MODELACION CALIDAD DE AIRE BOGOTA

Full Article PDF / Articulo Completo en PDF:

https://drive.google.com/open?id=0B3LVDqU7bsp1VEszeTN5SEl5eDg

Full Anexxed Files / Todos los Archivos Anexos:

https://drive.google.com/open?id=0B3LVDqU7bsp1TzUwUHV1Uk96amM

MODELAMIENTO AMBIENTAL DE CALIDAD DE AIRE (PM₁₀ Y PM_2.5) EN LA ESTACION CARVAJAL-SEVILLANA (-74.1485 N, 4.5958 E)- BOGOTA D.C., USANDO EL MODELO SCREEN VIEW EN CONTRASTE CON LA RESOLUCION 601 DE 2006.

Rojas, Luis Felipe*;

Sistemas y Recursos Ambientalmente Sostenibles (SYRAS). Programa de Ingeniería Ambiental, Universidad Manuela Beltrán, Bogotá-Colombia

*E-mail: luisfeliperojasavila@gmail.com

RESUMEN

Este artículo tiene como fin realizar el modelamiento de calidad de aire en la estación Carvajal-Sevillana (-74.1485 N, 4.5958 E) perteneciente al Sistema de Monitoreo de Calidad de Aire de Bogota. A partir de mediciones con intensidad diaria usando como criterio la verificación de cumplimiento de los rangos límites de MATERIAL PARTICULADO (PM₁₀, PM_2.5, SO₂, O₃, NO, NO₂, NO_X, CO) y Climatológicas (Temperatura[ºC], Precipitación[mm]). Usando como Norma de comparación la Resolucion 601 de 2006. En este estudio se contempla una metodología orientada en la que se realiza el procesamiento a las series de datos de mediciones de parámetros entre las fechas Agosto-2016 a agosto-2017 (1 Año), Validando el cumplimiento Anual de los parámetros de PM₁₀ y PM_2.5 respectivamente. Posteriormente se realiza un procesamiento de los datos obtenidos de forma anual en el Modelo de Dispersión de Gauss implícito en el Modelo Screen View-USEPA. Posteriormente se presenta un SIG[1] que muestra los niveles de calidad de aire local en función de las estimaciones del modelo y las Rosas de Polución. Este proyecto surge a partir de la necesidad de validar el cumplimiento de la norma de calidad de aire para la región sur de Bogota y presentar una metodología que permita conocer la concentración de un contaminante atmosférico antes de emitirlo como medida de control.  En conclusión, el modelo Screen View muestra los perfiles de dispersión de material particulado total (PM 2.5 Y PM10), con un error de estimación del 5% en la estimación de concentraciones. Por otra parte, la población expuesta por la pluma contaminante de material particulado en los barrios de Las Delicias, Venecia Occidental, Isla del Sol y Guadalupe con niveles mínimos de exposición de 52 µg/m3 y máximos de 100 µg/m3 por ende no existe cumplimiento de los rangos admisibles de calidad de aire de acuerdo a la Resolucion 601 de 2006.  Esta exposición conllevara a un aumento de las afecciones de salud (cáncer pulmonar, muertes prematuras, síntomas respiratorios severos, irritación de ojos y nariz, exacerbación del asma y agravamiento en caso de enfermedades cardiovasculares). Para futuros estudios, se propone modelar usando el mismo software olores de una PTAR piloto como propuesta de modelo para Estudios de Impacto Ambiental (EIA), en función de las condiciones climatológicas e Hidrológicas de un lugar en particular

Palabras Clave: EIA, Screen View, Modelación Calidad Aire, PM 2.5, PM 10, Resolucion 601 de 2006, Bogota D.C.

INTRODUCCIÓN

La dinámica de la atmosfera se encuentra  ligada con los diferentes procesos Físicos y Quimicos que se presentan en ella a diario  y en asociación con los procesos de transferencia de calor (Conducción, Adveccion, Radiación) térmica[1]; producto de ello se presenta en las variables fenomenológicas del clima y la relación dinámica con los demas ciclos bio-geoquímicos[2] que aportan agentes importantes para mantener un equilibrio energético y de masas en todo el sistema[3].El clima, La temperatura, La Humedad relativa se considera por tal razón una de las variables más influyentes en la dinámica de transporte de contaminantes atmosféricos[4]; los cuales son factores de interés público para la salud pública  y la gestion del recurso atmosférico en el proceso para determinar la concentración máxima permisible de la concentración que se puede emitir a la atmosfera[5]

La  gestion integral del recurso atmosférico enmarca todos los procesos de manejo, gestion y control de todos los procesos, y finalmente la proteccion del recurso como insumo primario para la vida[6], en Colombia la gestion de este recurso se encuentra regulada por cada uno de los entes de control local siguiendo la jerarquía ( Ministerio de Ambiente y Desarrollo Sostenible [MADS], Secretarias de Ambiente [SDA] ò en su defecto Corporaciones Regionales Ambientales [CRA]. Antes del año 2015 se contemplaba la norma de calidad de aire como pilar vital de control[7], no obstante a partir de la firma del tratado de Paris[3], Colombia se compromete a reducir en un 20% sus emisiones de gases de efecto invernadero para dar cumplimiento a los objetivos del desarrollo sostenible COP 21[8].

En lo que respecta a los modelos aceptados por la entidad ambiental competente en el Distrito Capital (BOGOTA D.C.), se encuentra el modelo Gaussiano y el modelo SCREEN VIEW desarrollado por la USEPA[9] el cual funciona bajo el esquema de una caja negra en la cual el usuario ingresa los datos de su caso y este reporta un metadato de la concentración del Material particulado en función de la rosa de vientos[10] , Temperatura de salida de material[11] y dinámica de transporte con la topografía local[12].

La normativa limitante de las concentraciones de emisión de material particulado y gases contaminantes para fuentes fijas y fuentes móviles, en ambos casos estas reglamentan que se debe reportar la medición para cada parámetro de forma segregada como se presenta en la Tabla 1.

Parámetro a Reportar	Límite Máximo Permisible [µg/m3]	Tiempo de Medida
PM 10	50	Anual
PM 2.5	15	Anual
SO2	80	Anual
O3	80	Anual
NO2	100	Anual
CO	10	8 Horas

Tabla 1. Limites Máximos Permisibles de Emisión de gases contaminantes. Adaptado de [7]

La normatividad, expresa en la norma los principales contaminantes estos debido a su importancia con respecto a la norma internacional emitida por la USEPA[13], en Colombia para ajustar a las condiciones locales la norma es hasta un 200%[14] más permisiva haciendo que las concentraciones en diferentes lugares sean superiores a los que decretan las normas internacionales[15]. En relación a los parámetros de calidad de aire en los últimos años ha existido un incremento de las IRAS reportadas por el Hospital Pablo Sexto de Bosa se encuentra directamente relacionado por el bajo control sobre las fuentes móviles de transporte en la ciudad[16].

Modelo de Dispersión Pluma Gaussiana

El modelo de Gauss, conocido también como el método de estimación de la pluma contaminante en función de las velocidades y la topografía predominante del punto inicial de modelación[17]. El modelo sigue el siguiente desarrollo matemático presentado en las Ecuaciones 1 a 2. Con base en la Ilustracion 1. presentado a continuación

En este esquema se muestra un esquema tridimensional de un punto focal de la emisión de contaminantes el cual posee una altura bien definida h, en la mayoría de las ocasiones suele ser la altura de la chimenea y el máximo de h es el punto de salida de gases contaminantes; consecuentemente este tiene una altura adicional denominada Δh, es la altura de la pluma contaminante. De forma total se expresa la altura total de la chimenea + la altura de la pluma será la altura total en la que por las propiedades térmicas de los gases ascenderán y luego a partir de un corte transversal al eje y se obtiene un perfil de concentración del contaminante X_i; producto de este se conoce el area en la cual se desplazara el contaminante dependiendo de la rosa de vientos y la dirección predominante en el area de estudio.

Posteriormente se escribe la ecuación de decrecimiento exponencial de concentración genérica de diversos autores para el estudio fenomenológico de cualquier emisión genérica[19], como se muestra en la ecuación 1.

Ecuación 1. Ecuación Genérica de decrecimiento exponencial de un contaminante, Tomado de [20]

Posteriormente, se presentan las hipótesis del modelo para hacer posible el desarrollo de la ecuación 1.

• ·         El modelo trabaja bajo un esquema de flujo estacionario[21]
• ·         La difusión de masa es despreciable en el eje x (σ_x=0)[22]
• ·     La velocidad en los 3 ejes es constante y tiene pocas variaciones por tal razón se puede despreciar y mantener constante para la salida de la chimenea[23].

Posteriormente realizando una analogía con el modelo se reemplazan los factores de la ecuación se remplaza la ecuación de la siguiente forma

La concentración de salida depende del caudal de emisión del gas (Q) en g/s del componente, los factores del denominador son propios de la geometria de salida de la chimenea siendo una circunferencia, el factor de la velocidad de flujo se ve representado por (µ) de tal forma que expresa la concentración de salida teniendo en cuenta los factores de salida de geometria de salida y los factores de dispersión vertical y lateral (σx) y (σy). Posteriormente el factor de dispersión se muestra a continuación

El factor de dispersión de la concentración inicial únicamente depende de los factores de dispersión longitudinal y vertical (σx) y (σy), la altura alcanzada por la pluma (z), la altura de la chimenea (H), y la altura total del eje y con respecto al suelo (y). Una vez estimados estos parámetros se reemplazan dentro de la ecuación 1. Y se obtiene la ecuación con la que trabaja el modelo general, como se muestra en la ecuación 2.

Ecuación 2. Ecuación para modelar la concentración de contaminantes atmosféricos, Fuente [24]

En la ecuación 2. Se aplica de forma directa sobre el modelo, no obstante, para el cálculo de los otros parámetros de σx y σy, se requiere tener información del material el cual se emitirá a la atmosfera. Para tener más detalles de cómo calcular estos coeficientes se recomienda leer la guia Modelo de Dispersión Gaussiano publicado por [18].

Este modelo es rápido para obtener perfiles de concentración de contaminantes en una sola fuente; para el caso en el que existan múltiples fuentes de emisiones el proceso puede ser muy engorroso y no se recomienda hacerlo manualmente  pues ya existen software comerciales como el Screen View ; un Freeware ofrecido por la US-EPA[18].

