Revista Geoespacial 2018geoespacial.espe.edu.ec/wp-content/uploads/2019/06/Geoespacial-1… · Se...

Revista Geoespacial 2018


Revista Geoespacial Vol. 15 Nº1

Departamento de Ciencias de la Tierra y ConstrucciónUNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE


Revista Geoespacial Vol. 15 Nº 1Revista oficial de difusión científica y tecnológica en el área delas Ciencias Geoespaciales de la Universidad de las Fuerzas Armadas ESPE

Periocidad:La revista Geoespacial es publicada semestralmente

Revista Geoespacial, Volumen 15 Nº 1, Junio 2018

Editor:Dr. Alfonso TierraDepartamento de Ciencias de la Tierra y Construcción de la Universidad de las Fuerzas Armadas ESPE

Comité Editorial:Dr. Theofilos ToulkeridisM. Sc. Mario CruzDr. Oswaldo Padilla

Comité Científico: Dr. Roberto Luz Teixeira – IBGE - Brazil Dr. Gustavo Barrantes – Universidad Nacional - Costa Rica M. Sc. Rodrigo Márquez – Universidad Osorno - Chile Dr. Vinicio Carrera – ESPE - Ecuador Ph.D Luis Cumbal – ESPE-Ecuador Dr. Pascal Podwojewski – IRD - France Dr. Christoph Heubeck – Freie Universitat Berlin - Germany Dr. Hans Joachim Massonne – University of Stuttgart - Germany Dr. Arne Willner Ruhr – University of Bochum - Germany Dr. Mariano Cerca – UNAM - México M.Sc. Noris Martínez – Universidad Tecnológica de Panamá - Panamá Ph.D. Robert Buchwaldt – MIT - USA Ph.D. Steven Taylor – University of Illinois - USA Ph.D. Aaron Addison – Washington University - USA

Diseño de portada y contraportada:B.A. David Cabrera R.

Edición gráfica, diseño y diagramación:B.A. David Cabrera R.

Preguntas y CorrespondenciaDepartamento de Ciencias de la Tierra y Construcción de la Universidad de las Fuerzas Armadas ESPE

Av. Gral. Rumiñahui S/N. Sangolquí – Pichincha – Ecuador. [email protected] contenidos de los artículos, aquí publicados, son de responsabilidad de los autores.

Revista Geoespacial Vol. 15 Nº 1, Junio 2018ISSN 1390-3993


Revista Geoespacial

Sumario

Volumen 15 Nº 1, 2018

ANÁLISIS DE LA INCIDENCIA EN EL FLUJO VEHICULAR DE LAS NUEVAS PLATAFORMAS GUBERNAMENTALES EN LA PARROQUIA IÑAQUITO. Andrea Baquerizo; Daniela Cevallos; Armando Echeverría; Henry Vilatuña ..................................

PROPUESTA DE DECLARACIÓN DEL ESPECTRO ELECTROMAGNÉTICO PARA ECUADORMyrian Herrera; Luis Porras; Carlos Estrella ...................................................................................

CÁLCULO DE BIOMASA AÉREA Y CARBONO CAPTURADO DE LA RESERVA YANACOCHA A TRAVÉS DE IMÁGENES SATELITALESArmando Echeverría; Ricardo Pachacama; Yolanda Villaverde; Nicole Proaño ...............................

GEOPRONÓSTICOS DE ASENTAMIENTOS CON CONSTRUCCIONES CIVILES EN LAS PERIFERIAS DE LA CIUDAD BASADO EN AUTÓMATAS CELULARES: CASO ZONA NORTE-CALDERÓNRené Ulloa, Elisa Lalama .................................................................................................................

PRECIOS DE MERCADO COMO MEDIO DE VALORACIÓN DE LOS BENEFICIOS AMBIENTALES DE LAS RESERVAS MARINO COSTERAS DEL ECUADORAna Gabriela Cadena, Darío Echeverría, Lisseth Fierrro Romero, Karla Vargas, Fabián Rodríguez Espinosa ...........................................................................................................................................

Pag.

1

15

33

45

60


ANÁLISIS DE LA INCIDENCIA EN EL FLUJO VEHICULAR DE LAS NUEVAS PLATAFORMAS GUBERNAMENTALES EN LA PARROQUIA IÑAQUITO.

ANALYSIS OF THE INCIDENT IN THE TRAFFIC FLOW OF THE NEW GOVERNMENTAL PLATFORMS IN THE PARISH IÑAQUITO.

ANDREA BAQUERIZO1; DANIELA CEVALLOS1; ARMANDO ECHEVERRÍA1; HENRY VILATUÑA2.

1UNIVERSIDAD DE LAS FUERZAS ARMADAS – ESPE. Av. general Rumiñahui s/n. Sangolquí, Ecuador. P.Box 171-5-231B, [email protected], [email protected]. [email protected]. 2SECRETARIA DE MOVILIDAD DEL DISTRITO METROPOLITANO DE QUITO. Sucre y Bolivar, Quito, Ecuador, [email protected].

Recibido: 2 de agosto de 2017 / Aceptado: 23 de enero de 2018

RESUMEN

La parroquia Iñaquito al ser parte del hipercentro de la ciudad concentra diferentes equipamientos (sociales, culturales, administrativos, etc.) considerados como puntos de atracción; los cuales generan una alta demanda en el flujo vehicular dentro de la zona, ocasionando así que se vuelva imposible mantener una movilidad sostenible. El presente proyecto se enfocó en analizar la incidencia en el aumento del flujo vehicular debido a la implementación de la Plataforma Gubernamental Financiera y del Complejo Judicial Norte definiendo tiempos de viaje con y sin proyectos. La metodología se basó en la determinación de los tiempos de viaje (impedancias); para lo cual se utilizó el promedio semanal del flujo vehicular (abril 2016) en el horario de 7:00 a 8:00 del área de influencia directa de la zona, delimitada por las avenidas: 10 de Agosto, Gaspar de Villarroel, Shyris y Naciones Unidas; con ayuda del software Synchro.8 y tomando en cuenta las diferentes demoras se determinaron las velocidades reales de los vehículos, en un total de 55 intersecciones (232 sentidos) y junto con la distancia de cada una de las avenidas y calles se calcularon los tiempos de viaje 2016; adicionalmente para el cálculo de los tiempos de viaje 2017 se tomó en cuenta: el porcentaje del incremento anual del parque vehicular del DMQ (5,7%) y el porcentaje de aumento del flujo vehicular del transporte privado generados por ambos proyectos. Se obtuvo que el 54% de las vías cercanas a los proyectos presentaron una mayor demanda vehicular lo que ocasionó un aumento en sus tiempos de viaje y que el 46% mantuvieron igual e incluso disminuyeron sus tiempos de viaje debido a su baja demanda vehicular.

Palabras clave: movilidad, implementación, Iñaquito, impedancia, Synchro.

ABSTRACT

The parish of Iñaquito, part of the hypercenter of the city, concentrates a variety of features (social, cultural, administrative, etc.) considered points of attraction; these generate a high flow of traffic inside the zone, occasionally to the point at which it becomes impossible to maintain sustainable movement. The present project focuses on analyzing the impact of the increase in the flow of traffic due to the implementation of the Governmental Financial Platform and the Northern Judicial Complex defining trip durations with and without the projects. The methodology is based on determining trip durations; calculated using the average weekly flow of traffic (April 2016) from the hours of 7:00 until 8:00 in the area directly influenced by the zone, demarcated by the following avenues: 10 de Agosto, Gaspar de Villarroel, Shyris, and Naciones

Revista GEOESPACIAL (2018) 15/1: 1-14


2 Pag. Salcedo, et al.

Unidas; with the help of Synchro.8 software and taking into account the different delays, the actual speeds of the vehicles are determined, in a total of 55 intersections (232 directions) and together with the distance of each of the avenues and streets, the trip durations 2016 are calculated; additionally, for the calculations of the trip durations 2017 the following were taken into account: the percentage of the annual increase in vehicle parking in the metropolitan district of Quito (5.7 %) and the percentage of increase in the traffic flow of private transportation generated by both projects. It was discovered that 54% of the roads close to the projects present a large vehicular demand, which caused the increase in the trip durations, and that 46% stayed the same or decreased their trip durations due to their low vehicular demand.

Key words: mobility, implementation, Iñaquito, impedance, Synchro.

INTRODUCCIÓN

La parroquia Iñaquito ubicada en el centro norte de Quito, concentra gran afluencia de personas a todas horas del día; actualmente es conocida por ser parte del hipercentro de la ciudad, ya que en ella se encuentran los principales equipamientos que pueden considerarse como una desventaja, ya que convierte a la zona en desarticulada y caótica en cuanto al flujo vehicular. Al añadir: la Plataforma Gubernamental de Gestión Financiera y el Complejo Judicial Norte, los cuales comprenden varios conjuntos de edificios que se definen como núcleos de gestión administrativa, financiera y de servicio público, implicará un crecimiento vertiginoso del parque vehicular, y en la concurrencia de personas, provocando así complejidad en la movilidad vehicular de la zona (Secretaria de Movilidad, 2015).

El décimo primer Objetivo de Desarrollo Sostenible (ODS) fijados en el año 2015 por las Naciones Unidas propone lograr que las ciudades y los asentamientos humanos sean inclusivos, seguros, resilientes y sostenibles (ONU, 2015), así como el Objetivo 7 del plan nacional del buen vivir habla de garantizar los derechos de la naturaleza y promover la sostenibilidad ambiental, territorial y global (PNBV, 2013). Para cumplir con dichos Objetivos se debe contar con estudios sobre gestión en la fluidez vehicular donde se identifique los diferentes modos de transporte que se desplazan a lo largo de la red vial y los aspectos que influyen directamente en el tiempo de viaje que realizan los ciudadanos. (Secretaria de Movilidad, 2015). Es por ello que la presente investigación se planteó la siguiente hipótesis: La implementación de las nuevas plataformas gubernamentales está asociada al incremento de tiempos de viaje en el flujo vehicular dentro de la parroquia Iñaquito.

DESCRIPCIÓN DEL ÁREA DE ESTUDIO

El proyecto se desarrolló en la zona de influencia directa de la parroquia de Iñaquito, ubicada en la administración zonal Eugenio Espejo del Distrito Metropolitano de Quito, cuya área es de 7,74 Km2; lo que corresponde al 6,86% del suelo urbano de la zona. Los ejes arteriales que delimitan el área de estudio son: Av. Gaspar de Villarroel, Av. 10 de Agosto, Av. Naciones Unidas y Av. De los Shyris; como se muestra en la Figura 1.


3Evaluación de susceptibilidad a deslizamientos Pag.

METODOLOGÍA

RECOPILACIÓN Y VALIDACIÓN DE DATOS

Se recopiló informes técnicos, conteos de flujos vehiculares semanales de todo el mes de abril del año 2016, realizados por la Secretaria de Movilidad, sobre los 58 puntos de muestreo del área de estudio en el horario de 7:00 a 8:00 am.

Los datos primarios del flujo vehicular del mes de abril 2016 fueron levantados, procesados y validados por la Secretaria de Movilidad mediante conteos manuales por técnicos de la institución mientras que los datos secundarios (flujo vehicular semanal abril 2016) fueron validados a través de métodos estadísticos: identificación de los límites de advertencia y de control, a través del cálculo de la media aritmética y desviación estándar, en la Figura 2 se muestra los datos que fueron levantados donde se identifica tanto los movimientos vehiculares como cada una de las direcciones existentes en el área de estudio.

Figura 1: Plano de la zona de influencia directa de la parroquia Iñaquito



CÁLCULO DE TIEMPOS DE VIAJE 2016

Dentro del Interfaz del software Synchro 8 se ingresó cartografía base para la construcción de la red vial, se utilizó una restitución georreferenciada del Distrito Metropolitano de Quito del año 2015 escala 1/1000; además se ingresaron valores sobre la configuración vial, flujo vehicular mensual y configuración semafórica para obtener estimaciones de velocidad y distancias de cada una de las intersecciones analizadas.

Para la determinación de la distancia real de cada una de las intersecciones del área de estudio, el software Synchro 8 tomó las distancias trazadas inicialmente con la cartografía base 1/1000, y para la determinación de la velocidad media actual el software elaboró gráficos estadísticos calculadas a través de las demoras de control (d).

• Demoras por control (d)

La demora por control incluye el movimiento a bajas velocidades y las detenciones en los accesos a las intersecciones, cuando los vehículos disminuyen la velocidad o cambian de posición en la cola (Cal, et al. 2007). Se calcula con la siguiente expresión:

Figura 2. Movimiento y dirección de los datos recolectados



d=d1 (PF)+d2 (1)

Donde:

• Factor de ajuste por coordinación (PF)

Se denomina a la buena coordinación de semáforos dando como resultado una proporción alta de vehículos que llegan en verde, este factor solo afecta a la demora uniforme (Cal, et al. 2007). Se calcula con la siguiente expresión:

(2)

Dónde:

p = proporción de vehículos que llegan en verde.fPA = Factor de ajuste suplementario por grupos vehiculares que llegan durante el verde. g/c = Proporción de tiempo verde disponible.

• Demora uniforme (d1)

La demora uniforme (d1), es la demora que ocurriría si los vehículos llegaran uniformemente distribuidos; tal que no existe saturación durante ningún ciclo (Cal, et al. 2007). Se determina mediante la siguiente expresión:

(3)

Dónde:

C= duración del ciclo semafórico (s).g= tiempo del verde efectivo (s).Xi= Relación volumen/ capacidad.



• Relación volumen/ capacidad

Es el grado de saturación dada por la relación entre capacidad y volumen vehicular para mantener facilidad de transporte. (Wachs et.al., 2000). Se determina mediante la siguiente expresión:

(4)

Dónde:

• Demora incremental (d2)

La demora incremental (d2) toma en consideración las llegadas aleatorias, que ocasiona que algunos ciclos se sobresaturen (Cal, et al. 2007). Se determina mediante la siguiente expresión:

(5)

Dónde:

T= duración del periodo de analisis (0,25h)k= factor de demora incremental que depende del ajuste de los controles en intersecciones accionadas. k= 0,5 para intersecciones predeterminadas.l= factor de ajuste por entradas de la intersección corriente arriba. l=1 para intersecciones predeterminadas.

• Velocidad de viaje (Vv)

Es el promedio de velocidad en km/h del flujo de tráfico calculado como la longitud del segmento de la vía dividido para el promedio de los tiempos de las demoras de los vehículos que atraviesan el segmento (Wachs, et.al., 2000). Se determina mediante la siguiente expresión:



(6)

Dónde:

L= longitud del segmento (km)Tt= tiempo total de demoras (s)

Una vez calculados los dos componentes principales para determinar los tiempos de viaje que un vehículo gasta en un determinado segmento vial: distancia recorrida y la velocidad de viaje resultante de las demoras producidas por las intersecciones señalizadas (Wachs, et.al., 2000). Se determina mediante la siguiente expresión:

(7)

Dónde:

Tv = tiempo de viaje d= distancia recorrida v= velocidad de viaje

PREDICCIÓN DE TIEMPO DE VIAJE 2017

Para el análisis de la generación de tráfico por el flujo vehicular atraído por la plataforma gubernamental financiera y el complejo judicial norte se tomó en:

• Encuestas origen – destino

Para la determinación de la composición del tráfico se basó en los resultados de las encuestas de origen destino, realizadas por la Secretaria de Movilidad 2015 donde se identificó el modo de transporte de los funcionarios que ingresarán a ambos proyectos, teniendo como resultado que ingresaran 1330 vehículos privados y taxis a la Plataforma Gubernamental Financiera (PGF) y 259 vehículos privados al Complejo Judicial Norte (CJN) como se visualiza en la Tabla 1:



Tabla 1. Modos de transporte de funcionarios a cada uno de los proyectos en estudio.

Modo de transporte Funcionarios del CJN Funcionarios de la PGFTransporte público 253 2.470

Transporte particular 259 722Taxis - 608Otros 140 -Total 652 3.800

Para la determinación de la llegada de usuarios al proyecto en el horario de 7:00 a 8:00, se tomó en cuenta de los estudios de impacto ambiental de la plataforma Gubernamental Financiera y el Complejo Judicial Norte, para conocer el número de estacionamientos destinados para usuarios y se consideró la hipótesis que en dicha hora se ocuparía el 25% de las plazas asignadas, es decir se consideraron 90 vehículos privados de llegada a la plataforma Gubernamental financiera y 49 al Complejo Judicial Norte.

• Distribución espacial del flujo vehicular

Para conocer la distribución espacial de los vehículos privados que ingresaran a los proyectos se tomó en cuenta la Encuesta domiciliaria de movilidad realizada por la Secretaria de Movilidad en el 2011 (EDM, 2011); donde se identificó el porcentaje de ingreso de vehículos privados por cada una de las administraciones zonales del Distrito Metropolitano de Quito a la parroquia Iñaquito, porcentaje que fue asignado al área de influencia directa en estudio como se indica en la Tabla 2:

Tabla 2. Porcentajes de ingreso de vehículos privados por administración zonal

Administraciones zonales

Vehículos privados Iñaquito

Vehículos privados área de

estudio (7-8)

% vehículos privados Iñaquito

Quitumbe-Sur 4.438 1.081 8%Centro 2.984 727 6%Norte 24.564 5.984 46%La delicia- Calderón 16.320 3.976 30%Tumbaco 3.570 870 7%Los Chillos 2.095 510 4%

• Planteamiento de rutas de acceso

Existen varias posibilidades en cuanto a rutas de acceso a los proyectos, sin embargo la presente investigación estableció un escenario tomando en cuenta una de dichas posibilidades. A continuación se indica como ejemplo las rutas de acceso establecidas



para la administración zonal Quitumbe – Sur urbano hacia los proyectos tomando en cuenta el porcentaje de ingreso de vehículos privados calculados anteriormente y expuesto en la Tabla 2.

Quitumbe – Sur Urbano (8%):

» Desde la Av. Naciones Unidas (redondel), Iñaquito, Alfonso Pereira y Japón » Desde la Av. Naciones Unidas (redondel), Iñaquito y Alfonso Pereira.

Para el cálculo de los tiempos de viaje 2017 se utilizó la misma metodología que para el cálculo de tiempos de viaje 2016 realizando cambios en la red vial en el software Synchro 8, el ingreso del nuevo flujo vehicular tomando en cuenta el aumento de vehículos privados por cada uno de los proyectos y el aumento del parque automotor anual (5,7%), para así generar nuevas velocidades y poder calcular los nuevos tiempos de viaje con la presencia de los proyectos.

VALIDACIÓN DE TIEMPOS DE VIAJE 2017 / HIPOTESIS

• Validación de tiempos de viaje 2017

La Validación de datos se la realizó a través de la verificación de tiempos de viaje en el área de estudio. Se tomó una muestra de población finita del total de intersecciones al 95% de confiabilidad. La selección de las intersecciones se la realizó a través del criterio del muestreo por conglomerados (población en grupos parecidos) y para seleccionar las intersecciones se utilizó el criterio del muestro sistemático. Una vez realizada la verificación de los tiempos de viaje en salidas de campo se validaron a través de pruebas de hipótesis para comprobar la semejanza de los datos cálculos y los datos medidos en campo. A continuación se muestra las pruebas de hipótesis que se realizaron.

Prueba F para varianzas de dos muestras

(8)

Dónde:

S2x = Estimación de varianza1

S2w = Estimación varianza2

Prueba T (Varianzas poblacionales desconocidas pero supuestamente iguales)



(9)

(10)

Dónde:

x , y = promedios variable 1, 2

μx ,μy = porcentaje de las variables

S2x , S

2y = varianza muestral 1, 2

nx, ny = número de datos variable 1, 2

• Validación de la hipótesis (tiempos abril 2016 vs tiempos abril 2017)

Una vez calculados los tiempos de viaje abril 2016 – abril 2017 se realizó la prueba Z de distribución de diferencias de medias muestrales para dos poblaciones normales.

(11)

Dónde:

RESULTADOS

Una vez comparados los tiempos de viaje 2016 - 2017 se obtuvo que de un total de 232 sentidos; en 125 se presentó un aumento de tiempos de viaje en un rango de 0,04 a 3,88 min; en 77 sentidos se mantuvieron sus tiempos y en los 30 restantes se verificó una disminución de tiempos de viaje en un rango de 0,07 a 1,19 min; como se muestra en la Tabla 3.



Tabla 3: Comparación de los tiempos de viaje 2016 – 2017

Número de sentidos Comparación de tiempos de viaje 2016 - 2017 Rangos de tiempo125 Aumentó 0,04 – 3,88 min77 Igual 0 min30 Disminuyó 0,07 – 1,19 min

A continuación se muestra la distribución del conjunto de datos correspondientes a los resultados de los tiempos de viaje Abril 2016 y 2017; como se observa en la figura 3 y 4.

En porcentaje, dichos resultados representan: el 54% a los 125 sentidos que aumentaron sus tiempos de viaje, el 33% a los 77 sentidos que mantuvieron sus tiempos y el 13% a los 30 sentidos que disminuyeron sus tiempos de viaje. Lo anterior expuesto se muestra a continuación en la Figuras 5 y 6, donde se muestra el porcentaje de aumento / disminución en los tiempos de viaje y los resultados del software Synchro 8 donde se verifica la disminución de velocidades en el área de estudio.

Figura 4. Histograma de la distribución de los tiempos de viaje Abril 2017.

Figura 3. Histograma de la distribución de los tiempos de viaje Abril 2016.



De esta manera se lograron establecer las vías de afectación por la incidencia de ambos proyectos; se determinó que algunas de las vías con una afectación alta fueron: la Av. Naciones Unidas, Av. Amazonas, Av. Gaspar de Villarroel, Av. De los Shyris; entre otras. Como resultado de este análisis se obtuvo un plano a escala de trabajo 1:1000; el cual representó la afectación de la incidencia de los proyectos a las diferentes direcciones de todas las vías del área de estudio, como se muestra en la Figura 7.

Para la comprobación de la hipótesis se realizó la prueba Z para varianzas poblacionales conocidas en donde la hipótesis nula fue rechazada (U1 ≥ U2); donde U1 representa los tiempos de viaje 2016 y U2 los tiempos de viaje 2017 por lo tanto se aceptó la hipótesis alternativa (U1 < U2) lo que significó que los tiempos de viaje abril 2017 fueron mayores a los tiempos de viaje abril 2016.

Figura 5. Análisis de tiempos de viaje 2016 – 2017

Figura 6. Resultados de la disminución de velocidades 2016-2017 en el software Synchro 8



DISCUSIÓN

Los 125 sentidos con un aumento en sus tiempos de viaje representaron el 54% del total; dicho porcentaje se evidenció en las vías de acceso a los nuevos proyectos, debido a que los conductores tienen una mayor preferencia hacer uso de estas vías para sus diferentes viajes a lo largo del día. El 46% representado por aquellos sentidos cuyos tiempos de viaje se mantuvieron o incluso disminuyeron se hizo evidente en vías con una menor demanda vehicular y en vías que no están vinculadas con el acceso a los proyectos.

