TécnicaS de PercePción remoTa Para idenTificar y  
caracTerizar comunidadeS forrajeraS en un SiSTema  
ganadero del deSierTo híPerárido de San juan  
(argenTina)  
remoTe SenSing TechniqueS To idenTify and characTerize forage  
communiTieS in a liveSTocK SySTem in The hyPer-arid deSerT of San juan  
(argenTina)  
1,2  
1,2  
1,3  
y Mariana Martinelli  
Raul Tapia * , Julieta Carmona Crocco  
Summary  
1
. Instituto Nacional de Tecnologías  
Agropecuarias (INTA).  
Consejo Nacional de  
Background and aims: The natural grasslands of arid zones cover 40% of the earth’s  
surface and are a valuable source of forage for livestock. Inappropriate management  
and high livestock loads are among the factors responsible for their degradation. In  
this sense, a fast evaluation is essential to correct its use and promote conservation.  
The objective of the study was to identify and characterize, through satellite image  
processing and fieldwork, forage plant communities in a rainfed livestock system of  
San Juan.  
M&M: Indicator variables of soil and vegetation were generated from a Landsat 8 OLI  
image. Subsequently, unsupervised kmeans classification was performed. On field,  
plant cover, mulch and percentage of bare soil were registered from linear transects.  
Finally, the livestock receptivity of the plant communities was estimated.  
2
.
Investigaciones Científicas  
Técnicas (CONICET).  
y
3
(
. Universidad Nacional de San Juan  
UNSJ). Calle 11 y Vidart 5427, Villa  
Aberastain, San Juan. Argentina.  
*tapiaraul7@gmail.com  
Citar este artículo  
Results: 3 types of coverage were identified: coverage higher than 50%; higher than 20%  
and less than 50% and less than 20%. Also, two forage communities were identified,  
Lamaral and Zampal. In Lamaral, Prosopis alpataco var. lamaro obtained a coverage  
of 48%, a receptivity of 2.21 hectare/goat equivalent. In Zampal, a 35% coverage of  
Atriplex undulata was registered and the receptivity was 1.80 hectare/goat equivalent.  
Conclusions: The digital processing carried out was adequate for the purpose of the  
study and allowed recognizing, characterizing and mapping two forage communities.  
The richness of the species was low, with a predominance of shrubs and woody plants,  
limiting livestock in the area.  
TAꢀIA, R., J. CARꢁONA CROCCO &  
. ꢁARTINEꢂꢂI. 2020. Técnicas de  
percepción remota para identificar  
caracterizar comunidades  
forrajeras en un sistema ganadero  
del desierto híperárido de San Juan  
ꢁ
y
(
5
Argentina). Bol. Soc. Argent. Bot.  
5: 619-630.  
DOI: https://doi.  
org/10.31055/1851.2372.v55.  
n4.29322  
Key wordS  
Vegetation cover, natural grassland, remote sensing, drylands  
reSumen  
Introducción y Objetivos: Los pastizales naturales de zonas áridas cubren el 40% de  
la superficie terrestre y son una valiosa fuente de forraje para el ganado. El manejo  
inapropiado y las altas cargas ganaderas figuran entre factores responsables  
de su degradación. En ese sentido una rápida evaluación es fundamental para  
corregir su uso y promover la conservación. El objetivo del estudio fue identificar  
y caracterizar, mediante el procesamiento de imágenes satelitales y trabajo de  
campo, comunidades forrajeras en un sistema ganadero del secano de San Juan.  
M&M: A partir de una imagen Landsat 8 OLI se generaron variables indicadoras de  
suelo y vegetación. Posteriormente se realizó la clasificación no supervisada kmeans.  
En campo se registró, a partir de transectas lineales, cobertura vegetal, de mantillo y  
porcentaje de suelo desnudo. Finalmente se estimó la receptividad ganadera de las  
comunidades forrajeras.  
Resultados: Se identificaron 3 clases de coberturas: cobertura superior al 50%; superior  
al 20 % e inferior al 50 % e inferior al 20 % y dos comunidades forrajeras, Lamaral y  
Zampal. En Lamaral, Prosopis alpataco var. lamaro obtuvo un 35% cobertura y una  
receptividad de 2.21 hectárea/Equivalente cabra. En Zampal, se registró un 42 % de  
cobertura de Atriplex undulata y la receptividad fue de1.80 hectárea/Equivalente cabra.  
Conclusiones: El procesamiento digital realizado fue adecuado para el objetivo del  
estudio y permitió reconocer, caracterizar y mapear dos comunidades forrajeras. La  
riqueza de especies fue baja existiendo un predominio de plantas arbustivas y leñosas,  
esto limita la ganadería de la zona.  
Recibido: 7 Jul. 2020  
Aceptado: 26 Oct. 2020  
ꢀ
ꢀ
ublicado en línea: 10 Dic. 2020  
ublicado impreso: 20 Dic. 2020  
Editor: Ramiro Aguilar  
PalabraS claveS  
Cobertura vegetal, pastizal natural, zonas áridas.  
ISSN versión impresa 0373-580X  
ISSN versión on-line 1851-2372  
619  
Bol. Soc. Argent. Bot. 55 (4) 2020  
inTroducción  
la necesidad de un estricto conocimiento del sitio  
de estudio (Richards & Jia, 2006; Chuvieco, 2006).  
