente que tiene alta biodiversidad (Villaseñor, 2010) y gran variedad de servicios ecosistémicos (Martínez et al., 2009) y ocurre en zonas que fueron clasificadas como no aptas para el cultivo del café. En ese sentido estos resultados pueden ayudar a la toma de decisiones y disminuir la presión del cambio de uso del suelo y evitar su degradación (Orozco et al., 2004). También en los agroecosistemas es necesario evaluar su aptitud de la zona para la producción de café ya que no siempre tienen la calidad y pueden degradar el ambiente, aunque el manejo sea orgánico (Hernández et al., 2017).

Validación de la clasificación interpretativa

La validación se llevó a cabo a partir de recorridos en campo, con apoyo de técnicos de la Coordinación de Fomento Agropecuario, y su comparación sobre el mapa temático de cobertura. La zona de estudio se dividió en cuatro cuadrantes bajo el criterio de accesibilidad y se ubicaron 111 campos de entrenamientos o sitios. Los linderos de cada componente y subcomponentes se modificaron y se georreferenciaron (Figura 5c), además de registrar el tipo de cobertura vegetal agroforestal.

Posteriormente, se seleccionaron 60 sitios como campos de comprobación para generar la matriz de confusión. Los comentarios y experiencias de productores de café definieron el mapa final que pasó de un levantamiento fisiográfico con enfoque paisajista a un mapa de zonificación campesina o conocimiento local sobre la producción de café. La Figura 5d muestra los sitios finales de comprobación para cada sistema agroforestal del cultivo de café de los componentes BMM y Pot y sub-componentes PT, PC, ME y AgrG.

Una vez efectuadas las correcciones se generó un mapa temático de cobertura final (Figura 6) que se comparó con el mapa temático de cobertura inicial del levantamiento fisiográfico y mapas temáticos paramétricos (Cuadro 2). Los resultandos indican que se incrementó la superficie con 4.94% en BMM y con 6.9% en Pot de acuerdo con la superficie inicial. En el caso de los subcomponentes se encontró que: a) PT y PC redujeron su superficie en 21.4% para integrase en una sola cobertura debido a su poca separabilidad entre ellos, b) el ME incrementó en 2.11%, c) la zona agrícola en 0.12% y una nueva clase denominada Calera no identificada en la fotointerpretación, pero sí en campo la cual fue menor a 0.05%.

Figura 6:

Mapa temático de cobertura de los sistemas agroforestales de café.

2395-8030-tl-36-03-261-gf6.png

Cuadro 2:

Comparación de áreas entre componentes y subcomponentes con la verificación de linderos.

Sistema Cobertura inicial Cobertura final
Área Polígonos Área Polígonos
ha ha
Bosque mesófilo de montaña (BMM) 3753.79 10 4593.65 18
Policultivo tradicional (PT) 7937.63 111 6286.00 109
Policultivo comercial (PC) 1999.71 36
Potrero (Pot) 1702.93 96 2876.33 116
Agrícola (Agr) 924.25 26 1194.69 32
Zona urbana 487.13 4 508.33 5
Monocultivo especializado (ME) 189.56 11 548.63 17
Vegetación secundaria (VS) - - 972.09 14
Calera - - 14.89 1
Suma 16 995.00 294.00 16 995 312

La matriz de confusión (Cuadro 3) en sitios de comprobación registró una confiabilidad del productor por cobertura del suelo en PT, PC de 87, 79% respectivamente y de 100% en BMM, Pot y ME. La matriz de confusión o de contingencias, consta de una tabla de doble entrada, que confronta los valores reales o verdad- terreno con los resultados de la clasificación (Cohen, 1960). De acuerdo con Bishop et al. (1975), valores mayores de 70% ya son aceptables en cuanto a la calidad de los mapas. En ese sentido, la información proporcionada por los productores incrementó la precisión de los mapas temáticos hasta prácticamente presentar alta concordancia (100%).

Cuadro 3:

Matriz de confusión de puntos de comprobación de componentes y subcomponentes en los sistemas agroforestales de café.

Componente subcomponente BMM Pot ME PT PC Otro Total Confiabilidad
del usuario
Cartografía temática BMM 3 1
Pot 3 1
ME 1 1
PT 21 15 4 46 0.46
PC 4 0.57
Otro
Total 3 3 1 24 19 4 57
Confiabilidad del productor 1 1 1 0.87 0.79 1

[i] BMM = bosque mesófilo de montaña; Po = potreros; Me = monocultivo especializado; Pt = policultivo tradicional; Pc = policultivo comercial.