En dicho análisis se tomaron en cuenta ciertas variables vinculadas al congestionamiento vehicular como por ejemplo: características físicas de las vías, presencia de señales de tránsito, duración de los ciclos semafóricos, entre otras; sin embargo para un análisis más complejo seria indispensable considerar otras variables relacionadas, como: la presencia de peatones, presencia de bicicletas o motocicletas, presencia de las paradas formales del transporte público e incluso tomar en cuenta otros equipamientos como centros de recreación, escolares u otras instituciones públicas que se encuentren dentro de la zona.Es importante también mencionar que el horario escogido para el desarrollo del proyecto fue de 7:00 a 8:00 horas, debido a que se consideró el horario de entrada de los funcionarios a los proyectos; sin embargo la zona de estudio al ser generadora de una gran cantidad de viajes cuenta con diferentes horarios a lo largo del día que reflejan una alta demanda vehicular; por lo tanto en futuros estudios sería importante analizar el flujo vehicular dentro de la zona tomando en cuenta diferentes horarios.

Figura 7. Plano de las vías afectadas por la incidencia de los proyectos



CONCLUSIONES

Dentro del área de estudio existió un aumento de tiempo de viaje en 125 sentidos en un rango de 0,01 a 3,07 minutos, lo que represento un 54%; en 77 sentidos se mantuvieron los mismos tiempos de viaje que represento el 33% y en 30 sentidos hubo una disminución en sus tiempos de viaje en un rango 0,07 a 1,19 lo que represento un 13%.

Las rutas óptimas generadas para cada uno de los proyectos gubernamentales en la zona de estudio fueron 7 con diferentes orígenes: norte, centro-sur, valles; de las cuales en el escenario 2016 se obtuvo un rango en sus tiempos de viaje de 3-11 minutos de viaje y en el escenario 2017 se mantuvieron en su mayoría las mismas rutas con un aumento en sus tiempos de viaje de 0-6 minutos, a excepción de las entradas centro-sur y valles que generaron rutas diferentes debido a que las opciones anteriores generaban mayores tiempos de viaje.

La hipótesis que se planteó en la investigación: La implementación de las nuevas plataformas gubernamentales está asociada al incremento de tiempos de viaje en el flujo vehicular dentro de la parroquia Iñaquito; fue validada mediante pruebas de hipótesis y aceptada como verdadera.

AGRADECIMIENTOS

Los autores agradecen a la Secretaria de Movilidad por la colaboración en el desarrollo y en la obtención de la información requerida para la investigación realizada.

REFERENCIAS

Cal., R, et al. , (2007). Ingeniería de tránsito. México D.F., México: Alfaomega grupo editor.

Organización de las Naciones Unidas (O.N.U.) (2015). Objetivos de desarrollo sostenible. http://www.un.org/sustainabledevelopment/es/cities/. Ingresado: 23 de agosto del 2016.

Plan Nacional del Buen Vivir (PNBV), (2013). Objetivos del plan nacional del buen vivir. http://www.buenvivir.gob.ec. Ingresado el 23 de agosto del 2016.

Secretaría de Movilidad (2011). Encuesta domiciliaria de Movilidad 2011.Quito, Ecuador.

Secretaría de Movilidad (2015). Diagnóstico de la movilidad en el distrito metropolitano de quito para el plan metropolitano de desarrollo territorial (PMOT). http://gobiernoabierto.quito.gob.ec. Ingresado: 23 de agosto del 2016.

Wachs, M. et.al. (2000). High capacity manual (HCM). Washington, Estados Unidos.


PROPUESTA DE DECLARACIÓN DEL ESPECTRO ELECTROMAGNÉTICO PARA ECUADOR

PROPOSAL OF ELECTROMAGNETIC SPECTRUM DECLARATION FOR ECUADOR

Myrian Herrera1; Luis Porras1; Carlos Estrella1 2 3.

1 INSTITUTO GEOGRÁFICO MILITAR, QUITO, ECUADOR. Seniergues E4-676 y Gral. Telmo Paz y Miño, Quito, Ecuador. E-mail: [email protected]; [email protected]; [email protected] GRUPO DE INVESTIGACIÓN GEOESPACIAL, UNIVERSIDAD DE LAS FUERZAS ARMADAS, “ESPE”, SANGOLQUÍ, ECUADOR. Av. General Rumiñahui S/N, Sangolquí, Ecuador. E-mail: [email protected] INSTITUTO GULICH, UNIVERSIDAD NACIONAL DE CÓRDOBA/COMISIÓN NACIONAL DE ACTIVIDADES ESPACIALES, CÓRDOBA, ARGENTINA. Ruta Provincial C45 a 8 Km CP 5187 Falda del Cañete, Córdoba, Argentina. E-mail: [email protected]

RESUMEN

El presente trabajo muestra el estado del arte respecto de los diferentes límites asignados a cada rango del espectro electromagnético por distintos autores y organismos internacionales, y busca a través de esta revisión establecer una única “Propuesta de declaración del espectro electromagnético para Ecuador”, que claramente identifique estos límites y aporte a la universalización de criterios y lenguaje, comparación de resultados interinstitucionales e internacionales de forma clara y precisa, y sirva como aporte para identificar de manera objetiva las secciones no atendidas del espectro, para la adecuada planificación, uso y, gestión de este recurso, por parte de los diferentes actores e instituciones públicas y principalmente en atención a los ejes de Seguridad y Defensa Nacional.

Palabras claves: Espectro electromagnético, gestión del espectro electromagnético, propuesta de declaración espectro electromagnético.

ABSTRACT

The present work shows the state of art about the different limits assigned to each range of the electromagnetic spectrum by different authors and international organizations, and searches through the bibliographic review to establish a single “Proposed declaration of the electromagnetic spectrum for Ecuador”, that clearly identify these limits and contribute to the universalization of criteria and language, comparison of interinstitutional and international results in a clear and precise way, and serve as a contribution to identify in an objective way the sections not attended of the spectrum, for the proper planning, use and management of this resource, by the different actor and public institutions and mainly in attention to the axes of Security and National Defense.

Keywords: Electromagnetic spectrum, management of the electromagnetic spectrum, electromagnetic spectrum statement proposal.



16 Pag. Herrera, et al.

INTRODUCCIÓN

El espectro electromagnético es el rango completo de todas las radiaciones electromagnéticas (National Aeronautics and Space Administration, 2011), Radio, Microondas, Infrarrojo, Visible, Ultravioleta, Rayos X y Rayos Gamma (National Aeronautics and Space Administration, 2014), y es considerado como un recurso económico y técnico, por lo que su eficaz utilización puede tener un impacto elevado en la prosperidad de un país (Unión Internacional de Telecomunicaciones, 2009).

Su adecuada utilización respecto de la distribución energética de las ondas electromagnéticas, el entendimiento claro de su comportamiento e interacción con los objetos, y la implementación de buenas prácticas de gestión y reglamentación respecto de uso, posibilita que los usuarios puedan mejorar sus aplicaciones, servicios, tecnologías y métodos de medición entre otros posibles beneficios.

En tal razón y con el objetivo de aportar a los procesos de buenas prácticas de gestión y reglamentación en el uso de este recurso, se plantea una “Propuesta de declaración del espectro electromagnético para Ecuador”, que contribuya con la delimitación y estandarización de los rangos de las sub clasificaciones del espectro, sirviendo como guía de información para las instituciones y usuarios relacionados con la planificación, uso y gestión de este recurso, en aporte tanto a la universalización de criterios y lenguaje, así como punto de partida para la comparación de resultados a nivel interinstitucionales e internacionales fruto del uso de este recurso y entre otros beneficios el ayudar a enfocar de manera objetiva los esfuerzos de gestión en aquellas secciones no atendidas del espectro.

DEFINICIÓN DEL ESPECTRO ELECTROMAGNÉTICO

Las ondas electromagnéticas son la propagación simultánea de los campos eléctricos y magnéticos producidos por una carga eléctrica en movimiento, campos que son mutuamente perpendiculares entre sí y perpendiculares a la dirección de propagación de las ondas, y que a su vez, conforman la radiación electromagnética (Fontal, Suárez, Reyes, Bellandi, Contreras, & Romero, 2005) (Ver Figura 1).

Las ondas electromagnéticas transportan energía electromagnética y movimiento desde alguna fuente a un receptor y se desplazan en el vacío a la velocidad de la luz c = 299.792 km/s, los parámetros que caracterizan este movimiento son la longitud de onda (λ) y la frecuencia (ν) de las ondas electromagnéticas, que se relacionan mediante la expresión c= λν, que permite determinar su energía, su visibilidad, su poder de penetración y otras características (Fontal, Suárez, Reyes, Bellandi, Contreras, & Romero, 2005).


17Propuesta de declaración del espectro electromagnético para Ecuador Pag.

Figura 1: Ondas electromagnéticas Fuente: (Aggarwal, Principles of remote sensing, 2004.

Existen dos teorías que describen el comportamiento de la energía electromagnética, la teoría básica de las ondas antes descrita, que indica que la energía que se propaga viaja a la velocidad de la luz con un movimiento armónico sinusoidal y la teoría de las partículas que explica que la energía electromagnética interactúa con la materia y está compuesta de partículas discretas llamadas fotones/quantos, en donde la energía del fotón es (Aggarwal, 2004):

Q=hc / λ = hλ (1)

Donde Q es la energía del fotón y h la constante de Planck.

La radiación electromagnética es referida a la propagación de la energía a través del espacio en forma de ondas (Unión Internacional de Telecomunicaciones, 2009), y el espectro electromagnético es el rango completo de todas estas radiaciones (National Aeronautics and Space Administration, 2011), que se expresan en función ya sea de la longitud de onda o de la frecuencia que es inversamente proporcional a la longitud de onda de la energía electromagnética propagada, donde a menor longitud de onda mayor frecuencia y viceversa (Canada Centre for Remote Sensing, 2016).

El límite teórico inferior es el 0, no existiendo frecuencias negativas, la longitud de onda más pequeña posible es la longitud de Planck (lp≈1,616199 (97) *10-35 m), por debajo de la cual se espera que el espacio deje de tener una geometría clásica, y el límite teórico superior es el ∞. (Ordóñez, 2012).

A efectos prácticos, el espectro electromagnético se extiende desde las longitudes de onda más largas incluyendo microondas y radio hasta las longitudes más cortas incluyendo Rayos Gamma y Rayos X, cubriendo así longitudes de onda de entre miles de kilómetros y la fracción del tamaño de un átomo (Canada Centre for Remote Sensing, 2016) (Ver Figura 2).



Figura 2: Espectro electromagnéticoFuente: National Aeronautic Space Agency - The Electromagnetic Spectrum, Recuperado de: https://smd-prod.s3.amazonaws.com/science-blue/s3fs-public/thumbnails/image/EMS-

Introduction.jpeg

Una de las características esenciales del espectro electromagnético es que reúne las condiciones para transportar información en su proceso de propagación de las ondas, en general las señales transmitidas que utilizan frecuencias elevadas presentan distancias de propagación menores, pero gozan de una mayor capacidad de transmisión de datos, lo que implica identificar limitaciones en las aplicaciones identificadas para la cual cada banda es adecuada (Unión Internacional de Telecomunicaciones, 2009).

CLASIFICACIÓN DEL ESPECTRO ELECTROMAGNÉTICO A NIVEL INTERNACIONAL Y NACIONAL

El espectro electromagnético está dividido en diferentes regiones: Radio, Microondas, Infrarrojo, Visible, Ultravioleta, Rayos X y Rayos Gamma (National Aeronautics and Space Administration, 2014), sin embargo estas divisiones no tienen fronteras rígidas entre regiones adyacentes (Fontal, Suárez, Reyes, Bellandi, Contreras, & Romero, 2005), por lo que existen trasposiciones entre tipos vecinos, (National Aeronautics and Space Administration, 2011) pudiendo así una misma longitud de onda quedar incluida en dos rangos diferentes (Ordóñez, 2012).

Visto que la clasificación macro del espectro electromagnético es precisa pero que los límites de sus fronteras no lo son, se pretende a través de la revisión de las diferentes propuestas generadas por diversos autores, organismos o estados que establecieron dichos rangos en función ya sea de los fines para los que destinaban su obtención o de los equipos que utilizaron para su medición, el establecer una propuesta de declaración del espectro electromagnético para Ecuador basada en dichos insumos.



CASO 1. CLASIFICACIÓN REALIZADA POR LOS ESTADOS

Los Estados Miembros de las Naciones Unidas a través de su organismo especializado la Unión Internacional de Telecomunicaciones (UIT) ratificaron y mantienen en común el “Reglamento de Radiocomunicaciones”, enmarcado en la utilización y gestión del espectro radioeléctrico a nivel nacional y respetando el marco internacional, los países miembros guían su accionar basados en el Cuadro nacional de atribución de frecuencias (se revisará en el Caso 4) que establece qué servicios radioeléctricos pueden utilizar cada una de las bandas de frecuencias y en qué condiciones (Unión Internacional de Telecomunicaciones, 2009).

Si bien es cierto que este tratado es a nivel internacional y que establece los rangos de esta sección del espectro para los Estados Miembros, no existe normativa internacional ni común entre los países para las demás secciones, existiendo casos puntuales de países que las reglamentan como España, cuyo objetivo fue establecer las disposiciones mínimas para la protección de los trabajadores, contra los riesgos para la salud y la seguridad derivados de la exposición a las radiaciones ópticas artificiales, acción ejecutada mediante el REAL DECRETO 486/2010, de 23 de abril (Instituto Nacional de Seguridad e Higiene en el Trabajo, 2010) que específica:

“Radiación ultravioleta: Radiación óptica de longitud de onda comprendida entre 100 y 400 nm. La región ultravioleta se divide en UVA (315-400 nm), UVB (280-315 nm) y UVC (100-280 nm).

Radiación visible: La radiación óptica de longitud de onda comprendida entre 380 nm y 780 nm.

Radiación infrarroja: La radiación óptica de longitud de onda comprendida entre 780 nm y 1 mm. La región infrarroja se divide en IRA (780-1.400 nm), IRB (1.400-3.000 nm) e IRC (3.000 nm-1mm).”

Propiciando así el marco regulatorio para una adecuada planificación y gestión institucional y nacional en torno a riesgos de salud.

CASO. 2. CLASIFICACIÓN PROPUESTA POR ALGUNOS AUTORES

En la Tabla 1 se presenta la recopilación de algunos autores e instituciones que han establecido los rangos de cada clasificación del espectro electromagnético, basados especialmente en la utilización según su temática, incluye óptica e iluminación, salud, radio comunicaciones, sensores remotos, observación espacial y bibliografía especializada.



Tabla 1. Clasificación del espectro electromagnético según varios autores.1 2 3 4 5 6 7 8 9 10 11 12 13

Observación espacial

Radio comunicaciones OMS

Clasificación

Rayos Gamma <1 * 10^(-11) m

Rayos X 1*10^(-11) - 1*10^(-8) m 10-8 a 10-11 cm

<280nm 100 - 280nm280-315nm 280 - 315nm315-380nm 315 - 400nm380-440nm 390-455nm 400-450nm 0,4-0,446 μm 390-460nm 380-440nm

0,4-0,5μm 440-490nm 455-492nm 450-500nm 0,446-0,5 μm 460-490nm 440-500nm0,5-0,6μm 490-560nm 492-577nm 500-570nm 0,5-0,578 μm 490-580nm 500-550nm

560-590nm 577-597nm 570-590nm 0,578-0,592 μm 580-600nm 550-600nm

590-630nm 597-622nm 590-610nm 0,592-0,62 μm 600-620nm 600-650nm0,6-0,7μm 630-760nm 622-780nm 610-700nm 0,62-0,7 μm 620-780nm 650-780nm0,7-1,2μm 780-3000nm 780-3000nm 0,7-1,5μm1,2-2,5μm 1,5-3μm2,5-8μm 3000-6000nm 3000-6000nm 3-8μm8-14μm 6000-15000nm 6000-15000nm 8-15μm

0,015-1,0mm 15000nm-1mm > 15μmKa 0,75-1,11cm 0,75-1,1cm 0,75-1,1cm 0,75-1,10cmK 1,11-1,67cm 1,1-1,7cm 1,1-1,67cm 1,10-1,67cmKu 1,67-2,5cm 1,7-2,4cm 1,67-2,4cm 1,67-2,40cm

X 2,5-3,75cm 2,4-3,8cm 2,4-3,75cm 2,40-3,75cmC 3,75-7,5cm 3,8-7,5cm 3,75-7,5cm 3,75-7,50cmS 7,5-15cm 7,5-15cm 7,5-15cm 7,50-15cmL 15-30cm 15-30cm 15-30cm 15-30cmP >1m 30-100cm 30-100cm 30-100cm

10000-100000km1000-10000km 1≤ λ˂10Mm100-1000km 100km≤ λ˂1Mm10-100km 10 ≤ λ˂100km1-10km 1 ≤ λ ˂10 km

100m-1km 100m ≤ λ˂1 km10-100m 10≤ λ ˂100 m1-10m 1≤ λ˂10 m

100mm-1m 100mm≤ λ˂1m10-100mm 10≤ λ˂100mm1-10mm 1 ≤ λ˂10mm

SLFULFVLFLFMFHF

>1m

Rad

io

ELF

>1*10^(-1) m

VHFUHFSHFEHF

> 1 mm>1mm 1mm-1m

Mic

roon

das K

1*10^(-3) - 1*10^(-11) m >1mm

750nm - 1mmλ corta (SWIR)

λ media (MWIR)λ larga (LWIR)Lejano (FAR)

0,7 - 100 μm 0,7 - 100 μm

Infr

arro

jo

Cercano (NIR)

7*10^(-7) - 1*10^(-3)m

AzulVerde

Amarillo

AnaranjadoRojo

0,4 - 0,7 μm 0,4 - 0,7μm

Esp

ectr

o vi

sibl

e Violeta

4*10^(-7) - 7*10^(-7) m

10-350nmUVBUVA

300 Å - 0,4 μm 3 - 400nm 0.,3-0,38 μmRayos UVUVC

1*10^(-8) - 4*10^(-7) m

Óptica e iluminación

Sub clasificación Longitud de onda (λ)

Sensores remotos

Fuente

Utilización Bibliografía especializada

1mm – 30cm

Compilado de: 1. (National Aeronautics and Space Administration, 2013), 2. (Chuvieco, 2010), 3. (Fontal, Suárez, Reyes, Bellandi, Contreras, & Romero, 2005), 4. (Rodríguez García & Virgós, 1999), 5. (Sobrino, 2000), 6. (Liew, 2001), 7. (Canada Centre for Remote Sensing, 2016), 8. (Aggarwal, 2004), 9. (Varón, 2012), 10. (Ordóñez, 2012) 11. (Organización Mundial de la Salud, 2002), 12. (I.E.S. Al-Ándalus de Arahal, 2016), 13. (Sirlin, 2006).

CASO. 3. CLASIFICACIÓN CONFORME ORGANISMOS INTERNACIONALES.

Existen organismos internacionales que han especificado los rangos de las regiones del espectro electromagnético básicamente en función de las posibles aplicaciones, entre ellas destacan: International Organization for Standardization – ISO (Organización Internacional de Normalización), la Commission Internationale de l’Eclairage – CIE (Comisión Internacional de Iluminación), y la International Electrotechnical Commission - IEC (Comisión Electrotécnica Internacional). La Tabla 2 presenta la clasificación realizada por la Norma ISO 21348 - Space environment (natural and artificial) – Process for determining solar irradiances, cuyo propósito es crear un método estándar para determinar las irradiaciones solares para uso de sistemas espaciales (International Organization for Standarization, 2007).



Tabla 2. Norma ISO 21348 (Space environment (natural and artificial) – Process for determining solar irradiances)

Categoría espectral

Sub categoría espectral Longitud de onda Notas

Rayos Gamma 10 fm ≤ λ ˂ 1 pm

Rayos X 1 pm ≤ λ 0,10 nm Rayos X fuertes – Hard X rays

XUV 0,10 nm ≤ λ < 10 nm Rayos X débiles – Soft X rayx

Ultravioleta

UV 100 nm ≤ λ < 400 nm Ultravioleta

VUV 10 nm ≤ λ ˂ 200 nm Ultravioleta al vacío – Vacuum Ultraviolet

EUV 10 nm ≤ λ ˂ 121 nm Ultravioleta extremo – Extreme Ultraviolet

H Lyman-α 121 nm ≤ λ ˂ 122 nm Hidrógeno Lyman – alfa

FUV 122 nm ≤ λ ˂ 200 nm Ultravioleta lejano – Far Ultraviolet

UVC 100 nm ≤ λ ˂ 280 nm Ultravioleta C – Ultraviolet C

MUV 200 nm ≤ λ ˂ 300 nm Ultravioleta medio – Middle Ultraviolet

UVB 280 nm ≤ λ ˂ 315 nm Ultravioleta B – Ultraviolet B

NUV 300 nm ≤ λ ˂ 400 nm Ultravioleta cercano – Near Ultraviolet

UVA 315 nm ≤ λ ˂ 400 nm Ultravioleta A - Ultraviolet A

Visible VIS

380nm ≤ λ ˂ 760 nm Óptico

360 nm ≤ λ ˂ 450 nm Púrpura

450 nm ≤ λ ˂ 500 nm Azul

500 nm ≤ λ ˂ 570 nm Verde

570 nm ≤ λ ˂ 591 nm Amarillo

591 nm ≤ λ ˂ 610 nm Naranja

610 nm ≤ λ ˂ 760 nm Rojo

Infrarrojo

IR 760 nm ≤ λ ˂ 1,00 mm Infrarrojo

IR-A 760 nm ≤ λ ˂ 1,40 μm Infrarrojo cercano – Near Infrared

IR-B 1,40 μm ≤ λ ˂ 3,00 μm Infrarrojo medio – Middle Infrared

IR-C 3,00 μm ≤ λ ˂ 1,00 mm Infrarrojo lejano – Far Infrared

Microondas

1,00 mm ≤ λ ˂ 15,00 mm

W 3,00 mm ≤ λ ˂ 5,35 mm 100 ≥ ν > 56,0 GHz

V 5,35 mm ≤ λ ˂ 6,52 mm 56,0 ≥ ν > 46,0 GHz

Q 6,52 mm ≤ λ ˂ 8,33 mm 46,0 ≥ ν > 36,0 GHz

K 8,33 mm ≤ λ ˂ 27,5 mm 36,00 ≥ ν > 10,90 GHz

X 27,50 mm ≤ λ ˂ 57,70 mm 10,90 ≥ ν > 5,20 GHz

C 48,40 mm ≤ λ ˂ 76,90 mm 6,20 ≥ ν > 3,90 GHz

S 57,70 mm ≤ λ ˂ 193,00 mm 5,20 ≥ ν > 1,55 GHz

L 193,00 mm ≤ λ ˂ 769,00 mm 1,550 ≥ ν > 0,390 GHz

P 769,00 mm ≤ λ ˂ 1,33 m 0,390 ≥ ν > 0,225 GHz

Radio

0,10 mm ≤ λ ˂ 100 m Mediciones: 1 000 000 ≤ λ ˂ 10 000 000 000 nm

EHF 1,00 mm ≤ λ ˂ 10,00 mm Frecuencia extremadamente alta 300 ≥ ν > 30 GHz

SHF 10,00 mm ≤ λ ˂ 100,00 mm Frecuencia súper alta 30 ≥ ν > 3 GHz

UHF 100,00 mm ≤ λ ˂ 1,00 m Frecuencia ultra alta 3000 ≥ ν > 300 MHz

VHF 1,00 m ≤ λ ˂ 10,00 m Frecuencia muy alta 300 ≥ ν > 30 MHz

HF 10,00 m ≤ λ ˂ 100,00 m Frecuencia alta 30 ≥ ν > 3 MHz



La Tabla 3 presenta la clasificación realizada por la Norma ISO 20473 - Optics and photonics – Spectral bands, cuyo objeto es aportar a la delimitación, designación y descripción de las regiones ópticas y fotónicas del espectro electromagnético (ultravioleta, visible e infrarrojo) para aplicaciones en el campo óptico y fotónico. (International Organization for Standarization, 2007).

