Identification of water erosion processes through analysis of land use and land cover changes in a mountain watershed
DOI:
https://doi.org/10.30972/fac.3427733Keywords:
Land cover change, Water erosion, Geotechnologies, Google earth engine, Random forestAbstract
Land use and land cover change (LULC) has a significant impact on ecosystems by modifying the natural cover, which has consequences on soil characteristics, hydrological and geomorphological processes. Therefore, the objective is to determine the LULC change of the El Negro River basin for the years 1985 and 2023 through classification supervised with the use of satellite images, analysing the changes and identifying sectors that show evidence of water erosion processes. Thus, the greatest change in LULC is in the vegetation class, which reduced its area from 55 km2 (1985) to 13 km2 (2023), while the agricultural cover increased from 65 km2 (1985) to almost 100 km2 (2023), representing almost 50% of the total area. In addition to this change, it has been possible to identify sectors where different processes of water erosion are developing within the agricultural production fields (mainly in the Piedmont areas) and in the development of the drainage network.
References
Abbondanza, S (2019). Cambios en la cobertura vegetal y erosión del suelo en Sierras Chicas – Córdoba, en el periodo 2005-2017: aproximaciones desde el modelo RUSLE con base en la teledetección. Instituto de Altos Estudios Espaciales Mario Gulich. Tesis de Maestría en Aplicaciones de Información Espacial.
Belgiu, M. y O. Csillik (2017). Sentinel-2 cropland mapping using pixel-based and object-based time-weighted dynamic time warping analysis. Remote Sensing of Environment, 204(2018), 509–523. https://doi.org/10.1016/j.rse.2017.10.005
Beron de la Puente, F., Revollo Sarmiento, N. y V, Gil (2023). Clasificación Inteligente de Cultivos de Verano en la Plataforma Google Earth Engine. En: Congreso de AgroInformática (CAI 2023) – JAIIO 52. CABA, Argentina.
Beron de la Puente, F. J., Gil, V. y P.A. Zapperi (2022). El factor edáfico (K) y la generación de cárcavas en una microcuenca serrana. Tornquist, Argentina. Cardinalis, (18), 95–108.
Bocco, G., M. Mendoza y A. Velázquez (2001). Remote sensing and GIS-based regional geomorphological mapping. A tool for land use planning in developing countries. Geomorphology, 39(3-4): 211-219.
Campo, A. M., Gil, V., Ybarra Alcaráz, G. V., y A. Volonté (2016). Tipificación morfológica de cursos principales: Cuenca del arroyo El Negro, sistema de Ventania, Argentina. Boletín Geográfico, (37),38, 49-60.
Chen, W., Xie, X., Wang, J., Pradhan, B., Hong, H., Bui, D. T., Duan, Z. y J. Ma (2017). A comparative study of logistic model tree, random forest, and classification and regression tree models for spatial prediction of landslide susceptibility. Catena, 151, 147–160. https://doi.org/10.1016/j.catena.2016.11.032
de León Mata, G. D., Pinedo Álvarez, A. y J. H. Martínez Guerrero (2014). Aplicación de sensores remotos en el análisis de la fragmentación del paisaje en Cuchillas de la Zarca, México. Investigaciones geográficas, (84), 42-53. https://doi.org/10.14350/rig.36568
Ellison, D., Morris, C. E., Locatelli, B., Sheil, D., Cohen, J. Murdiyarso, D., y Gutierrez, V. )2017). Trees, forests and water: cool insights for a hot world. Global Environmental Change, 43: 51-61.
Flood, N. (2013). Seasonal composite Landsat TM/ETM+ images using the medoid (a multi-dimensional Median). Remote Sensing, 5(12), 6481-6500. https://doi.org/10.3390/rs5126481
Gallegos Reina, A., y M. J. Perles Roselló (2019). Relaciones entre los cambios en los usos del suelo y el incremento de los riesgos de inundabilidad y erosión: análisis diacrónico en la provincia de Málaga (1957–2007). Boletín de la Asociación de Geógrafos Españoles, (81), 2740, 1–38. http://dx.doi.org/10.21138/bage.2740
Gao, B.C (1996). NDWI–A normalized difference water index for remote sensing of vegetation liquid water from space. Remote sensing of environment 58(3), 257-266. https://doi.org/10.1016/S0034-4257(96)00067-3
Gil, V. (2011). Geomorfología fluvial en el arroyo El Negro, Buenos Aires, Argentina. Revista Universitaria de Geografía, (20)1, 1-12.
