VARIACIÓN TEMPORAL Y ESPACIAL DEL NDVI EN 30 AÑOS EN LA CUENCA DEL RÍO REYES (JUJUY, ARGENTINA)
Palabras clave:
Río Reyes, Río Guerreo, Yungas, Mann-Kendal, LST, precipitación, temperatura, LandsatResumen
El NDVI es ampliamente utilizado para monitorear cambios temporales en la cobertura vegetal. El objetivo de este trabajo fue evaluar la ganancia, pérdida o estabilidad del NDVI en la cuenca del río Reyes mediante el análisis de tendencia de Mann-Kendall, y su relación con las variables precipitación promedio y acumulada (PP y PA), temperatura promedio (TP), amplitud térmica (AT) y temperatura de la superficie terrestre (LST), para la época seca otoño-invernal (mayo-septiembre), entre los años 1989- 2018. La serie temporal se caracterizó en tres décadas, D1: 1989-1998, D2: 1999-2008 y D3: 2009-2018. Se establecieron 5 categorías de tendencia de NDVI: pérdida elevada (PE), pérdida leve (PL), estable (E), ganancia leve (GL) y ganancia elevada (GE). La categoría E disminuyó progresivamente su área, cuyos valores para D1, D2 y D3 fueron de 300,04, 219,37 y 97,51 km2, respectivamente. Contrariamente, el área de PE aumentó a lo largo del periodo de tiempo estudiado: D1: 0,3 km2, D2: 5,98 km2 y D3: 12,89 km2. Los años 1995 y 2003 presentaron los valores promedios de NDVI más bajos (0,19 y 0,16, respectivamente), coincidiendo con un gran periodo de sequía mundial. En los años siguientes, 1996 y 2004, se registró un aumento considerable de la PA (14,7mm – 24,13mm y 11mm – 25,13mm) y PP (2,94mm – 4,83mm y 2,22m – 5,03mm, respectivamente). El coeficiente de Pearson explicó en bajos porcentajes la relación entre el NDVI y las variables ambientales: LST: 0,4, PP: 0,32, PA: 0,32, AT: -0,29 y TP: 0,14. En D2, la disminución del NDVI coincidió con las zonas urbanas y de cultivo de la cuenca. Los valores de la LST disminuyeron cuando aumentó la actividad fotosintética. Se recomienda complementar los datos derivados por sensores remotos con datos obtenidos de estaciones meteorológicas y corroboraciones de terreno, como así también estudiar otras fuentes de variación y series temporales más extensas.