Tabla 3. Norma ISO 20473 (Optics and photonics – Spectral bands)Designación de la radiación Designación corta Longitud de onda nm Frecuencia THz

Radiación ultravioleta

Extreme UV

UV

EUV 1 – 100 3*105 a 3000Vacuum UV

UV-CVUV 100 – 190 3000 – 1580

Deep UV DUV 190 - 280 1580 – 1070Mid UV UV-B 280 – 315 1070 – 950Near UV UV-Ab 315 – 380 950 – 790

Radiación visible, óptico 380 – 780 790 – 385

InfrarrojoNear IR

IR

IR-A NIR 780 – 1400 385 – 215IR-B 1400 – 3000 215 – 100

Mid IRIR-C

MIR 3000 – 50000 100 – 6Far IR FIR 50000 - 1000000 6 – 0.3

La Tabla 4 muestra los márgenes establecidos por la CIE, organización líder en desarrollo de estándares y procedimientos básicos de metrología en los campos de luz e iluminación (International Commission on Illumination, 2017), y la IEC, organización líder mundial en la preparación y publicación de estándares internacionales para todas las tecnologías eléctricas y electrónicas relacionadas. (International Electrotechnical Commission, 2016).Protagonizando

Tabla 4. Clasificaciones del espectro electromagnético realizadas por la IEC y la CIECategoría espectral

Sub categoría espectral

Rango de longitud de ondaIEC CIE

UltravioletaUVC 100-280nm 100-280nmUVB 280-315nm 280-315nmUVA 315 - 400nm 315-400nm

Visible VIS 360 - 400 a 760 - 830nm 400-700nm

InfrarrojoIR-A 780-1400nm 700nm-3 μmIR-B 1,4-3 μm 1,4-3 μmIR-C 3 μm a 1mm 3 μm a 1mm

La Tabla 5 muestra los rangos del espectro radioeléctrico, convencionalmente establecido desde 3 kHz hasta 3000 GHz, (Unión Internacional de Telecomunicaciones, 1999), a través de la UIT, organismo especializado de las Naciones Unidas para las Tecnologías de la información y comunicación que se encarga de la atribución del espectro radioeléctrico y las órbitas de satélite a escala mundial, elaborando normas técnicas para garantizar la interconexión



continua de las redes y las tecnologías (Unión Internacional de Telecomunicaciones, 2013).

Tabla 5. Bandas y sub-bandas de frecuencia conforme la UITNúmero

de la banda

SímbolosGama de frecuencias (ex-

cluido el límite inferior pero incluido el superior)

Subdivisión métrica correspondiente

Abreviaturas métricas para

las bandas4 VLF 3 - 30 kHz Ondas miriamétricas B.Mam5 LF 30 - 300 kHz Ondas kilométricas B.km6 MF 300 - 3000 kHz Ondas hectométricas B.hm7 HF 3 - 30 MHz Ondas decamétricas B.dam8 VHF 30 - 300 MHz Ondas métricas B.m 9 UHF 300 - 3000 MHz Ondas decimétricas B.dm10 SHF 3 - 30 GHz Ondas centimétricas B.cm11 EHF 30 - 300 GHz Ondas milimétricas B.mm12 300 - 3000 GHz Ondas decimilimétricas B.dmm

Finalmente para complementar la Tabla 5, se presenta la Tabla 6 que muestra algunos de los usos relacionados a las diversas bandas de frecuencias radioeléctricas en función a las características de propagación. (Unión Internacional de Telecomunicaciones, 2009), aportando así a todos los procesos relacionados con actividades de gestión de este recurso.

Tabla 6. Características de propagación de las bandas de frecuencia radioeléctricas

Banda Rango de frecuencias Alcance Utilización Anchura de

banda Interferencia

Ondas miri-amétricas 3 a 30 kHz Miles de km Radionavegación de

largo alcance Muy estrecha De amplia distribución

Ondas ki-lométricas 30 a 300 kHz Miles de km

Como las comunica-ciones estratégicas en ondas miriamétricas

Muy estrecha De amplia distribución

Ondas hec-tométricas

300 a 3000 kHz 2 - 3000 km

Como las comunica-ciones estratégicas en ondas miriamétricas

Moderada De amplia distribución

Ondas de-camétricas 3 a 30 MHz Hasta 1000

kmRadiodifusión y punto a punto a nivel mundial Amplia De amplia

distribuciónOndas

métricas30 a 300

MHz 2-300 km Radiodifusión, PCS, Móvil, WAN Muy amplia Confinada

Ondas dec-imétricas

300 a 3000 MHz <100km Radiodifusión, PCS,

Móvil, WAN Muy amplia Confinada

Ondas cen-timétricas 3 a 30 GHz

Varia de 30km a 2000km

Radiodifusión, PCS, Móvil, WAN, comunica-

ciones por satélite

Muy amplia hasta 1 GHz Confinada

Ondas milimétricas 30 a 300 GHz

Varia de 20km a 2000km

Radiodifusión, punto a punto, PCS y comunica-

ciones por satélite

Muy amplia hasta 10 GHz Confinada



CASO. 4. CLASIFICACIÓN Y USO DEL ESPECTRO ELECTROMAGNÉTICO EN ECUADOR Y EN LOS INSTITUTOS DE LA DEFENSA.

A nivel Ecuador no existe una declaración de los rangos del espectro electromagnético, pero si una regulación en cuanto a la asignación y uso de frecuencias del espectro radioeléctrico acogiendo los criterios de la Unión Internacional de Telecomunicaciones como Estado Miembro de las Naciones Unidas.

En el proceso de gestión y regulación del uso del espectro, Ecuador ha regulado su utilización mediante el Registro Oficial Nro. 439 del 18 de febrero de 2015 en el que se promulga la Ley Orgánica de Telecomunicaciones, cuyo objeto es “desarrollar, el régimen general de telecomunicaciones y del espectro radioeléctrico como sectores estratégicos del Estado que comprende las potestades de administración, regulación, control y gestión en todo el territorio nacional, bajo los principios y derechos constitucionalmente establecidos” (Registro Oficial del Ecuador, 2015), se suma a esta gestión el Plan Nacional de Frecuencias de Ecuador 2012, que establece la atribución de las bandas de frecuencias a los diferentes servicios de radiocomunicaciones (Consejo Nacional de Telecomunicaciones, 2012), pero como se observa sólo se atiende esta sección del espectro en cuanto procesos de regulación.

Si bien no existe una normativa o regulaciones respecto de las otras secciones del espectro, si existen varias instituciones del Estado que han enfocado sus esfuerzos en obtener información y generar productos y aplicaciones en función de este recurso, entre ellas nos referiremos a las Instituciones de la Defensa del Ecuador, Tabla 7:

Instituto Geográfico Militar – IGM: Responsable de gestionar y ejecutar las actividades de investigación aplicada, generación y control de geoinformación y transferencia de conocimiento y tecnología en los ámbitos de geodesia, geomática, geografía, cartografía y seguridad documentaria (Instituto Geográfico Militar, 2016).

Instituto Oceanográfico de la Armada – INOCAR: Planificar, dirigir, coordinar y controlar las actividades técnicas y administrativas relacionadas con el Servicio de Hidrografía, Navegación, Oceanografía, Meteorología, Ciencias del Mar, Señalización Náutica, así como la administración del material especializado con su actividad (Instituto Oceanográfico de la Armada, 2017).

Instituto Espacial Ecuatoriano – IEE: Mantener e impulsar la investigación científica y desarrollo tecnológico espacial y el incremento de la cultura aeroespacial, que contribuyan a la Defensa y Desarrollo Nacional (Instituto Espacial Ecuatoriano, 2017).

Instituto Antártico del Ecuador – INAE: Fomentar y mantener la proyección geopolítica del país y la participación permanente en las actividades de investigación científica, en el contexto del Sistema del Tratado Antártico (Instituto Antártico Ecuatoriano, 2017).



Tabla 7. Regiones del espectro electromagnéticas capturadas y gestionadas por las Instituciones de Defensa y el CONATEL.

MIR

FIR

Instituto Geográfico Militar - IGMInstituto Oceanográfico de la Armada - INOCARInstituto Espacial Ecuatoriano - IEEInstituto Antártico del Ecuador- INAE

Consejo Nacional de Telecomunicaciones - CONATEL

UV-C

Púr

pura

Azu

l

Ray

os X

fue

rtes

Ray

os X

déb

iles

L P EH

F

SH

F

UH

F

UV

-BU

V-A

IR-A

IR-B

SW V Q K X

C

Ver

deA

mar

illo

Nar

anja

Roj

o

NIR

Microondas Radio

IR-C

Institutos de la Defensa

Organismo Regulador para microondas y radiofrecuencias

Ray

os G

amm

aClasificación Espectro

Electromagnético

Rayos X Ultravioleta Visible Infrarrojo

VH

F

HF

EU

V

VU

V

DU

V

ANÁLISIS

De acuerdo a la información presentada en las Tablas 1, 2, 3 y 4 se verifica que los rangos establecidos para cada sub clasificación del espectro electromagnético son más o menos arbitrarios, y su asignación no corresponde estrictamente con la temática en la que se usa, ya que existen diferentes rangos establecidos dentro de las mismas aplicaciones. En gran medida esto se explicaría debido a la capacidad de producir o detectar cada región del espectro, así como la capacidad tecnológica de producir fuentes de radiación apropiadas y detectores o medidores sensibles a las respectivas regiones (Fontal, Suárez, Reyes, Bellandi, Contreras, & Romero, 2005).

Respecto a los posibles límites citados en las Tablas 1, 2, 3 y 4 para cada sub clasificación se puede indicar que: 1) existe una clara coherencia en la asignación de los límites de cada sub clasificación ya que si bien los límites no son exactamente iguales todos sus valores están en los mismos rangos, 2) a nivel de superposiciones se identifican dos instancias, un primer grupo entre rayos UV, Visible e Infrarrojo y un segundo grupo entre Microondas y Radio, pero claramente diferenciados entre si y de los Rayos X y Gamma y, 3) en la generalidad de las clasificaciones la determinación de los rangos para los límites del Ultravioleta son coincidentes en sus tres principales clasificaciones, rayos UVC, UVB y UVA, siendo el UVA específicamente el que presenta el traslape con el Visible en el púrpura, lo que indicaría que su identificación y delimitación es mucho más clara a pesar de las posibles aplicaciones o equipos utilizados.



En lo referente a los procesos de gestión a nivel nacional, y conforme se observa en la Tabla 7, si bien se ha podido identificar las secciones en las que trabajan dichas instituciones no se ha podido especificar exactamente el ancho de banda captado en cada sección o si abarcan la totalidad del rango, lo que finalmente puede conllevar a no poder comparar con exactitud productos, resultados e inclusive equipos. Esto finalmente ratifica la necesidad de establecer mecanismos normativos que permitan efectivizar los esfuerzos realizados en cuanto a la gestión del espectro a fin de evitar la sobreposición de competencias y desarrollos aislados de objetivos y productos, que produzcan desfases técnicos, institucionales y eviten un avance progresivo de una correcta planeación (Estrella, 2015), ya sea por procesos no vinculados o interrelacionados, o a su vez por la ausencia de mecanismos que como en este caso permitan delimitar con precisión los rangos de acción de cada institución respecto del espectro y enfocar esfuerzos en secciones no gestionadas. Adicionalmente se observa que la mayor concentración de captura de datos y gestión se ha desarrollado por igual en torno al espectro visible, infrarrojo cercano, microondas en la banda L y radio en la banda HF, es decir en las ventanas atmosféricas (Ver Figura 4), que son idóneas para realizar procesos de teledetección (Chuvieco, 2010), y de igual manera en lo relacionado a la recepción de señal GPS en microondas y radio, dejando por fuera las otras clasificaciones, lo que conlleva el disminuir el ámbito de investigación y generación de aplicaciones y productos.

Figura 4. Interacción de la radiación electromagnética con la atmósfera – ventanas atmosféricasFuente: http://concurso.cnice.mec.es/cnice2006/material121/unidad1/atmos_td.htm

Considerando que las cuatro instituciones analizadas enfocan la mayor parte de sus esfuerzos en los ámbitos de teledetección y que no existe una reglamentación del espectro



en dichas sub clasificaciones se plantea un ejemplo de los posibles resultados obtenidos al manejar diferentes rangos para las mismas aplicaciones, en el supuesto por ejemplo de buscar medir el Índice de vegetación diferencial normalizado utilizando diferentes imágenes satelitales del mismo lugar:

Tabla 8. Cálculo del Índice de vegetación diferencial normalizado.

LandsatRango μm

SpotRango μm

AsterRango μm

Respuesta espectral μm

Rojo 0,630 - 0,680 0,61 - 0,68 0,63 - 0,69 0,62

Infrarrojo Cercano 0,845 - 0,885 0,78 - 0,89 0,76 - 0,86 0,85

NDVI= ((IRC-R))/(IRC+R) NO APLICARÍA 0,156 NO APLICARÍA

Nota: sólo las celdas en color verde abarcarían los valores medidos

Si bien este es un ejemplo básico, brinda una clara idea de los posibles resultados o escenarios que se pudiesen presentar no sólo en este caso sino en todos aquellos donde se comparen resultados, productos e inclusive equipos no sólo en el ámbito de las ciencias geoespaciales, sino de todas aquellas que hagan uso del espectro electromagnético sin tener un punto de partida base sobre el cual hacer referencia, permitiendo evidenciar la necesidad de siempre contar con un instrumento normativo que sirva de guía y referencia para posibles productos y estudios.

PROPUESTA DE CLASIFICACIÓN DEL ESPECTRO ELECTROMAGNÉTICO PARA ECUADOR

Una vez revisada la información descrita y evidenciado la clara necesidad de establecer los rangos del espectro electromagnético a fin de evitar duplicación de esfuerzos y recursos humanos, técnicos y económicos a la hora de adquirir y gestionar información del espectro, se ha generado una propuesta de clasificación del espectro electromagnético para Ecuador, que permita universalizar los criterios, lenguaje, información y comparar resultados con precisión al momento de trabajar con dicho recurso.

Para tales fines se ha consolidado lo expuesto en las Normas ISO, 21348, 20473 y se ha acogido las recomendaciones de la Asamblea de Radiocomunicaciones de la Unión Internacional de Telecomunicaciones adoptada y adaptada por el Ecuador mediante la Ley Orgánica de Telecomunicaciones y el Plan Nacional de Telecomunicaciones, conforme se muestra en la Tabla 9, priorizando la utilización de los rangos en función del objetivo para el cual fue creada cada norma o recomendación.



Tabla 9. Propuesta de declaración del espectro electromagnético para Ecuador

Designación de la radiación Designación corta Longitud de onda Fre-cuencia Ref.

Rayos Gamma 10 fm ≤ λ ˂ 1 pm

a

Rayos X Hard X rays 1 pm ≤ λ 0,10 nm

Soft X rayx 0,10 nm ≤ λ < 10 nm

Radiación ultravioleta

Extreme UV

UV

EUV 10 nm – 100nm3*105 a 3000 THz

Vacuum UV

UV-C

VUV 100 nm – 190nm3000

– 1580 THz

bDeep UV DUV 190 nm - 280nm

1580 – 1070 THz

Mid UV UV-B 280 – 315nm 1070 – 950 THz

Near UV UV-Ab 315 – 380nm 950 – 790 THz

Visible Óptico 360-380nm ≤ λ ˂ 760-780nm

a

a, b

a, b

Púrpura 360 nm ≤ λ ˂ 450 nm

Azul 450 nm ≤ λ ˂ 500 nm

Verde 500 nm ≤ λ ˂ 570 nm

Amarillo 570 nm ≤ λ ˂ 591 nm

Naranja 591 nm ≤ λ ˂ 610 nm

Rojo 610 nm ≤ λ ˂ 760 - 780 nm

Infrarrojo

Near IR

IR

IR-ANIR

780 nm – 1400nm 385 – 215 THz

bIR-B 1400 nm – 3000nm 215 –

100 THz

Mid IRIR-C

MIR 3000 nm – 50000nm 100 – 6 THz

Far IR FIR 50000nm - 1000000nm 6 – 0.3 THz



Microondas 1,00mm ≤ λ ˂ 15,00mm

a

W 3,00mm ≤ λ ˂ 5,35mm 100 ≥ ν > 56,0 GHz

V 5,35mm ≤ λ ˂ 6,52mm 56,0 ≥ ν > 46,0 GHz

Q 6,52mm ≤ λ ˂ 8,33mm 46,0 ≥ ν > 36,0 GHz

K 8,33mm ≤ λ ˂ 27,5mm 36,00 ≥ ν > 10,90 GHz

X 27,50mm ≤ λ ˂ 57,70 mm 10,90 ≥ ν > 5,20 GHz

C 48,40 mm ≤ λ ˂ 76,90 mm 6,20 ≥ ν > 3,90 GHz

S 57,70 mm ≤ λ ˂ 193,00 mm 5,20 ≥ ν > 1,55 GHz

L 193,00 mm ≤ λ ˂ 769,00 mm 1,550 ≥ ν > 0,390 GHz

P 769,00 mm ≤ λ ˂ 1,33m 0,390 ≥ ν > 0,225 GHz

Radio EHF 1,00mm ≤ λ ˂ 10,00mm

Fre-cuencia extrema-damente alta 300 ≥ ν > 30

GHz

a, c

SHF 10,00mm ≤ λ ˂ 100,00 mm

Frecuencia súper alta 30 ≥ ν > 3 GHz

UHF 100,00mm ≤ λ ˂ 1,00m

Frecuencia ultra alta 3000 ≥ ν > 300 MHz

VHF 1,00m ≤ λ ˂ 10,00m

Frecuencia muy alta 300 ≥ ν > 30 MHz

HF 10,00m ≤ λ ˂ 100,00m

Frecuencia alta 30 ≥ ν > 3 MHz

MFλ ˂ 100,00 m

300 - 3000 kHzLF 30 - 300 kHz

VLF 3 - 30 kHz

La estructuración de la Tabla 9 está generada de la siguiente manera: Norma ISO 20473 (a) para Ultravioleta, Infrarrojo y los rangos internos del Visible, Norma ISO 21348 (b) para Rayos X, Gamma, Microondas, Norma ISO 21348 y 20473 para los límites de inicio y fin del Visible y, Norma ISO 21348 y Plan Nacional de Telecomunicaciones (c) para Radio.

En base a esta propuesta se plantea estandarizar principalmente el lenguaje técnico utilizado a la hora de generar productos, adquirir equipos o centrar esfuerzos y recursos técnicos y humanos que hagan uso del espectro, de manera tal que se efectivicen los esfuerzos



realizados en cuanto a la gestión y uso de este recurso y se incentive la distribución y correcta asignación de funciones a fin de evitar la sobreposición de competencias y desarrollos aislados en las instituciones del estado, así también como que se genere una línea base que permita a los usuarios en general, manejar información basada en estándares internacionales e incorpore un valor agregado a los posibles productos o desarrollos que se presenten.

Se destaca también la necesidad a nivel país y especialmente a nivel de Defensa y de Seguridad Nacional de contar con una caracterización del espacio electromagnético como la presente propuesta, que permita a los involucrados y tomadores de decisiones gestionar y proponer soluciones que ayuden a disminuir los riesgos de un ataque electrónico (EW - Electronic Warfare o Guerra Electrónica), que engloba cualquier acción militar que involucre el espectro electromagnético para controlar su uso, bajo la consideración de que el ciberespacio (es un ámbito caracterizado por el uso de la electrónica y el espectro electromagnético para almacenar, modificar e intercambiar datos a través de los sistemas en red y la infraestructura física asociada), es llamado el quinto dominio de la guerra (Clarke & Knake, 2011), y la ciberseguridad afecta al bienestar digital de la sociedad, de las organizaciones y de los países y, en particular, afecta a distintas dimensiones: política, social, económica, legal, justicia y policial, técnica y de gestión (Unión Internacional de Telecomunicaciones, 2008).

La seguridad del ciberespacio es un objetivo estratégico de la seguridad nacional (Unión Internacional de Telecomunicaciones, 2008).

REFERENCIAS:

Aggarwal, S. (2004). Principles of remote sensing. Satellite remote sensing and GIS applications in agricultural meteorology (pág. 23). Switzerland: World Meteorological Organisation.

Canada Centre for Remote Sensing. (17 de Agosto de 2016). Fundamentals of Remote Sensing. Recuperado el 27 de Octubre de 2016, de http://www.nrcan.gc.ca/earth-sciences/geomatics/satellite-imagery-air-photos/satellite-imagery-products/educational-resources/9309

Chuvieco, E. (2010). Teledetección ambiental: La observación de la tierra desde el espacio. Barcelona: Ariel.

Clarke, R. A., & Knake, R. K. (2011). Guerra en la red. Los nuevos campos de batalla. Barcelona: Ariel.Consejo Nacional de Telecomunicaciones. (2012). Plan Nacional de Frecuencias. Recuperado

el 29 de Noviembre de 2016, de http://www.arcotel.gob.ec/wp-content/uploads/downloads/2013/07/plan_nacional_frecuencias_2012.pdf

Estrella, C. (17 de Junio de 2015). PROPUESTA DE FORMULACIÓN PARA LA ESTRUCTURA ESPACIAL DEL ECUADOR, Y LA APLICACIÓN DE LA MISMA, A LA EVALUACIÓN DE LA VULNERABILIDAD EN LA INFRAESTRUCTURA DE COMUNICACIÓN VIAL, USANDO TECNOLOGÍA GEOESPACIAL. Córdoba, Argentina.

