Variación del Área Superficial la Ciénaga Grande de Santa Marta y sus
Consecuencias Ambientales desde el año 2000 al 2016
Autor: Daniel Armando Torres Sabogal Asesor: Juan Pablo Ramos Bonilla
Figura 1. Ciénaga Grande de Santa Marta, Mapa Hidrográfico (Fundación Magdalena,
Resumen
La Ciénaga Grande de Santa Marta es la laguna costera más grande de Colombia, una de
las más importante América Latina y es considerada un santuario de flora y fauna que
genera servicios ambientales fundamentales. En los últimos años se han identificado
afectaciones por interrupción de flujos de agua, transformaciones del territorio por
desecación de humedales, tala y quema de bosques de manglar, alteración de estuarios,
contaminación orgánica y falta de gestión integral. A partir de un estudio de variación
multitemporal es posible estimar en determinada zona el comportamiento de agua, cambios
en la superficie terrestre y consecuencias antropogénicas en el medio ambiente. Por ello la
importancia de emplear ciertas herramientas para su tipificación. Entre estas están los
Landsat, los cuales son satélites fabricados y operados por EE.UU. para observar de forma
permanente y en alta resolución la superficie terrestre. El método Fmask (Función de la
máscara), utiliza imágenes Landsat para clasificar su contenido en categorías simples como
agua, tierra, nubes y sombras de nubes. A lo largo de esta investigación se identificaron
variaciones en las áreas de agua superficial de la Ciénaga y en los corregimientos de Isla
del Rosario, Palmira y Tasajera. La variabilidad en la calidad de las imágenes
proporcionadas por el Servicio Geológico Estadounidense, no permitieron que el algoritmo
Fmask cumpliera con los requerimientos ideales para la investigación, sin embargo la
herramienta fue útil a la hora de comparar y establecer zonas específicas que han tenido
variación en los últimos años. La Ciénaga Grande de Santa Marta es un sistema
hidrodinámico de alta complejidad, en donde la alteración de los servicios ambientales que
suministra, genera costos ambientales y sociales a la nación que deben ser considerados a la
hora de formular políticas de desarrollo. La información obtenida en este estudio es un
insumo adicional para establecer los diseños definitivos de la doble calzada
Ciénaga-Barranquilla que se va a construir a finales del 2017.
Palabras claves: Fmask, Cuerpos de Agua, Landsat, Sensores Remotos, Variación
_________________________________________________________________________
1. Introducción
1.1 Importancia
Una laguna costera es un cuerpo de agua
con un eje longitudinal paralelo a la costa,
es limitada por una barrera física o
hidrodinámica, tiene comunicación con el
mar y en promedio posee profundidades
bajas (Revista Ciencias, 1983). El
Complejo lagunar Ciénaga Grande de
Santa Marta se ubica en el Caribe
colombiano, en la región noroccidental
del departamento del Magdalena. Este
sistema se considera de gran importancia
ecológica y socioeconómica ya que
amortigua efectos de crecientes, arrastre
de sedimentos de los ríos que bajan de la
parte occidental de la Sierra Nevada de
Santa Marta y los caños que se
desprenden del rio Magdalena (Aguilera,
2011). Ecosistemas como estuarios,
humedales y bosques de manglar que
hacen parte de la ciénaga, aportan a la
reproducción de peces, crustáceos y
moluscos, además de ser hábitat de aves
migratorias y otras especies de fauna. A
su vez esta región involucra
asentamientos humanos, tiene capacidad
para la producción de alimentos y otras
actividades como el turismo y acuicultura
(Aguilera, 2011).
La Ciénaga Grande de Santa Marta es la
laguna costera de mayor extensión en
Colombia; tiene poblaciones cercanas
como Ciénaga, Santa Marta, Barranquilla
y Trojas de Cataca (Vilardy y González,
2011). En el costado nororiental de la
Ciénaga está el municipio de Pueblo
Viejo con corregimientos como Isla del
Rosario, Palmira y Tasajera, los cuales
poseen poblaciones que habitan
directamente en los límites de la Ciénaga.
La Ciénaga Grande de Santa Marta es uno
de los humedales costeros más grandes de
América Latina, incluye manglares y
arrecifes de coral, su extensión abarca
450 km2 marina (Vilardy y González,
2011). En el año 2000 el Ministerio de
Medio Ambiente designó la Ciénaga
como ecorregión estratégica, la cual
comprendía 130.000 Hectáreas de agua,
73.000 Hectáreas de ciénagas y caños y
57.000 Hectáreas de área marina (Vilardy
Parque Nacional Natural Isla de
Salamanca, así como el Santuario de
Flora y Fauna Ciénaga Grande de Santa
Marta marina (Vilardy y González, 2011).
Hace parte de un complejo mayor a cien
Ciénegas con diversos niveles de
salinidad y sedimentación. (Vilardy y
González, 2011).
1.2 Valor Geoestratégico
La Ciénaga Grande de Santa Marta tiene
gran importancia geoestratégica a nivel
nacional. Se encuentra entre ciudades
principales del caribe como Barranquilla
y Santa Marta, al igual que ciudades
secundarias como Ciénaga, Soledad y
Malambo, entre otras (Vilardy y
González, 2011). La población de los
municipios de la ecorregión es de
341.428, de los cuales 186.001 viven en
cabeceras municipales y 155.427 en
zonas rurales marina (Ministerio de
ambiente, vivienda y desarrollo territorial,
2009). Dentro del sistema hay nueve
cabeceras municipales con poblaciones
entre 87.355 de Ciénaga y 4.219 de la
cabecera municipal de la zona bananera
marina (Ministerio de ambiente, vivienda
y desarrollo territorial, 2009). La
población restante está distribuida en
corregimientos y caseríos (Vilardy y
González, 2011). Esta cantidad de
habitantes no incluye aquellos que se
encuentran en el área total de influencia
de la Ciénaga, pues todos los procesos
biológicos, físicos y químicos que
ocurren en la zona afectan zonas aledañas
a la Ciénaga varios kilómetros a la
redonda y una cantidad de personas
mayor. En octubre del año 2016, se
evacuaron más de 1.800 personas por un
cambio en el nivel de los ríos que
desembocan en la Ciénaga (El
Espectador, 10 de Octubre de 2016). Es
evidente que la conservación y el manejo
adecuado de la ciénaga debe ser una
prioridad, ya que son miles de personas
que se pueden afectar por los fenómenos
ambientales y las alteraciones
ecosistémicas en la ciénaga.