Modelo Screen-View (USEPA)

El modelo Screen-View es un modelo desarrollado por la US-EPA y cuenta con una plataforma GUI fácil de manipular para desplegar perfiles de dispersión uní-dimensionales Distancia Vs. Concentración[25] , este usa el método de caja negra; no obstante según [26] parte del método de la pluma de Gauss y en ocasiones se recomienda realizar un proceso de validación con una hoja de Excel creada y el modelo Screen View usando indicadores de error porcentual y el indicador X²(Chi Cuadrado)[27].Posteriormente, se muestra la GUI y las curvas obtenidas por [16]

Este software presenta algunos beneficios mostrados a continuación:

•   Modela la dispersión de una fuente a una distancia determinada[25]
•  Incorpora los efectos de flujo de caída por edificios y concentraciones máximas en regiones lejanas y cercanas[25]
• El modelo incorpora los efectos de terreno elevado sencillo ò con formaciones complejas[25].
• Se puede calcular las concentraciones máximas promedio de 24 horas por el método de filtrado de 24 horas con el Método Valley[25].
• Puede determinar las concentraciones máximas en cualquier número de distancias a distancias de hasta 100 Km para transporte largo[25].

 Este software presenta algunas condicionales en los resultados obtenidos

•    Estadísticamente las concentraciones máximas estimadas varían en un 5% con el modelo de pluma de Gauss[25].
•      Por otro lado, existen variaciones con respecto al modelo de dispersión de la pluma de Gauss asociadas en la ecuación 3.

En la ecuación 3. Se evidencia que la altura de la zona de mezcla en este modelo se calcula a partir de la velocidad de fricción del gas con el aire (µ)[25] y el coeficiente de Coriolis(f)[25], el cual depende de la posición geográfica en la que se realice el estudio. Adicionalmente la ecuación toma cuando no se especifica una altura de chimenea una cota de elevación igual a 10 metros haciendo que la ecuación quede de la siguiente forma.

Haciendo que la velocidad de flujo que toma el modelo para la dispersión del contaminante se tome a 10 metros sobre el nivel de referencia, en las condiciones A-D[25].

MATERIALES Y MÉTODOS 

La metodología de este proyecto al ser orientada- Cuantitativa, para mostrar los perfiles de dispersión se segmenta en 3 fases denominadas por el autor en Adquisición de la información, Pre-Procesamiento de la información y Obtención de los perfiles de concentración de PM 10 y PM 2.5 Respectivamente, validando el cumplimiento de la Resolucion 601 de 2006.

En la fase I. Inicialmente se procede a realizar la búsqueda bibliográfica de casos aplicados con el modelo de dispersión del Modelo de Dispersión Gaussiano[21], para realizar el procesamiento de la información que se obtendrá del sistema de calidad de aire de la Secretaria de Ambiente de Bogota, producto de esta etapa es la descripción, consideraciones y explicación del manejo de las ecuaciones incluidas en el modelo Gaussiano y el Software Screen View. Para esta etapa se tienen en cuenta las siguientes consideraciones en el filtrado de fuentes para la inclusión de citas en el documento.

1.    El documento se debe encontrar indexado en una revista de categoría A ò B, en la que se trabajen temáticas de calidad de aire con resultados de tipo experimental.

2.    El foco de evaluación de calidad de aire para los artículos incluidos tiene que ser la validación del cumplimiento de la Resolucion 601 de 2006, en los ítems listados en el Art. 4.

3.    Las fuentes de información tienen que ser en caso de documentación oficial, documentos validados por entes de control gubernamental ò ambiental.

En la fase II. Se realiza la consulta de la información de calidad de aire de la estación Sevillana-Carvajal entre los periodos [Agosto- 2016 a Agosto 2017], consultando los parámetros [ Temperatura Horaria (ºC), Precipitación Horaria(mm), Monóxido de Carbono Horario Co (ppm), Ozono Horario O3 (ppb), Dióxido de Azufre Horario So₂ (ppb), Dióxido de Nitrógeno Horario NO₂ (ppb), Óxidos de Nitrógeno  Horario de tipo terciario NOx (ppb), Material Particulado Horario PM 2.5 (µg/m³) y Material Particulado Horario PM 10 (µg/m³). Debido a la temporalidad de la información se procede a clasificar en el software Excel la informacion generando promedios mensuales y posteriormente sumando la emisión total de Material Particulado PM 2.5 y Material PM 10 en el area de influencia no menor a 50 Km a la redonda; debido a que se debe tener en cuenta la influencia de la dirección de viento para conocer la dirección de sedimentación del material particulado en el area de influencia.  Se generan en paralelo los perfiles de polución de cada uno de los componentes en la plataforma del Sistema de Calidad de Aire de Bogota[16].

En la fase III. Para esta fase se procede a insertar en el modelo Screen View y el archivo de Excel del Modelo Gaussiano suministrado por el grupo de Investigación de Modelación Ambiental de la Universidad Nacional. Se toman en cuenta las condiciones topográficas del punto de muestreo y las condiciones climatológicas para dar la clasificación de la condición de estabilidad climatológica C; debido a la velocidad de viento ≥ 6 m/s y a las condiciones meteorológicas locales, Una vez se reportan los resultados se procede a realizar una comparación de resultados usando los indicadores de Indice de aumento de temperatura CO, Como parámetro de comparación se realizará la validación del modelo Gaussiano Vs. El modelo Screen View desarrollado por la US-EPA. Finalmente se muestran los perfiles de nivel de calidad de aire en referencia a la Resolucion 601 de 2006.

RESULTADOS Y ANALISIS

REPORTE DE SERIES DE PRECIPITACIÓN Y TEMPERATURA

Una vez realizado el procesamiento de la informacion obtenida del Sistema de Monitoreo de Calidad de Aire de Bogota, se genera el reporte de la temperatura promedio mensual y la precipitación promedio mensual.

 En la ilustracion 2. Se detallan los perfiles de temperatura y precipitación de la estación detallada entre los periodos (Agosto-2016 a Agosto-2017), Entre la serie se denota que tenemos 2 periodos durante el periodo de la serie de datos; entre (Agosto-2016 a Diciembre-2016) la climatología está regulada por un periodo niño, posteriormente entre el periodo (Enero-2017 a Abril-2017) un periodo niña y en los periodos (Mayo-2017 a Agosto-2017) se caracterizan por ser un periodo niño. En el lapso de estudio existen 3 picos de precipitación mensual para el mes de Octubre-2016(160 mm), Abril-2017(160 mm), Noviembre-2016(135.40 mm), Junio-2017(74.50 mm). Por otro lado existen 3 picos de temperatura máxima Noviembre-2016 (15.50 ºC), Marzo-2017(15.90ºC), Mayo-2017 (15.80ºC). En resumen, la precipitación promedio del periodo estudiado es de 65.53 mm.

Con respecto a la dinámica atmosférica el comportamiento de la temperatura y la precipitación mensual se ve relacionada con los picos de precipitación máxima de (153 mm) y temperatura mínima (14.4ºC).   

ROSA DE VIENTOS GENERADA

A partir de la página Web del Servicio de Monitoreo de Calidad de Aire se procede a generar la rosa de vientos característica de la estación para el lapso de estudio, presentado en la ilustracion 3.

En la rosa de vientos característica se evidencia una velocidad de viento predominante en la dirección Sur-Sur-Este (4-6 m/s), en una longitud característica desde el punto de la estación a 27 m de la ubicación de la estación. Estos datos son tomados para la ejecucion del modelo de Pluma Gaussiana y el Modelo Screen View.

REPORTE RELACIÓN GASES CONTAMINANTES VS. TEMPERATURA

Una vez realizado el procesamiento de la informacion obtenida del Sistema de Monitoreo de Calidad de Aire de Bogota, se genera el reporte de la temperatura promedio mensual y la concentración de CO (ppm) promedio mensual. Presentada en la ilustracion 4.

En la ilustracion 3. Se muestra el comportamiento de la curva de temperatura promedio mensual con respecto a la concentración de Monóxido de Carbono (CO), en el escenario completo Agosto-2016 a Agosto-2017, se presenta un aumento de la temperatura promedio mensual típico del escenario niña con un aumento máximo de temperatura desde Enero-2017 a Junio-2017 de 16ºC.Este está directamente relacionado con el aumento de la concentración de Monóxido de Carbono (CO), este aporta al estudio un aumento de 0.57 ºC/ ppm CO calculado por el autor a partir de la ecuación 3, por otro lado existe una región en la que en la estación no se reportan mediciones de Monóxido por tareas de mantenimiento; esta región no es tomada para el cálculo del indicador diseñado por el autor. Mostrada a continuación

En la ecuación 3. Se realiza este cálculo a partir de la serie de temperatura promedio mensual, donde Tprom_i-1 (Temperatura promedio año anterior) y Tprom_i (Temperatura promedio año siguiente). Por otro lado, CO(ppm)_i-1 (Concentración de monóxido año anterior) y CO(ppm)_i (Concentración de monóxido de carbono año siguiente).

CURVAS DE DISPERSIÓN DE MATERIAL PARTICULADO

Las curvas de estimación promedio de la estación de material particulado PM10 y PM 2.5, son indicadores críticos para dar el cumplimiento a la Resolucion 601 de 2006, pues corresponden a un indicador de proteccion a la salud pública. En la Ilustracion 5. Se muestran el consolidado general para la estación Carvajal-Sevillana en el periodo de tiempo estudiado agosto-2016 a Agosto-2017.

En la estación Carvajal-Sevillana, predomina un incumplimiento a la norma como se evidencia un aumento de material particulado menor a 10 micras (PM10) en todos los meses de medición a excepción de los meses de Diciembre-2016(50 µg/m³) y Febrero-2017(28 µg/m³), el resto de los meses se está superando el límite de la norma de calidad de aire nacional puesto que si se tiene en cuenta que la norma establece que el límite anual debe ser inferior a 50 µg/m³, en solo el mes de Noviembre-2016(70 µg/m³) se excede la norma en un 40% lo cual compromete la calidad de aire del sector por el aporte unitario de las fuentes móviles en su mayoría magnifican el problema aumentando la concentración de PM10 en el aire[16], los picos de concentración reportados por el acumulado global se encuentran directamente asociados a la actividad de transporte en el sector y el bajo índice de circulación ; lo que ocasiona que los auto motores[28], deban acelerar en primera marcha lo que aumenta significativamente la concentración de material particulado PM10 emitido a la atmosfera[16]. Por otro lado el reporte de material particulado PM 2.5 excede la Resolucion 601 de 2006 en la mayoría de los meses, exceptuando para los meses de Septiembre,Octubre,Noviembre y Diciembre de 2016 partiendo de la hipótesis de que las fuentes móviles emiten más que las fuentes fijas se debe controlar más este factor para mejorar las condiciones de calidad de aire a nivel local[16], en conclusión la calidad de aire de la estación debe intervenirse puesto que la calidad no cumple con la normatividad vigente y se debe revisar los indicadores de salud de los hospitales cercanos.

ROSA DE POLUCIÓN PM 2.5 Y PM 10

En el Sistema de Calidad de Aire de Bogota, se obtienen los perfiles de polución para el PM 2.5, PM 10. A continuación en la Tabla 2.

