From fa32e81a9e89bc6ae362210ac71593a0f93b47ad Mon Sep 17 00:00:00 2001 From: Emily Soth Date: Mon, 29 Apr 2024 11:23:11 -0700 Subject: [PATCH] add new ES files --- source/es/annual_water_yield.rst | 7 + source/es/carbon_edge.rst | 11 +- source/es/carbonstorage.rst | 8 +- source/es/coastal_vulnerability.rst | 8 +- source/es/crop_production.rst | 2 +- source/es/croppollination.rst | 10 +- source/es/data_sources.rst | 98 +++- source/es/delineateit.rst | 13 +- source/es/getting_started.rst | 62 ++- source/es/habitat_quality.rst | 10 +- source/es/habitat_risk_assessment.rst | 21 +- source/es/index.rst | 65 ++- source/es/input_types.rst | 2 +- source/es/ndr.rst | 45 +- source/es/recreation.rst | 4 +- source/es/routedem.rst | 12 +- source/es/scenic_quality.rst | 29 +- source/es/sdr.rst | 144 ++--- source/es/seasonal_water_yield.rst | 45 +- source/es/stormwater.rst | 27 +- source/es/the_need_for.rst | 47 +- source/es/urban_cooling_model.rst | 12 +- source/es/urban_flood_mitigation.rst | 9 +- source/es/urban_nature_access.rst | 723 +++++++++++++++++++++++++- source/es/wave_energy.rst | 2 +- source/es/wind_energy.rst | 11 +- 26 files changed, 1164 insertions(+), 263 deletions(-) diff --git a/source/es/annual_water_yield.rst b/source/es/annual_water_yield.rst index fba3ed9d..793f3b21 100644 --- a/source/es/annual_water_yield.rst +++ b/source/es/annual_water_yield.rst @@ -370,6 +370,13 @@ Introduzca esta ecuación en la *Calculadora de rásters*, ajustando los nombres 5. El ráster resultante debe contener valores en el rango de 0-100, que representan porcentajes de números enteros. El modelo requiere que el AWC se dé en forma de fracción, por lo que hay que dividir el ráster calculado en el paso 4 por 100. 6. Reproyecte la capa de la fracción del AWC para que tenga el mismo sistema de coordenadas proyectado que sus otros inputs del modelo. Este ráster se puede utilizar ahora como el input del contenido de agua disponible en el modelo. +Otras fuentes de datos +^^^^^^^^^^^^^^^^^^^^^^ + +En Estados Unidos se pueden obtener datos gratuitos sobre el suelo en las bases de datos NRCS gSSURGO, SSURGO y gNATSGO del Departamento de Agricultura: https://www.nrcs.usda.gov/wps/portal/nrcs/main/soils/survey/geo/. También proporcionan herramientas ArcGIS (Soil Data Viewer para SSURGO y Soil Data Development Toolbox para gNATSGO) que ayudan a procesar estas bases de datos en datos espaciales que pueden ser utilizados por el modelo. La Soil Data Development Toolbox es la más fácil de usar y la más recomendada si utiliza ArcGIS y necesita procesar datos de suelos de Estados Unidos. + +Otra herramienta destacable es SPAW Soil Water Characteristics https://www.ars.usda.gov/research/software/download/?softwareid=492, que ayuda a estimar el PAWC cuando se dispone de datos sobre la textura del suelo. Sin embargo, no acepta datos espaciales directamente. Como mínimo, usted proporciona valores únicos para % de arena y % de arcilla y se calcula un valor único para el agua disponible. Si dispone de datos adicionales sobre materia orgánica, grava, etc., también puede introducirlos para afinar el resultado. El valor de agua disponible calculado por la herramienta deberá aplicarse a la capa espacial del suelo. Si sus datos de suelo son complejos, con muchas texturas diferentes o combinaciones de %arena y %arcilla, entonces este método será muy tedioso y consumirá mucho tiempo. Pero se puede aplicar con bastante facilidad si solo se dispone de unos pocos valores de textura. + Profundidad de las raíces ------------------------- diff --git a/source/es/carbon_edge.rst b/source/es/carbon_edge.rst index 8542efe0..6de67ef0 100644 --- a/source/es/carbon_edge.rst +++ b/source/es/carbon_edge.rst @@ -49,7 +49,16 @@ Donde, - d\ :sub:`i` es la distancia del píxel p al centroide del modelo de biomasa i\ :sup:`th` . -El carbono calculado para las clases no forestales sigue la metodología del modelo de carbono InVEST, asignando valores basados en los datos del inventario forestal designados en la tabla biofísica. Los mapas de carbono que siguen este enfoque de inventario y el enfoque de efectos de borde se se fusionan en el mapa de carbono final, de manera que las cubiertas forestales presenten efectos de borde y todas las demás cubiertas terrestres no. +El carbono calculado para las clases no forestales sigue la metodología del modelo de carbono InVEST, asignando valores basados en los datos del inventario forestal designados en la tabla biofísica. Los mapas de carbono que siguen este enfoque de inventario y el enfoque de efectos de borde se se fusionan en el mapa de carbono final, de manera que las cubiertas forestales presenten efectos de borde y todas las demás cubiertas terrestres no lo hacen. + +Limitaciones y simplificaciones +------------------------------- + +Los datos del efecto de borde solo se proporcionan para las regiones tropicales. Para ver si se solapa con su área de estudio, lleve la capa de datos de muestra *core_data/forest_carbon_edge_regression_model_parameters.shp* a un SIG. Si los datos de regresión no cubren su área de estudio, no podrá utilizar el modelo para calcular los efectos de borde. + +Los datos de efectos de borde solo se proporcionan para el carbono por encima del suelo. Si desea incluir el carbono subterráneo, el suelo o la materia muerta en los cálculos, puede proporcionar estos datos por clase de uso de la tierra en la tabla de reservas de carbono. + +Los datos de efectos de borde por defecto que se proporcionan con el modelo están pregenerados y tienen una resolución de 100 km x 100 km. Si desea utilizar datos de efectos de borde diferentes, o una resolución diferente, tendrá que crear estos datos usted mismo y fuera del modelo. Necesidades de datos -------------------- diff --git a/source/es/carbonstorage.rst b/source/es/carbonstorage.rst index f24c1c6e..f69a96fc 100644 --- a/source/es/carbonstorage.rst +++ b/source/es/carbonstorage.rst @@ -9,6 +9,8 @@ Resumen Los ecosistemas terrestres, que almacenan más carbono que la atmósfera, son fundamentales para influir en el cambio climático provocado por el dióxido de carbono. El modelo InVEST de almacenamiento y secuestración de carbono utiliza mapas de uso de la tierra junto con las existencias de cuatro reservas de carbono (biomasa aérea, biomasa subterránea, suelo y materia orgánica muerta) para estimar la cantidad de carbono actualmente almacenada en un paisaje o la cantidad de carbono secuestrado a lo largo del tiempo. Opcionalmente, se puede utilizar el valor social o de mercado del carbono secuestrado, su tasa de cambio anual y una tasa de descuento para estimar el valor de este servicio ecosistémico para la sociedad. Las limitaciones del modelo incluyen un ciclo del carbono demasiado simplificado, un cambio lineal supuesto en la secuestración de carbono a lo largo del tiempo y tasas de descuento potencialmente inexactas. +.. nota:: Este modelo de carbono es extremadamente sencillo. Solo incluye cuatro reservas de carbono y un mapa de ocupación del suelo. Proporciona una forma cómoda de asignar los valores de los reservorios de carbono a un mapa de la cubierta terrestre, pero NO incluye ninguna complejidad biofísica o dinámica como el crecimiento de los árboles, la evolución de la química del suelo o la incorporación de los efectos de los cambios de temperatura o precipitación a lo largo del tiempo. Si necesita modelizar algo más complejo que las reservas estáticas de carbono y los mapas de ocupación del suelo, tendrá que utilizar un modelo de carbono diferente. + Introducción ============ @@ -72,7 +74,7 @@ Para realizar el análisis del escenario REDD, el modelo requiere tres mapas LUL Sobre la base de estos tres mapas LULC para los escenarios actuales, de referencia y de política REDD, el modelo biofísico del carbono produce rásters para el almacenamiento total de carbono para cada uno de los tres mapas LULC, y dos rásters de secuestración para los escenarios futuros y REDD. Limitaciones y simplificaciones -------------------------------- +=============================== El modelo simplifica el ciclo del carbono, lo que le permite funcionar con relativamente poca información, pero también conlleva importantes limitaciones. Por ejemplo, el modelo supone que ninguno de los tipos de LULC del paisaje gana o pierde carbono con el tiempo. En cambio, se supone que todos los tipos de LULC se encuentran en un nivel de almacenamiento fijo igual a la media de los niveles de almacenamiento medidos dentro de ese tipo de LULC. Bajo este supuesto, los únicos cambios en el almacenamiento de carbono a lo largo del tiempo se deben a los cambios de un tipo LULC a otro. Por lo tanto, cualquier píxel que no cambie su tipo de LULC tendrá un valor de secuestración de 0 a lo largo del tiempo. En realidad, muchas zonas se están recuperando del uso de la tierra en el pasado o están experimentando una sucesión natural. El problema puede abordarse dividiendo los tipos de LULC en clases de edad (esencialmente añadiendo más tipos de LULC), como tres edades de bosque. Entonces, las parcelas pueden pasar de una clase de edad a otra en los escenarios y cambiar sus valores de almacenamiento de carbono como resultado. @@ -145,10 +147,10 @@ Necesidades de datos Interpretación de los resultados --------------------------------- +================================ *Carpeta **[Workspace]**: - * **Registro de parámetros**: cada vez que se ejecute el modelo, se creará un archivo de texto (.txt) en el Espacio de trabajo. El archivo enumerará los valores de los parámetros y los mensajes resultantes para esa ejecución y se nombrará según el servicio, la fecha y la hora. Cuando se ponga en contacto con NatCap por errores en una ejecución del modelo, incluya el registro de parámetros. + * **Registro de parámetros**: cada vez que se ejecute el modelo se creará un archivo de texto (.txt) en el Espacio de trabajo. El archivo enumerará los valores de los parámetros y los mensajes resultantes para esa ejecución y se nombrará según el servicio, la fecha y la hora. Cuando se ponga en contacto con NatCap por errores en una ejecución del modelo, incluya el registro de parámetros. * **report_[Suffix].html:** Este archivo presenta un resumen de todos los datos calculados por el modelo. También incluye descripciones de todos los demás archivos resultantes producidos por el modelo, por lo que es un buen lugar para empezar a explorar y comprender los resultados del modelo. Como se trata de un archivo HTML, puede abrirse con cualquier navegador web. diff --git a/source/es/coastal_vulnerability.rst b/source/es/coastal_vulnerability.rst index 70f22cb8..d9386739 100644 --- a/source/es/coastal_vulnerability.rst +++ b/source/es/coastal_vulnerability.rst @@ -387,8 +387,8 @@ Resultados intermedios .. _cv-appendix-a: -Apéndice A -========== +Apéndice 1: definiciones geomorfológicas +======================================== En este apéndice se presentan las definiciones de los términos presentados en la clasificación geomórfica de :ref:`ranking-table`. Algunas de ellas proceden de Gornitz et al. (1997) y del USACE (2002). @@ -434,8 +434,8 @@ Playa de barrera .. _cv-appendix-b: -Apéndice B -========== +Apéndice 2: Fuentes de datos +============================ El modelo requiere datos geofísicos, biológicos, atmosféricos y de población a gran escala. La mayor parte de esta información puede obtenerse a partir de estudios anteriores, dispositivos meteorológicos y oceanográficos, y bases de datos por defecto proporcionadas con el modelo. En esta sección, se proponen varias fuentes para las diferentes capas de datos que requiere el modelo, y se describen los métodos para rellenar la interfaz de inputs discutida en la sección :ref:`cv-data-needs`. diff --git a/source/es/crop_production.rst b/source/es/crop_production.rst index 41662a0c..e0845dda 100644 --- a/source/es/crop_production.rst +++ b/source/es/crop_production.rst @@ -100,7 +100,7 @@ El algoritmo del modelo regresión es el siguiente, para cada tipo de cultivo (l Donde :math:`N_{GC}, P_{GC}, K_{GC}` son las tasas de fertilización suministradas por usted (N = nitrógeno, P = fósforo, K = potasio), y los demás parámetros de regresión se proporcionan como datos globales al modelo. Limitaciones y simplificaciones -------------------------------- +=============================== La versión actual del modelo es un modelo global grueso conducido principalmente por el clima y opcionalmente por la gestión. Por tanto, este modelo no es capaz de captar la variación de la productividad que se produce en paisajes heterogéneos. Una ladera rocosa y un valle fluvial fértil, si comparten el mismo clima, tendrían el mismo rendimiento en el modelo actual. Esto es un problema si la cuestión de interés es dónde priorizar la futura conversión del hábitat, o dónde la agricultura es más productiva y menos destructiva. diff --git a/source/es/croppollination.rst b/source/es/croppollination.rst index 65b3949c..6319c14b 100644 --- a/source/es/croppollination.rst +++ b/source/es/croppollination.rst @@ -127,7 +127,7 @@ La proporción del rendimiento total de los cultivos atribuible a los polinizado :label: (pol. 10) Limitaciones y simplificaciones -------------------------------- +=============================== Este modelo es un modelo basado en índices y solo estima los patrones relativos de abundancia de polinizadores y la contribución de la polinización al rendimiento de los cultivos. Esto se debe a que rara vez se dispone de estimaciones absolutas de la densidad de nidos, la disponibilidad de recursos y la abundancia de polinizadores, y a que las funciones de rendimiento (incluida la abundancia de polinizadores) para muchos cultivos están mal definidas. El hecho de basarse en índices relativos limita nuestra capacidad de estimar valores económicos absolutos para fundamentar mejor la toma de decisiones sobre la planificación del uso de la tierra, a menudo basada en análisis de costos y beneficios. @@ -237,8 +237,8 @@ Resultados intermedios También puede examinar los resultados intermedios. Estos archivos pueden ayudar a determinar las razones de los patrones en los resultados finales, y también pueden ser utilizados para entender mejor el modelo, y solucionar problemas. Se encuentran en la carpeta *resultados_intermedios* (*intermediate_outputs*) dentro del directorio del espacio de trabajo definido para la ejecución del modelo, y la mayoría de ellos tienen nombres de archivo que dan una buena idea de lo que representa la capa. -Apéndice: Tabla de variables -============================ +Apéndice 1: Tabla de variables +============================== * :math:`x` - una coordenada de píxel. * :math:`X` - conjunto de todos los píxeles del mapa de la cobertura del suelo. @@ -271,8 +271,8 @@ Apéndice: Tabla de variables * :math:`YW(f)` - proporción del rendimiento medio de la finca para la parcela :math:`f` atribuible a los polinizadores silvestres, considerando la dependencia de los polinizadores del cultivo. * :math:`\nu(f)` - proporción del rendimiento del cultivo que depende de la polinización. -Apéndice: Fuentes de datos -========================== +Apéndice 2: Fuentes de datos +============================ .. note:: Los datos de muestra solo sirven para ilustrar la estructura de datos y no deben utilizarse como fuente de datos. diff --git a/source/es/data_sources.rst b/source/es/data_sources.rst index c374468a..0903e8fd 100644 --- a/source/es/data_sources.rst +++ b/source/es/data_sources.rst @@ -30,20 +30,21 @@ Uso del suelo/cobertura del suelo --------------------------------- El uso de la tierra/cobertura del suelo (LULC) describe las propiedades físicas de la tierra y/o el modo en que la gente la utiliza (bosque, humedal, agua, pavimentado, agrícola, reserva natural, etc.). Para mostrar los datos en formato ráster, cada categoría LULC se asigna a un código entero (estos códigos no tienen que ser consecutivos u ordenados). Las brechas de datos desconocidos deben aproximarse siempre que sea posible para evitar que falten datos (agujeros) en las capas resultantes. -Los datos globales de uso del suelo están disponibles en: +Los datos globales de uso del suelo están disponibles en varias fuentes, incluyendo: * NASA: https://lpdaac.usgs.gov/products/mcd12q1v006/ (datos plurianuales de la cubierta terrestre mundial de MODIS proporcionados en varias clasificaciones) - * The European Space Agency: http://www.esa-landcover-cci.org/ (Tres mapas globales para las épocas de 2000, 2005 y 2010) + * European Space Agency WorldCover a 10m de resolución: https://esa-worldcover.org/ + * European Space Agency Climate Change Initiative land cover a 300m de resolución: https://www.esa-landcover-cci.org/ Los datos correspondientes a los Estados Unidos son proporcionados por el USGS y el Departamento del Interior a través de la base de datos nacional sobre la cubierta terrestre: https://www.usgs.gov/centers/eros/science/national-land-cover-database La categorización más sencilla de LULC en el paisaje implica la delimitación solo por la cubierta del suelo (por ejemplo, tierras de cultivo, bosques, pastizales). Existen varias clasificaciones globales y regionales de la cubierta terrestre (por ejemplo, Anderson et al. 1976), y a menudo se ha realizado una clasificación detallada de la cubierta terrestre para el paisaje de interés. Muchos países disponen de mapas nacionales de LULC que pueden utilizarse. -Una clasificación de LULC más sofisticada implica dividir los tipos de LULC relevantes en tipos más significativos. Por ejemplo, las clases de tierras agrícolas podrían dividirse en diferentes tipos de cultivos. Los bosques podrían dividirse en especies específicas o categorías de edad. Cuando se disponga de datos, se pueden estratificar los tipos de LULC por variables, como precipitaciones, temperatura, elevación, etc., que son conocidas por afectar las propiedades que se están modelizando. +Es importante evaluar cualquier mapa de ocupación del suelo para comprobar su precisión en la zona de estudio. Los productos globales, en particular, suelen ser más precisos en algunos lugares (o con algunos tipos de cobertura del suelo) que en otros. La categorización de los tipos de uso del suelo depende del modelo y de la cantidad de datos disponibles para cada uno de los tipos de suelo. Normalmente, el input de la tabla biofísica asigna ciertos parámetros biofísicos relevantes a cada código LULC. Solo se debería dividir un tipo de LULC si esto proporciona más precisión en la modelización. Por ejemplo, solo debe dividir los "cultivos" en diferentes tipos de cultivos si tiene información sobre la diferencia de los parámetros biofísicos relevantes. -*Ejemplo de tabla de uso y cobertura del suelo* +*Ejemplo típico de tabla de uso y cobertura del suelo - la suya probablemente sea diferente* ====== ======================================= lucode Uso del suelo/cobertura del suelo @@ -80,7 +81,9 @@ Nótese que varias fuentes, incluido el IPCC (2006), informan en unidades de bio Carbono almacenado en la biomasa aérea ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -Una buena fuente de datos, aunque muy general, para el almacenamiento de carbono es la metodología del Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC) de 2006 para determinar los inventarios de gases de efecto invernadero en el sector de la agricultura, la silvicultura y otros usos de la tierra (AFOLU) (https://www.ipcc-nggip.iges.or.jp/public/2006gl/vol4.html). Para utilizar este conjunto de información del IPCC, debe conocer el dominio climático y la región de su sitio; utilice los datos de la Tabla 4.1 en la página 4.46 y una copia digital del mapa de ecorregiones de la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) (http://www.fao.org/geonetwork/srv/en/main.home) para averiguarlo. Las tablas 5.1 a 5.3 (p. 5.9) del IPCC (2006) ofrecen estimaciones de la biomasa aérea en tierras agrícolas con biomasa leñosa perenne (por ejemplo, huertos frutales, agrosilvicultura, etc.). Las tablas 4.7, 4.8 y 4.12 ofrecen estimaciones de la biomasa aérea para los tipos de bosque natural y de plantación. Ruesch y Gibbs (2008) trazaron los datos de almacenamiento de carbono de la biomasa aérea del IPCC (2006) a partir de los datos de la cubierta terrestre del año 2000, a los que se puede acceder aquí: https://cdiac.ess-dive.lbl.gov/epubs/ndp/global_carbon/carbon_documentation.html. +Una buena fuente de datos, aunque muy general, para el almacenamiento de carbono es la metodología de 2006 del Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC) para determinar los inventarios de gases de efecto invernadero en el sector de la agricultura, la silvicultura y otros usos de la tierra (https://www.ipcc-nggip.iges.or.jp/public/2006gl/vol4.html). Para utilizar este conjunto de información del IPCC, debe conocer el dominio climático y la región de su emplazamiento; utilice los datos de la Tabla 4.1 de la página 4.46 y una copia digital del mapa de ecorregiones de la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) (http://www.fao.org/geonetwork/srv/en/main.home) para averiguarlo. Las tablas 5.1 a 5.3 (p. 5.9) del IPCC (2006) ofrecen estimaciones de la biomasa aérea en tierras agrícolas con biomasa leñosa perenne (por ejemplo, huertos frutales, agrosilvicultura, etc.). Las tablas 4.7, 4.8 y 4.12 ofrecen estimaciones de biomasa aérea para tipos de bosques naturales y plantaciones. + +Ruesch y Gibbs (2008) cartografiaron los datos de almacenamiento de carbono en biomasa aérea del IPCC (2006) a partir de los datos de cobertura terrestre del año 2000, a los que se puede acceder en: https://cdiac.ess-dive.lbl.gov/epubs/ndp/global_carbon/carbon_documentation.html. Lamentablemente, estos datos no están bien documentados, pero "lut.zip" contiene una tabla de valores de carbono para cada ecorregión. La tabla no enumera las unidades explícitamente, pero los archivos .xml de metadatos indican que los valores están en toneladas de C por hectárea. Se pueden encontrar otras fuentes generales de estimaciones de almacenamiento de carbono. Por ejemplo, Grace et al. (2006) estiman el promedio de almacenamiento de carbono por encima del suelo (hoja + madera) para los principales ecosistemas de sabana de todo el mundo (Tabla 1). Houghton (2005) da el almacenamiento de carbono por encima del suelo para los tipos de bosques naturales y de plantación, por continente (Tablas 1 y 3). Brown et al. (1989) ofrecen estimaciones de la biomasa aérea de los bosques tropicales de hoja ancha en función del uso de la tierra: no perturbado, talado y no productivo (Tabla 7). También existen fuentes de datos de almacenamiento de carbono específicas para cada región. Las que hemos encontrado incluyen: @@ -163,7 +166,9 @@ Precipitación anual y mensual ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ La precipitación puede interpolarse a partir de datos puntuales de pluviómetros a largo plazo. Al considerar los datos de los pluviómetros, asegúrese de que brinden una buena cobertura sobre el área de interés, especialmente si hay grandes cambios en la elevación que hacen que las cantidades de precipitación sean heterogéneas dentro del área de estudio. Idealmente, los medidores tendrán al menos 10 años de datos continuos, sin grandes brechas, aproximadamente el mismo período de tiempo que el mapa de uso del suelo/cobertura del suelo utilizado como input. Debe incluirse la precipitación en forma de nieve. -Los conjuntos de datos globales de los modelos de detección remota pueden dar cuenta de áreas remotas si los datos de campo no están disponibles. Puede utilizar datos aproximados de los conjuntos de datos globales disponibles de forma gratuita desarrollados por la Unidad de Investigación Climática: http://www.cru.uea.ac.uk or WorldClim: https://www.worldclim.org/. +Los conjuntos de datos globales procedentes de modelos de teledetección pueden dar cuenta de zonas remotas si no se dispone de datos de campo. Se pueden utilizar datos gruesos de los conjuntos de datos globales de libre acceso desarrollados por la Unidad de Investigación Climática: http://www.cru.uea.ac.uk o WorldClim: https://www.worldclim.org/, entre otros. Un lugar útil para buscar datos sobre precipitaciones es la Guía de Datos Climáticos del NCAR: https://climatedataguide.ucar.edu/climate-data. + +Algunas fuentes (como WorldClim) proporcionan 12 rásteres de precipitaciones medias mensuales. Para utilizarlos en el modelo de rendimiento hídrico anual, los rásteres mensuales deben sumarse para calcular un mapa de precipitaciones medias anuales. Dentro de los Estados Unidos, el grupo PRISM de la Universidad Estatal de Oregón proporciona datos de precipitación gratuitos con una resolución de 30 segundos de arco. Visite su sitio web en https://prism.oregonstate.edu/ y navegue hasta '800m Normals' para descargar datos. @@ -197,12 +202,15 @@ Puede calcular la ET de referencia mediante el desarrollo de cuadrículas mensua Puede calcular la ET de referencia mediante el desarrollo de cuadrículas mensuales promedio de precipitación y temperaturas máximas y mínimas (también disponibles en WorldClim y CRU) que deben incorporar los efectos de la elevación al interpolar desde las estaciones de observación. Los datos para desarrollar estas cuadrículas mensuales de precipitación y temperatura siguen el mismo proceso en el desarrollo de las cuadrículas de 'Precipitación mensual'. -Una forma sencilla de determinar la evapotranspiración de referencia es la ecuación de 'Hargreaves modificada' (Droogers y Allen, 2002), que genera resultados superiores a los de Pennman-Montieth cuando la información es incierta. +Una forma sencilla de determinar la evapotranspiración de referencia es la ecuación "Hargreaves modificada" (Droogers y Allen, 2002), que genera resultados superiores a la Pennman-Montieth cuando la información es incierta. .. math:: ET_0 = 0.0013\times 0.408\times RA\times (T_{av}+17)\times (TD-0.0123 P)^{0.76} -El método de 'Hargreaves modificado' utiliza el promedio de las temperaturas máximas diarias medias y mínimas diarias medias para cada mes ('Tavg' en grados Celsius), la diferencia entre las máximas diarias medias y las mínimas diarias medias para cada mes ('TD'), radiación extraterrestre (:math:`RA` en :math:`\mathrm{MJm^{-2}d^{-1}}`) y precipitación (:math:`P` en mm por mes), todo lo cual puede obtenerse con relativa facilidad. Los datos de temperatura y precipitación suelen estar disponibles en gráficos regionales, mediciones directas o conjuntos de datos nacionales o mundiales. Los datos de radiación, por otro lado, son mucho más costosos de medir directamente, pero se pueden estimar de manera confiable a partir de herramientas, tablas o ecuaciones en línea. FAO Irrigation Drainage Paper 56 (Allan (1998)) proporciona datos mensuales de radiación en el Anexo 2. Seleccione valores para la latitud más cercana a su área de estudio. Otra opción es usar una herramienta SIG para calcular la radiación solar para su área de estudio específica y usar esta capa espacial como input para el cálculo de Hargreaves modificado. +El método "Hargreaves modificado" utiliza la media de las temperaturas máximas y mínimas medias diarias de cada mes (`Tavg` en grados Celsius), la diferencia entre las temperaturas máximas y mínimas medias diarias de cada mes (`TD`), la radiación extraterrestre (:math:`RA` en :math:`\mathrm{MJm^{-2}d^{-1}}) y