La información de precipitación estimada por el sistema PERSIANN en su primera fase de operación presenta una resolución espacial de 0.25º x 0.25º y temporal de hasta 48 horas de precipitación acumulada. Estudios como (Sorooshian, y otros, 2000) validan dicha información con datos tomados en tierra con redes de Radares como NEXRAD en Florida y Texas, (Sorooshian, y otros, 2002) analizan esta información en grande regiones como: Amazonas, México, Guatemala, Mar Caribe y el Ecuador, Calcuta, Malasia y el Norte de Australia.
La precipitación estimada por sistemas satelitales es hoy día una fuente de fácil acceso que describe la distribución espacial de la precipitación.
La hipótesis de esta investigación fue rechazada en su totalidad. La precipitación potencial obtenida mediante el sistema PERSIANN, no aportó información al ser asimilada en modelos lluvia escorrentía. En modelos aglutinados tipo CLAO la asimilación y calibración con precipitaciones PERSIANN arrojó indicadores de desempeño incluso menores que las obtenidas por modelos de predicción autorregresivo.
Para verificar la hipótesis de investigación, modelos lluvia escorrentía aglutinados (tipo CLAO) y distribuidos (MIKE SHE/MIKE 11), fueron parametrizados y validados usando precipitación medida en tierra. El desempeño para el caso de modelos CLAO fue bueno (véase tablas 4.4, 4.8 y 4.10 y ecuaciones 43, 46 y 48). Para las simulaciones con el sistema MIKE SHE/MIKE 11, el desempeño fue
apenas aceptable ( / ∆ , ó y / ∆ , ó ).
El análisis de correlación entre precipitación PERSIANN y medida en tierra (Figura 3.11) demostró ausencia de correlación lineal entre estos dos registros, sin embargo la función de correlación cruzada entre éstas, señala algún nivel de causalidad de la precipitación medida en tierra en el momento y la estimada por PERSIANN en el momento ∆ . Esto podría estar relacionado con el vapor de agua presente en la atmosfera en el momento ∆ producto de la evaporación desde la superficie de la cuenca durante el intervalo , ∆ .
El bajo impacto de la precipitación satelital como predictor en modelos lluvia escorrentía aglutinados (CLAO) o distribuidos (MIKE SHE/MIKE 11), puede deberse a la falta de validación del algoritmo del sistema PERSIANN contra campos de precipitación capturados por redes de radares meteorológicos en el trópico.
Para la modelación distribuida el problema se agudiza por los errores en la información base (modelo digital del terreno, coberturas vegetales, etc.) adicionalmente en este trabajo no se optimizó el parámetro Strickler-Manning para el flujo por laderas.
98
Colateralmente se concluye que la metodología propuesta para realizar pronósticos hidrológicos descrita como combinaciones lineales adaptativamente óptimas CLAO, resultó ser una herramienta que brinda simplicidad y eficiencia predictiva con capacidad de asimilar información de diversas fuentes externas, en este caso en particular arrojo buenos resultados en el pronóstico de los niveles de ríos de alta montaña como el Páez y el Magdalena, así como las afluencias al embalse de Betania, para un horizonte de pronóstico de un (1) día. Quedó demostrado que la calibración dinámica de combinaciones lineales arroja operadores matemáticos eficientes, sin utilizar el máximo de información histórica, encontrando anchos de ventana , óptimos de solo 150 ∆ .
En cuanto al MIKE SHE, es una herramienta de poco manejo y dominio en el ámbito nacional e incluso a nivel latinoamericano. Esta investigación evidencia su potencialidad para simular procesos físicos acoplados y la integración de información de diversos procesos como: coberturas vegetales, topografía, hidrometeorológica e hidrodinámica de ríos, entre otras. Uno de los factores de mayor relevancia en cuanto a estudios con modelos distribuidos, es el tamaño de la superficie a modelar (Steinhardt, y otros, 2003), la cuenca aferente a la estación de Puente Balseadero, representa un área superior a los 5000 km2, magnitud de gran representatividad comparada con otros estudios (Christine E., y otros, 2007)
(Sahoo, y otros, 2004), (Thompson, y otros, 2004) .
Esta investigación es el comienzo de la búsqueda de nuevas tecnologías de estimación de precipitación, que sea asimilable por los diferentes modelos matemáticos que se utilizan para representar la hidrología. Desafortunadamente la fuente de información aquí utilizada no permitió corroborar la hipótesis de investigación. Sin embargo se debe estar atentos a la puesta en marcha de la segunda fase, del sistema PERSIANN CCS (Cloud Classification System), que tendrá según sus creadores, una mejor resolución espacial con aproximadamente 0.04º x 0.04º de pixel, equivalentes a 4 km en superficie y cubrirá gran parte de la planeta tierra.
