“DETERMINACIÓN DE LA COBERTURA ARBOREA Y DINAMICA

DE LA COBERTURA ARBOREA EN LOS SITIOS DE ESTUDIO

PROYECTO “ESTRATEGIAS EFECTIVAS DE ADAPTACION Y
REDUCCION DE RIESGOS POR FLUCTUACIONES EN PRECIOS Y
CAMBIOS CLIMATICOS: LECCIONES DE LA CRISIS DEL CAFÉ”

RESUMEN:

Este informe describe la metodología utilizada en la determinación de la cobertura

arbórea y dinámica de la misma, para los ocho sitios de estudio ubicados en los
países de Guatemala, Honduras y Costa Rica. En este proceso se aplicaron criterios
relativamente innovadores en cuanto al análisis digital realizado a sensores remotos
ópticos por medio de los Sistemas de Información Geográfica. Esto da un mejor
entendimiento sobre el comportamiento espacial de la cobertura arbórea en cada
sitio, sus variaciones y la proyección del posible uso hacia tres fechas futuras. Esto
puede ser un paso más que se da en la generación de información útil y que tenga
mira en la toma de decisiones para ayudar a resolver problemas de desarrollo en
cada zona.
1.INTRODUCCIÓN

El papel de la funcionalidad de la cobertura arbórea para en el sostenimiento del ser

humano es de suma importancia ya que incluye aspectos de productividad y
economía, ya que provee muchas especies de uso múltiple, leña, alimento para
ganado, madera para construcción entre otros. Suele ayudar además
ecológicamente en la conservación de suelos, refugio de flora y fauna silvestre y
posee características determinantes que influyen en el comportamiento de los
caudales superficiales y acumulación de agua subterránea.

Al determinar la cantidad de cobertura arbórea que para este caso se incluyó el

bosque primario, bosque secundario y plantaciones de café. En consenso
metodológico por parte de los expertos de cada país, en la determinación de la
cobertura de café y de acuerdo a la dificultad de discriminación se acordó evaluar
como un todo la cobertura arbórea de cada sitio de estudio.

Este análisis se realizó de alguna manera con técnicas relativamente nuevas en

donde se hace uso de una evaluación multitemporal apoyada con la combinación de
la banda Roja (B3), logrando determinar con esto dos fechas tasa de cambio por
país en donde generalmente la variación entre fechas está influenciada por las
acciones antrópicas y causas ambientales como el caso de Guatemala que tiene en
promedio un 0.88% de cambio en la primera fecha evaluada y en la segunda fecha
-0.80% periodo post Tormenta Tropical Están. En Honduras se tiene un promedio
para los dos sitios de estudio en un primer periodo de -0.23% y luego para el
segundo periodo de 0.05% que el sitio más estable es La Campa con un -0.08% en
la primera fecha y un aumento de 0.19% de la cobertura arbórea. En Costa Rica el
promedio de cambio de la cobertura arbórea es de -0.24 y el segundo es de 0.33%;
el sitio de la Península de Nicoya dio como resultado en ambas fechas un
incremento en de 0.4% en la primera fecha y en la segunda fecha un 0.10%.

Para la proyección del comportamiento de la cobertura arbórea y cambio de uso en

escenarios representa una importante oportunidad para poder anticipar, prevenir y
mitigar las dinámicas negativas que puede afectar un área determinada. Para esto
se hizo uso también de los Sistemas de Información Geográfica generando modelos
de transición espacial y técnicas estocásticas apoyadas por el método de cadenas
de Markov y Autómatas Celulares (Almeida, 2003) en la cual asume que cada área
vecina influye en la probabilidad de transición de cada celda central (Enriquez,
2007) proyectándose para cada sitio de estudio al 2015, 2025 y 2050 en donde al
evaluar la precisión del modelo desarrollado y aplicado para todos los sitios de
estudio. Esta validación se realizó en los sitios de estudio de Santiago y San Lucas
Atitlán en Guatemala, aportándonos como resultado un acierto del 90.5%.