la precipitación media mensual (:math:`P` en mm por mes), todo lo cual puede obtenerse con relativa facilidad. + +Puede utilizar esta ecuación en datos ráster. Tenga en cuenta que calcula la ET0 media diaria, por lo que el resultado deberá multiplicarse por el número de días del mes cuyos valores de entrada esté utilizando, y deberá ejecutarse una vez para cada mes. Los rásteres ET0 mensuales resultantes pueden utilizarse en el modelo de Rendimiento Hídrico Estacional. Para el modelo de Rendimiento Hídrico Anual, sume los ráster ET0 mensuales para obtener la ET0 media anual. +Los datos de temperatura y precipitación suelen obtenerse a partir de gráficos regionales, mediciones directas o conjuntos de datos nacionales o mundiales (como WorldClim). Para los datos de radiación, por otra parte, es mucho más caro medirlos directamente, pero pueden estimarse de forma fiable a partir de herramientas, tablas o ecuaciones en línea. El documento de la FAO Irrigation Drainage Paper 56 (Allan (1998)) ofrece datos mensuales sobre radiación en el Anexo 2; para utilizarlos, seleccione los valores correspondientes a la latitud más cercana a su zona de estudio. Otra opción es utilizar una herramienta SIG para calcular la radiación solar de su zona de estudio específica y utilizar esta capa espacial como entrada para el cálculo de Hargreaves modificado. La evapotranspiración de referencia también se puede calcular mensual y anualmente utilizando la ecuación de Hamon (Hamon 1961, Wolock y McCabe 1999): .. math:: PED_{Hamon} = 13.97 d D^2W_t @@ -225,7 +233,7 @@ Los valores del coeficiente de evapotranspiración ( :math:`K_c`) para los culti .. math:: K_c = \frac{\sum^{12}_{m=1}K_{cm}\times ET_{o_m}}{\sum^{12}_{m=1}ET_{o_m}} -donde :math:`K_{cm}` es un coeficiente de cosecha promedio del mes :math:`m` (1-12) y :math:`ET_{o_m}` es la evapotranspiración de referencia correspondiente. Estos valores también se pueden calcular utilizando la siguiente hoja de cálculo: https://naturalcapitalproject.stanford.edu/sites/g/files/sbiybj9321/f/kc_calculator.xlsx. Los valores para :math:`K_c` deben ser decimales entre 0 y 1,5. +donde :math:`K_{cm}` es un coeficiente de cosecha promedio del mes :math:`m` (1-12) y :math:`ET_{o_m}` es la evapotranspiración de referencia correspondiente. Estos valores también se pueden calcular utilizando la siguiente hoja de cálculo: https://github.com/natcap/invest.users-guide/raw/main/data-sources_calculator.xlsx. Los valores para :math:`K_c` deben ser decimales entre 0 y 1,5. Los valores para otros tipos de vegetación se pueden estimar usando las relaciones del índice de área foliar (IAF). IAF caracteriza el área de hoja verde por unidad de área de superficie del suelo y se puede obtener mediante productos de imágenes satelitales derivados del análisis NDVI. Una típica relación IAF - :math:`K_c` es la siguiente(Allen et al., 1998, Chapter 6: http://www.fao.org/3/x0490e/x0490e0b.htm): @@ -266,8 +274,8 @@ Los datos de la cuenca del alcantarillado pueden estar disponibles en los munici .. _tfa: -Threshold Flow Accumulation -^^^^^^^^^^^^^^^^^^^^^^^^^^^ +Umbral de acumulación de flujo +^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ El umbral de acumulación de flujo (UAF) es un parámetro de algoritmo de delineación de flujo que especifica la cantidad de píxeles pendiente arriba que deben fluir en un píxel antes de que se clasifique como corriente. No hay un valor "correcto" para el UAF. El valor correcto para su aplicación es el valor que hace que el modelo cree una capa de corrientes que se parezca lo más posible a la red de corrientes del mundo real en la cuenca. Compare el resultado ráster de la red de corrientes con un mapa de corrientes correcto conocido y ajuste el UAF concomitantemente: valores más grandes de UAF crearán redes de corrientes con menos afluentes, valores más pequeños de UAF crearán redes de corrientes con más afluentes. Un buen valor para empezar es 1000, pero tenga en cuenta que esto puede variar mucho según la resolución del MDE, el clima local y la topografía. Tenga en cuenta que, por lo general, las corrientes delineadas de un MED no coinciden exactamente con el mundo real, así que intente acercarse lo más posible. Si las corrientes modelizadas son muy diferentes, considere probar un DEM diferente. Se puede obtener una capa global de corrientes de HydroSHEDS: https://hydrosheds.org/, pero tenga en cuenta que generalmente son los ríos más importantes y es posible que no incluyan los de su área de estudio, especialmente si tiene pequeños afluentes. También puede intentar buscar secuencias en Google Earth si no hay más mapas localizados disponibles. @@ -335,8 +343,72 @@ Los mapas de infraestructura construida se pueden obtener de la muncipalidad o d Referencias ----------- -Allan, Richard, Pereira, L. y Smith, Martin. (1998). Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56. +Allen, R.G., Pereira, L.S., Raes, D. y Smith, M., 1998. "Crop evapotranspiration. Guidelines for computing crop water requirements." FAO Irrigation and Drainage Paper 56. Food and Agriculture Organization of the United Nations, Rome, Italy. Paper available at http://www.fao.org/3/x0490e/x0490e00.htm. Annex 2 available at: http://www.fao.org/3/X0490E/x0490e0j.htm. + +Baer, SG, DJ Kitchen, JM Blair y CW Rice. 2002. Changes in Ecosystem Structure and Function along a Chronosequence of Restored Grasslands. Ecological Applications 12:1688-1701. + +Bernoux, M., MDS Carvalho, B. Volkoff y CC Cerri. 2002. Brazil's soil carbon stocks. Soil Science Society of America Journal 66:888-896. + +Brown, S. Estimating Biomass and Biomass Change of Tropical Forests: a Primer. FAO Forestry Department; 1997. Report for FAO Forestry Paper 134. + +Brown, SL, PE Schroeder y JS Kern. Spatial distribution of biomass in forests of the eastern USA.Forest Ecology and Management 123 (1999) 81-90. + +Brown, S. 2002. Measuring carbon in forests: current status and future challenges. Environmental Pollution 116:363-372. + +Cairns, MA, S. Brown, EH Helmer y GA Baumgardner. 1997. Root biomass allocation in the world's upland forests. Oecologia 111:1-11. + +Cairns, MA, PK Haggerty, R. Alvarez, BHJ De Jong y I. Olmsted. 2000. Tropical Mexico's recent land-use change: A region's contribution to the global carbon cycle. Ecological Applications 10:1426-1441. + +Coomes, DA, RB Allen, NA Scott, C. Goulding y P. Beets. 2002. Designing systems to monitor carbon stocks in forests and shrublands. Forest Ecology and Management 164:89-108. + +Delaney, M., S. Brown, AE Lugo, A. Torres-Lezama y NB Quintero. 1998. The quantity and turnover of dead wood in permanent forest plots in six life zones of Venezuela. Biotropica 30:2-11. + +Detwiler, RP. 1986. Land Use Change and the Global Carbon Cycle: The Role of Tropical Soils. Biogeochemistry 2:67-93. + +Droogers, P. y Allen, R.G. 2002. "Estimating reference evapotranspiration under inaccurate data conditions." Irrigation and Drainage Systems, vol. 16, Issue 1, February 2002, pp. 33–45 + +Edinburgh Centre for Carbon Management. The Establishing Mechanisms for Payments for Carbon Environmental Services in the Eastern Arc Mountains, Tanzania; 2007 May 2007. + +Gaston, G., S. Brown, M. Lorenzini y KD Singh. 1998. State and change in carbon pools in the forests of tropical Africa. Global Change Biology 4:97-114. + +Glenday, J. 2006. Carbon storage and emissions offset potential in an East African tropical rainforest. Forest Ecology and Management 235:72-83. + +Grace, J., J. San Jose, P. Meir, HS Miranda y RA Montes. 2006. Productivity and carbon fluxes of tropical savannas. Journal of Biogeography 33:387-400. -"Hydrologic Soil Groups. "National Engineering Handbook, United States Department of Agriculture, National Resources Conservation Service, 2007, www.nrcs.usda.gov/wps/portal/nrcs/detailfull/national/water/?cid=stelprdb1043063. +Hamon, W. R. (1961). Estimating potential evapotranspiration. Journal of the Hydraulics Division, 87(3), 107-120. + +Houghton, RA. 2005. Tropical deforestation as a source of greenhouse gas emissions. In: Tropical Deforestation and Climate Change, Moutinho and Schwartzman [eds.]. Instituto de Pesquisa Ambiental da Amazonia and Environmental Defense, Belem, Brazil. + +Houghton, RA y JL Hackler. 2006. Emissions of carbon from land use change in sub-Saharan Africa. Journal of Geophysical Research 111. + +"Hydrologic Soil Groups."National Engineering Handbook, United States Department of Agriculture, National Resources Conservation Service, 2007, www.nrcs.usda.gov/wps/portal/nrcs/detailfull/national/water/?cid=stelprdb1043063. + +The Intergovernmental Panel on Climate Change (IPCC). 2006. 2006 IPCC Guidelines for National Greenhouse Gas Inventories, Volume 4: Agriculture, Forestry and Other Land Use. Prepared by the National Greenhouse Gas Inventories Programme, Eggleston, HS, L. Buendia, K. Miwa, T. Ngara, and K. Tanabe (eds). Institute for Global Environmental Strategies (IGES), Hayama, Japan. . + +Makundi, WR. 2001. Carbon mitigation potential and costs in the forest sector in Tanzania. Mitigation and Adaptation Strategies for Global Change 6:335-353. + +Malhi, Y., D. Wood, TR Baker et al. 2006. The regional variation of aboveground live biomass in old-growth Amazonian forests. Global Change Biology 12:1107-1138. + +Malimbwi, RE, B. Solberg y E. Luoga. 1994. Estimation of biomass and volume in miombo woodland at Kitungalo Forest Reserve Tanzania. Journal of Tropical Forest Science 7:230-242. + +Munishi, PKT y TH Shear. 2004. Carbon Storage in Afromontane Rain Forests of the Eastern Arc Mountains of Tanzania: their Net Contribution to Atmospheric Carbon. Journal of Tropical Forest Science 16:78-93. + +Nascimento, HEM y WF Laurance. 2002. Total aboveground biomass in central Amazonian rainforests: a landscape-scale study. Forest Ecology and Management 168:311-321. + +NRCS-USDA, 2007. National Engineering Handbook. United States Department of Agriculture, https://www.nrcs.usda.gov/wps/portal/nrcs/detailfull/national/water/?cid=stelprdb1043063. + +Post, WM, WR Emanuel, PJ Zinke y AG Stangenberger. 1982. Soil carbon pools and world life zones. Nature 298:156-159. + +Post, WM y KC Kwon. 2000. Soil carbon sequestration and land-use change: processes and potential. Global Change Biology 6:317-327. Ruesch A y HK Gibbs. 2008. New IPCC tier-1 global biomass carbon map for the year 2000. Available:https://cdiac.ess-dive.lbl.gov/epubs/ndp/global_carbon/carbon_documentation.html. + +Silver, WL, R. Ostertag y AE Lugo. 2000. The potential for carbon sequestration through reforestation of abandoned tropical agricultural and pasture lands. Restoration Ecology 8:394-407. + +Tiessen, H. y C. Feller, EVSB Sampaio, and P. Garin. 1998. Carbon Sequestration and Turnover in Semiarid Savannas and Dry Forest. Climatic Change 40:105-117. + +Tilman, D., J. Hill y C. Lehman. 2006. Carbon-Negative Biofuels from Low-Input High-Diversity Grassland Biomass. Science 314:1598-1600. + +Vagen, TG, R Lal y BR Singh. 2005. Soil carbon sequestration in sub-Saharan Africa: A review. Land Degradation & Development 16:53-71. + +Zhang, Q y CO Justice. 2001. Carbon Emissions and Sequestration Potential of Central African Ecosystems. AMBIO 30:351-355. \ No newline at end of file diff --git a/source/es/delineateit.rst b/source/es/delineateit.rst index 337dc0d2..7c116436 100644 --- a/source/es/delineateit.rst +++ b/source/es/delineateit.rst @@ -40,8 +40,8 @@ Ajuste de puntos a la corriente más cercana ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ Si un elemento de salida no se encuentra directamente en una corriente, se generará una cuenca muy pequeña que no suele ser correcta. DelineateIt puede ajustar los puntos de salida a la corriente más cercana para crear cuencas hidrográficas más sólidas. Para ello, la herramienta construye un mapa de corrientes y, a continuación, reubica los puntos de salida de las cuencas hidrográficas en la corriente más cercana que se encuentre dentro de la *distancia de ajuste* dada como input al modelo. -Cñalculo de la acumulación de flujo ------------------------------------ +Cálculo de la acumulación de flujo +---------------------------------- El modelo calcula la acumulación de flujo a partir del ráster de dirección del flujo utilizando el algoritmo D8. Esto representa la cantidad relativa de agua que drena en un píxel desde su zona pendiente arriba. Acumulación de flujo en el umbral (UAF) @@ -52,9 +52,8 @@ Delineación de cuencas ^^^^^^^^^^^^^^^^^^^^^^ El modelo utiliza un algoritmo de delineación D8 para producir un vector de polígonos de las cuencas hidrográficas a partir del ráster de la dirección del flujo y de las geometrías de las salidas de las cuencas (si se proporcionan) o de los puntos de vertido detectados (si se selecciona Detectar puntos de vertido). - -Inputs de la herramienta -======================== +Necesidades de datos +==================== - :investspec:`delineateit.delineateit workspace_dir` @@ -74,8 +73,8 @@ Inputs de la herramienta - :investspec:`delineateit.delineateit snap_distance` Tenga en cuenta que se trata de una distancia en píxeles, no en metros, así que escale esto según el tamaño de sus píxeles. -Resultados de la herramienta -============================ +Interpretación de los datos +=========================== Todos los resultados se pueden encontrar en el directorio **Workspace** (Espacio de trabajo) indicado anteriormente. Incluyen: diff --git a/source/es/getting_started.rst b/source/es/getting_started.rst index c86b6c13..fff61f61 100644 --- a/source/es/getting_started.rst +++ b/source/es/getting_started.rst @@ -6,24 +6,27 @@ Cómo empezar .. _installing-on-win: -Instalación de InVEST y de los datos de muestra en Windows -========================================================== +Instalación de InVEST Workbench en su ordenador Windows +======================================================= Descargue el instalador de InVEST desde https://naturalcapitalproject.stanford.edu/software/invest. El ejecutable se llamará "InVEST__Setup.exe". Haga doble clic en este .exe para ejecutar el instalador. -Después de hacer clic en la primera pantalla y aceptar el Acuerdo de Licencia, aparecerá la pantalla de Selección de Componentes. El instalador siempre instalará las Herramientas InVEST y las versiones HTML y PDF de la guía de uso de InVEST. Opcionalmente, también se pueden instalar conjuntos de datos de muestra que, por defecto, están todos seleccionados. Tenga en cuenta que estos conjuntos de datos se descargan a través de Internet y que algunos son muy grandes (especialmente los conjuntos de datos marinos), por lo que pueden tardar mucho en instalarse. Si no desea instalar todos o algunos de los conjuntos de datos de muestra, desmarque la(s) casilla(s) correspondiente(s). +La primera pantalla le pide que confirme el Acuerdo de Licencia, haga clic en **Acepto** para continuar. -A continuación, elija la carpeta en la que se instalarán los conjuntos de herramientas InVEST y los datos de muestra. El instalador muestra el espacio disponible en la unidad seleccionada. Haga clic en Instalar para comenzar la instalación. +Aparecerá la pantalla Opciones de instalación. Puede elegir instalar InVEST solo para usted o para todos los usuarios. Haga clic en **Siguiente**. -Una vez instalados, la carpeta de instalación de InVEST contendrá lo siguiente: +A continuación, elija la carpeta donde se instalará Workbench. Haga clic en **Instalar**. -+ Una carpeta de **documentación**, que contiene la guía de uso de InVEST en formato HTML. -+ Una carpeta **invest-3-x64**, que contiene el código Python compilado que compone el conjunto de herramientas InVEST. -+ **InVEST__Documentation.pdf**, la guía de uso de InVEST en formato PDF. -+ **Uninstall_.exe**, que desinstalará InVEST. -+ **HISTORY.rst**, lista de todas las actualizaciones incluidas en cada nueva versión. -+ Si eligió instalar también datos de muestra, estos se encontrarán en la carpeta **sample_data**, con una subcarpeta para los datos de cada modelo. +Hay algunas cosas que pueden ser de particular interés en la carpeta de instalación de Workbench: ++ Una carpeta **resources/documentation**, que contiene la Guía del usuario de InVEST en formato HTML en inglés, español y chino. ++ Una carpeta **resources/invest**, que contiene el código Python compilado que compone el conjunto de herramientas InVEST. ++ **InVEST Workbench.exe**, que es el ejecutable principal utilizado para lanzar Workbench. ++ **Uninstall InVEST Workbench.exe**, que desinstalará Workbench. + +Además, se añadirá un acceso directo a su menú de inicio de Windows en *Todos los programas -> InVEST Workbench*. + +También hay datos de muestra disponibles para todos los modelos. Para instalarlos, inicie Workbench y vaya a **Configuración** (el icono del engranaje en la esquina superior derecha) **-> Descargar datos de muestra**. Además, los accesos directos a todas las aplicaciones independientes de InVEST se añadirán a su menú de inicio de Windows en *Todos los programas -> InVEST |versión|*. Instalación avanzada @@ -39,8 +42,8 @@ El instalador de InVEST para Windows tiene una serie de opciones de instalación .. _installing-on-mac: -Instalación de InVEST en su Mac -============================================= +Instalación de InVEST Workbench en su Mac +========================================= .. note:: En Mac OS 10.13 "High Sierra", se requiere InVEST 3.4.0 o posterior. @@ -63,7 +66,9 @@ Para instalar: 2. En el cuadro de diálogo que aparece, haga clic en *Abrir* una vez más. 6. En el cuadro de diálogo del lanzador, seleccione el modelo que desea ejecutar y haga clic en *Lanzar*. -A diferencia del instalador de Windows, la distribución para Mac no incluye datos de muestra ni la guía de uso. Estos se pueden encontrar en línea en https://naturalcapitalproject.stanford.edu/software/invest. +También hay datos de muestra disponibles para todos los modelos. Para instalarlos, inicie Workbench y vaya a **Configuración -> Descargar datos de muestra**. + +A diferencia del instalador de Windows, la distribución para Mac no incluye la guía del usuario. Esta puede encontrarse en línea en https://naturalcapitalproject.stanford.edu/software/invest. Tutorial de inicio rápido de InVEST @@ -80,7 +85,7 @@ Este tutorial de alto nivel le da una idea de las principales actividades involu - Este es el primer lugar al que hay que acudir con preguntas sobre modelos y requisitos de datos. - Tiempo necesario para leer un capítulo de modelo: Bajo 3. **Examine los datos de la muestra del modelo** - - Se proporcionan datos de muestra para todos los modelos, disponibles para su instalación durante la instalación de InVEST o descargables por separado. + - Se proporcionan datos de muestra para todos los modelos, disponibles para su instalación por medio de la configuración de Workbench de InVEST o descargables por separado. - Examine los datos espaciales con un software SIG y los datos tabulares con una hoja de cálculo o un editor de texto. - Utilice estos datos para hacerse una idea de los inputs y resultados y ejecutar el modelo. - Utilícelos como ejemplo para formatear sus propios datos. @@ -178,9 +183,9 @@ Las versiones más antiguas de InVEST pueden encontrarse en http://data.naturalc Uso de los datos de muestra =========================== -InVEST viene con datos de muestra como orientación para formatear sus datos y empezar a entender cómo funcionan los modelos. Por ejemplo, como preparación para el análisis de sus datos, es posible que desee probar los modelos cambiando los valores de input en los datos de muestra para ver cómo responde el resultado. Para la mayoría de los modelos es importante que sus datos de muestra se utilicen solo para las pruebas y el ejemplo, no utilice los datos espaciales o los valores de la tabla para su propio análisis, porque su fuente y precisión no están documentadas. Algunos de los modelos marinos vienen con conjuntos de datos globales que pueden ser utilizados para su propia aplicación - por favor, consulte los capítulos individuales de la guía de uso para estos modelos para obtener más información. +InVEST viene con datos de muestra como orientación para formatear sus datos y empezar a entender cómo funcionan los modelos. Antes de iniciar su propio análisis, le recomendamos fuertemente que descargue los datos de muestra del modelo o modelos que le interesen, examine las entradas en un SIG, ejecute el modelo utilizando los datos de muestra y examine los resultados en un SIG. -Los datos de muestra se encuentran en subcarpetas separadas dentro de la carpeta de instalación de InVEST. Por ejemplo, los conjuntos de datos de muestra para el modelo de polinización se encuentran en \\{InVEST install folder}\\sample_data\\pollination\\, y los del modelo ddee carbono en \\{InVEST install folder}\\sample_data\\carbon\\. Para probar los modelos, puede crear una carpeta de espacio de trabajo llamada "output" dentro de las carpetas de datos de muestra para guardar los resultados del modelo. Una vez que esté trabajando con sus propios datos, necesitará crear un espacio de trabajo y carpetas de datos de input para guardar sus propios datos y resultados. También tendrá que redirigir la herramienta para acceder a sus datos y espacio de trabajo. +Los datos de muestra se encuentran en subcarpetas separadas dentro de la carpeta de instalación de InVEST. Por ejemplo, los conjuntos de datos de muestra para el modelo de polinización se encuentran en \\{InVEST install folder}\\sample_data\\pollination\\, y los del modelo de carbono en \\{InVEST install folder}\\sample_data\\carbon\\. Para probar los modelos, puede crear una carpeta de espacio de trabajo llamada "output" dentro de las carpetas de datos de muestra para guardar los resultados del modelo. Una vez que esté trabajando con sus propios datos, necesitará crear un espacio de trabajo y carpetas de datos de input para guardar sus propios datos y resultados. También tendrá que redirigir la herramienta para acceder a sus datos y espacio de trabajo. Si se ejecuta en Windows, los datos de muestra pueden instalarse al mismo tiempo que se instala InVEST, o los conjuntos de datos pueden descargarse individualmente del `sitio web de InVEST `_. @@ -189,7 +194,7 @@ Si se ejecuta en Windows, los datos de muestra pueden instalarse al mismo tiempo Formateo de los datos ===================== -Antes de ejecutar InVEST, es necesario formatear los datos. Aunque los capítulos siguientes de esta guía describen cómo preparar los datos de input para cada modelo, hay varias pautas de formato comunes a todos los modelos: +Antes de ejecutar InVEST se deben formatear los datos. Si bien los capítulos siguientes de esta guía describen cómo preparar los datos de input para cada modelo, hay varias pautas de formato comunes a todos los modelos: + Los nombres de los archivos de datos no deben tener espacios (por ejemplo, un archivo ráster debe llamarse "landuse.tif" en lugar de "land use.tif"). @@ -207,11 +212,11 @@ Antes de ejecutar InVEST, es necesario formatear los datos. Aunque los capítulo + Opciones regionales y de idioma: Algunas opciones de idioma provocan errores al ejecutar los modelos. Por ejemplo, los ajustes que utilizan la coma (,) para los decimales en lugar del punto (.) provocan errores en los modelos. Para solucionarlo, cambie la configuración regional del ordenador al inglés. -+ A medida que se ejecutan los modelos, puede ser necesario cambiar los valores de las tablas de inputs. Esto se suele hacer con un programa de hoja de cálculo como Excel o un editor de texto como Notepad++. Las tablas de inputs deben estar en formato CSV (valores separados por comas), donde los valores están separados por comas, no por punto y coma o cualquier otro carácter. Si trabaja en Excel, no podrá ver el separador, así que vuelva a comprobarlo en el Bloc de notas o en otro editor de texto. Cuando guarde el archivo CSV, asegúrese de guardar el archivo utilizando una de las siguientes codificaciones: ASCII, UTF-8 o Signed UTF-8. El uso de cualquier otra codificación (como Latin-1) dará lugar a una representación incorrecta del texto en los archivos de resultadosy podría hacer que los modelos fallaran con un error. ++ A medida que se ejecutan los modelos, puede ser necesario cambiar los valores de las tablas de inputs. Esto se suele hacer con un programa de hoja de cálculo como Excel o un editor de texto como Notepad++. Las tablas de inputs deben estar en formato CSV. Si trabaja en Excel, asegúrese de guardar el archivo en formato CSV. Asegúrese de hacerlo utilizando una de las siguientes codificaciones: ASCII, UTF-8 o Signed UTF-8. El uso de cualquier otra codificación (como Latin-1) dará lugar a una representación incorrecta del texto en los archivos de resultadosy podría hacer que los modelos fallaran con un error. + Algunos modelos requieren directrices específicas para la denominación de los archivos de datos (por ejemplo, el modelo de Calidad del Hábitat) y los nombres de los campos (columnas), que se definen en el capítulo para cada modelo en la guía de uso. Siga estas pautas cuidadosamente para asegurarse de que su conjunto de datos es válido, o el modelo dará un error. -+ Recuerde utilizar los conjuntos de datos de muestra como orientación para formatear sus datos. ++ Recuerde *utilizar los conjuntos de datos de muestra como orientación para formatear sus datos*. .. _running-models: @@ -222,28 +227,28 @@ Estará listo para ejecutar un modelo de InVEST cuando haya preparado sus datos Para comenzar: -+ Revise sus datos de input. Vea los datos espaciales en un SIG, asegúrese de que los valores parecen correctos, de que no faltan datos donde deberían rellenarse, de que todas las capas están en el mismo sistema de coordenadas proyectado, etc. Visualice los datos de la tabla en una hoja de cálculo o en un editor de texto, asegúrese de que los valores parecen correctos, los nombres de las columnas son correctos y que se guardan en formato CSV. ++ Revise los datos introducidos. Visualice los datos espaciales en un SIG, asegúrese de que los valores parecen correctos, de que no faltan datos donde deberían rellenarse, de que todas las capas están en el mismo sistema de coordenadas proyectado, etc. Vea los datos de la tabla en una hoja de cálculo o editor de texto, asegúrese de que los valores parecen correctos, los nombres de las columnas son correctos y que se guardan en formato CSV. + Inicie el modelo que desea ejecutar (por ejemplo, Carbono), y añada sus datos de input a cada campo de la interfaz de usuario. Puede arrastrar y soltar las capas en el campo, o hacer clic en el icono de Archivo a la derecha de cada campo para navegar hasta sus datos. -+ Los inputs cuya ruta introducida conduzca a un archivo inexistente o a un archivo con formato incorrecto se marcarán con una "X" roja a la izquierda del nombre del input. Al hacer clic en la X roja tendrá una idea de lo que está mal en los datos. El modelo no se ejecutará si hay alguna X roja. ++ Las entradas cuya ruta conduzca a un archivo inexistente o a un archivo con formato incorrecto se marcarán con una "X" roja a la derecha del nombre de la entrada y el cuadro de entrada se marcará en rojo. Debajo de la entrada habrá una breve descripción del problema. Por ejemplo, "La entrada es obligatoria pero no tiene valor" significa que esta entrada es obligatoria, pero aún no la ha rellenado con información válida. El modelo no se ejecutará si hay alguna X roja. + Tenga en cuenta que cada herramienta tiene un lugar para introducir un Sufijo, que es una cadena que se añadirá a los nombres de archivo de resultado como *_Sufijo*. La adición de un sufijo único evita que se sobrescriban los archivos producidos en iteraciones anteriores. Esto es particularmente útil si está ejecutando múltiples escenarios, de modo que cada nombre de archivo puede indicar el nombre del escenario. + Cuando todos los campos requeridos estén rellenados y no haya ninguna X roja, haga clic en el botón **Ejecutar** de la interfaz. -+ El tiempo de procesamiento variará en función del script y de la resolución y extensión de sus conjuntos de datos de input. Cada modelo abrirá una ventana que muestra el progreso del script. Asegúrese de examinar la ventana de salida para ver los mensajes útiles y los errores. Esta información de progreso también se escribirá en un archivo en el Espacio de Trabajo llamado *-log-.txt*. Si necesita ponerse en contacto con NatCap para obtener ayuda con los errores, envíe siempre este archivo de registro, ya que ayudará en la depuración. Consulte también la sección :ref:`support-and-error-reporting` de este capítulo para obtener más información. ++ El tiempo de procesamiento variará en función del script y de la resolución y extensión de sus conjuntos de datos de entrada. Cada modelo abrirá una ventana que mostrará el progreso del script. Asegúrese de examinar la ventana de salida en busca de mensajes útiles y errores. Esta información de progreso también se escribirá en un archivo en el Espacio de Trabajo llamado *InVEST-natcap.invest.