Mapeo multiespectral del impacto de piscinas camaroneras al ecosistema de manglar del Golfo de Guayaquil, Ecuador

Autores/as

  • Jonathan Zhiminaicela-Cabrera Facultad de Ciencias Agropecuarias, Universidad Técnica de Machala, Granja experimental Santa Inés, Av. Panamericana, Machala.
  • José Quevedo-Guerrero Facultad de Ciencias Agropecuarias, Universidad Técnica de Machala, Granja experimental Santa Inés, Av. Panamericana, Machala.
  • Yimabel Lalangui-Paucar Facultad de Ciencias Biológicas, Universidad Central del Ecuador, Ciudadela Universitaria Av. América, Quito.
  • Mauricio Mogro-Mendoza Facultad de Ciencias del Mar, Universidad Laica Eloy Alfaro de Manabí, Av. Circunvalación, Manta.
  • Joselyn Astudillo-Herrera Facultad de Ciencias Agropecuarias, Universidad Técnica de Machala, Granja experimental Santa Inés, Av. Panamericana, Machala.
  • Xavier Barzallo-Encalada Facultad de Ciencias Agropecuarias, Universidad Técnica de Machala, Granja experimental Santa Inés, Av. Panamericana, Machala.

DOI:

https://doi.org/10.17268/manglar.2020.039

Resumen

La producción acuícola ecuatoriana ha tenido crecimiento exponencial a los mercados internacionales, causando de manera directa un incremento en la extensión de hectáreas deforestadas especialmente en las zonas costeras de manglar del país. El objetivo de este estudio fue mapear y estimar el impacto que ha producido la deforestación producto de la actividad camaronera en los manglares del Golfo de Guayaquil, Ecuador. Para ello, se realizó un análisis espacial con imágenes satelitales Landsat de 1985 y 2017, se utilizó el índice espectral NDVI para mapear la cobertura vegetal y NDWI para mapear e identificar las piscinas camaroneras. Además, se realizó un análisis bibliográfico para conocer el posible impacto negativo de la deforestación. Los resultados obtenidos nos permitieron mapear las piscinas camaroneras, convirtiéndose en una posible herramienta para monitorear nuevas actividades de deforestación ilegal. La afectación directa se da en la red trófica produciendo afectaciones en la población que se dedica a la pesca artesanal de ictiofauna, malacofauna y carcinofauna, además degrada la barrera natural contra la erosión y la asimilación de carbono en el planeta aumentando así el efecto invernadero. Ecuador ha perdido aproximadamente 27% del manglar original, especialmente por la producción acuícola, el urbanismo y extracción de recursos naturales en esta región.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Ahmed, K.R.; Akter, S. 2017. Analysis of landcover change in southwest Bengal delta due to floods by NDVI, NDWI and K-means cluster with Landsat multi-spectral surface reflectance satellite data. Remote Sensing Applications: Society and Environment 8: 168–181.

Argandona, L.B. 2016. Sector Camaronero: Evolución y proyección a corto plazo. FCSHOPINA 87: 1-7.

Barsi, J.; Lee, K.; Kvaran, G.; et al. 2014. The Spectral Response of the Landsat-8 Operational Land Imager. Remote Sensing 6(10): 10232–10251.

Bastos, A.; Rosas, C.; Correa, D.; et al. 2018. Los manglares y su importancia para pesquerías en Quintana Roo. AvaCient 5(2): 89–95.

Blankespoor, B.; Dasgupta, S.; Lange, G.-M. 2017. Mangroves as a protection from storm surges in a changing climate. Ambio 46(4): 478–491.

Beitl, C.M.; Chavez-Paez, W.; Vanegas-Redondo, W.; et al. 2020. Socio-environmental Change, Food and Livelihoods in a Rural Mangrove Community. Investigation Research Review 13: 89–102.

Béland, M.; Goïta, K.; Bonn, F.; et al. 2006. Assessment of land‐cover changes related to shrimp aquaculture using remote sensing data: a case study in the Giao Thuy District, Vietnam. International Journal of Remote Sensing 27(8): 1491–1510.

Camacho-Velasco, A.; Vargas-García, C.A.; Rojas-Morales, F.A.; et al. 2015. Aplicaciones y retos del sensado remoto hiperespectral en la geología colombiana. Facultad de Ingeniería 24(40): 17-29.

Echeverría-Ávila, S.; Pérez-Ceballos, R.; Zaldívar-Jímenez, M.; et al. 2019. Regeneración natural de sitios de manglar degradado en respuesta a la restauración hidrológica. Madera y Bosques 25(1): 1-14.