Desde el punto de vista internacional, la
Ciénaga Grande también es de gran
importancia geoestratégica. Fue el primer
sitio del país incluido en la convención
Ramsar, cuyo objetivo es "la
humedales mediante acciones locales y
nacionales y gracias a la cooperación
internacional, como contribución al logro
de un desarrollo sostenible en todo el
mundo" (Ramsar, 2016). Esta inclusión
es relativa a los humedales de
importancia internacional, principalmente
por el hábitat de aves acuáticas (Aguilera,
2011). Posteriormente fue declarada
como Reserva de Biosfera (UNESCO,
2000). Esta distinción está dirigida a
regiones compuestas por ecosistemas
terrestres, marinos y costeros donde se
mezclan la diversidad biológica y la
riqueza cultural. A su vez, prestan
importantes servicios ambientales o
ecosistémicos como provisión
(agrodiversidad, agua), regulación
(calidad del agua, clima, control de
erosión), culturales (turismo y recreación)
y de soporte (suelos, producción
primaria) (UNESCO, 2015).
1.3 Valoración Ambiental
Los ecosistemas costeros son importantes
proveedores de servicios ambientales
ligados al bienestar de las personas y
especies que hacen parte del área de
influencia, éstos están en un estado de
vulnerabilidad ante los efectos del cambio
climático. Sin embargo ecosistemas
costeros como estuarios o manglares, han
tenido en los últimos años procesos de
degradación causados por actividades
antrópicas a distintas escalas (Agardy,
2005). Los activos ambientales son
territorios o espacios físicos que ofrecen
bienes y servicios ambientales,
sustentando un ecosistema (Aznar y
Estruch, 2015). Entre estos servicios se
destacan la producción de alimentos y
materias primas, la regulación de la
composición de la atmosfera, fijación de
nutrientes terrestres y marinos,
depuración de aguas, regulación de
cambios ambientales (control de
inundaciones, protección de tormentas),
reposición de aguas subterráneas,
provisión de agua, retención de
sedimentos, control de erosión,
conservación de biodiversidad, entre otros
(Aznar y Estruch, 2015). Muchos de estos
servicios se pueden observar fácilmente
debido a que el mercado ofrece
información, como la producción de
embargo, la mayoría de los servicios
ambientales pasan desapercibidos por el
hombre ya que el mercado no los detecta,
a pesar de tener gran valor económico y
social (Aznar y Estruch, 2015). Las
actividades humanas han provocado
degradación del ambiente, en algunos
casos el efecto ha sido acumulativo en el
tiempo y muchas veces los daños son
irremediables. Un pasivo ambiental es
una deuda por el efecto de la degradación
en alguno de los componentes del
ambiente y en algún momento se debe
erogar o utilizar recursos para solventar la
deuda (Bertona, 2001).
1.4 Sensores Remotos
Entre las herramientas de monitoreo de
ecosistemas están los sensores remotos,
los cuales se han convertido en una fuente
importante de información a la hora de
analizar datos y tomar decisiones frente a
los cambios de diferentes recursos
terrestres, en este caso particular la
superficie del agua. La información
confiable sobre la distribución espacial
del agua de superficie abierta, es de
importancia crítica en varias disciplinas
científicas, como la evaluación de
recursos hídricos actuales y futuros,
modelos climáticos, adecuación de la
agricultura, dinámica de los ríos,
inventario de humedales, análisis de
cuencas hidrográficas, cartografía de las
inundaciones y el monitoreo del medio
ambiente (Frazier, 2000). Los métodos de
detección usualmente utilizan la
absorción de longitudes de onda más
largas de la luz en el agua, especialmente
las partes infrarrojas cercanas y de onda
corta del espectro electromagnético
(Frazier, 2000). Esto resulta en las
correspondientes bandas espectrales
infrarrojas en los satélites Landsat-5 y
Landsat-7 (bandas 4, 5 y 7) que detectan
una baja o nula reflexión del agua a
medida que aumenta la longitud de onda
y, por lo tanto, pueden utilizarse como
indicador de agua espectral (Zhu &
Woodcock, 2012). Las imágenes
utilizadas como insumo para esta
investigación fueron obtenidas del portal
USGS Earth Explorer (United States
Geological Survey (USGS), 2016).
Las imágenes satelitales pueden ser
procesadas y utilizadas para estudios de
Curtis Woodcock desarrollaron el método
Fmask en el Centro de Sensores Remotos
del Departamento de Geografía y
Ambiente de la Universidad de Boston.
Muchas de las imágenes Landsat están
inevitablemente cubiertas por las nubes,
especialmente en los trópicos (Asner,
2001). La presencia de nubes y sus
sombras complica el uso de datos en el
dominio óptico de los satélites de
observación terrestre. El efecto de la
iluminación de las nubes y el
oscurecimiento de sus sombras influyen
en muchos tipos de análisis de datos,
causando problemas para muchas
actividades de teledetección como errores
en la clasificación de la cubierta terrestre
y falsas detecciones en el cambio de la
cubierta terrestre (Zhu & Woodcock,
2012). Debido a la alta variabilidad
espectral de las nubes, sus sombras y la
superficie terrestre, es difícil separar
automáticamente las nubes y sus sombras
de las condiciones de superficie
normalmente iluminadas. Intuitivamente,
parece que las nubes y sus sombras son
fácilmente separables en las mediciones
de cielo despejado, como las nubes son
generalmente de color blanco, brillantes y
frías en comparación con la superficie de
la Tierra, mientras que las sombras de
nubes son generalmente oscuras (Zhu &
Woodcock, 2012) . Sin embargo, hay
nubes que no son blancas, brillantes o
frías y sombras de nubes aún más
brillantes que las reflectancia superficial
promedio (Zhu & Woodcock, 2012).
Parte de la dificultad surge de la amplia
gama de reflectancias y temperaturas
observadas en la superficie (Irish, 2000).