-log-.txt*. Si necesita ponerse en contacto con NatCap para obtener ayuda en caso de error, envíe siempre este archivo de registro ya que ayudará con la depuración. Consulte también la sección :ref:`support-and-error-reporting` de este capítulo para obtener más información. + Los resultados del modelo se encuentran en la carpeta **Espacio de trabajo**. Los resultados principales están generalmente en el nivel superior del Espacio de Trabajo. También hay una carpeta "intermedia" que contiene algunos de los archivos adicionales generados al realizar los cálculos. Aunque normalmente no es necesario mirar los resultados intermedios, a veces es útil cuando se está depurando un problema o tratando de entender mejor cómo funciona el modelo. Leer el capítulo del modelo y mirar los archivos intermedios correspondientes puede ser una buena manera de entender y criticar sus resultados. Los capítulos correspondientes a cada modelo en esta guía proporcionan una descripción de estos archivos resultantes. -Una vez que su script se complete con éxito, puede ver los resultados espaciales añadiéndolos desde el Espacio de trabajo a su SIG. Es importante observar los resultados con detenimiento y de forma crítica. ¿Tienen sentido los valores? ¿Tienen sentido los patrones? ¿Entiende por qué algunos lugares tienen valores más altos y otros más bajos? ¿Cómo influyen las capas y los parámetros ingresados en los resultados? +Una vez completado el script con éxito, puede ver los resultados espaciales añadiéndolos desde el Espacio de trabajo a su SIG. Es importante examinar los resultados con detenimiento y críticamente. ¿Tienen sentido los valores? ¿Tienen sentido los patrones? ¿Comprende por qué algunos lugares tienen valores más altos y otros más bajos? ¿Cómo influyen las capas de entrada y los parámetros en los resultados? Si le preocupan los resultados y quiere preguntar en el foro de usuarios, revise primero estas preguntas. Muy a menudo, los valores inesperadamente altos o bajos, o las áreas en las que faltan datos, pueden explicarse fácilmente observando las unidades, los valores o los datos que faltan en sus capas de entrada. .. _support-and-error-reporting: Asistencia y notificación de errores ==================================== -Si se encuentra con algún problema al ejecutar los modelos, o tiene preguntas sobre su teoría, datos o aplicación que no cubre la guía de uso, visite el foro de asistencia en https://community.naturalcapitalproject.org/. En primer lugar, utilice la función **Búsqueda** o **Search** para ver si ya se ha formulado una pregunta similar. Muchas veces, su pregunta o problema ya ha sido respondido. Si no encuentras mensajes existentes relacionados con tu pregunta o problema, o no resuelven tu problema, puedes entrar y crear un nuevo mensaje. +Si se encuentra con algún problema al ejecutar los modelos o tiene alguna pregunta sobre su teoría, datos o aplicación que la Guía del usuario no cubra, visite el foro de ayuda al usuario en https://community.naturalcapitalproject.org/. *En primer lugar, utilice la función de búsqueda para comprobar si ya se ha planteado una pregunta similar. Esto es especialmente cierto en el caso de los mensajes de error: puede buscar algunas palabras clave en el mensaje de error y, a menudo, encontrará mensajes que le ayudarán a solucionar el error. Si informa de un error al ejecutar un modelo, incluya la siguiente información en el mensaje del foro: @@ -253,7 +258,7 @@ Si informa de un error al ejecutar un modelo, incluya la siguiente información + Lo que ya ha intentado para resolver el problema, y no ha funcionado -+ El archivo de registro completo producido por el modelo, ubicado en la carpeta del espacio de trabajo de resultados - *-log-.txt* ++ El archivo de registro completo producido por el modelo, ubicado en la carpeta Workspace de salida - *InVEST-natcap.invest.-log-.txt*. Capacitación ------------ @@ -266,7 +271,7 @@ Está disponible un Curso Online Masivo y Abierto (MOOC) gratuito `En inglés `_ que ofrece instrucciones prácticas sobre algunas de las tareas SIG necesarias para trabajar con modelos InVEST. Se ofrecen tanto para QGIS como para ArcGIS. + + .. _working-with-the-DEM: Trabajo con el MDE diff --git a/source/es/habitat_quality.rst b/source/es/habitat_quality.rst index f4402c5c..aa480417 100644 --- a/source/es/habitat_quality.rst +++ b/source/es/habitat_quality.rst @@ -9,7 +9,7 @@ Calidad de hábitat Resumen ======= -La biodiversidad está íntimamente ligada a la producción de servicios ecosistémicos. Los patrones de la biodiversidad son inherentemente espaciales y, como tales, se pueden estimar mediante el análisis de mapas de uso y cobertura de la tierra (LULC) junto con las amenazas al hábitat de las especies. InVEST modeliza la calidad y la rareza del hábitat como indicadores de la biodiversidad y, en última instancia, estima la extensión de los tipos de hábitat y vegetación en un paisaje y su estado de degradación. La calidad y la rareza del hábitat dependen de cuatro factores: el impacto relativo de cada amenaza, la sensibilidad relativa de cada tipo de hábitat a cada amenaza, la distancia entre los hábitats y las fuentes de amenazas, y el grado en que la tierra está legalmente protegida. El modelo asume que la protección legal de la tierra es efectiva y que todas las amenazas a un paisaje son aditivas. +La biodiversidad está íntimamente ligada a la producción de servicios ecosistémicos. Los patrones de la biodiversidad son inherentemente espaciales y, como tales, se pueden estimar mediante el análisis de mapas de uso y cobertura de la tierra (LULC) junto con las amenazas al hábitat de las especies. InVEST modeliza la calidad y la rareza del hábitat como indicadores de la biodiversidad y, en última instancia, estima la extensión de los tipos de hábitat y vegetación en un paisaje y su estado de degradación. La calidad y la rareza del hábitat dependen de cuatro factores: el impacto relativo de cada amenaza, la sensibilidad relativa de cada tipo de hábitat a cada amenaza, la distancia entre los hábitats y las fuentes de amenazas, y el grado en que la tierra está legalmente protegida. El modelo asume que la protección legal de la tierra es efectiva y que todas las amenazas sobre un paisaje son aditivas. Introducción ============ @@ -140,7 +140,7 @@ Una vez que tenemos una medida :math:`R_j` para cada tipo de LULC, podemos cuant donde :math:`\sigma_{xj}= 1` si la celda de la cuadrícula x está en LULC :math:`j` en un paisaje actual o proyectado y es igual a 0 en caso contrario. Limitaciones y simplificaciones -------------------------------- +=============================== En este modelo, todas las amenazas del paisaje son aditivas, aunque hay pruebas de que, en algunos casos, el impacto colectivo de las múltiples amenazas es mucho mayor de lo que sugeriría la suma de los niveles de amenaza individuales. @@ -162,6 +162,8 @@ Necesidades de datos Si es posible, el mapa de referencia debería referirse a una época en la que el manejo intensivo de la tierra era relativamente escaso. Por ejemplo, un mapa de LULC en 1851 en el valle de Willamette (Oregón, EE.UU.) capta el patrón de LULC en el paisaje antes de que fuera modificado gravemente por la producción agrícola masiva. Es cierto que este paisaje también había sido modificado por las prácticas indígenas de desmonte, como los incendios controlados. - :investspec:`habitat_quality threats_table_path` + +.. note:: Las localizaciones del sistema de ficheros para *cur_path*, *base_path* y *fut_path* son relativas a la localización de la **Tabla de Amenazas**. Por ejemplo, si *cur_path* es "amenaza1.tif", significa que "amenaza.tif" se encuentra en la misma carpeta que la **Tabla de Amenazas**. Si *cur_path* es "carpeta_amenazas/amenaza1.tif", significa que hay una carpeta "carpeta_amenazas" en la misma ubicación que la **Tabla de Amenazas**, y que "amenaza1.tif" se encuentra dentro de "carpeta_amenazas". También puede proporcionar rutas absolutas, como "C:/HabitatQuality/carpeta_amenazas/amenaza1.tif". Columnas: @@ -227,7 +229,7 @@ Necesidades de datos .. _hq-interpreting-results: Interpretación de los resultados --------------------------------- +================================ **Efectos de borde en la degradación y la calidad del hábitat** Los valores de calidad de hábitat y degradación cerca de los bordes de los rásters resultantes pueden estar inflados porque no tienen en cuenta las amenazas que pueden existir más allá de la extensión de los rásters de cobertura del suelo. Todos los datos de amenazas de input se recortan a la extensión del ráster LULC, por lo que quienes usan deberían restringir la interpretación de los resultados ignorando los valores que se encuentran dentro de la distancia máxima de amenaza del borde de los rásters resultantes. @@ -255,7 +257,7 @@ Interpretación de los resultados Esta carpeta contiene algunos de los archivos intermedios creados durante la ejecución del modelo. Normalmente no es necesario trabajar con estos archivos, a menos que se trate de entender mejor cómo funciona el modelo, o de depurar una ejecución. Incluye mapas de hábitats (**habitat__[b,c,f].tif**), capas de amenazas procesadas con los atributos de la tabla de datos de amenazas (**[threat]_filtered_[b,c,f].tif**), sensibilidad aplicada a diferentes amenazas (**sens_[threat]_[b,c,f].tif**), y una versión rasterizada del input de Access (**access_layer.tif**). Modificación de los resultados y creación de una calificación de biodiversidad del paisaje -^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ +------------------------------------------------------------------------------------------ El resultado del modelo no proporciona calificaciones de calidad y rareza a nivel de paisaje para comparar los escenarios LULC de referencia, actuales y futuros. En su lugar, usted debe resumir la extensión del hábitat y las calificaciones de calidad y rareza para cada paisaje. En el nivel más sencillo, una calificación de calidad de hábitat a nivel de paisaje para un escenario LULC es simplemente la suma de todas las calificaciones a nivel de celda de la cuadrícula bajo el escenario. En otras palabras, podemos sumar todas las calificaciones de calidad a nivel de cuadrícula de los mapas *quality_out_c.tif*, *quality_out_b.tif* (si están disponibles) y *quality_out_f.tif* (si están disponibles) y luego comparar las calificaciones. Un mapa puede tener una calificación de calidad agregada más alta por varias razones. Por un lado, puede tener simplemente más superficie de hábitat. Sin embargo, si la cantidad de hábitat en cualquiera de los dos escenarios es aproximadamente la misma, una calificación de calidad del paisaje más alta es indicativa de un hábitat de mejor calidad general. diff --git a/source/es/habitat_risk_assessment.rst b/source/es/habitat_risk_assessment.rst index 11bc9f5c..4a2847f8 100644 --- a/source/es/habitat_risk_assessment.rst +++ b/source/es/habitat_risk_assessment.rst @@ -410,8 +410,8 @@ Asimismo, usted puede ajustar la importancia o "peso" de cada criterio. Cada sis -Limitaciones y suposiciones ---------------------------- +Limitaciones y simplificaciones +=============================== Limitaciones ^^^^^^^^^^^^ @@ -427,7 +427,7 @@ Limitaciones 5. **El modelo solo evalúa el riesgo de factores de estrés que impactan directamente el hábitat al superponerse en el espacio** Los factores de estrés pueden afectar a los hábitats de otras formas más indirectas, pero este modelo no está diseñado para incorporar esos efectos indirectos. Suposiciones -^^^^^^^^^^^^ +------------ 1. **Los ecosistemas de todo el mundo responden de forma similar a cualquier factor de estrés**. A menudo, la información que aparece en la literatura sobre el efecto que tienen los factores de estrés en los hábitats o las especies proviene de unos pocos lugares. Si se utilizan datos disponibles a nivel mundial o datos de otros lugares, se asume que *los ecosistemas de todo el mundo responden de forma similar a cualquier factor de estrés* (por ejemplo, las algas del Mediterráneo responden a la acuicultura de red de la misma forma que las de la Columbia Británica). Para evitar esta suposición, se deben utilizar datos locales siempre que sea posible. @@ -479,7 +479,7 @@ Necesidades de datos .. _hra-info-csv: -Información de hábitat y factores de estrés (CSV o tabla de Excel y datos SIG) +Información de hábitat y factores de estrés (tabla CSV y datos SIG) ------------------------------------------------------------------------------ Esta tabla indica al modelo dónde encontrar los inputs de datos del SIG para las capas de hábitat y de factores de estrés. Los datos del SIG pueden estar en formato ráster o vectorial. Véase un ejemplo en la imagen siguiente. Se requieren las siguientes columnas: @@ -503,7 +503,7 @@ Esta tabla indica al modelo dónde encontrar los inputs de datos del SIG para la Criterios de puntuaciones CSV ----------------------------- -El archivo CSV (o Excel) de Calificación de Criterios proporcionará toda la información de criterios para la ejecución del modelo de Evaluación de Riesgos de Hábitat y Especies. Este archivo contiene información sobre el efecto de cada factor de estrés en cada hábitat (es decir, las calificaciones de exposición y consecuencia) para los hábitats y factores de estrés en su análisis. En la carpeta de datos de muestra se puede encontrar una plantilla para el archivo CSV de criterios. Siéntase libre de añadir o eliminar criterios específicos, y rellenar las calificaciones en una escala de 1 a 3, o de 1 a cualquier otro valor, siempre que la escala sea la misma para todos los criterios. +El archivo CSV de Puntuaciones de Criterios proporcionará toda la información de criterios para la ejecución del modelo de Evaluación de Riesgos de Hábitats y Especies. Este archivo contiene información sobre el efecto de cada factor estresante en cada hábitat (es decir, las puntuaciones de exposición y consecuencia) para los hábitats y factores estresantes de su análisis. Puede encontrar una plantilla para el archivo CSV de criterios en la carpeta de datos de muestra. Los usuarios pueden añadir o eliminar criterios específicos e introducir puntuaciones en una escala de 1 a 3, o de 1 a cualquier otro valor, siempre que la escala sea la misma para todos los criterios. .. This image is of the same table provided in sample data. It was too large and complex to format well as a csv-table so I'm leaving it as a figure. @@ -705,18 +705,15 @@ La carpeta intermedia contiene archivos generados para apoyar los cálculos de r Todas las capas de hábitat, de factores de estrés o de criterios espaciales proporcionadas se simplifican a 1/2 de la resolución de rasterización definida por usted para acelerar la rasterización. -Apéndice -======== - -Conexión de los resultados de la evaluación de riesgos del hábitat con los modelos de servicios ecosistémicos -----------------------------------------------------------------------....................................... +Apéndice 1: Conexión de los resultados de la evaluación de riesgos del hábitat con los modelos de servicios ecosistémicos +========================================================================================================================= Además de proporcionar herramientas de manejo y conocimientos, ERH/ERE es un paso integral para conectar la multitud de factores de estrés con los cambios en los servicios ecosistémicos. Los modelos de servicios ecosistémicos de InVEST incluyen la ubicación y/o la calidad del hábitat como un factor que determina la prestación de servicios y esta aportación a los modelos de servicios puede modificarse en función de los resultados del riesgo. Por ejemplo, la vulnerabilidad costera depende de la presencia de hábitats costeros y de la capacidad de esos hábitats para atenuar las olas. Si estos hábitats costeros se encuentran en situación de alto riesgo, pueden ser menos capaces de atenuar las olas. Demostrando la posibilidad de vincular los modelos de HRA y de servicios ecosistémicos, la Autoridad e Instituto de Manejo de la Zona Costera de Belice (CZMAI) y los científicos del Natural Capital Project utilizaron este y tres otros modelos de servicios ecosistémicos InVEST para diseñar un Plan de Manejo Integrado de la Zona Costera para el país. Para estimar la variación espacial y el cambio en los servicios ecosistémicos, primero cuantificaron el cambio en la distribución, la abundancia y otras características de tres hábitats: arrecifes de coral, bosques de manglares y prados marinos. Comenzaron con un análisis ERH para determinar qué hábitats y dónde estaban en mayor riesgo de degradación por los impactos acumulados de las actividades humanas en la actualidad y en tres escenarios futuros (Arkema et al. 2014). Este análisis produjo mapas de riesgo alto, medio y bajo de degradación del hábitat en la zona costera y las aguas marinas. Arkema et al. 2015 utilizaron estos mapas para estimar el área de hábitat funcional capaz de proporcionar servicios ecosistémicos en cada escenario. En las zonas de riesgo alto y medio, asumieron que el 0% y el 50%, respectivamente, del hábitat existente era capaz de proporcionar servicios; en las zonas de riesgo bajo, consideraron que todo el hábitat era funcional (Arkema et al. 2015). En otro ejemplo en el que no se utilizaron modelos de servicios ecosistémicos InVEST, en la Gran Bahía de New Hampshire la Oficina de Gestión Costera de la NOAA y otros (Pinsky et al. 2013) relacionaron el riesgo actual y el futuro estimado para el prado marino, la marisma y la cosecha de ostras, tal y como se determinó en un análisis ERH, con las pérdidas en la pesca recreativa, la recolección de ostras recreativas y la acuicultura comercial, utilizando un enfoque de transferencia de beneficios con implicaciones para la planificación de la restauración y la ubicación de la acuicultura. Cuando se utiliza junto con modelos que estiman los cambios inducidos por el hábitat en los servicios ecosistémicos, el ERH puede ayudar a evaluar las compensaciones entre las actividades humanas y los beneficios que los ecosistemas proporcionan a las personas. -Comparación con el modelo de calidad de hábitat de InVEST ---------------------------------------------------------- +Apéndice 2: Comparación con el modelo de calidad de hábitat de InVEST +===================================================================== Este modelo InVEST es similar al modelo InVEST de Calidad de Hábitat en que ambos modelos les permiten identificar las regiones de un paisaje terrestre o marino en las que el impacto humano es mayor. Mientras que el modelo de Calidad de Hábitat está pensado para evaluar el impacto de las actividades humanas sobre la biodiversidad, este modelo es más adecuado para filtrar el riesgo de las actividades humanas actuales y futuras para priorizar las estrategias de manejo que mejor mitiguen el riesgo. diff --git a/source/es/index.rst b/source/es/index.rst index 8b76a2f0..21375729 100644 --- a/source/es/index.rst +++ b/source/es/index.rst @@ -4,8 +4,8 @@ contener la directiva raíz `toctree`. -Guía de uso de InVEST -===================== +Guía de uso de InVEST® +====================== .. toctree:: :maxdepth: 3 @@ -14,11 +14,48 @@ Guía de uso de InVEST .. figure:: ../en/index/main_image.png -**Cita**: Natural Capital Project, 2022. InVEST |version| +**Cita sugerida**: Natural Capital Project, 2022. InVEST |version| User’s Guide. Stanford University, University of Minnesota, Chinese Academy of Sciences, The Nature Conservancy, World Wildlife Fund, and Stockholm Resilience Centre. +.. image:: index/NatCap-Logo-2016-400px.png + :align: center + :scale: 50 % + +.. hlist:: + :columns: 3 + + * .. image:: index/SU-Woods-Horiz-Stacked-Hex-Red_300w.png + :alt: Stanford Woods Institute for the Environment + + * .. image:: index/SRC_logo_300w.png + :alt: Stockholm Resilience Centre, Stockholm University + + * .. image:: index/TNC_logo_300w.png + :alt: The Nature Conservancy + + * .. image:: index/CAS_logo_300w.png + :alt: Chinese Academy of Sciences + + * .. image:: index/IonE_logo_300w.png + :alt: University of Minnesota Institute on the Environment + + * .. image:: index/WWF_logo_300w.png + :alt: World Wildlife Fund + + * .. image:: index/SU_dept_bio_logo_300w.png + :alt: Stanford University Department of Biology + + * .. image:: index/RSA_Beijer_logo_300w.png + :alt: Beijer Institute of Ecological Economics, Royal Swedish Academy of Sciences + +**Suggested citation**: Natural Capital Project, |commit_year|. InVEST |version|. +Stanford University, University of Minnesota, Chinese Academy +of Sciences, The Nature Conservancy, World Wildlife Fund, Stockholm +Resilience Centre and the Royal Swedish Academy of Sciences. +https://naturalcapitalproject.stanford.edu/software/invest + **Colaboradores/as**\*: .. hlist:: @@ -102,14 +139,24 @@ Resilience Centre. * Zheng, Hua * Ziv, Guy -Además, agradecemos la ayuda de cientos de colaboradores co-creando -soluciones en compromisos en todo el mundo. +Además, agradecemos la ayuda de cientos de colaboradores que han cocreado +soluciones en el contexto de compromisos en todo el mundo. \*Hacemos todo lo posible para mantener esta lista completa y actualizada, pero reconocemos -es posible que hayamos perdido a alguien sin darnos cuenta. Si no ve su nombre en la lista -anterior y cree que debería serlo, comuníquese con -naturalcapitalproject@stanford.edu. - +que es posible que hayamos dejado de lado a alguien sin darnos cuenta. Si no ve su nombre en la lista +anterior y cree que este debería constar, comuníquese con naturalcapitalproject@stanford.edu. + +Directrices de atribución +------------------------- +Cuando haga referencia a análisis o productos de datos +producidos con InVEST, cite el uso de InVEST e incluya un hipervínculo +(por ejemplo, Wste análisis utilizó InVEST :sup:`®` : +https://naturalcapitalproject.stanford.edu/software/invest). El símbolo de marca +(:sup:`®`) debe utilizarse en la primera mención de InVEST. La cita completa de +artículos, informes, etc. está disponible más arriba. También puede utilizar el +logotipo de InVEST `_ +de acuerdo con nuestra política de uso de marcas y logotipos +`_ . Introducción y puesta en marcha ------------------------------- diff --git a/source/es/input_types.rst b/source/es/input_types.rst index 32f7ded9..3a2a7b9e 100644 --- a/source/es/input_types.rst +++ b/source/es/input_types.rst @@ -61,7 +61,7 @@ Los inputs verdadero/falso suelen aparecer como una casilla de verificación. Al CSV --- -Una tabla de datos almacenada en formato .csv (valores separados por comas). Puede utilizar cualquier programa de hoja de cálculo para crear y editar una tabla, y luego exportarla al formato CSV. Los dos formatos CSV proporcionados por Excel que se sabe que funcionan son "CSV (delimitado por comas)" y "CSV UTF-8 (delimitado por comas)". Otros formatos CSV probablemente producirán un error. +Tabla de datos almacenados en formato .csv (valores separados por comas). Aunque la coma es estándar, pueden utilizarse otros delimitadores como el punto y coma. Puede utilizar cualquier programa de hoja de cálculo para crear y editar una tabla y, a continuación, exportarla al formato CSV. Los dos formatos CSV proporcionados por Excel que se sabe que funcionan son "CSV (delimitado por comas)" y "CSV UTF-8 (delimitado por comas)". Otros formatos CSV podrían producir errores. .. _raster: diff --git a/source/es/ndr.rst b/source/es/ndr.rst index 997ab55d..95f855bb 100644 --- a/source/es/ndr.rst +++ b/source/es/ndr.rst @@ -80,7 +80,7 @@ La NDR superficial es el producto de un factor de suministro, que representa la donde :math:`IC_0` and :math:`k` son parámetros de calibración, :math:`IC_i` es un índice topográfico, y :math:`NDR_{0,i}` es la proporción de nutrientes que no son retenidos por los píxeles pendiente abajo (independientemente de la posición del píxel en el paisaje). A continuación, ofrecemos detalles sobre el cálculo de cada factor. -:math:`NDR_{0,i}` se basa en la máxima eficacia de retención del terreno entre un píxel y el cauce (trayectoria descendente, en la Figura 1): +:math:`NDR_{0,i}` se basa en la máxima eficacia de retención del terreno entre un píxel y el cauce (trayectoria descendente, en la Figura 5): .. math:: NDR_{0,i} = 1 - eff'_i :label: ndr_0 @@ -199,15 +199,6 @@ El mapa de corrientes del modelo (**stream.tif**) se calcula mediante el ráster 0, & \text{otherwise} \\ \end{array}\right\} -Limitaciones ------------- - -El modelo tiene un pequeño número de parámetros y los resultados muestran generalmente una alta sensibilidad a los inputs. Esto implica que los errores en los valores empíricos de los parámetros de carga tendrán un gran efecto en las predicciones. Del mismo modo, los valores de la eficiencia de retención se basan en estudios empíricos, y los factores que afectan a estos valores (como la pendiente o la variabilidad intra-anual) se promedian. Estos valores incorporan implícitamente información sobre la dinámica dominante de los nutrientes, influida por el clima y los suelos. El modelo también asume que una vez que el nutriente llega a la corriente e impacta la calidad del agua en la salida de la cuenca, no se capturan los procesos dentro de la corriente. Por último, no se ha estudiado bien el efecto de la resolución de la cuadrícula en la formulación de NDR. - -Se recomienda realizar análisis de sensibilidad para investigar cómo los intervalos de confianza en los parámetros de input afectan a las conclusiones del estudio (Hamel et al., 2015). - -Véase también la sección "Interpretación del modelo biofísico" para obtener más detalles sobre las