Fontal, B., Suárez, T., Reyes, M., Bellandi, F., Contreras, R., & Romero, I. (2005). El Espectro Electromagnético y sus Aplicaciones. Mérida: Escuela Venezolana para la Enseñanza de la Química.



I.E.S. Al-Ándalus de Arahal. (Septiembre de 2016). La luz y las ondas electromagnéticas. Recuperado el 28 de Noviembre de 2016, de http://www.iesalandalus.com/joomla3/images/stories/FisicayQuimica/Fis2B/t6_optica.pdf

Instituto Antártico Ecuatoriano. (21 de Septiembre de 2017). Instituto Antártico Ecuatoriano - Misión - Visión - Objetivos. Recuperado el 08 de Diciembre de 2016, de http://www.inae.gob.ec/index.php/mision/

Instituto Espacial Ecuatoriano. (21 de Septiembre de 2017). Instituto Espacial Ecuatoriano - Valores/Misión/Visión. Recuperado el 08 de Diciembre de 2016, de http://www.institutoespacial.gob.ec/valores/

Instituto Geográfico Militar. (14 de Noviembre de 2016). NOTIGM. Recuperado el 16 de Noviembre de 2016, de Instituto Geográfico Militar: http://www.noti.igm.gov.ec/notigm/index.php?option=com_content&view=category&layout=blog&id=10&Itemid=19

Instituto Nacional de Seguridad e Higiene en el Trabajo. (24 de Abril de 2010). Legislación consolidada. Recuperado el 30 de Noviembre de 2016, de http://www.boe.es/buscar/act.php?id=BOE-A-2010-6485

Instituto Oceanográfico de la Armada. (21 de Septiembre de 2017). Instituto Oceanográfico de la Armada - Misión y funciones. Recuperado el 08 de Diciembre de 2016, de http://www.inocar.mil.ec/web/index.php/institucion/mision-y-funciones

International Commission on Illumination. (12 de Septiembre de 2017). CIE - International Commission on Illumination. Recuperado el 12 de Septiembre de 2017, de http://www.cie.co.at/index.php/LEFTMENUE/About+us/General+Information

International Electrotechnical Commission. (12 de Noviembre de 2016). IEC - About the IEC. Recuperado el 12 de Noviembre de 2016, de http://www.iec.ch/about/?ref=menu

International Organization for Standarization. (15 de Abril de 2007). ISO 20473:2007(en) Optics and photonics - Spectral bands. Recuperado el 28 de Octubre de 2016, de https://www.iso.org/obp/ui/#iso:std:iso:20473:ed-1:v1:en

International Organization for Standarization. (01 de Mayo de 2007). ISO 21348:2007(en) Space envrionment (natural and artificial) - Process for determining solar irradiances. Recuperado el 28 de Octubre de 2016, de https://www.iso.org/obp/ui/#iso:std:iso:21348:ed-1:v1:en

Liew, S. (2001). Electromagnetic Radiation - Centre for Remote Imaging, Sensing and Processing. Recuperado el 15 de Noviembre de 2016, de http://www.crisp.nus.edu.sg/~research/tutorial/em.htm

National Aeronautics and Space Administration. (11 de Marzo de 2011). Earth Observatory. Recuperado el 11 de Octubre de 2016, de http://earthobservatory.nasa.gov/Features/RemoteSensing/remote_03.php

National Aeronautics and Space Administration. (05 de Noviembre de 2013). Regions of the Electromagnetic Spectrum. Recuperado el 7 de Noviembre de 2016, de https://imagine.gsfc.nasa.gov/science/toolbox/spectrum_chart.html

National Aeronautics and Space Administration. (14 de Noviembre de 2014). The Electromagnetic Spectrum. Recuperado el 18 de Octubre de 2016, de https://imagine.gsfc.nasa.gov/science/toolbox/emspectrum1.html

Ordóñez, J. L. (2012). Espectro electromagnético y espectro radioeléctrico. Manual formativo de ACTA, 17-31.

Organización Mundial de la Salud. (2002). Indice UV solar mundial - World Health Organization. Recuperado el 9 de Noviembre de 2016, de http://www.who.int/uv/publications/en/uvispa.pdf



Registro Oficial del Ecuador. (18 de Febrero de 2015). Tercer Suplemento -- Registro Oficial Nº 439 -- Miércoles 18 de febrero de 2015 -- 3. Quito, Pichincha, Ecuador.

Rodríguez García, J., & Virgós, J. (1999). Fundamentos de óptica ondulatoria. Oviedo: Servicio de Publicaciones de la Universidad de Oviedo.

Sirlin, E. (2006). La Luz en el teatro, manual de iluminación. Buenos Aires: Atuel.Sobrino, J. A.-G. (2000). Teledetección. Valencia: Servicio de Publicaciones, Universidad de

Valencia.Unión Internacional de Telecomunicaciones. (01 de Enero de 1999). RECOMENDACIÓN

UIT-R V.431-6. Recuperado el 08 de Diciembre de 2016, de NOMENCLATURA DE LAS BANDAS DE FRECUENCIAS Y DE LAS LONGITUDES DE ONDA EMPLEADAS EN TELECOMUNICACIONES: https://www.itu.int/dms_pubrec/itu-r/rec/v/R-REC-V.431-6-199304-S!!PDF-S.pdf

Unión Internacional de Telecomunicaciones. (Abril de 2008). SERIE X: REDES DE DATOS, COMUNICACIONES DE SISTEMAS ABIERTOS Y SEGURIDAD, Seguridad en el ciberespacio - Ciberseguridad, Aspectos generales de la ciberseguridad. Recomendación UIT-T X.1205. Recuperado el 21 de Marzo de 2016, de https://www.itu.int/rec/T-REC-X.1205-200804-I/es

Unión Internacional de Telecomunicaciones. (26 de Junio de 2009). Módulo 5. Gestión del espectro radioeléctrico. Recuperado el 14 de Noviembre de 2016, de www.ictregulationtoolkit.org/action/document/download?document_id=3782

Unión Internacional de Telecomunicaciones. (Julio de 2013). Sobre la UIT. Recuperado el 12 de Noviembre de 2016, de http://www.itu.int/es/about/Pages/default.aspx

Varón, F. G. (2012). Modelamiento estructural de la zona límite entre la microplaca de Panamá y el bloque norandino a partir de la interpretación de imágenes de radar, cartografía geológica, anomalías de campos potenciales y líneas sísmicas. Capítulo 3. Interpretación de imág. Recuperado el 10 de Noviembre de 2016, de http://www.bdigital.unal.edu.co/8848/2/194358.2012.Parte_2.pdf


CÁLCULO DE BIOMASA AÉREA Y CARBONO CAPTURADO DE LA RESERVA YANACOCHA A TRAVÉS DE IMÁGENES SATELITALES

CALCULATION OF AERIAL BIOMASS AND CAPTURED CARBON FROM THE YANACOCHA RESERVE THROUGH SATELLITE IMAGES

Armando Echeverría; Ricardo Pachacama; Yolanda Villaverde; Nicole Proaño

CARRERA DE INGENIERÍA GEOGRÁFICA Y DEL MEDIO AMBIENTE, UNIVERSIDAD DE LAS FUERZAS ARMADAS – ESPE. Av. General Rumiñahui S/N , Sangolquí – Ecuador. [email protected]; [email protected]; [email protected]; [email protected]

Recibido: 04 de agosto de 2017 / Aceptado: 14 de mayo de 2018

RESUMEN

El aumento de los gases de efecto invernadero están vinculados con el cambio climático, siendo el dióxido de carbono uno de los que se produce en mayor cantidad. Los bosques juegan un papel primordial en el ciclo de carbono, ya que estos lo almacenan en la vegetación y lo fijan en el suelo. La preservación de los bosques, así como la fijación de carbono puede constituir valoraciones económicas ambientales a base de sistema de pago internacional. En el presente proyecto se calculó la biomasa aérea y el carbono capturado de la reserva biológica Yanacocha con ayuda de una imagen satelital RadipEye del año 2010 proporcionada por el Ministerio de Agricultura, Ganadería, Acuacultura y Pesca (MAGAP) con una resolución de 5 m. Realizando una clasificación no supervisada, clasificación supervisada, cálculo del índice de vegetación de diferencia normalizada (NDVI), para obtener los lugares de muestreo y establecer parcelas para recolección de datos. Se usaron ecuaciones alométricas para cada tipo de cobertura forestal teniendo como resultado 10,88 Tn/ha para bosque siempre verde montano y 24,4 Tn/ha de bosque de Polylepis pauta. Se determinó la cantidad de carbono por cada tipo de bosque según el grupo Intergubernamental de expertos sobre el Cambio Climático (IPCC) consiguiendo 5,44 TnC/ha y 12,2 TnC/ha respectivamente. Se concluyó que el NDVI es un índice de vegetación válido para vegetaciones boscosas mas no para vegetaciones arbustivas pequeñas y de pajonal como se encontró en la zona de estudio, ya que estas daban como resultado un bajo nivel de vigorosidad de la vegetación.

Palabras clave: Biomasa, Carbono, Ecuaciones alométricas, NDVI, Polylepis pauta.

ABSTRACT

The increase of greenhouse gases results in climate change, with carbon dioxide being one of the most produced. Forests play a key role in the carbon cycle, as they store it in the vegetation and set it on the ground. Forest preservation as well as carbon sequestration can constitute environmental economic valuations based on an international payment system. In the present project, the biomass and carbon captured from the Yanacocha reserve were calculated using a 2010 RadipEye satellite image provided by the Ministry of Agriculture, Livestock, Aquaculture and Fisheries (MAGAP) with a resolution of 5 m. Performing an unsupervised classification, supervised classification, normalized difference vegetation index (NDVI) calculation, to obtain sampling sites and establish plots for data collection. Allometric equations were used for each type of forest resulting in 10.88 Tnc / ha for evergreen montane forest and 24.4 tn/ha of Polylepis forest. The amount of carbon for each type of forest was determined by the Intergovernmental Panel on



34 Pag. Ulloa, et al..

Climate Change (IPCC), achieving 5.44 Tnc / ha and 12.2 Tnc / ha respectively. It was concluded that the NDVI is a vegetation index valid for woody vegetation but not for small shrub and pajonal vegetation as it was found in the study area, since these resulted in a low level of vigorous vegetation.

Keywords: Biomass, Carbon, Alometric equations, NDVI, Polylepis pauta.

INTRODUCCIÓN

“En la actualidad el cambio climático es uno de los problemas ambientales más graves al que se enfrenta la humanidad” (ECODES, sf), ya que el calentamiento global es un problema que amenaza a los ecosistemas mundiales, comprometiendo el desarrollo sostenible y el bienestar de la humanidad. El Informe del Grupo Intergubernamental de expertos científicos sobre el Cambio Climático (IPCC) publicado en el 2007 determina que para asegurar la estabilidad climática es necesario regresar a las concentraciones de 350 ppm de en la atmósfera; es por esta razón que la biomasa representa un gran aporte para el planeta capturando el dióxido de carbono y fijando el carbono al suelo.

Los páramos, así como el bosque montano son considerados biomas estratégicos ya que poseen altos grados de biodiversidad y endemismo (Lerma M.A. & Orjuela E.L., 2014). En nuestro país las diferentes actividades antrópicas amenazan con su desaparición a causa de la deforestación generada por actividades extractivitas, incremento de la frontera agrícola, entre otras. Es por este motivo que la cuantificación de la biomasa es importante para determinar la cantidad de dióxido de carbono que es fijado en la reserva biológica Yanacocha frente a la presencia de cambio de uso de suelo, quema de vegetación y expansión de frontera agrícola.

El monitoreo ambiental se aplica a través de tecnologías de telemetría siendo una de las más importantes la teledetección, que a través del uso de imágenes satelitales permite monitorear y cuantificar los recursos naturales y su estado en grandes extensiones. De esta manera, se han desarrollado metodologías de análisis geoespacial para la cuantificación de la biomasa.

La reserva biológica Yanacocha al ser una zona de alta biodiversidad y poseer grandes recursos forestales posee una función ecosistémica relacionada con el ciclo del carbono; que es la captura y fijación del carbono. De esta manera se disminuye la concentración de gases de efecto invernadero en la atmósfera (Pérez Guillermo, sf ). Además de conformar una de las fuentes de agua del Distrito Metropolitano de Quito, la reserva forma grandes corredores ecológicos.

Los procesos de expansión de frontera agrícola (principalmente establecimientos de pastizales para ganado), la quema de vegetación y la extracción de madera reducen las zonas de cobertura vegetal las que se encargan de la captura de carbono. Ocasionando daños en el bosque; hábitat de las especies de flora y fauna.


35Geopronósticos de asentamientos Pag

METODOLOGÍA

ADQUISICIÓN DE LA INFORMACIÓNPara realizar este proyecto se utilizó una imagen satelital RapidEye que fue otorgada por el Ministerio de Agricultura, Ganadería, Acuacultura y Pesca (MAGAP), correspondiente al año 2010.

PRE PROCESAMIENTOPara el presente proyecto se usó una imagen RapidEye producto ortocorregido nivel 3A. Lo que quiere decir que todos los productos han sido ortorrectificados usando un DEM SRTM DTED (Radar de la NASA misión topográfica de traslado (SRTM) que proporciona datos digitales de elevación (DEM) de nivel 1 que tiene una separación posterior aproximadamente de 90 m. Digital de elevación del terreno datos (DTED)) de nivel 1 o superior; por lo que no es necesario realizar las correcciones geométricas y radiométricas.

CLASIFICACIÓN NO SUPERVISADA Mediante el uso de Software ArcGIS 10.4.1 se realizó la clasificación de las diferentes coberturas vegetales de la reserva biológica Yanacocha, como se lo ve en la Figura 1, identificando 3 ecosistemas: Bosque siempre verde montano, Herbazal húmedo, Herbazal de páramo y una zona de intervención.

Figura 1. Clases encontradas en la reserva Biológica Yanacocha.



Previo a realizar la clasificación no supervisada, se llevó a cabo un corte de la imagen para evitar que se realicen agrupaciones espectrales con la ciudad de Quito (provocando que se realicen clases únicamente en el área de estudio).

CLASIFICACION SUPERVISADA Se partió del conjunto de las clases conocidas a priori para realizar la comprobación en campo mediante el uso de GPS con precisión menor a 3 metros. Las coordenadas fueron tomadas cerca de los senderos y vías de acceso de la reserva biológica Yanacocha.

A continuación, se presenta la Tabla 1.con los puntos recogidos en campo en el sistema de coordenadas Universal Transversal de Mercator (UTM), elipsoide y datum horizontal WGS 84 Zona 17 Sur.

Figura 2. Mapa de Clasificación Supervisada en la Reserva Yanacocha.



Tabla 1. Puntos obtenidos en campo para la Clasificación Supervisada.Puntos ESTE (m) NORTE (m) ECOSISTEMA

1 768283,559 9986890,787 Bosque Siempre Verde Montano2 768247,603 9986008,216 Bosque Siempre Verde Montano3 768728,582 9986494,298 Bosque Siempre Verde Montano (Bosque de Polylepis)4 768681,776 9986271,763 Bosque Siempre Verde Montano (Bosque de Polylepis)5 769074,442 9986794,464 Herbazal de páramo6 769501,093 9986807,687 Herbazal de páramo7 770218,995 9982860,587 Herbazal Húmedo 8 769891,841 9987231,502 Intervención 9 769575,376 9987242,134 Intervención

CÁLCULO DEL ÍNDICE DIFERENCIAL DE VEGETACIÓN NORMALIZADO NDVIAnteriormente se mencionó que en el presente proyecto se usó una imagen RapidEye de nivel 3A, lo que indicaba que no era necesario aplicar correcciones radiométricas y geométricas en dicha imagen.

A pesar de esto, para el cálculo de los índices de vegetación es aconsejable realizar un ajuste en la corrección radiométrica de 16 bits a 8 bits mediante el uso del software ERDAS Imagine.

Figura 3. Cálculo del NDVI.



El cálculo del índice diferencial de vegetación normalizado (NDVI) se lo realizó en el programa ArcGIS 10.4.1. Se usó las bandas 3 y 5 ya que equivalen al rojo e infrarrojo cercano como se indica en la Figura 3.

Se observa como el NDVI presenta valores entre -1 a + 1. A continuación se realizó una separación de 4 clases para dividir la vigorosidad de las plantas en Alto, medio, bajo y ausencia (ver Tabla 2 y Figura 4).

Tabla 2. Clasificación de los valores de NDVI.CLASIFICACIÓN VALOR DE NDVI

Ausencia -1 a 0Bajo 0 a 0,33

Medio 0,33 a 0,66Alto 0,66 a 1

MUESTREO DE CAMPO Y CÁLCULO DE BIOMASASe realizó un muestreo de parcelas cuadradas de 10 x 10. Ubicando la brújula al Norte y midiendo 10 metros, luego orientándola al este y midiendo nuevamente 10 metros, luego al sur y finalmente al oeste. Colocando las estacas y la cuerda de 45 m para delimitar la parcela y poder medir la atura y el diámetro a la altura del pecho de la muestra dentro de las parcelas.

Figura 4. Resultado de la clasificación del NDVI.



El número de muestras para el presente proyecto son producto de la intersección entre la clasificación supervisada y los resultados del NDVI:

• Bosque siempre verde Montano: Alto, medio y bajo.• Herbazal de Páramo: Medio y bajo.• Herbazal Húmedo: Medio y bajo.

Para el ecosistema de Bosque siempre verde montano los resultados de NDVI mostraban 3 tipo s de vigorosidad de la vegetación: alta, media y baja. Sin embargo, en los resultados de bajo nivel de vigorosidad (NDVI entre -1 y 1) correspondían a las zonas con mayor altura de la reserva y los de medio nivel de vigorosidad a las zonas de alta pendiente.

El ecosistema de bosque siempre verde montano cuenta con la presencia de bosque del páramo y bosque de Polylepis.

Para el muestreo de bosque de páramo se recolectaron datos de los 3 géneros más abundantes en el bosque Baccharis, Miconia y Weinmannia.

En la Tabla 3 se puede observar el número de árboles encontrados en la muestra con su respectiva altura y diámetro.

Tabla 3. Muestra 1- Especies de árboles analizadas. Género Altura m Diámetro cm (dap) Diámetro real

Baccharis 9,5 133 42,33Miconia sp 8,4 32 10,18Weinmannia 8,6 81 25,78Weinmannia 9,1 102 32,46Weinmannia 8,2 66 21Miconia sp 8 39 12,41Miconia sp 7,9 33 10,5Weinmannia 10 111 35,33Baccharis 8,3 42 13,36Baccharis 7,8 42 13,36Bacharis 9,3 86 27,37

22,19

Para el cálculo de la biomasa aérea se utilizó el modelo alométrico propuesto por Lerma & Orjuela (2014), en el cual se plantea que la ecuación es ajustada para diámetros entre 5 a 67 cm de DAP y para una ht entre 4,22 a 25,5 m, dicho modelo no se debe usar para diámetros superiores o inferiores a los anteriormente mencionados ya que se incurriría en sesgo. Ln BT= -1,85 + 2,11 * ln DAP (1)



Dónde

DAP: Diámetro a la altura del pecho en cm BT: Biomasa aérea total (kg/árbol)

Aplicando la fórmula se obtiene una biomasa aérea de 108,87 kg/árbol equivalente a 10,88 tn/ha.

Para la muestra de Polylepis en la Tabla 4 se puede observar el número de árboles encontrados en la muestra con su respectiva altura y diámetro.

Tabla 4. Muestra 2- Polylepis.# Árboles Altura m Diámetro cm (DAP) DAP /pi

1 4,5 60 19,092 6,5 150 47,743 6 62 19,734 7 48 15,275 4,5 45 14,326 3,6 37 11,777 3 36 11,458 2,7 34 10,829 4,5 52 16,5510 5 22 7,0011 6,5 35 11,1412 7,2 70 22,2813 6,3 68 21,6414 6,5 48 15,2715 5,1 44 14,0016 3,4 67 21,3217 3,2 77 24,5018 4 111 35,3319 3,5 22 7,0020 4,3 46 14,6421 3,2 16 5,09

17,43

Para el cálculo de la biomasa aérea se utilizó el modelo alométrico propuesto por Pacheco en el 2015 en el cual se señala que la importancia de la estimación de biomasa en las especies vegetales radica principalmente en conocer el valor que tiene como servicio ambiental para plantas de género Polylepis. Biomasa aérea= 0,334 (2)



Dónde:

DAP: Diámetro a la altura del pecho

Aplicando la fórmula se tiene una biomasa aérea de 242,160 kg/ equivalente a 24,2 tn/ha.

Según los resultados obtenidos en el mapa de NDVI para el ecosistema de Herbazal de páramo y Herbazal Húmedo, se debían tomar dos muestras para las clases de medio y bajo. Sin embargo, al realizar el muestreo de campo se encontró que dicho ecosistema contaba con gran variedad de especies arbustivas de páramo y pajonal del mismo; por lo que no fue posible tomar muestras ya que las ecuaciones alométricas son aplicadas para especies con una altura y diámetro más representativo.

CÁLCULO DE CARBONOComo indica el Panel Intergubernamental del Cambio Climático (2007) para obtener los datos de carbono a través de la biomasa lo que se hace es multiplicar los resultados por 0,5. Para poder determinar el fijado su utilizó la siguiente ecuación:

CO2= kr *C (3)

Dónde: CO2: Dióxido de CarbonoC: Carbono Kr: 3,67. Factor de conversión a resultante del cociente de los pesos moleculares del dióxido de carbono 44 y del carbono 12.

RESULTADOS Y DISCUSIONES

La reserva biológica Yanacocha comprende un área de 1203 hectáreas las cuales se encuentran distribuidas de la siguiente manera: 130,74 ha Bosque de Polylepis pauta, 300,98 ha de bosque siempre verde montano y 771,28 ha distribuidas entre los ecosistemas de herbazal de páramo y herbazal húmedo.

La Tabla 5 indica la cantidad de biomasa y carbono capturado dentro de las 431,72 ha de bosque siempre verde montano y el bosque de Polylepis, presentes en la reserva. Existe un total de 35, 28 Tn/ha de biomasa correspondientes a 6438,56 toneladas de biomasa totales, y un total de 17,64 Tn C/ha. Este resultado corresponde solamente al 35,8 % de la reserva en total, ya que el 64,11% no pudo ser medido mediante las ecuaciones alométricas al tratarse de vegetación arbustiva y herbácea.