MODELACIÓN DE DISPERSIÓN DE MATERIAL PARTICULADO PM

En cumplimiento de normatividad ambiental todo proyecto para evaluar el cumplimiento de la normatividad ambiental de calidad de aire, se debe realizar el proceso de modelamiento de material particulado menor a 10 Micras (PM10) y 2.5 Micras (PM 2.5). Los resultados más representativos del proceso se presentan a continuación en la tabla 3.

En relación a las curvas presentadas en la tabla 3. Las curvas obtenidas para el caso de curva de PM 2.5 se mapean y se muestran los niveles de concentración de material particulado siendo el nivel rojo el más alto, los barrios afectados por la dispersión del material particulado serán respectivamente Delicias, Venecia Occidental, Isla del Sol y Guadalupe. Estos barrios estarán expuestos a niveles de material particulado total de hasta con un máximo de 100 µg/m³ y 52 µg/m³ de mínima. Entre las afecciones de salud más típicas causaran un aumento en la frecuencia de cáncer pulmonar, muertes prematuras, síntomas respiratorios severos, irritación de ojos y nariz, exacerbación del asma y agravamiento en caso de enfermedades cardiovasculares[29]. Así mismo, su acumulación en los pulmones puede originar enfermedades como la silicosis y la asbestosis. Este material entre otras cosas puede causar efectos secundarios Dermales (piel) y Oculares variados.

CONCLUSIONES

·         El modelo Screen View muestra los perfiles de dispersión de material particulado total (PM 2.5 Y PM10), con un error de estimación del 5% en la estimación de concentraciones.

·         La población expuesta por la pluma contaminante de material particulado en los barrios de Las Delicias, Venecia Occidental, Isla del Sol y Guadalupe con niveles mínimos de exposición de 52 µg/m3 y máximos de 100 µg/m3.

·         La calidad del aire de la estación de Carvajal-Sevillana no cumple con los estándares en el lapso Agosto-2016 a agosto 2017 no cumple con la Resolucion 601 de 2006.

BIBLIOGRAFÍA

[1]         C. D. Thomas et al., “Extinction risk from climate change,” Nature, vol. 427, no. 6970, pp. 145–148, 2004.

[2]         T. Barker, “Climate Ch ange 2007 : An Assessment of the Intergovernmental Panel on Climate Change,” 2007.

[3]         N. Rodríguez-Eraso, J. D. Pabón-Caicedo, N. R. Bernal-Suárez, and J. Martínez-Collantes, Cambio climático y su relación con el uso del suelo en los Andes colombianos. 2010.

[4]         R. A. Felicio and D. D. S. Onça, “‘ Aquecimento Global ’, ‘ Mudanças Climáticas ’ E ‘ Caos Ambiental ’ Justificando O Falso ‘ Desenvolvimento Sustentável ’: a Teoria Da Tríade,” Fórum Ambient. da alta Paul., vol. VI, pp. 569–590, 2010.

[5]         J. Carmona, G. Poveda, M. V. Vélez, M. Bedoya, and J. I. Vélez, “Caracterizacion de la climatologia y los efectos del ENSO sobre la isla de San Andrés, Colombia,” XXIV Congr. Latinoam. Hidraul., p. 11, 2010.

[6]         A. Moreno Jiménez, “Población y polución atmosférica intraurbana por dióxido de nitrógeno en Madrid: Análisis desde la justicia ambiental basado en sistemas de información geográfica,” Cuad. Geogr., vol. 52, no. 1, pp. 84–107, 2013.

[7]         MADS, “RESOLUCION 0601 DE 2006.” 2006.

[8]         Grupo Sprilur, “Guia para el desarrollo sostenible de los proyectos de urbanización,” p. 495.

[9]         M. Mejuto, “Afectación de la minería del carbón en las propiedades físicas y químicas de los suelos de la cuenca hidrográfica del río rodrigatos (el Bierzo, León),” 2011.

[10]      M. Ruiz and G. Bernal, “Variabilidad estacional e interanual del viento en los datos del Reanalisis NCEP/NCAR en la cuenca Colombia, mar Caribe,” Av. en Recur. Hidráulicos, no. 20, pp. 7–20, 2009.

[11]      R. Chaparro, “Simulación de Material Particulado Carrera 13 con ENVI met.” Colombia, 2014.

[12]      J. Olivero-Verbel, F. Young-Castro, and K. Caballero-Gallardo, “Contaminaci??n por mercurio en aire del distrito minero de San Mart??n de Loba en el departamento de Bol??var, Colombia,” Rev. Int. Contam. Ambient., vol. 30, no. 1, pp. 7–13, 2014.

[13]      F. PEREA VELÁSQUEZ, “LEGISLACION BÁSICA AMBIENTAL,” vol. 1, 2015.

[14]      I. M. V. VALBUENA and I. R. V. ANGARITA, “MODELACIÓN DE LA RED DE ALCANTARILLADO SANITARIO Y PLUVIAL DE LA URBANIZACIÓN PLAZA MADRID MEDIANTE EL SOFTWARE EPA SWMM,” 2013.

[15]      B. Van Hoof and C. Herrera, “La evolución y e futuro de la producción mas limpia en Colombia,” Rev. Ing., vol. 10, no. 26, pp. 101–119, 2007.

[16]      N. Rojas Y., “Aire y problemas ambientales de Bogotá,” Foro Nac. Ambient. Doc. Políticas Públicas, vol. 18, no. Problemas ambientales de Bogotá, p. 12, 2009.

[17]      A. Eke, P. Herman, L. Kocsis, and L. R. Kozak, “Fractal characterization of complexity in temporal physiological signals,” Physiol. Meas., vol. 23, no. 1, pp. R1–R38, 2002.

[18]      UNIVERSIDAD DE CATARINA, “MODELO GAUSSIANO.” 2010.

[19]      X. Querol, “El material particulado atmosférico,” in Congreso Nacional del Medio Ambiente, 2006, pp. 1–26.

[20]      J. W. & S. Snoeyink, V.L. y D. Jenkins. Water Chemistry, “Caracterización De Aguas Residuales Por Dbo Y Dqo,” Ing. Trat. Aguas Residuales, pp. 1–7, 2008.

[21]      A. Sanhueza, V. Leiva, and L. López-Kleine, “Sobre el modelo Gaussiano inverso mezclado t-student y una aplicación a producción de proteínas,” Rev. Colomb. Estad., vol. 34, no. 1, pp. 177–195, 2011.

[22]      L. Sáenz, “Modelación de dispersión de olores y odorantes mediante el modelo de penacho gaussiano. Estudio de caso en la planta de tratamiento de El Roble de Puntarenas, Costa Rica,” 2015.

[23]      E. O. Rangel, “Uso de Redes Neuronales Pulsantes para mejorar el Filtrado de Imágenes contaminadas con Ruido Gaussiano,” COMIA, no. Icm, 2016.

[24]      OMS, “Guías de calidad del aire de la OMS relativas al material particulado, el ozono, el dióxido de nitrógeno y el dióxido de azufre. Actualización mundial 2005,” Organ. Mund. la Salud, p. 25, 2005.

[25]      US EPA, “Guía del Usuario del Modelo SCREEN3.” 2010.

[26]      K. Bickerstaff and G. Walker, “Public understandings of air pollution: The ‘localisation’ of environmental risk,” Glob. Environ. Chang., vol. 11, no. 2, pp. 133–145, 2001.

[27]      L. P. Clark, D. B. Millet, and J. D. Marshall, “National patterns in environmental injustice and inequality: Outdoor NO2 air pollution in the United States,” PLoS One, vol. 9, no. 4, 2014.

[28]      A. H. Cardenas-Franco, “Consideraciones del material particulado en Bogotá. Alternativas tecnológicas de medición de la calidad del aire,” Rev. Tecnura, vol. 13, no. 25, 2012.

[29]      A. M. C. da Silva, I. E. Mattos, S. R. Freitas, K. M. Longo, and S. S. Hacon, “Material particulado (PM2.5) de queima de biomassa e doenças respiratórias no sul da Amazônia brasileira,” Rev. Bras. Epidemiol., vol. 13, no. 2, pp. 337–351, 2010.

[30]      M. E. Fernández, A. P. Avila, and H. L. Taylor, “SIG-P y experiencias de cartografía social en la ciudad de Bogotá (Colombia),” in XII Encuentro de geógrafos de América Latina, 2009.

ESTUDIO MULTITEMPORAL DE AREA DE CORALES Y ECOSISTEMAS COSTEROS EN LA ISLA DE San Andrés y Providencia (2015-2017)- Colombia.

Descarga el articulo en version PDF aqui:
https://drive.google.com/file/d/0B1PNS2vSbNrOTTFxN3NNWWliZ00/view?usp=sharing

Download the full article in PDF Here:
https://drive.google.com/file/d/0B1PNS2vSbNrOTTFxN3NNWWliZ00/view?usp=sharing

ANEXOS PAST 3.0 :
https://drive.google.com/file/d/0B1PNS2vSbNrOUkUxZm9xbXd1WU0/view?usp=sharing

ANEXOS SIG - SISTEMA DE INFORMACION GEOGRAFICA
https://drive.google.com/file/d/0B1PNS2vSbNrOeWFEaWlhU1ZfR0E/view?usp=sharing

ANEXOS PDF - CARTOGRAFIA GENERADA
https://drive.google.com/file/d/0B1PNS2vSbNrOdFZZR3RlU0hPdUE/view?usp=sharing

ANEXOS PDF - LISTA DE ESPECIES POR ESTACION
https://drive.google.com/file/d/0B1PNS2vSbNrOYTJwZGRuMkdWSlU/view?usp=sharing

ESTUDIO MULTITEMPORAL DE AREA DE CORALES Y ECOSISTEMAS COSTEROS EN LA ISLA DE San Andrés y Providencia (2015-2017)- Colombia.