incertidumbres del modelo. - Evaluación de los servicios de retención de nutrientes ------------------------------------------------------ @@ -218,12 +209,22 @@ Para calcular los servicios de retención de nitrógeno por píxel dentro de un La valoración monetaria (o no monetaria) de los servicios de retención de nutrientes es muy específica del contexto. Una nota importante sobre la asignación de un valor monetario a cualquier servicio es que la valoración solo debe hacerse sobre los resultados del modelo que han sido calibrados y validados. De lo contrario, no se sabe lo bien que el modelo representa el área de interés, lo que puede llevar a una representación errónea del valor exacto. Si el modelo no ha sido calibrado, solo deben utilizarse resultados relativos (como un aumento del 10%) y no valores absolutos (como 1.523 kg o 42.900 dólares). +Limitaciones y simplificaciones +=============================== + +El modelo tiene un número reducido de parámetros y los resultados suelen ser muy sensibles a los inputs. Esto implica que los errores en los valores empíricos de los parámetros de carga tendrán un gran efecto en las predicciones. Del mismo modo, los valores de la eficacia de retención se basan en estudios empíricos, y los factores que afectan a estos valores (como la pendiente o la variabilidad intraanual) se promedian. Estos valores incorporan implícitamente información sobre la dinámica dominante de los nutrientes, influida por el clima y los suelos. El modelo también asume que, una vez que el nutriente llega a la corriente, afecta a la calidad del agua en la salida de la cuenca, sin que se capten los procesos dentro de la corriente. Por último, no se ha estudiado bien el efecto de la resolución de la cuadrícula en la formulación del NDR. + +Se recomienda realizar análisis de sensibilidad para investigar cómo los intervalos de confianza en los parámetros de entrada afectan a las conclusiones del estudio (Hamel et al., 2015). + +Véase también la sección "Interpretación del modelo biofísico" donde hay más detalles sobre las incertidumbres del modelo. Nacesidades de datos ==================== .. note:: *Todos los inputs espaciales deben tener exactamente el mismo sistema de coordenadas proyectadas* (con unidades lineales de metros), *no* un sistema de coordenadas geográficas (con unidades de grados). +.. note:: Los resultados solo se pueden calcular en los píxeles en los que *todos* los rásteres de entrada tienen valores válidos. Si algún ráster de entrada tiene el valor NoData en un píxel, entonces el resultado también será NoData en ese píxel. + .. note:: Los inputs en ráster pueden tener diferentes tamaños de celda y serán remuestreadas para que coincidan con el tamaño de celda del MDE. Por lo tanto, todos los resultados del modelo tendrán el mismo tamaño de celda que el MDE. El modelo tiene opciones para calcular el nitrógeno, el fósforo o ambos. Debe proporcionar todos los inputs correspondientes al nutriente o nutrientes elegidos. @@ -252,10 +253,10 @@ El modelo tiene opciones para calcular el nitrógeno, el fósforo o ambos. Debe - :investspec:`ndr.ndr biophysical_table_path.columns.load_[NUTRIENT]` .. note:: - Las cargas son las fuentes de nutrientes asociadas a cada clase de LULC. Este valor es la carga total de todas las fuentes. Si desea representar diferentes niveles de aplicación de fertilizantes, tendrá que crear clases LULC separadas, por ejemplo una clase llamada "cultivos - alto uso de fertilizantes" una clase separada llamada "cultivos - bajo uso de fertilizantes", etc. + Las cargas son las fuentes de nutrientes asociadas a cada píxel del paisaje. En consonancia con la bibliografía sobre coeficientes de exportación (California Regional Water Quality Control Board Central Coast Region, 2013; Reckhow et al., 1980), los valores de carga para cada clase de LULC se derivan de medidas empíricas de exportación de nutrientes (por ejemplo, exportación de nutrientes que escurren de zonas urbanas, cultivos, etc.). Alternativamente, si se dispone de información sobre la cantidad de nutrientes aplicados (por ejemplo, fertilizantes, residuos ganaderos, deposición atmosférica), es posible utilizarla estimando el uso de nutrientes en el píxel y aplicando este factor de corrección para obtener los parámetros de carga. Para más información, véase la sección Necesidades de datos. .. note:: - Los valores de carga pueden expresarse como la cantidad de nutrientes aplicados (por ejemplo, fertilizantes, residuos ganaderos, deposición atmosférica); o como medidas "extensivas" de contaminantes, que son valores empíricos que representan la contribución de una parcela al presupuesto de nutrientes (por ejemplo, la exportación de nutrientes que se escapa de las zonas urbanas, los cultivos, etc.) En este último caso, la carga debe corregirse en función de la retención de nutrientes de los píxeles pendiente abajo del mismo LULC. Por ejemplo, si el valor de exportación medido (o derivado empíricamente) para el bosque es de 3 kg.ha-1.año-1 y la eficiencia de retención es de 0,8, se debe introducir 15(kg.ha-1.año-1) en la columna n_carga de la tabla biofísica; el modelo calculará el nutriente que sale del píxel del bosque como 15*(1-0,8) = 3 kg.ha-1.año-1. + Las fuentes de datos pueden proporcionar valores de carga como la cantidad de nutrientes aplicados (por ejemplo, fertilizantes, residuos ganaderos, deposición atmosférica); o como medidas "extensivas" de contaminantes, que son valores empíricos que representan la contribución de una parcela al balance de nutrientes (por ejemplo, exportación de nutrientes que escurren de zonas urbanas, cultivos, etc.). En el caso de tener valores de nutrientes aplicados, estos deben corregirse en función de la retención de nutrientes proporcionada por el propio píxel, utilizando la tasa de aplicación y el valor de eficiencia de retención (*eff_n* o *eff_p*) para ese tipo de cubierta terrestre: - :investspec:`ndr.ndr biophysical_table_path.columns.eff_[NUTRIENT]` La capacidad de retención de nutrientes de un determinado tipo de vegetación se expresa como una proporción de la cantidad de nutrientes procedentes de la ladera. Por ejemplo, se pueden asignar valores altos (de 0,6 a 0,8) a todos los tipos de vegetación natural (como bosques, pastos naturales, humedales o praderas), lo que indica que se retiene entre el 60 y el 80% de los nutrientes. @@ -287,7 +288,7 @@ El modelo tiene opciones para calcular el nitrógeno, el fósforo o ambos. Debe - :investspec:`ndr.ndr subsurface_eff_n` Interpretación de los resultados --------------------------------- +================================ En los nombres de los archivos que aparecen a continuación, "x" significa n (nitrógeno) o p (fósforo), dependiendo de los nutrientes que se hayan modelizado. La resolución de los rásters resultantes será la misma que la del MDE proporcionado como input. @@ -301,13 +302,13 @@ En los nombres de los archivos que aparecen a continuación, "x" significa n (ni * *n_surface_load*: Cargas (fuentes) totales de nitrógeno en la cuenca, es decir, la suma de la contribución de nutrientes de todas las LULC superficiales sin filtrar por el paisaje [unidades kg/año] * *n_subsurface_load*: Cargas totales de nitrógeno subsuperficial en la cuenca [unidades kg/año] * *p_surface_export*: Exportación total de fósforo de la cuenca por flujo superficial [unidades kg/año] (Eq. :eq:`total_nutrient_export`) - * *n_surface_export*: Exportación total de fósforo de la cuenca por flujo superficial [unidades kg/año] (Eq. :eq:`total_nutrient_export`) - * *n_subsurface_export*: Exportación total de fósforo de la cuenca por flujo superficial [unidades kg/año](Eq. :eq:`total_nutrient_export`) + * *n_surface_export*: Exportación total de nitrógeno de la cuenca por flujo superficial [unidades kg/año] (Eq. :eq:`total_nutrient_export`) + * *n_subsurface_export*: Exportación total de nitrógeno de la cuenca por flujo subsuperficial [unidades kg/año](Eq. :eq:`total_nutrient_export`) * *n_total_export*: Exportación total de nitrógeno de la cuenca por flujo superficial y subsuperficial [unidades kg/año] (Eq. :eq:`total_nutrient_export`) - * **p_surface_export.tif**: Un mapa a nivel de píxel que muestra cuánto fósforo de cada píxel llega finalmente a la corriente por flujo superficial [Unidades: kg/pixel] (Eq. :eq:`nutrient_export`) - * **n_surface_export.tif**: Un mapa a nivel de píxel que muestra cuánto nitrógeno de cada píxel llega finalmente a la corriente por flujo superficial [Unidades: kg/pixel] (Eq. :eq:`nutrient_export`) - * **n_subsurface_export.tif**: Un mapa a nivel de píxel que muestra cuánto nitrógeno de cada píxel llega finalmente a la corriente por flujo subsuperficial [Unidades: kg/pixel] (Eq. :eq:`nutrient_export`) + * **p_surface_export.tif**: Un mapa a nivel de píxel que muestra cuánto fósforo de cada píxel llega finalmente a la corriente por flujo superficial [Unidades: kg/pixel/año] (Eq. :eq:`nutrient_export`) + * **n_surface_export.tif**: Un mapa a nivel de píxel que muestra cuánto nitrógeno de cada píxel llega finalmente a la corriente por flujo superficial [Unidades: kg/pixel/año] (Eq. :eq:`nutrient_export`) + * **n_subsurface_export.tif**: Un mapa a nivel de píxel que muestra cuánto nitrógeno de cada píxel llega finalmente a la corriente por flujo subsuperficial [Unidades: kg/pixel/año] (Eq. :eq:`nutrient_export`) * **n_total_export.tif**: Un mapa a nivel de píxel que muestra cuánto nitrógeno de cada píxel llega finalmente a la corriente (la suma de **n_surface_export.tif** y **n_subsurface_export.tif**) [Unidades: kg/píxel] (Eq. :eq:`nutrient_export`) * **[Workspace]\\intermediate_outputs** folder: @@ -386,7 +387,13 @@ Carga de nutrientes ------------------- Para todos los parámetros de calidad del agua (carga de nutrientes, eficiencia de retención y duración de la retención), debe consultarse la bibliografía local para obtener los valores específicos del lugar. La base de datos de parámetros de nutrientes de NatCap ofrece una lista no exhaustiva de referencias locales para las cargas de nutrientes y las eficiencias de retención: https://naturalcapitalproject.stanford.edu/sites/g/files/sbiybj9321/f/nutrient_db_0212.xlsx. Parn et al. (2012) y Harmel et al. (2007) ofrecen una buena revisión para las tierras agrícolas de clima templado. -Se pueden encontrar ejemplos de coeficientes de exportación (medidas "extensivas", véase Necesidades de datos) para los EE.UU. en el manual de PLOAD de la EPA y en una revisión de Lin (2004). Obsérvese que los ejemplos de la guía de la EPA están en libras/acres/año y deben convertirse a kilogramos/hectáreas/año. +Las fuentes de datos pueden proporcionar valores de carga como la cantidad de nutrientes aplicados (por ejemplo, fertilizantes, residuos ganaderos, deposición atmosférica); o como medidas "extensivas" de contaminantes, que son valores empíricos que representan la contribución de una parcela al balance de nutrientes (por ejemplo, exportación de nutrientes que escurren de zonas urbanas, cultivos, etc.). En el caso de tener valores de nutrientes aplicados, deben corregirse en función de la retención de nutrientes proporcionada por el propio píxel, utilizando la tasa de aplicación y el valor de eficiencia de retención (*eff_n* o *eff_p*) para ese tipo de cubierta terrestre. + +application_load * (1 - retention_efficiency) + +Por ejemplo, si la tasa de aplicación de nitrógeno para una clase LULC agrícola es de 10 kg/ha/año y la eficiencia de retención es de 0,4, deberá introducir un valor de 6.0 en la columna *n_load* de la tabla biofísica. Si dispone de valores "extensivos"/de exportación, puede utilizarlos directamente en la tabla biofísica sin corrección. + +Se pueden encontrar ejemplos de coeficientes de exportación (medidas "extensivas") para EE.UU. en el Manual del usuario de PLOAD de la EPA y en una revisión de Lin (2004). Nótese que los ejemplos de la guía de la EPA están en lbs/ac/año y deben convertirse a kg/ha/año. Eficiencia de retención ----------------------- diff --git a/source/es/recreation.rst b/source/es/recreation.rst index 336ec289..24adac7f 100644 --- a/source/es/recreation.rst +++ b/source/es/recreation.rst @@ -49,7 +49,7 @@ La herramienta comienza transformando en logaritmo todos los valores de :math:`y Días de usuarios de fotos ------------------------- -Dado que los datos precisos sobre el número de visitantes a menudo solo se recogen en unos pocos lugares específicos de cualquier región de estudio, suponemos que la visitación actual puede aproximarse mediante el número total de días-persona anuales de fotografías cargadas en el sitio web para compartir fotografías `flickr `_. Muchas de las fotografías de flickr se han asignado a una latitud/longitud específica. Utilizando esta ubicación, junto con el nombre de quien fotografía y la fecha en que se tomó la imagen, el modelo InVEST cuenta el total de fotos-usuarios-días para cada celda de la cuadrícula o polígono. Un fotos-usuarios-días en un lugar es un único fotógrafo que tomó al menos una fotografía en un día específico. Para cada celda, el modelo suma el número de fotos-usuarios-días para todos los días de 2005 a 2014 (o un rango definido por usted dentro de esos años), y devuelve el número medio anual de fotos-usuarios-días (PUD_YR_AVG). PUD_YR_AVG es :math:`y_i` en la ecuación anterior. +Dado que a menudo solo se recogen datos a escala fina sobre el número de visitantes en unos pocos lugares concretos de cualquier región de estudio, suponemos que la frecuentación actual puede aproximarse mediante el número total de días-persona anuales de fotografías subidas al sitio web para compartir fotografías `flickr `_. Muchas de las fotografías de flickr se han asignado a una latitud/longitud específica. Utilizando esta ubicación, junto con el nombre de usuario del fotógrafo y la fecha en que se tomó la imagen, el modelo InVEST cuenta el total de foto-usuarios-día de cada cuadrícula o polígono. Un foto-usuario-día en una ubicación es un fotógrafo único que tomó al menos una foto en un día específico. Para cada celda, el modelo suma el número de foto-usuarios-día para todos los días de 2005-2017 (o un rango definido por el usuario dentro de esos años), y devuelve el número medio anual de foto-usuarios-día (PUD_YR_AVG). PUD_YR_AVG es :math:`y_i` en la ecuación anterior. Hemos observado que el número de personas que visitan un lugar anualmente para recrearse está relacionado con el número de fotografías tomadas en la misma zona y subidas a la base de datos de flickr en 836 atracciones para visitantes de todo el mundo (Wood et al. 2013). La densidad de las fotografías varía espacialmente, lo que repercute en el tamaño de la celda que puede elegirse para el análisis (véase :ref:`rec-data-needs`: Tamaño de la celda). Los cálculos de la PUD se realizan en un servidor remoto a partir de un amplio conjunto de datos globales que el Proyecto Natural Capital se encarga de conservar y mantener. @@ -66,7 +66,7 @@ Análisis de escenarios Si se calcula una regresión, el modelo puede estimar opcionalmente las tasas de visitación dado un conjunto de predictores modificados que representan un escenario futuro o alternativo. Los predictores del escenario deben representar las mismas características que se seleccionaron como variables predictivas, pero pueden representar versiones modificadas de esas características (por ejemplo, redes de carreteras modificadas, puntos de hotel adicionales, distribuciones de hábitat alteradas, etc.). Las predicciones de los escenarios se realizan utilizando la ecuación de regresión anterior. En primer lugar, se estiman los coeficientes de cada variable predictiva como se describe en :ref:`rec-how-it-works`, y luego se aplican esos coeficientes a los valores de cada predictor que se ha modificado para un escenario. Consulte la sección :ref:`rec-data-needs` para obtener más detalles sobre la preparación de los datos del escenario. Limitaciones y simplificaciones -------------------------------- +=============================== El modelo no presupone que ninguna variable de predicción tenga un efecto sobre las visitas. En cambio, la herramienta estima la magnitud del efecto de cada predictor basándose en su correspondencia espacial con la visitación actual en el área de interés. Los valores de fotos-personas-días por celdas se toman como medida de la visitación y se hace una regresión contra los valores de las variables predictivas en todas las celdas. Cuando se proporciona una tabla de predicción de escenarios, la herramienta utiliza los valores :math:`beta_{p}` calculados para la tabla de predicción y los aplica a los predictores de escenarios futuros. Este paso requiere la suposición de que las respuestas de las personas a los atributos que sirven de predictores en el modelo no cambiarán con el tiempo. En otras palabras, en el futuro, las personas seguirán siendo atraídas o repelidas por los predictores de la misma manera que lo son actualmente. diff --git a/source/es/routedem.rst b/source/es/routedem.rst index 23dcd080..dff43157 100644 --- a/source/es/routedem.rst +++ b/source/es/routedem.rst @@ -28,6 +28,10 @@ Los modelos de agua dulce de InVEST se dirigen por medio de un modelo digital de * Crear corrientes cn base en la acumulación de flujo. +* Determinar el orden de las corrientes de Strahler. + +* Delinear las subcuencas a partir de las corrientes. + Esta herramienta puede ser útil cuando prepare su MDE para utilizarlo en los modelos de agua dulce. Para estos modelos, usted querrá crear arroyos que sean continuos (no cortados), y necesitará elegir un valor de Umbral de Acumulación de Flujo que cree una red de corrientes modelizada que sea lo más cercana posible a la red de corrientes del mundo real. Con RouteDEM puede probar su MDE, ver cómo lo maneja InVEST y crear rastreos de corrientes que le ayuden a elegir un valor de umbral apropiado, sin necesidad de ejecutar todo el modelo de agua dulce. Después de instalar InVEST, esta herramienta se puede encontrar en el menú de inicio bajo la carpeta InVEST como una utilidad llamada *RouteDEM*. @@ -35,8 +39,8 @@ Después de instalar InVEST, esta herramienta se puede encontrar en el menú de RouteDEM siempre resolverá los sumideros y mesetas antes de enrutar el flujo. -Inputs de la herramienta -======================== +Necesidades de datos +==================== - :investspec:`routedem workspace_dir` @@ -60,6 +64,10 @@ Inputs de la herramienta - :investspec:`routedem calculate_downslope_distance` Esto se escribirá en el archivo resultante *downslope_distance.tif* en el espacio de trabajo. La distancia se da en número de píxeles. Para traducir esta distancia de píxeles a unidades lineales, multiplique el ráster *downslope_distance.tif* por el tamaño de los píxeles. +- :investspec:`routedem calculate_stream_order` + +- :investspec:`routedem calculate_subwatersheds` + Referencias =========== diff --git a/source/es/scenic_quality.rst b/source/es/scenic_quality.rst index abb99df8..30a3a3ed 100644 --- a/source/es/scenic_quality.rst +++ b/source/es/scenic_quality.rst @@ -33,11 +33,11 @@ El modelo creará tres resultados que pueden utilizarse para evaluar el impacto * *vshed_qual.tif* es un ráster que representa la calidad visual de un determinado píxel. Las celdas de *vshed_Value.tif* se clasifican según los siguientes percentiles: - 1. No afectado - 2. Impacto visual bajo / Calidad visual alta (< percentil 25) - 3. Impacto visual moderado / Calidad visual media (percentil 25-50) - 4. Impacto visual alto / Calidad visual baja (percentil 50-75) - 5. Impacto visual muy alto / Calidad visual mala (> percentil 75) + 0. No afectado + 1. Impacto visual bajo / Calidad visual alta (< percentil 25) + 2. Impacto visual moderado / Calidad visual media (percentil 25-50) + 3. Impacto visual alto / Calidad visual baja (percentil 50-75) + 4. Impacto visual muy alto / Calidad visual mala (> percentil 75) Se generan archivos adicionales para cada característica *X* en cada paso del cálculo: @@ -76,7 +76,7 @@ Logarítmica: Exponencial: .. math:: f(x) = a \cdot e^{(-b \cdot x)} - :name: forma exponencial + :name: forma exponencial Donde *x* es la distancia en metros desde el centro de la celda a una característica puntual, y *a* y *b* son coeficientes definidos por usted. Con los valores de los parámetros por defecto (*a=1*, *b=0*), el modelo calcula una cuanca visual agregada. La función de valoración se calcula hasta un radio de valoración máximo que por defecto es de 8000 metros. @@ -130,11 +130,12 @@ Valoración - :investspec:`scenic_quality.scenic_quality max_valuation_radius` La función de valoración :math:`f` no puede ser negativa en el radio :math:`r` (:math:`f(r)>=0`). -Resultados finales ------------------- +Interpretación de los resultados +================================ Carpeta de resultados -^^^^^^^^^^^^^^^^^^^^^ +--------------------- + * **Output\\vshed_qual.tif** * Esta capa ráster contiene un campo que clasifica por cuartiles la calidad visual dentro del ADI. Las clases de calidad visual incluyen: no afectada (sin impacto visual), alta (impacto visual bajo), media (impacto visual moderado), baja (impacto visual alto) y muy baja (impacto visual muy alto). @@ -150,7 +151,7 @@ Carpeta de resultados * Esta capa ráster contiene la suma ponderada de los rásters de valoración creados para cada punto. Carpeta intermedia -^^^^^^^^^^^^^^^^^^ +------------------ * **intermediate\\dem_clipped.tif** @@ -191,16 +192,16 @@ Center for International Earth Science Information Network (CIESIN), Columbia Un Environmental Design and Research, P.C. 2006. Seascape and shoreline visibility assessment. Cape Wind Energy Project. Cape Cod, Martha’s Vineyard, and Nantucket, Massachusetts. Prepared for Cape Wind Associates, L.L.C. Boston, Mass. Syracuse, N.Y. July 2006. -Firestone, J., Kempton, W. y Krueger, A., 2009. Public acceptance of offshore wind power projects in the USA. Wind Energy, 12(2):183-202. +Firestone, J., Kempton, W. y Krueger, A., 2009. Public acceptance of offshore wind power projects in the USA. Wind Energy, 12(2):183-202. Haggett, C. 2011. Understanding public responses to offshore wind power. Energy Policy. 39: 503-510. Krueger, A., Parson, G. y Firestone, J., 2010. Valuing the visual disamenity of offshore wind power at varying distances from the shore: An application of on the Delaware shoreline. Working paper. Available at: https://works.bepress.com/george_parsons/. -Ladenburg, J. y Dubgaard, A., 2009. Preferences of coastal zone user groups regarding the siting of offshore wind farms. Ocean & Coastal Management, 52(5): 233-242. +Ladenburg, J. y Dubgaard, A., 2009. Preferences of coastal zone user groups regarding the siting of offshore wind farms. Ocean & Coastal Management, 52(5): 233-242. -Perez, O.M., Telfer, T.C. y Ross, L.G., 2005. Geographical information systems-based models for offshore floating marine fish cage aquaculture site selection in Tenerife, Canary Islands. Aquaculture Research, 36(10):946-961. +Perez, O.M., Telfer, T.C. y Ross, L.G., 2005. Geographical information systems-based models for offshore floating marine fish cage aquaculture site selection in Tenerife, Canary Islands. Aquaculture Research, 36(10):946-961. -Sander, H.A. y Polasky, S., 2009. The value of views and open space: Estimates from a hedonic pricing model for Ramsey County, Minnesota, USA. Land Use Policy, 26(3):837-845. +Sander, H.A. y Polasky, S., 2009. The value of views and open space: Estimates from a hedonic pricing model for Ramsey County, Minnesota, USA. Land Use Policy, 26(3):837-845. Wang, J., Robertson, G.J., White, K., 2000. Generating viewsheds without using sightlines. Photogrammetric Engineering & Remote Sensing, 66(1):87-90 diff --git a/source/es/sdr.rst b/source/es/sdr.rst index b85c191f..09172876 100644 --- a/source/es/sdr.rst +++ b/source/es/sdr.rst @@ -7,22 +7,7 @@ SDR: Tasa de suministro de sedimentos Resumen ======= -El objetivo del modelo InVEST Tasa de suministro de sedimentos (SDR) es cuantificar y mapear la generación de sedimentos por tierra y su suministro a la corriente. En muchos lugares del mundo se observa un aumento de la carga de sedimentos en las masas de agua, lo que afecta drásticamente a la calidad del agua y al manejo de los embalses (UNESCO 2009). El servicio de retención de sedimentos que proporciona la vegetación es de gran interés para quienes manejan el agua y la tierra. Entender dónde se producen y suministran los sedimentos les permite diseñar mejores estrategias para reducir la carga de sedimentos mediante cambios en el uso del suelo y en las prácticas de manejo. Los cambios en la carga de sedimentos pueden tener impactos en el riego aguas abajo, el tratamiento del agua, las actividades recreativas y el rendimiento de los embalses, mientras que la pérdida de suelo de la tierra puede reducir la productividad agrícola. Estos impactos pueden valorarse económicamente combinando los resultados del modelo InVEST SDR con información sobre los costos de mitigación evitados, los costos de sustitución o la disposición a pagar. - - -Cambios recientes en el modelo SDR -================================== - -A partir de la versión 3.12.0 de InVEST, se han realizado varias revisiones significativas en el modelo SDR para mejorar su usabilidad, transparencia y precisión. Estos cambios se resumen aquí y se describen con más detalle en las secciones y ecuaciones relacionadas a lo largo de este capítulo. - -* El término "deposición" se ha cambiado por "atrapamiento", y el parámetro intermedio :math:`R` se ha cambiado por :math:`T`, para evitar la confusión con el factor R utilizado en la USLE. - -* Se ha actualizado el cálculo de los parámetros intermedios :math:`R` (ahora actualizado a :math:`T`, atrapamiento) y :math:`F` (flujo). Anteriormente, :math:`R` y :math:`F` se calculaban de tal manera que el sedimento que se erosiona de un píxel (calculado por la Ecuación Universal Revisada de Pérdida de Suelo o RUSLE) puede ser atrapado por la vegetación en ese mismo píxel. Esto es conceptualmente incoherente: el papel de la vegetación para reducir la erosión y la escorrentía de sedimentos de un píxel ya se recoge en el factor C de RUSLE (Wischmeier y Smith, 1978). Al permitir el atrapamiento inmediato de sedimentos en el mismo píxel, esto equivale a contabilizar dos veces el papel de la vegetación. Con el cálculo actualizado, todos los sedimentos que se erosionan en un píxel van al siguiente píxel pendiente abajo, donde pueden quedar atrapados o seguir fluyendo pendiente abajo. *Este cambio no afectará a las estimaciones de la calidad del agua para un escenario determinado en relación con la formulación anterior del modelo. Sin embargo, dará lugar a cierto cambio en la atribución de los servicios de retención de sedimentos en el paisaje.