El algoritmo Fmask identifica
efectivamente nubes y sombras,
permitiendo desarrollar efectivamente
actividades de teledetección (Zhu &
Woodcock, 2012).
1.5 Propósito de la investigación
Desde el año 1956, diversos factores
naturales y antropogénicos han afectado
la región de la Ciénaga Grande de Santa
Marta, causando daños ambientales al
ecosistema, principalmente debido a la
construcción de la vía que comunica
Barranquilla con Ciénaga. Esta obra de
infraestructura interrumpió el flujo
hídrico natural entre la ciénaga y el mar,
resequedad de suelos, disminuyendo los
bosques de manglar y la biodiversidad
(Aguilera, 2011). Por otra parte, el
aumento de la población que depende de
estos ecosistemas, la sobreexplotación, la
introducción de especies invasoras y la
degradación del suelo, se traducen en una
disminución de abastecimiento de las
comunidades pobres que dependen de los
recursos naturales, además de los
impactos en los servicios ambientales que
benefician el ecosistema (Vilardy y
González, 2011). A finales del año 2017
va a empezar la obra de ampliación de la
carretera Ciénaga-Barranquilla por medio
de una doble calzada. Tener conocimiento
del valor económico de los activos y
recursos ambientales, fomenta la
protección del santuario y contribuye a
una formulación de políticas públicas más
eficientes (Aznar y Estruch, 2015).
El objetivo de esta investigación es
utilizar el algoritmo Fmask como
herramienta para evaluar las variaciones
del área superficial de agua en la Ciénaga
Grande de Santa Marta a partir del año
2000 hasta el 2016. A partir de este
método se puede determinar las zonas
exactas donde la superficie tierra-agua ha
cambiado drásticamente en los últimos
años. Además se pretende establecer la
influencia directa de los corregimientos
de Isla del Rosario, Palmira y Tasajera en
el área superficial del agua en la parte
nororiental de la ciénaga. Todo esto con
el fin de evidenciar la variación
multitemporal de la Ciénaga y ser una
herramienta complementaria a la hora de
formular políticas públicas o establecer el
diseño definitivo de la obra que se llevará
a cabo a final del presente año en la
región de la Ciénaga.
2. Metodología
2.1 Área de Estudio
La Ciénaga Grande de Santa Marta está
ubicada en el norte de Colombia, en la
parte nororiental del departamento de
Magdalena, en las coordenadas 10° 20'
11" de latitud norte y 74° 06' 74" de
longitud oeste (Ministerio de Ambiente,
2009). Se compone por la zona marina
adyacente (Golfo de Salamanca), la
Ciénaga Grande de Santa Marta, los
complejos de ciénagas y caños de la Isla
aluvial de la Zona bananera, y la llanura
de inundación del río Magdalena hasta la
ciénaga del Cerro de
San Antonio. Tiene presencia de agua en
forma de agua dulce, agua de estuarios,
agua marina y aguas subterráneas
(Vilardy y González, 2011).
Figura 2. Ciénaga Grande de Santa Marta (Environmental Justice Atlas, 2014).
2.2 Imágenes Landsat y Clasificación
En esta investigación se utilizaron
imágenes Landsat, a partir de satélites
Landsat 5, 7 y 8 del portal USGS Earth
Explorer (United States Geological
Survey (USGS), 2016). El satélite
Landsat 5 tiene un sensor denominado
“Mapeador Temático” (TM), Landsat 7 tiene un sensor llamado “Mapeador
Temático Mejorado Plus” (ETM+) y
Landsat 8 posee sensores como el
Operational Land Imager (OLI) y el
“Sensor Infrarrojo Térmico” (TIRS),
En el portal USGS Earth Explorer
(United States Geological Survey
(USGS), 2016) a partir de las
coordenadas de la Ciénaga Grande de
Santa Marta se hizo la búsqueda de
imágenes estableciendo el filtro para
imágenes del archivo Landsat del USGS,
como criterio adicional se establecieron
imágenes con una cobertura de nubes
menor al 10% y se escogieron imágenes
para cada año que abarcaran toda el área
de estudio, además de cumplir con los
parámetros establecidos.
2.3 Formulación del algoritmo Fmask
La reflectancia de la parte superior de la
atmósfera y la temperatura de brillo se
utilizan como entradas. Fmask primero
usa reglas basadas en propiedades físicas
de la nube para separar pixeles de nubes
potenciales y pixeles de cielo despejado.
Luego, una probabilidad de temperatura
normalizada, una probabilidad de
brillo se combinan para producir una
máscara de probabilidad para las nubes
sobre tierra y agua por separado.
Posteriormente los píxeles de nubes
potenciales y la máscara de probabilidad
de la nube se utilizan conjuntamente para
obtener la capa de nube potencial. El
efecto de oscurecimiento de las sombras
de la nube en la banda infrarroja cercana
(NIR) se utiliza para generar una capa de
sombra potencial aplicando una
transformación de inundación.
Posteriormente, los objetos de nube 3D se
determinan mediante la segmentación de
la capa de nube potencial y se asume una
tasa de caída de temperatura constante
dentro de cada objeto de nube. El ángulo
de visión del sensor de satélite y el ángulo
de iluminación se utilizan para predecir
posibles ubicaciones de la sombra de las
nubes y seleccionar la que tiene la
máxima similitud con la máscara de
sombra de nube potencial. Para un
conjunto de datos de referencia
distribuidos a nivel mundial, la exactitud
global de las nubes con Fmask es de
96.4%. Además de discriminar entre
tierra y agua, el objetivo del método es
desarrollar un algoritmo de detección de
nubes y sombras convenientes para el uso
rutinario con las imágenes Landsat. (Zhu
& Woodcock, 2012).
2.4 Generación de mapas
Se procesaron las imágenes descargadas
del portal USGS Earth Explorer (United
States Geological Survey (USGS), 2016)
y a partir de un mismo polígono,
aplicando el algoritmo Fmask1 para cada año, se logró obtener datos, comparar
toda la información obtenida a partir del
método y determinar la variación
multitemporal del área superficial de agua
en la Ciénaga. Este método se realizó
exactamente igual para un polígono que
abarcara el municipio de Pueblo Viejo y
sus corregimientos Isla del Rosario,
Palmira y Tasajera.
