Novasinergia 2024, 7(2), 73-86. https://doi.org/10.37135/ns.01.14.05 http://novasinergia.unach.edu.ec
Artículo de Investigación
Análisis multitemporal del cambio de uso del suelo en la cuenca del río
Zarumilla: Proyecciones al 2040
Multi-temporal analysis of land use change in the Zarumilla river basin: Projections to
2040
Paul Sebastián Amaya Márquez
1
, Brigitte Lisseth Girón Pucha
1
, Jaime Enrique Maza Maza
1
,
Alex Luna
1
1
Carrera de Ingeniería Ambiental, Facultad de Ingeniería Civil, Universidad Técnica de Machala, Machala, Ecuador, 1701518;
bgiron3@utmachala.edu.ec; jemaza@utmachala.edu.ec; adluna@utmachala.edu.ec
*Correspondencia: pamaya2@utmachala.edu.ec
Citación: Amaya, P., Girón, B.,
Maza, J. & Luna, A., (2024).
Análisis multitemporal del
cambio de uso del suelo en la
cuenca del río Zarumilla:
Proyecciones al 2040.
Novasinergia. 7(2). 73-86.
https://doi.org/10.37135/ns.01.
14.05
Recibido: 15 abril 2024
Aceptado: 16 junio 2024
Publicado: 03 julio 2024
Novasinergia
ISSN: 2631-2654
Resumen: La cuenca binacional del río Zarumilla es un lugar con gran
diversidad de especies y es de gran importancia para la economía de Perú y
Ecuador. Estos factores socioeconómicos pueden traer consigo cambios en la
distribución de las coberturas del suelo, los cuales afectan de manera negativa
los ecosistemas. El presente estudio tiene como objetivo evaluar los cambios
de cobertura y uso de suelo durante el periodo 1992-2022 y construir una
proyección al año 2040 siguiendo las tendencias de uso actuales y su patrón
histórico. Se usaron mapas de cobertura y uso de suelo de los años 1992 y 2022,
así como información georreferenciada que fue usada para encontrar los
factores condicionantes para el cambio de suelo. El modelo de prospección se
basó en la implementación de cadenas de Markov y autómatas celulares
usando factores condicionantes para construir una proyección más precisa.
Los resultados obtenidos reflejan una pérdida neta de 11378 hectáreas de
bosque durante el periodo 1992-2022, ocurriendo el 87.7% de esta pérdida en
el lado ecuatoriano de la cuenca. A este ritmo se puede prospectar una pérdida
de bosque de 10552 hectáreas para el periodo 2022-2040, de igual manera
prevista principalmente en el lado ecuatoriano. El modelo prospectivo
también resalta que los principales cambios se producirán en áreas de baja
altitud y en proximidad a fuentes hídricas y carreteras. Esta es una pérdida
alarmante de bosque nativo, la cual se puede evitar mediante la creación de
políticas de desarrollo sostenible y programas de ordenamiento territorial.
Palabras clave:
C
uenca,
D
eforestación,
P
rospección
,
R
ío
,
U
so de la tierra
.
Copyright: 2024 derechos
otorgados por los autores a
Novasinergia.
Este es un artículo de acceso abierto
distribuido bajo los términos y
condiciones de una licencia de
Creative Commons Attribution
(CC BY NC).
(http://creativecommons.org/licens
es/by/4.0/).