* Por lo tanto, es probable que vea diferencias en los resultados en comparación con las versiones anteriores de InVEST. - -* Se han añadido dos nuevos resultados ("erosión evitada" y "exportación evitada"), que cuantifican explícitamente el servicio de retención de sedimentos en el paisaje. Anteriormente, no estaba claro qué resultado del modelo, o combinación de resultados, debía utilizarse para valorar el servicio ecosistémico. - -* Se han eliminado dos índices de retención de sedimentos heredados (*sed_retention.tif* y *sed_retention_index.tif*). Eran solo índices (no cantidades) y su utilidad no estaba clara, especialmente en el contexto de los nuevos resultados. - +El objetivo del modelo InVEST Sediment Delivery Ratio (SDR) es cuantificar y cartografiar la generación y entrega de sedimentos de la tierra a la corriente. En muchos lugares del mundo se observa un aumento de la carga de sedimentos en las masas de agua, lo que afecta drásticamente a la calidad del agua y a la gestión de los embalses (UNESCO 2009). El servicio de retención de sedimentos que proporciona la vegetación es de gran interés para los gestores del agua y los administradores del territorio. Comprender dónde se producen y entregan los sedimentos permite a los gestores diseñar estrategias mejoradas para reducir la carga de sedimentos mediante cambios en el uso del suelo y en las prácticas de gestión. Los cambios en la carga de sedimentos pueden tener repercusiones en el riego aguas abajo, el tratamiento del agua, las actividades recreativas y el rendimiento de los embalses, mientras que la pérdida de suelo de la tierra puede reducir la productividad agrícola. Estos impactos pueden valorarse económicamente combinando los resultados del modelo SDR de InVEST con información sobre los costos de mitigación evitados, los costos de sustitución o la disposición a pagar. Introducción ============ @@ -36,12 +21,31 @@ El modelo InVEST SDR se centra solo en la erosión terrestre, no modeliza la ero .. figure:: ./sdr/sediment_budget.png -Figura 1. Presupuesto general de sedimentos de la cuenca. El tamaño relativo de las flechas cambia en función del entorno. El modelo InVEST se centra en las fuentes y sumideros terrestres, y no incluye los demás. +*Figura 1. Presupuesto general de sedimentos de la cuenca. El tamaño relativo de las flechas cambia en función del entorno. El modelo InVEST se centra en las fuentes y sumideros terrestres, y no incluye los demás.* El modelo ========= +Cambios recientes en el modelo SDR +---------------------------------- + +A partir de la versión 3.12.0 de InVEST, se han introducido varias revisiones importantes en el modelo SDR para mejorar su facilidad de uso, transparencia y precisión. Estos cambios se resumen aquí y se describen con más detalle en las secciones y ecuaciones relacionadas a lo largo de este capítulo. + +* El término "deposición" se ha cambiado por "atrapamiento", y el parámetro intermedio :math:`R` se ha cambiado por :math:`T`, para evitar confusiones con el factor R utilizado en la USLE. + +* Se ha actualizado el cálculo de los parámetros intermedios :math:`R` (ahora actualizado a :math:`T`, atrapamiento) y :math:`F` (flujo). Anteriormente, :math:`R` y :math:`F` se calculaban de forma que el sedimento que erosiona un píxel (calculado mediante la Ecuación Universal Revisada de Pérdida de Suelo o RUSLE) puede ser atrapado por la vegetación en ese mismo píxel. Esto es conceptualmente incoherente: el papel de la vegetación para reducir la erosión y la escorrentía de sedimentos de un píxel ya se recoge en el factor C de RUSLE (Wischmeier y Smith, 1978). Al permitir la captura inmediata de sedimentos en el mismo píxel, esto equivalía a contabilizar dos veces el papel de la vegetación. Con el cálculo actualizado, todo el sedimento que se erosiona de un píxel va al siguiente píxel ladera abajo, donde puede quedar atrapado o seguir fluyendo ladera abajo. *Este cambio no afectará a las estimaciones de la calidad del agua para ningún escenario dado en relación con la formulación anterior del modelo. Sin embargo, dará lugar a algún cambio en la atribución de los servicios de retención de sedimentos que se prestan en el paisaje, por lo que es probable que se observen diferencias en los resultados, en comparación con las versiones anteriores de InVEST. + +* Se han añadido dos nuevos resultados ("erosión evitada" y "exportación evitada"), que cuantifican explícitamente el servicio de retención de sedimentos en el paisaje. Anteriormente, no estaba claro qué resultado del modelo, o combinación de resultados, debía utilizarse para valorar el servicio ecosistémico. + +* Se han eliminado dos índices de retención de sedimentos heredados (*sed_retention.tif* y *sed_retention_index.tif*). Solo eran índices (no cantidades) y su utilidad no estaba clara, especialmente en el contexto de los nuevos resultados. + +A partir de la versión 3.14.0 de InVEST, hemos introducido dos cambios adicionales en el modelo SDR que alinean mejor sus resultados del Factor LS con la bibliografía, pero que, en consecuencia, modifican significativamente muchos de los resultados del modelo SDR. Anticipamos que este cambio hará que los resultados del factor LS sean más realistas para muchos usuarios. + +* La longitud de aspecto del Factor LS se calcula ahora como una función de la pendiente del radián :math:`\\alpha`, :math:`||\sin\alpha|| + |\cos\alpha|` en lugar de como la media ponderada del flujo proporcional en el píxel. + +* El área de contribución del factor LS corriente arriba se calcula ahora como una aproximación del área de captación específica, :math:`\sqrt{n\_upstream\_pixels \cdot pixel\_area}`, en lugar del área absoluta corriente arriba. Este cambio se ajusta a las situaciones unidimensionales para las que se desarrollaron y parametrizaron las ecuaciones del factor LS (y USLE en general), en las que el "área corriente arriba" en USLE no es un área real sino una longitud. Así, este cambio en el SDR de InVEST crea resultados más realistas y se ajusta mejor a la literatura y al enfoque LS adoptado en otros paquetes de software. Para una discusión completa de este cambio, por favor vea el correspondiente `InVEST development record `_. + Suministro de sedimentos ------------------------ @@ -81,8 +85,8 @@ donde .. math:: S = \left\{\begin{array}{lr} - 10.8\cdot\sin(\theta)+0.03, & \text{where } \theta < 9\% \\ - 16.8\cdot\sin(\theta)-0.50, & \text{where } \theta \geq 9\% \\ + 10.8\cdot\sin(\theta)+0.03, & \text{where } theta < 9\% \\ + 16.8\cdot\sin(\theta)-0.50, & \text{where } theta \geq 9\% \\ \end{array}\right\} @@ -90,11 +94,11 @@ donde * :math:`D` es la dimensión lineal de la celda de la red (:math:`m`) - * :math:`x_i` es la media del aspecto ponderado por el flujo de salida proporcional de la celda de rejilla :math:`i` determinada por el algoritmo de Dirección de Flujo Múltiple. Se calcula mediante + * :math:`x_i` es el aspecto :math:`i` determinado por el algoritmo de Dirección de Flujo Múltiple. Se calcula mediante - .. math:: x_i = \sum_{d\in{0,7\}} x_d\cdot P_i(d) + .. math:: x_i = | \sin \alpha_i | + | \cos \alpha_i | - donde :math:`x_d = |sin \alpha(d)| + |cos \alpha(d)|`, :math:`alpha(d)` es el ángulo del radián para la dirección :math:`d`, y :math:`P_i(d)` es la proporción del flujo total de salida en la celda :math:`i` en la dirección :math:`d`. + donde :math:`x_d = \alpha_i` es el ángulo de la pendiente en el píxel :math:`i`, en radianes. * :math:`m` es el factor de exponente de longitud RUSLE. @@ -131,7 +135,7 @@ Tasa de suministro de sedimentos .. figure:: ./sdr/connectivity_diagram.png -Figura 2. Enfoque conceptual utilizado en el modelo. La Tasa de suministro de sedimentos (SDR) para cada píxel es una función del área pendiente arriba y de la trayectoria del flujo descendente. +*Figura 2. Enfoque conceptual utilizado en el modelo. La Tasa de suministro de sedimentos (SDR) para cada píxel es una función del área pendiente arriba y de la trayectoria del flujo descendente.* | Las pendientes umbralizadas :math:`S_{th}` y los factores de manejo de la cobertura :math:`C_{th}` se utilizan para calcular :math:`D_{up}` y :math:`D_{dn}`. Se establece un límite inferior para evitar valores infinitos para :math:`IC`. También se aplica un límite superior a la pendiente para limitar el sesgo debido a valores muy altos de :math:`IC` en pendientes pronunciadas. (Cavalli et al., 2013). @@ -175,7 +179,7 @@ donde :math:`SDR_{max}` es la máxima SDR teórica, fijada en un valor medio de .. figure:: ../en/sdr/ic0_k_effect.png -Figura 3. Relación entre el índice de conectividad IC y SDR. El valor máximo de SDR se fija en :math:`SDR_{max}=0,8`. El efecto de la calibración se ilustra estableciendo :math:`k_b=1` y :math:`k_b=2` (línea sólida y discontinua, respectivamente), y :math:`IC_0=0,5` y :math:`IC_0=2` (líneas discontinuas negras y grises, respectivamente). +*Figura 3. Relación entre el índice de conectividad IC y SDR. El valor máximo de SDR se fija en :math:`SDR_{max}=0,8`. El efecto de la calibración se ilustra estableciendo :math:`k_b=1` y :math:`k_b=2` (línea sólida y discontinua, respectivamente), y :math:`IC_0=0,5` y :math:`IC_0=2` (líneas discontinuas negras y grises, respectivamente).* | Exportación de sedimentos @@ -242,7 +246,7 @@ donde :math:`F_i` es la cantidad de exportación de sedimentos que no llega al " .. figure:: ./sdr/SDR_connectivity_indices.png :scale: 25 % -Figura 4. Ilustración de los procesos relevantes de erosión y deposición de sedimentos, sus interconexiones espaciales y su representación en el modelo. La cantidad máxima de sedimento que podría erosionarse de un píxel se define como el valor USLE en ausencia de vegetación (RKLS). La diferencia entre éste y la erosión real con cobertura del suelo y manejo (RKLSCP) indica el papel de esos factores locales para evitar la erosión. Del sedimento que sale de un píxel (RKLSCP), solo una fracción (SDR) llega a un píxel de pendiente abajo. El resto (:math:`RKLSCP*(1-SDR)`) se retiene en los píxeles aguas abajo. Por lo tanto, el papel de la vegetación es doble: (1) evitar la erosión local y (2) atrapar el sedimento que se movilizó pendiente arriba. El recuadro de la parte inferior indica el destino potencial de los sedimentos erosionados. +*Figura 4. Ilustración de los procesos relevantes de erosión y deposición de sedimentos, sus interconexiones espaciales y su representación en el modelo. La cantidad máxima de sedimento que podría erosionarse de un píxel se define como el valor USLE en ausencia de vegetación (RKLS). La diferencia entre éste y la erosión real con cobertura del suelo y manejo (RKLSCP) indica el papel de esos factores locales para evitar la erosión. Del sedimento que sale de un píxel (RKLSCP), solo una fracción (SDR) llega a un píxel de pendiente abajo. El resto (:math:`RKLSCP*(1-SDR)`) se retiene en los píxeles aguas abajo. Por lo tanto, el papel de la vegetación es doble: (1) evitar la erosión local y (2) atrapar el sedimento que se movilizó pendiente arriba. El recuadro de la parte inferior indica el destino potencial de los sedimentos erosionados.* | | @@ -296,12 +300,18 @@ En algunas situaciones, el índice de conectividad definido por la topografía n Área definida de resultados ^^^^^^^^^^^^^^^^^^^^^^^^^^^ -La SDR y otros resultados del modelo se definen en términos de distancia al cauce (:math:`d_i`). Por lo tanto, estos resultados solo se definen para los píxeles que drenan a una corriente en el mapa (y por lo tanto están dentro de la cuenca de las corrientes). Los píxeles que no drenan a ningún cauce tendrán valores NoData en estos resultados. Los archivos de resultados afectados son: **d_dn.tif**, **ic.tif**, **e_prime.tif**, **sdr_factor.tif**, **sediment_deposition.tif**, **avoided_erosion.tif**, y **sed_export.tif**. +Hay tres cosas principales que definen el área donde el modelo produce valores en las capas de salida: + * Los resultados se limitan al área cubierta por el vector de entrada Cuencas. + * Los resultados solo se pueden calcular en los píxeles en los que *todos* los rásteres de entrada tienen valores válidos. Si algún ráster de entrada tiene el valor NoData en un píxel, entonces el resultado también será NoData en ese píxel. + * Los resultados que dependen de la distancia a la red de corrientes (como la SDR y otros resultados que se basan en ella), solo se calculan para los píxeles que drenan a una corriente. + +SDR y otros resultados del modelo se definen en términos de distancia a la corriente (:math:`d_i`). Por lo tanto, estas salidas solo se definen para píxeles que drenan a una corriente (salida **stream.tif**), tal y como se define por el Umbral de Acumulación de Flujo y el MDE dado como input. Los píxeles que no drenan a ninguna corriente tendrán valores NoData en estas salidas. Los archivos de salida afectados son: **d_dn.tif**, **ic.tif**, **e_prime.tif**, **sdr_factor.tif**, **sediment_deposition.tif**, **avoided_erosion.tif** y **sed_export.tif**. -Si usted ve áreas de NoData en estos resultados que no pueden ser explicadas por datos faltantes en los inputs, es probable que sea porque no están conectadas hidrológicamente a una corriente en el mapa. Esto puede ocurrir si su MDE tiene huecos o errores, si los límites del mapa no se extienden lo suficiente como para incluir corrientes en esa cuenca, o si su valor umbral de acumulación de flujo es demasiado alto para reconocer las corrientes. Puede confirmarlo comprobando el resultado intermedio **what_drains_to_stream.tif**, que indica qué píxeles drenan a una corriente. Compruebe el resultado de las corrientes (**stream.tif**) y asegúrese de que se ajusta lo más posible a las corrientes del mundo real. Consulte la sección :ref:`working-with-the-DEM` de esta guía de uso para obtener más información. +Si usted ve áreas NoData en estos resultados que no pueden ser explicadas por datos faltantes en los inputs, es probable que sea porque no están conectadas hidrológicamente a una corriente en el mapa. Esto puede ocurrir si su MDE tiene huecos o errores, si los límites del mapa no se extienden lo suficiente como para incluir corrientes en esa cuenca, o si su valor umbral de acumulación de flujo es demasiado alto para reconocer las corrientes. Puede confirmarlo comprobando el resultado intermedio **what_drains_to_stream.tif**, que indica qué píxeles drenan a una corriente. Compruebe el resultado de las corrientes (**stream.tif**) y asegúrese de que se ajusta lo más posible a las corrientes del mundo real. Consulte la sección :ref:`working-with-the-DEM` de esta guía de uso para obtener más información. -**Ejemplo:** A continuación se muestra un ejemplo del efecto de l umbral de acumulación de flujo en la extensión definida, en un área con múltiples cuencas hidrográficas que no están conectadas hidrológicamente. Dentro del área del mapa, se puede ver una red de corrientes conectadas que fluyen de noroeste a sureste, así como 3 trozos de corrientes que se cortan a lo largo del lado derecho del mapa. En los mapas de ejemplo que aparecen a continuación, la fila superior muestra las corrientes,(**stream.tif** resultado del SDR), mientras que la fila inferior muestra el SDR (**sdr_factor.tif**). +**Tenga en cuenta también que muchos de los resultados del SDR producen valores de NoData donde hay corrientes**. Esto se debe a que el modelo no incluye el procesamiento dentro de la corriente, y los cálculos del modelo se detienen cuando alcanzan una corriente, tal y como se define en el ráster de salida **stream.tif**. Así que si ve valores NoData que está intentando explicar, compárelos con **stream.tif** y vea si coinciden. Si lo hacen, este es el comportamiento esperado, y no hay entradas que se pueden cambiar que producirán valores dentro de las corrientes definidas. +**Ejemplo:** A continuación se muestra un ejemplo del efecto de la acumulación de caudal umbral en la extensión definida, en un área con múltiples cuencas hidrográficas que no están conectadas hidrológicamente. Dentro del área del mapa se puede ver una red de corrientes conectadas que fluyen de noroeste a sureste, así como 3 trozos de corrientes que se cortan a lo largo del lado derecho del mapa. En los mapas de ejemplo de abajo, los píxeles blancos de la fila superior son corrientes (**stream.tif** salida de SDR), mientras que la fila inferior muestra SDR (**sdr_factor.tif**). *Observe los píxeles negros en los rásteres SDR, que son píxeles NoData, ya que están dentro de la red de corrientes. En la columna de la izquierda, con un valor UAF de 100, las corrientes existen tanto en la cuenca inferior izquierda como en la superior derecha. El ráster SDR se define en todos los lugares en los que se definen los inputs, excepto un pequeño parche en el borde derecho que no drena a ninguna corriente. En la columna de la derecha, con un valor UAF de 1000, no hay ninguna corriente en la cuenca superior derecha. Como resultado, los píxeles de esa cuenca no drenan a ninguna corriente, y el ráster SDR correspondiente no está definido (como valores de NoData) en esa zona. @@ -309,21 +319,7 @@ En la columna de la derecha, con un valor UAF de 1000, no hay ninguna corriente .. figure:: ./sdr/example_different_tfa_effects.png :scale: 50 % -Figura 5. Ejemplo del efecto del parámetro Umbral de Acumulación de Flujo en la extensión del mapa resultante. - - -Limitaciones ------------- - - * Entre las principales limitaciones del modelo está su dependencia de la USLE (Renard et al., 1997). Esta ecuación se utiliza ampliamente, pero su alcance es limitado, ya que solo representa los procesos de erosión terrestre (de barranco/entre barrancos). Otras fuentes de sedimentos son la erosión de cárcavas, la erosión de riberas y la pérdida de masa por desprendimiento de tierras o rocas y la erosión glaciar. Wilkinson et al. (2014) ofrece una buena descripción de los procesos de erosión de los barrancos y las riberas, con posibles enfoques de modelización. Los movimientos de masas (desprendimientos) no están representados en el modelo, pero pueden ser una fuente importante en algunas zonas o bajo ciertos cambios de uso del suelo, como la construcción de carreteras. - -* Un corolario es que las descripciones del impacto en los servicios ecosistémicos (y cualquier valoración posterior) deberían tener en cuenta la proporción relativa de la fuente de sedimentos del modelo en comparación con el presupuesto total de sedimentos (véase la sección sobre :ref:`evaluating_sed_ret_services`). - - * Además, como ecuación empírica desarrollada en Estados Unidos, la USLE ha mostrado un rendimiento limitado en otras zonas, incluso cuando se centra en la erosión terrestre. Basándose en el conocimiento local, los usuarios pueden modificar la ecuación de pérdida de suelo implementada en el modelo alterando los inputs R, K, C, P para reflejar los hallazgos de los estudios locales (Sougnez et al., 2011). - - * El modelo es muy sensible a los parámetros *k* y *IC0*, que no tienen una base física. La literatura emergente sobre el enfoque de modelizado en el modelo InVEST (Cavalli et al., 2013; López-vicente et al., 2013; Sougnez et al., 2011; Vigiak et al., 2012) proporciona orientación para establecer estos parámetros, pero los usuarios deben ser conscientes de esta limitación al interpretar los valores absolutos del modelo. - - * Dada la simplicidad del modelo y el bajo número de parámetros, los resultados son muy sensibles a la mayoría de los parámetros de input; por lo tanto, los errores en los parámetros empíricos de las ecuaciones USLE tendrán un gran efecto en las predicciones. Se recomienda realizar análisis de sensibilidad para investigar cómo afectan los intervalos de confianza de los parámetros de input a las conclusiones del estudio. +*Figura 5. Ejemplo del efecto del parámetro Umbral de acumulación de caudal en la extensión del mapa de salida.* .. _differences-SDR-Borselli: @@ -402,6 +398,20 @@ Consideraciones de tiempo Por lo general, el análisis económico y financiero utilizará alguna forma de descuento que reconozca el valor temporal del dinero, los beneficios y el uso de los recursos. Los beneficios y costos que se acumulan en el futuro "cuentan menos" que los beneficios y costos que se experimentan cerca del presente. Es importante que cualquier análisis económico o financiero tenga en cuenta que el modelo SDR solo representa los impactos medios anuales en condiciones de estado estacionario. Esto tiene dos implicaciones para la valoración. En primer lugar, los usuarios deben reconocer que los impactos que se valoran pueden tardar en producirse: no es el caso de que los beneficios completos en estado estacionario comiencen a acumularse inmediatamente, aunque muchos de los costos podrían hacerlo. En segundo lugar, el promedio anual significa que las funciones de costo o beneficio que muestren no linealidades en escalas de tiempo más cortas deben (si es posible) ser transformadas, o el resultado de InVEST debe ser emparejado con otro análisis estadístico para representar la importante variabilidad intra o interanual. +Limitaciones y simplificaciones +=============================== + + * Una de las principales limitaciones del modelo es su dependencia de la ecuación USLE (Renard et al., 1997). Esta ecuación se utiliza mucho, pero tiene un alcance limitado ya que solo representa los procesos de erosión terrestre (barrancos/interrancos). Otras fuentes de sedimentos son la erosión de los barrancos, la erosión de los márgenes de los arroyos y la pérdida de masa por corrimientos de tierras o desprendimientos de rocas, así como la erosión glaciar. Wilkinson et al. 2014 ofrecen una buena descripción de los procesos de erosión de barrancos y riberas, con posibles enfoques de modelización. Los movimientos de masas (corrimiento de tierras) no están representados en el modelo, pero pueden ser una fuente importante en algunas zonas o bajo determinados cambios de uso del suelo, como la construcción de carreteras. + + * Un corolario es que las descripciones del impacto en los servicios ecosistémicos (y cualquier valoración posterior) deben tener en cuenta la proporción relativa de la fuente de sedimentos del modelo en comparación con el presupuesto total de sedimentos (véase la sección sobre :ref:`evaluating_sed_ret_services`). + +* Además, como ecuación empírica desarrollada en Estados Unidos, la USLE ha mostrado un rendimiento limitado en otras zonas, incluso cuando se centra en la erosión superficial. Basándose en el conocimiento local, los usuarios pueden modificar la ecuación de pérdida de suelo implementada en el modelo alterando las entradas R, K, C, P para reflejar los hallazgos de estudios locales (Sougnez et al., 2011). + + * El modelo es muy sensible a los parámetros *k* e *IC0*, que no tienen una base física. La literatura emergente sobre el enfoque de modelado utilizado en el modelo InVEST (Cavalli et al., 2013; López-Vicente et al., 2013; Sougnez et al., 2011; Vigiak et al., 2012) proporciona orientación para establecer estos parámetros, pero los usuarios deben ser conscientes de esta limitación al interpretar los valores absolutos del modelo. + + * Dada la simplicidad del modelo y el bajo número de parámetros, los resultados son muy sensibles a la mayoría de los parámetros de input. Por lo tanto, los errores en los parámetros empíricos de las ecuaciones USLE tendrán un gran efecto en las predicciones. Se recomienda realizar análisis de sensibilidad para investigar cómo afectan los intervalos de confianza de los parámetros de entrada a las conclusiones del estudio. + + Necesidades de datos ==================== @@ -446,39 +456,41 @@ Necesidades de datos Interpretación de los resultados -------------------------------- -La resolución de los rásters de resultados será la misma que la del MDE proporcionado como input. +.. note:: Muchos de los rásteres de salida SDR tienen valores NoData donde hay corrientes. Esto es con intención - Véase la sección Área definida de salidas de este capítulo para más información. + +.. note:: La resolución de los rásteres de salida será la misma que la resolución del MDE proporcionado como input. * **[Workspace]** folder: * **Registro de parámetros**: Cada vez que se ejecute el modelo, se creará un archivo de texto (.txt) en el Espacio de Trabajo. Este archivo enumerará los valores de los parámetros y los mensajes de resultados para esa ejecución y se nombrará según el servicio, la fecha y la hora, y el sufijo. Cuando se ponga en contacto con NatCap por errores en una ejecución del modelo, incluya el registro de parámetros. - * **rkls.tif** (tipo: ráster; unidades: toneladas/píxel): Pérdida potencial total de suelo por píxel en la cubierta terrestre original a partir de la ecuación RKLS. Equivale a la pérdida de suelo para el suelo desnudo. (Ecuación :eq:`usle`, sin aplicar los factores :math:`C` o :math:`P`) + * **rkls.tif** (tipo: ráster; unidades: toneladas/píxel/año): Pérdida potencial total de suelo por píxel en la cubierta terrestre original a partir de la ecuación RKLS. Equivale a la pérdida de suelo para el suelo desnudo. (Ecuación :eq:`usle`, sin aplicar los factores :math:`C` o :math:`P`) - * **sed_export.tif** (tipo: ráster; unidades: toneladas/píxel): La cantidad total de sedimento exportado desde cada píxel que llega a la corriente. (Eq. :eq:`e_i`) + * **sed_export.tif** (tipo: ráster; unidades: toneladas/píxel/año): La cantidad total de sedimento exportado desde cada píxel que llega a la corriente. (Eq. :eq:`e_i`) - * **sediment_deposition.tif** (tipo: ráster; unidades: toneladas/píxel): La cantidad total de sedimentos depositados en el píxel desde fuentes pendiente arriba como resultado del atrapamiento. (Eq. :eq:`ti`) + * **sediment_deposition.tif** (tipo: ráster; unidades: toneladas/píxel/año): La cantidad total de sedimentos depositados en el píxel desde fuentes pendiente arriba como resultado del atrapamiento. (Eq. :eq:`ti`) * **stream.tif** (tipo: ráster): Red de corrientes creada utilizando la dirección del flujo y la acumulación de flujo derivada del MDE y el Umbral de Acumulación de Flujo. Los valores de 1 representan corrientes, los valores de 0 son píxeles que no son corrientes. Compare esta capa con un mapa de corrientes del mundo real, y ajuste el Umbral de Acumulación de Flujo para que este mapa se ajuste lo más posible a las corrientes del mundo real. Consulte la sección de la guía de uso :ref:`working-with-the-DEM` para más información. * **stream_and_drainage.tif** (tipo: ráster): Si se proporciona una capa de drenaje, este ráster es la unión de esa capa con la capa de corrientes calculada (Eq. :eq:`stream_and_drainage`). Los valores de 1 representan corrientes, los valores de 0 son píxeles que no son corrientes. - * **usle.tif** (tipo: ráster; unidades: toneladas/píxel): Pérdida potencial total de suelo por píxel en la cubierta terrestre original calculada a partir de la ecuación USLE. (Eq. :eq:`usle`) + * **usle.tif** (tipo: ráster; unidades: toneladas/píxel/año): Pérdida potencial total de suelo por píxel en la cubierta terrestre original calculada a partir de la ecuación USLE. (Eq. :eq:`usle`) - * **avoided_erosion.tif** (tipo: ráster; unidades: toneladas/píxel): La contribución de la vegetación para evitar que el suelo se erosione en cada píxel. (Eq. :eq:`aer_i`) + * **avoided_erosion.tif** (tipo: ráster; unidades: toneladas/píxel/año): La contribución de la vegetación para evitar que el suelo se erosione en cada píxel. (Eq. :eq:`aer_i`) - * **avoided_export.tif** (tipo: ráster; unidades: toneladas/píxel): La contribución de la vegetación para evitar que la erosión entre en una corriente. Esto combina la retención de sedimentos local/en el píxel con el atrapamiento de la erosión pendiente arriba del píxel. (Ec. :eq:`aex_i`) + * **avoided_export.tif** (tipo: ráster; unidades: toneladas/píxel/año): La contribución de la vegetación para evitar que la erosión entre en una corriente. Esto combina la retención de sedimentos local/en el píxel con el atrapamiento de la erosión pendiente arriba del píxel. (Ec. :eq:`aex_i`) * **watershed_results_sdr.shp**: Tabla que contiene los valores biofísicos de cada cuenca, con los campos siguientes: - * **exportación_de_sed** (unidades: toneladas/cuenca hidrográfica): Cantidad total de sedimentos exportados a la corriente por cuenca hidrográfica. Debe compararse con cualquier carga de sedimentos observada en la salida de la cuenca. El conocimiento del régimen hidrológico de la cuenca y de la contribución de los sedimentos por encima de la superficie/de la red a la producción total de sedimentos ayuda a ajustar y calibrar este modelo. (Eq. :eq:`e` con la suma calculada sobre el área de la cuenca) + * **sed_export** (unidades: toneladas/cuenca/año): Cantidad total de sedimentos exportados a la corriente por cuenca hidrográfica. Debe compararse con cualquier carga de sedimentos observada en la salida de la cuenca. El conocimiento del régimen hidrológico de la cuenca y de la contribución de los sedimentos por encima de la superficie/de la red a la producción total de sedimentos ayuda a ajustar y calibrar este modelo. (Eq. :eq:`e` con la suma calculada sobre el área de la cuenca) - **usle_tot** (unidades: toneladas/cuenca): Cantidad total de pérdida potencial de suelo en cada cuenca hidrográfica calculada por la ecuación USLE. (Suma de USLE de :eq:`usle` sobre el área de la cuenca) + **usle_tot** (unidades: toneladas/cuenca/año): Cantidad total de pérdida potencial de suelo en cada cuenca hidrográfica calculada por la ecuación USLE. (Suma de USLE de :eq:`usle` sobre el área de la cuenca) - **avoided_exp** (unidades: toneladas/cuenca hidrográfica): La suma de la exportación evitada en la cuenca hidrográfica. (Suma de :math:`AEX_i` de :eq:`aex_i` sobre el área de la cuenca) + **avoid_exp** (unidades: toneladas/cuenca/año): La suma de la exportación evitada en la cuenca hidrográfica. (Suma de :math:`AEX_i` de :eq:`aex_i` sobre el área de la cuenca) - **avoided_eros** (unidades: toneladas/cuenca hidrográfica): La suma de la erosión local evitada en la cuenca (suma de :math:`AER_i` de :eq:`aer_i` sobre el área de la cuenca) + **avoid_eros** (unidades: toneladas/cuenca/año): La suma de la erosión local evitada en la cuenca (suma de :math:`AER_i` de :eq:`aer_i` sobre el área de la cuenca) - **sed_dep** (unidades: toneladas/cuenca): Cantidad total de sedimentos depositados en el paisaje en cada cuenca hidrográfica, que no entran en la corriente. (Suma de :math:`T_i` de :eq:`ti` sobre el área de la cuenca) + **sed_dep** (unidades: toneladas/cuenca/año): Cantidad total de sedimentos depositados en el paisaje en cada cuenca hidrográfica, que no entran en la corriente. (Suma de :math:`T_i` de :eq:`ti` sobre el área de la cuenca) * **[Workspace]\\intermediate_outputs** folder: @@ -548,7 +560,7 @@ A continuación se presenta un resumen de los pasos generales que se realizan pa 1. Reúna los datos observados sobre la carga de sedimentos en la salida de su cuenca de interés, procéselos según sea necesario y conviértalos en unidades de toneladas por año. -2. 