Este análisis se creó para contar con información la cual no debe de perder a la
vista los posibles escenarios futuros y con ello sirva en la toma de decisiones para
tratar la resolución de problemas, formulando e implementando anticipadamente
políticas económicas y de desarrollo local.
2. METODOLOGIA

2.1. Referencias de interés consideradas para el proceso de clasificación:

2.1.1 Cobertura Vegetal

Árbol = Planta leñosa con fuste y copa definida con crecimiento

secundario que en su estado de madurez alcanza una altura mínima
de 5 metros y un diámetro mínimo de 10 cm. Con este concepto se
excluyen los bambúes y las palmas.

Arbusto = Planta leñosa con uno o varios troncos o tallos principales

pero que no alcanza los 5 metros de altura en su madurez.

Bosque= Superficie cubierta por árboles con un mínimo de cobertura

de copa del 30-40%, formando una masa continua de un mínimo de
0.5 hectárea (5 pixeles) con un ancho mínimo de 60 metros (2
pixeles). Se denomina Bosque Nativo a aquél que no ha sido plantado y que
se encuentra en su lugar desde hace muchos años. Además, debe estar
formado por especies autóctonas del país. También se le llama bosque
espontáneo o bosque natural.

Bosque secundario= Vegetación leñosa de carácter sucesional que se

desarrolla sobre tierras, originalmente degradadas por actividades
humanas. Su grado de recuperación dependerá mayormente de la
duración e intensidad del uso anterior por cultivos agrícolas o pastos,
así como de la proximidad a fuentes de semillas para recolonizar el
área alterada.

Plantación= es aquélla que ha sido creado por la intervención humana.

Tomado espectralmente el café con sombra tiene un comportamiento
ecológicamente de forma muy similar al bosque considerándose para
este proyecto clase importante, la cual se encuentra muchas veces
mezclada con especies nativas de la región, por lo que en consenso
dada la dificultad de discriminar con sensores ópticos generar una
capa de cobertura arbórea.

2.2. Información digital de referencia:

Se obtuvo información vectorial por parte de los coordinadores de área e

investigadores asociados de los límites políticos y administrativos para cada sitio en
formato vectorial y posibles zonas con cobertura de café generalizada a cobertura
arbórea, En formato Raster se obtuvo las hojas cartográficas a escala 1:50,000 y 1:
25,000 para los países de Guatemala y Costa Rica, ortofotos para Guatemala del
año 2006 y fotografías aéreas en infrarrojo para Costa Rica del año 2005.

2.3. Selección de imágenes e intervalo de tiempo:

Para este estudio se hizo uso de los sensores Landsat TM, ETM+ y ASTER L1B.
Las escenas por país y fechas utilizadas fueron las siguientes:

Cuadro 1. Escenas por país y tipo de sensor utilizados

Pais Municipios Imágenes Fecha

Santa María Ixhuatan Landsat TM p20r50 21 de febrero de 1996
Nueva Santa Rosa Landsat TM p20r50 08 de diciembre de 2000
Guatemala
Santiago Atitlán Landsat ETM+p20r50 12 de marzo de 2006
San Lucas Tolimán

Landsat p19r50 17 de marzo de 1996

La Campa Landsat p19r50 21 de noviembre de 1999
Landsat ETM+ p19r50 16 de enero de 2006
Honduras
Landsat p18r50 10 de diciembre de 1997
Concepción Sur Landsat p18r50 29 de marzo de 2000
Aster L1B 11 de mayo de 2007

Landsat TM p15r53 04 de febrero de 1997

Leon Cortez Landsat TM p15r53 13 de febrero de 2000
Aster L1B 08 de febrero de 2007
Costa Rica
Landsat TM p16r53 27 de febrero de 1997
Península de Nicoya Landsat TM p16r53 06 de febrero de 2001
Landsat ETM+p16r53 12 de febrero de 2006
Fuente: Elaboración CEAB