Finalmente se recomienda implementar métodos de optimización no lineal (gradiente conjugado, bioinspirados, etc.), para la calibración de operadores óptimos tipo CLAO y profundización en la aplicación del sistema MIKE SHE/MIKE 11 con el fin de explotar todo su potencial.
99
Agradecimientos:
El autor expresa cordial agradecimiento al DHI Water & Environment.
Al Departamento de Hidrología y Recursos Hídricos de la Universidad de Arizona.
Al Instituto de Hidrología Meteorología y Estudios Ambientales IDEAM, por el suministro de información. A Efraín Antonio Domínguez por asumir la dirección de la investigación, su incondicional apoyo y confianza en el proceso de formación.
Toda la familia de la Maestría de Hidrosistemas en cabeza de Nelson Obregón Neira (Héctor Angarita, Iván García y Armando Sarmiento).
A Hernando Wilches por su apoyo constante en el IDEAM.
En especial a mi madre Emperatriz Caicedo por su amor incondicional y por siempre creer en mí.
100
Bibliografía
Appolov, B, Kalinin, G. y Komarov, V. 1974. Curso de pronósticos hidrológicos. Leningrado : s.n., 1974.
Arcement, G.J. y Schneider, V.R. Guide for Selecting Manning's Roughness Coefficients for Natural Channels and Flood Plains. s.l. : United States Geological Survey Water-supply Paper 2339, USGS.
Beven, K. 2001. How far can we go in distributed hydrological modelling? Lancaster University. s.l. : Hydrology & Earth System Sciences, 5(1), 1-12, 2001.
Carré, F. 1971. Lectura y Explotación de las Fotografías Aéreas . Madrid : Paraninfo, 1971.
Castiblanco, Camilo y Martínez, Guillermo. 2002. Manejo y Análisis de Imágenes de Satélite Aplicadas en Estudios Hidrológicos de Cuencas Mediante el SIG-GRASS. Bogotá : Universidad Nacional de Colombia, 2002. Trabajo de Grado.
Castillo, Enrique, Castillob, C. y Hadic, A.S. 2008. Sensitivity analysis in ordered and restricted parameter models. s.l. : Journal of Statistical Planning and Inference 138 (2008) 1556 – 1576, 2008.
CGIAR. 2004. Consortium for Spatial Information (CGIAR-CSI) . [En línea] 2004. http://srtm.csi.cgiar.org/.
Chen, Xiaojun. 1998. On preconditioned Uzawa methods and SOR methods for saddle-point problems. Shimane University, Matsue, Japan : Journal of Computational and Applied Mathematics 100 (1998) 207-224, 1998.
Chow, V.T, Maidment, D.R. y Mays, L.W. Hidrología Aplicada. s.l. : McGRAW-HILL. Chow, V.T. 1959. Hidraulica de canales abiertos. New York : McGraw- Hill, 1959.
Christine E., McMichael y Hope, A.S. 2007. Predicting streamflow response to fire-induced landcover change:Implications of parameter uncertainty in the MIKE SHE model. San Diego, CA 92182-4493, USA : Journal of Environmental Management 84 (2007) 245–256, 2007.
CHRS. 2004. Center for Hydrometeorology and Remote Sensing. [En línea] 2004. [Citado el: 15 de Enero de 2008.] http://chrs.web.uci.edu/research/satellite_precipitation/index.html.
CIAT. 2001. International Center for Tropical Agriculture. [En línea] 11 de Septiembre de 2001. [Citado el: 19 de Junio de 2008.] http://www.ciat.cgiar.org/dtmradar/tratamiento.htm.
Cruz G., Beatriz. 2006. Validación del Algoritmo Hidroestimador en la Región de Puerto Rico. . Puerto Rico : Universidad de Puerto Rico, Recinto Universitario de Mayaguez, 2006.
Dawson, C.W., Abrahart, R.J. y See, L.M. 2007. Hydro Test: A web-based toolbox of evaluation metrizs for the standardised assessment of hydrological forescasts. s.l. : Environmental Modelling & Software 22 1034-1052, 2007.
DHI-a. 2007. MIKE 11, User Manual. Denmark : Danish Hydraulic Institute, 2007. DHI-b. 2007. MIKE SHE, User Manual. Denmark : Danish Hydraulic Institute, 2007.