Tabla 5. Toneladas de Carbono por hectárea.Bosque Biomasa/hectárea Carbono

Bosque siempre verde mon-tano

10,88 Tn/ ha 5,44 Tn C/ha

Bosque de Polylepis pauta 24,4 Tn/ha 12,2 Tn C/haTotal 35,28 Tn/ha 17,64 Tn C/ha

La Tabla 6 presenta las toneladas de dióxido de carbono por hectárea que son fijadas en la reserva biológica Yanacocha por bosque teniendo un total de 64,63 Tn / ha.

Tabla 6. Toneladas de Dióxido de Carbono por hectárea. Bosque Carbono

Bosque siempre verde mon-tano

5,44 Tn C/ha 19,96 Tn /ha

Bosque de Polylepis pauta 12,2 Tn C/ha 44,77 Tn /haTotal 17,64 Tn C/ha 64,73 Tn /ha

CONCLUSIONES

El uso de la Clasificación supervisada con el índice diferenciado de vegetación normalizada (NDVI) es una metodología efectiva y rápida para obtener parcelas de muestreo de la vegetación para el cálculo de la biomasa aérea por medio de ecuaciones alométricas.

El índice diferenciado de vegetación normalizada (NDVI) fue clasificado en Ausencia con valores de -1 a 0, Bajo con valores de 0 a 0,33, Medio con valores de 0,33 a 0,66 y en Alto con 0,66 a 1.

El índice diferenciado de vegetación normalizada (NDVI) es muy útil para determinar la vigorosidad o salud de las plantas en zonas donde la vegetación tenga un mayor índice de superficie foliar como son las regiones de la costa y oriente del Ecuador. Y no tan efectiva para la región sierra, las zonas de páramo ya que la vegetación que se encuentra en este ecosistema no posee una superficie foliar alta al tratarse de páramo de pajonal por lo que en esta zona se tienen valores de NDVI bajos y medio. Ya que la banda del rojo se encuentra relacionada con el contenido de clorofila y la banda del infrarrojo cercano con el índice de superficie foliar y la densidad de la vegetación verde.

El cálculo de la biomasa aérea fue realizado con dos ecuaciones alometricas para el ecosistema de bosque siempre verde montano. La primera para los 3 géneros más abundantes en el bosque Baccharis, Miconia y Weinmannia (bosque de páramo) y la segunda para el bosque de Polylepis pauta.



Existen 35,28 Tn/ha de biomasa aérea en total en ecosistema bosque siempre verde montano, correspondiente a 17,64 Tn C/ha, equivalentes a 64,73 Tn /ha.

REFERENCIAS

Andrienko N. et al. (2006). Exploratory Analysis of Spatial and Temporal Data. Springer-Verlag.

Basterra, I. (2000). TELEDETECCION-IMÁGENES SATELITALES-PROCESAMIENTO DIGITAL DE IMAGENES. Argentina : UNNE.

BlackBridge. (04 de 2015). RapidEye. Recuperado el 06 de 01 de 2016, de www.rapideye.com

Bonilla E. (2009). Uso de ecuaciones alométricas para estimar Biomasa y Carbono en Pinus Montizumbae. Chapingo.

Buzai G. (sf). ANÁLISIS ESPACIAL CON SISTEMAS DE INFORMACIÓN GEOGRÁFICA: SUS CINCO CONCEPTOS FUNDAMENTALES. En ANÁLISIS ESPACIAL CON SISTEMAS DE INFORMACIÓN GEOGRÁFICA (pág. 3).

Chuvieco E. (1995). Fundamentos de Teledetección espacial. Madrid: Ediciones RIALP S.A.

Chuvieco E. et al. (2011). Cadena de pre-procesamiento estándar para las imágenes Landsat del Plan Nacional de Teledetección. Revista de Teledetección 36,51-61, 52.

Díaz Juan. (06 de 2015). Estudio de Índices de vegetación a partir de imágenes aéreas tomadas desde UAS/RPAS y aplicaciones de estos en la agricultura de presición. Recuperado el 20 de 01 de 2017, de http://eprints.ucm.es/31423/1/TFM_Juan_Diaz_Cervignon.pdf

ECODES. (sf). Cambio Climático. Recuperado el 22 de Septiembre de 2015, de ECODES: http://ecodes.org/cambio-climatico/

ENCE. (2010). El valor de la Biomasa Forestal . Recuperado el 22 de 10 de 2015, de http://www.ence.es/pdf/Biomasa_forestal.pdf

Eyefind. (25 de 01 de 2016). RapidEye. Obtenido de http://eyefind.rapideye.net

Fotheringham A. et al. (Quantitative Geography, Perspectives on Spatial Data Analysis ). 2002. London: SAGE Publications.

Gahegan M. et al. (2001). The integration of Geographic Visualization with Knowledge Discovery in Databases and Geocomputacion

Gandia S. & Meliá J. (1991). La teledetección en el seguimiento de los fenómenos naturales. Recursos Naturales: Agricultura Valencia.

Gandía S. & Meliá J. (1991). La Teledetección en el seguimiento de los fenómenos naturales. Recursos renovables: Agricultura. . Valencia.

Gómez T. & Vergara M. (sf). Biomasa Forestal.

Govaerts B. & Verhulst N. (sf). The normalized difference vegetation. Recuperado el 23 de 10 de 2015, de http://www.plantstress.com/methods/Greenseeker.PDF

Guitiérrez C. & Muñóz A., G. (2006). Teledetección: Nociones y Aplicaciones. Salamanca: Universidad de Salamanca

IDAE. (2014). Solarízate. Recuperado el 22 de Septiembre de 2015, de http://www.solarizate.org/pdf/castellano/fichasalumnos/ficha11.pdf



Instituto Nacional de Estadística y Geografía (INEGI). (sf). Instituto Nacional de Estadística y Geografía (INEGI),. Recuperado el 20 de 11 de 2015, de http://www.inegi.org.mx/geo/contenidos/imgpercepcion/imgsatelite/rapideye.aspx

Intergovermental Panel on Climate Change (IPCC). 2007. Climate Change 1995. The Suplementary Report to the IPCC Scientific Assessment. Cambridge University Press. Cambridge, Inglaterra. Recuperado el 22 de septiembre de 2015.

Jaén, U. d. (sf). Prácticas de Teledetección. Recuperado el 24 de 10 de 2015, de http://coello.ujaen.es/asignaturas/teledeteccion/tel/archivos/Prac_Tel_2006_7.pdf

Lerma M.A. & Orjuela E.L. (2014). Modelos Alométricos para la estimación de la Biomasa Aérea total en el páramo de Anaime, Departamento de Tolima, Colombia. Ibague

McHarg I. (1995). Design with Nature.

Menesses C. (2011). El índice normalizado diferencial de la vegetación como indicador de la degradación del bosque. México: Unasylva.

Ministerio de Ambiente. (2012). Sistema de clasificación de los ecosistemas del Ecuador continental. Quito.

Monterroso M. (sf). Guía Práctica: Clasificación de Imágenes Satelitales. Montes, D. d. (2004). Actualización de la Evalucación de los recursos forestales mundiales a

2005. Roma.Nogués F. et al. (2010). Energías Renovables. Zaragoza : Servicio de Publicaciones. Universidad

de Zaragoza.Pacheco, A. G. 2011. Ecuaciones alométricas para estimar biomasa aérea por compartimientos

en reforestaciones de Pinus patula Schl. et Cham, en Xiacuí, Ixtlán, Oaxaca. Tesis (Ingeniero Forestal). Universidad de la Sierra Juárez. México. 58 p.

Pereda Marcos. (2013). Comparación de los índices de vegetación en la zona semiárida de Navarra. Recuperado el 27 de 01 de 2017, de http://academica-e.unavarra.es/xmlui/bitstream/handle/2454/7790/578142.pdf?sequence=1

Pérez Guillermo. ( sf ). Ciclo de Carbono. Recuperado el 20 de Septiembre de 2015, de http://www.ciclodelcarbono.com/captura_del_carbono

Robayo J. et al, R. (2011). Informe Técnico de Base Reserva Biológica Yanacocha. Quito.

Rodríguez W. & Liehner D. (sf). Análisis de Crecimiento Vegetal. San José: Editorial Universidad de Costa Rica.

ScanTerra. (2006). Scan Terra. Recuperado el 25 de 10 de 2015, de http://www.scanterra.com.ar/index.html

Schlegel B. et al. (2000). Manual de Procedimientos muestreo de Biomasa Forestal . Valdivia.

Sitjar J. & Busquets A., S. (sf ). Taller Teledetección . Recuperado el 25 de 10 de 2015, de Taller Teledetección : http://sigte-tallerjornadas2015.readthedocs.org/es/latest/

Sobrino J.A., S. (2000). Teledetección . Valencia: Guada Impresores.

Ulloa C. & Fernandez D. (2015). Plantas de los páramos del Distrito Metrpopolitano de Quito, Ecuador. Quito.


GEOPRONÓSTICOS DE ASENTAMIENTOS CON CONSTRUCCIONES CIVILES EN LAS PERIFERIAS DE LA CIUDAD BASADO EN AUTÓMATAS CELULARES: CASO ZONA NORTE-CALDERÓN.

GEO FORECASTS OF SETTLEMENTS AND CIVIL CONSTRUCTIONS IN THE PERIPHERIES OF THE CITY BASED ON CELLULAR AUTOMATA: CASE NORTH-CALDERÓN

RENÉ ULLOA1, ELISA LALAMA2

1UNIVERSITAT ROVIRA I VIRGILI, Doctorando en Ciudad, Territorio y Planificación Sostenible, C/ Joanot Martorell 15 43480 Vila-seca, Tarragona - España.1UNIVERSIDAD POLITÉCNICA DE MADRID, Doctorando en Planificación de Proyectos de Desarrollo Rural y Gestión Sostenible, Campus Ciudad UniversitariaAvenida Puerta de Hierro, 2 - 4 28040, Madrid - España 2WORLDGEO, Estudios Geoespaciales, Quito - Ecuador

Recibido: 07 de septiembre 2017 / Aceptado: 25 de mayo 2018

RESUMEN

Dentro de las prácticas de las empresas que brindan servicios básicos a la ciudadanía, la elaboración del Plan Maestro contempla la estrategia de desarrollo de los servicios futura del abastecimiento de los probables demandantes de estos en un determinado tiempo, es de esperarse que una de las variables a considerar sea el crecimiento poblacional en términos de número de habitantes, que en algún momento podría encontrarse que, al proyectar el número de futuros beneficiarios, esta cantidad se vea comprometida debido a que las consideraciones fueron hechas con base en el histórico creciente de la población sin considerar el comportamiento espacial (distribución, mancha urbana) de los asentamientos (infraestructura civil que no son número de habitantes pero que demandaran los servicios básicos). Consecuentemente la contribución de este proyecto pretende brindar un análisis complementario al ya existente, modelando geo-pronósticos basados en el historial de la mancha de asentamientos con infraestructura civil por medio de las técnicas de Autómatas Celulares; con el objetivo de comparar las consideraciones que se podrían estar obviando, como por ejemplo en el siguiente caso: Una familia tipo de cuatro integrantes (dos adultos y dos infantes considerados en el censo 1) que reside en el centro de la ciudad de Quito adquiere terrenos en una zona de la parroquia de Calderón que para entonces posee escasa atención de servicios básicos y donde pretende realizar actividad comercial y no de residencia, razonablemente construye infraestructura civil en el lugar (asentamiento); después de 10 años en la siguiente evaluación censal (censo 2), para este caso de esta familia el número de habitantes no se ha incrementado pero la ocupación espacial dentro del Distrito Metropolitano de Quito (DMQ) si aumenta y necesariamente este nuevo espacio demanda servicios básicos. Como consecuencia de este y más tipos de actividades de los habitantes del DMQ, es necesario evaluar el comportamiento espacial de la macha de infraestructura civil (construcciones formales y/o informales) registradas en las zonas de expansión; como es el claro ejemplo de la parroquia de Calderón. Además se debe tomar en cuenta el alto grado de edificaciones informales que registra Calderón y en general las parroquias suburbanas del DMQ.

Palabras Clave: Autómatas Celulares, geo-pronósticos, mancha urbana, peri urbanización, crecimiento urbano.

ABSTRACT

Within the practices of companies that provide basic services to citizens, the preparation of the Master Plan contemplates the strategy of developing the future services of the supply of the likely applicants of these in a certain time, it is to be expected that one of the variables to consider the population growth in terms of number of inhabitants, that at some point it could be found that, when projecting the number of future beneficiaries, this amount is compromised because the considerations were made based on the growing historical population




without considering the spatial behavior (distribution, urban sprawl) of the settlements (civil infrastructure that are not number of inhabitants but that demand basic services). Consequently, the contribution of this project intends to provide a complementary analysis to the existing one, modeling geo-forecasts based on the history of the slick of settlements with civil infrastructure through the techniques of Cellular Automata; with the objective of comparing the considerations that could be being ignored, as for example in the following case: A typical family of four members (two adults and two infants considered in the census 1) that resides in the center of the city of Quito acquires land in an area of the parish of Calderón that by then has little attention to basic services and where it intends to carry out commercial activity and not residence, reasonably builds civil infrastructure in the place (settlement); after 10 years in the following census evaluation (census 2), for this case of this family the number of inhabitants has not increased but the spatial occupation within the DMQ increases and necessarily this new space demands basic services. As a consequence of this and more types of activities of the inhabitants of the MDQ, it is necessary to evaluate the spatial behavior of the civil infrastructure road (formal and / or informal constructions) registered in the expansion zones; as is the clear example of the parish of Calderón. In addition, the high degree of informal buildings registered by Calderón and, in general, the suburban parishes of the DMQ must be taken into account.

Keywords: Cellular automata, geo-forecasts, urban sprawl, peri-urbanization, urban growth.

INTRODUCCIÓN

Dentro de los procesos de la Empresa Pública Metropolitana de Agua Potable y Saneamiento de Quito - Ecuador (EPMAPS), los giros clave de la institución radican principalmente en mejorar el funcionamiento de los sistemas de agua potable y alcantarillado, tanto los existentes como los planificados, de hecho, radica en la misma planificación de la empresa, contar con los planes macro para atender a la futura población del DMQ. Para cualquier tipo de planificación es indispensable considerar la variable de crecimiento urbana en los diferentes sectores que todavía tienen la posibilidad de expansión; asiente de esta complicación que derivan en mayor demanda de los servicios básicos, la EPMAPS a lo largo de su accionar ha tomado operado en diferentes áreas como (EPMAPS, 2011):

• Soluciones a Sistemas de Drenaje y Alcantarillado.• Diseños para el Control de la Escorrentía.• Estudios de Factibilidad y Diseños Definitivos de diferente Colectores • Túneles de Alivio a Colectores • Modelación Hidráulica de los principales sistemas de Distribución de Agua Potable.• Estudios de Actualización del Plan Maestro Integrado de Agua Potable y

Alcantarillado.• Estudios de Optimización Hidráulica de las Redes de Distribución de Agua Potable

de La Ciudad De Quito

“Las consecuencias de la urbanización intensiva sobre los procesos hidrológicos han demostrado la limitación de las soluciones tradicionales de drenaje urbano, para agravar o empeorar estos efectos. Los sistemas tradicionales de drenaje son poco flexibles y adaptables a los cambios de uso de la tierra y a los intensos procesos de urbanización y crecimiento de las ciudades” (Martínez, 2013)



Por otro lado, Según el Código Orgánico de Organización Territorial Autonomía Descentralización (COOTAD) el ordenamiento territorial consiste en una “planificación con autonomía para la gestión territorial, que parte de lo local a lo regional en la interacción de planes que posibiliten la construcción de un proyecto nacional, desarrolla la “proyección espacial de las políticas sociales, económicas y ambientales para asegurar un “nivel adecuado de bienestar a la población, en donde prime la preservación del ambiente para las futuras generaciones” (COOTAD,2010). Según el Plan Metropolitano de Ordenamiento Territorial 2012 -2022, con un crecimiento demográfico importante, el desarrollo urbano de Quito a partir de los años setenta del siglo pasado ha observado una forma de crecimiento físico expansiva de baja densidad e inequitativa, que evidencia varias ineficiencias funcionales y ambientales caracterizadas por:

• El desequilibrio y asimetría en el desarrollo regional, producto de interdependencias funcionales y dependencias energéticas, alimentarias y productivas de otros territorios;

• La utilización urbanística de territorios rurales y recursos no renovables con potencialidad eco sistémica a través de procesos de subocupación del suelo urbano y conurbación con parroquias rurales y los cantones Rumiñahui y Mejía;

• Sobresaturación de equipamientos y servicios en el área central de la ciudad; Débil estructuración jerárquica y limitado desarrollo de los centros poblados rurales;

• Accesibilidad y conectividad reducidas y limitadas por la geografía y la falta de conexión especialmente entre el sur y norte de la ciudad y de esta con los valles circundantes;

• Alta vulnerabilidad de las edificaciones frente a amenazas socio-naturales; • Proliferación de patrones urbanísticos conformados por urbanizaciones cerradas que

generan la fragmentación del territorio urbano;• Un marco legal e institucional que privilegia exclusivamente la normativa urbanística,

ignorando la incorporación e instrumentalización de nuevas alternativas de gestión orientadas hacia la construcción de consensos sobre visiones de desarrollo y los repartos equitativos de cargas y beneficios correspondientes (Plan Metropolitano de Ordenamiento Territorial 2012 -2022, 2012).

• Cabe mencionar también que, dentro de las Ordenanzas Metropolitanas de Quito se establecen también normativas regulatorias para construcciones en zonas de quebradas y laderas de pendientes pronunciadas y/o erosivas (Quito, 2013).

Según el Instituto Ecuatoriano de Estadísticas y Censos (INEC) desde el año 1950, la población del DMQ se ha multiplicado siete veces hasta alcanzar 2.239.191 habitantes en el año 2010. Si bien la concentración poblacional en el DMQ es el producto de un rápido crecimiento demográfico observado especialmente entre 1950 y 1982 con tasas superiores al promedio nacional, en las últimas tres décadas y producto de la disminución de las tasas de crecimiento natural y migratorio se ha evidenciado una tendencia decreciente en las que la tasa de crecimiento se redujo desde el 4.19%y 4.34% correspondiente al DMQ y Quito en el periodo 1974-1982 al 2.17%y 1.5%observados entre el 2001 y 2010.



Desde 1990 predominan un proceso de peri-urbanización hacia los valles próximos a la ciudad correspondiente a un modelo expansivo y disperso de urbanización y la incorporación de actividades económicas intensivas vinculadas a la agro exportación en los valles orientales (zona del nuevo aeropuerto) lo que ha propiciado un mayor crecimiento del área suburbana respecto a la ciudad. La tasa de crecimiento 2001-2010 del área suburbana (parroquias rurales) duplica el crecimiento de la ciudad (4.1% respecto a 1.5%), (INEC, 2010). Esta característica demográfica evidencia también la consolidación de la urbanización y la expansión de la ciudad de Quito hacia los valles circundantes. En el 2010, la población urbana representa el 88%, mientras que la población en las áreas rurales es del 22% del total (INEC, 2010).

Particularmente desde el año 1982 la parroquia de Calderón muestra un crecimiento que supera considerablemente las cifras del resto de parroquias suburbanas del DMQ. Se cambia drásticamente el patrón de crecimiento, al punto que en el censo de 1990 (solo ocho años más tarde), se registra un total de 36.297 habitantes, es decir un incremento en valores absolutos de 18.238 habitantes que representan el 101% de crecimiento (8% anual). Este comportamiento poblacional, no solo que se mantiene, sino que sobrepasa lo esperado, tal es así que al año 2001, la población alcanza una cifra fenomenal de 84.848 habitantes, que representan un incremento de 133% en relación al año 1990. Esta cifra significó un crecimiento de 48.551 habitantes, que en términos de tasas de crecimiento anual, en los dos últimos períodos censales, significó un crecimiento de 7.7 %, dato considerado como el más alto observado en el DMQ., Calderón se encuentra entre las parroquias con mayor evolución de número de habitantes con respecto al DMQ.(Durán, 2016)En los últimos tres años, el crecimiento urbano del DMQ ha experimentado una relativa pausa en la continua expansión de su mancha urbana, probablemente debido a las limitaciones geográficas existentes, algunas restricciones exclusivas por parte del municipio, o en fin, hasta por la crisis económica que atravesó el país en los últimos años. En el caso muy particular de las parroquias suburbanas continúan creciendo en forma expansiva cubriendo áreas cada vez más alejadas de los lugares concentrados, amerita colocar mucha atención en este fenómeno existente, debido a que, dentro de la planificación para atender con los servicios a la ciudadanía depende muy íntimamente del histórico crecimiento y la proyección de años venideros de la consolidación de nuevos asentamientos que derivan en nuevos consolidados rurales y urbanos que en futuro cercano deberán ser atendidos por parte del Gobierno Local.

El presente estudio de investigación se realizará en la zona extrema norte de la parroquia de Calderón (zona en expansión urbana), en los barrios Bellavista y San Juan de Calderón ( Figura 1).