Abstract: The binational basin of the Zarumilla River is a place with great species
diversity and is particularly important to the economy of Peru and Ecuador. These
socioeconomic factors can lead to changes in land cover distribution, which negatively
affect ecosystems. The present study aims to evaluate changes in land cover and use
during the period 1992-2022 and to generate a projection for the year 2040 following
current usage trends and historical patterns. Land cover and use maps from 1992 and
2022 were used, along with georeferenced information that was employed to identify
the conditioning factors for land change. The prospection model was based on the
implementation of Markov chains and cellular automata using conditioning factors to
build a more accurate projection. The results obtained reflect a net loss of 11378
hectares of forest during the period 1992-2022, with 87.7% of this loss occurring on
the Ecuadorian side of the watershed. At this rate, a forest loss of 10552 hectares can
be projected for the period 2022-2040, similarly projected mainly on the Ecuadorian
side. The projection model also highlights that the main changes will occur in low-
altitude areas and in proximity to water sources and roads. This is an alarming loss of
native forest, which can be avoided through the creation of sustainable development
policies and land-use planning programs.
Keywords
:
B
asin
,
D
eforestation,
P
rospection
,
R
iver,
L
and
-
use
.
Novasinergia 2024, 7(2), 73-86 74
1. Introducción
La cuenca del río Zarumilla es una cuenca binacional en la frontera de Ecuador y
Perú, nace en los andes occidentales y recorre 62.2 km a través de la frontera entre ambos
países para desembocar en el golfo de Guayaquil. Cerca de las orillas del río existen grandes
extensiones de cultivos de arroz y plátano, los cuales se riegan con agua subterránea
extraída de pozos excavados en los márgenes del río (INAHMI, 2005).
Los cambios en la cobertura del uso del suelo son el fenómeno más común en diferentes
regiones del mundo (Vadrevu y Ohara, 2020), estos ocurren cuando hay crecimiento
económico y poblacional, mala administración y políticas sobre el suelo. Esto conduce a
problemas como cambios en el ciclo biogeoquímico, deforestación y cambios en la energía
superficial. A través de una evolución continua durante el último medio siglo, los SIG y la
teledetección han demostrado sus beneficios potenciales para muchas disciplinas
relacionadas (Chen et al., 2017).
Satisfacer la demanda mundial de alimentos ha impulsado la expansión de las fronteras
(Ferreras et al., 2015). Se estima que alrededor del 25% de las tierras cultivables del planeta
presentan algún signo de erosión y/o degradación, identificando como causas principales al
empleo de prácticas de manejo inadecuadas (Azqueta Oyarzun et al., 2007). Todos estos
factores tienen potenciales consecuencias para la calidad del agua, la biodiversidad y la
capacidad de los ecosistemas para proporcionar servicios ecosistémicos esenciales. Durante
los últimos años, la cuenca del río Zarumilla ha experimentado notables cambios como
resultado de diversas presiones antrópicas y naturales. La principal afectación
antropogénica en este lugar es la deforestación, la cual acelera los procesos erosivos y altera
los ciclos hidrológicos, pudiendo causar inundaciones y deterioro del ecosistema (Secretaría
Nacional de Planificación y Desarrollo, 2016).
Esta predicción se realizó siguiendo un escenario BAU (Business as usual, lo de siempre) en
el cual se mantienen las tendencias actuales de desarrollo socioeconómico y se espera que
la expansión urbanística y agrícola siga el patrón histórico (Gebresellase et al., 2023). En
consecuencia, es necesario hacer un análisis exhaustivo a los patrones de cambio en la
cuenca, el cual proporciona una base sólida para un modelo predictivo que incorpore
factores que pueden impulsar o limitar el cambio. Usando el enfoque de análisis
multicriterio, se pueden usar distintas características físicas y de accesibilidad dentro de la
cuenca para permitir una estimación más precisa de los escenarios futuros.
El presente estudio tiene como objetivo evaluar el cambio en la cobertura y uso de suelo de
la cuenca del río Zarumilla para crear un modelo prospectivo basado en un análisis
multicriterio usando sistemas de información geográfica, bases de datos georreferenciadas
e información satelital.