2. Haga un análisis de sensibilidad de los parámetros de input, para determinar qué parámetros tienen el mayor efecto en los resultados de la modelización. Esto se hace más a menudo con parámetros basados en LULC (como USLE C) y parámetros "globales" (como *IC0* y *k*). También puede incluir inputs espaciales, pero esto se hace con menos frecuencia. +2. Haga un análisis de sensibilidad de los parámetros de input, para determinar qué parámetros tienen el mayor efecto en los resultados de la modelización. Esto se hace más a menudo con parámetros basados en LULC (como USLE C) y parámetros "globales" (como *IC0* y *k*). También puede incluir inputs espaciales, pero esto se hace con menos frecuencia. Por ejemplo, para hacer un análisis de sensibilidad del parámetro *k* de Borselli, se harían múltiples ejecuciones del modelo, cambiando el valor de *k* en cada ejecución en incrementos de, digamos, el 10%, dentro del rango de +/-50% (véase la Tabla 1 en Hamel et al. (2015)). Tenga en cuenta que esto puede implicar muchas ejecuciones del modelo, por lo que puede ser útil hacer scripts para el proceso. Consulte la sección :ref:`invest_api` de esta guía de uso para obtener más información sobre el procesamiento por lotes de las ejecuciones del modelo InVEST. Si el cambio del valor del parámetro tiene un gran efecto en los resultados, entonces el modelo es sensible a ese parámetro y es un buen candidato para el ajuste de la calibración. Si el cambio del parámetro tiene poco o ningún efecto en los resultados, no hay necesidad de incluirlo en la calibración. @@ -602,22 +614,18 @@ Erodabilidad del suelo (K) La textura es el principal factor que afecta al K, pero el perfil del suelo, la materia orgánica y la permeabilidad también contribuyen. Varía de 70/100 para el suelo más frágil a 1/100 para el suelo más estable (en unidades habituales en EE.UU.). La erodabilidad se mide normalmente en parcelas de referencia desnudas, de 22,2 m de longitud en pendientes del 9%, labradas en la dirección de la pendiente y que no han recibido materia orgánica durante tres años. -Los datos globales de los suelos están disponibles en el Programa de la Base de Datos de Suelos y Terrenos (SOTER) (https://data.isric.org:443/geonetwork/srv/eng/catalog.search). Se proporcionan algunas bases de datos de suelos específicas para cada zona, así como SoilGrids a nivel mundial. - -La FAO también proporciona datos globales sobre el suelo en su Base de Datos Mundial Armonizada sobre el Suelo: https://webarchive.iiasa.ac.at/Research/LUC/External-World-soil-database/HTML/, pero es bastante gruesa. - -En los Estados Unidos hay datos gratuitos sobre el suelo en las bases de datos gSSURGO, SSURGO y gNATSGO del Departamento de Agricultura de los Estados Unidos: https://www.nrcs.usda.gov/wps/portal/nrcs/main/soils/survey/geo/. También se proporcionan herramientas de ArcGIS (Soil Data Viewer para SSURGO y Soil Data Development Toolbox para gNATSGO) que ayudan a procesar estas bases de datos en datos espaciales que pueden ser utilizados por el modelo. La caja de herramientas de desarrollo de datos de suelo es la más fácil de usar, y se recomienda encarecidamente si utiliza ArcGIS y necesita procesar los datos de suelo de los Estados Unidos. +El Centro Europeo de Datos del Suelo (ESDAC) proporciona un conjunto de datos sobre la erosión global del suelo, que contiene una capa de erodibilidad global (factor K), pero es gruesa, con una resolución de 25 km. https://esdac.jrc.ec.europa.eu/content/global-soil-erosion. También proporciona una capa de erodibilidad más detallada para gran parte de Europa: https://esdac.jrc.ec.europa.eu/content/soil-erodibility-k-factor-high-resolution-dataset-europe. -Tenga en cuenta que puede ser necesaria la conversión de unidades: es necesario multiplicar por 0,1317 para convertir las unidades habituales en EE.UU. a :math:`ton ha\cdot hr\cdot (ha\cdot MJ\cdot mm)^{-1}`, como se detalla en el Apéndice A del manual RUSLE del USDA (Renard et al., 1997). +El Programa de Bases de Datos de Suelos y Terrenos (SOTER) (https://data.isric.org:443/geonetwork/srv/eng/catalog.search) ofrece datos generales sobre el suelo a escala mundial. Proporcionan algunas bases de datos de suelos específicas por zonas, así como SoilGrids a escala mundial (https://www.isric.org/explore/soilgrids). No proporcionan un mapa de erodibilidad ya preparado, pero se pueden utilizar rásteres de arena/limo/arcilla/materia orgánica/etc. para calcular la erodibilidad. Existe una gran variedad de ecuaciones disponibles para calcular la erodibilidad, las que requieren diferentes tipos de datos de input. Vea a continuación un par de ejemplos. -Alternativamente, se puede utilizar la siguiente ecuación para calcular K (Renard et al., 1997): +Se puede utilizar la siguiente ecuación para calcular K (Renard et al., 1997): .. math:: K = \frac{2.1\cdot 10^{-4}(12-a)M^{1.14}+3.25(b-2)+2.5(c-3)}{759} :label: k En el que K = factor de erodabilidad del suelo (:math:`t\cdot ha\cdot hr\cdot (MJ\cdot mm\cdot ha)^{-1}`; M = (limo (%) + arena muy fina (%))(100-arcilla (%)) a = materia orgánica (%) b = código de estructura: (1) muy estructurada o particulada, (2) bastante estructurada, (3) ligeramente estructurada y (4) sólida c = código de permeabilidad del perfil: (1) rápida, (2) de moderada a rápida, (3) moderada, (4) de moderada a lenta, (5) lenta y (6) muy lenta. -Cuando no se dispone de la permeabilidad y la estructura del perfil, la erodibalidad del suelo puede estimarse en función de la textura y el contenido de materia orgánica del suelo, basándose en los trabajos de Wischmeier, Johnson y Cross (recogidos en Roose, 1996). La hoja informativa de OMAFRA resume estos valores en la siguiente tabla (http://www.omafra.gov.on.ca/english/engineer/facts/12-051.htm): +Cuando no se dispone de la permeabilidad y la estructura del perfil, la erodibalidad del suelo puede estimarse en función de la textura y el contenido de materia orgánica del suelo, basándose en los trabajos de Wischmeier, Johnson y Cross 1971 (recogidos en Roose, 1996). La hoja informativa de OMAFRA resume estos valores en la siguiente tabla (http://www.omafra.gov.on.ca/english/engineer/facts/12-051.htm): .. csv-table:: :file: sdr/soil_data.csv @@ -625,9 +633,12 @@ Cuando no se dispone de la permeabilidad y la estructura del perfil, la erodibal :name: OMAFRA Fact Sheet - **Los valores de erodabilidad del suelo (K) de esta tabla están en unidades habituales de EE.UU. y requieren la conversión de 0,1317 mencionada anteriormente.** Las clases de textura del suelo pueden derivarse de las directrices de la FAO para la descripción del suelo (FAO, 2006, Figura 4). +En Estados Unidos se pueden obtener datos gratuitos sobre el suelo en las bases de datos gSSURGO, SSURGO y gNATSGO del NRCS del Departamento de Agricultura: https://www.nrcs.usda.gov/wps/portal/nrcs/main/soils/survey/geo/. También proporcionan herramientas ArcGIS (Soil Data Viewer para SSURGO y Soil Data Development Toolbox para gNATSGO) que ayudan a procesar estas bases de datos en datos espaciales que pueden ser utilizados por el modelo. La caja de herramientas Soil Data Development Toolbox es la más fácil de usar, muy recomendable si utiliza ArcGIS y necesita procesar datos de suelos de EE.UU.. + +Tenga en cuenta que puede ser necesaria la conversión de unidades: la multiplicación por 0,1317 es necesaria para convertir de unidades habituales de EE.UU. a :math:`ton ha\cdot hr\cdot (ha\cdot MJ\cdot mm)^{-1}`, como se detalla en el Apéndice A del manual RUSLE del USDA (Renard et al., 1997). + Un caso especial es el valor K para los cuerpos de agua, para las que los mapas de suelos pueden no indicar ningún tipo de suelo. Se puede utilizar un valor de 0, asumiendo que no se produce ninguna pérdida de suelo en los cuerpos de agua. A veces, los mapas de suelos también pueden tener huecos en lugares que no son cuerpos de agua (como los glaciares). Si se trata de un lugar donde es poco probable que se produzca la erosión (como los afloramientos rocosos), se puede utilizar un valor de 0. Sin embargo, si el área parece que debería tener datos de suelo, puede utilizar una función SIG de vecino más cercano, o establecer manualmente esas áreas con el tipo de suelo dominante que rodea los datos que faltan. @@ -707,6 +718,7 @@ Pelletier, J.D., 2012. A spatially distributed model for the long-term suspended Renard, K., Foster, G., Weesies, G., McCool, D., Yoder, D., 1997. Predicting Soil Erosion by Water: A Guide to Conservation Planning with the revised soil loss equation. Renard, K., Freimund, J., 1994. Using monthly precipitation data to estimate the R-factor in the revised USLE. J. Hydrol. 157, 287–306. + Roose, 1996. Land husbandry - Components and strategy. Soils Bulletin 70. Roma, Italia. Schmitt, R.J.P., Bizzi, S., Castelletti, A., 2016. Tracking multiple sediment cascades at the river network scale identifies controls and emerging patterns of sediment connectivity. Water Resour. Res. 3941–3965. https://doi.org/10.1002/2015WR018097 @@ -716,3 +728,5 @@ Sougnez, N., Wesemael, B. Van, Vanacker, V., 2011. Low erosion rates measured fo Vigiak, O., Borselli, L., Newham, L.T.H., Mcinnes, J., Roberts, A.M., 2012. Comparison of conceptual landscape metrics to define hillslope-scale sediment delivery ratio. Geomorphology 138, 74–88. Wilkinson, S.N., Dougall, C., Kinsey-Henderson, A.E., Searle, R.D., Ellis, R.J., Bartley, R., 2014. Development of a time-stepping sediment budget model for assessing land use impacts in large river basins. Sci. Total Environ. 468-469, 1210–24. + +Wischmeier W.H., Jonhson C.B. y Cross B.V. 1971. A soil erodibility nomograph for farmland and construction sties. J. Soil and Water Conservation 26(5): 189-192. diff --git a/source/es/seasonal_water_yield.rst b/source/es/seasonal_water_yield.rst index f902578d..052feaee 100644 --- a/source/es/seasonal_water_yield.rst +++ b/source/es/seasonal_water_yield.rst @@ -7,7 +7,7 @@ Rendimiento hídrico estacional Resumen ======= -Existe una gran demanda de herramientas que estimen el efecto de la gestión del paisaje en el servicio de suministro de agua, para usos como el riego, el consumo doméstico y la producción de energía hidroeléctrica. Aunque el modelo de rendimiento hídrico anual de InVEST proporciona una estimación del rendimiento hídrico total de una cuenca, muchas aplicaciones requieren conocer los caudales estacionales, especialmente durante la estación seca. Esto requiere la comprensión de los procesos hidrológicos en una cuenca, en particular la partición entre el flujo rápido (que se produce durante o poco después de los eventos de lluvia) y el flujo de base (que se produce durante el tiempo seco). En climas muy estacionales, es probable que el flujo de base tenga más valor que el flujo rápido, a menos que se disponga de un almacenamiento significativo (por ejemplo, un gran embalse). El modelo de rendimiento hídrico estacional de InVEST pretende ofrecer una orientación sobre la contribución de las parcelas a la generación de flujos de base y flujos rápidos. El modelo calcula índices espaciales que cuantifican la contribución relativa de una parcela de tierra a la generación tanto del caudal base como del caudal rápido. En la actualidad, no existen estimaciones cuantitativas del flujo de base, solo las contribuciones relativas de los píxeles; se está desarrollando una herramienta independiente para abordar esta cuestión. +Existe una gran demanda de herramientas que estimen el efecto de la gestión del paisaje en el servicio de suministro de agua para usos como el riego, el consumo doméstico y la producción de energía hidroeléctrica. Aunque el modelo de rendimiento hídrico anual de InVEST proporciona una estimación del rendimiento hídrico total de una cuenca, muchas aplicaciones requieren conocer los caudales estacionales, especialmente durante la estación seca. Esto requiere la comprensión de los procesos hidrológicos en una cuenca, en particular la partición entre el flujo rápido (que se produce durante o poco después de los eventos de lluvia) y el flujo de base (que se produce durante el tiempo seco). En climas muy estacionales, es probable que el flujo de base tenga más valor que el flujo rápido, a menos que se disponga de un almacenamiento significativo (por ejemplo, un gran embalse). El modelo de rendimiento hídrico estacional de InVEST pretende ofrecer una orientación sobre la contribución de las parcelas a la generación de flujos de base y flujos rápidos. El modelo calcula índices espaciales que cuantifican la contribución relativa de una parcela de tierra a la generación tanto del caudal base como del caudal rápido. En la actualidad, no existen estimaciones cuantitativas del flujo de base, solo las contribuciones relativas de los píxeles; se está desarrollando una herramienta independiente para abordar esta cuestión. Introducción ============ @@ -61,7 +61,7 @@ si no, se puede demostrar a partir de la distribución exponencial que la escorr donde -- :math:`S_{i} = \frac{1000}{\text{CN}_{i}} - 10` [in] +- :math:`S_{i} ` el el máximo de retención potencial, :math:`\frac{1000}{\text{CN}_{i}} - 10` [in] - :math:`\text{CN}_{i}` is the curve number for pixel *i* [in\ :sup:`-1`\], tabulados en función del LULC local, y del tipo de suelo @@ -72,6 +72,16 @@ donde - y :math:`25.4` es un factor de conversión de pulgadas (utilizado por la ecuación) a milímetros (utilizado por el modelo) +(véase Guswa et al. 2018). + +Algunos casos extremos se tratan de forma especial: + +- Cuando :math:`S_{i} = 0`, el término :math:`E_{1}` llega a infinito. :math:`\text{QF}_{i,m}` se pone a cero en este caso. +- Para evitar problemas con la inestabilidad numérica cuando el resultado de `\exp` se hace muy grande, + cuando :math:`\frac{S_{i}}{a_{i,m}} > 100`, redondeamos :math:`\text{QF}_{i,m}` a cero. +- Con ciertas combinaciones de inputs, es posible que la ecuación :math:`\text{QF}_{i,m}` anterior se evalúe + a un pequeño número negativo. En estos casos :math:`\text{QF}_{i,m}` se redondea a cero. + Así, el flujo rápido anual :math:`\text{QF}_{i}`, puede calcularse a partir de la suma de los valores mensuales de :math:`\text{QF}_{i,m}`, .. math:: \text{QF}_{i} = \sum_{m = 1}^{12}{QF_{i,m}} @@ -101,7 +111,7 @@ Para cada mes, :math:`\text{AET}_{i,m}` está limitado por la demanda (evapotran :label: (swy. 5) -Where :math:`\text{PET}_{i,m}` es la evapotranspiración potencial mensual, +donde :math:`\text{PET}_{i,m}` es la evapotranspiración potencial mensual, .. math:: \text{PET}_{i,m} = K_{c,i,m} \times ET_{0,i,m} :label: (swy. 6) @@ -163,8 +173,6 @@ El valor de atribución a un píxel es la contribución relativa de la recarga l *Figura 1. Balance hídrico a escala de píxel para calcular la recarga local (Ecuación 3), donde Bsum es el flujo que realmente llega a la corriente.* -| -| | .. figure:: ./seasonal_water_yield/fig2.png @@ -174,8 +182,6 @@ El valor de atribución a un píxel es la contribución relativa de la recarga l *Figura 2. Recorrido a escala de ladera para calcular la evapotranspiración real (basada en las variables climáticas de cada píxel y en la contribución penduente arriba, véase la Ecuación 5) y el flujo de base (basado en Bsum, el flujo que realmente llega a la corriente, véanse las Ecuaciones 11-14)*. | -| - Flujo base ---------- @@ -208,12 +214,6 @@ y el flujo de base, :math:`B_{i}` puede derivarse directamente de la proporción :label: (swy. 14) -Limitaciones ------------- - -Como todos los modelos de InVEST, el Rendimiento Hídrico Estacional utiliza un enfoque simplificado para estimar el caudal rápido y el caudal base, y no incluye muchas de las complejidades que se producen cuando el agua se mueve a través de un paisaje. El caudal rápido se basa principalmente en el número de curva, que no tiene en cuenta la topografía. Para el flujo de base, aunque el modelo utiliza un enfoque basado en la física, las ecuaciones están extremadamente simplificadas tanto a escala espacial como temporal, lo que aumenta significativamente la incertidumbre sobre los números absolutos producidos. Por lo tanto, no sugerimos utilizar los valores absolutos, sino los valores relativos a través de los paisajes (donde suponemos que las simplificaciones importan menos, porque se aplican a todo el paisaje). - - Calibración ----------- @@ -223,6 +223,10 @@ Si intenta validar cuantitativamente el flujo rápido o una combinación de fluj El documento de Hamel et al. (2020) posee un ejemplo de calibración del modelo de Rendimiento Hídrico Estacional contra los datos observados y otros modelos hidrológicos. Para una orientación más general sobre la evaluación de la incertidumbre en los análisis de los servicios ecosistémicoss, véase Hamel y Bryant (2017). +Limitaciones y simplificaciones +=============================== + +Como todos los modelos InVEST, aquí también se utiliza un enfoque simplificado para estimar el caudal rápido y el caudal base, y no incluye muchas de las complejidades que se producen cuando el agua se mueve a través de un paisaje. El caudal rápido se basa principalmente en el número de curva, que no tiene en cuenta la topografía. En cuanto al flujo de base, aunque el modelo utiliza un enfoque basado en la física, las ecuaciones están extremadamente simplificadas tanto a escala espacial como temporal, lo que aumenta significativamente la incertidumbre sobre las cifras absolutas producidas. Por ello, no sugerimos que se utilicen los valores absolutos, sino los valores relativos a través de los paisajes (donde suponemos que las simplificaciones importan menos, porque se aplican a todo el paisaje). Necesidades de datos ==================== @@ -235,13 +239,13 @@ Necesidades de datos - :investspec:`seasonal_water_yield.seasonal_water_yield results_suffix` -- :investspec:`seasonal_water_yield.seasonal_water_yield precip_dir` +- :investspec:`seasonal_water_yield.seasonal_water_yield precip_dir` Se recomienda encarecidamente utilizar las mismas capas de precipitación que se utilizaron para crear los rásteres de input de evapotranspiración. Si se basan en diferentes fuentes de datos de precipitación, se introduce otra fuente de incertidumbre en los datos, y el desajuste podría afectar a los componentes del balance hídrico calculados por el modelo. Contents: - :investspec:`seasonal_water_yield.seasonal_water_yield precip_dir.contents.[MONTH]` -- :investspec:`seasonal_water_yield.seasonal_water_yield et0_dir` +- :investspec:`seasonal_water_yield.seasonal_water_yield et0_dir`Se recomienda encarecidamente que los rásteres de input de evapotranspiración se basen en los misnos datos de precipitación como input para el modelo. Si se basan en diferentes fuentes de datos de precipitación, se introduce otra fuente de incertidumbre en los datos, y el desajuste podría afectar a los componentes del balance hídrico calculados por el modelo. Contenido: @@ -340,7 +344,7 @@ La resolución de los rásteres de resultados será la misma que la del MDE que * **L_sum_[Sufijo].tif** (tipo: ráster; unidades: mm, pero deben interpretarse como valores relativos, no absolutos): Mapa de los valores de :math:`L_{text{sum}`, el flujo a través de un píxel, aportado por todos los píxeles pendiente arriba, que está disponible para la evapotranspiración a los píxeles pendiente abajo - * **QF_[Sufijo].tif** (tipo: ráster; unidades: mm): Mapa de valores de flujo rápido (FR) + * **QF_[Sufijo].tif** (tipo: ráster; unidades: mm): Mapa de valores de flujo rápido (FR) anual * **P_[Sufijo].tif** (tipo: ráster; unidades: mm/año): La precipitación total en todos los meses de este píxel @@ -418,10 +422,11 @@ Por defecto: 1. Ver Apéndice 2 | -Apéndice 2: Definición de los parámetros :math:`{mathbf{{alpha},\mathbf{beta}}_{mathbf{i}} y :math:`gamma` y valores alternativos -================================================================================================================================== +Apéndice 2: Parámetros *Alfa*, *beta* y *gamma* - definición y valores alternativos +=================================================================================== -:math:`\alpha` y :math:`beta_{i}` representan la fracción de recarga de los píxeles de la ladera que está disponible para un píxel pendiente abajo para la evapotranspiración en un mes determinado. Se espera que el producto :math:`\alpha \times \beta_{i}` sea <1, ya que parte del agua pendiente arriba puede no estar disponible, ya sea cuando sigue trayectorias de flujo profundas o cuando el calendario de la oferta y la demanda (de evapotranspiración) no está sincronizado. +:math:`\alpha` (alfa) y :math:`\beta_{i}` (beta) representan la fracción anual de +los píxeles de la ladera que está disponible para un píxel pendiente abajo para la evapotranspiración en un mes determinado. Se espera que el producto :math:`\alpha \times \beta_{i}` sea <1, ya que parte del agua pendiente arriba puede no estar disponible, ya sea cuando sigue trayectorias de flujo profundas o cuando el calendario de la oferta y la demanda (de evapotranspiración) no está sincronizado. :math:`\alpha` es una función de la estacionalidad de las precipitaciones: la recarga de un mes determinado puede ser utilizada por las zonas de bajada durante los meses posteriores, dependiendo de los tiempos de recorrido del subsuelo. En la parametrización por defecto, su valor se establece en 1/12, asumiendo que el suelo amortigua la liberación de agua y que la contribución mensual es exactamente un 12\ :sup:`th` de la contribución anual. Un supuesto alternativo es fijar los valores a los valores de precipitación mensual antecedente, en relación con la precipitación total: P\ :sub:`m-1`/P\ :sub:`anual` @@ -429,7 +434,7 @@ Apéndice 2: Definición de los parámetros :math:`{mathbf{{alpha},\mathbf{beta} En la parametrización por defecto, :math:`\beta` se establece en 1 para todos los píxeles. Una alternativa es establecer :math:`\beta_{i}` como TI, el índice de humedad topográfica para un píxel, definido como :math:`ln(\frac{A}{text{tan}\beta}`) (u otra formulación que incluya el tipo de suelo y la profundidad). -γ representa la fracción de la recarga del píxel que está disponible para los píxeles pendiente abajo. Es una función de las propiedades del suelo y posiblemente de la topografía. En la parametrización por defecto, γ es constante en todo el paisaje y juega un papel similar al de :math:`\alpha`. +γ (gamma) representa la fracción de la recarga del píxel que está disponible para los píxeles pendiente abajo. Es una función de las propiedades del suelo y posiblemente de la topografía. En la parametrización por defecto, γ es constante en todo el paisaje y juega un papel similar al de :math:`\alpha`. En la práctica -------------- diff --git a/source/es/stormwater.rst b/source/es/stormwater.rst index 57e1eb23..9c2b212d 100644 --- a/source/es/stormwater.rst +++ b/source/es/stormwater.rst @@ -1,12 +1,12 @@ .. _stormwater: *********************************************** -Modelo de retención de aguas pluviales urbanas -*********************************************** +Retención de aguas pluviales urbanas +************************************ -Resumen -======== +Introducción +============ Los organismos de planificación tienen cada vez más en cuenta el manejo del agua urbana en sus estrategias para abordar cuestiones como el cambio climático, el riesgo de inundaciones o el crecimiento de la población, protegiendo al mismo tiempo el medio ambiente. El modelo de retención de escorrentía de aguas pluviales de InVEST puede apoyar este esfuerzo proporcionando información sobre dos servicios ecosistémicos relacionados con la gestión de las aguas pluviales: la retención de la escorrentía y la recarga de las aguas subterráneas (la reducción del riesgo de inundación se evalúa en un modelo separado de InVEST. La retención de la escorrentía tiene dos aspectos: la cantidad de escorrentía y su calidad. En concreto, corresponde a la retención de las aguas pluviales (escorrentía de la lluvia) por parte de los usos del suelo permeables, lo cual es beneficioso dados los efectos perjudiciales de la descarga de aguas pluviales contaminadas en los ríos o en el océano. La recarga de las aguas subterráneas es un servicio relacionado que corresponde a la percolación de las aguas pluviales más allá de la zona de las