Se trató de encontrar imágenes durante la época seca y de acuerdo a la

disponibilidad de catálogo, para garantizar consistencia fenológica, así como que
tuvieran la mayor ausencia de nubes y otros artefactos atmosféricos como humo,
bruma, etc

Las imágenes utilizadas para relleno Landsat SLC-off fueron las siguientes:
 Cuadro 2. Escenas por país e imágenes de relleno

SENSOR FECHA DE RELLENO

Guatemala Landsat ETM+ p20r50
12 de marzo de 2006 ETM+ 23 noviembre 2006
TM 08 diciembre 2000
SENSOR FECHA DE RELLENO
Península de Nicoya Landsat ETM+ p16r53
12 de febrero de 2006 ETM+ 27 de febrero de 2007
TM 06 de febrero de 2001
Fuente: Elaboración CEAB

2.3. Normalización radiométrica:

Este proceso se realizó por medio de PIF´s (Pseudo Invariant Features):

En este proceso se diferenciaron y se extrajeron elementos que no presentaban

variación alguna o que tuvieran una mínima variación espectral buscando en
lagos profundos, parques en poblados (planchas de cemento), rocas expuestas
(como en volcanes) y bosques maduros alejados de cualquier intervención. Se
generó una imagen de 18 bandas y exportaron los números digitales a una hoja
de cálculo para realizar las regresiones lineales tratando con esto de homologar
los números digitales de cada escena a la imagen base, esta es la imagen de
fecha central para cada sitio considerando que aún no tiene SLC-off y las
imágenes a igualar fueron las de fechas extremas.

2.3.1. Bandas sintéticas e imágenes compuestas multifecha.

Generadas las imágenes compuestas multitemporales en el proceso de

extracción de PIF´s. se realizaron regresiones lineales, para luego con una
calculadora de mapas realizar las regresiones resultantes diferenciadas por la fecha
y ecuación por banda resultante.

Obteniendo un resultado satisfactorio se procedió a la imagen compuesta

con las bandas sintéticas normalizadas, que ayuden a la discriminación de la
vegetación y a los cambios multitemporales.

Esta puede hacerse en combinación con las bandas Roja o la Infrarroja

cercana (por sus siglas en ingles R-NIR). El resultado es una tablilla de colores que
evalúa el uso y dinámica, ver tabla No.3 y No. 4

Tabla 1. Imagen sintética perteneciente a Banda 3

 Imagen sintética
B3
Rojo Verde Azul
Clase Fecha 1 Fecha 2 Fecha 3
I CA CA CA
II CA CA CA
III NC NC CA
IV CA NC CA
V NC CA NC
VI CA CA NC
VII CA NC NC
VIII NC NC NC
Fuente: Elaboración CEAB

CA= Cobertura arbórea; NC = No cobertura arbórea

Tabla 2. Imagen sintética perteneciente a Banda 4

Imagen sintética
B4
Rojo Verde Azul
Clase Fecha 1 Fecha 2 Fecha 3
I CA CA CA
II NC CA CA
III NC NC CA
IV CA NC CA
V NC CA NC
VI CA CA NC
VII CA NC NC
VIII CA NC NC
Fuente: Elaboración CEAB

CA= Cobertura arbórea; NC = No cobertura arbórea

2.4. Clasificación y vectorización:

Este proceso tuvo como objetivo la agrupación de pixeles en un número finito

de clases individuales o de categorías de datos con base a los números digitales. El
algoritmo a utilizar es el Isodata (Interactive Self Organizing Data Analysys)
(Ruppert.1997) por medio del “isodata clustering” el cual usa la formula de la
distancia espectral mínima para formar cúmulos, los cuales han generado
automáticamente las firmas espectrales.

Para la generación del Isodata se tomó la teoría de generar sobre la imagen

sintética 100 clases con 1000 iteraciones el cual corresponde al número de veces
que se repite el algoritmo de entrenamiento y umbral de convergencia del 98%. En
este caso se realizaron generalmente los isodatas para 50 clases y el umbral de
convergencia del 98%

Las clases meta fueron las siguientes:

1. Cobertura arbórea (incluyendo bosque primario, bosque secundario,

plantaciones forestales y café).
2. No cobertura arbórea
3. Sin datos (nube o sombra)
4. Agua (lagos y ríos visibles a la escala de mapeo)

Se migró la capa raster a vectorial y en esta forma se procedío a generar la

edición manual de clases por sitio, en este caso se utilizó el programa ArcGiS de la
casa ESRI el cual es un programa de análisis y edición vectorial.