101 Domínguez C., Efraín A. 2007. Modelación Matemática. Una introducción al método. Bogotá : Ponticicia Universidad Javeriana, 2007. Notas de clase.
Domínguez, Efraín A. 2005. Pronóstico probabilístico de afluencias para la evaluación de riesgos en embalses hidroeléctricos. Medellín : Avances en Recursos Hidraulicos, 2005.
Domínguez, Efraín. 2003. Aplicación de la ecuación de Fokker–Planck–Kolmogorov para el pronóstico de afluencias a embalses hidroeléctricos (caso práctico de la represa de Betania). Bogotá : Meteorol. Colomb. 8, 2003.
Farr, T.G. y Kobrick, M. 2000. Shuttle Radar Topography Mission produces a wealth of data,. s.l. : Amer. Geophys. Union Eos, v. 81, p. 583-585., 2000.
FLUMEN. 2006. Dinámica Fluvial e Ingeniería Hidrológica . [En línea] Universidad Politecnica de Cataluña, 2006. [Citado el: 13 de Marzo de 2008.] http://www.flumen.upc.edu/.
Fujimotoa, Kenji. y Tsubakinob, D. 2008. Computation of nonlinear balanced realization and model reduction based on Taylor series expansion. Bunkyo-ku, Tokyo, Japan : Systems & Control Letters 57 (2008) 283 – 289, 2008.
Gemitzi, Alexandra. y Tolikas, D. 2007. HYDRA model: Simulation of salt intrusion in coastal aquifers using Visual Basic and GIS. Thessaloniki, Greece : Environmental Modelling & Software 22 (2007) 924e936, 2007.
Gilman, E.L., y otros. 2008. Threats to mangroves from climate change and adaptation options: A review. s.l. : Aquatic Botany 89 (2008) 237–250, 2008.
Hai-Long, Liu, y otros. 2007. Investigation of groundwater response to overland flow and topography using a coupled MIKE SHE/MIKE 11 modeling system for an arid watershed. s.l. : Journal of Hydrology (2007) 347, 448– 459, 2007.
Hilera, J.R y Martínez, V.J. 1995. Redes Neuronales Artificiales. Fundamentos, modelos y aplicaciones . Madrid : Addison Wesley Iberoamericana, 1995.
Hsu, K., y otros. 1999. Estimation of physical variables from multichannel remotely sensed imagery using a neural network: Application to rainfall estimation. s.l. : WATER RESOURCES RESEARCH, VOL 35, 1999. págs. 1605-1618.
Huang, Zhi J. y Savage, Stuart B. 1998. Particle-in-cell and finite difference approaches for the study of marginal ice zone problems. University Montreal, Quebec, Canada : Cold Regions Science and Technology 28 1998 1–28, 1998.
IDEAM-a. 2005. Protocolo para la Emisión de Prónosticos Hidrológicos. Bogotá Colombia : Grupo de Investigación en Hidrología IDEAM, 2005.
IDEAM-b. 2007. Pruebas Piloto de Modelación Hidrológica para Emitir Pronósticos Hidrológicos en Forma Cuantitativa y con Uso de Modelos Autoregresivos para el Horizonte Diario, Pentadal y Decadal de los Niveles de Agua. Bogtotá DC. : s.n., 2007. Contrato Nº 108-2007.
IDEAM-c. Instituto de Hidroligia Meteorologia y Estudios Ambientales. [En línea] [Citado el: 26 de Febrero de 2008.] http://www.ideam.gov.co/.
IDEAM-d. 2007. Diagnóstico de la Aplicación de la Tecnología Radar en el Modelo Hidrológico Nacional. Bogotá : Instituto Geofísico Universidad Javeriana, 2007.
ISA. 2001. Información soprte para la elaboración del pronóstico hidrológico periodo enero-diciembre 2002. Medellín : CND, ISA, 2001.
102 Jaber, Fouad H. y Mohtar, Rabi H. 2002. Stability and accuracy of finite element schemes for the one-dimensional kinematic wave solution. USA : Advances in Water Resources 25 (2002) 427–438, 2002.
Jain, Manoj K., Kothyari, U.C. y Ranga Raju, K.G. 2004. A GIS based distributed rainfall–runoff model. s.l. : Journal of Hydrology 299 (2004) 107–135, 2004.
JAXA. 2007. Japan Aerospace Exploration Agency. [En línea] 2007. [Citado el: 18 de Mayo de 2008.] http://www.eorc.jaxa.jp/TRMM/index_e.htm.