2. Metodología
La metodología presentada es sistemática (ver Figura 1) empezando por el planteamiento
del problema y la selección del área de estudio, seguido del proceso de selección de datos
georreferenciados de fuentes reconocidas. A partir de estos datos se elaboró un análisis del
Novasinergia 2024, 7(2), 73-86 75
cambio de cobertura del periodo 1992-2022, el cual ayudó a crear el modelo de prospección
mediante la implementación de cadenas de Markov y autómatas celulares. Se realizó una
validación del modelo propuesto mediante una matriz de confusión y el cálculo del índice
Kappa, un índice mayor a 0.61 indica un modelo substancial lo que permitió realizar un
análisis estadístico para estimar de manera más precisa el escenario futuro del año 2040.
Figura 1: Diagrama de flujo de la metodología utilizada
2.1. Área de estudio
El presente estudio se llevó a cabo en la cuenca binacional del río Zarumilla (ver
Figura 2). Esta tiene un área total de 890.56 km2, encontrándose repartido entre las
repúblicas del Perú y Ecuador en porcentajes de 45% y 55% respectivamente. El clima del
área de estudio varía desde desértico en la zona costera al semiárido de las zonas
montañosas en la parte fronteriza y el bosque húmedo en las nacientes de la cuenca. La
mayor parte de la cuenca es árida y semiárida con precipitaciones anuales menores de 600
mm por año (Autoridad Nacional del Agua, 2020).
Esta cuenca consta de 2 áreas protegidas: la Reserva Ecológica Arenillas (Ecuador) y el
parque nacional de Cerros de Amotape (Perú).
Novasinergia 2024, 7(2), 73-86 76
Figura 2: Mapa del área de estudio
2.2. Periodos académicos de análisis
Se realizó la recopilación de información georreferenciada de diferentes períodos
temporales. Esta información fue adquirida de fuentes reconocidas, como el Ministerio del
Ambiente Agua y Transición Ecológica (MAATE), el Sistema Nacional de Información (SNI)
y el proyecto MapBiomas, el cual es una iniciativa conformada por una red colaborativa de
especialistas en mapeo de coberturas y uso del suelo con sensores remotos. Todos los mapas
anuales de cobertura y uso del suelo de MapBiomas fueron producidos a partir de la
clasificación píxel a píxel de imágenes del satélite Landsat. Todo el proceso fue realizado
con algoritmos de machine learning a través de la plataforma Google Earth Engine
(MapBiomas Ecuador, 2023). Los principales factores o variables independientes tomados
en cuenta para la prospección (ver Figura 3) fueron: Pendientes, distancia euclidiana a
poblaciones y sitios, distancia euclidiana a ríos y quebradas, distancia euclidiana a vías y
accesos, modelo digital de elevación (DEM) y áreas protegidas-parques nacionales.
Figura 3: Variables independientes
Novasinergia 2024, 7(2), 73-86 77
Después de recopilar estos datos se procedió a recortarlos y reclasificarlos usando 5 clases
definidas por el IPCC (Grupo Intergubernamental de Expertos sobre el Cambio Climático)
las cuales son: Bosque, vegetación arbustiva y herbácea, tierra agropecuaria, zona antrópica
y cuerpos de agua. Una vez recopilados y procesados estos datos se pudo generar una
evaluación detallada de la evolución de la cobertura del suelo en la cuenca a lo largo del
tiempo. Usando las clasificaciones de 1992 y 2022 se hizo una tabla de comparación de
superficie y porcentajes, además se realizaron 2 mapas con el fin de mejorar la visualización
de los hallazgos.
2.3. Modelo prospectivo
Este se basa en la implementación de un modelo de cadenas de Markov, el cual
generó una matriz de probabilidades de cambio entre las diferentes categorías de uso del
suelo a lo largo del tiempo. Posteriormente se empleó un modelo de autómatas celulares
para simular el cambio de uso del suelo en múltiples iteraciones, representando así los años
futuros hasta el 2030 (Ramos-Reyes et al., 2021). En este modelo se integra la matriz de
probabilidad de cambios previamente elaborada para crear un mapeo perfecto de la
distribución espacial. Se realizaron 18 iteraciones del modelo CA-MARKOV. En cada
iteración, los píxeles con la mayor probabilidad de transición y la mayor idoneidad para un
tipo de cobertura en particular se cambiaron a un nuevo tipo de cobertura (Wang et al.,
2019).