El método Fmask automáticamente
reclasifica las imágenes Landsat en
pixeles de tierra, agua, nubes y sombras
de nube. A partir del software ArcGis se
obtienen los mapas gráficos con la
1
Para aplicar el algoritmo, se utilizó el software Fmask descargado del portal GitHub http://ftp-earth.bu.edu/public/zhuzhe/Fmask_Windows_3. 2v/
simbología deseada y las áreas específicas
de los pixeles para poder determinar el
área superficial de agua para cada año.
3. Resultados
3.1 Mapas de la Ciénaga Grande de
Santa Marta
Los resultados del procesamiento de
imágenes a partir del algoritmo Fmask,
por medio del Software ArcGis,
permitieron obtener las imágenes
mostradas entre la Figura 3 y la Figura
13, representando las variaciones de área
superficial de agua entre los años 2000 y
2016. Gráficamente se evidencia que las
características de las imágenes en los
años no son homogéneas debido a dos
causas principales. En primer lugar las
nubes que tienen una influencia directa en
el procesamiento y análisis de cada
imagen, por otra parte la cantidad de
pixeles considerados validos no son los
mismos en todas las imágenes. En la
Tabla 4 se puede apreciar el área
respectiva de los pixeles válidos para
cada una de las imágenes.
Figura 3. Ciénaga Grande 2000 (Mapa
elaborado por el autor en ArcGis)
Figura 4. Ciénaga Grande 2001 (Mapa
elaborado por el autor en ArcGis)
Figura 5. Ciénaga Grande 2003 (Mapa
Figura 6. Ciénaga Grande 2008 (Mapa
elaborado por el autor en ArcGis)
Figura 7. Ciénaga Grande 2009 (Mapa
elaborado por el autor en ArcGis)
Figura 8. Ciénaga Grande 2010
(Elaborado por el autor en ArcGis)
Figura 9. Ciénaga Grande 2011
(Elaborado por el autor en ArcGis)
Figura 10. Ciénaga Grande 2013 (Mapa
elaborado por el autor en ArcGis)
Figura 11. Ciénaga Grande 2014 (Mapa
Figura 12. Ciénaga Grande 2015 (Mapa
elaborado por el autor en ArcGis)
Figura 13. Ciénaga Grande 2016 (Mapa
elaborado por el autor en ArcGis)
3.2 Análisis de datos obtenidos, áreas y
porcentajes de clasificación de la
Ciénaga Grande de Santa Marta
En la Tabla 4 se muestran los valores del
área superficial en cada imagen,
específicamente áreas de tierra, agua,
nubes y sombras de nubes. Como se
muestra en las figuras anteriores, las
nubes y sus sombras tienen gran
influencia en las imágenes satelitales. Al
observar una imagen de este tipo sin ser
procesada, las nubes no se perciben
fácilmente, sin embargo pueden tener una
gran influencia en el procesamiento y
análisis. Por otra parte, en la Tabla 4 se
observa que el área total estudiada para
cada año no es la misma. Este fenómeno
ocurre debido a que cada imagen Landsat
obtenida no estaba bajo las mismas
condiciones, los pixeles validos pueden
variar en los años y estas diferencias son
más evidentes en áreas de estudio de gran
magnitud como la totalidad de la Ciénaga
Grande de Santa Marta. Para obtener los
valores, el Software ArcGis muestra la
cuenta total de pixeles para cada categoría
y especifica la dimensión de un pixel (900
Tabla 4. Áreas de Estudio de la Ciénaga
A partir de los datos de la Tabla 4, por la
variabilidad de las condiciones no se
puede determinar si hay un
comportamiento creciente o decreciente
de área superficial de agua a lo largo de
los años. Por lo tanto en la Tabla 5 se
obtienen los porcentajes de las superficies
para poder hacer una comparativa entre
años que tienen condiciones similares.
Tabla 5. Porcentajes de Estudio en la
Ciénaga
En los años 2000, 2003, 2010, 2011, 2015
y 2016, el porcentaje de nubes y sus
sombras es menor a 2,5%, el cual es muy
alto para una superficie tan grande. Si se
quisiera hacer una comparación adecuada,
este porcentaje debería ser nulo. Sin
embargo es un valor con el que se tiene
una idea en cuanto a la comparación del
comportamiento del área superficial de
agua y tierra a lo largo de seis años.
Indica en cierto grado la tendencia del
incremento o disminución de la superficie
de agua.
AÑO Tierra Agua Sombra Nube Total 2000 105768 86237 1154,52 2259 195418,7
2001 102697 80461 4896,09 6485,31 194539
2003 110367 83157 107,73 173,07 193804
2008 87554 87005 5601,96 8512,29 188672,5
2009 78529 73455 10194 23959,8 186137,8
2010 96995 89371 0 0 186366
2011 102861 85476 161,01 217,35 188715,9
2013 77848 89879 10068,7 26330 204125,9
2014 105202 86758 4023,81 10109,1 206092,8
2015 108664 94861 903,15 1664,91 206092,8
2016 99440 101772 1645,11 3235,41 206092,8
Hectáreas
AÑO Tierra Agua Sombra Nube Total
2000 54,1% 44,1% 0,6% 1,2% 100% 2001 52,8% 41,4% 2,5% 3,3% 100% 2003 56,9% 42,9% 0,1% 0,1% 100% 2008 46,4% 46,1% 3,0% 4,5% 100% 2009 42,2% 39,5% 5,5% 12,9% 100% 2010 52,0% 48,0% 0,0% 0,0% 100% 2011 54,5% 45,3% 0,1% 0,1% 100% 2013 38,1% 44,0% 4,9% 12,9% 100% 2014 51,0% 42,1% 2,0% 4,9% 100% 2015 52,7% 46,0% 0,4% 0,8% 100% 2016 48,3% 49,4% 0,8% 1,6% 100%
Figura 14. Variación de porcentajes de
Agua y Tierra
La Figura 14 representa en primer lugar,
la relación inversamente proporcional
entre el porcentaje de agua y tierra para
cada año. En los años que presentaban
condiciones de estudio similares, a partir
de la metodología utilizada se puede decir
que no hay un comportamiento constante
de crecimiento o decrecimiento del área
superficial de agua. Entre los años 2010 y
2011 hay una disminución en el
porcentaje de agua en la ciénaga. Entre el
2015 y 2016 hay un aumento entre el área
de agua. Dentro de los factores que
pueden tener influencia en estas
variaciones están fenómenos
meteorológicos como lluvia o
antropogénicos como desecación de
humedales entre otros. En el año 2010 se
presentó una transición rápida entre los
eventos el Niño y la Niña, teniendo como
consecuencia oscilaciones climáticas en
varias zonas del país como la Andina,
Pacífica y Caribe, dinamizando los
niveles desde los mínimos (estación seca)
hasta los más altos registrados
históricamente en algunos puntos de
medición. Los efectos en el periodo
2010-2011 fueron completamente atípicos y
con extremos en los indicadores
climáticos, específicamente en los niveles
de precipitación, los cuales estuvieron
muy por encima y fuera de los rangos
históricos en diversas partes del país, en
especial sobre las regiones Caribe y
Andina. (Cepal y BID, 2012). El
incremento de área entre el 2003 y 2010
puede haber sido consecuencia de este
acontecimiento. En el Anexo 1, se
observa gráficamente la variación de la
superficie de agua entre el año 2000 y
2016, se pueden ubicar zonas donde la
variación de cuerpos de agua es drástica.