MODELOS DE SIMULACIÓN URBANOS

Los modelos de simulación urbanos se podrían considerar herramientas relativamente nuevas en su utilización, sin embargo el surgimientos de estas registran desde alrededor de los año cincuenta (Batty, 2005). Cabe recalcar que los fundamentos teóricos sobre



estos modelos, teorías y estudios aparecen tiempo atrás como la teoría de los lugares centrales de Christaller y las modificaciones de Lösch, que de alguna forma influyen en las metodologías sobre los cambios en el uso del suelo (Briassoulis, 2000). Los trabajos de simulaciones urbanas que actualmente se realizan difieren en buena razón con la forma de construir los primeros modelos de este tipo, debido principalmente al desarrollo de la tecnología y computación. En los años setenta se desvía la atención hacia los modelos de gran escala para la planificación de los usos del suelo y del transporte; como los gravitacionales, que fueron los primeros de estructura espacial urbana (Aguilera, 2005); uno de los modelos más destacados para la planificación del uso del suelo, aplicado en la ciudad de Pittsburg EE.UU. es el de Lowry, que integra otras teorías económicas y explica el crecimiento urbano sobre la base del crecimiento de las actividades económicas y sus relaciones de empleo y residencia. Estos modelos experimenta una crisis tras el conocido “Requiem” otorgado por Lee en 1973, en el que se criticaba sus elevados costes, elevada complejidad que no ayudarían a entender mejor las dinámicas urbanas o el ultranacionalismo de sus premisas. Para los años noventa con el gran impulso de la informática y los Sistemas de Información Geográfica atados a los gigantes desarrollos

Figura 1. Izq. Ubicación de la Parroquia de Calderón en la Ciudad de Quito, Drcha. Ubicación de la zona de estudio en la parroquia de Calderón ( en amarillo)



de las áreas urbanas se vuelve a retomar y a considerar las técnicas de simulación en los procesos urbanos, generando una nueva ola de la simulación urbana (Benenson & Torres, 2004). Este nuevo período de la simulación urbana, en el que la producción científica ha sido extraordinariamente prolífica (Batty, 2005), debe caracterizarse en cualquier caso por un enfoque diferente al empleado en los años sesenta y setenta, que tantas críticas había suscitado. En este sentido, la diferencia debe radicar en que en el contexto actual los modelos de simulación no se deben entender como los instrumentos definitivos que decidirán por los planificadores cómo solucionar los problemas urbanos (Blecic & Cecchini, 2008) ni tampoco como bolas de cristal para predecir el futuro. Por el contrario, se deben entender como instrumentos que pueden ayudar a explorar diferentes posibilidades o escenarios de evolución de las dinámicas urbanas (crecimiento urbano por ejemplo), de acuerdo con las tendencias actuales del pensamiento prospectivo (Berdoulay, 2009). Este nuevo enfoque de la simulación urbana, denominada simulación prospectiva, tendría como objetivo la generación de imágenes futuras posibles que constituyan una importante herramienta de soporte a la planificación de estos ámbitos, ayudando a mostrar posibles consecuencias de tendencias, metas deseables a alcanzar, cambios necesarios para alcanzar determinados objetivos, generando imágenes diversas que faciliten una planificación más participativa, entre otros. Dentro de los modelos de simulación prospectivos se destacan los pensamientos exploratorios y normativos, algunos de los principales modelos de simulación del crecimiento urbano se pueden presentar agrupados en dos grupos principales: aquellos de una mayor aplicabilidad para la simulación de escenarios exploratorios como pueden ser los modelos basados en autómatas celulares o basados en agentes; y aquellos de mayor aplicabilidad en la simulación de escenarios normativos, como son la EMC (Evaluación Multicriterio) y la lógica borrosa. No obstante, esta división no supone que los diferentes modelos presentados tengan utilidad exclusiva para la simulación de escenarios de un único tipo, sino que es posible emplearlos en la simulación de ambos.

MODELOS DE SIMULACIÓN BASADOS EN AUTÓMATAS CELULARES (AC)

Los modelos basados en AC, han sido ampliamente discutidos en los últimos años como un instrumento adecuado para la representación y simulación espacial de crecimientos urbanos (Aguilera, 2008; Li & et al., 2008; Petrov & et al., 2009), aunque no se trata de una herramienta nueva. En concreto, los AC como herramienta matemática vieron la luz en los años cuarenta, de la mano de los matemáticos John von Neuman y Stanislaw Ulam, aunque la idea de AC pertenece a Alan Turing y su máquina universal (O’Sullivan & Torrens, 2000). Se pueden definir como un sistema dinámico formado por un conjunto de elementos sencillos idénticos entre sí, pero que en conjunto son capaces de demostrar comportamientos complejos y que por ello son muy adecuados para la simulación de procesos urbanos (Frankhauser, 1998). Este sistema dinámico estaría compuesto, desde un punto de vista formal, de los siguientes elementos (White & Engelen, 2000). Los autómatas celulares saltaban así del campo teórico a la escena de la modelización geográfica, siendo uno de los pioneros en su aplicación Aldo Tobler, con su Cellular Geography. Desde entonces, mucho se ha escrito acerca de la aplicabilidad de los AC a



la modelización de procesos urbanos (O’Sullivan & Torrens, 2000; Benenson & Torrens, 2004), así como sobre su aplicación para la simulación del crecimiento urbano (Barredo & et al., 2003, 2004; Petrov & et al., 2009...), pudiendo establecerse que se trata de un instrumento adecuado para la simulación de escenarios exploratorios.

No obstante conviene destacar que los modelos empleados para la simulación de las dinámicas de la ocupación del suelo no están constituidos por un autómata celular estricto, como el descrito en el Game of Life, de Conway. Por el contrario, buena parte de estos modelos (Santé & et al., 2010) determinan un potencial de transición de los diversos usos urbanos (o posibles estados de los AC) en función de diversos factores (Figura. 3) como son la accesibilidad, la aptitud del territorio para los crecimientos urbanos, un factor estocástico, así como un factor denominado de vecindad que estaría basado en los autómatas celulares propiamente dichos. Este factor de vecindad consistiría en un potencial de cambio calculado en función del efecto de atracción/repulsión que ejercerían los usos de los autómatas de la vecindad sobre cada autómata en cuestión.

Esta estructura ha sido popularizada por los trabajos que han empleado el modelo desarrollado en el proyecto MOLAND (Barredo & et al., 2003; Barredo & et al., 2004; Gómez & Barredo, 2008; Petrov & et al., 2009), aunque también ha inspirado los modelos desarrollados en otros estudios (Aguilera, 2008; Valenzuela & et al., 2008).

Para finalizar, la intensión de este artículo se enmarca dentro de los siguientes objetivos Generales y Específicos:

Generar un modelo matemático de predicción geográfico que permitan revelar los asentamientos futuros de la zona norte de la parroquia de Calderón basado en Autómatas Celulares.

• Recopilación, análisis y procesamiento de la información base, imágenes satelitales históricas del sector.

• Definir las variables que contribuyen a la expansión de los asentamientos en la zona de estudio.

• Generar el modelo geográfico predictivo con base en Autómatas Celulares.• Verificar y calibrar el modelo.

METODOLOGÍA

La investigación parte con la recolección de imágenes satelitales del sector de estudio de diferentes años, con la finalidad de evaluar la transición que ha experimentado la zona, para este caso se ha extraído áreas de imágenes satelitales desde Google Earth (Sensores DigitalGlobe y CNES/AirBus con resolución espacial de 1 metro.) de los años marzo 2003, Septiembre 2005, julio 2008, noviembre 2009, abril 2010, junio 2011, junio 2012, enero 2013, julio 2014, marzo 2015, enero 2016; esta serie de datos geográficos se traduce en la serie temporal con la que se dispone.



Las imágenes seleccionadas se deben geo referenciar al sistema oficial para el Distrito Metropolitano de Quito TMQuito, para su posterior digitalización. Para este caso de estudio el objetivo es producir imágenes (cobertura raster) con la clasificación 1: asentamientos y 0: sin asentamientos. Las imágenes satelitales extraídas desde el aplicativo de Google Earth no recibieron ningún tipo de corrección, ya que para el objetivo y alcance de este estudio solo se evaluó las ocupaciones espaciales de estas que visualmente son claras y se puede identificar las categorías deseadas sin dificultad

Paralelamente se definen variables complementarias que según criterios expertos colaboran a la proliferación del fenómeno estudiado, para este proyecto se han escogido, disposición de vías y carreteras, disposición de servicios básicos y forma del terreno (topografía), estas variables también son de tipo geográficas (cobertura raster). Obtenidas desde la plataforma geográfica del gobierno abierto del Distrito Metropolitano de Quito a escala 1:1000 (Quito, 2017)

Con las series temporales, para este caso se generan las matrices de transición entre los años detallados, con el objetivo de determinar las probabilidades de cambio de estado con base al histórico, es decir de 0 a 1 o viceversa, consiste en evaluar los patrones de cambios y brindar información al modelo de la cantidad de transiciones y la localización más probable de los mismos

Se calcula las matrices de transición históricas (asentamientos urbanos civiles), que permite describir los cambios de un sistema a través de periodos de tiempo discretos, la variable a ser analizada es (área de ocupación civil – asentamientos urbanos), estas matrices de cambio (matriz de Markov) indican la probabilidad de ocurrencia de cada transición durante un año y permite realizar proyecciones sobre una base anual. Para el caso de este estudio la matriz utilizada es de pasos múltiples que representa la tasa de transición para cada periodo de tiempo (año). Las tasas de transición determinan, en este caso, el porcentaje de área que será cambiado a otro estado. Esta comparación permite establecer una relación entre el potencial del cambio y las variables a través de diferentes enfoques como análisis muticriterio, regresiones, pesos de evidencia o redes neuronales, entre otros.

Para calibrar el modelo se ha utilizado variables explicativas que ha criterio incentivan la ocupación espacial con infraestructura civil, relativamente el área de estudio es pequeña pero de suma importancia debido a que es una de las pocas zonas en expansión de la parroquia de Calderón en la Ciudad de Quito Ecuador, de manera que, se ha elegido las siguientes variables más representativas; Morfología del Terreno, ya que esta variable es importante en la calibración del modelo puesto que permite la restricción del uso del suelo en laderas erosivas de pendiente pronunciada o probables fenómenos de inestabilidad, Acceso Vial y Acceso a Servicios básicos (Agua Potable, Luz Eléctrica, Telefonía Fija), Potencial disponibilidad del servicio de internet fijo, transporte público. Identificando las variables que no son categóricas en las cuales se han creado rangos (tipo buffers) cada cierta distancia para categorizarlas en cada uno de los rangos, se procede a



calcular las evidencias en cada buffer basados en el método geo-estadístico de pesos de evidencia y obtener un mapa de probabilidades de transición, el cual muestra las áreas donde el cambio es más propenso a ocurrir (ecuación 1), La ocurrencia del evento A (Asentamientos) dado un patrón espacial B (ej. Distancia a vías)

(1)

Para determinar el mapa de probabilidades se ocupa los pesos calculados de todas las variables consideradas (Morfología del Terreno M, Acceso Vial V y Acceso a Servicios básicos (Agua Potable, Luz Eléctrica, Telefonía Fija) S, Potencial disponibilidad del servicio de internet fijo I, transporte público T), se utiliza la ecuación 2:

(2)

Con los procedimientos anteriores ya se han calculado los rangos de cada variable, si estas no son categóricas, y los pesos de evidencia para cada rango y el mapa de probabilidad. Inmediatamente se debe realizar un Análisis de Correlación de Mapas. En principio se supone que las coberturas utilizadas como variables explicativas son espacialmente independientes, para comprobar la validez de este supuesto se utiliza el test de Cramer de información de Incertidumbre conjunta, para este proceso se utilizó la herramienta Dinámica EGO que realiza pruebas pareadas para mapas categóricos para comprobar la independencia, básicamente los métodos empleados son Chi Cuadrado, Crammers, Contingencia, Entropía e Incertidumbre de información relacionada (Bonhan-Carter 1994).

Dentro del modelo se ha utilizado un artificio para otorgar una probabilidad adicional a los pixeles más cercanos a los asentamientos existentes de la imagen de partida (más antigua) con la herramienta “Cal Distance Map”, Figura 2. Las funciones Patcher y Expander son los modelos de autómatas celulares que reproducen los patrones espaciales de cambio. En síntesis el Patcher genera o forma nuevos piezas a través del mecanismo semilla, busca las celdas de alrededor de una ubicación central para ejecutar un cambio a la misma clase, seleccionando la celda central y asignando un la cantidad de celdas alrededor de la central en función de su probabilidad y el Expander se dedica a la expansión o reducción de piezas de una clase ya existente.

El resultado del modelo de entrenamiento es la simulación correspondiente al año 2016 que es comparado con la realidad del mismo año, figura 6, esto permite validar el grado de predicción, el proceso de validación se resuelve mediante el modelo de la figura 3. En esta instancia salen a relucir que procedimiento necesita ser reanalizado y reconsiderado, así después de realizar los ajustes necesarios; y con esto mejorar el índice de correlación, se podría establecer que el modelo está calibrado y listo para predecir las siguientes temporalidades.



Para ejecutar las predicciones futuras es necesario incorporar una función adicional que permite generar comportamientos nuevos como es la función Expander de esta manera y de forma iterativa se genera el mapa con la predicción al tiempo requerido, figura 4.

El resultado es un mapa raster con el pronóstico de los asentamientos en los próximos años, con la misma clasificación que las imágenes de entrada (temporales).

Después de realizar algunas iteraciones, el resultado será validado con datos de la misma serie de entrenamiento.

Figura 2. Modelos de Entrenamiento entre 2013 y 2016, las matrices de transición se calculan entre 2003 y 2016.

Figura 3. Modelo de Validación con la simulación del año 2016 vs. La realidad del año 2016 de los asentamientos en la zona de estudio



RESULTADOS

- Datos de entrada (situación histórica- Actual): series temporales satelitales, las imágenes representan los asentamientos con infraestructura civil en el sector de estudio que en esa determinada fecha existían, en la figura 5 se presentan los asentamientos de los años 2003, 2011 y 2016, con dos objetivos principalmente: recalcar el crecimiento ocupacional espacial histórico registrado y mostrar que las imágenes han sido tratadas como binarias para ingresar al modelo, el color amarillo representa la ocupación con estructura civil y negro representa zonas sin ocupación.

- Correlación y prueba del modelo: Tomando como referencia la situación registrada real del año 2016, después de correr el modelo, es necesario evaluarlo para determinar qué grado de predicción se consigue con la metodología aplicada; de manera que, en este proceso el modelo se ha ejecutado para obtener una simulación del año 2016 y con este resultados contrastar la situación real en el mismo año, en la figura 6, se presenta la simulación del modelo entrenado (derecha) para el año 2016 en comparación con la situación real (izquierda). La validación obtenida fue del 60% (correlación 0.6).

- Resultados de las predicciones: Después de aceptar el nivel de correlación arrojado por el modelo construido, se ejecutó este para tratar de predecir los asentamientos urbanos (ocupación espacial) en la zona de estudio para los años 2018 - 2020 – 2025.

Figura 4. Modelos de Estimación Asentamientos con infraestructura Civil.



Figura 5. Zona de Estudio digitalizada y geo referenciada, color púrpura representa asentamien-

tos civiles

Figura 6. Comparación del resultado simulado a partir del modelo construido con el panorama real 2016, color plomo oscuro representa asentamientos civiles.

En la figura 7 se muestran los resultados de las predicciones para los años detallados, se interpreta el aumento de la ocupación espacial es considerable, en la zona que anteriormente ya estaba ocupada (Centro inferior de la zona de estudio) se vuelve más densa obedeciendo su propagación hacia los servicios básicos y ejes viales existentes; otra característica de la mancha urbana es que tiende a expandirse hacia el norte y hacia el Oeste, ocupando quebradas y espacios sin ocupación entre las parroquias de Calderón y las Parroquias de Pomasqui y San Antonio. Por otro lado las particularidad de las manchas tipo spray representan sectores con alta probabilidad de ser ocupados por infraestructura civil, a medida que avanza el tiempo estas siguen densificándose.



CONCLUSIONES

- La incorporación de variables explicativas provee al modelo más eficiencia en su predicción, complementar estos procedimientos con técnicas como Evaluación Multicriterio y para este caso en particular trabajar paralelamente con Modelos basados en Agentes aumentará el coeficiente de correlación y brindará perspectivas sociales más acentuadas.

- El disponer de una serie temporal de imágenes extensa siempre brinda mejores resultados debido a que el modelo adquiere más información y se entrena más robusto, para este caso en particular la serie completa ayudó para calcular las matrices de transición, pero distorsionó en cierta manera los resultados, se presume que los cambios en el uso y ocupación del suelo de este sector fueron de alto contraste hasta el 2010 que definitivamente cambio a ser uso residencial, fue por esta razón que se tomó desde esta fecha para entrenar al modelo y validarlo.

Figura 7. Predicciones futuras resultados del modelo matemático geográfico, color plomo oscu-ro representa asentamientos urbanos.



- Los resultados obtenidos de las predicciones tienen lógica y se concluye que posee mucho acercamiento a la realidad con la futura ocupación, tomando como referencia que en los sectores pronosticados ya existen indicios antrópicos como limpieza de la vegetación y límites físicos, incluso en las zonas con restricción de uso de suelo como laderas, presentan posibles asentamientos obedeciendo al típico comportamiento de las ocupaciones ilegales en zonas restringidas, que en el sector de estudio se han presentado.

- En los resultados, Figura 7, las manchas tipo spray representan los sectores con alta probabilidad a ser ocupados, en los próximos años hasta el 2020 según el alcance de este estudio.

- Para estudios de crecimiento espacial urbano con esta metodología los costes asociados al desarrollo son bajos, debido a que la información principal para adquirir la serie temporal se pueden obtener desde imágenes satelitales de la aplicación de Google Earth, que visualmente brinda una interpretación directa de los asentamientos urbanos sin la necesidad de realizar correcciones con técnicas especializadas y que además cuentan con suficiente resolución y su disponibilidad es asequible.

- El método aplicado no se limita solo a fenómenos de crecimiento urbano; por su forma de modelar, estas técnicas permiten predecir comportamientos con base a la vecindad inmediata tomando en cuenta variables que determinan la naturaleza que hace proliferar al fenómeno, como por ejemplo: cambios de cobertura vegetal, estudios de Aguas Contaminadas, Tratamiento de Aguas residuales, comportamientos Sociales, estudio de clientes en su consumo, voluntad de pago, morosidad y comportamientos Económicos, Evolución del Factor Socio económico.

REFERENCIAS

Aguilera, F. (2008): Análisis Espacial Para La Ordenación Ecopaisajística De La Aglomeración Urbana De Granada, Tesis Doctoral, Universidad De Granada.

Batty, M. (2005): Cities And Complexity: Understanding Cities With Cellular Automata, Agent-Based Models, And Fractals, The Mit Press.

Batty, M., & Torrens, P. M. (2005). Modelling And Prediction In A Complex World. Futures, 37(7), 745-766. Doi:10.1016/J.Futures.2004.11.003

Barredo, J. I. & M. Kasanko & N. Y. Mccormick & C. Lavalle (2003): “Modelling Dynamic Spatial Processes: Simulation Of Urban Future Scenarios Through Cellular Automata”, Landscape And Urban Planning, 64: 145-160.

Barredo, J. I. & L. Demicheli & C. Lavalle & M Kasanko & N. Mccormick (2004): “Modelling Future Urban Scenarios In Developing Countries: An Aplication Case Study In Lagos, Nigeria”, Environmentand Planning B: Planning And Design, 32: 65-84.

Benenson, I. & P. M. Torrens (2004): Geosimulation: Automata-Based Modeling Or Urban Phenomena, John Wiley & Sons, Ltd.

Blecic, I. & A. Cecchini (2008): “Design Beyond Complexity: Possible Futures-Prediction Or



Design? (And Techniques And Tools To Make It Possible)”, Futures, Vol. 40: 537-551.Briassoulis, H. (2000): “Analysis Of Land Use Change: Theoretical And Modeling Approaches”,

En: Fttp://Www.Rri.Wvu.Edu/Webbook/Briassoulis/Contents.Htm [Mayo, 2007].Cootad, F. (2010). Código Orgánico De Organización Territorial, Autonomía Y Descentralización.De Quito, C. M. (2012). Ordenanza Metropolitana 0171: Que Aprueba El Plan Metropolitano De

Ordenamiento Territorial (Pmot) Del Distrito Metropolitano De Quito. Registro Oficial, 29.Durán, G., Martí, M., & Mérida, J. (2016). Crecimiento, Segregación Y Mecanismos De

Desplazamiento En El Periurbano De Quito. Iconos. Revista De Ciencias Sociales, (56), 123-146.

Epmaps. (Marzo De 2011). Google. Recuperado El 04 De Abril De 2015, De Plan Maestro De Agua Potable 2010-2040: Http://Www.Aguaquito.Gob. Ec/Sites/Default/Files/Documentos/Plan_Maestro_Agua_Potable.Pdf

Gómez Delgado, M. & J. I. Barredo Cano (2005): Sistemas De Información Geográfica Y Evaluación Multicriterio En La Ordenación Del Territorio, Editorial Ra-Ma, Paracuellos De Jarama. — (2008): “Towards A Set Of Ipcc Sres Urban Land Use Scenarios: Modelling Urban Land Use In The Madrid Region”, En M. Paegelow & M. T Camacho (Eds.): Modelling Environmental Dynamics, Springer-Verlag, Berlín.

Inec, I. (2010). Censo De Población Y Vivienda. Censo De Población Y Vivienda.Martínez, G. (2013). Sistemas Urbanos De Drenaje Sostenible “Suds” Como Alternativa De

Control Y Regulación. Bogotá: Universidad Militar Nueva Granada.O’sullivan, D. & P. Torrens (2000): “Cellular Models Of Urban Systems”, Casa Working Paper

Series, 22.Petrov, L. & C. Lavalle & M. Kasanko (2009): “Urbanland Use Scenarios For A Tourist Region

In Europe: Applying The Moland Model To Algarve, Portugal”, Landscape And Urban Planning, 92 (1): 10-23.

Plan Metropolitano De Ordenamiento Territorial 2012 –2022. (2012). Quito: Secretaría De Territorio, Hábitat Y Vivienda

Quito, A. D. (2017, Junio 01). Gobierno Abierto. Retrieved From Www.Gobierno Abierto.Gob.Ec/?Page_Id=1122

Quito, A. M. (2013). Ordenanza Metropolitana Reformatoria De La Ordenanza Metropolitana No. 0172, Que Establece El Regimen Administrativo Del Suelo En El Distrito Metropolitano De Quito. In Ordenanza Metropolitana No. 0432. Quito.

Valenzuela, L. M. & F. Aguilera & J. A. Soria & E Molero (2008): “Designing And Assessing Of Development Scenarios For Metropolitan Patterns”, En Paegelow, M. & M. T. Camacho (Eds.): Modelling Environmental Dynamics, Springer-Verlag, Berlín



PRECIOS DE MERCADO COMO MEDIO DE VALORACIÓN DE LOS BENEFICIOS AMBIENTALES DE LAS RESERVAS MARINO COSTERAS DEL ECUADOR

MARKET PRICES AS A TOOL TO VALUE ENVIRONMENTAL SERVICES OF COASTAL-MARINE RESERVES OF ECUADOR

ANA GABRIELA CADENA1, DARÍO ECHEVERRÍA1, LISSETH FIERRRO ROMERO1, KARLA VARGAS1, FABIÁN RODRÍGUEZ ESPINOSA2,3

1 CARRERA DE INGENIERÍA GEOGRÁFICA Y DEL MEDIO AMBIENTE, UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE, ECUADOR. [email protected], [email protected], [email protected], [email protected]. 2 DEPARTAMENTO DE CIENCIAS DE LA TIERRA, UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE, SANGOLQUÍ, ECUADOR. [email protected] DE ECONOMÍA, PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR PUCE, QUITO, ECUADOR.