2.4. Validación del modelo
Se seleccionó el año 2012 como punto intermedio y se compararon las predicciones
del modelo con los datos reales proporcionados por el Ministerio del Ambiente. Esta
comparación se llevó a cabo mediante una matriz de confusión, que muestra el número de
predicciones correctas e incorrectas para cada categoría de uso del suelo. La evaluación de
la precisión del modelo se realizó mediante el cálculo del índice kappa (ver Tabla 1), donde
la precisión es valorada en términos de la cantidad y ubicación de celdas clasificadas
correctamente (Keshtkar y Voigt, 2016).
Tabla 1: Fuerza relativa de concordancia kappa
Coeficiente kappa
Fuerza de concordancia
<0.00
Pobre
0.00
-
0.20
Leve
0.21
-
0.40
Regular
0.41
-
0.60
Moderado
0.61
-
0.80
Substancial
0.81
-
1.00
Casi perfecto
Fuente: (Landis y Koch, 1977)
2.5. Análisis estadístico
Se realizó una prueba de regresión logística y una prueba perceptrón multi-capa
(PML), la cual es un algoritmo de red neuronal que aprende las relaciones entre datos
lineales y no lineales (Bento, 2021). La regresión logística se utilizó debido a su capacidad
para modelar la probabilidad de que ocurra deforestación en función de las variables
Novasinergia 2024, 7(2), 73-86 78
independientes. Por otro lado, la prueba PML fue usada para ofrecer una visión más
profunda de las relaciones lineales y no lineales entre las variables, de esta manera
capturando los patrones existentes en los datos. Estas pruebas se usaron para calcular cuales
serían los factores más condicionantes para el cambio a tierras agrícolas de la cobertura
vegetal nativa, evaluando de forma más completa los factores impulsores de los cambios de
uso de suelo.
3. Resultados
3.1. Análisis de cambios entre 1992 y 2022
Mediante el desarrollo del mapa y análisis del cambio de cobertura del suelo de la
cuenca del Zarumilla, durante los periodos 1992-2022 se ha logrado determinar en la Figura
3 la evolución que ha tenido la cobertura del suelo durante 30 años. En la Tabla 2 se observan
los tipos de cambios que ocurrieron en el periodo establecido debido a las diferentes
actividades desarrolladas en la zona de estudio, cubriendo el área y porcentaje de cada
sector. En primer lugar, se encuentra la categoría Bosque, la cual contaba con 67706.8 ha en
1992 y disminuyó a 56321 ha en el año 2022, lo que representa una pérdida de al menos el
16.80%. Las zonas de vegetación herbácea y arbustiva tuvieron 66 hectáreas de pérdida neta,
siendo la categoría menos afectada.
Tabla 2: Uso del suelo por su superficie y porcentaje en el periodo 1992-2022
Categorías 1992
(ha)
2022
(ha)
Pérdidas
(ha)
Ganancias
(ha)
Cambio neto
(ha)
Tasa de cambio
(%)
B 67706.8 56321.0 -16251 4873 -11378 -16.80%
VAH 96.7 29.9 -93 27 -66 -68.24%
TA 16722.0 27567.2 -5313 16153 10840 64.82%
ZA 850.6 1283.5 -404 836 432 50.79%
CA 230.6 403.2 -106 279 173 75.03%
B= Bosque; VAH=Vegetación arbustiva y herbácea; TA=Tierra agropecuaria; ZA=Zona antrópica; CA=Cuerpos de agua
Otro de los cambios más notables ocurrió en las zonas antrópicas, debido al crecimiento
poblacional pasaron de 850.6 a 1283.5 ha en este periodo. En la Figura 4 se puede observar
grandes cambios en la cobertura, con la pérdida de zonas naturales reemplazadas por tierras
agrícolas. Con estos datos se observa que la cuenca del río Zarumilla experimentó una gran
expansión agrícola durante los últimos años. Los cultivos y plantaciones son el medio de
vida de los habitantes de este lugar, y esta expansión de la frontera agrícola ha provocado
la pérdida de bosques.