Li, Changfeng. y Yuan, Y. 2008. Explicit/implicit domain decomposition method with modified upwind differences for convection-diffusion equations. Shandong University, Jinan, China : Computers and Mathematics with Applications 55 (2008) 2565–2573, 2008.
Martins, B.V.C., y otros. 2008. Designing conducting polymers using bioinspired ant algorithms. Sao Paulo, Brazil : Chemical Physics Letters 453 (2008) 290–295, 2008.
Masjed-Jamei, Mohammad. y Srivastava, H.M. 2008. An Integral Expansion for Analytic Functions Based Upon the Remainder Values of the Taylor Series Expansions. Victoria, British Columbia, Canada : Applied Mathematics Letters (2008), doi:10.1016/j.aml.2008.03.030, 2008.
Mendez, Zulma. 2007. Implementación del Filtro KALMAN en el pronóstico de caudales, caso de estudio: estación Puente Balseadero – Río Magdalena. BOGOTA : Pontificia Universidad Javeriana, 2007. Proyecto de Grado, Maestría en Hidrosistemas.
Montoya G., Gerardo. A Comparative Analysis of the Rain predicted in the Northern South America Using Two Moment Ice and Rain Microphysical scheme. s.l. : National University of Colombia, Bogotá, Colombia.
National Aeronautics and Space Administration. 1996. Maryland : s.n., 1996, GOES Data Book.
NESDI. 2006. Automatic Satellite-Derived Precipitation Estimates. [En línea] 19 de Agosto de 2006. [Citado el: 4 de Abril de 2008.] http://www.ssd.noaa.gov/PS/PCPN/program.html.
NOOA-a. 1999. The Modernized End-to-End Forescast Process for Quantitative Precipitation Information: Hydrometeorological Requirements, Scientific Issues, and Service Concepts. s.l. : Silver Spring, MD, 1999.
NOOA-b. 2008. www.nooa.gov. [En línea] 2008. [Citado el: 8 de Mayo de 2008.] http://www.goes-r.gov/.
OMM. 1985. Seminario Itinerante Sobre Los Modelos Matemáticos Utilizados en la Predicción Hidrológica. 1985. Notas de conferencia. Notas Preparadas por Luis E. García M..
Rainbird, A.F. 1967. SOME POTENTIAL APPLICATIONS OF METEOROLOGICAL SATELLITES IN FLOOD FORECASTING. Queensland, Australia, : WORLD METEOROLOGICAL ORGANIZATION, 1967. TECHNICAL NOTE No. 92.
Rivera, H.G. 2001. Lineamientos ingenieriles para la administración pública del agua con énfasis en la predicción de la oferta mensual hidrica bajo escenario no estacionario. San Petersburgo : UNESCO-IDEAM, 2001. Tesis de candidato a Doctor en Ciencias Técnicas.
Roy E., Williams. y Phillip M., Fowler. 1969. A preliminary report on an empirical analysis of drainage network adjustment to precipitation input. s.l. : Journal of Hydrology, Volume 8, Issue 2, June 1969, Pages 227-238, 1969.
103 Sahoo, G.B., Ray, C. y De Carlo, D.H. 2004. Calibration and validation of a physically distributed hydrological model, MIKE SHE, to predict streamflow at high frequency in a flashy mountainous Hawaii stream . s.l. : Journal of Hydrology (2006) 327, 94– 109, 2004.
Schultz, Gert y Engman, Edwin. 2000. Remote Sensing in Hydrology and Water Management. Berlín : s.n., 2000.
Serrano, S. E. 1997. Hydrology for Enginners, Geologists and Environmental Professionals. Lexington, Kentucky : HydroScience Inc. 1021 Deer Crossing Way, 1997.
Sorooshian, S., y otros. 2002. Diurnal Variability of Tropical Rainfall Retrieved from Combined GOES and TRMM Satellite Information. s.l. : Department of Hydrology and Water Resources, University of Arizona, Tucson, Arizona, 2002.
Sorooshian, S., y otros. 2000. Evaluación of PERSIANN System Satellite-Based Estimates of Tropical Rainfall. s.l. : Bulletin of the American Meteorological Society, 2000. págs. 2035 - 2045.
Spielmann, M., Haan, P. y Scholz, R. W. 2008. Environmental rebound effects of high-speed transport technologies: a case study of climate change rebound effects of a future underground maglev train system. s.l. : Journal of Cleaner Production 16 (2008) 1388e1398, 2008.