2.5. Cambios o Dinámica de la cobertura:

Haciendo uso de la combinación entre las bandas sintéticas banda 3 (R) o 4 (NIR)
de tres fechas se genera una guía visual bastante efectiva para el proceso de
dinámica vea la tabla 1 o tabla 2, en la cual cada tabla nos muestra 8 clases
diferenciadas por colores con tienen una firma espectral diferenciable entre cada
fecha. Así por ejemplo si se quiere conocer que áreas tienen perdida de bosque
durante la tercera fecha evaluada, utilizando la banda No.3 (R), mostrará las áreas
color azul o azul obscuro, los lugares con cambios con ganancias y perdidas
consecutivamente aplicables a las 3 fechas evaluadas.

2.6. Filtros:

Este paso se aplicó luego de regresar la clasificación editada en vector a

formato raster nuevamente, con el objetivo de poder limpiar las dispersiones de
pixeles sueltos y pequeños grupos de píxeles, para ello se aplica un identificador de
pixeles desprendidos dentro de una clase homogenea (Clump) y luego una función
para eliminar los píxeles (eliminate) (Erdas, 2008) que no queden comprendidos en
un cierto tamaño mínimo definido y de una misma categoría, en este caso se toma
en cuenta el tamaño mínimo cartografiable que es de 0.5 Ha, o 6 pixeles.

2.7. Verificación de campo:

Se realizó una serie de visita de campo para los países de Guatemala, Honduras y
Costa Rica para elaborar los mapas de cobertura arbórea y de dinámica. En la
figura siguiente se muestran los sitios visitados.

2.8. Modelo Predictivo para la cuantificación del Cambio de Uso en la Cobertura

Arbórea:

Si concebimos como modelo a la representación de un componente o un proceso de

la realidad y si existe alguna forma de poder generar escenarios futuros de cambio
de uso del suelo, la información puede resultar muy útil ya que puede dar
información de algún indicador de sostenibilidad (Almeida, 2003). Existen dos
aproximaciones para la creación de modelos predictivos a) Modelos basados en
análisis de regresión los cuales utilizan varias variables para generar la predicción y
b) Modelos basados en Transición Espacial. Estos Modelos comprenden básicamente
las técnicas estocásticas basada en el método de cadenas de Markov y automatas
celuláres (AC) en donde asumen principalmente que las áreas vecinas influyen en la
probabilidad de ser transmitida a otra área o celda central (Enriquez y Azócar G.
2007)

Este análisis se realizó en base al Modelo de Transición Espacial por medio de

Cadenas de Markov (Eastman, 2009), el software utilizado es Idrisi Taiga de Clark
Labs, en donde se analizó los eventos en serie del uso de la cobertura arbórea,
considerando la probabilidad de que ocurriera un evento dependía del evento
inmediato anterior por medio de una secuencia x1, x2, x3,..n, de variables
aleatorias. El espacio estado (rango de las variables), el valor de Xn es el estado del
proceso y el tiempo n, da una distribución de probabilidad condicional de Xn+1 en
estados pasados es una función de Xn por sí sola, quedando la formula:

(Fuente: Eastman, 2009)

La fase de cambio de uso del suelo para cada sitio correspondió de acuerdo entre
los años 1996/1997/2000/2001 y los años 2006/2007, por medio de la
reclasificación proveniente del análisis realizado a los mismos sitios, asignando las
clases de 1= cobertura arbórea y 2= no cobertura arbórea.