Novasinergia 2024, 7(2), 73-86 79
Figura 4: Coberturas y usos de suelo de la cuenca del río Zarumilla de los años 1992 y 2022
Como se observa en la Figura 5 los principales cambios que se dieron en los últimos 22 años
fueron principalmente para tierras agrícolas, con 16107 ha de nuevos suelos destinados a
cultivo y ganadería. A sí mismo se puede observar un leve aumento en la vegetación que se
encuentra en la parte sur de la cuenca, aun así, este aumento es muy ligero en comparación
a la pérdida de bosque que se ha dado.
Figura 5: Cambios de usos de suelo del río Zarumilla
La Figura 5 indica de manera detallada los sectores donde se produjeron los cambios. La
conversión de otros usos de suelo a tierras agropecuarias se dio de manera extensa en gran
parte de la cuenca en este periodo exceptuando ciertos sectores en el sur donde se registró
una leve recuperación del bosque. Todos estos cambios han ocurrido principalmente en el
lado ecuatoriano de la cuenca, teniendo un 87.5% de los cambios totales con 19314 de las
22060 ha. La ausencia de cambios en la cobertura de suelo en el lado peruano se ha dado
principalmente por la presencia del parque nacional Cerros de Amotape y su zona de
Novasinergia 2024, 7(2), 73-86 80
amortiguamiento, la cual cuenta con 14635 ha en el área de la cuenca. En este parque se
protege la integridad ecológica de uno o más ecosistemas, las asociaciones de la flora y fauna
silvestre y otras características paisajísticas y culturales asociadas (Instituto Nacional de
Recursos Naturales, 2001).
3.2. Probabilidad de transición
El análisis del mapa de potencial de transición (ver Figura 6) muestra la probabilidad
de cambio en una escala de 0 a 1, donde 0 es una probabilidad nula y 1 la probabilidad más
alta. Se observa que las zonas con mayores probabilidades de expansión agrícola a expensas
de bosque se encuentran cerca de las riberas de los ríos y de asentamientos humanos. Las
zonas con menor probabilidad de cambio se encuentran en la parte sur de la cuenca, donde
la altitud es mayor y las pendientes son más escarpadas.
Figura 6: Mapa de potencial de transición a tierras agropecuarias
3.3. Validación del modelo
En la prueba de concordancia entre la cobertura del 2012 simulada y la cobertura real
se obtuvo un índice Kappa de 0.62 (ver Figura 7).
Figura 7: Resultados de la prueba de concordancia Kappa
3.4. Proyección al 2040
En la proyección al año 2040, se estima una pérdida neta de 10562 ha de bosque y una
ganancia de 10152 ha para tierras agropecuarias. En este periodo también se prevé un
Novasinergia 2024, 7(2), 73-86 81
aumento de 1179 ha de zonas antrópicas, las cuales no impactarían directamente el bosque
si no que desplazarían aproximadamente 1032 ha de tierras de cultivo.
Tabla 3: Cobertura y uso de suelo del periodo 2022 - 2040
Categorías 2022
(ha)
2040
(ha)
Pérdidas
(ha)
Ganancias
(ha)
Cambio neto
(ha)
Tasa de cambio
(%)
B 56321.0 45803 -10589 27 -10562 -16.80%
VAH 29.9 42 -13 26 13 -68.24%
TA 27567.2 36655 -1032 10152 9120 64.82%
ZA 1283.5 2398 -57 1179 1122 50.79%
CA 403.2 708 -1 220 219 75.03%
Aunque el crecimiento urbano en esta región no sea desorbitado, igual existe un ligero
aumento principalmente en la zona de Huaquillas y en las riberas del río Zarumilla (ver
Figura 8). Se esperan 9120 hectáreas de ganancias netas para tierras agropecuarias, lo cual
supone un aumento del 64.82%. En esta proyección se aprecia el papel crucial de las áreas
protegidas en el control de la deforestación.