Steinhardt, Uta. y Volk, Martin. 2003. Meso-scale landscape analysis based on landscape balance investigations: problems and hierarchical approaches for their resolution. Department of Applied Landscape Ecology, Centre for Environmental Research, Leipzig, Germany : Ecological Modelling 168 (2003) 251–265, 2003.
Stisen, S., y otros. 2008. A remote sensing driven distributed hydrological model of the Senegal River basin. s.l. : Journal of Hydrology (2008) 354, 131– 148, 2008.
STRM. 2000. Performance Specification DIGITAL TERRAIN ELEVATION DATA (DTED). 2000. Suarez, O. y Martínez, A. 2000. Satélites Meteorológicos. 2000.
Thompson, J.R., y otros. 2004. Application of the coupled MIKE SHE/MIKE 11 modelling system to a lowland wet grassland in southeast England. s.l. : Journal of Hydrology 293 (2004) 151–179, 2004.
Trivedi, H.V. y Singh, J.K. 2005. Application of Grey System Theory in the Development of a Runoff Prediction Model. s.l. : Biosystems Engineering (2005) 92 (4), 521–526, 2005.
Vázquez, R.F. y Feyen, J. 2006. Assessment of the effects of DEM gridding on the predictions of basin runoff using MIKE SHE and a modelling resolution of 600 m. s.l. : Journal of Hydrology (2007) 334, 73– 87, 2006.
Vicente, G. A., Scofield, R. A. y Menzel, W. P. 1998. The Operational GOES Infrared Rainfall Estimation Technique. s.l. : The Bulletin of American Meteorological Society, 1998.
Viessman, W. y Lewis, G.L. 1996. Introduction to Hydrology. New York : Harper Collins College Publishers, 1996.
Villegas, Paula A. 2007. Estudio de Infraestructura Ambiental Sostenible en el Trapecio Amazónico Colombiano, Articulando Aspectos Científicos y Tecnológicos con Participación Comunitaria. . Bogotá : Pontificia Universidad Javeriana, 2007. Proyecto de Grado Maestría en Hidrosistemas.
104 Wechsler, S.P. 2007. Uncertainties associated with digital elevation models for hydrologic applications: a review. California State University Long Beach, 1250 Bellflower Boulevard, Long Beach CA 90840, USA : Hydrol. Earth Syst. Sci., 11, 1481– 1500, 2007, 2007.
Wei, Lin. y Lawrence Marple Jr, S. 2008. Fast algorithms for least-squares-based minimum variance spectral estimation. Oregon State University, Corvallis, USA : Signal Processing 88 (2008) 2181– 2192, 2008.
Wen, Li. 2003. The convergence of the modi&ed Gauss–Seidel methods for consistent linear systems. Guangzhou, People’s Republic of China : Journal of Computational and Applied Mathematics 154 (2003) 97–105, 2003.
WMO. 2006. Guide to Hydrological Practices. s.l. : Wolrd Meteorological Organization, Nº 168, 2006.
Wu, Simon., Li, Jonathan. y Huang, G.H. 2008. A study on DEM-derived primary topographic attributes for hydrologic applications: Sensitivity to elevation data resolution. s.l. : Applied Geography 28 (2008) 210–223, 2008.
Yuzhou, Luo., Gao, Qiong. y Yang, Xiusheng . 2007. Dynamic modeling of chemical fate and transport in multimedia environments at watershed scale—I: Theoretical considerations and model implementation. s.l. : Journal of Environmental Management 83 (2007) 44–55, 2007.