Para el proceso de simulación se determino las probabilidades de transición para las

distintas coberturas del suelo para simular la situación en un año x, en base al
perído x-1 por medio de Cadenas de Markov. Luego se generó el proceso
estocasticamente para distribuir el complementariamente el Algoritmo de
automatismo celular (AC) el cual midió la contigüidad local, logrando simular la
cobertura arbórea para los ocho sitios de estudio a los años 2015, 2025 y 2050.
Para este proceso no se realizó ninguna Evaluación Multi-Criterio (EMC) ya que el
objetivo del análisis era el de determinar el comportamiento de la cobertura
arbórea sin tomar en cuenta la aptitud que tendría al considerar una serie de
factores y restricciones para cada uso.

Para poder validar el modelo se contrasto el uso simulado al año 2006 respecto al
uso verdadero realizado en la clasificación que data del mismo año, para los
municipios de Santiago Atitlán y San Lucas Tolimán en el país de Guatemala.
3. RESULTADOS.

Los resultados globales se encuentran definidos en la siguiente tabla No.3

Tabla 3. Resultados por país y sitio de estudio

TASA TASA
COB COB COB
CAMBIO CAMBIO
ARBOREA ARBOREA ARBOREA
PAIS SITIO ANUAL ANUAL
FECHA 1 FECHA 2 FECHA 3
FECHA 1 FECHA 2
ha. ha. ha.
% %
San Lucas Tolimán 5,032 5,284 4,952 1.00 -1.27
Santiago Atitlán 8,548 8,748 8,680 0.48 -0.15
Guatemala
Santa María Ixhuatán 5,615 5,791 5,602 0.63 -0.64
Nueva Santa Rosa 5,126 5,504 5,192 1.43 -1.14
La Campa 7,057 7,036 7,119 -0.08 0.19
Honduras
Concepción Sur 3,508 3,478 3,454 -0.37 -0.10
León Cortéz 4,139 4,032 4,200 -0.88 0.57
Costa Rica
Península de Nicoya 6,348 6,450 6,481 0.40 0.10

Los resultados por sitio se definen a continuación:

3.1. Guatemala

Los resultados generales en combinación de la Banda 3 para Guatemala se

muestran en la tabla No.4

Tabla 4. Resultados en Hectáreas (ha) para los cuatro sitios de Guatemala

COMBINACION DE BANDAS

MUNICIPIO I II III IV V VI VII VIII

San Lucas Tolimán 4,826 43 31 53 288 127 26 1,965
Santiago Atitlán 8,295 256 73 56 31 165 30 2,670
Santa María Ixhuatán 5,532 59 4 6 141 58 18 10,652
Nueva Santa Rosa 4,876 238 37 42 220 170 38 7,578

3.1.1. Cobertura Arbórea

3.1.1.1. San Lucas Tolimán

Los resultados para este sitio de estudio muestran que para el año 1996 existía una
cobertura arbórea de 5,032 ha., luego hubo un incremento hacia el año 2000 con
5,284 ha., mostrando un descenso para la tercera fecha de 4,952 ha. La tasa global
de cambios para este sitio entre 1996 y el 2000 de 4.78% lo que equivale a una
ganancia del 1.0%.
No obstante existe una disminución en la cobertura arbórea global para el periodo
2000-2006 con -6.70% lo que da una tasa de cambio anual de -1.27%. Es notable
mencionar que para este sitio existe un incremento (clases II, III y V) de cobertura
arbórea entre los años 1996 y 2000 de 43 ha., y 31 ha., para la segunda fecha
evaluada. Los cambios negativos (clase V, VI y VII) ocurren generalmente en la
parte sur del municipio, la considerada de clase V (NC-CA-NC) posiblemente dado
por el paso de la Tormenta Tropical Stan a finales del año 2005.

Gráfica 1. Relación cobertura arbórea (ha) para 3 años. San Lucas Tolimán

3.1.1.2. Santiago Atitlán

En este sitio de estudio muestra que para el año 1996 existía una cobertura
arbórea de 8,548 ha., luego hubo un incremento hacia el año 2000 con 8,748 ha.,
descendiendo hacia la tercera fecha evaluada (2006) a 8,680 ha. La tasa global de
cambios para este sitio entre 1996 y el 2000 de 2.29% lo que equivale a una
ganancia del 0.48%.