Los pastizales naturales de zonas áridas cubren, Sin embargo, la clasificación de una imagen para  
aproximadamente, el 40% de la superficie terrestre obtener clases discretas de cobertura del suelo, puede  
y producen alimentos para alrededor de una quinta resultar en una pérdida importante de información.  
parte de la población mundial (Reynold & Stafford Además, otra dificultad que presenta este método,  
Smith, 2002 citado por Conegliano, 2018). Estos está relacionado a la definición de límites entre  
sistemas son el sustento biofísico de una variedad diferentes tipos de cobertura (Richards & Jia, 2006;  
de servicios ecosistémicos que han sido esenciales Campos et al., 2018). Por tal motivo el relevamiento  
para el desarrollo de la población humana por miles de la vegetación a partir del trabajo de campo  
de años (Reynolds & Stafford Smith, 2002). Entre resulta ser de gran importancia para la correcta  
los numerosos y variados servicios ecosistémicos, identificación y caracterización de las comunidades  
se destaca la provisión de biomasa forrajera para vegetales (Adarvez et al., 2016).  
el desarrollo de la ganadería (Salas & Paruelo,  
La aplicación de datos espaciales al estudio de  
1997). En los pastizales naturales de zonas áridas la vegetación de zonas áridas presenta, además otra  
y semiáridas, la ganadería extensiva se presenta complejidad. Muchos de los índices de vegetación  
como la práctica más frecuente (Conegliano, 2018). derivados del procesamiento de imágenes satelitales,  
Cuando este tipo de ganadería se realiza con cargas especialmente los que se obtienen de la diferencia  
animales superiores a las admitidas por el sistema o entre las bandas que corresponden al rojo e infrarrojo  
con un inapropiado manejo del pastoreo, provoca la cercano y visible, son buenos estimadores de la  
degradación del pastizal natural (Blanco & Biurrum, vegetación en estado verde, vigoroso y con elevados  
2005). porcentajes de cobertura. Sin embargo, estos mismos  
Según Cabido et al. (1994), los pastizales de zonas índices han demostrado tener un éxito limitado en la  
áridas presentan una recuperación más lenta, en medición de vegetación senescentes y con superficie  
comparación con sus análogos de zonas húmedas. En foliar reducida o ausente como la que se encuentra  
base a esto es menester considerar al pastizal natural en los desiertos (Goirán et al., 2012; Campos et al.,  
como sistemas ecológicos más frágiles y susceptibles 2018; Bertiller et al., 2004). Del mismo modo que en  
a las perturbaciones, por lo cual compatibilizar los otros desiertos del mundo, la vegetación de la región  
sistemas de producción con la conservación del del Monte se organiza como un mosaico de dos  
mismo, es un aspecto clave para el desarrollo de la fases: una fase provista de vegetación con elevada  
ganadería en las zonas áridas y semiáridas (Vera et cobertura, donde se destaca un estrato arbustivo  
al., 2003). En ese sentido y como paso inicial para (con especies del género Larrea) con emergentes  
evitar la degradación del pastizal, es necesario contar arbóreos (con especies del género Prosopis), y  
con una detallada caracterización de las especies una fase donde la cobertura vegetal es baja o nula  
forrajeras y una completa evaluación del estado de (Bisigato et al., 2009). Por otra parte, la mayoría de  
conservación (Dalmasso et al., 2018).  
la vegetación del desierto del Monte tiene un área  
En las últimas décadas los sensores remotos fueron foliar pequeña y tejidos no fotosintéticos durante  
valiosos auxiliares para el estudio de los sistemas períodos prolongados, por lo tanto, los índices de  
naturales. El uso más frecuente de estas herramientas vegetación más comúnmente usados (por ejemplo,  
ha sido la caracterización estructural del paisaje. En NDVI) no son apropiados para mapear o cuantificar  
estos casos, un atributo de la superficie terrestre (por la cantidad de biomasa verde (Goirán et al., 2012;  
ej. un tipo dado de cobertura) se relaciona con un Campos et al., 2018).  
comportamiento espectral determinado sin conocer  
La provincia de San Juan geográficamente se  
los mecanismos del vínculo (Paruelo, 2008). Una de ubica dentro de las zonas áridas y semiáridas zonas  
2
las técnicas frecuentemente empleada para el estudio y tiene una superficie de 92,000 km , de las cuales  
de los tipos de cobertura vegetal, es la clasificación las 2/3 partes está ocupada por cordones montañoso  
digital. Los métodos de clasificación no supervisados (Suvires & Luna, 2008). A causa del régimen  
son una alternativa útil para el análisis de coberturas pluvial, en San Juan la agricultura solo es posible  
vegetales mediante el reconocimiento de patrones con el aporte de agua de riego durante todo el ciclo  
espectrales de manera autónoma e interactiva, sin biológico de los cultivos. La superficie agrícola es  
620  
R. Tapia et al. - Teledetección aplicada al estudio de comunidades forrajeras del árido  
102,688 ha, de las cuales 89,118 son regadas con La precipitación media anual es de 85 mm y la  
agua distribuida por la red de riego y las 13,700 temperatura media anual es de 22 °C (Poblete &  
ha restantes solo con agua subterránea (Miranda, Minetti, 1999). El sitio pertenece al sector distal de  
2015). El resto de la superficie, 29.639.79 ha, si bien la cuenca del Tulum, donde predominan depósitos  
tiene potencial para el desarrollo de la agricultura, la cuaternarios de llanura fluvial, muchos de ellos  
falta de agua limita dicha actividad, por lo cual un de texturas finas, por haber sido acumulados en  
buen porcentaje de esta superficie es destinada a la meandros y cauces abandonados del río San Juan.  
ganadería.  
También existe un apreciable aporte de arenas y  
En el caso particular de la zona de estudio, limos eólicos, así como de depósitos lagunares,  
la explotación ganadera es de tipo extensiva, consistentes principalmente en arenas finas y limos  
caprina principalmente y abierta, en cuanto al uso (Zambrano & Suvires, 1987). La vegetación es  
y tenencia de la tierra. Los sistemas de producción xerófila debido a la baja precipitación y las altas  
caprinos cumplen una importante función en la temperaturas, con una cobertura heterogénea que  
economía local de los ambientes áridos (Martinelli oscila entre el 5 y el 80% (Márquez et al., 2005).  