Figura 8: Cobertura y uso de suelo del año 2040
Usando regresión lineal entre la variable dependiente (expansión agrícola) y las variables
independientes (factores condicionantes) (Tabla 4) se analizaron las relaciones y los
patrones existentes. Los factores cuentan con un coeficiente negativo el cual indica que, a
mayor intensidad del factor, menor será el cambio subsecuente. Los resultados obtenidos
proporcionan una visión integral del cambio de uso del suelo y su evolución futura hasta el
año 2040. Esta información es de gran importancia para la planificación del uso del suelo y
la gestión ambiental, ya que permite anticipar y tomar medidas preventivas frente a posibles
cambios paisajísticos.
Novasinergia 2024, 7(2), 73-86 82
Tabla 4: Regresión logística para el cambio a tierras agrícolas
Coeficiente de regresión individual
Intercepto/Variables Coeficiente
Intercepto -0.1933
Distancia a vías y accesos -0.00003
Distancia a poblados -0.0002
Elevación -0.0004
Pendientes -0.000008
Distancia a ríos -0.0001
4. Discusión
4.1. Análisis de cambios entre 1992 y 2022
Los hallazgos de la investigación evidenciaron cómo ha evolucionado la cobertura
del suelo en la cuenca del río Zarumilla, así como los factores que han contribuido a la
pérdida de cobertura vegetal tanto en áreas protegidas y no protegidas. Durante cada
periodo de estudio, se observó una notable variabilidad en los cambios en el uso del suelo,
especialmente en las áreas cubiertas por bosques y tierras destinadas a actividades
agropecuarias. Álvarez del Castillo y Agredo Cardona (2013), declaran que los factores que
se pueden señalar como los causantes de la pérdida en la cobertura vegetal son la carencia
de una planificación que integra los procesos político administrativos, ecosistémicas y
ambientales, migración o desplazamiento, escasez de suelo urbanizable, aumento
poblacional, topografía con altas pendientes, desarrollos urbanísticos espontáneos no
planificados y los regímenes de lluvias que superan los niveles pluviométricos normales.
Según Pabón Salazar (2022) el principal problema de cambios de cobertura y usos de suelo
es la pérdida paulatina de la cobertura vegetal, debido a la ampliación de la frontera
agrícola, siendo el banano, plátano, limón y cacao los principales cultivos permanentes de
este sector.
4.2. Prospección de uso de suelo
La elevación es uno de los factores claves para el cambio de uso de suelo, en la cuenca
se puede visualizar que entre mayor sea la altitud menor va a ser la deforestación, esto
debido a que en esta ubicación suele preferirse las zonas más bajas y cercanas a los ríos para
la creación de tierras agrícolas. La distancia a poblados, la distancia a vías y accesos y la
distancia a ríos son los siguientes factores condicionantes, al contar con un coeficiente
negativo estos indican que la falta de acceso a estos lugares condiciona la expansión de la
agricultura. Así mismo otro factor clave para la deforestación son las pendientes del lugar,
entre más escarpadas son las pendientes de un sitio menos probabilidad de cambio tienen.
En el mapa de potencial de transición podemos notar que a pesar de que las áreas protegidas
y parques nacionales no se encuentran excluidas en este modelo, se observa que gran parte
del parque nacional Cerros de Amotape tiene muy pocas probabilidades de convertirse a
otro uso de suelo debido a la falta de acceso al lugar, lo cual nos indica que es un lugar que
Novasinergia 2024, 7(2), 73-86 83
se ha mantenido prácticamente inalterado y libre de presencia humana a lo largo del tiempo
de estudio.