40% 45% 50% 55% 60%
2000 2003 2010 2011 2015 2016
Variacion de la Ciénaga
3.3 Mapas de los corregimientos de Isla
del Rosario, Palmira y Tasajera
Los corregimientos de Isla del Rosario,
Palmira y Tasajera hacen parte del
municipio de Pueblo Viejo y son zonas
cuyos habitantes residen a orillas de la
Ciénaga Grande y el mar caribe. Es
pertinente analizar las variaciones en el
tiempo de sus áreas superficiales ya que
los efectos ambientales y antropogénicos
pueden ser identificados de forma mucho
más precisa y las condiciones de las
imágenes son homogéneas.
Figura 15. Imagen Satelital de los
corregimientos de Isla del Rosario,
Palmira y Tasajera (Mapa elaborado por
el autor en ArcGis)
Figura 16. Mapa de calles de los
corregimientos de Isla del Rosario,
Palmira y Tasajera (Mapa elaborado por
el autor en ArcGis)
Figura 17. Isla del Rosario, Palmira y
Tasajera 2000 (Mapa elaborado por el
Figura 18. Isla del Rosario, Palmira y
Tasajera 2001(Mapa elaborado por el
autor en ArcGis)
Figura 19. Isla del Rosario, Palmira y
Tasajera 2003 (Mapa elaborado por el
autor en ArcGis)
Figura 20. Isla del Rosario, Palmira y
Tasajera 2008 (Mapa elaborado por el
autor en ArcGis)
Figura 21. Isla del Rosario, Palmira y
Tasajera 2009 (Mapa elaborado por el
autor en ArcGis)
Figura 22. Isla del Rosario, Palmira y
Tasajera 2010 (Mapa elaborado por el
autor en ArcGis)
Figura 23. Isla del Rosario, Palmira y
Tasajera 2011 (Mapa elaborado por el
Figura 24. Isla del Rosario, Palmira y
Tasajera 2013 (Mapa elaborado por el
autor en ArcGis)
Figura 25. Isla del Rosario, Palmira y
Tasajera 2014 (Mapa elaborado por el
autor en ArcGis)
Figura 26. Isla del Rosario, Palmira y
Tasajera 2015 (Mapa elaborado por el
autor en ArcGis)
Figura 27. Isla del Rosario, Palmira y
Tasajera 2016 (Mapa elaborado por el
autor en ArcGis)
3.4 Análisis de datos obtenidos, áreas y
porcentajes de clasificación de los
corregimientos de Isla del Rosario,
Palmira y Tasajera
Las figuras mostradas anteriormente
tienen presencia prácticamente nula de
nubes, la cantidad de pixeles procesada y
analizada es exactamente la misma en
todas las imágenes, con una área total
estudiada en cada una de las imágenes de
2267,46 Hectáreas (Tabla 6). En este caso
debido a la similitud en las condiciones
de las imágenes, se puede hacer una
comparación directa utilizando todas las
Tabla 6. Áreas de Estudio de los
corregimientos de Isla del Rosario,
Palmira y Tasajera
Tabla 7. Porcentajes de Estudio de los
corregimientos de Isla del Rosario,
Palmira y Tasajera
Si se comparan los porcentajes con las
respectivas imágenes de cada año,
coinciden las nubes y sus sombras con
superficies de agua. Por lo tanto para
hacer una comparación acertada y análisis
de la variación multitemporal de la zona,
se asume que las nubes y sus sombras son
cuerpos de agua (Ver Anexo 2).