&
Martínez Carretero, 2014). En estos sistemas la  
alimentación del ganado depende de la vegetación Adquisición y pre-procesamiento de la imagen  
natural, especialmente los arbustos que conservan satelital  
el follaje por más tiempo, haciendo disponibles  
SeutilizóunaimagenLandsat8OperationalLand  
nutrientes en las épocas del bache forrajero (invierno Imager (OLI) de 30 m de resolución espacial. La  
y comienzos de la primavera). Según Bregaglio et al. imagen fue calibrada radiométricamente mediante  
(1999) y Karlin et al. (2012), en la época de bache el complemento “top of atmosphere reflectance”  
forrajero y para el caso de los caprinos, el 80% de (TOA) del programa QGIS v 2.18.20, que consiste  
la dieta se constituye de forraje de leñosas. Estas en la conversión de los niveles digitales a valores  
plantas son menos afectadas por las fluctuaciones de radiancia y posteriormente de reflectancia (32  
de las precipitaciones, manteniendo los nutrientes bits), considerando los coeficientes de calibración  
en vástagos y yemas apicales disponibles para disponibles para el satélite y las fechas utilizadas  
los animales.  
(Chander et al., 2009; Czapla-Myers et al., 2015).  
El registro bibliográfico permitió reconocer, en la  
provincia, la existencia de trabajos (Martinelli, 2009; Selección de fecha  
Martinelli & Martínez Carretero, 2014) orientados a  
Se trabajó sobre una imagen de marzo del  
caracterizar, mediante el uso de imágenes satelitales, año 2017. La selección de la fecha se realizó en  
comunidades de interés forrajero. Sin embargo, estos función de la dinámica estacional de la vegetación  
antecedentes describen la realidad del sector noreste en los sistemas áridos (Villagra et al., 2011). La  
de la provincia, siendo escasos o nulos los estudios cobertura vegetal en estos sistemas, se relaciona  
en el sureste de San Juan. Por tal motivo, el presente positivamente con la pluviometría, de modo tal  
trabajo pretende identificar, caracterizar y mapear, que la máxima cobertura se presenta en la estación  
sobre la base de datos satelitales y trabajo de campo, estival en la cual, también, se observan los mayores  
las comunidades forrajeras presentes en un sector registros pluviométricos (Goirán et al., 2012;  
del sureste de San Juan, aportando, de este modo, Campos et al., 2018).  
información sólida para el manejo adecuado del  
pastizal natural de esta área de la provincia.  
Aplicación de realces espectrales  
A raíz de las características de la vegetación  
del desierto del Monte y las limitaciones de  
las técnicas tradicionales de teledetección, antes  
mencionadas, se generaron variables indicadoras de  
vegetación, sustrato y relieve. Para ello se realizó  
maTerialeS y méTodoS  
Área de estudio  
El estudio se realizó en la localidad de Punta la transformación tasseled cap, la cual combina  
del Agua, departamento 25 de Mayo, provincia de linealmente las bandas no termales de Landsat 8 y  
San Juan, Argentina (Fig. 1). El área de estudio se genera tres nuevas bandas o imágenes que brindan  
ubica en el sector híperárido del desierto del Monte. información referida a suelo, agua y vegetación  
621  
Bol. Soc. Argent. Bot. 55 (4) 2020  
Fig. 1. Zona de estudio.  
(Kauth & Thomas, 1976; Chuvieco, 2006; Baig Martinelli & Martínez Carretero, 2014), se  
et al., 2014). Estas tres nuevas bandas reciben el seleccionó para la clasificación digital la variable  
nombre de:  
Índice de Brillantez de Suelo (IBS): la banda de  
Índice de Brillantez de Suelo (IBS).  
Se evaluaron las clases asignadas mediante un  
brillantez refleja los cambios en la reflectividad total análisis de separabilidad y en caso de presentarse  
de la escena y permite discriminar el suelo desnudo. superposición, se eliminó aquella clase con mayor  
Índice Verde (IV): indica el contraste entre valor de dispersión. Para ello, se empleó como  
las bandas visibles y el infrarrojo próximo, y algoritmo la distancia euclidiana, la cual resulta  
permite determinar la presencia de cobertura vegetal, particularmente útil para la evaluación de los  
vegetación vigorosa, cultivos y áreas urbanizadas.  
resultados obtenidos mediante la clasificación de  
Índice de Humedad (IH): esta banda está vinculada distancia mínima. Para este caso, la distancia es  
con la banda de infrarrojo medio, en la que se definida como:  
manifiesta con mayor claridad la absorción del agua,  
por lo que se puede discriminar cursos o cuerpos de  
agua y áreas con mayor contenido de humedad.  
Clasificación digital  
donde:  
Se realizó una clasificación no supervisada  
mediante el algoritmo de agrupamiento kmeans  
x = primer vector de firma espectral.  
y = segundo vector de firma espectral.  
n = número de bandas de la imagen.  
La distancia euclidiana es 0 cuando las firmas  
(
Clusterización) con el software QGIS versión  
.18.20 de libre acceso. Tomando como base el  
2
comportamiento de la vegetación arriba descripta son idénticas y se incrementa según aumenta la  
y los antecedentes de la zona (Martinelli, 2009; distancia espectral entre las firmas.  