Rojas, Luis Felipe*;

Sistemas y Recursos Ambientalmente Sostenibles (SYRAS). Programa de Ingeniería Ambiental, Universidad Manuela Beltrán, Bogotá-Colombia

*E-mail: luisfeliperojasavila@gmail.com

RESUMEN

Este artículo tiene como fin cuantificar la reducción de los ecosistemas coralinos (Submarinas y Estearinas[1]) de La Isla de San Andrés y Providencia y su relación con las especies biologicas autóctonas[2], este proyecto surge a partir de la necesidad de estimar el impacto ambiental producido por el cambio del uso de suelos de la isla y el auge de los procesos turísticos.  En este se contempla una metodología de tipo orientada por el autor para la creación de un  paquete SIG[3] en que se alimenta con fuentes de información de tipo secundaria[4] como las son Imágenes Satelitales (Landsat 8) e inventarios biológicos de INVEMAR (SIB Colombia[5]), posteriormente a partir de una clasificación supervisada con un error de procesamiento menor al 2%, se expresan los cambios  en términos de  cartografía en el sistema (WGS 1984)  mostrando indicadores adaptados  por el autor de otros estudios  y evaluados en este estudio (% Reducción de area de corales en Km2, % Aumento del area con usos antrópicos en Km2, % Reducción del area sin influencia antrópica en Km2) y biológicos (Índice de Shannon-Weiner (H), Índice de Simpson (S), Índice de Margalef).En conclusión el area con influencia en actividades antrópicas para los años (2015-2017) aumento en un 14% (12 Km2) , de forma consecuente el area sin afectación antrópica ha aumentado en un 20.91% (11.36 Km2), a causa del aumento de actividades asociadas a (Turismo, consumo de recursos naturales y Cambio de uso de suelo), en este lapso de tiempo se han reducido las areas de ecosistemas costeros coralinos en un 38.43%(60 Km²), lo que ha producido que de las 24 estaciones de muestreo exista una especie invasiva como es Scomberomorus regalis sp. Por los procesos pesqueros que muestra una tasa de dominancia del 90% sobre las 20 Estaciones de muestreo de la Expedición 1- DIMAR y la estación E20 este por completo antropizado, para futuros estudios en conjunto con la DIMAR, se propone este estudio para mapear los focos de contaminación puntual en la isla y brindar proteccion a los ecosistemas coralinos.

Palabras Clave: San Andrés y Providencia, Analisis Multitemporal, Landsat 8, Corales, Scomberomorus regalis sp, Índices Biologicos.

INTRODUCCIÓN

El origen de las islas de San Andrés se asocia a unidad de calizas heterogéneas(Vargas, 2004), denominada como Formación San Andrés de edad Mioceno y una unidad de calizas coralinas de edad Pleistoceno(Bula-Meyer, 2004), conocida como Formación San Luis. La primera unidad aflora en la parte central de la isla y representa la zona de colinas suaves con alturas máximas de 87 m.s.n.m(Garzon Ferreira & Reyes Nivia, 2001) y la Formación San Luis constituye la región plana a suavemente inclinada de la plataforma arrecifal emergida(Caballero, 2003).

Los ecosistemas costeros de las islas de San Andrés y Providencia se componen por playas arenosas interrumpidas por puntas rocosas o manglares  con un área terrestre total de 57 Km2 y un área marina de 300.000 Km2 (Aguilera, 2016), en estas habitan comunidades características, muy similares en cualquier parte del mundo. El factor más importante que determina las condiciones de vida en estas playas es la intensidad del oleaje(Corn & Dalby, 1973); éste incide en el tipo de arena, en la pendiente de la playa y en la movilidad del substrato que serán más gruesas, más pendientes y más móviles, respectivamente, mientras mayor sea el oleaje(Vidal, Villamil, & Alberto, 2005).

Los ecosistemas costeros son relevantes por su papel como sumideros naturales de CO2(Corredor Camargo, Fonseca Carreño, & Páez Barón, 2012); su participación en los procesos formadores del suelo; sus funciones de transferencia de energía; su papel como sitio de crianza, refugio, anidación y alimentación de especies de mamíferos, aves, reptiles, anfibios, peces e invertebrados y hábitat de algas, hidrozoarios, esponjas, corales, anémonas, entre otros(Sánchez, 2012); su función de filtración por medio de sus raíces, de las cargas orgánicas provenientes de fuentes terrestres; y su función de proteger la línea de costa evitando procesos erosivos producidos por acción de las corrientes y las olas(Oriental, 2011), entre otros(Oriental, 2011).

la isla de San Andrés y Providencia posee un poco más del 77% de las áreas coralinas del país(Oriental, 2011), por lo que es uno de los sistemas de arrecifes más extensos del hemisferio occidental albergando más de 407 especies de peces(Bibliotecas, Walker Cárdenas, Fernández, & Mancera Pineda, 2012), 157 aves y 102 corales(Sanchez-Santillan & Garduño-Lopez, 2007), tanto duros como blandos. Hoy se encuentran legalmente protegidos(Presidente De La República De Colombia, 1974), incluyendo la realización del primer parque regional de manglares en la nación(Meza Fregoso, Arreola, & García, 2012).

Los ecosistemas coralinos son un ecosistema de importancia estratégica(Departamento Nacional De Planeación (DNP), 2014), que prestan gran cantidad de bienes y servicios, entre los que se encuentran protección de la línea de costa, alimento, turismo, recreación, paisaje y bioprospección(IFARMA, 2013). Sin embargo, el acelerado crecimiento poblacional ha resultado en la sobreexplotación de recursos naturales a nivel global afectando también este ecosistema(ASOBANCARIA, 2016).

La clasificación de imágenes satelitales consiste básicamente en una categorización temática de la información obtenida por los sensores remotos(Pantaleone & Tosini, 2014). Información continua sobre la respuesta espectral de cada punto en el espacio geográfico (píxel) es llevada a distintas categorías(Huayaney & Cruz, 2009), las cuales pueden ser preestablecidas o no por el usuario(Wulder, White, Masek, Dwyer, & Roy, 2011). Esta aproximación permite cuantificar la dinámica espacial y temporal del paisaje en distintas escalas(Roy et al., 2014), teniendo una amplia gama de aplicaciones, tanto en ciencias ambientales como socioeconómicas(Meng, Cieszewski, & Madden, 2009)

LA RELACIÓN DE LOS INDICADORES BIOLÓGICOS CON LAS CONDICIONES AMBIENTALES

En estudios de biodiversidad, a partir del muestreo de comunidades, el tamaño de la muestra o número de unidades de observación puede ser pequeño(Reyes, Santodomingo, & Flórez, 2010), para realizar inferencia paramétrica sobre la diversidad existente(Oyaga Martínez, 2013). No obstante, es deseable lograr estimaciones con niveles de confianza conocidos. Una alternativa a la estimación paramétrica para los índices de diversidad es la construcción de intervalos de confianza (IC)(Romanelli, 2006) mediante técnicas de computación intensiva tales como remuestreo, que no se basan en supuestos distribucionales(Lema Vélez & Polanía, 2007).

ÍNDICES DE EVALUACIÓN BIOLÓGICA

Los indicadores biológicos relacionan la biodiversidad específica, con las leyes de la termodinámica (Entropía, Entalpia) de los sistemas complejos(Llano-Mejía, Cortés-Gómez, & Castro-Herrera, 2010). Usando un esquema de analisis de modelación numérica para predecir el comportamiento de un número determinado de taxas(S) y la relación que estas conservan con los factores espaciales, ambientales y socio-económicos(Reyes et al., 2010).

El índice Shannon-Weaver cuantifica la biodiversidad específica(Cantillo & García, 2013), derivado de la teoría de información como una medida de la entropía. El índice refleja la heterogeneidad de una comunidad sobre la base de dos factores: el número de especies presentes y su abundancia relativa(Cantillo & García, 2013). Conceptualmente es una medida del grado de incertidumbre asociada a la selección aleatoria de un individuo en la comunidad. Esto es, si una comunidad de S especies es muy homogénea. Como se muestra en la Ec. 1.

Donde (p) es la proporción del individuo con respecto a los individuos totales(Lema, Polania, & Urrego, 2003), se realiza la sumatoria hasta n número de especies del area de estudio ò estación definida.

El índice de Dominancia ò Simpson manifiesta la probabilidad de que dos individuos tomados al azar de una muestra sean de la misma especie(Scheldeman & van Zonneveld, 2011). Está fuertemente influido por la importancia de las especies más dominantes(García Trejo & Navarro S., 2004). Como su valor es inverso a la equidad, la diversidad puede calcularse como 1- λ(Carlos & Manuel, 2005). Como se muestra en la Ec. 2.

Donde (n_i) es el número de individuos por especie y (N) es el total de organismos por especie(Scheldeman & van Zonneveld, 2011), en este se realiza la sumatoria hasta n número de especies del area de estudio ò estación definida.

El índice de Margalef determina el número tasas y el número de individuos en un ecosistema(Edwin Infante, 2008); comparando la riqueza de especies entre las muestras recogidas de diferentes hábitats(Ecologia, William, & Rodrigues, 2006). Esta muestra la distribución de tasas por cada estación con la finalidad de analizar especies dominantes en relación a las condiciones ambientales locales(Nucci, 2007). Como se muestra en la Ec. 3

Donde (N) es el total de organismos por especie y (S) es el número de especies.

En estudios realizados por (Ceballos, 2003), la calidad de los ecosistemas está directamente asociada con los parámetros fisicoquímicos de los recursos naturales , mostrando una relación directa entre la dinámica biológica por factores socio-ambientales externos(De La Cruz, 2014). En diversos estudios se aplican a un horizonte de analisis multitemporal , en paquetes de desarrollo SIG como QGIS y paquetes comerciales SIG[1] - ArcGIS(T. I. Silva & Rodrigues, 2009)

En estudios multitemporales realizados previamente por (Corn & Dalby, 1973) para el periodo 2000-2015 se halla un % de reducción de las areas protegidas con ecosistemas estratégicos de corales superior al 25%.

MATERIALES Y MÉTODOS 

FASE I – ADQUISICIÓN INSUMOS BIOLÓGICOS Y CONSTRUCCION SIG

Area de estudio. El área de estudio corresponde al recuadro comprendido por el polígono 229 del USGS(Roy et al., 2014), comprendido por los puntos coordenadas (P1 -81.433 N,13.41 O), (P2 -81.308 N,13.408 O), (P2 -81.314 N,13.303 O), (P4 -81.433 N , 13.299 O) que conforman un recuadro de un area equivalente de 160.5 Km² (Ver Ilustración 1). el cual cubre el Archipiélago de San Andrés, Providencia y Santa Catalina. Son consideradas según (Corn & Dalby, 1973) y el Ministerio de Medio Ambiente y Desarrollo Sostenible areas de importancia económica, ambiental, social, turística, estas son un grupo de islas del mar Caribe pertenecientes a Colombia, conformando el único departamento de este país sin territorio continental. El clima del area es de tipo " Cálido Semihumedo"(Vidal et al., 2005), influenciado por los vientos alisos gracias a su posición intertropical(Aguilera, 2016). Respecto a las temperaturas se dividen por un comportamiento bimodal en el que se dan periodos lluviosos entre los meses de noviembre y diciembre se presentan picos de precipitación con 1700 mm(Vargas, 2004). La temperatura media anual es de 28ºC(Bula-Meyer, 2004).

En el area de estudio delimitada para este estudio comprende el area principal de influencia de los procesos turísticos, económicos y de areas de importancia ambiental. Como criterio de delimitación se toma el area compartida con las estaciones de muestreo tomadas para la expedición realizada por Yepes Gaurisas D (2016): Expedición Providencia I - INVEMAR. v2.1 (Vease ilustracion 2).