105
ANEXOS
Anexo 1 Clasificación de ecosistemas a unidades coberturas en el Mapa de Ecosistemas Andinos del Instituto de Recursos Biológicos Alexander Von Humboldt
Mapa de Ecosistemas Andinos Coberturas Área de Estudio Tipo de
Bioma Bioma Ecosistema Código Cobertura
Cobertura en el Área de Estudio Orobiomas d el zo nobioma h úmedo tropical Orobioma subandino cordillera Central
BMD húmedo en montaña estructural erosional 18h-ME Bosque Medio Denso Bosques
BMD húmedo en montaña fluviogravitacional 18h-MF Bosque Medio Denso Bosques
BMD muy húmedo en altiplanicie hidrovolcánica 18m-AH Bosque Medio Denso Bosques
BMD muy húmedo en lomerío fluviogravitacional 18m-LF Bosque Medio Denso Bosques
BMD muy húmedo en montaña estructural erosional 18m-MF Bosque Medio Denso Bosques Orobioma
subandino cordillera Oriental
BMD húmedo en montaña fluviogravitacional 20h-MF Bosque Medio Denso Bosques
BMD muy húmedo en montaña fluviogravitacional 20m-MF Bosque Medio Denso Bosques
Orobioma andino cordillera Central
BMD muy húmedo en lomerío fluviogravitacional 23m-LF Bosque Medio Denso Bosques
BMD muy húmedo en montaña fluviogravitacional 23m-MF Bosque Medio Denso Bosques
Orobioma andino
cordillera Oriental BMD muy húmedo en montaña fluviogravitacional 24m-MF Bosque Medio Denso Bosques Orobioma
altoandino cordillera Central
BBD muy húmedo en montaña fluviogravitacional 27m-MF Bosque Bajo Denso Bosques
Orobioma de Páramo cordillera
Central
Subpáramo muy húmedo en montaña
fluviogravitacional 32m-MF Páramo Páramo
Páramo muy húmedo en montaña fluviogravitacional 33m-MF Páramo Páramo
Páramo muy húmedo en montaña glaciárica 33m-MG Páramo Páramo
Superpáramo 34 Páramo Páramo
Orobioma nival Nieves 41 Nieve Páramo
Piso Bioclimático Ecosistema Transformado Código Cobertura Cobertura en el Área de Estudio
Basal
Agroecosistemas de Cultivos Mixtos A1 Agroecosistemas de Cultivos Mixtos Cultivos Mixtos
Agroecosistemas Ganaderos A4 Agroecosistemas Ganaderos Pastos
Áreas con predominancia de pastos y cultivos
(>70%) A5
Áreas con predominancia de pastos y cultivos
(>70%) Cultivos Mixtos
Áreas con predominancia de pastos y vegetación
secundaria (>70%) A6
Áreas con predominancia de pastos y vegetación secundaria (>70%)
Vegetación Secundaria
106 Basal
Áreas con predominancia de vegetación secundaria A7 Áreas con predominancia de vegetación secundaria Vegetación Secundaria Áreas con predominancia de vegetación secundaria
y bosques (>70%) A8
Áreas con predominancia de vegetación secundaria y bosques (>70%)
Vegetación Secundaria
Bosque Secundario A9 Bosque Secundario Vegetación
Secundaria
Subandino
Agroecosistemas de Cultivos Mixtos B1 Agroecosistemas de Cultivos Mixtos Cultivos Mixtos Agroecosistemas cafeteros en asocio B2 Agroecosistemas cafeteros en asocio Cultivos Mixtos
Agroecosistemas Ganaderos B3 Agroecosistemas Ganaderos Pastos
Áreas con predominancia de pastos y cultivos
(>70%) B4
Áreas con predominancia de pastos y cultivos
(>70%) Cultivos Mixtos
Áreas con predominancia de pastos y vegetación
secundaria (>70%) B5
Áreas con predominancia de pastos y vegetación secundaria (>70%)
Vegetación Secundaria Áreas con predominancia de vegetación secundaria B6 Áreas con predominancia de vegetación secundaria Vegetación Secundaria Áreas con predominancia de vegetación secundaria
y bosques (>70%) B7
Áreas con predominancia de vegetación secundaria y bosques (>70%)
Vegetación Secundaria
Bosque Secundario B8 Bosque Secundario Vegetación
Secundaria
Andino y Altoandino
Agroecosistemas de Cultivos Mixtos C1 Agroecosistemas de Cultivos Mixtos Cultivos Mixtos
Agroecosistemas Ganaderos C2 Agroecosistemas Ganaderos Pastos
Áreas con predominancia de pastos y cultivos
(>70%) C3
Áreas con predominancia de pastos y cultivos
(>70%) Cultivos Mixtos
Áreas con predominancia de pastos y vegetación
secundaria (>70%) C4
Áreas con predominancia de pastos y vegetación secundaria (>70%)
Vegetación Secundaria Áreas con predominancia de vegetación secundaria C5 Áreas con predominancia de vegetación secundaria Vegetación Secundaria
Bosque Secundario C7 Bosque Secundario Vegetación
Secundaria
Páramo Agroecosistemas Ganaderos D2 Agroecosistemas Ganaderos Pastos
General
Cuerpos de Agua Ca Cuerpos de Agua Se unió a la cobertura
más cercana
Áreas Urbanas Up Áreas Urbanas Se unió a la cobertura
107