Información adicional

Los productores reportaron que las especies vegetativas exóticas más usadas como sombra en los plantíos de cafetos de la región son: coquito plumoso (Syagrus romanzoffiana), primavera (Tabebuiadonnellsmithii Rose), cedro rosado (Acrocarpus fraxinifolius), mango piña, palma criollito, cedro rojo (Cedrela odorata L.), cacao (Theobroma cacao L.), aguacate, chalahuite (Inga spuria Humb. & Bonpl. ex Willd), naranjo, vainillo de hoja ancha (Vanilla planifolia), macadamia (Macadamia spp.), chichene, palma, plátano tabasco, fresno (Fraxinus uhdei), tinaja, malta, roatán, brebil, jinicuil, ixpepe (Trema micranthum), sopa de pan, luminaria, pimienta y zapote (Pouteria sapota). Además, también reportaron especies vegetales nativas en el componente BMM como: guayabillo (Alibertia edulis), encino rojo (Quercus rubra Née), encino blanco (Quercus sartorii), roble, liana, y aguacatillo lo que provocó la homogeneización visual sobre las imágenes satelitales. Esta es una evidencia de la alta biodiversidad de estos agroescosistemas como ha sido reportado por otros autores (Moguel y Toledo, 1999; Perfecto y Armbrecht, 2003; Escamilla et al., 2005).

Conclusiones

- La fotointerpretación y clasificación interpretativa permitió clasificar dos componentes agroforestales: bosque mesófilo de montaña y potreros y tres subcomponentes agrícolas: policultivo tradicional y comercial, monocultivo especializado, identificados a través de su brillantez y textura en una imagen de satélite. Sin embargo, en el componente agrícola hay confusión en las estructuras vegetativas nativas y comercial. Con la participación de los productores (entrevistas, campos de entrenamiento y recorridos de campo) y mapas temáticos de elementos paramétricos se identificaron con una precisión de 100% los bosques, los potreros y el monocultivo especializado.

- La zona de mayor aptitud de las tierras para la producción de café se localiza en la zona centro; mientras que los de baja calidad en el centro y noreste del municipio de Huatusco en donde ocurren los bosques mesófilos de montaña o policultivos tradicionales y comerciales.

- La combinación entre técnicas geoespaciales con el conocimiento local de los productores permite identificar zonas con potencial productivo agrícola de café y dar elementos para la conservación de otros ambientes como los bosques mesófilos de montaña.

Literatura Citada

1 

Anaya Garduño, M. 1991. Manual de conservación del suelo y del agua. Colegio de Postgraduados, Chapingo, SARH, SPP. Chapingo. Edo. de México, México.

M. Anaya Garduño 1991Manual de conservación del suelo y del aguaColegio de PostgraduadosChapingoSARHSPPChapingo. Edo. de México, México

2 

Bishop, Y. M. M., S. E. Feinberg, P. W. Holland, R. J. Light, and F. Mosteller. 1975. Discrete multivariate analysis: Theory and practice. The Mit Press. Cambridge, MA, USA.

Y. M. M. Bishop S. E. Feinberg P. W. Holland R. J. Light F. Mosteller 1975Discrete multivariate analysis: Theory and practiceThe Mit PressCambridge, MA, USA

3 

Bolstad, P. 2012. GIS fundamentals. A first text on geographic information systems. Eider Press. ISBN 978-0-9717647-3-6.

P. Bolstad 2012GIS fundamentals. A first text on geographic information systemsEider Press978-0-9717647-3-6

4 

Borrás, J., J. Delegido, A. Pezzola, M. Pereira, G. Morassi, and G. Camps-Valls. 2017. Land use classification from sentinel-2 imagery. Rev. Teledetección 48: 55-66. doi: 10.4995/raet.2017.7133.

J. Borrás J. Delegido A. Pezzola M. Pereira G. Morassi G. Camps-Valls 2017Land use classification from sentinel-2 imageryRev. Teledetección48556610.4995/raet.2017.7133

5 

Brody, R. 1999. Geographic information systems. J. Busin. Finan. Librariansh. 5: 3-18. doi:10.1300/J109v05n01_02.