4.3. Validación del modelo
En la prueba kappa del modelo se obtuvo un coeficiente de 0.62. Según (Landis y
Koch, 1977) un rango kappa que se encuentra entre 0.61 y 0.80 indica una concordancia
substancial. (Pontius, 2000) también indica que un coeficiente kappa mayor a 0.5 es
suficiente para validar un modelo de predicción de cambio de uso de suelo.
5. Conclusiones
Mediante el análisis de los cambios durante el periodo 1992-2022 se logró observar que gran
parte de las pérdidas se produjeron principalmente en el lado ecuatoriano de la cuenca
donde ocurrió el 87.7% de la deforestación total. Esto indica que de las 16251 ha de bosque
perdido en toda la cuenca, 14252 ha se perdieron solamente en el lado ecuatoriano. El lado
peruano se ha mantenido relativamente poco alterado a lo largo de los años principalmente
por la existencia del parque nacional Cerros de Amotape y su respectiva zona de
amortiguamiento. Mediante la aplicación de regresión lineal se pudo observar la relación
existente entre la distancia a ríos, vías y accesos y la elevación en los cambios de suelo en el
sector, siendo estos los principales factores que condicionan la expansión agrícola en la
zona. De acuerdo con la proyección al año 2040 se puede esperar una alarmante expansión
en la deforestación que podría llegar a 10589 hectáreas de bosque, especialmente en el lado
ecuatoriano. Se recomienda implementar políticas de desarrollo sostenible, promover
prácticas agrícolas sostenibles, ampliar y reforzar las áreas protegidas para la conservación
de la biodiversidad y ejecutar programas de reforestación, así mismo se puede involucrar a
las comunidades locales en la conservación de los recursos naturales, ofreciendo soluciones
inclusivas y sostenibles a largo plazo.
Contribuciones de los autores
En concordancia con la taxonomía establecida internacionalmente para la asignación
de créditos a autores de artículos científicos (https://casrai.org/credit/). Los autores declaran
sus contribuciones en la siguiente matriz:
Amaya, P.
Girón, B.
Maza, J.
Luna, A.
Conceptualización
Análisis formal
Investigación
Metodología
Recursos
Validación
Redacción – revisión y edición
Novasinergia 2024, 7(2), 73-86 84
Conflicto de Interés
No existen conflictos de interés de naturaleza alguna.
Referencias
Álvarez del Castillo, J., y Agredo Cardona, G. (2013). Pérdida de la cobertura vegetal y de oxígeno en la media
montaña del trópico andino, caso cuenca urbana San Luis (Manizales). Luna Azul, (37), 30-48.
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1909-24742013000200004
Autoridad Nacional del Agua. (2020). Plan de gestión integrada de los recursos hídricos de la cuenca hidrográfica
transfronteriza del río Zarumilla.
https://alicia.concytec.gob.pe/vufind/Record/ANAI_4e4ca575a721690bf3b8efceec84af0b
Bento, C. (21 de septiembre de 2021). Multilayer Perceptron Explained with a Real-Life Example and Python Code:
Sentiment Analysis. https://towardsdatascience.com/multilayer-perceptron-explained-with-a-real-life-
example-and-python-code-sentiment-analysis-cb408ee93141
Chen, M., Lin, H., y Lu, G. (2017). Virtual Geographic Environments. International Encyclopedia of Geography:
People, the Earth, Environment and Technology. https://doi.org/10.1002/9781118786352.wbieg0448
Azqueta Oyarzun, D., Alviar Ramírez, M., Dominguez Villalobos, L., y O'ryan, R. (2007). Introducción a la
economía ambiental. Mcgraw-Hill Interamericana de España.