Recibido: 2 de abril de 2018 /Aceptado: 28 de junio de 2018

RESUMEN

El presente trabajo se realizó para obtener un valor económico de cuatro reservas marino-costeras del Ecuador mediante la aplicación de los métodos de costo de mercado. Dos bienes y servicios ambientales fueron evaluados para estimar el valor económico de las cuatro reservas. La producción de alimento, la producción pesquera de carácter artesanal que está permitida en las áreas protegidas y tienen una superficie asignada para ello en particular fue estimada a través del método de precio de mercado. El método de transferencia de beneficios fue utilizado para la estimación del almacenamiento de carbono sobre la base de la estimación de la biomasa seca de los tipos de bosques naturales existentes en las cuatro reservas. El aporte económico de estas reservas alcanzó 105 millones de dólares, siendo la pesca artesanal con mayor aporte con 100,09 millones. La pesca artesanal da un aporte directo a aproximadamente 6800 familias en las cuatro reservas que tuvieron ingresos promedio de 14.720,18 dólares anuales, ingresos que son superiores a los 5.968,98 dólares del PIB per cápita del Ecuador para el año 2016. Las cuatro reservas aportaron con 5,3 millones de dólares en almacenamiento de carbono. Para el almacenamiento de carbono se utilizó el precio de referencia del mercado de carbono del Banco Mundial. El aporte económico de las cuatro reservas marino costeras es relevante si lo comparamos con el presupuesto del Estado (PGE) en 2016 y con el PIB de ese año. Los beneficios económicos de las cuatro reservas marino-costeras representan el 0,35% del PGE y 0,1% del PIB para el año 2016. En definitiva los precios de mercado son una buena herramienta para la valoración de los bienes y servicios ambientales de áreas protegidas marino-costeras.

Palabras clave: Valoración económica, precio de mercado, bienes y servicios ambientales.

ABSTRACT

This study estimated the economic value of environmental good and services in four coastal-marine protected areas in Ecuador using market price method. Two environmental good and services were used to estimate the economic value of these reserves, food and carbon storage. The market price method was used in both environmental services. In case of food services, information from craftsman fishing in the four reserves and estimate carbon storage, a benefit transfer method was applied. The results show an input of 105 million dollars, one hundred of them from craftsman fishing. Craftsman fishing has a direct impact on 6.800 families living in reserves’ area, having an annual average income of 14,720.18 dollars. This income is higher than Ecuadorean PIB per capita of 5,968.98 dollars. The four reserves also contribute with


61Precios de mercado como medio de valoración Pag.

5.3 million dollars from carbon storage. We use World Bank carbon market as reference price for carbon storage. The economic benefits of these four coastal-marine protected areas stand for 0.35% of the GNB (general national budget) and 0.1% of PIB for 2016. Definitely, market price method is a valid tool to value environmental good and services in coastal-marine protected areas.

Key words: Economic valuation, market price, environmental good and services.

INTRODUCCIÓN

En las últimas décadas ha surgido la necesidad de mejorar la forma en la que utilizamos los recursos naturales en particular los recursos costeros y marino ya que 3,1 billones de personas dependen directamente del recurso marino (OECD, 2016; Sala et al., 2013). En este contexto, países alrededor del mundo han ampliado o creado reservas marino-costeras. Existen más de 1000 reservas marinas en 87 países (Salm et al., 2000; Silva et al., 1986). Además, se han desarrollado estrategias que buscan más allá de la conservación de estas áreas, para alcanzar una administración sostenible y sustentable de los recursos y servicios marino-costeros (Salgado, 2016; Sala et al., 2013; Sanchirico et al., 2002).Las zonas marino-costeras están entre los ecosistemas de mayor peligro de desaparecer y a la vez son los ecosistemas más críticos por los beneficios y recursos que provee (Salm et al., 2000). Las reservas marino costeras juegan un importante rol en la provisión de alimentos, según Sala et al. (2013) las reservas marino costeras tienen un 21% más de especies que áreas similares no protegidas; en tamaño, las especies tiene un 28% mayor tamaño que en áreas similares, y existe una mayor densidad de especies por área. La industria pesquera se puede beneficiar del establecimiento de áreas protegidas en zonas marino costeras, ya que llegan a ser las guarderías naturales para la recuperación de las especies de peces, especialmente comerciales (Xuan and Amstrong, 2016; Hanley et al., 2015; Akhter and Yew, 2013; Sala et al., 2013; Sanchirico et al., 2002; Salm et al., 2000).Adicionalmente, las reservas marino costeras proveen una serie de servicios que benefician a las poblaciones que se encuentran en estas zonas. Entre los servicios se incluye la protección costera contra marejadas, tsunamis e inundaciones, como albergue de biodiversidad y secuestro y almacenamiento de carbono (OECD, 2016). Sin embargo, las presiones por actividades humanas de estos ecosistemas críticos son múltiples y en aumento. Según la OECD (2016), los sistemas de acuacultura marina van a triplicarse en las próximas dos décadas, la extracción industrial de peces se duplicará en el mismo período al igual que las actividades portuarias y de turismo. Según datos de la FAO (2016) la pesca industrial está en niveles biológicamente insostenibles. El 80% de la contaminación de las zonas marino costera se debe al vertido de fertilizantes y pesticidas en los sistemas agrícolas de las zonas continentales que filtran en el drenaje natural de los ríos que desembocan en los océanos (GESAMP, 2018, 2016; OECD, 2016; Vikas and Dwarakish, 2015; Shahidul Islam and Tanaka, 2004).

Los efectos de las actividades humanas como la contaminación se agravan con los efectos del cambio climático mundial. Uno de los principales efectos es el aumento de la temperatura y acidez de los océanos (Doney et al., 2016, 2009; Bindoff et al., 2007). El


62 Pag. Cadena, et al.

aumento de la temperatura global afecta tanto a la diversidad de especies como también a los ecosistemas. Según Doney et al. (2016) ya existe una degradación o pérdida de marismas en un 50%, así como también de los manglares, arrecifes de coral y lechos de algas marinas con un reducción de 30%. La pérdida del hábitat en las costas y océanos afecta directamente a la pesca artesanal como también al turismo uno de las potenciales fuentes de ingresos para las comunidades costeras (OECD, 2016)

Debido al impacto de las actividades humanas en los océanos y zonas costeras, gobiernos alrededor del mundo han desarrollado políticas para conservar estas áreas críticas. Una de las políticas es la creación de áreas marinas de protección para la conservación de su riqueza biológica y de sus hábitats, como también la serie de servicios ecosistémicos que son fundamentales para el bienestar humano (OECD, 2016)

Siguiendo con esta política a nivel global, el Ecuador ha creado 16 reservas marino-costeras incluyendo el Parque Nacional Galápagos y la Reserva Marina Galápagos, la de mayor extensión, que forman parte el Sistema Nacional de Áreas Protegidas SNAP (MAE, 2015a). Las áreas protegidas son de real importancia para la conservación de la biodiversidad en nuestro país teniendo como principal objetivo la conservación de la diversidad biológica y de los recursos genéticos y brindar alternativas de aprovechamiento sustentable de los recursos y la prestación adecuada de bienes y servicios ambientales. Adicionalmente, según la Fundación Futuro Latinoamericano (2011), el Ministerio del Ambiente del Ecuador y la Subsecretaría de Pesca declararon zona de reserva para la reproducción de especies bioacuáticas a la zona comprendida desde la costa continental hasta una milla náutica hacia el mar, que poseen un valor incalculable en cuanto a los beneficios que brindan a la economía nacional y a la sociedad. Debido a lo anterior expuesto, es importante conocer la necesidad de cuales son los servicios económicos que pueden generar con relación a otro tipo de manejo sobre el área; es así que, se han realizado algunos estudios de valoración especialmente en manglares como presenta Rodríguez-Espinosa et al. (2017) en el estudio que analiza el impacto económico del servicio de protección contra marejadas y tsunamis. La mayoría de metodologías de valoración están limitadas por los datos que estén liberados o existentes.

DESCRIPCIÓN GEOGRÁFICA

Se seleccionaron cuatro reservas marino costeras del Ecuador para estimar el aporte económico y sustentar la decisión política de la creación de estas zonas. Las reservas y áreas protegidas seleccionadas tienen temperaturas promedio anuales muy parecidas, pero por la ubicación de cada una de ellas, los niveles de precipitación varían radicalmente (Tabla 1).

Con relación a la extensión, la Reserva marino-costera Galera-San Francisco es la más grande con 540 km2, las otras tres reservas y refugios son más pequeñas con apenas un área entre 13 y 52 km2 (Tabla1).



Tabla 1. Áreas seleccionadas de estudio

Reserva Marina Área (km2) Temp. Prom. (°C)

Precip-itación (mm)

Línea Cos-tera (km)

Galera-San Francisco 540 25 500-3000 37

El Pelado 13,101 23,4 240

La Puntilla de Santa Elena 52,44 24 155

Pacoche 13,56 24 214 15Fuente: GADs Planes de Desarrollo Territorial. Elaboración: Autores

Los tipos de vegetación varían entre las zonas de reservas marinas seleccionadas, pero predomina el bosque seco costero ecuatoriano, se distinguen seis formaciones vegetales naturales: Bosque siempre verde piemontano de la cordillera de la Costa, Bosque semideciduo de tierras bajas, Bosque deciduo de tierras bajas, Matorral seco de tierras bajas de la Costa, Matorral seco litoral, Espinar litoral. La Reserva Marina Galera-San Francisco se localiza en la zona crítica de conservación (hotspot) Tumbes-Chocó Magdalena, comprende los bosques húmedos y muy húmedos de la región del Pacífico en Colombia y Esmeraldas en Ecuador, así como los bosques secos de la provincia de Manabí en Ecuador (Luna y Campos, 2008; NAZCA, 2006).

La Reserva Marino Costera Galera-San Francisco se ubica en la península del mismo nombre, ha sido identificado como uno de los cinco bloques de máxima prioridad de conservación y manejo debido a un conjunto de atributos oceanográficos, climáticos y físicos que determinan la composición de comunidades de flora y fauna especial para el Ecuador continental. El área Galera-San Francisco se encuentra en la zona ecológica tropical cálida en donde la variación de la temperatura superficial se mantiene entre los 24 y 25 ºC a lo largo de todo el año, a diferencia del resto del Ecuador que presenta variaciones más amplias y una dominancia de aguas temperadas. El área es una de las tres zonas del país en donde la plataforma continental alcanza su mayor estrechamiento y pendiente. La península Galera-San Francisco (Figura 1a) abarca cinco de los seis tipos de playas que existen en la costa ecuatoriana: playas de arena, de limo, de roca, mixta (arena y roca) y mixta con arrecifes franqueantes de poliquetos. En la zona submareal, el área posee fondos blandos de arena y/o limo, fondos duros de roca y/o laja y rocas sumergidas. Estos ecosistemas soportan una compleja interacción entre los organismos marinos y proporcionan hábitats diferentes para una amplia diversidad de especies (NAZCA, 2006).

Los organismos asociados a estos hábitats son de origen tropical y sus principales representantes constituyen los bosques de gorgonias y otros tipos de corales, existe evidencia de que la mayor población de coral negro del Ecuador se encuentra en esta zona. El área alberga una gran diversidad de especies comprendida por más de 600 especies registradas, representantes como el pulpo y caracoles son parte de la alimentación



diaria de los pobladores locales. En esta zona se encuentra una gran variedad de especies de peces asociados a fondos rocosos y coralinos, muchos de ellos potencialmente importantes como atractivos turísticos. Existen también varias especies importantes para la industria pesquera como son la corvina de roca, el pargo y el dorado por ello, es de vital importancia cuantificar el valor monetario que tienen esos servicios para poder integrar un plan de manejo y protección del medio ambiente (Peralta, 2001).

La reserva marina “El Pelado”, cuyo frente de línea da con la costa del Ecuador continental, ubicándose entre las provincias de Manabí y Santa Elena. La reserva posee varios islotes que enriquecen el paisaje, siendo sitios ideales para el refugio y la anidación de aves marinas, encontrándolo frente a la playa de Ayangue, como lo muestra la Figura 1b. La reserva protege el islote El Pelado, el mar que lo rodea y la línea costera entre las poblaciones de Valdivia San Pedro, Ayangue y Palmar. Su extensión es de 96 hectáreas de zona terrestre y 13.005 hectáreas de zona marina y más de 78 especies de peces. Es considerada como reserva marina al poseer un islote que anida a varias especies de aves marinas, entre fragatas, piqueros de patas azules y pelicanos. Sin embargo, lo que más predomina en la reserva son sus arrecifes rocosos que lo rodean donde habitan una diversidad de peces e invertebrados destacando a los erizos, estrellas, corales y anemonas; es así que en cada metro de inmersión en el mar, se podrá tener un panorama diverso, con un mundo nuevo de peces de colores, tortugas marinas y una infinidad de invertebrados.

La reserva Marina “El Pelado” tiene valores mínimos y máximo de temperatura del aire que oscilan entre 16 – 24°C y 24 – 32°C, respectivamente, teniendo una temperatura promedio interanual de 23,4 °C, sin embargo, eventos como el Fenómeno del Niño, hacen que se presenten mayores valores de temperatura, donde la anomalía puede alcanzar superar los 35°C, o incluso ser lo puesto con eventos como La Niña que alcanza temperaturas de -2°C (GAD Santa Elena, 2014; MAE, 2013).

La biodiversidad de la región marino – costera y terrestre es muy variada en sus diferentes ecosistemas, existiendo una infinidad de especies de flora y fauna, de macro y micro organismos desde un pequeño estero hasta la riqueza megadiversa de la Cordillera Chongón Colonche, sin embargo, predominan tres ecosistemas con mayor relevancia e importancia económica y ecológica: ecosistema marino-costero, manglar, y bosque deciduo del tipo seco. Las principales causas de degradación que afectan a los ecosistemas son las actividades humanas de producción económica, vinculadas a la caza, pesca y turismo, además de los efectos de cambio climático que ha traído consecuencias en el ciclo hídrico y de estaciones lluviosas y secas de manera anormal (GAD Santa Elena, 2014).

El Refugio de Vida Silvestre Marino Costero Pacoche (Figura 1c) está ubicada en el cabo de San Lorenzo al sur de Manta, Provincia de Manabí, debe su nombre a las colinas de Pacoche y limita con varios asentamientos humanos en la línea costera como San Lorenzo, Río Calas, Las Piñas y Santa Rosa, dentro de la reserva se encuentran los asentamientos



Figura 1. Ubicación de las Áreas Marino-Costeras Protegidas: (a) Reserva Marina Galera-San Francisco, (b) Reserva Marina “El Pelado”, (c) Reserva de Vida Silvestre Marino-Costero Paco-che, (d) Reserva de Producción Faunística Marino-Costera Puntilla de Santa Elena.



La Solita y Agua Fría (MAE, 2009). El refugio tiene un total de 13.545 hectáreas de las cuales 5.045 ha. corresponden a formaciones vegetales de bosque seco tropical y 8.500 ha. de zona marina (MAE, 2009).

El refugio se ubica en un clima tipo tropical megatérmico árido a semiárido con temperaturas medias anuales de 24°C y precipitaciones inferiores a los 500 mm con una sola estación lluviosa entre enero y abril. En el sistema marino-costero del Refugio se encuentras varias comunidades de especies marinas que ocupan aguas someras, los arrecifes rocosos y los 13 km de playas arenosas y rocosas (MAE, 2009).

La Reserva de Producción Faunística Marino Costera Puntilla de Santa Elena tiene una extensión de 52.435,19 hectáreas, de las cuales 52.231,37 ha. corresponden a la superficie marina, y 203,82 ha. a la superficie terrestre o costera (Figura 1d). La reserva se ubica en el cantón Salinas y es el punto más extremo de la costa continental de América del Sur y separa la bahía de Santa Elena del Golfo de Guayaquil. Las aguas de la reserva son la fuente de subsistencia para varias poblaciones pesqueras y juegan un papel importantísimo en la protección y recuperación de peces que han disminuido por la sobrepesca a lo largo de los años. Aparte del área marina, la reserva incluye playas, acantilados y una pequeña extensión de matorrales y bosques secos del litoral (MAE, 2015b).

El área marina no es muy profunda (30 – 50 m) y recibe suficiente luz solar, lo que genera una abundancia de fitoplancton y zooplancton, microorganismos que constituyen la base de la cadena alimenticia en los océanos. El clima en esta reserva, y en general en toda la Península de Santa Elena, es seco y presenta una vegetación típica de zonas áridas. Esto se debe a la influencia de la corriente fría de Humboldt que al estar cerca de estas costas ocasiona una reducción de la evaporación de las aguas oceánicas y, consecuentemente, genera menos nubes y lluvias (MAE, 2015b). El área protegida se encuentra dentro de las ecoregiones de Guayaquil (área marina), y la de Bosques Secos de Ecuador (área terrestre), de donde la zona terrestre se encuentra en la provincia biogeográfica árida del país, y la zona marina, en la provincia del Pacífico Tropical Oriental. Además, los ecosistemas que constan en la REMACOPSE son aguas costeras, arrecifes coralinos, arrecifes rocosos, playas de arena, playas mixtas (arena y roca), acantilados, matorral seco de tierras bajas, matorral seco litoral y espinar litoral (MAE & MDN, 2009).

Debido a su riqueza marina, existen muchas poblaciones y asentamientos humanos que se dedican principalmente a la pesca artesanal que viven dentro y cercanas a las reservas marinas analizadas. La pesca artesanal es uno de los principales medios para subsistir y es una actividad económica de tradición e historia. El sector marítimo de interés para el Ecuador sustenta pesquerías importantes de carácter pelágico y demersales y particularmente el sector estuarino ofrece un ambiente favorable para la actividad acuícola. Ambas se constituyen en un grupo industrial para el Ecuador en el cual se emplean alrededor de 120.000 personas (FAO, 2003).Según la FAO, (2003), la pesca extractiva es una actividad orientada a la pesca de



poblaciones de peces transzonales y altamente migratorias (atunes principalmente), a las poblaciones de peces pelágicos pequeños (enlatados y harina de pescado), especies demersales como pesca acompañante y a la pesca del camarón marino. Para la pesca artesanal, el grupo de peces pelágicos es uno de los más representativos en cuanto a ingresos. Además se tiene también la pesca blanca, que Incluye especies como pargo, atún, corvina, dorado, róbalo, picudo, huayaipe cuyas poblaciones se ubican en zonas costeras. El Instituto Nacional de Pesca estima que los desembarques totales promedio de este subsector alcanza entre las 30000 y 70000 TM/año, de los cuales el 63% corresponden a pelágicos, el 29% a peces demersales y el restante 8% a otras especies (FAO, 2003).

Los desembarques artesanales abastecen principalmente al mercado interno para el consumo de pescado y mariscos frescos. Los desembarques de la flota industrial, en su mayor parte, se destinan a la exportación de pescado fresco, congelado, enlatados y harina, aunque estos dos últimos se comercializan también en el país. Lo propio sucede con la pesca de cultivo, especialmente camarón, no así la trucha, cuyo mayor mercado es el nacional (FAO, 2003).

Como un sector dentro de la pesca extractiva, la pesca artesanal comprende una amplia gama de modalidades que van desde la ancestral recolección a mano de mariscos hasta el uso de embarcaciones motorizadas que operan en aguas soneras y en mar abierto. Su característica básica es la operación manual de las artes de pesca. En el Ecuador se distinguen dos clases de pesca artesanal: la marítima continental, y la de Galápagos. Para el primer grupo antes mencionado, se tienen las opciones pesca de recolección, pesca artesanal costera y oceánica. (FAO, 2008).

El sector pesquero de la provincia de Santa Elena, por ejemplo, constituye un motor clave en la actividad productiva de la región. La pesca, caracterizada por un mercado competitivo con márgenes de utilidad elevados, genera rentas desiguales para los actores involucrados en esta actividad productiva; la gran empresa es, generalmente, la que capta los mayores beneficios, especialmente, por el dominio de estrategias de comercialización que le permiten asegurar alta rentabilidad. Sin embargo, la mediana y pequeña empresa se ve limitada por una insuficiente estructura organizativa y la desarticulación de sus estrategias comerciales, poniéndolas en riesgo para seguir compitiendo, con posibilidades, incluso de quedar fuera del mercado (Benavides et al., 2014).

Las especies más comunes de peces para las comunidades de pescadores artesanales se resumen en la Tabla 2, y el precio que se paga por libra de pescado tiene un promedio de 1,50 dólares. El precio de los crustáceos, por ejemplo, se paga en el mercado 4,00 dólares por libra al pescador. Los pepinos de mar solo son pescados en la reserva marina La Puntilla de Santa Elena, en las otras tres reservas no se reportaron. Por otro lado, la pesca de langosta y camarón solo se reportaron en la reserva marina Galera-San Francisco. El pulpo fue el único crustáceo que se reportó en todas las cuatro reservas. Existen también muchas especies de peces ornamentales que también se extraen, pero se desconoce el volumen y el precio.

Tabla 2. Especies de peces y crustáceos capturados en las reservas marinas



Tipo de pesca Captura por faena (lbs) por embarcaciónPeces escasez abundanciaDorado 100 1200Albacora 100 400Bonito 100 1200Pargo 100 300Corvina 50 200Rabón 50 1000CaritaCrustáceosLangosta 10 15Camarón 4 10Pulpo 2 10Pepinos de marFuente: Luna& Campos, 2008; MAE & MDN, 2009; GAD Santa Elena, 2014.

Elaboración: Autores

METODOLOGÍA

Dentro de las reservas marino-costeras se pueden encontrar un sin número de bienes y servicios ambientales, como el recursos pesquero, con diversos ecosistemas tanto superficiales como subterráneos como arrecifes de coral, manglares, pastos marinos y lagunas costeras que proveen un abanico de contribuciones directas e indirectas al bienestar humano y a los sectores económicos de las naciones. Sin embargo, en muchas ocasiones se desconocen la mayoría de estos beneficios. Debido a esto, ha surgido el concepto del Valor Económico Total – VET, como herramienta que busca incluir y esquematizar todos los beneficios de los ecosistemas, teniendo valores biofísicos, económicos y sociales. La valoración económica poder contar con un indicador que muestre su importancia en el bienestar social, que permita compararlo con otros componentes del mercado en un mismo patrón monetario. El objetivo es obtener el valor económico de cada reserva marina basada en los bienes y servicios que provee a las comunidades.

Los beneficios económicos de la existencia del Sistema Áreas Protegidas Marino-Costeras (BRM) puede ser definido como:

(1)



Donde BRM es la estimación de los beneficios económicos de los bienes y servicios ambientales i de las reservas marino-costeras protegidas. Los beneficios económicos de cada una de las reservas pueden ser estimados de la siguiente forma:

(2)

Los beneficios económicos de dada una de las reservas marino-costeras Bji son a la vez

una función de los distintos bienes y servicios ambientales X y se define como:

(3)

(4)

Donde Xi es la sumatoria de los bienes y servicios ambientales xi.La sumatoria de los bienes y servicios ambientales BRM representa los beneficios económicos que la presencia de las reservas marino-costeras proporciona al país.

El primer paso es definir los bienes y servicios ambientales a ser evaluados. Los ecosistemas marino-costeros tienen funciones ecosistémicas muy importantes que benefician directa e indirectamente al bienestar humano (Tabla 3). Según la Sociedad Ecológica de América – ESA (2000) estos servicios ecosistémicos son los procesos por los cuales los ecosistemas producen recursos que a menudo los seres humanos los toman por descontados.