En la ilustracion 2. Se ubican las estaciones de muestreo biológico de la Expedición Providencia I - INVEMAR. v2.1. Todas las coordenadas presentadas en el SIG Anexo, Se presentan en el sistema de información globalizado WGS1984. Para la expedición se exploraron diversos ambientes como manglares, areas coralinas, fondos blandos y litorales rocosos; donde se recolectaron organismos pertenecientes a los taxa Porifera, Echinodermata, Crustacea, Mollusca, Polychaeta y Chordata. En el que se hallaron 568 registros reportados.

FASE II – Descarga y Procesamiento Imágenes Landsat 8

En esta fase del proceso se realiza la búsqueda, selección y descarga de las imágenes satelitales (Landsat 8) para la región delimitada por los códigos de referencia del sistema WRS Path 14 & WRS Row 47[1], con el aplicativo Landsat 8 – Service, en el software ArcGIS, los criterios de Inclusion de dichas imágenes se muestran en la tabla 1 (Vease Tabla 1). Las imágenes se

# de imágenes por año	2 minimo
Máxima cobertura por nubosidad	10%
Resolucion Espectral x Pixel	15 m x 15 m

Tabla 1. Parámetros de Inclusion Imágenes Landsat 8

Para este analisis multitemporal las imágenes satelitales son sometidas a un proceso de (Pan Sharpenning)(Wulder et al., 2011), a través del que se realiza una corrección de las firmas espectrales con el modelo de elevación digital (DEM)(Rullán-Silva, Gama-Campillo, Galindo-Alcántara, & Olthoff, 2011) el cual tiene una resolucion espectral de 3m, en este se obtiene una corrección de calidad y precisión(Vease tabla 2)

Entre las diversas mejoras que ofrece el proceso se encuentra:

1. Mayor detalle en la información contenida en cada pixel, pasando de una resolucion espectral de pixel de 30 m por pixel a 15 m por pixel(Pantaleone & Tosini, 2014).
2. Corrección del pixel en relación a las variables asociadas a aspectos Electromagneticos de la telemetría (Transmisión, Refracción y Absorción)(Roy et al., 2014).
3. Aumento de la exactitud en procesos de clasificación supervisada usando algoritmos de máxima probabilidad(QGIS Project, 2014).

Gracias a los múltiples beneficios que ofrecen las imágenes Landsat 8, luego de la corrección usando el método Pan Sharpenning(J. M. N. Silva, Sá, & Pereira, 2005), Gracias a esta resolucion espectral contamos con un mayor volumen de información por unidad de pixel y, por ende  mayor exactitud en estudios asociados a telemetría(Wulder et al., 2011).

Posteriormente a la fase de corrección con el Modelo de elevación digital (DEM), se procede a crear  las firmas espectrales para cada tipo de cobertura según su código identificador (Vease Tabla 3).  Siguiendo la metodología sugerida por (Irons, Riebeek, & Loveland, 2006) en donde se contempla la creación de un Shapefiles para presentar las firmas espectrales en el area de entrenamiento y luego a partir de códigos únicos en la imagen se presenta procesamiento para cada color de pixel.

ID	Tipo de elemento
1	Nubes
2	Sombra de nubes
3	Area con influencia antrópica
4	Areas sin influencia antrópica
5	Area de corales
6	Aguas profundas

Tabla 3. Códigos identificadores para las firmas espectrales

En la tabla 3. Se evidencia la Inclusion de las nubes y sombra de nubes, debido a que afectan las estimaciones telemétricas, como se evidencia en las imágenes de la Tabla 2. Luego se procede a realizar la clasificación supervisada con las firmas de los Shapes Files creadas previamente y la obtención de los Raster de Confiabilidad expresados en % de error de estimación (Vease Tabla 4).

Se generan los Raster de confiabilidad para cada uno de los procesos de digitalización supervisada(Rullán-Silva et al., 2011), en cada uno de ellos se presenta un número estimado de puntos por cada clase de 200(Salvatierra, 1997), asegurando un error inferior al 8% de estimación(USGS, 2011), con relación a las firmas espectrales. Posteriormente se realiza la conversión de Raster a Shape File usando la herramienta (Conversión Tools -> Raster to ShapeFile).Con la finalidad de evaluar la cuantificacion de areas para cada uno de los indicadores evaluados por año(Vease Tabla 5)

Los indicadores presentados son adecuados de estudios preliminares evaluados de (Salvatierra, 1997) e indicadores sugeridos por el USGS(Loveland & Dwyer, 2012). Para tal fin relacionar los cambios de indicadores ambientales en relación a indicadores biológicos(Vease  indicadores biológicos) con el software libre PAST 3.0(Pliscoff & Fuentes-Castillo, 2011).

Los indicadores presentados son adecuados de estudios preliminares evaluados de (Salvatierra, 1997) e indicadores sugeridos por el USGS(Loveland & Dwyer, 2012). Para tal fin relacionar los cambios de indicadores ambientales en relación a indicadores biológicos(Vease  indicadores biológicos) con el software libre PAST 3.0(Pliscoff & Fuentes-Castillo, 2011).

RESULTADOS Y ANALISIS DE RESULTADOS 

CONSOLIDADO DE ESPECIES AUTÓCTONAS POR ESTACIÓN

Presentando los resultados del tratamiento estadístico a los datos biológicos se presentan tablas de resultados como el modelo presentado (Vease Tabla 6) en el ANEXO A. TABLA DE ESPECIES POR ESTACION.

Latitud	Longitud	ESTACION	Nombre
13.400569	-81.3713364	E1	Eunice
13.400569	-81.3713364	E1	Polychaeta
13.400569	-81.3713364	E1	Lysmata intermedia
13.400569	-81.3713364	E1	Diadema antillarum
13.400569	-81.3713364	E1	Coryphopterus tortugae
13.400569	-81.3713364	E1	Coryphopterus personatus
13.400569	-81.3713364	E1	Elacatinus
13.400569	-81.3713364	E1	Lythrypnus heterochroma
13.400569	-81.3713364	E1	Lythrypnus spilus
13.400569	-81.3713364	E1	Lythrypnus minimus
13.400569	-81.3713364	E1	Priolepis hipoliti
13.400569	-81.3713364	E1	Gramma loreto
13.400569	-81.3713364	E1	Apogon binotatus
13.400569	-81.3713364	E1	Apogon phenax
13.400569	-81.3713364	E1	Phaeoptyx conklini
13.400569	-81.3713364	E1	Scarus croicensis
13.400569	-81.3713364	E1	Gnatholepis thompsoni
13.400569	-81.3713364	E1	Niphates digitalis
13.400569	-81.3713364	E1	Aplysina fulva

Tabla 6. Modelo de resumen de especies biologicas por estación

Desde el punto de vista biológico las especies presentes en la estación 1(E1), predomina la especie Coryphopterus tortugae sp., con un orden perciformes y perteneciente a la familia Gobiidae. El rol ecosistémico de esta especie dentro de los ecosistemas costeros consiste en el control biológico de phytoplancton marino(Sánchez, 2012), por tal razón suelen estar en aguas profundas >25 m(Sánchez, 2012). Son especies dominantes en la dinámica de los ecosistemas costeros por su rol como lo son consumidores primarios de especies vegetales localizadas en el lecho marino de los arrecifes de coral(Reyes et al., 2010), adicionalmente en sus caparazones residen algunas especies trituradoras de material granular con las que comparten una relación mutualista(Sánchez, 2012), gracias a la labor de entidades sin ánimo de lucro como Coralinas , DIMAR y La Armada Nacional Colombiana(INVEMAR, 2011). La labor de los ingenieros ambientales en el subsector de control ambiental y de ecosistemas marítimos ha sido de vital importancia como se ha evidencia en el plan de conservación de la reserva de biosfera SeaFlower(Sánchez, 2012) publicado por INVEMAR & CORALINAS(Sánchez, 2012). Estas son vitales en los ecosistemas costeros.

En esta area de corales existe otra especie que presenta co-dominancia con otras especies mutualistas a los ecosistemas del gradiente salinos a agua dulce(Gotelli & Colwell, 2001), en el archipiélago de San Andrés, Providencia y Santa Catalina. Este es el pez abuela (Gramma loreto sp.), el cual tiene un rol importante como limpiador de material residual de los procesos de consumo de pequeños peces, material particulado(Scheldeman & van Zonneveld, 2011). Es una especie individualista pues a pesar de que reside en profundidades comprendidas entre 1-50 metros de profundidad(Scheldeman & van Zonneveld, 2011). Tiende a competir por el alimento disponible, en conjunto con intercambio de las corrientes interoceánicas y el equilibrio termodinámico del oleaje y los fenómenos meteorológicos, Se considera una especie bio-indicadora de las condiciones ambientales y ecosistémicos de los sistemas de corales mostrando cambios de coloración y reducción de la cantidad de individuos por unidad de area. Por tal razón se encuentra incluida como patrimonio nacional en el plan de conservación de la reserva de biosfera SeaFlower(Sánchez, 2012).

INCREMENTO DE AREA CON INFLUENCIA ANTRÓPICA

En relación a la cartografía generada a partir de las imágenes Landsat 8 (Vease Tabla 7), se evalúan los indicadores diseñados por el autor para expresar el cambio multitemporal en el area cubierta para actividades antrópicas. Durante los años 2013-2017(Vease ilustracion 3).

Ilustracion 3. Evaluación de índice de cambio de areas con actividades antrópicas en la isla

El aumento del area en ocupación para actividades antrópicas se encuentra  relacionado con la declaración del puerto libre, y las migraciones posteriores tanto de la población del interior (Bolívar, Atlántico, Antioquia) como extranjeros (Medio Oriente)(Corn & Dalby, 1973).Propiciando al aumentó el transporte aéreo y marítimo a la isla, durante el lapso de tiempo 2013-2017(Vidal et al., 2005). Las areas predominantes en relación al procesamiento se encuentran ubicadas en la parte Norte y Sur de la isla(Vease Tabla 7), han aumentado en un 14% de las areas costeras de la isla durante el periodo 2015-2017; por la ubicación estratégica de los ecosistemas coralinos que se encuentran ubicados a una distancia < 200 m y el aeropuerto internacional Gustavo Rojas Pinilla(Aguilera, 2016).  En los últimos 3 años el aumento de la ocupación de areas para actividades urbanas ha reducido un area equivalente al 60% de los ecosistemas de bosque seco tropical y en un 75% los de manglares(Vidal et al., 2005). Estos son ejes potenciales de proteccion y de potencial de biodiversidad, puesto que proveen servicios ecosistémicos como el control del oleaje en las zonas costeras, transporte y regulación del gradiente salino a cuerpos hídricos superficiales con agua dulce de la isla(Aguilera, 2016). Por otro lado, en el eje central de la isla no ha incrementado de forma significativa debido a las altas pendientes >50%  y el material existente en el suelo (Calizas)(Corn & Dalby, 1973), haciendo muy costosa la inversión a  cualquier uso comercial y de transporte en la isla(Bibliotecas et al., 2012). En relación a las estaciones existentes en las areas de ocupación antrópica, de las 24 estaciones de muestreo tomadas para la Expedición 1-INVEMAR el 50% de ellas tiene influencia por actividades económicas asociadas a turismo y comercio local de la isla.