R. Brody 1999Geographic information systemsJ. Busin. Finan. Librariansh.531810.1300/J109v05n01_02

6 

Buendía R., E., S. Terrazas D. y E. Vargas P. 2002. Aplicación de imágenes de satélite en la cartografía de uso de suelo y vegetación en una región del oriente del Valle de México. Rev. Chapingo Serie Cienc. For. Amb. 8: 13-19.

E. Buendía R. S. Terrazas D. E. Vargas P. 2002Aplicación de imágenes de satélite en la cartografía de uso de suelo y vegetación en una región del oriente del Valle de MéxicoRev. Chapingo Serie Cienc. For. Amb.81319

7 

Cayssials, R. y C. Alvarez. 1983. Interpretación agronómica de la carta de reconocimiento de suelos del Uruguay. Boletín técnico No. 9. MGAP, DGRNR dirección de suelos. Montevideo, Uruguay.

R. Cayssials C. Alvarez 1983Interpretación agronómica de la carta de reconocimiento de suelos del UruguayBoletín técnico No. 9MGAPDGRNR dirección de suelosMontevideo, Uruguay

8 

Chuvieco, S. E. 2008. Teledetección ambiental. La observación de la tierra desde el espacio. Ariel. Barcelona, España. ISBN-10: 8434434989.

S. E. Chuvieco 2008Teledetección ambiental. La observación de la tierra desde el espacioArielBarcelona, España8434434989

9 

Cohen, J. 1960. A coefficient of agreement for nominal scales. Educat. Psychol. Measur. 20: 37-46.

J. Cohen 1960A coefficient of agreement for nominal scalesEducat. Psychol. Measur.203746

10 

ECOCROP (Crop Ecological Requirements Database). 2018. Crop Ecological Requirements Database. FAO - Organización de las Naciones Unidas para la Alimentación y la Agricultura. http://ecocrop.fao.org/ecocrop/srv/en/home . (Consulta: mayo 20, 2018).

ECOCROP (Crop Ecological Requirements Database) 2018Crop Ecological Requirements DatabaseFAO - Organización de las Naciones Unidas para la Alimentación y la Agricultura http://ecocrop.fao.org/ecocrop/srv/en/home mayo 20, 2018

11 

Escamilla P., E. y S. Díaz C. 2002. Sistema de cultivo de café en México. Universidad Autónoma Chapingo. Huatusco,Veracruz, México.

E. Escamilla P. S. Díaz C. 2002Sistema de cultivo de café en MéxicoUniversidad Autónoma ChapingoHuatusco,Veracruz, México

12 

Escamilla P., E., O. Ruiz R., G. Diaz P., C. Landeros S., D. E. Platas R., A. Zamarripa C. y V. A. González H. 2005. El agroecosistema café orgánico en México. Manejo Integr. Plagas Agroecol. (Costa Rica) 76: 5-16.

E. Escamilla P. O. Ruiz R. G. Diaz P. C. Landeros S. D. E. Platas R. A. Zamarripa C. V. A. González H. 2005El agroecosistema café orgánico en MéxicoManejo Integr. Plagas Agroecol. (Costa Rica)76516

13 

García M., E. 2006. Análisis visual de imágenes. Área de Geodinámica Externa. Depto. de Geología. Universidad de León. León, España.

E. García M. 2006Análisis visual de imágenesÁrea de Geodinámica Externa. Depto. de Geología. Universidad de LeónLeón, España

14 

Gómez T., A., Y. Chávez H., L. M. Morales M., E. Díaz F., A. F. Gómez, T. R. y H. Zepeda C. 2003. Predicción espacial de carbono edáfico superficial en zonas forestales mediante análisis digital de terreno y sig: Uso de la radiación solar potencial. For. Veracruz. 5: 49-56.

A. Gómez T. Y. Chávez H. L. M. Morales M. E. Díaz F. A. F. Gómez, T. R. H. Zepeda C. 2003Predicción espacial de carbono edáfico superficial en zonas forestales mediante análisis digital de terreno y sig: Uso de la radiación solar potencialFor. Veracruz.54956

15 

Guerra Martínez, V. y S. Ochoa Gaona. 2005. Identificación y variación de la vegetación y uso del suelo en la reserva pantanos de Centla, Tabasco (1990-2000) mediante sensores remotos y sistemas de información geográfica. Ra Ximhai 1: 325-346.