raíces, recargando potencialmente las aguas subterráneas para fines humanos y no humanos. Un resultado secundario del modelo es una estimación de la escorrentía superficial, o la parte de las aguas pluviales que no es retenida por el paisaje y que se exporta junto con los nutrientes o contaminantes asociados. Estos componentes principales del balance hídrico urbano se ilustran en :numref:`hydro-schematic`. @@ -100,7 +100,6 @@ Donde PR es el costo de reposición de la retención de aguas pluviales (moneda El modelo puede generar un volumen potencial de recarga de aguas subterráneas (:math:`V_{P}`), que también puede servir como valoración de la retención. Sin embargo, el modelo no estima actualmente la carga de contaminantes asociada a este volumen de recarga, ya que el transporte subterráneo y la transformación de los contaminantes no están implementados en el modelo. - Agregación a escala de la cuenca hidrográfica (opcional) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ @@ -114,7 +113,6 @@ Usted puede proporcionar un archivo vectorial de polígonos en el que se indique - Volumen total de recarga potencial, :math:`m^3` (suma de :math:`V_{P}`, si se facilitan los índices de percolación) - Costo total de reposición, unidades monetarias (suma del costo de reposición de los servicios de retención, si se especifica el valor) - Necesidades de datos ==================== @@ -154,7 +152,6 @@ Necesidades de datos - :investspec:`stormwater aggregate_areas_path` Las cuencas hidrográficas pueden obtenerse con el modelo DelineateIt. - Interpretación de los resultados ================================ @@ -198,7 +195,6 @@ Nota: a menos que se indique lo contrario, todas las tasas (por ejemplo, tasa de - **total_retention_value** (si se proporcionan datos de valor): Valor total del volumen de agua retenida sobre este polígono en :math:`currency/yr` - Resultados intermedios ^^^^^^^^^^^^^^^^^^^^^^ @@ -226,11 +222,13 @@ Resultados intermedios - **ratio_average.tif**: Un ráster en el que el valor de cada píxel es la media de su vecindad de píxeles en el mapa `retention_ratio`, calculado mediante la convolución del núcleo de búsqueda con el ráster de tasa de retención +.. _Guidance: -.. _Input Guidance: +Orientación +=========== -Orientación sobre los inputs -============================ +Apéndice 1: Fuentes de datos y orientación para la selección de parámetros +========================================================================== Coeficientes de escorrentía y tasas de recarga ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ @@ -270,14 +268,12 @@ Estos datos se informan con clasificaciones genéricas de uso del suelo (por eje Se le anima a que utilice los resultados de los estudios locales u otros valores bibliográficos pertinentes, según proceda, por ejemplo, http://dcstormwaterplan.org/wp-content/uploads/AppD_EMCs_FinalCBA_12222014.pdf). Por lo general, las concentraciones de contaminantes se informarán como concentraciones medias de eventos (CME). Los datos de CME son aceptables para el enfoque de estimación de carga gruesa utilizado por el modelo, pero el uso de concentraciones ponderadas por volumen, si están disponibles, proporcionaría una mayor precisión en los resultados debido al enfoque de estimar las cargas de contaminantes a partir de multiplicar el volumen de retención (o escurrimiento) por una concentración característica. - Representación de las técnicas de retención de aguas pluviales ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Las técnicas individuales de retención de aguas pluviales, como los biofiltros, las celdas de biorretención o las cunetas, pueden representarse mediante una única categoría LULC, con un coeficiente de escorrentía negativo, correspondiente a la profundidad de la escorrentía de la cuenca que capturan dividida por la profundidad de la precipitación en el píxel. Para ello es necesario conocer el área de captación de las técnicas. - -Apéndice 1: Evaluación del ajuste del coeficiente de retención +Apéndice 2: Evaluación del ajuste del coeficiente de retención ============================================================== **Justificación**: Una de las principales preocupaciones con el enfoque basado en la cuadrícula para la modelización del escurrimiento es que cuando se agregan los resultados a escala de la cuenca o del sitio de estudio, el escurrimiento y las cargas de retención se calculan como la suma de las cargas generadas en cada píxel - es decir, se supone que el escurrimiento generado en cada píxel entra en la red de drenaje de la cuenca, sin posibilidad de ser retenido a medida que se mueve a través de la red. Esta es una suposición justa en áreas altamente desarrolladas, donde la longitud de la trayectoria del flujo (es decir, la distancia que la escorrentía superficial viaja antes de entrar en un desagüe pluvial) probablemente no es mayor que el tamaño de los píxeles (30m en el NLCD/C-CAP de los Estados Unidos). Este era también el supuesto inherente al modelo SWMM tal como se implementó para estimar los coeficientes de escorrentía, en el que toda la escorrentía se dirigía directamente a la salida. Sin embargo, en las zonas con espacios verdes considerables, como parques, cementerios y campos de golf, y potencialmente fuera del núcleo urbano, donde el desarrollo residencial podría ser menos denso, la "conexión directa" de todas las celdas de la red constituyente conduciría a cargas y volúmenes excesivamente predecibles, ya que la retención adicional de la escorrentía podría ser proporcionada por la infiltración en las zonas permeables situadas entre los píxeles permeables y la red de drenaje pluvial. Además, la falta de enrutamiento también impide cualquier análisis de contexto en el modelo de aguas pluviales; la escorrentía que se genera en un píxel (o un conjunto de píxeles que conforman una parcela de interés, como un campo de golf) no se ve afectada por su terreno circundante, ni tiene ningún efecto sobre sus píxeles aguas abajo o vecinos. La configuración o la ubicación de los usos del suelo dentro de la cuenca de interés no influyen en el resultado, solo la cantidad total de cada uso del suelo. @@ -304,8 +300,7 @@ En las cuencas menos desarrolladas (es decir, en los sitios de las corrientes), :file: ./stormwater/base_vs_adjusted.csv :header-rows: 1 - -Apéndice 2: Diferencias entre InVEST y otros modelos +Apéndice 3: Diferencias entre InVEST y otros modelos ==================================================== A diferencia de los modelos existentes de InVEST de rendimiento hídrico y tasa de suministro de nutrientes, el modelo de retención de aguas pluviales se ocupa principalmente de la escorrentía superficial, más que de la escorrentía total (superficial y subsuperficial), y está diseñado para ser aplicado en cuencas urbanas y en desarrollo. El modelo utiliza conjuntos de datos ráster derivados de satélites ampliamente disponibles, como la cubierta del suelo y la elevación, junto con sus inputs en forma de subcuencas objetivo o límites jurisdiccionales para la agregación de métricas (datos espaciales) y, opcionalmente, parámetros de escorrentía y calidad del agua específicos de la ubicación (datos tabulares). En este sentido, el modelo es muy similar a otras herramientas, como iTree y OpenNSPECT. diff --git a/source/es/the_need_for.rst b/source/es/the_need_for.rst index 87996615..145f1e40 100644 --- a/source/es/the_need_for.rst +++ b/source/es/the_need_for.rst @@ -44,61 +44,64 @@ InVEST utiliza un marco sencillo que delimita "la oferta, el servicio y el valor La "oferta" representa lo que está potencialmente disponible en el ecosistema (es decir, lo que la estructura y la función del ecosistema pueden proporcionar). Por ejemplo, esto sería la atenuación de las olas y la consiguiente reducción de la erosión y las inundaciones en tierra que proporciona una ubicación y una densidad de manglares concretas. "Servicio" incorpora la demanda y, por tanto, utiliza información sobre quienes se benefician de ese servicio (por ejemplo, el lugar donde viven las personas, los lugares culturales importantes, las infraestructuras, etc.). "Valor" incluye la preferencia social y permite el cálculo de métricas económicas y sociales (por ejemplo, daños evitados por la erosión y las inundaciones, número de personas afectadas). -El conjunto de herramientas de InVEST descrito en esta guía incluye modelos para cuantificar, mapear y valorar los beneficios que proporcionan los sistemas terrestres, de agua dulce y marinos. Agrupamos los modelos de InVEST en cuatro categorías principales: 1) servicios de apoyo, 2) servicios finales, 3) herramientas para facilitar el análisis de los servicios ecosistémicos y 4) herramientas de apoyo. Los servicios de apoyo sustentan otros servicios ecosistémicos, pero no proporcionan directamente beneficios a las personas. Los servicios finales proporcionan beneficios directos a las personas. Para los servicios finales, dividimos los servicios en su suministro biofísico y el servicio a las personas siempre que sea posible. Para algunos servicios finales, modelizamos el servicio directamente, sin modelizar la oferta por separado. Las herramientas de apoyo incluyen la ayuda a la creación de cuencas hidrográficas, el procesamiento hidrológico en un modelo digital de elevación y la creación de escenarios que pueden utilizarse como inputs para InVEST. +El conjunto de herramientas de InVEST descrito en esta guía incluye modelos para cuantificar, mapear y valorar los beneficios que proporcionan los sistemas terrestres, de agua dulce y marinos. Agrupamos los modelos de InVEST en dos categorías principales: 1) modelos de servicios de apoyo y servicios finales, y 2) herramientas para facilitar el análisis de los servicios ecosistémicos. Los servicios de apoyo sustentan otros servicios ecosistémicos, pero no proporcionan directamente beneficios a las personas. Los servicios finales proporcionan beneficios directos a las personas. Para los servicios finales, dividimos los servicios en su suministro biofísico y el servicio a las personas siempre que sea posible. Para algunos servicios finales, modelizamos el servicio directamente, sin modelizar la oferta por separado. Las herramientas de apoyo incluyen la ayuda a la creación de cuencas hidrográficas, el procesamiento hidrológico en un modelo digital de elevación y la creación de escenarios que pueden utilizarse como inputs para InVEST. -Servicios de apoyo: -^^^^^^^^^^^^^^^^^^^ +Servicios ecosistémicos de apoyo: +^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -+ Evaluación del riesgo del hábitat ++ Polinización de cultivos + Calidad del hábitat -+ Abundancia de polinizadores: Polinización de cultivos ++ Evaluación del riesgo para el hábitat -Servicios finales: -^^^^^^^^^^^^^^^^^^ +Servicios ecosistémicos finales: +^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -+ Efecto de borde del carbono forestal ++ Rendimiento anual de agua + Almacenamiento y retención de carbono + Carbono azul costero -+ Rendimiento anual del agua ++ Vulnerabilidad costera + ++ Producción de cultivos + ++ Efecto de borde del carbono forestal -+ Tasa de suministro de nutrientes ++ Producción de energía eólica marina + Proporción de suministro de sedimentos -+ Vistas sin obstáculos: Provisión de calidad escénica ++ Calidad escénica -+ Visitación: ocio y turismo ++ Proporción de entrega de sedimentos -+ Producción de energía de las olas ++ Rendimiento hídrico estacional -+ Producción de energía eólica en alta mar ++ Enfriamiento urbano + Producción de cultivos -+ Rendimiento estacional del agua ++ Acceso urbano a la naturaleza Herramientas para facilitar el análisis de los servicios ecosistémicos: ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -+ Análisis de solapamiento ++ Visitación: Recreación y turismo -+ Vulnerabilidad costera + ++ Producción de energía de las olas + InVEST GLOBIO Herramientas de apoyo: ^^^^^^^^^^^^^^^^^^^^^^ -+ RouteDEM - + DelineateIT -+ Generador de Escenarios ++ Route DEM + Generador de Escenarios: Basado en la proximidad @@ -106,7 +109,7 @@ Herramientas de apoyo: Utilización de InVEST para la toma de decisiones ================================================ -La información sobre los cambios en los servicios ecosistémicos tiene más probabilidades de marcar la diferencia cuando las preguntas son impulsadas por los responsables de la toma de decisiones y las partes interesadas, más que por los científicos y los analistas. Hemos comprobado que InVEST es más eficaz cuando se utiliza dentro de un proceso de toma de decisiones. El Natural Capital Project ha utilizado InVEST en más de 60 países de todo el mundo. Consulte la sección Dónde trabajamos del sitio web de NatCap (https://naturalcapitalproject.stanford.edu/impact/where-we-work) para ver el mapa más reciente y la descripción de nuestros proyectos. A través de nuestra experiencia en la aplicación de InVEST y en la ayuda a la toma de decisiones, hemos visto cómo la herramienta InVEST encaja en el contexto más amplio de un enfoque de capital natural. +La información sobre los cambios en los servicios ecosistémicos tiene más probabilidades de marcar la diferencia cuando las preguntas son impulsadas por los responsables de la toma de decisiones y las partes interesadas, más que por los científicos y los analistas. Hemos comprobado que InVEST es más eficaz cuando se utiliza dentro de un proceso de toma de decisiones. El Natural Capital Project ha utilizado InVEST en más de 60 países de todo el mundo. Consulte la sección Dónde trabajamos del sitio web de NatCap (https://naturalcapitalproject.stanford.edu/projects) para ver el mapa más reciente y la descripción de nuestros proyectos. A través de nuestra experiencia en la aplicación de InVEST y en la ayuda a la toma de decisiones, hemos visto cómo la herramienta InVEST encaja en el contexto más amplio de un enfoque de capital natural. Nuestro enfoque (Figura 2) comienza con una serie de consultas a las partes interesadas. Se discute y se identifican las cuestiones de interés para las personas responsables de las políticas, las comunidades y los grupos de conservación. Estas preguntas pueden referirse a la prestación de servicios en un paisaje en la actualidad y a cómo estos servicios pueden verse afectados por nuevos programas, políticas y condiciones en el futuro. Para las preguntas relativas al futuro, los interesados desarrollan *escenarios* para explorar las consecuencias de los cambios previstos en los recursos naturales. Estos escenarios suelen incluir un mapa del uso y la cobertura del suelo en el futuro o, en el caso de los modelos marinos, un mapa de los usos costeros y oceánicos y de los hábitats costeros/marinos en el futuro. Estos escenarios se evalúan en función del valor de los servicios ecosistémicos mediante modelos biofísicos y económicos que producen varios tipos de resultados. Tras las consultas con las partes interesadas y el desarrollo de escenarios, InVEST puede estimar la cantidad de servicios ecosistémicos que se prestan en el paisaje actual o en los escenarios futuros. Los modelos de InVEST son espacialmente explícitos, utilizando mapas como fuentes de información y produciendo mapas como resultados. InVEST entrega resultados en términos biofísicos, ya sean cantidades absolutas o magnitudes relativas (por ejemplo, las toneladas de sedimentos retenidos o el porcentaje de cambio en la retención de sedimentos) o en términos económicos (por ejemplo, el valor de la secuestración de carbono). @@ -129,7 +132,7 @@ Ejemplos de cómo el Natural Capital Project ha utilizado el enfoque de los serv Un trabajo en curso =================== -InVEST es un producto de software gratuito con licencia de código abierto BSD. +InVEST es un producto de software gratuito con licencia Apache 2.0 de código abierto (https://www.apache.org/licenses/). El desarrollo de InVEST es un esfuerzo continuo del Natural Capital Project. Publicamos versiones actualizadas del conjunto de herramientas aproximadamente cada tres meses, que pueden incluir datos científicos actualizados, mejoras en el rendimiento y las características, correcciones de errores y/o nuevos modelos. Como nota histórica, los modelos originales de InVEST se construyeron dentro de ArcGIS, pero ahora todos los modelos existen en una forma independiente que se puede lanzar directamente desde el sistema operativo Windows o Mac sin necesidad de depender de otros programas. diff --git a/source/es/urban_cooling_model.rst b/source/es/urban_cooling_model.rst index c3a46803..e0895816 100644 --- a/source/es/urban_cooling_model.rst +++ b/source/es/urban_cooling_model.rst @@ -1,7 +1,7 @@ .. _ucm: ***************************** -Modelo de enfriamiento urbano +Enfriamiento urbano ***************************** Resumen @@ -27,7 +27,7 @@ Cómo funciona El modelo primero computa el índice de capacidad de enfriamiento (CE) para cada píxel basado en la sombra local, la evapotranspiración y el albedo. Este enfoque se basa en los índices propuestos por Zardo et al. (2017) y Kunapo et al. (2018), a los que añadimos el albedo, un factor importante para la reducción del calor. El factor de sombra ('shade') representa la proporción de dosel arbóreo (≥2 m de altura) asociado a cada categoría de uso del suelo/cubierta vegetal (LULC). Su valor está comprendido entre 0 y 1. -El índice de evapotranspiración (IET) representa un valor normalizado de la evapotranspiración potencial, es decir, la evapotranspiración de la vegetación (o la evaporación del suelo, para las zonas sin vegetación). Se calcula para cada píxel multiplicando la evapotranspiración de referencia (:math:`ET0`, proporcionada por usted) y el coeficiente de cultivo (:math:`Kc` , asociado al tipo de LULC del píxel), y dividiéndolo por el valor máximo del ráster :math:`ET0` del área de interés, :math:`ETmax`: +El índice de evapotranspiración (IET) representa un valor normalizado de la evapotranspiración potencial, es decir, la evapotranspiración de la vegetación (o la evaporación del suelo, para las zonas sin vegetación). Se calcula para cada píxel multiplicando la evapotranspiración de referencia (:math:`ETo`, proporcionada por usted) y el coeficiente de cultivo (:math:`Kc` , asociado al tipo de LULC del píxel), y dividiéndolo por el valor máximo del ráster :math:`ETo` del área de interés, :math:`ETmax`: .. math:: ETI = \frac{K_c \cdot ET0}{ET_{max}} @@ -57,6 +57,12 @@ Opcionalmente, el modelo puede considerar otro factor, la intensidad (:math:`bui Para tener en cuenta el efecto de enfriamiento de los grandes espacios verdes (>2 ha) en las zonas circundantes (véase la discusión en Zardo et al. (2017) y McDonald et al. (2016)), el modelo calcula el índice HM urbano: HM es igual a CE si el píxel no está afectado por ningún espacio verde grande, pero en caso contrario se establece un promedio ponderado por la distancia de los valores de CC de los espacios verdes grandes y el píxel de interés. +.. note:: + El modelo no comprueba si los espacios verdes son contiguos. Por lo tanto, muchos + pequeños espacios verdes dentro de la distancia de búsqueda tendrán el mismo efecto sobre + mitigación del calor urbano que un único gran espacio verde de la misma superficie dentro de + la distancia de búsqueda. + Para ello, el modelo calcula primero la superficie de los espacios verdes dentro de una distancia de búsqueda :math:`d_{cool}` alrededor de cada píxel (:math:`GA_i`), y la CE que proporciona cada parque (:math:`CC_{park_i}`): .. math:: {GA}_{i}=cell_{area}\cdot\sum_{j\in\ d\ radius\ from\ i} g_{j} @@ -193,7 +199,7 @@ Necesidades de datos - :investspec:`urban_cooling_model results_suffix` -- :investspec:`urban_cooling_model lulc_raster_path` El modelo utilizará la resolución de esta capa para remuestrear todos los resultados. La resolución debe ser lo suficientemente pequeña como para captar el efecto de los espacios verdes en el paisaje, aunque las categorías de LULC pueden comprender una mezcla de coberturas con y sin vegetación (por ejemplo, "residencial", que puede tener una cobertura de dosel del 30%). +- :investspec:`urban_cooling_model lulc_raster_path` El modelo utilizará la resolución y la proyecciín de esta capa para remuestrear y reproyectar todos los resultados. La resolución debe ser lo suficientemente pequeña como para captar el efecto de los espacios verdes en el paisaje, aunque las categorías de LULC pueden comprender una mezcla de coberturas con y sin vegetación (por ejemplo, "residencial", que puede tener una cobertura de dosel del 30%). - :investspec:`urban_cooling_model biophysical_table_path` diff --git a/source/es/urban_flood_mitigation.rst b/source/es/urban_flood_mitigation.rst index 6c92789b..4a3cc21f 100644 --- a/source/es/urban_flood_mitigation.rst +++ b/source/es/urban_flood_mitigation.rst @@ -1,8 +1,8 @@ .. _ufrm: -**************************************************** -Modelo de mitigación del riesgo de inundación urbana -**************************************************** +****************************************** +Mitigación del riesgo de inundación urbana +****************************************** Introducción ============ @@ -79,7 +79,8 @@ donde :math:`\text{Service.built}` se expresa en :math:`currency-m^3`. Debe considerarse solo un indicador, no una medida real de ahorro. Limitaciones y simplificaciones -^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ +======================== + **Producción de escorrentía:** el modelo utiliza un enfoque simple (SCS-Curve Number), que introduce elevadas incertidumbres. Sin embargo, la clasificación entre los distintos usos del suelo suele quedar bien plasmada con este enfoque, es decir, que el efecto de las infraestructuras naturales quedará cualitativamente representado en los resultados del modelo. Los trabajos futuros tendrán como objetivo incluir un trazado sobre el paisaje: las ideas incluyen TOPMODEL (existe un paquete R), UFORE (utilizado en iTree), CADDIES, etc. diff --git a/source/es/urban_nature_access.rst b/source/es/urban_nature_access.rst index f75a45d8..7f415943 100644 --- a/source/es/urban_nature_access.rst +++ b/source/es/urban_nature_access.rst @@ -1,7 +1,724 @@ .. _urban_nature_access: +***************************** +Acceso a la naturaleza urbana +***************************** + +Resumen +======= + +La naturaleza en las zonas urbanas ofrece importantes oportunidades de ocio. El modelo de acceso a la naturaleza urbana proporciona una medida tanto de la oferta de naturaleza urbana como de la demanda de naturaleza por parte de la población urbana, calculando en última instancia el equilibrio entre oferta y demanda. Tanto la naturaleza urbana como la población pueden dividirse opcionalmente en diferentes grupos. La oferta viene determinada por el tipo, el tamaño, la proximidad y la calidad de la naturaleza urbana accesible per cápita con fines recreativos. La demanda se determina como espacio natural per cápita, tal y como suelen exigir las políticas o normas. El equilibrio cuantifica en qué medida la oferta satisface la demanda, a nivel individual, administrativo y de ciudad. + +Introducción +============ + +La naturaleza en las zonas urbanas ofrece importantes oportunidades de recreación, junto con beneficios sociales, psicológicos y de salud física (Bratman et al. 2019, Keeler et al. 2019, Remme et al. 2021). De acuerdo con Liu et al. (2022), la evaluación de la recreación basada en la naturaleza requiere una comprensión de i) la "oferta" de naturaleza urbana, que a su vez depende de la disponibilidad y la calidad, y ii) la "demanda" de naturaleza urbana, que depende de las preferencias de las personas o de los requisitos de las políticas. + +Este modelo InVEST sigue la estructura descrita en Liu et al. (2022), evaluando la oferta y la demanda de naturaleza urbana y el equilibrio local entre oferta y demanda, que identifica las zonas con excedente o déficit (equilibrio positivo o negativo, respectivamente) de naturaleza urbana, con respecto a una norma (Liu et al., 2022). De este modo, el modelo se centra en el acceso a la naturaleza en las zonas urbanas. Dado que el modelo es capaz de modelar la oferta, la demanda y el equilibrio de muchos tipos de naturaleza urbana, como parques, espacios verdes, humedales y costas, en este documento nos referiremos al modelo como modelo de acceso a la naturaleza urbana. Corresponde al usuario elegir qué componentes de la naturaleza urbana incluir en su análisis. + +El modelo por defecto evalúa la oferta, la demanda y el equilibrio global de la naturaleza urbana para el total de la población urbana. Además, pueden utilizarse tres extensiones opcionales del modelo básico para obtener resultados más detallados: + +- La oferta, la demanda y el equilibrio de la naturaleza urbana pueden resumirse en diferentes grupos de población (por ejemplo, según los distintos grupos de edad, niveles de renta, raza o etnia, etc.), lo que puede ser importante para las consideraciones de equidad. Véase :ref:`una-summarize-by-population-groups + +- Para una comprensión más minuciosa de la oferta de naturaleza urbana, el usuario puede, opcionalmente, proporcionar información más detallada sobre la distancia que la gente suele recorrer para hacer uso de los diferentes tipos de naturaleza urbana. Por ejemplo, es posible que la gente se desplace más lejos para visitar grandes parques en comparación con parques locales pequeños. Véase :ref:`una-radii-per-urban-nature-class` + +- Para una comprensión más detallada de la oferta de naturaleza urbana a los distintos grupos de población, el usuario puede, opcionalmente, proporcionar información sobre la distancia que probablemente deban recorrer los distintos grupos para llegar a la naturaleza urbana. Por ejemplo, las personas que tienen coche pueden desplazarse más lejos que las personas que utilizan el transporte público. Véase :ref:`una-radii-per-population-group`. + +También se ofrecen tres opciones para desarrollar un modelo más detallado: + +El modelo +========= + +El modelo calcula el acceso a la naturaleza urbana basándose en la ubicación y la cantidad de naturaleza urbana, la ubicación y el número de personas, y la necesidad o demanda per cápita de naturaleza urbana. La superficie de naturaleza urbana en el píxel :math:`j` se representa como :math:`S_j`. Los valores de :math:`S_j` se expresan en metros cuadrados, donde la proporción de la superficie de un píxel que está cubierta por naturaleza urbana se define en la Tabla de Atributos de uso/cubierta del suelo (LULC). La población en el píxel :math:`i` está representada por :math:`P_i`. Los requisitos per cápita para la naturaleza urbana se especifican como :math:`g_{cap}`, y a menudo se basan en objetivos de políticas. Juntos, estos componentes se utilizan para calcular las siguientes tres métricas principales, descritas con más detalle en :ref:`una-running-the-default-model`: + +- Demanda de naturaleza urbana:** la cantidad de naturaleza urbana requerida/demandada por la población en un píxel + +- **Equilibrio de la naturaleza urbana:** la diferencia entre la naturaleza urbana suministrada a un píxel y lo que demanda la población de ese píxel + +Función de decaimiento +---------------------- + +Las personas utilizan los espacios naturales con más frecuencia si están más cerca de sus hogares (Andkjaer y Arvidsen, 2015). Esta frecuencia disminuye a medida que aumenta