100 likes | 236 Views
Impacto del régimen de fuegos en la resiliencia de ecosistemas semiáridos del Monte. Sergio Contreras 1,2 Erica Cesca 3 Pablo E. Villagra 3 Matthias M. Boer 4 Esteban G. Jobbagy 1. 1 Grupo de Estudios Ambientales, UNSL-CONICET 2 Grupo Desertificación y Geoecología, EEZA-CSIC (España)
E N D
Impacto del régimen de fuegos en la resiliencia de ecosistemas semiáridos del Monte Sergio Contreras1,2 Erica Cesca3 Pablo E. Villagra3 Matthias M. Boer4 Esteban G. Jobbagy1 1 Grupo de Estudios Ambientales, UNSL-CONICET 2 Grupo Desertificación y Geoecología, EEZA-CSIC (España) 3 Dept. Dendrocronología e Historia Ambiental, CRICYT-CONICET 4 Ecosystem Research Group, UWA & Bushfire CRC (Australia)
INTRODUCCIÓN – Metodología – Resultados - Conclusiones Área de estudio Dptos. General Alvear-San Rafael – SE prov. Mendoza PMA = 300 mm/año; TMA = 14-15 ºC Estepa arbustiva (jarrilla-retamo) + Bosque abierto de Prosopis Actividad ganadera (vacuno) y Extracción de leña Quemas regeneración de pastos Poco se conoce sobre la respuesta del ecosistema a eventos de fuego Principales impactos asociados al fuego regeneración de pasto incremento de biodiversidad (para intensidades y frecuencias intermedias) destrucción cubierta vegetal y reactivación de compuestos hidrofóbicos erosión (ppalmente primeros años) Seguimiento regeneración post-fuego Planificación del territorio y definición criterios de quema
INTRODUCCIÓN – Metodología – Resultados - Conclusiones Hipótesis La resilencia de un ecosistema disminuye con la recurrencia de incendios(Diaz-Delgado, 2002) Definimos resilencia de un ecosistema como su capacidad para recuperar las propiedades funcionales previas al evento de perturbación tiempo Control Predicciones A1 > A2 > A3 B0≈ B1 > B2 > B3 t1 < t2 < t3
Introducción –METODOLOGÍA– Resultados - Conclusiones Metodología Reconstrucción Historia de Fuegos 60 imágenes Landsat (1989-2007) Clasificación supervisada (criterio máxima verosimilitud) ROIs en mapas de incendios Obtención de vectores de fuego y composición Análisis temporal de indicadores del ecosistema Estructura (Productividad) Índice de vegetación Producto EVI (Terra/MODIS) Aprox. satelital Función (Balance de energía) Temperatura superficial Producto LST (Aqua/MODIS)
Introducción –METODOLOGÍA– Resultados - Conclusiones año -2 año -1 0pre 0post año +1 año +i máximo mensual promedio anual Selección de sitios y series temporales (cartografía previa historia de fuegos) control (n = 5) 1 fuego (n = 19 + 5) 2 fuegos (n = 5) EVI (f = 15 días) LST (f = 8 días) Análisis de datos
Introducción – Metodología -RESULTADOS - Conclusiones Respuesta del ecosistema con 1 FUEGO (X) nº de casos Cambio porcentual de EVI ocasionado por el incendio ( Bq / Bc ) pre-fuego = 0.97 no es significativamente diferente a 1 (p=0.30) ( Bq / Bc ) post-fuego = 0.89 es significativamente diferente a 1 (p<0.01) ( Bq / Bc ) pre-fuegovs( Bq / Bc ) post-fuego son significativamente diferentes (p<0.05)
Introducción – Metodología -RESULTADOS - Conclusiones Respuesta del ecosistema con 2 FUEGOS En parcelas quemadas A1 > A2 B0≈ B1 > B2 Pocos datos anuales para pruebas de hipótesis
Introducción – Metodología -RESULTADOS - Conclusiones Impacto del fuego en la temperatura superficial Control Quemado
Introducción – Metodología – Resultados -CONCLUSIONES Conclusiones • 1. Caida brusca de productividad inmediatamente después del incendio • 2. Subida brusca de productividad en el siguiente periodo de crecimiento • (uso de reservas hídricas por pastos) • 3. Incremento de la estacionalidad (cambio tipo funcional de vegetación) • 4. Disminución de productividad en el resto de años Hoja de ruta • Incrementar nº eventos estudiados y evaluar otras covariables (P, carga pastoreo) • Hacer mejor uso de la historia de fuegos • Evaluar estacionalidad de las variables de productividad y de los cambios estructurales
Financiación nº 8277/07 Groundwater-fed woodlands in the deserts of Argentina: understanding their vulnerability to agricultural development CNR II 2031 Land use change in the Rio de la Plata Basin: linking biophysical and human factors to predicts trends, assess impacts, and support viable land-use strategies for the future