CAMBIO DE AREA SIN INFLUENCIA ANTRÓPICA

En relación a la cartografía generada a partir de las imágenes Landsat 8 (Vease Tabla 7), se evalúan los indicadores diseñados por el autor para expresar el cambio multitemporal en el area sin actividades antrópicas

Ilustracion 4. Cambio de area no influenciada por actividades antrópicas

En relación a la Ilustracion 4(Vease Ilustracion 4), existen diferentes areas que no han sido intervenidas para ningún tipo de actividad antrópica , incluidas en el plan de gestion de la biosfera Sea Flower, a cargo de las entidades CORALINA & CORMACARENA, se encuentran protegidos La Reserva de Biosfera Seaflower, Old Point Regional Mangrove Park, parque regional Johnny Cay y parque regional The Peak. En relación a la ilustracion 4., en el año 2015 existían diferentes actividades en el area rural de la isla que atentaban contra el CODIGO DE BIODIVERSIDAD NACIONAL y EL CODIGO ÚNICO AMBIENTAL, entre las principales actividades documentadas se encuentran Puntos de tala y quema para la produccion de carbón, Bajo control de Gulles[1], Focos de descarga de residuos sólidos en Humedales, Aumento de talas y riesgo a incendios forestales, Vertimientos no controlados en sectores de la isla(Sánchez, 2012). Posterior a la puesta en marcha del plan de manejo ambiental de la isla en el periodo 2016 con ayuda de entidades como la DIMAR, Armada Nacional e Instituto Alexander Von Humboldt. Se encuentran protegidas cerca de 12 Km² de areas protegidas(Vease Tabla 7), lo que mejoro las condiciones ambientales y climáticas de la isla en términos de servicios ecosistémicos(Vidal et al., 2005). A perpetuidad hasta la fecha por sensores remotos se ha perdido 0.73 Km²(735.583 m²) equivalente al 44.11% del area comprendida por Bahía Solano-Choco. A causa de bajo control en las actividades de la isla por las autoridades ambientales(Gudynas, 2001). Lo que progresivamente ha venido diezmando a las areas de corales productivas en la reserva Sea Flower

REDUCCIÓN DE AREAS CON ECOSISTEMAS CORALES

En relación a la cartografía generada a partir de las imágenes Landsat 8 (Vease Tabla 7), se evalúan el cambio multitemporal en las areas de corales existentes, comprendidas en el plan de manejo SeaFlower(Bibliotecas et al., 2012) y ejes de desarrollo social, ambiental y turístico.

En el area de estudio debido al incremento de las actividades turísticas y comerciales, se han magnificado (Manejo de residuos Sólidos, Manejo de Vertimientos, Talas y quemas no controladas en la isla, Contaminación crónica debido a descarga continua de hidrocarburos en areas marinas)(B Gavio, Palmer-Cantillo, & Mancera, 2010), producto de esto se ha evidenciado un aumento en la reducción de area de ecosistemas de corales para el año 2016 de un 5%(10 Km²) y para el año 2017 en un 36%(60 Km²)(Vease Tabla 7). Debido a una creciente exposición a fuentes de contaminación difusas en las areas costeras principalmente y las islas cercanas a la isla de San Andrés y Providencia(Vidal et al., 2005)(Vease Tabla 7). Estos son muy sensibles a diferentes factores de exposición ambiental, en relación al aumento de las actividades económicas en las areas costeras los que más se presentan son el ruido, los vertimientos no controlados, la afectación a los ecosistemas costeros, la mala disposición de los residuos sólidos(Aguilera, 2016). Son las principales causantes del cambio en la reducción de ecosistemas de corales. Para la fecha estimando los corales con firmas espectrales se estima que se ha perdido 24 Km² de area de corales, lo que equivale al 48% del area comprendida por el municipio de Cajicá-Cundinamarca(Vease Ilustracion 5). En relación a las estaciones de estudio tomadas por la Expedición 1- INVEMAR, se estima que a lo menos el 90% de las estaciones(Ilustracion 2) están expuestas a uno de los factores de contaminación previamente mencionados(Bibliotecas et al., 2012).

ÍNDICES DE DIVERSIDAD BIOLÓGICA POR ESTACIÓN

Posteriormente al proceso de cuantificacion de los indicadores ambientales, se procede a relacionar con la dinámica ecosistemica de las taxas presentes de la Expedición 1- INVEMAR, usando el paquete estadístico PAST 3.0. 

ÍNDICE DE SHANNON-WEAVER

El índice Shannon-Weaver evaluá la riqueza de un ecosistema ò estación, en función de la cantidad relativa de especies (Abundancia) y la riqueza nativa de cada ecosistema (Riqueza de especies).

Ilustracion 6. Indice de riqueza Shannon Weaver

En relación a  (Vease ilustracion 6), el índice de riqueza expresa la dinámica ambiental de  cada una de las estaciones, según (Cantillo & García, 2013) las estaciones de muestreo con un índice de riqueza inferior a 2 presentan baja diversidad. Para este caso las estaciones de muestreo 5,7,10,11,14,15,17,18,19 y 20(Vease ilustracion 2). Presentan baja riqueza ecosistemica. A pesar de estar ubicadas en areas de ecosistemas de corales donde los indicadores de riqueza son mayores a 3(Korycińska & Królak, 2006). Existe una alteración de los ecosistemas naturales, comprendido desde el punto de vista limnologico las estaciones con baja densidad presentan una alta densificación por actividades de turismo principalmente(Vease Tabla 7), bajo estudios realizados por (Garzon Ferreira & Reyes Nivia, 2001) la intervención humana dentro de estos ecosistemas para actividades de buceo, pesca ò natación puede traer incorporación de agentes externos al ecosistema , ocasionando un aumento de la entropía natural del sistema y ocasionar un desorden ecosistémico en la dinámica de las especies presentes en cada una de las estaciones(Escobar et al., 2008). Por otro lado, las estaciones 2,3,8,9 y 13(Vease ilustracion 2) evidencian un índice de riqueza mayor a causa de la ubicación estratégica de los ecosistemas protegidos por el plan de manejo Sea-Flower.

ÍNDICE DE SIMPSON

El índice de Simpson mide la riqueza de un ecosistema a partir de la probabilidad de que 2 especies en un mismo lugar puedan ser iguales, por ende, entre más se acerque el valor de este índice a 0, mayor riqueza ecosistemica tendremos en el area de estudio.

Ilustracion 7. Indice de Simpson por estación

Teniendo en cuenta estudios realizados por (Bustamante Toro, Monsalve Durango, & García Reinoso, 2008) en el area de estudio de forma general se presenta baja diversidad biológica en función de las taxas, puesto que para las estaciones 10,11 y 20 se presentan índices cercanos a 0(Vease ilustracion 7)(Korycińska & Królak, 2006). Por lo que existe una especie dominante en la estación 20 Scomberomorus regalis sp.(Alba-Tercedor, 1996), la cual se caracteriza por ser una especie introducida (exógena), con usos de pesquería(Meza Fregoso et al., 2012). Asociado a los diferentes factores ecosistémicos y funciones de los ecosistemas de corales el aumento de las actividades económicas ha llevado a que esta sea una especie invasiva en los ecosistemas de coral en la parte norte de la isla(Vease Tabla 7). Donde predominan actividades turísticas y de comercio con cuba y otros países(Vease ilustracion 2.). En las demas estaciones de estudio la especie   Scomberomorus regalis sp. predomina con respecto a las especies endémicas de cada estación, por lo que puede existir la probabilidad de que las practicas económicas implementen insumos para el proceso que puedan alterar las propiedades de salinidad(Lema & Polania, 2007), temperatura(Escobar et al., 2008), balance de nutrientes(Escobar et al., 2008) y la estabilidad ecosistemica(Edgard E;Cantillo Higuera,Melisa, 2013) de los corales en el area productiva de la isla(Vease Tabla 7). Por otro lado, las demas estaciones presentan un índice promedio de similitud del 90%(Vease ilustracion 7). Con una dominancia Scomberomorus regalis sp. Sobre las especies endémicas ocasionando una alteración a los nichos de las especies locales(Vease ilustracion 7). Adicionalmente el transporte ilegal de especies nativas fue una causal de que gran parte de las especies en el area de estudio hayan sido diezmadas en cantidad(Metzger, 2001). Debido a la intervención antrópica en los procesos naturales de los ecosistemas existentes.

ÍNDICE DE MARGALEF

El índice de Margalef mide la diversidad biológica de una estación o un punto en función de la distribución de taxas(S), y el número de individuos (N). Dando respuesta a si el punto de estudio no tiene una alta diversidad (antropizado) ò si se encuentra con una buena cantidad de especies, mostrando una calidad ambiental y la dinámica de los ecosistemas.

Ilustracion 8. Indice de Margalef

En relación a los estudios hidrobiológicos realizados por (Korycińska & Królak, 2006), la diversidad biológica en una estación de muestreo, integra el comportamiento de las taxas en comparación con los conteos para cada estación. En relación a las 20 estaciones de muestreo (Vease ilustracion 8). Las estaciones 5,7,10,11,14,15,17 y 19 son puntos antropizados[1], debido a que tienen puntajes inferiores a 2(Korycińska & Królak, 2006), en relación a la (Vease Tabla 2) las estaciones más antropizados se encuentran ubicadas en la plataforma terrestre en la que existía la mayor riqueza ecosistemica y de recursos minerales hace 2 años(Aguilera, 2016), con el tiempo la intervención antrópica impacto de forma grave este haciendo que tenga menores indicadores de diversidad biológica(Brigitte Gavio & Mancera Pineda, 2015) (Vease tabla 7). Por otro lado las estaciones 3,8,9,10 y 13 respectivamente poseen los mejores indicadores de biodiversidad debido a que se ubican de forma estratégica en las areas de proteccion incluidas en el plan de manejo ambiental Sea-Flower(B Gavio et al., 2010). La estación 20 por otro lado presenta un índice de Margalef igual a 0 , diciente de ser un ecosistema por completo antropizado(Korycińska & Królak, 2006), se debe intervenir para proteger el equilibrio dinámico de los sistemas de corales existentes  debido a que la Abundancia de la especie Scomberomorus regalis sp(Vease tabla 7).En estaciones cercanas es alta y al ser una especie invasiva e introducida puede alterar la dinámica ecosistemica de los corales(Vidal et al., 2005), reduciendo su capacidad de tasar CO2 a la atmosfera y en ultimas reducir la produccion primaria neta(Sánchez, 2012).