Tabla 8. Porcentajes de Estudio
Corregidos de los corregimientos de Isla
del Rosario, Palmira y Tasajera
AÑO Tierra Agua Sombra Nube Total
2000 370,44 1897,02 0 0 2267,46 2001 365,94 1875,15 10,98 15,39 2267,46 2003 375,12 1892,34 0 0 2267,46 2008 376,38 1891,08 0 0 2267,46 2009 370,89 1882,98 5,4 8,19 2267,46 2010 393,21 1874,25 0 0 2267,46 2011 367,56 1899,9 0 0 2267,46 2013 413,91 1842,84 3,69 7,02 2267,46 2014 411,75 1855,71 0 0 2267,46 2015 389,79 1877,67 0 0 2267,46 2016 370,53 1896,93 0 0 2267,46
Hectáreas
AÑO Tierra Agua Sombra Nube Total
2000 16,337% 83,663% 0,000% 0,000% 100% 2001 16,139% 82,698% 0,484% 0,679% 100% 2003 16,544% 83,456% 0,000% 0,000% 100% 2008 16,599% 83,401% 0,000% 0,000% 100% 2009 16,357% 83,044% 0,238% 0,361% 100% 2010 17,341% 82,659% 0,000% 0,000% 100% 2011 16,210% 83,790% 0,000% 0,000% 100% 2013 18,254% 81,273% 0,163% 0,310% 100% 2014 18,159% 81,841% 0,000% 0,000% 100% 2015 17,191% 82,809% 0,000% 0,000% 100% 2016 16,341% 83,659% 0,000% 0,000% 100%
Porcentajes
AÑO Tierra Agua Sombra Nube Total
2000 16,337% 83,663% 0,000% 0,000% 100% 2001 16,139% 83,861% 0,000% 0,000% 100% 2003 16,544% 83,456% 0,000% 0,000% 100% 2008 16,599% 83,401% 0,000% 0,000% 100% 2009 16,357% 83,643% 0,000% 0,000% 100% 2010 17,341% 82,659% 0,000% 0,000% 100% 2011 16,210% 83,790% 0,000% 0,000% 100% 2013 18,254% 81,746% 0,000% 0,000% 100% 2014 18,159% 81,841% 0,000% 0,000% 100% 2015 17,191% 82,809% 0,000% 0,000% 100% 2016 16,341% 83,659% 0,000% 0,000% 100%
Figura 27. Variación del porcentaje de
agua superficial en los corregimientos de
Isla del Rosario, Palmira y Tasajera
El porcentaje de agua en la zona oscila
entre 81,5% y 84%. Hay periodos que el
área de agua disminuye, entre 2001 y
2003, 2009 y 2010 o entre 2011 y 2013
más notoriamente. Estas alteraciones en
las magnitudes de área de la ciénaga
pueden ser consecuencia de interrupción
de flujos de agua, transformaciones del
territorio por desecación de humedales,
tala y quema de bosques de manglar,
contaminación y falta de gestión integral
(Vilardy y González, 2011). En el Anexo
3, se puede comparar gráficamente la
variación de las superficies de tierra y
agua en los últimos años. Es evidente que
esta zona ha tenido cambios
significativos.
4. Discusión
La Ciénaga Grande de Santa Marta ha
estado en estado crítico en los últimos
años. La vía entre Santa Marta y
Barranquilla ha sido catalogada como la
obra de infraestructura con mayor
impacto ambiental en el país. Su
pavimentación que inició en 1956,
interrumpió la comunicación de cuerpos
de agua salada del mar caribe con el agua
dulce de la ciénaga (Ospino, 2016). Entre
los principales efectos adversos están
alteraciones al ecosistema como el
secamiento y muerte de manglares
(Vilardy y González, 2011). En 1956 la
cobertura de manglar abarcaba 51.150
Hectáreas, entre 1995 y 2009 se
recuperaron 11.320 Hectáreas, pasando
de 22.580 Hectáreas en 1995 a 33.900
Hectáreas en 2009 (Aguilera, 2011). Esta
última cifra corresponde solo al 66.6%
del bosque de manglar presente en 1956
(Aguilera, 2011). En los años sesenta el
carreteable Palermo-Sitio
Nuevo-Salamina, cuyo nombre es “vía de la
81,0% 81,5% 82,0% 82,5% 83,0% 83,5% 84,0% 84,5%
2000 2001 2003 2008 2009 2010 2011 2013 2014 2015 2016
Varciacion de Agua Poblaciones
prosperidad”, ocasionó la interrupción del
flujo hídrico con el complejo lagunar
(Ospino, 2016). Ambas obras han
ocasionado la mortandad de 25.400 de las
casi 52.000 hectáreas de bosque de
manglar entre los años 1956 y 1999
(Ospino, 2016). Además factores como
construcción de diques, carreteras,
sedimentación y deforestación, eventos
climáticos como el fenómeno de El Niño
o La Niña, tienen efecto también en los
flujos de agua debido a que modifican
entradas de agua entre la ciénaga y el mar
caribe (Vilardy y González, 2011). Por
otra parte La explotación agropecuaria y
ganadera entre el piedemonte de la Sierra
Nevada y la Ciénaga Grande, con cultivos
como arroz, algodón, banano y palma de
aceite, influyeron en la demanda de agua
y la deforestación (Ospino, 2016). Todo
esto, sumado a los grandes problemas que
ocasiona el vertimiento de aguas
residuales por municipios en el área de la
ciénaga y la sobrepesca, alteran
considerablemente los flujos de agua y las
áreas superficiales de la ciénaga. Entre
2014 y 2016, según datos del Invemar,
han muerto cerca de 1.300 hectáreas de
bosque de manglar (Benjumea, 2016).
Los sensores remotos son herramientas
que pueden ser de gran utilidad a la hora
de analizar un fenómeno ambiental o
antropogénico. En el caso específico de
ésta investigación, el uso de sistemas de
información geográfica y herramientas
satelitales, pueden complementar todas
las acciones por parte del estado para
enfrentar y mitigar todos los impactos
causantes de la variación del área
superficial de agua. Colombia es un país
que por su localización geográfica es
vulnerable a varios eventos climáticos
que pueden tener graves efectos
económicos, sociales y ambientales. El
uso de herramientas informáticas,
geográficas y la recopilación de datos
oportunos, pueden promover el bienestar
de la población a la hora de formular
políticas públicas.
A finales del año 2017, se va a construir
la doble calzada entre Ciénaga y
Barranquilla (Benjumea, 2016). Son
evidentes todos los servicios ambientales,
complejo lagunar, que benefician a miles
de personas. La Ciénaga Grande de Santa
Marta además de ser un santuario de flora
y fauna, es una despensa de bienes y
servicios. Es paradójico e inconcebible
que en un país como Colombia se
presenten casos de muerte por
desnutrición, teniendo a pocos kilómetros
sistemas como la ciénaga que con un
manejo adecuado puede alimentar miles
de personas. Todo este potencial que tiene
la región debe ser evaluado y valorado a
la hora de formular políticas públicas y
enfocar recursos. La mayor referencia
para calibrar un activo es su valor
monetario, lograr determinar el valor
monetario de un activo ambiental es la
mejor forma de transmitir la importancia
que tiene una ecorregión.
