EFI : European Forest Institute
Support EFIATLANTIC
Pinède
Le réseau pour la gestion durable des forêts cultivées.

français espagnol portugais english

FORSEE : Indicateur évalué

Indicador 4.7: Patrones de paisaje

Coste

2099.52 €

0,0379 € / ha forestal arbolada

Estos costes comprenden:

table1

Resultados

La continuidad de la cobertura forestal es de gran importancia para la biodiversidad, especialmente para las especies de estrategia de larga vida o especies dependientes de árboles adultos. La fragmentación del paisaje reduce el tamaño del hábitat e incrementa el aislamiento de los mismos, incrementando el riesgo de extinción de poblaciones aisladas y de especies con reducida capacidad de dispersión. Por su parte, la conectividad influye en la capacidad de las especies para trasladarse entre las masas. Por último, la heterogeneidad del paisaje puede incrementar la biodiversidad por proveer una diversidad de hábitats o nichos ecológicos beneficiosos para diferentes especies.

El análisis de 90 parcelas del tercer Inventario Forestal Nacional localizadas en la zona piloto, nos permiten tener una visión global del tipo de paisaje del área piloto, y por lo tanto sus potencialidades y sus debilidades. Para ello, conforme a la metodología propuesta en el proyecto FORSEE han sido calculadas diferentes métricas de paisaje de un área buffer de 500 m alrededor de cada una de las parcelas por medio de Fragstats 3.3 y ArcGis 9.1.

1.Análisis a nivel de paisaje

La lista potencial de métricas de paisaje es interminable, por ello es necesario seleccionar las más interesantes desde el punto de vista del gestor. De este modo, en primer lugar han sido seleccionadas NP (número de teselas o polígonos), ED (densidad de bordes), SHAPE_AM (índice de forma ponderado por el área), ENN_MN (distancia media al vecino más cercano del mismo tipo de hábitat), SHDI (índice de diversidad de Shannon) y SHEI (índice de uniformidad de Shannon).

La correlación entre métricas de paisaje está sobradamente documentada, por ello es necesaria una segunda selección de las métricas a partir de un análisis estadístico de los resultados obtenidos en el área piloto. Así, un análisis de componentes principales (PCA) muestra que tres ejes nos explican más del 90 % de la varianza total del conjunto de variables. Por ello, se considera oportuno seleccionar tres métricas del paisaje una para cada uno de los tres primeros factores (Tabla 4.7.1)

Tabla 4.7.1: Factores de las cordenadas de las variables
table2

En primer lugar se observa que mientras en los factores 2 y 3 una única variable destaca notablemente sobre el resto, en el factor 1 hay dos variables con valores muy semejantes, lo cual es indicativo de una alta correlación entre ellas, por ello es necesario seleccionar una.

A la vista de estos resultados, se propone la selección final de SHDI, ENN_MN y NP como variables a analizar. La razón de seleccionar la variable SHDI en vez de ED ha sido porque de este modo, con tres variables estimamos la fragmentación (NP), la heterogeneidad (SHDI) y la conectividad (ENN_MN). El hecho de que en el eje 1 del análisis de componentes principales estén representadas métricas como NP, ED, SHAPE_AM, SHDI y SHEI nos muestran que en el área piloto la fragmentación y la heterogeneidad están muy ligadas.

Debido a la elevada extensión del área piloto es interesante estudiar si las métricas de paisaje presentan un patrón espacial, para ello se muestran los mapas de las diferentes métricas de paisaje.

img1
Figura 4.7.1: Patrón espacial de las métricas de paisaje NP, ENN_MN y SHDI.

Estos planos muestran que las métricas estudiadas no presentan ningún patrón espacial claro, sin embargo parece que si mantienen un patrón en función del tipo de masa. Por ello, se ha llevado a cabo un análisis de la varianza (ANOVA) para observar si existen diferencias entre las parcelas estudiadas en función de si son pinares o rebollares (tabla 4.7.2).

Tabla 4.7.2: ANOVA a nivel paisaje pinar-rebollar
table3

Esta tabla nos muestra que las métricas NP, ED, SHAPE_AM, SHDI y SHEI varían en función de si la parcela IFN a la que corresponde el buffer de estudio es pinar o rebollar. Estas cinco métricas toman mayores valores en las parcelas de rebollo que en las de pinar. Así teniendo en cuenta que se trata de métricas que caracterizan la fragmentación y heterogenidad, este resultado parece indicar que el entorno de los rebollares se encuentra más fragmentado y es más heterogéneo.

2.Análisis a nivel de clase

Un análisis a nivel de clase nos puede servir para identificar problemas asociados a tipos de hábitat concretos. En la zona de estudio la superficie forestal se encuentra principalmente compuesta por tres tipos de hábitats; G17, G3F y F4 (clasificación EUNIS), por ello se decidió centrar el estudio de las métricas de paisaje a nivel de clase en estos tres tipos de hábitats. Los análisis llevados a cabo son análisis de las varianzas (para determinar si existen diferencias de las métricas de paisaje en función del tipo de hábitat) y test de comparaciones múltiples, concretamente Fisher LSD (para identificar entre que tipos de masas se encuentran esas diferencias).

El ANOVA nos muestra que tres de las métricas (MPS, SHAPE_AM y ENN_MN) no son iguales en los tres tipos de hábitats. En primer lugar MPS (tamaño medio de la tesela) nos muestra que las manchas del tipo de hábitat G3F (pinares) son de mayores dimensiones que las de G17 (rebollares) y F4 (matorrales), siendo este último tipo de masa el que presenta manchas más pequeñas. En segundo lugar, podemos observar que G3F presenta un menor índice de forma SHAPE_AM que G17 y F4, lo que indica que sus manchas presentan formas más regulares en cuanto a sus bordes que las otras dos formaciones. Por último, la métrica ENN_MN nos muestra que F4 es la formación con mayor aislamiento entre manchas del mismo tipo de hábitat, presentando una menor conectividad que las masas de pinar.