622  
R. Tapia et al. - Teledetección aplicada al estudio de comunidades forrajeras del árido  
Evaluación de la clasificación digital  
promedio, cobertura promedio de mantillo; riqueza  
Para ser considerada como válida, toda florística y porcentaje de suelo sin cobertura (suelo  
clasificación debe ser sometida a un riguroso proceso desnudo). Finalmente, con el promedio de los datos  
de evaluación. En ese sentido, cabe destacar que uno recolectados se estimó la receptividad ganadera de  
de los métodos más usados para estimar la precisión, las comunidades forrajeras. Se empleó el método  
es el análisis de la matriz de confusión. Ésta es un Point Quadrat modificado (Passera et al., 1983)  
arreglo cuadrado de números dispuestos en filas por ser expeditivo y permitir el seguimiento de  
y columnas que expresan el número de muestras las pasturas en el tiempo. Si bien, existen diversos  
asignadas a una categoría particular relativa a una métodos para estimar la biomasa y la receptividad  
verificada en el campo. La matriz de error describe ganadera, ninguno puede ser utilizado a priori  
la precisión total y las precisiones individuales de como método de referencia (Golluscio et al., 2009).  
cada categoría y es un medio muy efectivo para La selección del método guarda relación con el  
evaluar la exactitud de un mapa (Congalton, 1991). objetivo del trabajo y las características del sistema  
La precisión total es la suma de la diagonal mayor de a estudiar. El Point Quadrat es un método que,  
la matriz (las muestras correctamente clasificadas) adaptado a las características del ecosistema, arroja  
dividida por el número total de las muestras de resultados fiables y precisos. Se basa en registrar,  
referencia. La precisión del productor se refiere al a lo largo de una transecta, el número de contactos  
número de muestras correctamente clasificadas en y relacionar los mismos con la productividad  
una categoría dividido por el número total de las del pastizal (Dalmasso et al., 2018). En este  
muestras de referencia. La precisión del usuario hace punto, resulta importante aclarar que el método  
referencia al número de muestras correctamente seleccionado para este trabajo, no cuantifica de  
clasificadas en una categoría, dividido por el número forma directa la biomasa del pastizal, si no que  
total de las muestras clasificadas en esa categoría.  
Para el presente trabajo, la precisión de la forrajera mediante el número total de contactos.  
clasificación fue evaluada en dos etapas. Durante la Para cada comunidad vegetal, se realizaron un  
realiza una estimación indirecta de la productividad  
primera se asignaron, con apoyo del software SAGA total de 15 (n=15) transectas lineales de 50 metros  
GIS 2.3.2, los puntos de control para cada una de las de longitud dispuestas al azar, completándose así un  
clases. De forma aleatoria, se distribuyeron un total n =30 para todo el trabajo. Para estimar el tamaño  
de 40 puntos por cada una de las clases obtenidas. La de la muestra se empleó la expresión matemática  
segunda etapa consistió en el cálculo y evaluación propuesta por Mostacedo & Fredericksen (2000),  
de la matriz de error, mediante el uso del software mientras que la longitud de las transectas fue  
SAGA GIS 2.3.2.  
determinada tomando como base el trabajo de  
En cuanto al criterio para evaluar la calidad de Maldonado et al. (2004).  
los resultados obtenidos, se asume el desarrollado  
por Congalton & Green (1999), quienes definen Relación entre los niveles de información  
como clasificación aceptable, a aquella que presenta  
Para estimar la relación entre los índices  
valores entre el 40 y el 80%, clasificación pobre cuya obtenidos del procesamiento satelital y la  
precisión toma valores menores a 40% y excelente información generada en el trabajo de campo, se  
cuando la precisión está por encima del 80%.  
empleó una regresión simple. Además, sobre la  
Finalmente, para tomar los elementos fuera base de una regresión paso a paso, se estimó la  
de la diagonal de la matriz y dar cuenta de la relación entre las firmas espectrales y los valores de  
contribución del azar, se calculó el coeficiente cobertura (Bertiller et al., 2004).  
Kappa (Rosenfield & Fitzpatrick-Lins, 1986). En  
ese sentido, Congalton & Green (1999) sugieren  
que un K= 0,60 (Índice Kappa) representa el límite reSulTadoS  
de aceptación de la clasificación.  
El procesamiento digital de la imagen y el trabajo  
Trabajo de campo  
de campo, permitieron reconocer y caracterizar  
El trabajo de campo se realizó en marzo de 2017 dos comunidades de interés forrajero: Lamaral  
y se registraron las variables: cobertura vegetal (comunidad dominada por Prosopis alpataco  
623  
Bol. Soc. Argent. Bot. 55 (4) 2020  
var. lamaro) y Zampal (comunidad dominada por un total de 6 especies pertenecientes a 5 familias  
Atriplex undulata). En la Tabla 1 se presentan, posicionándose de este modo como la unidad  
para cada comunidad, datos de cobertura promedio vegetal de mayor riqueza (Tabla 2). Por otra parte,  
de la especie dominante, receptividad ganadera y de los resultados también se desprende que, si  
superficie ocupada. Por otro lado, la Fig. 2 muestra bien en ambas comunidades el suelo desnudo fue  
la cobertura específica; mientras que en la Tabla 2 un elemento importante, la comunidad Lamaral  
se presenta la riqueza florística registrada en cada registró el mayor valor (Fig. 2).  
una de las comunidades forrajeras. Al analizar los  
datos se observa que, en comparación con Lamaral, Determinación de clases de cobertura  
Zampal registró el mayor valor de cobertura y el  
A partir de la clasificación no supervisada se  
menor valor de receptividad ganadera. Respecto establecieron 3 clases de coberturas de suelo:  
de la riqueza florística, los resultados obtenidos cobertura vegetal mayor a 50% (clase 1), cobertura  
muestran que la comunidad Lamaral presentó vegetal entre 20 y 50% (clase 2), cobertura vegetal  
Tabla 1. Caracterización de las comunidades forrajeras identificadas. Ha/EC: hectáreas Equivalente  
cabras.  
Comunidad  
forrajera  
Superficie  
(hectareas)  
Receptividad  
ganadera (Ha/EC)  
Especie dominante  
Cobertura(%)  
Lamaral  
Zampal  
122  
Prosopis alpataco var. lamaro  
Atriplex undulata  
35  
42  
2,21  
130  
1,8  
Fig. 2. Cobertura vegetal especifica en las comunidades forrajeras identificadas.  
624  
R. Tapia et al. - Teledetección aplicada al estudio de comunidades forrajeras del árido  
Tabla 2. Riqueza de especies por comunidad forrajera.  