Colombia ha firmado y ratificado
aproximadamente 70 tratados y convenios
internacionales, así mismo 18 protocolos
relacionados con la preservación y el
buen uso del medio ambiente (Núñez,
2013). Es importante tener presente que
estos acuerdos tienen efectos jurídicos
que en el caso en que se ejecuten acciones
que afecten los recursos naturales, pueden
involucrar costos a la nación y perjudicar
a corto, mediano y largo plazo varias
poblaciones.
5. Conclusiones
Las variaciones del área superficial de
agua de la Ciénaga Grande de Santa
Marta son consecuencia de diversos
fenómenos ambientales y antropogénicos.
Es evidente que todas estas alteraciones
del área superficial de la Ciénaga son
producto del conjunto de estos
fenómenos. No hay un comportamiento
uniforme de aumento o disminución del
área superficial a lo largo de los últimos
años. La ubicación geográfica de la zona,
la vulnerabilidad a efectos del cambio
climático y las malas prácticas realizadas
por la población, sumado a las decisiones
en obras de infraestructura por parte del
gobierno, son variables fundamentales a
la hora de establecer políticas públicas
para la conservación y desarrollo
sostenible de la región.
Observar la conducta del agua desde el
espacio es una herramienta útil para
entender y analizar el comportamiento del
temporalmente. Los mapas generados por
métodos como Fmask proporcionan una
fuente de información adicional sobre la
geografía nacional, en este caso
específico la región de la Ciénaga Grande
de Santa Marta. Permiten identificar las
zonas que tuvieron mayor variación en el
tiempo y complementan la información
disponible de un lugar, aportando
elementos para formular políticas de
desarrollo. El uso de estas herramientas
demuestra el poder de la computación
para aplicaciones de teledetección y las
ventajas que ofrece tener datos bien
estructurados y estandarizados. A pesar
que los datos recopilados del portal
USGS Earth Explorer (United States
Geological Survey (USGS), 2016) no
fueron los ideales en cuanto a temporadas
del año y disponibilidad, lo que género
que el método Fmask no cumpliera
completamente los requerimientos, se
puede concluir que la combinación de un
almacenamiento de alta velocidad,
conectado a procesadores y datos de
reflectancia de superficie adecuados,
permiten el desarrollo de sistemas de
análisis replicables y útiles para diversas
aplicaciones.
Las afectaciones causadas por la ola
invernal en el año 2010, pudieron ser
mitigadas si la ciénaga hubiera cumplido
correctamente su función de amortiguar y
regular cambios ambientales.
Por otra parte, a la hora de formular y
ejecutar políticas públicas, debe haber
consideraciones de orden ambiental,
político, económico y social. Los activos
ambientales son cada vez más
importantes para la sociedad ya que son
indicadores económicos que pueden
sensibilizar y concientizar diferentes
sectores. Estos costos pueden tener
influencia en decisiones frente a un
proyecto de interés nacional como la vía
de doble calzada Ciénaga-Barranquilla
que se va a construir este año.
Referencias
Agardy T., J. Alder, P. Dayton, S. Curran,
A. Kitchingman, M. Wilson, A.
Catenazzi, J. Restrepo, C.
Birkeland, S. Blaber, S. Saifullah,
G. Branch, D. Boersma, S. Nixon,
Vörösmarty (2005). Coastal
Systems Capitulo 19. En:
Ecosystems and human
well-being: current state and trends.
Hassan et al., (Ed). Volumen 1.
Island Press. Washington.
Aguilera Díaz María. (2011). Habitantes
del Agua: El complejo lagunar de
la Ciénaga Grande de Santa
Marta. Cartagena: Banco de la
República.
Asner, G. P. (2001). Cloud cover in
Landsat observation of the
Brazilian Amazon. International
Journal of Remote Sensing,
22(18), 3855–3862.
Aznar Bellver, Jeronimo. Estruch Guitart
, A. Vicent. (2015). Valoración de
Activos Ambientales. Teoría y
Casos. Valencia, España:
Universidad Politécnica de
Valencia.
Benjumea Brito, Paola. (10 de agosto de
2016). Los cinco males de la
Ciénaga Grande de Santa Marta.
24 de diciembre de 2016, de El
Tiempo Sitio web:
http://www.eltiempo.com/colombi
a/otras-ciudades/cinco-males-de-
la-cienaga-grande-de-santa-marta/16669661
Bertona, Alberto. (2001). De Qué se Trata
Cuándo Hablamos del Pasivo
Ambiental. 8 de enero de 2017, de
Ambiente Ecológico Sitio web:
http://www.ambiente-ecologico.com/ediciones/2001/07
7_01.2001/077_Columnistas_Alb
ertoBertona.php3
Comisión Económica para América
Latina y el Caribe - Cepal Banco
Interamericano de Desarrollo -
BID (2012). Valoración de daños
y pérdidas. En Ola invernal en
Colombia 2010-2011(240).
Bogotá-Colombia: BID-Cepal.
Duarte C. M., S. Alonso, G. Benito, J.
Dachs, C. Montes, M. Pardo, A.
F. Ríos, R. Simó, F. Valladares.
(2006). Cambio global. Impacto
de la actividad humana sobre el
Divulgación. Consejo Superior de
Investigaciones Científicas.
El Espectador. Redacción Medio
Ambiente. (2016). Más de 1.800
personas fueron evacuadas de la
Ciénaga Grande de Santa Marta.
http://www.elespectador.com/noti
cias/medio-ambiente/mas-de-
1800-personas-fueron-evacuadas-
de-cienaga-grande-articulo-659518.
Environmental Justice Atlas. (2014).
Ciénaga Grande de Santa Marta,
Colombia. 8 de enero de 2016, de
EJOLT Sitio web:
https://ejatlas.org/conflict/cienaga-grande-de-santa-marta-colombia
Facultad de Ciencias. (2016).Qué son los
Sensores Remotos? 5 de
Diciembre de 2016, de
Universidad Nacional de
Colombia Sitio web:
http://ciencias.bogota.unal.edu.co/
gruposdeinvestigacion/ecolmod/in
formacion-de-interes/que-son-los-sensores-remotos/
Feyisa, G. L., Meilby, H., Fensholt, R., &
Proud, S. R. (2014). Automated
water extraction
index: A new technique for
surface water mapping using
Landsat imagery. Remote
Sensing of Environment, 140, 23–
35.