Como se menciona en el análisis anterior para este sitio también existe una
disminución en la cobertura arbórea global de -0.78 (67 ha), lo que se traduce a
una perdida anual -0.15%, muy posiblemente dado por el paso de la Tormenta
Tropical St
 Gráfica 2. Relación cobertura arbórea (ha) para 3 años. Santiago Atitlán

3.1.1.3. Santa María Ixhuatan

Para la región sur oriente donde se encuentran ubicados este y el siguiente

municipio, Santa María Ixhuatán tiene una cobertura arbórea en el año de 1996 de
5,615 ha., al calcular nuevamente la cobertura al año 2000 muestra un aumento
de 176 ha., lo que da como resultado 5,791 ha., y para la tercera fecha evaluada
entre los años 2000-2006 tiene una cobertura total de 5,602 ha., lo que índica que
tiene una perdida de 189 ha.

Estos resultados nos muestran tasa global de cambios para este sitio entre 1996 y
el 2000 de 3.04% y para el periodo 2000-2006 tiene una perdida de -3.39%. la
tasa de cambio anual es de 0.63% para el primer periodo y -0.64% para el periodo
del 2000-2006.
 Gráfica 3. Relación cobertura arbórea (ha) para 3 años. Santa María Ixhuatan

3.1.1.4. Nueva Santa Rosa

Gráfica 4. Relación cobertura arbórea (ha) para 3 años. Nueva Santa Rosa
3.2. Honduras

Los resultados generales en combinación de la Banda 3 para Honduras se muestran

en la tabla No.5

Tabla 5. Resultados en Hectáreas (ha) para los sitios de Honduras

COMBINACION DE BANDAS

MUNICIPIO I II III IV V VI VII VIII

La Campa 6,746 168 16 190 58 64 58 3,526
Concepción Sur 3,353 39 13 49 10 77 29 2,897

3.2.1. Cobertura Arbórea

3.2.1.1. La Campa

Gráfica 5. Relación cobertura arbórea (ha) para 3 años. La Campa

3.2.1.2. La Concepción Sur

Gráfica 6. Relación cobertura arbórea (ha) para 3 años. Concepción Sur

3.3. Costa Rica

Los resultados generales en combinación de la Banda 3 para Costa Rica se

muestran en la tabla No.6

Tabla 6. Resultados en Hectáreas (ha) para los sitios de Costa Rica

COMBINACION DE BANDAS

MUNICIPIO I II III IV V VI VII VIII

León Cortez 3,707 51 289 152 5 268 11 7,795
Península Nicoya 6,220 113 123 26 47 70 33 9,934
 Gráfica 7. Relación cobertura arbórea (ha) para 3 años. León Cortez

3.3.1.2. Península de Nicoya

Gráfica 8. Relación cobertura arbórea (ha) para 3 años. Península de Nicoya

3.4. Modelo de Simulación de cobertura arbórea hacia los años 2015-2025 y 2050

3.4.1 Guatemala

Tabla 7. Simulación de cobertura arbórea, años 2015-2025-2050 para los sitios de

Guatemala

TASA DE
COBERTTURA CAMBIO ANUAL
SITIO AÑO ARBOREA (ha) %
2015 4,020 -2.58
San Lucas Tolimán 2025 3,232 -2.44
2050 2,605 -0.96
2015 7,560 -1.65
Santiago Atitlán 2025 6,881 -0.99
2050 6,352 -0.33
2015 5,757 0.30
Santa María Ixhuatán 2025 5,463 -0.54
2050 4,664 -0.68
2015 5,485 0.59
Nueva Santa Rosa 2025 5,001 -0.97
2050 4,154 -0.82