Comunidad  
Forrajera  
Especies  
Familia  
Atriplex undulata  
Prosopis alpataco var. lamaro  
Lycium chilense var. chilense  
Allenrolfea vaginata  
Chenopodiaceae  
Fabaceae  
Zampal  
Solanaceae  
Chenopodiaceae  
Fabaceae  
Prosopis alpataco var. lamaro  
Atamisquea emarginata  
Lycium chilense  
Capparaceae  
Solanaceae  
Chenopodiaceae  
Cactaceae  
Lamaral  
Atriplex undulata  
Tephrocactus articulatus  
Prosopis flexuosa  
Fabaceae  
menor a 20% (clase 3). La Fig. 3 muestra la a las formas regulares del terreno, indicadores de  
distribución espacial de las clases, mientras que parcelas de cultivos, así como al cauce natural  
en la Tabla 3 se describen sus características del río San Juan. La vegetación natural es de  
principales.  
tipo riparia destacándose especies como Tessaria  
La clase 1 se corresponde con la máxima absinthioides, Baccharis salicifolia, Cynodon  
cobertura vegetal. Se observa que la misma se asocia dactylon, Typha dominguensis. Por su parte, en  
Fig. 3. Clasificación no supervisada kmeans de la variable Índice de Brillantez de Suelo.  
625  
Bol. Soc. Argent. Bot. 55 (4) 2020  
Tabla 3. Descripción sintética de las clases de cobertura de suelo determinadas. C>50%: cobertura  
superior a 50 %. 20<C<50%: cobertura superior a 20 e inferior a 50%.C<20%: cobertura inferior a 20%.  
Clase  
Características generales  
Pertenecen a esta clase aquellas áreas donde el suelo presenta una cobertura por encima  
al 50 %. Esta clase espectral se asocia, por un lado,a sitios de cultivos vid (Vitis vinífera),  
Pistacho (Pistacia vera) y cultivos hortícolas y, por otro lado, a vegetacion riparia siendo Typha  
dominguensis, Tessaria absinthioides y Baccharis salicifolia las principales especies.  
Clase 1. Color  
Rojo (C>50%)  
En esta clase se encuentran los pixeles donde la cobertura vegetal toma valores comprendidos  
entre 20 y 50 %. Predomina el estrato arbustivo, con especies tales como Atriplex undulata,  
Clase 2. Color Gris Prosopis alpataco, Lycium chilense, Atamisquea emarginata. El estrato herbáceo se encuentra  
(20<C<50%)  
escasamente representado y como especie más frecuente aparece Leptochloa crinita. El  
estrato arbóreo, en comparación con la clase 3, toma mayor importancia siendo Prosopis  
flexuosa la especie de mayor frecuencia.  
Esta clase espectral incluye los sitios en los que existe un predominio de suelo desnudo  
cuyo valor promedio es de 48%. El estrato arbustivo es la fisonomia representativa. Entre las  
especies se destaca: Lycium chilense, Atamisquea emarginata, Atriplex undulata. Tanto el  
estrato herbaceo como el arboreo son inexistente.  
Clase 3. Color  
Amarillo(C<20%)  
las parcelas de cultivo, que se corresponden a  
Las clases 2 y 3 se corresponden con aquellas  
agroecosistemas, las especies dominantes fueron áreas donde se registró un predominio de vegetación  
Vitis vinifera y Pistacia vera, principalmente. El nativa. La clase 2, donde se ubican las comunidades  
análisis de la transformación tasseled cap mostró vegetales estudiadas, se caracteriza por presentar un  
que esta clase obtuvo los valores más altos de índice estrato arbustivo denso y dominante con aislados  
verde (0.2) e índice de humedad (0.01), lo que emergentes arbóreos. En estos sitios la riqueza  
podría indicar la presencia de vegetación agrupada florística es baja (Tabla 2) siendo A. undulata y P.  
y con altos porcentajes de cobertura (Fig. 4).  
alpataco var. lamaro las especies más frecuentes y  
Fig. 4. A. Gráfico de dispersión producto de la transformación tasseled cap. Los números indican las clases  
obtenidas. B. Sitios del terreno donde se ubican las clases informacionales.  
626  
R. Tapia et al. - Teledetección aplicada al estudio de comunidades forrajeras del árido  
de mayor cobertura. El estrato arbóreo es dominado cuales arrojaron para esta clase informacional, los  
por Prosopis flexuosa y se encuentra reducido y valores más elevados de suelo desnudo.  
circunscripto a los sitios donde las condiciones  
edáficas e hídricas lo permiten.  
Evaluación de la clasificación  
Apartir del análisis de la transformación tasseled  
La Tabla 5 muestra la matriz de error, donde se  
cap se observa que en la comunidad Zampal, presentan los porcentajes de precisión del usuario y  
tanto el índice verde como el de humedad fueron del productor para cada una de las clases obtenidas.  
sensiblemente más elevados (Tabla 4). Respecto del En términos generales, se observa que la clase 1  
índice de brillantez de suelo, los resultados indican fue la mejor clasificada mientras que las clases 2  
que el mayor valor se registró en la comunidad y 3 obtuvieron el mismo porcentaje de precisión.  
Lamaral. Finalmente, si bien se observan que La matriz también advierte que tanto la precisión  
ambos tipos de comunidades muestran un ajuste del productor como la del usuario fueron mayores  
significativo, los datos muestran que la comunidad para la clase 1; mientras que la clase 3 fue la que  
Zampal obtuvo un mayor grado de ajuste, lo que obtuvo el menor valor de precisión de usuario  
pone de manifiesto una mayor coherencia entre los (Tabla 5). Esto último probablemente se deba a la  
datos de detección remota y los registros de campo dificultad del algoritmo kmeans para discriminar las  
(Tabla 4). diferentes respuestas espectrales provenientes del  
En la clase 3 el elemento característico es el suelo suelo con baja o nula cobertura vegetal.  
desnudo. En esta clase, la vegetación pertenece  
exclusivamente al estrato arbustivo, siendo el  
arbóreo y herbáceo inexistentes. Respecto de la diScuSión  
transformación tasseled cap, en la Fig. 4 se observa  
que esta clase registra los valores más elevados  
En el presente trabajo se identificaron y  
de índice de brillantez de suelo y los valores más caracterizaron, sobre la base del uso de herramientas  
bajos de índice de humedad e índice verde. Estos de teledetección y trabajo de campo, comunidades  
resultados refuerzan los registros de campo, los vegetales forrajeras del secano de San Juan. El  
Tabla 4. Relación entre la cobertura de especies arbustivas forrajeras y los índices de suelo, Vegetación y  
humedad. IBS (Índice de Brillantez de Suelo); IV (Índice Verde); IH (Índice de Humedad).  