Echeverría, A.; Pachacama, R.; Velasco, D. 2020. Monitoreo Ambiental del manglar en la Isla Puná con imágenes de alta resolución y su influencia en la pesca de Pinchagua (Opisthonema spp). 14(2): 21–35.

Gandrud, C. 2015. Investigación reproducible con R y R Studio. 2da. Edition. Nueva York: Chapman y Hall / CRC. 75 pp.

Gao, B. 1996. NDWI—A normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment 58(3): 257-266.

Goslee, S.C. 2011. Analyzing Remote Sensing Data in R: The landsat Package. Journal of Statistical Software 43(4): 1-25.

Colditz, R.R.; Acosta-Velázquez, J.; Díaz-Gallegos, J.R.; et al. 2012. Potential effects in multi-resolution post-classification change detection. International Journal of Remote Sensing, 33(20): 6426-6445.

Green, E.P.; Clark, C.D.; Mumby, P.J.; et al. 1998. Remote sensing techniques for mangrove mapping. International Journal of Remote Sensing 19(5): 935-956.

Hernández-Félix, L.; Molina-Rosales, D.; Agraz-Hernández, C. 2017. Servicios ecosistémicos y estrategias de conservación en el manglar de Isla Arena. Agricultura, Sociedad y Desarrollo 14(3): 427-449.

Kauffman, J.B.; Bernardino, A.F.; Ferreira, T.O.; Bolton, N.W.; Gomes, L.E. de O.; Nobrega, G.N. 2018. Shrimp ponds lead to massive loss of soil carbon and greenhouse gas emissions in northeastern Brazilian mangroves. Ecology and Evolution 8(11): 5530-5540.

Larriva Ampuero, G., Hinojosa Moncayo, J. P., & Gutiérrez Northía, A. (2018). Buenas prácticas en el ecoturismo. Caso de estudio: provincia del Guayas, Ecuador. Revista Universidad y Sociedad, 10(1): 150-155.

Leutner, B.; Horning, N.; Schwalb-Willmann, J.; Hijmans, R.J. 2017. RStoolbox: Tools for Remote Sensing Data Analysis. Disponible en: https://cran.r-project.org/web/packages/RStoolbox/index.html

MAE; FAO. 2014. Árboles y Arbustos de los Manglares del Ecuador. Quito. Editorial MAE.

Moity, N.; Delgado, B.; Salinas-de-León, P. 2019. Mangroves in the Galapagos islands: Distribution and dynamics. PLOS ONE 14(1): e0209313.

Pernía, B.; Mero, M.; Muñoz, J.; et al. 2019. Plantas acuáticas con potencial para fitoextracción de Cadmio en arrozales del cantón Daule, provincia del Guayas, Ecuador. Revista de Ciencias Naturales y Ambientales 10(2): 37-51.

Príncipe, E.; Willems, B. 2018. Aplicación del Algoritmo de Redes Elásticas en imágenes satelitales. Revista de Investigación de Física 21(1): 5-18.

Rodríguez-Crespo, D.C.G.; Aguirre-León, L.G.; Chiriboga-Calderón, F. 2016. La gestión ambiental empresarial, su función frente a los cambios climáticos globales. Camaroneras, caso: manglares de Ecuador. Universidad y Sociedad 8(3): 43-50.

Salgado, N.R. 2014. Neoliberalismo e industria camaronera en Ecuador. Letras Verdes. Revista Latinoamericana de Estudios Socioambientales 15: 55-78.

Tong, P.H.S.; Auda, Y.; Populus, J.; et al. 2004. Assessment from space of mangroves evolution in the Mekong Delta, in relation to extensive shrimp farming. International Journal of Remote Sensing 25(21): 4795-4812.

Yánez-Arancibia, A.; Lara-Domínguez, A.L. 1999. Ecosistemas de Manglar en Américun Tropical. Instituto de Ecología AC México, UICN / ORMA, Costa Rica. 8-16.

Zhiminaicela-Cabrera, J.; Quevedo-Guerrero, J.; Morocho-Castillo, A. 2020. Deforestation and vegetation cover changes in the Jambelí Archipelago, using Landsat-8 satellite images. Manglar 17(2): 153-157.

Descargas

Publicado

09/16/2020

Número

Vol. 17 Núm. 3 (2020): Julio-Septiembre

Sección

ARTÍCULO ORIGINAL

Licencia


Manglar is an open access journal distributed under the terms and conditions of Creative Commons Attribution 4.0 International license

Cómo citar

Mapeo multiespectral del impacto de piscinas camaroneras al ecosistema de manglar del Golfo de Guayaquil, Ecuador. (2020). Manglar, 17(3), 269-274. https://doi.org/10.17268/manglar.2020.039