CALIDAD DEL PROCESO DE TRATAMIENTO DE IMÁGENES LANDSAT

De acuerdo a (Irons et al., 2006) en el proceso de digitalización con fuentes de información y telemetría, el error en la clasificación supervisada debe ser inferior al 10% para que exista confiabilidad en la asignación de huellas  espectrales(Pantaleone & Tosini, 2014), a partir de las imágenes resultantes del proceso de clasificación (Vease Tabla 7) , existen regiones con errores de estimación superiores al 10%, no obstante se debe a la información contenida en el pixel y los errores de medición del sensor Landsat 8(J. M. N. Silva et al., 2005). En estudios realizados por (Chander & Markham, 2003) cuando la inclinación del sensor es superior a los 80º por efectos de transmitancia y reflectancia, el % de error estimado bajo el indicador RSTM[2] superior a 10^-3 unidades de medición por cada 15 m de pixel capturado. En el caso de las ilustraciones se asocia el error en las regiones sur y este de la imagen por la posición de toma de datos del sensor y la inferencia con los fenómenos Electromagneticos (Radiación, Absorbancia y transmitancia) de los cuerpos terrestres.

CONCLUSIONES

·         Para el periodo 2015-2017 el area de corales de los ecosistemas de la isla de San Andrés y providencia han perdido cerca de 24 Km², a causa de la influencia antrópica en el sector comercio y turismo que en el mismo periodo ha incrementado 14 Km², a causa de la influencia directa de este sector económico en las regiones costeras de la isla.

·         Con respecto a la dinámica biológica, los índices evaluados muestran que la Estación 20, debe ser intervenida de forma inmediata pues presenta desde el punto de vista biológico una alteración grave por los procesos pesqueros y la incorporación de especies invasoras como el Scomberomorus regalis sp, especie que está afectando la dinámica ecológica de los ecosistemas de coral de la isla.

·         Con respecto al control de especies foráneas, se debe realizar un estudio detallado de la distribución de la especie Scomberomorus regalis sp., con la finalidad de establecer puntos estratégicos de pesca sostenible, sin influenciar de forma directa los arrecifes de coral.

·         Las islas de San Andrés y Providencia, son el eje central de biodiversidad para el plan de desarrollo, no obstante, el desarrollo económico de la isla no está contemplando de forma correcta el desarrollo sostenible de la triple línea base (TLB) – Ambiental, Social y Económico[3].

RECOMENDACIONES

Realizar un analisis de las propiedades fisicoquímicas del agua del area de estudio con la finalidad de asociar posibles insumos aplicados a procesos de produccion pesquera y proponer medidas de control ambiental en este proceso.

Realizar un analisis de modelamiento naval de oleaje para la región de la isla de San Andrés y Providencia, mostrando las consecuencias que se pueden presentar si no se controla la proteccion de los arrecifes de coral como ecosistemas estratégicos de desarrollo.

Usar imágenes Sentinel 2A, para tener un mayor rango de precisión de 3m por cada pixel.

Realizar una correccion de nubosidad a las imagenes en futuros estudios , para aumentar la precision de digitalizacion por el metodo de firmas espectrales

AGRADECIMIENTOS

Al Equipo de trabajo de la expedición I – INVEMAR, en el levantamiento de la información de campo en las 24 estaciones de identificación de especies autóctonas y aloctonas de la región costera de la isla de Santa Catalina y Providencia.

BIBLIOGRAFÍA

1.     Aguilera, M. (2016). Geografía económica del archipiélago de San Andrés, Providencia y Santa Catalina. In Economía y medio ambiente del archipiélago de San Andrés, providencia y Santa Catalina (pp. 47–116).

2.     Alba-Tercedor, J. (1996). Macroinvertebrados Acuaticos Y Calidad De Las Aguas De Los Rios 1. Isbn, II, 203–213.

3.     ASOBANCARIA. (2016). Nuevo escenario de crecimiento para 2016-2017: aumentan los riesgos sobre el consumo. Retrieved from http://www.asobancaria.com/wp-content/uploads/2016/04/1036-vf.pdf

4.     Bibliotecas, D. N. de, Walker Cárdenas, J. A., Fernández, R. R., & Mancera Pineda, J. E. (2012). Huella ecológica en el archipielago de san andrés, providencia y santa catalina, reserva de biosfera seaflower. Caribbean Notebooks; Vol. 13 (2009): Reserva de Biosfera Seaflower: Problemas Ambientales; 16 Revista Cuadernos Del Caribe; Vol. 13 (2009): Reserva de Biosfera Seaflower: Problemas Ambientales; 16 Cahiers Des Caraïbes; Vol. 13 (2009): Reserva de Biosfera. Retrieved from http://www.bdigital.unal.edu.co/38478/1/41329-186502-1-PB.pdf

5.     Bula-Meyer, G. (2004). Las macroalgas marinas en la agronomía y el uso potencial del Sargassum flotante en la produccion de fertilizantes en el archipiélago de San Andrés y Providencia , Colombia. Intropica, 1(1), 91–103. https://doi.org/10.21676/23897864.461

6.     Bustamante Toro, C. A., Monsalve Durango, E. A., & García Reinoso, P. L. (2008). Análisis de la calidad del agua en la cuenca media del río Quindío con base en índices físicos, químicos y biológicos Analysis of the water quality at the intermediate river basin of the Quindío river on the basis of physical, chemical and biological inde. Revista de Investigaciones Universidad Del Quindío, 18, 22–31.

7.     Caballero, H. y E. de la G. (2003). Arrecifes De Coral Utilizados Como Zonas De Colectas Para Exhibiciones En El Acuario Nacional. Revista de Investigaciones Marinas, 24(3), 205–220.

8.     Cantillo, E., & García, M. (2013). Diversidad Y Caracterización Florística De La Vegetación Natural En Tres Sitios De Los Cerros Orientales De Bogotá D . C. Colombia Forestal, 16(2), 228–256. https://doi.org/10.1016/j.ecoleng.2013.04.049

9.     Carlos, J., & Manuel, J. (2005). Interacciones Entre Corales Y Macroalgas : Dependencia De Las Especies Involucradas. Investigaciones Marinas, 34(891), 227–242. Retrieved from http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&dopt=Citation&list_uids=417097

10.  Ceballos, C. (2003). Estado de las Playas en Colombia. Invemar.org.co, 149–167. Retrieved from http://www.invemar.org.co/redcostera1/invemar/docs/EAMC_2002/IEAMCC_2002B.pdf

11.  Chander, G., & Markham, B. (2003). Revised Landsat-5 TM Radiometrie Calibration Procedures and Postcalibration Dynamic Ranges. IEEE Transactions on Geoscience and Remote Sensing, 41(11 PART II), 2674–2677. https://doi.org/10.1109/TGRS.2003.818464

12.  Corn, M. J., & Dalby, P. L. (1973). Systematics of the Anoles of San Andres and Providencia Islands, Colombia. Journal of Herpetology, 7(2), 63–74. https://doi.org/10.2307/1563202

13.  Corredor Camargo, E. S., Fonseca Carreño, J. A., & Páez Barón, E. M. (2012). Los servicios ecosistémicos de regulación: tendencias e impacto en el bienestar humano. Revista de Investigación Agraria Y Ambiental, 3(1), 77–84.

14.  De La Cruz, P. (2014). Identidades ambientales, un caso comparativo entre el trapecio Amazónico y el Archipiélago de San Andrés. Cuadernos de Geografía. Revista Colombiana de Geografía., 23(1), 125–131. Retrieved from http://www.revistas.unal.edu.co/index.php/rcg/article/viewFile/41088/pdf_551

15.  Departamento Nacional De Planeación (DNP). (2014). Bases del Plan Nacional de Desarrollo 2014-2018. Departamento Nacional De Planeación, 861.

16.  Ecologia, P. E., William, & Rodrigues, C. (2006). Ecologia Geral Riqueza e Diversidade de Espécies Conceitos. Apostila, 5(1), 1–15. Retrieved from http://www.ncbi.nlm.nih.gov/pubmed/17084705

17.  Edgard E;Cantillo Higuera,Melisa, G. C. (2013). DIVERSIDAD Y CARACTERIZACIÓN FLORÍSTICA DE LA VEGETACIÓN NATURAL EN TRES SITIOS DE LOS CERROS ORIENTALES DE BOGOTÁ D. C. Retrieved from http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-07392013000200008

18.  Edwin Infante. (2008). Anfibios de la Guajira Venezolana. Historia, 42(2), 291–298.

19.  Escobar, E., Maass, M., Alcocer-Durand, J., García, F. J., Garcia-Oliva, F., Jaramillo, V., … Zavala-Hidalgo, J. (2008). Diversidad de procesos funcionales en los ecosistemas. Capital Natural de México. Vol. 1. Conocimiento Actual de La Biodiversidad, I, 161–189.

20.  García Trejo, E. A., & Navarro S., A. G. (2004). Patrones biogeográficos de la riqueza de especies y el endemismo de la avifauna en el oeste de México. Acta Zoologica Mexicana, 20(2), 167–185. Retrieved from http://redalyc.uaemex.mx/redalyc/html/575/57520211/57520211.html

21.  Garzon Ferreira, J., & Reyes Nivia, M. C. (2001). Incidence of fish predation on stony corals at four atolls of the Archipelago of San Andres and Providencia (Colombian Caribbean). Boletin de Investigaciones Marinas Y Costeras. Santa Marta, (30), 133–150.

22.  Gavio, B., & Mancera Pineda, J. E. (2015). Blooms of ephemeral green algae in San Andres island, International Biosphere Reserve Seaflower, Southwestern Caribbean. Acta Biológica Colombiana, 20(2), 259–262. https://doi.org/10.15446/abc.v20n2.46062

23.  Gavio, B., Palmer-Cantillo, S., & Mancera, J. E. (2010). Historical analysis (2000-2005) of the coastal water quality in San Andres Island, Sea Flower Biosphere Reserve, Caribbean Colombia. Marine Pollution Bulletin, 60(7), 1018–1030. https://doi.org/10.1016/j.marpolbul.2010.01.025

24.  Gotelli, N. J., & Colwell, R. K. (2001). Quantifying biodiversity: Procedures and pitfalls in the measurement and comparison of species richness. Ecology Letters.