Comunidad vegetal  
Clase  
Cobertura especifica  
IH  
IBS  
IV  
r²  
p
Zampal  
Lamaral  
2
2
42  
35  
0,015  
0,39  
0,15  
0,7  
0,5  
0,04  
0,01  
0,45  
0,1  
0,05  
Tabla 5. Matriz de confusión para la clasificación obtenida.  
Precisión general : (92/120)= 76,6%  
Coeficiente Kappa= 0,6500  
Valores reales  
Precisión  
Precisión  
(Pixeles)  
Productor (%)  
Usuario (%)  
Clases  
Clase 1  
Clase 2  
Clase 3  
TOTAL  
Sin clasificar  
Clase 1  
Clase 2  
Clase 3  
Total  
0
32  
0
0
0
1
0
0
33  
39  
48  
120  
80  
75  
75  
96,97  
76,92  
74,5  
30  
10  
40  
9
8
30  
40  
40  
627  
Bol. Soc. Argent. Bot. 55 (4) 2020  
uso de datos espaciales para la evaluación de encontraron que la composición florística fue  
estado y el monitoreo de pastizales naturales, es menor y el porcentaje de suelo desnudo fue mayor.  
una práctica frecuentemente empleada (Blanco &  
Biurrum., 2005; Blanco et al., 2008; Blanco et al., total de una clasificación es un indicador robusto de  
009; Zerda & Tiedemann, 2010) obteniéndose, su validez. En ese sentido la clasificación obtenida  
Según Chuvieco (2006), el valor de precisión  
2
en la mayoría de los casos, exitosos resultados. y por lo tanto la caracterización de ella derivada,  
Sin embargo, es importante reconocer que, dada gozan de una buena precisión (76%) y puede ser  
las características de la vegetación de zonas empleada como insumo para el monitoreo del  
áridas, muchos de los productos derivados del pastizal natural aquí estudiado.  
procesamiento de imágenes satelitales presentan  
limitaciones y su uso puede conducir a resultados  
distantes de la realidad. En ese sentido la selección concluSioneS  
de procesamientos (índice de vegetación ajustado  
al suelo, transformación tasseled cap) es clave para  
El presente estudio permitió reconocer y mapear  
alcanzar resultados fiables (Campos et al., 2018). dos comunidades de interés forrajero. En ellas la  
En obediencia a esto el conjunto de procesamientos riqueza de especies forrajera fue baja, existiendo  
empleados en el presente trabajo, resultó adecuado un predominio de plantas arbustivas y leñosas.  
y permitió alcanzar una correcta caracterización Esto último limita la actividad ganadera, ya que  
del pastizal natural. En particular, se destaca la restringe la carga animal y el tipo de ganado capaz  
transformación tasseld cap como herramienta de aprovechar la oferta forrajera predominante.  
de síntesis y correcta expresión de la realidad La composición de la vegetación (fisonomía y  
de las comunidades forrajeras estudiadas. Esto estructura) de los ecosistemas áridos, limita el uso  
último concuerda con lo reportado por Martinelli, de los datos espaciales. En ese sentido, la selección  
(2009) para comunidades forrajeras del norte de la de la fecha y tipo de procesamiento resulta ser una  
provincia. etapa clave. Para el presente trabajo la transformación  
El procesamiento de imágenes permitió obtener taselld cap y la clasificación kmeans aportaron la  
clases de cobertura de suelo. La de mayor información necesaria y suficiente para obtener los  
3
cobertura corresponde a la zona del agroecosistema resultados que mejor describen la realidad del terreno.  
del valle de Tulum, principal polo productivo de la  
provincia. Allí la cobertura del suelo toma valores  
superiores al 50 % y está dominada por cultivos de conTribución de loS auToreS  
vid, pistacho y variadas hortalizas.  
La vegetación natural se agrupa en dos clases  
Todos los autores han realizado conjuntamente y a  
de cobertura. La primera de ella (clase 3), con partes iguales la colecta de datos, su interpretación y  
predominio de suelo desnudo, mientras que en redacción del manuscrito.  
la segunda (clase 2) se ubican las comunidades  
vegetales con interés forrajero. En esta última  
clase, se registró un predominio de dos especies bibliografía  
arbustivas A. undulata y P. alpataco var. lamaro,  
lo cual coincide con lo encontrado por Martinelli ADARVEZ, S., M. ONTIVEROS, S.M. GIANNONI, C.  
et al. (2017). El alto porcentaje de suelo desnudo,  
así como el escaso número de especies registradas,  
podría estar relacionado al estado de degradación  
del pastizal natural. En ese sentido Scaglia et al.  
BORGHI & S. TORRELLA. 2016. Identificación  
y distribución de unidades ambientales en un área  
protegida (Ischigualasto) perteneciente a la región  
híper árida del desierto del monte. XVII Simposio  
Internacional SELPER.  
(2018) evaluó el estado de los pastizales naturales  
en sitios degradados en el sur-este de la provincia de BAIG, M.H.A., L. ZHANG, T. SHUAI & T. QINGXI.  