Huete, A., Didan, K., Miura,T., Rodríguez, E. P., Gao, X. y G. Ferreira (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment 83, 195-213.
Humacata, L. (2022). Análisis espacio-temporal de cambios de coberturas y usos del suelo en la cuenca del río Luján (1990-2010). Revista Huellas, (26),1. http://dx.doi.org/10.19137/huellas-2022-2609
Mendoza, M., Bocco G., Granados E. y M. Bravo (2002). Implicaciones hidrológicas del cambio de la cobertura vegetal y uso del suelo: una propuesta de análisis espacial a nivel regional en la cuenca cerrada del lago de Cuitzeo, Michoacán, México. Investigaciones Geográficas. Boletín del Instituto de Geografía de la UNAM, (49) 92-117.
Metternicht, G. (2003). Vegetation indices derived from high-resolution airborne videography for precision crop management. International Journal of Remote Sensing 24(14), 2855-2877. https://doi.org/10.1080/01431160210163074
Milazzo, F., Fernández, P., Peña, A., y T. Vanwalleghem (2022). The resilience of soil erosion rates under historical land use change in agroecosystems of Southern Spain. Science of The Total Environment, 822, 153672, https://doi.org/10.1016/j.scitotenv.2022.153672.
Najera González, O., Bojórquez Serrano, J. I., Flores Vilchez, F., Murray Nuñez, R. M. y A. González García Sancho (2016). Riesgo de erosión hídrica y estimación de pérdida de suelo en paisajes geomorfológicos volcánicos en México. Cultivos Tropicales, (37)2, 45-55.
Nguyen, C.T.; Chidthaisong, A., Kieu Diem, P. y L.Z. Huo (2021). A Modified Bare Soil Index to Identify Bare Land Features during Agricultural Fallow-Period in Southeast Asia Using Landsat 8. Land 10(3), 231. https://doi.org/10.3390/land10030231
Nyssen, J., Poesen, J., Moeyersons, J., Luyten, E., Veyret-Picot, M., Deckers, J., Haile, M., y G. Govers (2002). Impact of road building on gully erosion risk: A case study from the Northern Ethiopian Highlands. Earth Surface Processes and Landforms, 27(12): 1267-1283.
Pontius, R. G. Jr., Shusas, E. y M. McEachern (2004). Detecting important categorical land changes while accounting for persistence. Agriculture, Ecosystems and Environment, (101), 251-268. https://doi.org/10.1016/j.agee.2003.09.008
Rouse, J.W., Haas, R.H., Schell, J.A. y D.W. Deering (1973). Monitoring vegetation systems in the Great Plains with ERTS. En: 3rd ERTS Symposium, NASA SP-351 I, 309-317
Sequeira, N. D., Vazquez, P. y L. Zulaica (2015). Consecuencias ambientales de la expansión agrícola en el partido de Benito Juárez (Buenos Aires, Argentina), en el período 2003-2011. Revista Geoaraguaia, 5(2).
Sacido, M.B., Vazquez, P y A. Somoza (2020). Pastizales nativos y avance de la agriculturización en una Cuenca de la Región Pampeana Argentina. En: Simposio Gestión sostenible del campo natural: 11-18. Uruguay.
Santana, C. G. y J. N. B. Pineda (2011). Descripción del cambio de uso y cobertura del suelo en los bosques primarios del Estado de México, durante 1976-2000.
Trujillo-Jiménez, M. A., Liberoff, A. L., Pessacg, N., Pacheco, C. y S. Flaherty (2021). Metodología de clasificación automática de uso y cobertura de suelo. En: XIII Congreso de AgroInformática (CAI 2021)-JAIIO 50. Buenos Aires.
Van Lynden, G. W. J. y L.R. Oldeman, L. R. (1997). The assessment of the human-induced soil degradation in South and Southeast Asia. Wageningen. The Netherlands: International Soil Reference and Information Centre.
Vázquez, P. y L. Zulaica (2011). Cambios en el uso de la tierra del partido de Tandil y principales impactos ambientales. Revista Párrafos Geográficos, 10(2), 242-267
Zha, Y., Gao, J. y S. Ni. (2003). Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. International journal of remote sensing 24(3), 583-594. https:// doi.org/10.1080/01431160304987