V. Guerra Martínez S. Ochoa Gaona 2005Identificación y variación de la vegetación y uso del suelo en la reserva pantanos de Centla, Tabasco (1990-2000) mediante sensores remotos y sistemas de información geográficaRa Ximhai1325346

16 

Gutiérrez P., J y M. Gould. 1994. SIG: Sistemas de información geográfica. Ed. Síntesis. Madrid, España. ISBN: 9788477382461.

J Gutiérrez P. M. Gould 1994SIG: Sistemas de información geográficaEd. SíntesisMadrid, España9788477382461

17 

Hernández Ordoñez, L. O., M. del C. Gutiérrez Castorena, C. A. Ortiz Solorio, P. Sánchez Guzmán y E. Ángeles Cervantes. 2017. Calidad de los Andosols en sistemas forestal, agroforestal y agrícola en diferentes manejos en Zacatlan, Puebla. Terra Latinoamericana 35: 179-189.

L. O. Hernández Ordoñez M. del C. Gutiérrez Castorena C. A. Ortiz Solorio P. Sánchez Guzmán E. Ángeles Cervantes 2017Calidad de los Andosols en sistemas forestal, agroforestal y agrícola en diferentes manejos en Zacatlan, PueblaTerra Latinoamericana35179189

18 

INEGI (Instituto Nacional de Estadística y Geografía). 2009a. Conjunto Edafología. Conjunto de datos vectoriales Edafología Serie I. Aguascalientes, México.

INEGI (Instituto Nacional de Estadística y Geografía) 2009Conjunto Edafología. Conjunto de datos vectoriales Edafología Serie IAguascalientes, México

19 

INEGI (Instituto Nacional de Estadística y Geografía). 2009b. Prontuario de Información Geográfica Municipal de los Estados Unidos Mexicanos, Huatusco. Clave geoestadística 21053 y 21208. Documento en línea en Documento en línea en http://mapserver.inegi.org.mx/dsist/prontuario/index2.cfm . (Consulta: abril 10, 2015).

INEGI (Instituto Nacional de Estadística y Geografía) 2009Prontuario de Información Geográfica Municipal de los Estados Unidos Mexicanos, Huatusco. Clave geoestadística 21053 y 21208Documento en línea Documento en línea en http://mapserver.inegi.org.mx/dsist/prontuario/index2.cfm abril 10, 2015

20 

Instituto de Investigación de Recursos Biológicos Alexander Von Humboldt. 2006. Los sistemas de información geográfica. Geoenseñanza 11: 107-116.

Instituto de Investigación de Recursos Biológicos Alexander Von Humboldt 2006Los sistemas de información geográficaGeoenseñanza11107116

21 

Lencinas, J. D. 2011. Tecnología geomática para la evaluación de bosques nativos en Patagonia. CIEFAP. Esquel, Chubut, Argentina.

J. D. Lencinas 2011Tecnología geomática para la evaluación de bosques nativos en PatagoniaCIEFAPEsquel, Chubut, Argentina

22 

López-Lara, E. J., J. C. Posada S., J. G. Moreno N. 1997. Los sistemas de información geográfica. pp. 789-804. In: J. Rodríguez García y J. C. Collado Machuca (eds.). Andalucia en el umbral del siglo XXI. I Congreso de Ciencia Regional de Andalucia. ISBN/ISSN: 84-7786-534-5.

E. J. López-Lara J. C. Posada S. J. G. Moreno N. 1997Los sistemas de información geográfica789804 J. Rodríguez García J. C. Collado Machuca Andalucia en el umbral del siglo XXI. I Congreso de Ciencia Regional de Andalucia84-7786-534-5

23 

Martínez, M. L., O. Pérez-Maqueo, G. Vázquez, G. Castillo Campos, J. Garcia-Franco, K. Mehltreter, M. Equihua, and R. Landgrave. 2009. Effect of land use change on biodiversity and ecosystem services in tropical montane cloud forest of Mexico. For. Ecol. Manage. 258: 1856-1863. doi: 10.1016/j.foreco.2009.02.023.

M. L. Martínez O. Pérez-Maqueo G. Vázquez G. Castillo Campos J. Garcia-Franco K. Mehltreter M. Equihua R. Landgrave 2009Effect of land use change on biodiversity and ecosystem services in tropical montane cloud forest of MexicoFor. Ecol. Manage.2581856186310.1016/j.foreco.2009.02.023

24 

Moguel, P. y V. M. Toledo. 2004. Conservar produciendo: Biodiversidad, café orgánico y jardines productivos. Biodiversitas 55: 2-7.