San Juan. Reporto que existen diferencias tanto en  
la composición florística, productividad del pastizal  
y porcentaje de suelo desnudo entre los distintos  
pastizales evaluados. En los sitios más degradados  
2014. Derivation of a tasselled cap transformation  
based on Landsat 8 at-satellite reflectance. Rem. Sens.  
Letter 5: 423-431.  
http://dx.doi.org/10.1080/2150704X.2014.915434  
628  
R. Tapia et al. - Teledetección aplicada al estudio de comunidades forrajeras del árido  
BERTILLER, M.B., A. BISIGATO, A. CARRERA &  
H.F. DEL VALLE. 2004. Estructura de la vegetación  
y funcionamiento de los ecosistemas del Monte  
Chubutense. Bol. Soc. Argent. Bot. 39: 139 - 158.  
BISIGATO, A.J., P.E. VILLAGRA, J.O. ARES & B.E.  
ROSSI. 2009. Vegetation heterogeneity in Monte  
Desert ecosystems: A multi-scale approach linking  
patterns and processes. J. Arid Environ. 73: 182-191.  
https://doi.org/10.1016/j.jaridenv.2008.09.001  
BLANCO, L. & F. BIURRUN. 2005. Niveles de  
degradación de la vegetación del Chaco árido. Una  
Aproximación cuantitativa a partir de imágenes  
satelitales. Serie de publicaciones del área de  
investigaciones del INTA 1-12pp. Ediciones INTA.  
Buenos Aires.  
CZAPLA-MYERS, J., J. MCCORKEL, N. ANDERSON,  
K. THOME, S. BIGGAR, D. HELDER, D. ARON,  
L. LEIGH & N. MISHRA. 2015. The Ground-Based  
Absolute Radiometric Calibration of Landsat 8 OLI.  
Remote Sensing 7: 600-626.  
https://doi.org/10.3390/rs70100600  
CHANDER, G., B. MARKHAM & D. HELDER.  
2009. Summary of current radiometric calibration  
coefficients for Landsat MSS, TM, ETM+ and EO-1  
ALI sensors. Remote Sensing Environm. 113: 893-  
903. https://doi.org/10.1016/j.rse.2009.01.007  
CHUVIECO, E. 2006. Teledetección Ambiental. La  
observación de la Tierra desde el Espacio. 2ª  
edición. Editorial Ariel S.A. Barcelona. España.  
DALMASSO, A., J. MÁRQUEZ, A.L. NAVAS, M.A.  
MORATTA, L. GORDILLO & E. SALOMÓN.  
2018. Las Principales pasturas del secano cuyano.  
Ediciones UNSJ, San Juan.  
BLANCO, L., M. AGUILERA, M. PARUELO & F.  
BIURRUN. 2008. Grazing effect on NDVI across an  
aridity gradient inArgentina. J. Arid. Environ. 2: 764-  
7
76. https://doi.org/10.1016/j.jaridenv.2007.10.003  
GOIRÁN, S.B., J.N.ARANIBAR & M.L. GOMEZ. 2012.  
Heterogeneous spatial distribution of traditional  
livestock settlements and their effects on vegetation  
cover in arid groundwater coupled ecosystems in the  
Monte Desert Argentina. J. Arid Environm. 87: 188-  
197. https://doi.org/10.1016/j.jaridenv.2012.07.011  
GOLLUSCIO, R., H. BOTTARO, D. RODANO,  
M.F. GARBULSKY, S. BOBADILLA, O.  
BURATOVICH & M. VILLA. 2009. Divergencias  
en la estimación de receptividad ganadera en el  
noreste de la Patagonia: diferencias conceptuales y  
consecuencias prácticas. Ecol. Austral. 19:3-18  
KARLIN, M. S., E. V. BUFFA, U. KARLIN, M.A.  
CONTRERAS, R. COIRINI & E.J.RUIZ POSSE.  
2012. Relaciones entre propiedades de suelo,  
comunidades vegetales y receptividad ganadera en  
ambientes salinos (Salinas Grandes, Catamarca,  
Argentina). Revista Latinoamericana de Recursos  
Naturales 8: 30-45.  
BLANCO, L., C. FERRENDO & F. BIURRUN. 2009.  
Remote Sensing of Spatial and Temporal Vegetation  
Patterns in Two Grazing Systems. Rangel. Ecol.  
Managem. 62:445-451. https://doi.org/10.2111/08-  
2
13.1  
BREGAGLIO, M., U. KARLIN & R. COIRINI. 1999.  
Respuesta de especies arbustivas forrajeras a  
tratamientos de desmonte selectivo en el Chaco  
Árido, Argentina. Multequina 8: 101-109.  
CABIDO, A. L., A. MANZUR, L. CARRANZA & C.  
GONZALEZ ALBARRACIN.1 994. La vegetación  
y el medio físico del Chaco Árido en la provincia  
de Córdoba, Argentina Central. Phytocoenologıa  
2
4:423-460. https://doi10.1127/phyto/24/1994/423  
CAMPOS, V.E., M.G. GATICA, F. CAPPA, S.  
GIANNONIA & C. CAMPOS. 2018. Remote  
sensing data to assess compositional and structural  
indicators in dry Woodland. Ecol. Indicators 88:  
6
3-70. https://doi.org/10.1016/j.ecolind.2018.01.032  
KAUTH, R. J. & G.S. THOMAS. 1976. The tasseled  
cap a graphic description of the spectral temporal  
development of agricultural crops as seen in  
Landsat. In: Proceedings on the Symposium on  
Machine Processing of Remotely Sensed Data.  
Purdue, pp. 41-51.  
CONEGLIANO, O. 2018. Comportamiento en pastoreo  
del ganado bovino criollo argentino y aberdeen  
angus ecotipo riojano, en pastizales naturales  
del Chaco Árido. Tesis de Maestría. Universidad  
Nacional de Mar de Plata, Argentina.  
CONGALTON, R. G. 1991. A review of assessing the  
accuracy of classifications of remotely sensed data.  