Tabla 3. Bienes y Servicios Ambientales en los Ecosistemas Marino-Costeros

Servicio Ecosistémico Manglares Arrecifes Coralinos Pastos Marinos Océano

Abierto Lagunas costeras

Producción de alimento ✓ ✓ ✓ ✓ ✓

Protección costera contra la erosión ✓ ✓ ✓

Protección contra fenómenos naturales ✓ ✓ ✓

Purificación del agua, absorción de

contaminantes✓ ✓ ✓ ✓ ✓

Captura de carbono ✓ ✓ ✓ ✓ ✓

Almacenamiento de carbono ✓ ✓ ✓ ✓ ✓

Hábitat de biodiversidad ✓ ✓ ✓ ✓ ✓

Turismo ✓ ✓ ✓ ✓ ✓

Producción de materias primas ✓ ✓ ✓ ✓ ✓

Protección y aporte a las condiciones aptas

para ecosistemas marinas

✓ ✓ ✓ ✓ ✓

Regulación del clima ✓ ✓ ✓ ✓ ✓

Recursos Genéticos ✓ ✓ ✓ ✓ ✓

Soporte para el transporte marítimo ✓

Ciclo de nutrientes, aportes y retenciones ✓ ✓ ✓ ✓ ✓

Refugio de larvas, sala cuna de peces ✓ ✓ ✓ ✓

Producción de energía ✓ ✓ Fuente: Prato, J, y Reyna, J., 2015. Elaboración: Autores

Del grupo de bienes y servicios ambientales presentes en las reservas marino-costeras, se seleccionan aquellos de los cuales se dispone información de tal forma que se limita el análisis económico de las reservas marinas. Sobre la base de la información recopilada sobre las cuatro reservas, el análisis se limitó a dos servicios ecosistémicos: el almacenamiento de carbono y la producción de alimento.



Para la valoración de la producción de alimento se analizará mediante la metodología de precios de mercado. El precio de mercado es una referencia que señala hasta cuanto es la disposición a pagar por el producto en cuestión y, simultáneamente, hasta desde qué cantidad de dinero los productores estarán dispuestos a recibir para comercializarlo. Esto se explica desde la misma definición como funciona la oferta y demanda (Losano, 2005). Debido a que es una zona protegida, el Ministerio del Ambiente permite realizar solo la pesca de carácter artesanal.

La valoración del servicio ambiental de almacenamiento de carbono se estima a partir de los valores de la biomasa seca obtenidas del bosque seco en las reservas marino-costeras. La superficie del área del bosque y el contenido de carbono se extrapolan a toneladas por hectárea, y así puede tener la medida estándar de almacenamiento de captura de carbono (Lee, et al., 2009). Para su valoración económica se utiliza también el método de costo del daño evitado a nivel global por la mitigación del cambio climático (Jenkins et al., 2010). Este costo consiste en el valor del beneficio social global que origina mitigar el cambio climático, ya que al hacerlo evita probables daños a futuro asociados a riesgos naturales, determinado en base a los modelos de equilibrio de costo social del carbono. Sobre la base de las existencias de carbono y el potencial que éste puede tener en las economías nacionales, el almacenamiento de carbono puede ser definido como:

(5)

Donde

Xc= Beneficio por el almacenamiento de carbono ($/año)

Pc= Precio del carbono almacenado, no liberado ($/tonelada)

ciQ = Cantidad de carbono almacenada (t/ha/año)

ciN = Número de hectáreas (ha) reconocidas como fuentes de almacenamiento de carbono

i = Tipo de bosque considerado para el almacenamiento de carbono.

La estimación del valor de almacenamiento de carbono se define como:

(6)



Para tener una idea más clara de la fórmula propuesta nos basamos en los resultados de campo sobre densidad del suelo y el contenido de carbono orgánico total a una profundidad determinada, definido en (3), donde ρ es la densidad del suelo medido en (g/cm3), h es la profundidad y C el porcentaje en peso de carbono orgánico en el suelo.

(7)

Logrando de esta manera establecer el valor del servicio ambiental de que la reserva tiene por medio de la valoración de carbono en los bosques secos del área.Los beneficios de la pesca artesanal en las áreas marino-costeras protegidas y sus zonas de influencia se definen como:

(8)

Donde Xpe= Beneficio por el Aprovechamiento de Pesca artesanal ($/año)Ppe= Precio de pesca de la especie i ($/t)Qpe= Volumen de pesca comercializado de la especie i (t/año)

Para realizar la aproximación cuantitativa a la contribución económica de la pesca artesanal de las áreas marino-costeras ecuatorianas se utilizaron valores de la pesca realizada en canoa utilizando las estadísticas expuestas por el INP (Instituto Nacional de Pesca) y el INEC (Instituto Nacional de Estadística y Censos). Adicionalmente, se utilizó la transferencia de beneficios para valorar la pesca del pepino de mar en la puntilla Santa Elena. El método nos indica que se estiman los valores tomando los valores por unidad promedio provenientes de los datos de otro sitio de estudio. La transferencia de beneficios utiliza la aplicación directa de las estadísticas de una investigación original y las transfiere a un nuevo sitio de estudio. Dentro de estas estadísticas se pueden encontrar datos como medidas de disponibilidad a pagar por persona, medidas de elasticidad a los efectos marginales (Osorio, 2006).

RESULTADOS

La biodiversidad de la región marino-costera y terrestre es muy variada en sus diferentes ecosistemas, existiendo una infinidad de especies de flora y fauna, de macro y micro organismo que consideran desde un pequeño estero hasta la riqueza megadiverso de la Cordillera Chongón Colonche. La estimación del valor económico de los beneficios de uso directo e indirecto de las reservas marino-costeras del presente estudio fue en base a los precios del mercado.



La pesca artesanal es uno de los bienes y servicios ambientales que estas reservas proveen. El valor se obtuvo mediante el cálculo del excedente del consumidor, es decir, el precio que recibe cada pescador artesanal por el volumen que captura durante el año de trabajo menos sus costos de producción.

Los resultados obtenidos sobre la información recolectada en las áreas de estudio (Tabla 4) demuestran que el aporte de las reservas marinas es muy importante para las poblaciones de la zona que se dedican a la actividad de pesca artesanal. El total de los beneficios obtenidos por las cuatro áreas marino-costeras protegidas sobre pasa los 100 millones de dólares anuales.

A pesar que no tiene la mayor extensión de zona marina, la reserva Costero-Marina Galera-San Francisco tiene el mayor aporte que las otras zonas marino-costeras. Es importante resaltar que solo se incluyó la pesca artesanal de peces y no se tomó en cuenta los crustáceos como camarones, langostas, pulpos, pepinos de mar y otros debido a que no se obtuvo información sobre los volúmenes de extracción salvo en las parroquias Galera y El Quingue donde se obtuvo valores de pesca para langosta, camarón y pulpo y están incluidos en los resultados para la reserva marino costera Galera San Francisco. Se conoce que existe extracción de pepino de mar y de langosta en la Reserva Puntilla Santa Elena, pero la información no estuvo disponible.

Tabla 4. Beneficios económicos por la actividad pesquera artesanalReserva Marina Área (km2) Reserva marina (ha) Pesca (Ton) Beneficios (US$)

Galera-San Francisco 540 535.010,0 23136,0 76.427.007,48

El Pelado 13,101 13.050,0 2147,7 7.020.168,56

La Puntilla de Santa Elena 52,44 52.231,4 2257,2 7.382.277,40

Pacoche 13,56 1.504,0 3141,52 9.267.783,06

TOTAL 100.097.236,50Fuente: INP y el INEC (2016); GADs Planes de Desarrollo Territorial. Elaboración: Autores

El beneficio indirecto del almacenamiento de carbono se obtuvo sobre la base de los remanentes de bosques de cada una de las reservas marino costeras (Tabla 5). El valor total por el almacenamiento de C alcanza 5,3 millones de dólares anuales. El precio de referencia fue el del mercado de carbono del Banco Mundial que está alrededor de los 3,5 $/Ton de carbono. Se utilizó este precio referencial debido a que el Ecuador califica para este mercado de carbono, no se tomaron en cuenta otros mercados con precios referenciales superiores porque el país no califica o simplemente porque aún se encuentran en su etapa de discusión y desarrollo.



La Reserva Marino-Costera Galera San Francisco aporta con mayor cantidad debido a su mayor extensión de bosques naturales y a que son bosques muy húmedos tropicales. Por otro lado, la Reserva Marino Costera La Puntilla Santa Elena no presenta ningún beneficio y se debe al hecho que la parte terrestre se limita a playas y acantilados sin mayor presencia de comunidades vegetales y bosques.

Tabla 5. Beneficios económicos por el almacenamiento de C en las reservas marinas

Reserva Marina Área (km2)

Bosque natural (ha)

Almacenamiento de C ™

Beneficios (US$)

Galera-San Francisco 540 4990 1.297.400,00 4.540.900,00El Pelado 13,101 96 13.200,00 46.200,00

La Puntilla de Santa Elena 52,44 203,82 - 0,00Pacoche 13,56 1504 206.800,00 723.800,00TOTAL 5.310.900,00

Fuente: INP y el INEC (2016); GADs Planes de Desarrollo Territorial. Elaboración: Autores

El valor total de los aportes de las cuatro reservas marino-costeras de la costa pacífica del Ecuador de dos bienes y servicios ambientales contabilizados alcanza los 105,41 millones de dólares. Gran parte se obtiene de la pesca artesanal, siendo beneficiarios directos 6.800 familias de la costa pacífica ecuatoriana. El valor de la pesca artesanal es de 14.720,18 dólares anuales, ingresos que son superiores a los 5.968,98 dólares del PIB per cápita del Ecuador para el año 2016.

El aporte económico de las cuatro reservas marino costeras es relevante si lo comparamos con el presupuesto del Estado (PGE) en 2016 y con el PIB de ese año (Tabla 6). Los beneficios económicos de las cuatro reservas marino-costeras representan el 0,35% y 0,1% del PIB para el año 2016.

Tabla 6. Beneficios económicos de las reservas marino costeras con relación al PIBH y PGE

Beneficios (millones US$)

BRMC/PGE 2016 (%)

BRMC/PIB 2016 (%)

Reservas marino-costeras 105,41PGE 2016 29.835,00 0,35 -PIB 2016 102.426,00 - 0,10

Fuente: BCE, 2016; Banco Mundial, 2016. Elaboración: Autores



DISCUSIÓN

Las Reservas Marinas poseen funciones ecosistémicas que suministran bienes y servicios muy importantes a las comunidades costeras que ayudan a su subsistencia. Adicionalmente, estas funciones ecológicas proveen servicios indirectos que incrementan las actividades económicas de las comunidades.

El valor económico total de las reservas marino-costeras aún está por estimarse, sin embargo, el presente trabajo ya demuestra el importante aporte económico que la creación de estas reservas da al país. En el presente estudio solo se tomaron en cuenta solo dos bienes y servicios ambientales, la pesca artesanal y el almacenamiento de carbono de los bosques naturales. El aporte económico de estas cuatro reservas marino-costeras llega a 105,41 millones de dólares, siendo actividad pesca artesanal la que mayor aporta con 100,09 millones (Tabla 4). Este beneficio es directo para las comunidades de pescadores artesanales que viven dentro y cerca de las reservas marino-costeras. El almacenamiento de carbono aporta significativamente menos, apenas 5,3 millones de dólares, sin embargo se debe tomar en cuenta que estas cuatro áreas marino-costeras no tiene grandes extensiones de territorio continental y consecuentemente no existe grandes extensiones de con cobertura vegetal natural, apenas 6.793,82 has (Tabla 5). Por otro lado, el estudio no consideró la captura y almacenamiento de carbono por el océano, ya sea por el aporte de las poblaciones de los sistemas bioacuáticos (algas) o por absorción directa del CO2 por parte del océano que puede ser considerable.

Adicionalmente, el estudio no consideró otros servicios ambientales como recreación y estética, como está descrito en la Tabla 3, a pesar que existe turismo en las cuatro reservas marino-costeras como por ejemplo la observación de las ballenas jorobadas que atrae a miles de turistas. Sin embargo, no existen estudios formales que sirvan de referencia confiable. La mayoría de documentos revisados solo presentan la oferta de estas áreas marino-costeras protegidas, pero no mencionan nada sobre la demanda de estos servicios ambientales.

A pesar de las limitaciones que el estudio ha tenido con relación a la información disponible, las cuatro áreas marino-costeras analizadas si presentan un aporte económico al país. Los valores presentados en la Tabla 6 muestra el aporte importantísimo si lo comparamos con el presupuesto general del estado para el 2016 que fue de 29 mil millones de dólares. El aporte fue de 0,35% que es significante, como significante es si lo comparamos con el producto interno bruto del país para ese año que fue de 100 mil millones de dólares representando el 0,1% del PIB.

En definitiva, el estudio muestra que los precios de mercado son una buena herramienta para la estimación del aporte económico de cuatro reservas marino-costeras al país, aporte real que proveen los ecosistemas, ya que, en muchas ocasiones la información de las áreas protegidas se limitan a presentar la parte física y en ocasiones la social de las



mismas, haciendo que ciertos servicios ecosistémicos parezcan invisibles o no se tomen en cuenta como beneficios que generan a la población.

REFERENCIAS

Akhter, S., and Yew, T. S. (2013). Economic valuation of marine protected areas: A review of studies in Southeast Asia. The International Journal of Social Sciences, 13 (1): 1-16.

Benavides, A., García, L., Alejandro, C. & Carcelén F. (2014). El sector pesquero de Santa Elena: análisis de las estrategias de comercialización.

Bindoff, N. L., Willebrand, J., Artale, V., Cazenave, A., Gregory, J. M., et al. (2007). Observations: oceanic climate change and sea level. In Climate Change 2007: The Physical Science Basis: Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, ed. S Solomon, D Qin, M Manning, Z Chen, M Marquis, et al., Cambridge: Cambridge Univ. Press. pp. 385–432.

Doney, S. C., Ruckelshaus, M., Duffy, J. E., Barry, J. P., Chan, F., English, C. A., Galindo, H. M., Grebmeier, J. M., Hollowed, A. B., Knowlton, N., Polovina, J., Rabalais, N. N., Sydeman, W. J., and Talley L. D. (2012). Climate Change Impacts on Marine Ecosystems. Annual Review of Marine Science, 4:11-37, Annual Reviews, Palo Alto. DOI:10.1146/annurev-marine-041911-111611

Doney, S. C., Fabry, V. J., Feely, R.A., and Kleypas J. A. (2009). Ocean acidification: the other CO2 problem. Annual Review of Marine Science, 1:169–192

Fundación Futuro Latinoamericano. (2011). Gobernanza en las Áreas Protegidas Marinas y Costeras: el caso del Ecuador. Quito, Ecuador. 40 p.

GAD Cantonal Santa Elena. (2014). Plan de desarrollo y Ordenamiento Territorial - Cantón Santa Elena, Santa Elena, Ecuador.

GESAMP (IMO/FAO/UNESCO-IOC/UNIDO/WMO/IAEA/UN/UN Environment/UNDP Joint Group of Experts on the Scientific Aspects of Marine Environmental Protection). (2018). The Magnitude and Impacts of Anthropogenic Atmospheric Nitrogen Inputs to the Ocean. Rep. Stud. GESAMP No. 97/GAW Report No. 238, 47 p.

GESAMP/IMO/FAO/UNESCO-IOC/UNIDO/WMO/IAEA/UN/UNEP Joint Group of Experts on the Scientific Aspects of Marine Environmental Protection (2015). Pollution in the Open Oceans 2009-2013 – A report by a GESAMP Task Team. In: Boelens, R. and Kershaw, P.J., (eds.). GESAMP Rep. Stud. No. 91, 87 pp.

Hanley, N., Hynes, S., Patterson, D., and Jobstvogt, N. (2006). Economic Valuation of Marine and Coastal Ecosystems: Is it currently fit for purpose? Journal of Ocean and Coastal Economics, 2 (1): 1–24. DOI: 10.15351/2373-8456.1014

Jenkis, W., Murray, B., Kramer, R., and Faulkner, S. (2010).Valuing ecosystem services from wetlands restoration in the Mississippi Alluvial Valley. Ecological Economics, 69 (5): 1051-1061.

Lee, J., Hopmans, D., Rolsto, S. B., y Six., J. (2009). Determining soil carbon stock changes: Simple bulk density corrections fail. Agriculture, California. Agriculture, Ecosystems and Environment, 134 (3-4): 251-256.

Losano, P. M. (2005). Valoración económica de las áreas protegidas costeras desde el punto de vista de los patrimonios intangibles. En Anuario 2004. Trelew, Argentina: Universidad Nacional de la Patagonia San Juan Bosco, Facultad de Ciencias Económicas.

Luna, S. y F. Campos. 2008. Estudio de Alternativas de Manejo para la declaración de la Reserva



Marina Galera-San Francisco. Ministerio del Ambiente, Conservación Internacional, The Nature Conservancy y Corporación Instituto NAZCA de Investigaciones Marinas. Quito.

Ministerio del Ambiente MAE. (2015a). Sistema Nacional de áreas pprotegidas del Ecuador - SNAP, Ecuador.

Ministerio del Ambiente MAE. (2015b). Sistema nacional de áreas protegidas del Ecuador. Reserva de Producción de Fauna Marino Costera Puntilla de Santa Elena. Recuperado de: http://areasprotegidas.ambiente.gob.ec/es/areas-protegidas/reserva-de-producci%C3%B3n-faun%C3%ADstica-marino-costera-puntilla-de-santa-elena

Ministerio del Ambiente MAE. (2013). Reserva Marina El Pelado, Santa Elena. Ministerio del Ambiente del Ecuador, Sistema Nacional de Áreas Protegidas, Quito, Ecuador.

Ministerio del Ambiente MAE. (2009). Plan de Manejo Refugio de Vida Silvestre Marino y Costera Pacoche. Ministerio del Medio Ambiente del Ecuador, Sistema Nacional de Áreas Protegidas, Quito, Ecuador.

Ministerio del Ambiente MAE, Ministerio de Defensa Nacional MDN. (2009). Reserva De Producción Faunística Marino Costera La Puntilla de Santa Elena. Plan de Manejo. Ministerio del Ambiente.

Ministerio del Ambiente MAE. (2006). Sistema nacional de áreas protegidas del Ecuador. Recuperado de: http://areasprotegidas.ambiente.gob.ec/es/info-snap

NAZCA. (2006). Análisis de vacíos e identificación de Áreas Prioritarias para la Conservación de la Biodiversidad Marino-Costera en el Ecuador Continental. Resumen Ejecutivo. Ministerio del Ambiente. Quito.

OECD. (2016), Marine Protected Areas: Economics, Management and Effective Policy Mixes. OECD Policy Highlights, OECD Publishing, Paris. http://dx.doi.org/10.1787/9789264276208-en

Organización de las Naciones Unidas para la Agricultura y Alimento FAO. (2016). The State of World Fisheries and Aquaculture, Food and Agriculture Organization, Rome.

Organización de las Naciones Unidas para la Agricultura y Alimento FAO. (2003). Perfil pesquero nacional. Ecuador. Recuperado de: http://www.fao.org/fi/oldsite/FCP/es/ECU/profile.htm

Organización de las Naciones Unidas para la Agricultura y Alimento FAO. (2008). Información sobre la ordenación pesquera: la república del ecuador. Recuperado de: http://www.fao.org/fi/oldsite/FCP/es/ECU/BODY.HTM

Osorio, J. (2006). El método de transferencia de beneficios para la valoración económica de servicios ambientales: estado del arte y aplicaciones. Semestre económico – Universidad de Medellín.

Peralta, M. (2001). Desembarques de la pesca artesanal ecuatoriana durante el año 2001. Instituto Nacional de Pesca. Guayaquil.

Prato J, y Reyna J. (2015). Aproximación a la valoración económica de la zona marina y costera del Caribe colombiano. Secretaría Ejecutiva de la Comisión Colombiana del Océano. Bogotá, 184 pp.

Rodriguez-Espinosa, F., Toulkeridis, T., Salazar-Martínez, R., Cueva-Giron, J., Taipe-Quispe, A., Vernaza-Quiñonez, L., Padilla-Almeida, O., Mato, F., Cruz-D’Howitt, M., Parra, H., Sandoval, W., Rentería, W. (2017). Economic evaluation of recovering natural protection with concurrent relocation of the population threatened by tsunami hazards in Central Coast Ecuador. Science of Tsunami Hazards, 36 (4): 293-306.

Sala, E., Costella, C., Dougherty, D., Heal, G., Kellher, K., Murray, J. H., Rosenberg, A. A., and



Sumaila, R. (2013). A General Business Model for Marine Reserves. PLOS One, 8 (4): e58799. doi:10.1371/journal.pone.0058799

Salgado, M. (2016). Análisis de la valoración económica para la conservación de la Reserva de Producción de Fauna Marino Costera Puntilla de Santa Elena. Universidad Católica de Santiago de Guayaquil, Facultad de Ciencias Económicas y Administrativas.

Salm, R.V., Clark, J., and Siirila, E. (2000). Marine and Coastal Protected Areas: A guide for planners and managers. IUCN. Washington DC. xxi + 371pp.

Sanchirico, J. N., Cochran, K. A., and Emerson, P. M. (2002). Marine Protected Areas: Economic and Social Implications. Resources for the Future, Discussion Paper 02-26, Washington D. C. pp. 24.

Shahidul Islam, M., and Tanaka, M. (2004). Impacts of pollution on coastal and marine ecosystems including coastal and marine fisheries and approach for management: a review and synthesis. Marine Pollution Bulletin, 48 (7-8): 624-649. DOI: 10.1016/j.marpolbul.2003.12.004

Silva, Maynard E., Gately, Ellen M., De silvestre, I., (1986). Bibliographic listing of coastal and marine protected areas : a global survey. Woods Hole Oceanographic Institution Technical Report. DOI:10.1575/1912/7543, https://hdl.handle.net/1912/7543

The Ecological Society of America. (2000). Ecosystem Services: A Primer. Ecological Society of America. www.esa.org.

Vikas, M. and Dwarakish, G. S. (2015). Coastal Pollution: A Review. Aquatic Procedia, 4: 381-388. doi: 10.1016/j.aqpro.2015.02.051

Xuan, B. B., and Armstrong, C. W. (2016). Marine reserve creation and interactions between fisheries and capture-based aquaculture: A bioeconomic model analysis. Natural Resource Modeling, 00, 1–15. DOI: 10.1111/nrm.12122

Revista Geoespacial 2018geoespacial.espe.edu.ec/wp-content/uploads/2019/06/Geoespacial-1… · Se...

Documents

Transcript of Revista Geoespacial 2018geoespacial.espe.edu.ec/wp-content/uploads/2019/06/Geoespacial-1… · Se...