Tabla 4.7.2: Resultados del ANOVA a nivel clase
table4

graf1
Figura 4.7.2: Diferencias entre tipos de hábitats de las métricas de paisaje MPS, SHAPE_AM y ENN_MN

Observaciones

Problemas y mejoras

Los problemas asociados a la utilización de métricas de paisaje son variados:

• La resolución de la fuente de información: puede ser el principal problema en la aplicación de este indicador a escala regional, ya que la única fuente de información disponible a dicha escala es el mapa forestal, el cual no mantiene una escala constante en las consecutivas revisiones. De este modo, mientras que la escala temática del MFE200 es 1:200.000, la escala del MFE50 es 1:50.000. Además este problema parece que no va a ser solucionado en el futuro, ya que el Ministerio de Medio Ambiente ya ha anunciado que en el presente año 2007 comenzará la elaboración del nuevo mapa forestal, el cual nuevamente modificará la escala de resolución a 1:25.000. El hecho de que la escala esté siendo reducida conlleva una mayor precisión en el teselado, por lo cual es de prever que el número de teselas se vea incrementado para un mismo paisaje y su contorno sea más irregular. Por ello, una reducción de la escala conducirá a un incremento de los valores de las métricas que explican la fragmentación (número de polígonos, densidad de bordes, índices de forma), un incremento de los índices de biodiversidad que explican la heterogeneidad del paisaje (índices de Shannon o de Simpson) y un incremento de la conectividad (reducción de los valores de índices como distancia al vecino más cercano, proximidad, etc).

Una posible solución a este inconveniente sería desarrollar un mapa forestal a nivel regional con una escala menor para mejorar la precisión de los datos y la cual se mantuviese constante en el tiempo (por ejemplo 1:5.000). Sin embargo debido a la extensión de la Comunidad Autónoma de Castilla y León por el momento parece inviable.

• Otro problema que puede estar asociado a la utilización de las métricas de paisaje es la conversión de la capa shape a raster (necesaria para trabajar con Fragstats), ya que dependiendo de que tamaño de píxel sea usado, se verán afectadas la composición y forma de las teselas y por lo tanto métricas como la densidad de bordes o índices de forma. Una posible solución sería fijar un valor que podría ser utilizado a escala regional, el valor de 2,5 metros utilizado en este trabajo parece bastante adecuado.

• Problemas intrínsecos asociados al cálculo de las métricas por el software Fragstats. Entre los más destacados se encuentra en el cálculo de los índices que intentan evaluar la conectividad del paisaje, ya que dicha conectividad es evaluada únicamente entre las teselas o manchas localizadas en el interior del buffer de estudio. Así, si la distribución del paisaje no es uniforme sino por aglomeraciones (algo relativamente común en comunidades vegetales) si una tesela de un tipo de hábitat se encuentra localizada en el borde del buffer de estudio y otras comunes están muy próximas pero fuera de dicho buffer la distancia mínima al vecino más cercano no sería con estas sino con otras que pudieran estar más alejadas pero en el interior del buffer, por lo cual el valor obtenido no es real. Otra limitación destacable parte de la utilidad de los índices de biodiversidad (Shannon o Simpson), ya que los valores obtenidos no se sustentan en valores ecológicos, de modo que no se tiene en cuenta el potencial ecológico de cada tipo de hábitat sino únicamente su número y superficie. Por lo que paisajes totalmente ocupados por hábitats de gran valor ecológico pueden presentar menores valores de diversidad que paisajes con mayor variedad de hábitats, aunque estos no presenten un especial valor ecológico.

Comentarios y discusión

Las métricas de paisaje son una herramienta muy útil para la caracterización de las masas forestales, ya que nos permiten detectar problemas de fragmentación, heterogeneidad y conectividad a una escala de paisaje, que en numerosas ocasiones es imperceptible sobre el terreno.

Como se ha comentado anteriormente, las limitaciones son considerables, especialmente las debidas a los cambios en la resolución al generar los mapas forestales. Si bien comparaciones en el tiempo no serían totalmente viables, el análisis del paisaje del momento actual es tremendamente interesante porque permite detectar si dichos problemas que existían con anterioridad continúan dándose (aunque no se pueda asegurar si en mayor o menor medida que en periodos anteriores).

Otro problema a resolver es la escala de análisis o tamaño de buffer a estudiar, ya que todas las métricas están en función de ella. De este modo, estudios específicos que intenten correlacionar las métricas del paisaje con la biodiversidad real sobre el terreno son necesarios, de este modo podremos estimar de un modo más preciso el buffer a estudiar. Esto es relativamente complejo, ya que existen numerosos grupos de especies, que en función de su capacidad de dispersión, necesidades alimenticias, etc presentarán áreas de influencia muy dispares por lo que el estudio de un único buffer podría enmascarar otros problemas. Por lo que, se propone el cálculo de las métricas para diversos tamaños de buffer y posteriomente extraer las conclusiones pertinentes para cada uno de ellos.

La selección de métricas a evaluar, a nivel de paisaje, llevada a cabo en este estudio (limitando estas a únicamente tres variables) es muy interesante, porque en numerosas ocasiones se utilizan todas las variables que Fragstats aporta (debido a no conllevar mayor esfuerzo), y sin embargo una gran cantidad de variables, que generalmente se encuentran muy correlacionadas entre sí, dificultan la interpretación de los datos obtenidos y enmascaran los resultados.

cylfafcycle univiefc cesefor

Proyecto cofinanciado por la Unión Europea
Iniciativa Comunitaria FEDER
INTERREG IIIB Espacio Atlántico