https://www.academia.edu/38621803/Introducci%C3%B3n_a_la_econom%C3%ADa_ambiental
Intituto Nacional de Metorología e Hidrología – INAHMI. (2005) Estudio hidrológico de caudales máximos y
levantamiento de información ambiental de la cuenca del río Zarumilla [Archivo PDF].
https://issuu.com/inamhi/docs/estudiozarumilla
Ferreras, L. A., Toresani, S. M. I., Faggioli, V. S., y Galarza, C. M. (2015). Sensibilidad de indicadores biológicos
edáficos en un Argiudol de la Región Pampeana Argentina. Sociedad Española de la Ciencia del Suelo,
5(3), 220-235. https://doi.org/10.3232/SJSS.2015.V5.N3.04
Novasinergia 2024, 7(2), 73-86 85
Gebresellase, S. H., Wu, Z., Xu, H., y Muhammad, W. I. (2023). Scenario-Based LULC Dynamics Projection
Using the CA–Markov Model on Upper Awash Basin (UAB), Ethiopia. Sustainability, 15(2), 1683.
https://doi.org/10.3390/su15021683
Keshtkar, H., y Voigt, W. (2016). Potential impacts of climate and landscape fragmentation changes on plant
distributions: Coupling multi-temporal satellite imagery with GIS-based cellular automata model.
Ecological Informatics, 32, 145–155. https://doi.org/10.1016/j.ecoinf.2016.02.002
Landis, J. R., y Koch, G. G. (1977). The Measurement of Observer Agreement for Categorical Data. Biometrics,
33(1), 159–174. https://doi.org/10.2307/2529310
MapBiomas Ecuador. (2023). Proyecto. https://ecuador.mapbiomas.org/proyecto/
Pabón Salazar, E. D. (2022). Análisis de los procesos de cambio de uso y cobertura del suelo en la microcuenca del río
Tabacay. [Tesis de maestría, Universidad Andina Simón Bolívar]
https://repositorio.uasb.edu.ec/bitstream/10644/8687/1/T3801-MCCSD-Pabon-Analisis.pdf
Instituto Nacional de Recursos Naturales-INRENA. (2001). Plan maestro del Parque Nacional Cerros de Amotape
[Archivo PDF]. https://sinia.minam.gob.pe/sites/default/files/sinia/archivos/public/docs/304.pdf
Pontius, R. G. (2000). Quantification Error Versus Location Error in Comparison of Categorical Maps.
Photogrammetric Engineering and Remote Sensing, 66(8), 1011-1016. https://www.asprs.org/wp-
content/uploads/pers/2000journal/august/2000_aug_1011-1016.pdf
Ramos-Reyes, R., Palomeque-De la Cruz, M. Á., Megia-Vera, H. J., y Pascual-Landeros, D. (2021). Modelo del
cambio de uso de suelo en el sistema lagunar Carmen-Pajonal-Machona, México. REVISTA TERRA
LATINOAMERICANA, 39. https://doi.org/10.28940/terra.v39i0.587
Secretaría Nacional de Planificación y Desarrollo. (2016). Términos de referencia para la elaboración del plan de
gestión integrada de los recursos hídricos de la cuenca hidrográfica transfronteriza del río Zarumilla [Archivo
PDF]. https://planbinacional.org.ec/wp-content/uploads/2016/08/terminos-de-referencia-finales-girh-
zarumilla-09-08-2016.pdf.
Novasinergia 2024, 7(2), 73-86 86
Vadrevu, K. P., y Ohara, T. (2020). Focus on land use cover changes and environmental impacts in
South/Southeast Asia. Environmental Research Letters, 15(10), 100201. https://doi.org/10.1088/1748-
9326/abb5cb
Wang, M., Cai, L., Xu, H., y Zhao, S. (2019). Predicting land use changes in northern China using logistic
regression, cellular automata, and a Markov model. Arabian Journal of Geosciences, 12(24).
https://doi.org/10.1007/s12517-019-4985-9