25.  Gudynas, E. (2001). ACTORES SOCIALES Y AMBITOS DE CONSTRUCCION DE POLITICAS AMBIENTALES. Ambiente & Sociedade NEPAM, 4(8), 5–19. https://doi.org/10.1590/S1414-753X2001000800002

26.  Huayaney, M. E. A., & Cruz, J. F. M. de la. (2009). Aplicacion de la Teledeteccion para el analisis multitemporal  de la regresion glaciar en la Cordillera Blanca. Investigaciones Sociales, 13(22), 71–83. Retrieved from http://revistasinvestigacion.unmsm.edu.pe/index.php/sociales/article/view/7216

27.  IFARMA. (2013). Desarrollo de los servicios farmacéuticos en Colombia. Las empresas de gestión de servicios farmacéuticos. In Serie BUSCANDO REMEDIO No. 3. Retrieved from http://web.ifarma.org/images/files/buscandoremedio/buscando_remedio_3.pdf

28.  INVEMAR. (2011). Avances en el Manejo Integrado de Zonas Costeras ¿ MIZC, en el departamento del Cauca. Retrieved from http://www.invemar.org.co/portal_old/noticias.jsp?id=4534

29.  Irons, J., Riebeek, H., & Loveland, T. (2006). Landsat data continuity mission. Photogrammetric Engineering & Remote …, (July 2012), 11. https://doi.org/10.1016/S0022-3913(12)00047-9

30.  Korycińska, M., & Królak, E. (2006). The use of various biotic indices for evaluation of water quality in the lowland rivers of Poland (exemplified by the Liwiec River). Polish Journal of Environmental Studies, 15(3), 419–428.

31.  Lema, L. F., & Polania, J. (2007). Estructura y dinamica del manglar del delta del rio Rancheria, Caribe colombiano. Revista de Biologia Tropical, 55(March), 11–21. Retrieved from http://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S0034-77442007000100003&nrm=iso

32.  Lema, L. F., Polania, J., & Urrego, L. E. (2003). Dispersion y establecimiento de las especies de mangle del rio Rancheria en el periodo de maxima fructificacion. Revista de La Academia Colombiana de Ciencias Exactas, Fisicas Y Naturales, 27(102–105), 93. Retrieved from file:///C:/Users/Lenovo/AppData/Local/Mendeley Ltd/Mendeley Desktop/Downloaded/Lema et al 2003.pdf

33.  Lema Vélez, L. F., & Polanía, J. (2007). Estructura Y Dinámica Del Manglar Del Delta Del Río Ranchería, Caribe Colombiano. Revista de Biología Tropical, 55(1), 11–21. https://doi.org/10.3989/scimar.1999.63s1183

34.  Llano-Mejía, J., Cortés-Gómez, A. M., & Castro-Herrera, F. (2010). Lista de anfibios y reptiles del departamento del Tolima, Colombia. Biota Colombiana, 11, 89–106.

35.  Loveland, T. R., & Dwyer, J. L. (2012). Landsat: Building a strong future. Remote Sensing of Environment, 122, 22–29. https://doi.org/10.1016/j.rse.2011.09.022

36.  Meng, Q., Cieszewski, C., & Madden, M. (2009). Large area forest inventory using Landsat ETM+: A geostatistical approach. ISPRS Journal of Photogrammetry and Remote Sensing, 64(1), 27–36. https://doi.org/10.1016/j.isprsjprs.2008.06.006

37.  Metzger, J. P. (2001). O Que É Ecologia De Paisagens ? Biota Neotropica, 1(12), 1–9. https://doi.org/10.1093/hmg/ddn246

38.  Meza Fregoso, J. A., Arreola, K. S. B., & García, J. U. (2012). RECURSOS NATURALES Y CRECIMIENTO ECONÓMICO, ANALIZANDO EL CAPITAL HUMANO EN MÉXICO. (Spanish). NATURAL RESOURCES AND ECONOMIC GROWTH: ANALYZING HUMAN CAPITAL IN MEXICO. (English), 5, 93–102. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&db=bth&AN=67092271&lang=es&site=ehost-live

39.  Nucci, J. C. (2007). Origem E Desenvolvimento Da Ecologia E Da Ecologia Da Paisagem. Revista Geografar, 1, 77–99. Retrieved from www.ser.ufpr.br/geografar

40.  Oriental, C. (2011). Proveniencia y transformación diagenética de minerales arcillosos del Maastrichtiano - Paleoceno al norte de Bogotá , Cordillera Oriental de Colombia. Geología Colombiana., 36(1), 179–195.

41.  Oyaga Martínez, R. F. (2013). Realidades Ambientales de los Cuerpos de Agua del departamento del Atlántico, Colombia. INGENIARE, (14), 43–62.

42.  Pantaleone, L., & Tosini, M. (2014). Clasificación de cultivos a partir de imágenes satelitales LANDSAT EM. 6^o Congreso Argentino de AgroInformática, CAI.

43.  Pliscoff, P., & Fuentes-Castillo, T. (2011). Modelación de la distribución de especies y ecosistemas en el tiempo y en el espacio: una revisión de las nuevas herramientas y enfoques disponibles. Revista de Geografía Norte Grande, 79(48), 61–79. https://doi.org/10.4067/S0718-34022011000100005

44.  Presidente De La República De Colombia. (1974). Código Nacional de Recursos Naturales Renovables y de Protección al Medio Ambiente. Diario Oficial, 71. https://doi.org/10.1111/j.0954-6820.1937.tb03385.x

45.  QGIS Project. (2014). QGIS User Guide, 267. Retrieved from http://docs.qgis.org/1.8/pdf/QGIS-1.8-UserGuide-ca_ES.pdf

46.  Reyes, J., Santodomingo, N., & Flórez, P. (2010). Corales escleractinios de Colombia. Invemar Serie de Publicaiones Especiales, No. 14. https://doi.org/10.1017/CBO9781107415324.004

47.  Romanelli, L. (2006). Teoría del caos en los sistemas biológicos. Revista Argentina de Cardiología, 74(30), 478–482. https://doi.org/10.4067/S0718-09342002005100014

48.  Roy, D. P., Wulder, M. A., Loveland, T. R., C.E., W., Allen, R. G., Anderson, M. C., … Zhu, Z. (2014). Landsat-8: Science and product vision for terrestrial global change research. Remote Sensing of Environment, 145, 154–172. https://doi.org/10.1016/j.rse.2014.02.001

49.  Rullán-Silva, C., Gama-Campillo, L., Galindo-Alcántara, A., & Olthoff, A. (2011). Clasificación No Supervisada De La Cobertura De Suelo De La Región Sierra De Tabasco Mediante Imágenes Landsat Etm+. Universidad Y Ciencia, 27(1), 33–41. Retrieved from http://www.redalyc.org/resumen.oa?id=15419871003

50.  Salvatierra, H. C. (1997). Analisis multitemporal de la cobertura y uso de la tierra con apoyo de los sensores remotos 1 3. VIII Simposio Latinoamericano de Percepción Remota Y Sistemas de Información Espacial, 1–16.

51.  Sanchez-Santillan, N., & Garduño-Lopez, R. (2007). El clima, la ecologia y el caos desde la perspectiva de la teoria general de sistemas. Ingenieria Investigación Y Tecnologia VIII, 8(3), 183–195. Retrieved from http://www.scielo.org.mx/pdf/iit/v8n3/v8n3a5.pdf

52.  Sánchez, A. (2012). Manejo ambiental en Seaflower, Reserva de Biosfera en el Archipielago de San Andrés, Providencia y Santa Catalina. Documento de Trabajo Sobre Economía Regional, 48. Retrieved from http://www.banrep.gov.co/documentos/publicaciones/regional/documentos/dtser_176.pdf

53.  Scheldeman, X., & van Zonneveld, M. (2011). Modelación y análisis de distribución de especies. In Manual de Capacitación en Análisis Espacial de Diversidad y Distribución de Plantas (pp. 139–158).

54.  Silva, J. M. N., Sá, A. C. L., & Pereira, J. M. C. (2005). Comparison of burned area estimates derived from SPOT-VEGETATION and Landsat ETM+ data in Africa: Influence of spatial pattern and vegetation type. Remote Sensing of Environment, 96(2), 188–201. https://doi.org/10.1016/j.rse.2005.02.004

55.  Silva, T. I., & Rodrigues, S. C. (2009). Tutorial De Cartografia Geomorfológica Arcgis. Revista Geográfica Académica, 0–65.

56.  USGS. (2011). Landsat 7 Science Data Users Handbook Landsat 7 Science Data Users Handbook. National Aeronautics and Space Administration, 186.

57.  Vargas, G. (2004). Geología y Aspectos Geográficos de la Isla de San Andrés, Colombia. Geología Colombiana, (29), 73–89.

58.  Vidal, A. M., Villamil, C. M., & Alberto, A. (2005). Composición y densidad de corales juveniles en dos arrecifes profundos de San Andrés Isla, Caribe colombiano. Bol. Invest. Mar. Cost., 34, 211–226.

59.  Wulder, M. A., White, J. C., Masek, J. G., Dwyer, J., & Roy, D. P. (2011). Continuity of Landsat observations: Short term considerations. Remote Sensing of Environment, 115(2), 747–751. https://doi.org/10.1016/j.rse.2010.11.002

---

[1] Puntos con baja densidad biológica de especies, en relación a la dinámica ecosistemica

[2] Error promedio sobre la media aritmética de registros hexadecimales, medida de desviación del error usada a partir de la distribución de probabilidad Weibull.

[3] Triple Linea base, Analisis en el que se propone que el desarrollo equilibrado debe llevar a que todas las actividades ò proyectos deben tener en cuenta un equilibrio Social, Ambiental y Económico.

---

[1] Sistemas de drenajes existentes en la isla, su función es tratar los materiales residuales de las actividades económicas y controlar la descarga de material a los cuerpos hídricos marinos.

---

[1] Códigos del sistema WRS – Sistema Global Referenciado, Estos códigos de bloque y fila deben ser ingresados en la siguiente dirección: https://earthexplorer.usgs.gov/

---

[1] Sistemas de información geográfica

---

[1] Area ubicada en el lugar de descarga de un cuerpo hidrico superficial, para areas cercanas marítimas se han identificado diversas plantas que soportan el gradiente de sal de cuerpos marítimos a cuerpos superficiales.

[2] Especies propias de un area de estudio

[3] Sistema de información geográfica de diversas fuentes que muestra la relación entre datos geográficos, ambientales y sociales en un ámbito espacial e inclusivo a una población de estudio.

[4] Fuentes de información revelada por sensores remotos.

[5] Yepes Gaurisas D (2016): Expedición Providencia I - INVEMAR. v2.1. Instituto de Investigaciones Marinas y Costeras – INVEMAR. Dataset/Occurrence. http://doi.org/10.15472/j8iyvt