Remote Sensing Environm. 37: 35-46.  
https://doi.org/10.1016/0034-4257(91)90048-B  
CONGALTON, R.G., K. GREEN. 1999. Assessing the  
accuracy of remotely sensed data: principles and  
practices. 3ra ed. Boca Raton, Minnesota. USA.  
MALDONADO, F., V. CARVALHO, C. DE SOUS, M.  
MARTINELLI, J. PINHEIRO & F. FERNANDES  
DO SANTOS. 2004. Determinación de la longitud  
de transecta para el relevamiento fisonómico  
estructural del semiárido para suministrar datos a las  
técnicas de percepción remota orbital. Multequina  
13:01-14.  
629  
Bol. Soc. Argent. Bot. 55 (4) 2020  
MÁRQUEZ, J., E. MARTÍNEZ CARRETERO, A.  
DALMASSO, G. PASTRÁN & G. ORTIZ. 2005.  
Las áreas protegidas de la provincia de San Juan  
REYNOLDS, J. & D.M. STAFFORD SMITH. 2002. Do  
humans cause deserts?. Dahlem Workshop Report  
88. Berlin.  
(
Argentina) II. La vegetación del Parque Provincial  
RICHARDS, J. & X. JIA. 2006. Remote Sensing Digital  
Image Analysis. 4ta ed. Springer-Verlag, Berlin.  
ROSENFIELD, G. H. & K. FITZPATRICK-LINS. 1986.  
A coefficient of agreement as a measure of thematic  
classification accuracy. Remote Sensing 52: 223-  
227.  
SAGA GIS. 2017. System for Automated Geoscientific  
Analyses. Versión 2.3.2. Disponible en: http://www.  
saga-gis.org/en/index.html  
SALA, O. & J. PARUELO. 1997. Ecosystem services in  
grasslands. In: G. DAILY (ed). Nature´s Services:  
Societal dependence on natural ecosystems, pp. 237-  
252 Island Press, California. EE.UU.  
SCAGLIA, J., J. CARNINO & C. MEGLIOLI. 2018.  
Evaluación de pastizales en áreas degradadas de la  
localidad de Las Trancas - 25 de Mayo -San Juan.  
VIII Congreso Nacional y IV Congreso del Mercosur  
de Pastizales Naturales. La Rioja. Argentina.  
de Ischigualasto. Multequina 14: 1-27.  
MARTINELLI, M. & E. MARTÍNEZ CARRETERO.  
2
014. Matorrales forrajeros en zonas áridas:  
indicadores de estado. Multequina 23: 29-40.  
MARTINELLI, M. 2009. Caracterización de la  
degradación de tierras en sistemas productivos de  
zonas áridas, en Valle Fértil, noreste de San Juan,  
Argentina. Identificación de indicadores. Tesis  
Doctoral. Universidad Nacional de Río Cuarto.  
Córdoba.  
MARTINELLI, M., J. CARMONA CROCCO, R.  
TAPIA & M. GAVIORNO. 2017. Comunidades  
forrajeras del Monte: aportes para pensar el manejo  
de la ganadería integrada en el bosque árido  
de San Juan (Argentina). 1º Encuentro nacional  
sobre periurbanos e interfases críticas, 2ª Reunión  
científica del PNNAT, Córdoba. Argentina.  
MIRANDA, O. 2015. El riego en la provincia de  
San Juan, Argentina: su dinámica institucional en  
los últimos dos siglos. Agricultura, sociedad y  
desarrollo 12: 385-408.  
SUVIRES, G. & P. LUNA. 2008. Unidades  
geomorfológicas ambientales del sur del oasis del  
Tulum, Andes Centrales de Argentina. Multequina  
17: 109-128.  
MOSTACEDO, B. & T. FREDERICKSEN. 2000.  
Manual de método básico de muestreo y análisis en  
ecología vegetal. El País, Santa Cruz de la Sierra.  
PARUELO, J. 2008. La caracterización funcional  
de ecosistemas mediante sensores remotos.  
Ecosistemas. 17:4-22.  
VERA, G., L. BLANCO. & C.A. FERRANDO. 2003.  
Relaciones entre la pobreza rural y el deterioro de  
los recursos forrajeros por prácticas ganaderas  
comunitarias en los Llanos de La Rioja. Ediciones  
INTA, Buenos Aires.  
VILLAGRA, P., C. GIORDANO, J. ALVAREZ, J.  
CAVAGNARO, A. GUEVARA, C. SARTOR, C.  
PASSERA & S. GRECO. 2011. Ser planta en el  
desierto: estrategias de uso de agua y resistencia  
al estrés hídrico en el Monte Central de Argentina.  
Ecol. Austral 21: 29-42.  
ZAMBRANO, J.J. & G. SUVIRES. 1987. La estructura  
superficial y profunda en el valle de Tulum, provincia  
de San Juan. X Cong. Geol. Arg. TI. San Miguel de  
Tucumán. pp:11-19.  
ZERDA, R. & J. TIEDEMANN. 2010. Dinámica  
temporal del NDVI del bosque y pastizal natural en  
el Chaco Seco de la Provincia de Santiago del Estero,  
Argentina. Revista Ambiência 6: 13-24.  
PASSERA, C., A. DALMASSO & O. BORSETTO.  
1
983. Método de Point Quadrat modificado. Taller  
sobre arbustos forrajeros de zonas árida y semiárida  
35-152.  
1
POBLETE, A. & J. MINETTI. 1999. Configuración  
espacial del clima de San Juan. Síntesis del  
Cuaternario de la Provincia de San Juan. 11º  
Reunión de Campo del Cuaternario. INGEO,  
Universidad Nacional de San Juan, San Juan.  
QGIS, EQUIPO DE DESARROLLO. 2017. Sistema de  
información geográfica de código abierto. Fundación  
Fuente Geoespacial. Versión 2.18.20. Disponible en:  
https://qgis.org/es/site  
630