P. Moguel V. M. Toledo 2004Conservar produciendo: Biodiversidad, café orgánico y jardines productivosBiodiversitas5527

25 

Orozco, H. E., V. Peña, R. Franco y N. Pineda. 2004. Altlas agrario ejidal del Estado de México. Cuadernos de Investigación Núm. 34. UAEM. Toluca, Estado de México, México.

H. E. Orozco V. Peña R. Franco N. Pineda 2004Altlas agrario ejidal del Estado de MéxicoCuadernos de Investigación34UAEMToluca, Estado de México, México

26 

Orradre, M. N. 2014. Métodos de clasificación de imágenes satelitales para la determinación de usos del suelo agrícola en el partido de Tandil (Provincia de Buenos Aires, Argentina). Geogr. Sist. Inf. Geográf. 6: 11-28.

M. N. Orradre 2014Métodos de clasificación de imágenes satelitales para la determinación de usos del suelo agrícola en el partido de Tandil (Provincia de Buenos Aires, Argentina)Geogr. Sist. Inf. Geográf.61128

27 

Ortiz S., C. A. 2010. Edafología. Universidad Autónoma Chapingo. Texcoco, México.

C. A. Ortiz S. 2010EdafologíaUniversidad Autónoma ChapingoTexcoco, México

28 

Ortiz S., C. y H. E. Cuanalo. 1978. Metodología del levantamiento fisiográfico: un sistema de clasificación de tierras. Colegio de Postgraduados. Chapingo, México.

C. Ortiz S. H. E. Cuanalo 1978Metodología del levantamiento fisiográfico: un sistema de clasificación de tierrasColegio de PostgraduadosChapingo, México

29 

Ortiz S., C. A. y M. C. Gutiérrez C. 1999. Evaluación taxonómica de sistemas locales de clasificación de tierras. Terra 17: 277-286.

C. A. Ortiz S. M. C. Gutiérrez C. 1999Evaluación taxonómica de sistemas locales de clasificación de tierrasTerra17277286

30 

Pérez P., E., J. G. Partida S. y D. Martínez P. 2005. Determinación de las subdenominaciones de origen del café Veracruz (estudio preliminar). Rev. Geogr. Agríc. 35: 23-56.

E. Pérez P. J. G. Partida S. D. Martínez P. 2005Determinación de las subdenominaciones de origen del café Veracruz (estudio preliminar)Rev. Geogr. Agríc.352356

31 

Perfecto, I. and I. Armbrecht. 2003. The coffee agroecosystem in the neotropics: Combining ecological and economic goals. Chapter 6. pp.159-194. In: J. H. Vandermeer (ed.). Tropical agroecosystems. CRC Press. Boca Raton, FL, USA. ISBN: 0-8493-1581-6.

I. Perfecto I. Armbrecht 2003The coffee agroecosystem in the neotropics: Combining ecological and economic goalsChapter 6159194 J. H. Vandermeer Tropical agroecosystemsCRC PressBoca Raton, FL, USA0-8493-1581-6

32 

Perfecto, I. , J. Vandermeer, A. Mas, and L. Soto P. 2005. Biodiversity, yield, and shade coffee certif ication. Ecol. Econ. 54: 435-446. doi: 10.1016/j.ecolecon.2004.10.009.

I. Perfecto J. Vandermeer A. Mas L. Soto P. 2005Biodiversity, yield, and shade coffee certif icationEcol. Econ.5443544610.1016/j.ecolecon.2004.10.009

33 

Portuguez Yactayo, H. 1998. Mapa de bosques secos del departamento de Piura. INR, DGEP. Lima, Perú.

H. Portuguez Yactayo 1998Mapa de bosques secos del departamento de PiuraINRDGEPLima, Perú

34 

Reyes-García, V. 2009. Conocimiento ecológico tradicional para la conservación: Dinámicas y conflictos. Papeles 107: 39-55.