3.4.2. Simulación de Cobertura Arbórea

3.4.2.1. San Lucas Tolimán años 2015-2025-2050

Gráfica 9. Simulación de la cobertura arbórea 2015-2025-2050, San Lucas Tolimán

3.4.2. Santiago Atitlán años 2015-2025-2050

 Gráfica 10. Simulación de la cobertura arbórea 2015-2025-2050, Santiago Atitlán

3.4.2.3. Santa María Ixhuatán años 2015-2025-2050

Gráfica 11. Simulación de la cobertura arbórea 2015-2025-2050, Santa María Ixhuatán

3.4.2.4. Nueva Santa Rosa años 2015-2025-2050

 Gráfica 12. Simulación de la cobertura arbórea 2015-2025-2050, Nueva Santa Rosa

3.4.2 Honduras

Tabla 8. Simulación de cobertura arbórea, años 2015-2025-2050 para los sitios de

Honduras

TASA DE
COBERTTURA ARBOREA CAMBIO
SITIO AÑO (ha) ANUAL %
2015 4,020 -1.28
La Campa 2025 3,232 -0.39
2050 2,605 -0.39
2015 3,258 -0.67
Concepción Sur 2025 3,129 -0.41
2050 2,830 -0.42

3.4.3 Costa Rica

Tabla 9 . Simulación de cobertura arbórea, años 2015-2025-2050 para los sitios de Costa
Rica

COBERTTURA ARBOREA TASA DE CAMBIO

SITIO AÑO (ha) ANUAL %
2015 5,557 -0.36
León Cortez 2025 5,221 -0.64
2050 4,488 -0.65
2015 7,542 -0.26
Península de Nicoya 2025 7,096 -0.63
2050 6,196 -0.58

BIBLIOGRAFIA

1. Almeida, C; Batty, M; Vieira, M; Cámara, G; Soares, B; Coutinho, G; Lopes, C.

2003. Stochastic cellular automata modeling of urban land use dynamics: empirical
development and estimation. Computers Environment and Urban System Volume
27. Issue 5. Science Direct.

2. Alves, L., Santos, F. 2002. Tree allometry and crown shape of four tree species in
Atlantic rain forest, south-east Brazil. Journal of Tropical Ecology, 18. pp 245-260

3. Campbell, J.B, 1987. Introduction to remote sensing. New York: The Guillford
Press. pp 670

4. Chuvieco, E. 2000. Fundamentos de teledetección especial. 3ed. Españo. Rialp. pp

568

5. Enriquez, C. y Azócar G. 2007. Patrones de crecimiento en ciudades intermedias

chilenas y su impacto en la sostenibilidad urbana. Ciudades Médias: espaços em
transição. M. BELTRÃO. Presidente Prudente, CIMPEDE. 2007: En prensa.

6. ERDAS. 2008. Field Guide. Thecnical Documentation. Volume Two. pp. 384

7. Eastman, R.J. 2009. Idirisi Taiga. Guide to GIS and Image Processing. Clark
Labs.Clark University. USA. 342pp

8. Henríquez Ruiz, C., Azócar Garcia, G. 2007. Propuesta de Modelos Predictivos en la

Planificación Territorial y Evaluación de Impacto Ambiental. Los Problemas del
Mundo Actual Soluciones y Alternativas desde la Geografía y las Ciencias
Sociales.IX Coloquio Internacional de Geocrítica. Universidade Federal do Rio
Grande do Sul.

9. King, D. 1996. Allometry and Life History of Tropical Trees. Journal of Tropical
Ecology, Vol. 12, No. 1, pp. 25-44
10. Poorter, L., Bongers, L., Bongers, F. 2006. Architecture of 54 moist forest tree
species: traits, trade-offs, and functional groups. Ecology: Vol. 87, No. 5, pp. 1289-
1301

11. Ruppert, G.S. 1997. A hybrid classifier for remote sensing applications. En:
International Journal of Neural Systems. Vol.8, No.1, pp.63-68

12. UVG, INAB, CONAP. 2006. Dinámica de la Cobertura Forestal de Guatemala

durante los años 1991, 1996 y 2001 y Mapa de Cobertura Forestal 2001. UVG,
INAB, CONAP, Guatemala.