Red de Bibliotecas Virtuales de Ciencias Sociales en
América Latina y el Caribe

logo CLACSO

Por favor, use este identificador para citar o enlazar este ítem: https://biblioteca-repositorio.clacso.edu.ar/handle/CLACSO/169708
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.creatorGandini, Marcelo Luciano-
dc.creatorLara Bruno, Daniel-
dc.creatorScaramuzzino, Rosa-
dc.date2014-12-30-
dc.date.accessioned2022-08-16T15:17:40Z-
dc.date.available2022-08-16T15:17:40Z-
dc.identifierhttps://ojs2.fch.unicen.edu.ar/ojs-3.1.0/index.php/estudios-ambientales/article/view/1050-
dc.identifier10.47069/estudios-ambientales.v2i2.1050-
dc.identifier.urihttps://biblioteca-repositorio.clacso.edu.ar/handle/CLACSO/169708-
dc.descriptionEl objetivo del presente trabajo fue realizar una zonificación de la provincia de Buenos Aires, Argentina, utilizando cambios en la dinámica de su cobertura vegetal provocados por oscilaciones climáticas. Se usaron datos de 19 variables bioclimáticas actuales (décadas 1950 a 2000), otras provenientes de predicción de cambio climático según el Modelo WCCM3 (cambio global CO2x2), e imágenes satelitales Terra Modis (serie temporal 2000-2010; 23 imágenes por año) y Spot vegetation (serie temporal 2008-2010; 12 imágenes por año) con el índice de verdor (NDVI), calculado por las respectivas agencias espaciales. Las imágenes vegetation se clasificaron en aquellas provenientes de años “el niño”, neutros o “la niña”, y se co-registraron con las capas raster de variables bioclimáticas. Los datos se analizaron mediante correlaciones canónicas, definiendo como una de las matrices, a la diferencia entre los parámetros bioclimáticos actuales y los predichos por el el Modelo WCCM3, y otra de las matrices, con los valores de NDVI de tres series de datos, correspondientes a los tres estados climáticos mencionados. Posteriormente, utilizando una fuente de datos independiente como las imágenes Modis se realizaron ajustes de los datos de NDVI a las regiones delimitadas. Sobre la base de los resultados de los análisis multivariados se delinearon zonas de comportamiento homogéneo en las tres variables canónicas (92 % de correlación explicada). El análisis canónico arrojó un r de 0,92440 [chi²(450)=1334e2 p<0,0001] con autovalores 0,85 ; 0,80; y 0,64 para los tres primeros ejes canónicos. Las variables que obtuvieron mayor carga sobre los ejes de correlación fueron: máxima temperatura del mes más cálido, mínima del mes más frío y el rango anual de temperaturas. En el caso de los valores de NDVI, los meses niño aportaron mayor correlación. Los resultados obtenidos mediante el ajuste de los valores de NDVI al Modelo Timesat, muestran un comportamiento diferente de las distintas zonas en varios de sus parámetros apoyando la subdivisión realizada.   Abstract The aim of this study was to conduct a zoning of the province of Buenos Aires, Argentina, using changes in the dynamics of its vegetation cover caused by climatic oscillations. Layers consisting in data of 19 bioclimatic variables (decades 1950 to 2000); bioclimatic variables in a climate change prediction by the model WCCM3 (CO2x2 global change); satellite images Terra MODIS and SPOT Vegetation greenness (NDVI) images were stored in a raster geographical information system (GIS); last consisting in a time series of 2008-2010 (12 images per year), calculated by their respective space agencies. Multivariate correlation was evaluated between climate changes predicted by global model WCCM3 and the observed climate changes by the effect of El Niño Southern Oscillation (ENSO). Geographical coherence of these correlations was visually analyzed exporting "factorial scores" product of the analysis, and then tracing the boundaries of areas on the computer screen. Subsequently, using a separate data source as MODIS NDVI; by means of the model Timesat where analyzed 7 or 8 months -depending on the case- in those years of greatest environmental contrasts, as events "El Niño "(Jun2002-March2003) neutral (July2005-Feb2006) and "La Niña" (Aug2008-Feb2009). Later was performed an ecologically homogeneous zoning using three canonical variables accounting 92 % correlation explained. The canonical analysis yielded an r of 0,92440 [chi ² (450) = 1334e2 p <0.0001] with eigenvalues ​​0,85, 0,80, and 0,64 for the first three canonical axes. The variables having higher loading were: maximum temperature of the warmest month, minimum coldest month and the annual range of temperatures. For NDVI values, months provided greater correlation were from Niño. The results obtained with Timesat indicate that the different zones behave differentially, supporting the main working hypothesis.es-ES
dc.formatapplication/pdf-
dc.languagespa-
dc.publisherCENTRO DE INVESTIGACIONES Y ESTUDIOS AMBIENTALES (CINEA), FACULTAD DE CIENCIAS HUMANAS, UNIVERSIDAD NACIONAL DEL CENTRO DE LA PROVINCIA DE BUENOS AIRESes-ES
dc.relationhttps://ojs2.fch.unicen.edu.ar/ojs-3.1.0/index.php/estudios-ambientales/article/view/1050/905-
dc.rightsDerechos de autor 2014 Revista Estudios Ambientales - Environmental Studies Journales-ES
dc.rightshttps://creativecommons.org/licenses/by/4.0/es-ES
dc.sourceRevista Estudios Ambientales - Environmental Studies Journal; Vol. 2 Núm. 2 (2014); 4-24es-ES
dc.source2347-0941-
dc.source10.47069/estudios-ambientales.v2i2-
dc.subjectModises-ES
dc.subjectimágenes de vegetaciónes-ES
dc.subjectanálisis multivariadoes-ES
dc.subjectENOSes-ES
dc.subjectimages of vegetationes-ES
dc.subjectmultivariate analysises-ES
dc.subjectENSOes-ES
dc.titleZonificación basada en la respuesta de ecosistemas a oscilaciones climáticases-ES
dc.typeinfo:eu-repo/semantics/article-
dc.typeinfo:eu-repo/semantics/publishedVersion-
dc.typeArticulos evaluados por pareses-ES
dc.typetextoes-ES
Aparece en las colecciones: Facultad de Ciencias Humanas - UNICEN - Cosecha

Ficheros en este ítem:
No hay ficheros asociados a este ítem.


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.