Frazier, P. S., Page, K. J., et al. (2000).
Water body detection and
delineation with Landsat data.
Photogrammetric Engineering and
Remote Sensing, 66 (12), 1461–
1468.
Fundación Magdalena. (2016). MAPA
DE FUNDACION. 8 de enero de
2017, de La Esquina del Progreso
- La Villa Encantador Sitio web:
http://fundacionmagdalena.blogsp
ot.com.co/2011/05/mapa-de-fundacion.html
INVEMAR. (2014). Monitoreo
Ambiental Ciénaga Grande de
2016, del Instituto de
Investigaciones Marinas y
Costeras "José Benito Vives de.
Andreis" (INVEMAR) Sitio web:
http://www.invemar.org.co/portal
_old/noticias.jsp?id=4390&idcat=
105
Irish, R. (2000). Landsat-7 automatic
cloud cover assessment algorithms
for multispectral, hyperspectral,
and ultraspectral imagery. The
International Society for Optical
Engineering, 4049, 348–355.
María Danies. (2000). Colombia Ciénaga
Grande de Santa Marta. 11 de
Noviembre de 2016, de UNESCO
Sitio web:
http://www.unesco.org.uy/ci/filea
dmin/ciencias%20naturales/mab/a
rticulos_RB/Fichas_RB/Colombia
/Cienaga_Grande_de_Santa_Mart
a.pdf
Ministerio de ambiente, vivienda y
desarrollo territorial. (2009).
Decreto 3888. 7 de Diciembre de
2016, de Ministerio de Ambiente
y Desarrollo Sostenible. Sitio
web:
http://www.minambiente.gov.co/i
mages/normativa/decretos/2009/d
ec_3888_2009.pdf
NASA. (2016). Landsat 8 Overview. 7 de
diciembre de 2016, de Landsat
Science Sitio web:
http://landsat.gsfc.nasa.gov/landsa
t-8/landsat-8-overview/
NASA. (2016). The Thematic Mapper. 7
de Diciembre de 2016, de Landsat
Science Sitio web:
http://landsat.gsfc.nasa.gov/the-thematic-mapper/
Núñez, Schneyder. (2013). TRATADOS
INTERNACIONALES
AMBIENTALES. 9 de enero de
2017, de Prezi Sitio web:
https://prezi.com/ia9jgqklalda/trat
ado-internacionales-ambiembtales/
Organización Colparques. (2016).
CIÉNAGA GRANDE DE
SANTA MARTA. 11 de
noviembre de 2016, de
http://www.colparques.net/CIEN
AGA
Ospino Rangel, Raúl. (2016).
HISTORIAS DEL
MAGDALENA. 24 de diciembre
de 2016, de Historias del
Magdalena Sitio web:
http://historiasdelmagdalena.blogs
pot.com.co/2016/03/cano-ciego-de-la-cienaga-grande.html
Parques Naturales. (2014). Santuario de
Flora y Fauna Ciénaga Grande de
Santa Marta. 11 de Noviembre de
2016, de Parques Nacionales
Naturales de Colombia Sitio web:
http://www.parquesnacionales.gov
.co/portal/es/parques-
nacionales/santuario-de-flora-y-
fauna-cienaga-grande-de-santa-marta/
Ramsar. (2016). LA CONVENCIÓN DE
RAMSAR Y SU MISIÓN. 8 de
Enero de 2017, de Ramsar Sitio
web:
http://www.ramsar.org/es/acerca-
de/la-convenci%C3%B3n-de-ramsar-y-su-misi%C3%B3n
Revista Ciencias. (1983). Las Lagunas
Costeras. 7 de Enero de 2017, de
Universidad Nacional Autónoma
de México Sitio web:
http://www.revistaciencias.unam.
mx/es/138-revistas/revista-
ciencias-3/1073-las-lagunas-costeras.html
Robinove, C. J. (1978). Interpretation of a
Landsat image of an unusual flood
phenomenon in Australia. Remote
Sensing of Environment, 7(3),
219–225.
Rodríguez Gómez, Horacio. (1993).
Generalidades sobre lagunas
costeras de Colombia. 7 de Enero
de 2016, de Food and Agriculture
Organization of the United
Nations Sitio web:
http://www.fao.org/docrep/field/0
03/AB485S/AB485S04.htm
Smith, L. C. (1997). Satellite remote
sensing of river inundation area,
stage, and discharge: A review.
Hydrological Processes, 11(10),
UNESCO. (2000). List of biosphere
reserves: the Ciénaga Grande de
Santa Marta. The MAB
programme.
http://www.unesco.org/mab/br/brd
ir/latin-am/col4.htm
UNESCO. (2015). Reservas de Biosfera.
8 de Enero de 2017, de Oficina de
la UNESCO en MONTEVIDEO
Sitio web:
http://www.unesco.org/new/es/off
ice-in-montevideo/ciencias-
naturales/ecological-sciences/biosphere-reserves/
United States Geological Survey (USGS)
(2016). Landsat data archive.
Earth Explorer.
Vilardy, S., y González, J.A. (2011).
Repensando la
Ciénaga: Nuevas miradas y
estrategias para la sostenibilidad
en la Ciénaga Grande de Santa
Marta. Universidad del
Magdalena y Universidad
Autónoma de Madrid. Santa
Marta, Colombia. 228 p.
Wang, Y. (2004). Using Landsat 7 tm
data acquired days after a flood
event to delineate the maximum
flood extent on a coastal
floodplain. International Journal
of Remote Sensing, 25(5), 959–
974.
Zhu, Z., & Woodcock, C.E. (2012).
Object-based cloud and cloud
shadow detection in Landsat
imagery. Remote Sensing of
²
Superficie
Tierra 2016
Agua 2016
Nubes 2016
Sombras 2016
Tierra 2000
Agua 2000
Nubes 2000
Sombras 2000
Datos Invalidos
7
3,5
0
7
Kilometers
1:80.000
Anexo 1: Comparación de Superficies de la Ciénaga Grande de Santa Marta Año 2000 y 2016
Autor: Daniel Torres Sabogal
Proyecto de Grado
Isla del Rosario, Palmira y Tasajera 2001