V. Reyes-García 2009Conocimiento ecológico tradicional para la conservación: Dinámicas y conflictosPapeles1073955

35 

Rosete, F. y G. Bocco. 2003. Los sistemas de información geográfica y percepción remota. Herramientas integradas para los planes de manejo en comunidades forestales. Gaceta Ecol. 68: 43-54

F. Rosete G. Bocco 2003Los sistemas de información geográfica y percepción remota. Herramientas integradas para los planes de manejo en comunidades forestalesGaceta Ecol.684354

36 

Rullán S., C. D., L. M. Gama C., A. Galindo A. y A. E. Olthoff. 2011. Clasificación no supervisada de la cobertura de suelo de la región Sierra de Tabasco mediante imágenes LANDSAT ETM+. Univ. Cienc. 27: 33-41.

C. D. Rullán S. L. M. Gama C. A. Galindo A. A. E. Olthoff 2011Clasificación no supervisada de la cobertura de suelo de la región Sierra de Tabasco mediante imágenes LANDSAT ETM+Univ. Cienc.273341

37 

SMN (Servicio Meteorológico Nacional). 2017. Normales climáticas (1951-2010). http://smn.cna.gob.mx/es/climatológia/información-climatologica . (Consulta: marzo 15, 2017).

SMN (Servicio Meteorológico Nacional) 2017Normales climáticas (1951-2010) http://smn.cna.gob.mx/es/climatológia/información-climatologica marzo 15, 2017

38 

Vega G., Á., J. López G. y L. L. Manzo D. 2008. Análisis espectral y visual de vegetación y uso del suelo con imágenes Landsat ETM+ con apoyo de fotografías aéreas digitales en el Corredor Biológico Chichinautzin, Morelos, México. Invest. Geogr 67: 59-75.

Á. Vega G. J. López G. L. L. Manzo D. 2008Análisis espectral y visual de vegetación y uso del suelo con imágenes Landsat ETM+ con apoyo de fotografías aéreas digitales en el Corredor Biológico Chichinautzin, Morelos, MéxicoInvest. Geogr675975

39 

Verdú, F. y J. Salas R. 2010. Cartografía de áreas quemadas mediante análisis visual de imágenes de satélite en la España peninsular para el periodo 1991-2005. Rev. Int. Cienc. Tecnol. Inf. Geográf. 10: 54-81.

F. Verdú J. Salas R. 2010Cartografía de áreas quemadas mediante análisis visual de imágenes de satélite en la España peninsular para el periodo 1991-2005Rev. Int. Cienc. Tecnol. Inf. Geográf.105481

40 

Villaseñor, J. L. 2010. El bosque húmedo de montaña en México y sus plantas vasculares: Catálogo florístico-taxonómico. Comisón Nacional para el Conocimiento y Uso de la Biodiversidad-UNAM. México. D. F. ISBN: 978-607-02-1557-5.

J. L. Villaseñor 2010El bosque húmedo de montaña en México y sus plantas vasculares: Catálogo florístico-taxonómicoComisón Nacional para el Conocimiento y Uso de la BiodiversidadUNAMMéxico. D. F.978-607-02-1557-5

41 

Zorogastúa C., P., R. Quiroz G. y J. Garatuza P. 2011. Evaluación de cambios en la cobertura y uso de la tierra con imágenes de satélite en Piura-Perú. Ecol. Aplic. 10: 13-22.

P. Zorogastúa C. R. Quiroz G. J. Garatuza P. 2011Evaluación de cambios en la cobertura y uso de la tierra con imágenes de satélite en Piura-PerúEcol. Aplic.101322

Notes

[2] Bermejo D., J. A., P. L. Pérez de la Paz y M. J. Del Arco Aguilar. 2005. Aplicación de los sistemas de información geográfica (SIG) en el análisis predictivo de flora en peligro de extinción: Lotus eremiticus. Santos (Isla de la Palma - Islas Canarias). pp. 271-274. In: XI Congreso Nacional de Teledetección. Puerto de la Cruz, Tenerife, España.

[3] La Jornada Periódico. 2018. Publicado y consultado el 21 de mayo de 2018 en: http://www.jornada.com.mx/ultimas/2018/05/21/mexico-principal-productor-de-cafes-organicos-en-el-mundo-6058.html. (Consulta: mayo 25, 2018).

[4] Benegas, K. 2009. Identificación de las fuentes de variación que tienen efecto sobre la calidad del café (Coffea arabica) en los municipios de el Paraíso y Alauca, Honduras. Tesis Mag. Sc. Turrialba, CR, CATIE. 58 p.



This display is generated from NISO JATS XML with jats-html.xsl. The XSLT engine is libxslt.

Refbacks

  • There are currently no refbacks.