la distancia. Es lo que se denomina "decaimiento de la distancia". El modelo describe este decaimiento de la distancia entre la naturaleza urbana y la población mediante la función de decaimiento :math:`f\left( d_{ij} \right)` donde :math:`d_{ij}` es la distancia entre la naturaleza y un píxel de población, y :math:`d_{0}` es una distancia de búsqueda definida por el usuario dentro de la cual buscar píxeles de naturaleza. La distancia de búsqueda es siempre la distancia euclidiana (distancia en línea recta entre los puntos centrales de los píxeles A y B) y asume píxeles cuadrados. + + .. figure:: ./urban_nature_access/decay_function_intro.png + :align: center + :figwidth: 400px + +Este modelo ofrece varias funciones de decaimiento de distancia entre las que el usuario puede elegir, que se definen e ilustran con más detalle a continuación. La opción **dicotomía** trata todos los píxeles dentro de una distancia de búsqueda establecida desde un píxel como igualmente accesibles. Esta opción se recomienda cuando una política de naturaleza o espacios verdes urbanos tiene como objetivo una cierta cantidad de naturaleza a una distancia determinada de las residencias de las personas. Por ejemplo, los Países Bajos establecen un objetivo de al menos :math:`60m^2` de naturaleza urbana por persona en un radio de 500 m de los hogares (Roo et al. 2011). + +Para los estudios que tienen en cuenta el decaimiento del servicio de naturaleza urbana, que representan de forma más realista la probabilidad de visitar la naturaleza urbana, la función de decaimiento debe ajustarse a los datos disponibles sobre visitas. Por lo tanto, se dispone de tres funciones adicionales de decaimiento de la distancia: **exponencial, gaussiana** y **densidad**. Todas asignan más peso a la naturaleza urbana situada más cerca de las personas, lo que refleja la mayor probabilidad de que las personas visiten la naturaleza más cercana a ellas. + +Dicotomía +--------- + +El núcleo dicotómico considera que todos los píxeles dentro de la distancia de búsqueda :math:`d_0` son igualmente accesibles al espacio verde. Más formalmente: :math:`d_{0}` de un píxel con naturaleza para ser igualmente accesible. + +.. math:: + \begin{align*} + f(d_{ij}, d_0) &= \left\{\begin{array}{lr} + 1 & \text{if} d_{ij} \leq d_0 \\ + 0 & \text{if} d_{ij} \gt d_0 \\ + 0 & \text{if} d_{ij} > d_0 \\ + \end{array}\right\} \\ + \end{align*} +@@ -84,12 +142,9 @@ El núcleo dicotómico considera todos los píxeles dentro de la distancia de búsqueda + +Exponencial +----------- + +Una función de decaimiento exponencial ponderada por la distancia, en la que es más probable que las personas visiten la naturaleza más cercana a ellas, con una probabilidad que cae exponencialmente hasta el radio máximo :math:`d_{0}`. + +Una función de decaimiento exponencial ponderada por la distancia, en la que es más probable que las personas visiten la naturaleza más cercana a ellas, con una probabilidad que cae exponencialmente hasta el radio máximo :math:`d_{0}`. + +Gaussiana +--------- + +Una función de decaimiento ponderada por la distancia, en la que es más probable que las personas visiten la naturaleza más cercana a ellas, con una probabilidad decreciente según una distribución normal ("gaussiana") con una sigma de 3, hasta el radio máximo +:math:`d_{0}`. + +.. math:: +@@ -141,7 +201,10 @@ Gaussian + :figwidth: 500px + +Densidad +-------- + +Una función de decaimiento ponderada por la distancia, en la que es más probable que la gente visite la naturaleza más cercana a ellos, con una probabilidad que disminuye más rápidamente a medida que las distancias se acercan al radio de búsqueda :math:`d_{0}`. + + +.. math:: +@@ -156,62 +219,51 @@ Density + :align: center + :figwidth: 500px + +Ejecución del modelo central +---------------------------- + +.. _una-running-the-default-model: + +Ejecución del modelo por defecto +-------------------------------- + +El modelo por defecto asume un radio uniforme de desplazamiento ("radio de búsqueda") que define el usuario, es decir, solo la naturaleza situada a una distancia de X metros del domicilio de alguien contribuye al beneficio recreativo de una persona. + +.. math:: + +Cálculo de la oferta de naturaleza urbana +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + + demand_i = P_i \cdot g_{cap} + +Donde :math:`P_i` es la población en el píxel :math:`i` y :math:`g_{cap}` es la necesidad de espacio verde per cápita definida por el usuario. + +Cálculo de la oferta de espacios verdes *************************************** -Modelo de acceso a la naturaleza urbana -*************************************** -Este modelo está en desarrollo activo y aún no ha salido al mercado. Se espera que este capítulo de la guía de uso se actualice cuando se acerque la fecha de lanzamiento; si tiene alguna pregunta, escríbanos a los foros en https://community.naturalcapitalproject.org/ +El cálculo del suministro de naturaleza urbana a cada píxel de población utiliza el método de área de captación flotante en dos pasos (2SFCA) (Mao y Nekorchuk, 2013; Xing et al., 2018). Dado un píxel de naturaleza urbana :math:`j`, se buscan todos los píxeles de población con el radio de búsqueda :math:`d_{0}`. La relación naturaleza urbana/población :math:`R_{j}` para este píxel se calcula utilizando el área del píxel de naturaleza :math:`S_{j}` dividida por la población total dentro del radio de búsqueda, ponderada según la ponderación basada en la distancia del núcleo de búsqueda seleccionado. A continuación, centrados en cada píxel del ráster de población, se buscan todos los píxeles naturales dentro de su cuenca ponderada por distancia. Todos los :math:`R_{j}` de estos píxeles naturales se suman para calcular la oferta de naturaleza urbana per cápita :math:`A_{i}` a cada píxel de población. Adoptamos este enfoque para la oferta, en lugar de simplemente la cantidad de naturaleza en un radio de un hogar, porque al utilizar un enfoque basado en la gravedad se tiene en cuenta la disponibilidad ponderada de la naturaleza. En otras palabras, 2SFCA tiene en cuenta el contexto de que mucha gente utiliza los espacios verdes, algo habitual en una zona urbana. + +Esto puede entenderse gráficamente como: + +.. figure:: ./urban_nature_access/2sfca-step1.png +.. figure:: ./urban_nature_access/2SFCA_step1_v2.png + :align: center + :figwidth: 500px + :figwidth: 400px + + Paso 1: Localización de poblaciones en el radio de búsqueda de naturaleza urbana. + +.. figure:: ./urban_nature_access/2SFCA_step2_v2.png + + :align: center + :figwidth: 400px + +Más formalmente, la relación naturaleza urbana/población :math:`R_{j}` se define como: + + +.. math:: + \begin{align*} + R_j &= \left\{\begin{array}{lr} + \frac{S_j}{\sum_{k \in \left\{d_{jk} \leq d_0 \right\}} P_k \cdot f(d_{jk})} & \text{if} P_k \cdot f(d_{jk}) >= 1 \\ + S_j & \text{otherwise} \\ + \end{array}\right\} \\ + \end{align*} +Donde: + +- :math:`R_{j}` es la relación naturaleza urbana/población del píxel de naturaleza :math:`j`. +- :math:`S_{j}` es el área de naturaleza en el píxel :math:`j` +- :math:`d_{0}` es el radio de búsqueda +- :math:`k` es el píxel de población dentro del radio de búsqueda del píxel de naturaleza :math:`j` +- :math:`d_{jk}` es la distancia entre el píxel de naturaleza :math:`j` y el píxel de población :math:`k`. +- :math:`P_{k}` es la población del píxel :math:`k`. +- :math:`f(d)` es la función de decaimiento seleccionada. + +A continuación, la relación naturaleza urbana/población se pondera mediante la función de descomposición seleccionada y se suma dentro del radio de búsqueda para obtener la oferta de espacios verdes, :math:`A_{i}`: + +.. math:: + + A_i = \sum_{j \in \left\{d_{ij} \leq d_0 \right\}} R_j \cdot f(d_{ij}) + +Donde: + +- :math:`i` es cualquier píxel en el ráster de población +- :math:`A_{i}` es la naturaleza urbana per capita entregada al píxel :math:`i` (metros cuadrados por persona) +- :math:`d_{ij}` es la distancia entre el píxel :math:`i` u el píxel natural :math:`j`. +- :math:`d_{0}` es el radio de búsqueda + +Cálculo de la demanda de naturaleza urbana +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +Derivada de la capa de población y de la demanda de naturaleza urbana definida por el usuario, mide la cantidad de naturaleza urbana accesible necesaria para abastecer adecuadamente a todas las personas de cada píxel. + +.. math:: + + demand_{i} = P_{i} \cdot g_{cap} + +Donde: + +- :math:`i` es un píxel +- :math:`demand_{i}` es la superficie de naturaleza urbana (en metros cuadrados) que necesita la población residente en el píxel :math:`i` para satisfacer plenamente sus necesidades de naturaleza urbana. +- :math:`P_{i}` es la población (personas por píxel) en el píxel :math:`i` +- :math:`g_{cap}` es la necesidad de naturaleza urbana per cápita definida por el usuario (metros cuadrados por persona) + +Cálculo del equilibrio de la naturaleza urbana +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +Los documentos de planificación local o los objetivos de planificación urbana suelen establecer que cada residente de una región debe tener asignada una determinada cantidad de naturaleza, :math:`g_{cap}`. El presupuesto de oferta/demanda de naturaleza urbana per cápita :math:`SUP\_ DEM_{i,cap}` en el píxel :math:`i`, se define evaluando el equilibrio entre la naturaleza urbana suministrada y el objetivo de planificación para la naturaleza (a menudo espacio verde) per cápita por píxel: + +.. math:: + + SUP\_DEM_{i,cap} = A_i - g_{cap} + +Para determinar el balance de todas las personas en cada píxel, :math:`SUP\_ DEM_{i,cap}` se multiplica por la población :math:`P_{i}` en el píxel :math:`i`: + +.. math:: + + SUP\_DEM_{i} = SUP\_DEM_{i,cap} \cdot P_i + +Cálculo de la naturaleza urbana accesible +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +A menudo es útil hallar el área total dentro del radio de búsqueda dado, dado por: + +.. math:: accessible_{i} = \sum_{j \in \left{d_{ij} \leq d_{0} \{S_j \cdot f(d_{ij})} + +Donde :math:`accessible_{i}` es la superficie total de naturaleza urbana accesible al píxel :math:`i` dentro del radio de búsqueda :math:`d_0`, ponderada por la función de decaimiento. + +Resumen de los resultados para las unidades administrativas +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +El usuario debe proporcionar un vector con los límites de las unidades administrativas que pueden representar cualquier nivel de distrito que le interese. Estos límites son necesarios para obtener mediciones a nivel administrativo. + +El balance oferta/demanda a nivel administrativo es la suma del balance de cada píxel :math:`i` dentro del límite administrativo :math:`adm`: + +.. math:: + + SUP\_DEM_{adm} = \sum_{i \in \left\{adm \right\}} SUP\_DEM_i + +:math:`SUP\_ DEM_{adm}` indica cuánta naturaleza urbana, en metros cuadrados, falta o sobra en una unidad administrativa. + +El balance medio per cápita de la oferta y la demanda de naturaleza urbana también se calcula a nivel administrativo: + +.. math:: + + SUP\_DEM_{adm,cap} = \frac{SUP\_DEM_{adm}}{P_{adm}} +Donde :math:`P_{adm}` es la población total dentro del límite administrativo. + +Cuando :math:`SUP\_ DEM_i,cap} < 0` en cualquier píxel :math:`i`, indica que la población de este píxel tiene un déficit de naturaleza urbana. La suma de estas poblaciones en todos los píxeles dentro de una unidad administrativa proporciona el número de personas en una unidad administrativa con un déficit de naturaleza urbana, :math:`Pund_{adm}`, en relación con la naturaleza urbana recomendada :math:`g_{cap}`: + +.. math:: + + Pund_{adm} = \sum_{i \in \{adm\}} +@@ -309,9 +393,10 @@ de personas en una unidad administrativa con déficit de espacios verdes, + \end{array} + \right\} + +De manera similar, se aplica el mismo razonamiento para hallar el número de personas con un excedente de naturaleza urbana en una unidad administrativa, :math:`Povr_{adm}`, en relación con la naturaleza urbana recomendada :math:`g_{cap}`: + +.. math:: + Povr_{adm} = \sum_{i \in \{adm\}} +@@ -323,163 +408,213 @@ espacio verde recomendado :math:`g_{cap}`: + \right\} + +Ejecución del modelo con radios definidos por clase de naturaleza urbana +------------------------------------------------------------------------ + +.. _una-radii-per-urban-nature-class: + +La naturaleza urbana es de distintos tipos. Los parques pequeños de la localidad proporcionan una cómoda experiencia recreativa en las cercanías, mientras que los parques municipales atraen a personas de lugares más lejanos. Si el usuario dispone de datos para dividir los tipos de naturaleza urbana y la distancia de desplazamiento ajustada para cada tipo de naturaleza urbana, la accesibilidad de cada tipo de naturaleza urbana al píxel :math:`i` puede calcularse utilizando el radio específico de la clase. Estos tipos de naturaleza urbana divididos y sus radios de búsqueda asociados se proporcionan al modelo mediante el input del usuario en la tabla de atributos LULC. Cada tipo de clasificación de ocupación del suelo marcado como naturaleza urbana se calculará por separado para ofrecer resultados más detallados sobre la naturaleza urbana accesible de cada tipo. Corresponde al usuario decidir cómo dividir la naturaleza urbana. + +.. figure:: ./urban_nature_access/radii_per_nature_class.png + :align: center + :figwidth: 700px + +La accesibilidad del tipo de naturaleza urbana :math:`r`, :math:`A_{i,r}` al píxel :math:`i` se calcula sumando la distancia ponderada +:math:`R_{j,r}` dentro del radio de búsqueda: + +.. math:: + A_{i,r} = \sum_{j \in d_{ij} \leq d_{0,r}}{R_{j,r} \cdot f(d_{ij})} + +La naturaleza urbana total suministrada al píxel :math:`i`, :math:`A_{i}` se calcula sumando los :math:`A_{i,r}` de todos los tipos de naturaleza urbana: + +.. math:: + A_i = \sum_{r=1}^{r}{A_{i,r}} + +La naturaleza urbana accesible en este modo se calcula mediante: + +.. math:: + accessible_{i,r} = \sum_{j \in \left\{d_{ij} \leq d_{0,r} \right\}}{S_{j,r} \cdot f(d_{ij})} +Donde :math:`accessible_{i,r}` es la superficie total de naturaleza urbana de la clase :math:`r` accesible dentro del radio de búsqueda, ponderada por la función de decaimiento. :math:`S_{j,r}` es la superficie de naturaleza urbana en el píxel :math:`j` de la clase de naturaleza urbana :math:`r`. + +Los demás pasos y resultados son los mismos que en el modelo básico. + + +.. _una-summarize-by-population-groups: + +Ejecución del modelo con resultados resumidos por grupos de población +--------------------------------------------------------------------- + +El usuario tiene la opción de proporcionar las características de la población indicando la proporción de la población total que pertenece a un determinado grupo de población dentro de cada unidad administrativa. Ejemplos de grupos de población pueden ser los rangos de edad o de renta. El usuario decidirá cómo dividir la población en función de la disponibilidad de datos y del objetivo del estudio. + +Para analizar el equilibrio entre la oferta y la demanda de determinados grupos dentro de la población general, se realiza un cálculo adicional para cada grupo :math:`gn`, dada la proporción del grupo en la población total de una unidad administrativa, :math:`Rp,gn`. + +Para la población desabastecida dentro del grupo :math:`gn` y la unidad administrativa :math:`adm`, esto se define como: + +.. math:: + Pund_{adm,gn} = Pund_{adm} \cdot Rp,gn + +Y para la población sobreabastecida dentro del grupo :math:`gn` y la unidad administrativa :math:`adm`: + +.. math:: + Povr_{adm,gn} = Povr_{adm} \cdot Rp,gn + +Es posible que el usuario desee realizar más análisis de correlación entre las características de la población y los resultados anteriores para ver si determinados grupos de personas están asociados a una oferta de naturaleza urbana deficitaria o excedentaria a diferentes niveles. + +Ejecución del modelo con radios definidos por grupo de población +---------------------------------------------------------------- + +El radio de búsqueda tiene un impacto importante en la oferta de naturaleza urbana y las distintas poblaciones tienen radios diferentes. Por ejemplo, las personas con vehículo propio pueden desplazarse más lejos para su recreo, o las personas mayores pueden recorrer distancias más cortas (Liu et al., 2022). Este radio de búsqueda específico del grupo :math:`d_{0,gn}` es definido por el usuario para cada grupo :math:`gn` junto con la proporción de la población total dentro de una unidad administrativa que pertenece a este grupo. Con estos dos datos específicos de cada grupo se puede obtener la naturaleza urbana de cada grupo en un píxel, :math:`A_{i,gn}`. + +En primer lugar, el área de naturaleza urbana se dividirá entre la población dentro de su radio de búsqueda, :math:`R_{j}`. Dado que los distintos grupos tienen radios diferentes (véase la figura siguiente), la población total servida es la suma de cada grupo dentro de sus respectivos radios de búsqueda. La población en el píxel :math:`i` está formada por diferentes grupos. El tamaño del grupo :math:`gn` en el píxel :math:`i` se calcula así: + +.. math:: + P_{i,gn} = P_i \cdot Rp,gn + +donde :math:`P_{i}` es la población en el píxel :math:`i`, y :math:`Rp,gn` es la proporción de este grupo en la población total dentro de cada unidad administrativa individual. + +.. math:: + R_j = \frac{S_j}{ + \sum_{gn=1}^{gn} \left( \sum_{k \in \{d_{kj} \leq d_{0,gn} \}}{ P_{k,gn} \cdot f(d_{jk})} \right) + } + +.. figure:: ./urban_nature_access/travel-distance-pop-groups.png + :width: 5.18229in + :height: 2.56746in + + La naturaleza urbana presta servicio a los adultos mayores dentro de d0, g1 (el radio para este grupo de población), y presta servicio a los adultos más jóvenes dentro de d0, g2 (el radio para ese grupo de población). + +La oferta de naturaleza urbana al grupo :math:`gn` por píxel :math:`i` se calcula mediante (y se ejemplifica conceptualmente en la Figura siguiente): + +.. math:: + A_{i,gn} = \sum_{j \in \{d_{ij} \leq d_{0,gn}\}} R_j \cdot f(d_{ij}) + +.. figure:: ./urban_nature_access/travel-distance-pop-groups-detail.png + :width: 6.5in + :height: 2.125in + + La población de mayor edad solo recibe servicios de los espacios verdes situados en d0, g1, es decir, el espacio verde A; los adultos más jóvenes reciben servicios de los espacios verdes situados en d0, g2, es decir, el espacio verde A y el espacio verde B. + dentro de d0, g2, es decir, el espacio verde A y el espacio verde B. + +La oferta media de naturaleza urbana per cápita para el píxel :math:`i` se calcula mediante una suma ponderada de :math:`A_{i,gn}`: + +.. math:: + A_i = \sum_{n=1}^{n}{A_{i,gn} \cdot Rp,gn} + +El equilibrio de la naturaleza urbana per cápita en el píxel :math:`i`, :math:`SUP\_ DEM_{i,cap}` se define evaluando la diferencia entre la naturaleza urbana suministrada al píxel :math:`i` y el objetivo de planificación definido por el usuario para la naturaleza urbana per cápita, :math:`g_{cap}`: + +.. math:: + SUP\_DEM_{i,cap} = A_i - g_{cap} + +El balance de naturaleza urbana per cápita del grupo :math:`gn` en el píxel :math:`i` (:math:`SUP\_ DEM_{i,cap,gn}`) se define evaluando la diferencia entre la naturaleza urbana suministrada al grupo :math:`gn` en el píxel :math:`i` y el objetivo de planificación para la naturaleza urbana per cápita, :math:`g_{cap}`: + +.. math:: + SUP\_DEM_{i,cap,gn} = A_{i,gn} - g_{cap} + +:math:`P_{i,gn}` es la población del grupo :math:`gn` en el píxel :math:`i`. La población del grupo :math:`gn` en el píxel :math:`i` multiplicada por el balance de naturaleza urbana per cápita del mismo grupo, (:math:`SUP\_ DEM_{i,cap,gn}`), dará el balance oferta-demanda de área de naturaleza urbana de ese grupo en el píxel :math:`i`. La suma del balance oferta-demanda de todos los grupos en el píxel *i* generará el balance oferta-demanda de todas las personas en el píxel *i* (:math:`SUP\_ DEM_{i}`). + + +.. math:: + SUP\_DEM_i = \sum_{gn=1}^{gn}{SUP\_DEM_{i,cap,gn} \cdot P_{i,gn}} + +Para obtener un balance oferta-demanda de naturaleza urbana per cápita a nivel administrativo, el balance oferta-demanda de naturaleza urbana a nivel administrativo :math:`SUP\_ DEM_{adm}` se divide por la población total de la unidad administrativa :math:`P_{adm}`: + +.. math:: + SUP\_DEM_{adm,cap} = \frac{SUP\_DEM_{adm}}{P_{adm}} + +Para calcular el balance medio per cápita de oferta y demanda del grupo :math:`gn` con una unidad administrativa :math:`adm`, el modelo multiplica el balance de espacios verdes :math:`SUP\_ DEM_{i,cap,gn}` por la población del grupo :math:`gn` en el píxel :math:`i`, y luego se suma para todos los píxeles en :math:`adm` y se divide por la población del grupo :math:`gn` dentro de :math:`adm`. + +.. math:: + SUP\_DEM_{adm,cap,gn} = \frac{ +@@ -488,10 +623,10 @@ población del grupo :math:`gn` dentro de :math:`adm`. + + P_{adm,gn} + } + +Para analizar el equilibrio entre la oferta y la demanda de determinados grupos dentro de la población general, se realiza un cálculo adicional. + +La población del grupo :math:`gn` que tiene un déficit de naturaleza urbana dentro de la unidad administrativa :math:`adm` viene dada por: + +.. math:: +@@ -503,13 +638,14 @@ administrative unit :math:`adm` is given by: + \end{array} + \right\} + +La población subabastecida total dentro de la unidad administrativa :math:`adm` viene dada por: + +.. math:: + Pund_{adm} = \sum_{gn=1}^{gn}{Pund_{adm,gn}} + +La población del grupo :math:`gn` que tiene un excedente de naturaleza urbana dentro de la unidad administrativa :math:`adm` viene dada por: + +.. math:: +@@ -521,248 +657,404 @@ administrative unit :math:`adm` is given by: + \end{array} + \right\} + +La población total sobreabastecida dentro de la unidad administrativa :math:`adm` viene dada por: + +.. math:: + Povr_{adm} = \sum_{gn=1}^{gn}{Povr_{adm,gn}} + +La naturaleza urbana accesible en este modo se calcula mediante: + +.. math:: + accessible_{i,gn} = \sum_{j \in \left\{d_{ij} \leq d_0 \right\}} S_{j,gn} \cdot f(d_{ij}) +Donde :math:`accessible_{i,gn}` es la superficie total de naturaleza urbana accesible al grupo de población :math:`gn` dentro del radio de búsqueda, ponderada por la función de decaimiento. :math:`S_{j,gn}` es la superficie de naturaleza urbana en el píxel :math:`j` accesible al grupo :math:`gn`. + +Limitaciones y simplificaciones +=============================== + +Las distancias de búsqueda (radios) son euclidianas (en línea recta), el modelo no tiene en cuenta las carreteras ni otras limitaciones de desplazamiento a pie/en transporte del mundo real. + +El modelo no tiene en cuenta el tamaño total de las zonas verdes, solo evalúa las distintas clases de zonas verdes y sus atributos por píxel. Una solución para esto es definir diferentes clases de uso del suelo basadas en el tamaño, como "parques pequeños" y "parques grandes". A continuación, se puede definir un radio de visitas diferente para cada clase de tamaño. + +La demanda utiliza un cálculo genérico (m2 per cápita), mientras que las ciudades suelen adoptar distintos enfoques para cuantificarla. Además, no existe una métrica internacional oficial de la demanda que pueda aplicarse fácilmente, por lo que es necesario el conocimiento local. + +El resultado del modelo puede utilizarse como indicador de los beneficios recreativos y para la salud, pero no es un indicador ideal de la complejidad de las relaciones entre el ser humano y la naturaleza. + +Necesidades de datos +==================== + +.. note:: + Los datos de muestra se suministran para proporcionar ejemplos de requisitos y formato. + +Todos los inputs espaciales deben estar en el mismo sistema de coordenadas proyectado y en unidades de metros lineales. Las salidas se remuestrearán para que coincidan con la resolución cuadrada y la proyección espacial del LULC. + +- :investspec:`urban_nature_access workspace_dir` +- :investspec:`urban_nature_access results_suffix` +- :investspec:`urban_nature_access lulc_raster_path` +- :investspec:`urban_nature_access lulc_attribute_table` + + Columnas: + + - :investspec:`urban_nature_access lulc_attribute_table.columns.lucode` + - :investspec:`urban_nature_access lulc_attribute_table.columns.urban_nature` + - :investspec:`urban_nature_access lulc_attribute_table.columns.search_radius_m` + +- :investspec:`urban_nature_access population_raster_path` + +- :investspec:`urban_nature_access admin_boundaries_vector_path` + + Fields: + + - :investspec:`urban_nature_access admin_boundaries_vector_path.fields.pop_[POP_GROUP]` + + Ejemplo de tabla de atributos para un vector de límites administrativos con 3 geometrías: + + +--------------+----------------+ + | **pop_male** | **pop_female** | + +==============+================+ + | 0.56 | 0.44 | + +--------------+----------------+ + | 0.42 | 0.58 | + +--------------+----------------+ + | 0.38 | 0.62 | + +--------------+----------------+ + +- :investspec:`urban_nature_access urban_nature_demand` + +- :investspec:`urban_nature_access search_radius_mode` + +- :investspec:`urban_nature_access search_radius` + +- :investspec:`urban_nature_access population_group_radii_table` + + Columnas: + + - :investspec:`urban_nature_access population_group_radii_table.columns.pop_group` + + - :investspec:`urban_nature_access population_group_radii_table.columns.search_radius_m` + + Ejemplo de tabla de correspondencia de los grupos en el vector de límites administrativos presentado antes: + + +---------------+---------------------+ + | **pop_group** | **search_radius_m** | + +===============+=====================+ + | pop_male | 900 | + +---------------+---------------------+ + | pop_female | 1200 | + +---------------+---------------------+ + + +.. + - :investspec:`urban_nature_access decay_function_power_beta` + +Interpretación de los resultados +================================ + +Carpeta de resultados +--------------------- + +- **output/urban_nature_supply_percapita.tif** Suministro calculado de naturaleza urbana. Unidades: naturaleza urbana per cápita suministrada al píxel i (metros cuadrados por persona). + +- **outputs/urban_nature_demand.tif** Superficie de naturaleza urbana que necesita la población residente en cada píxel para satisfacer plenamente sus necesidades de naturaleza urbana. Los valores más altos indican una mayor demanda de naturaleza urbana accesible desde el área circundante. Unidades: metros cuadrados de naturaleza urbana por píxel. + +- output/urban_nature_balance_percapita.tif** Valor a nivel de píxel del equilibrio de la naturaleza urbana per cápita. Los valores de píxel positivos indican un exceso de oferta de naturaleza urbana en relación con la demanda de naturaleza urbana declarada. Los valores negativos indican una oferta insuficiente de naturaleza urbana en relación con la demanda declarada de naturaleza urbana. Este resultado es de especial interés para interpretar dónde los individuos están más privados de naturaleza. Unidades: Metros cuadrados de déficit de naturaleza urbana por persona. + +- **outputs/urban_nature_balance_totalpop.tif** El balance de naturaleza urbana para la población total en un píxel. Los valores positivos del píxel indican un exceso de oferta de naturaleza urbana en relación con la demanda declarada de naturaleza urbana. Los valores negativos indican una oferta insuficiente de naturaleza urbana en relación con la demanda declarada de naturaleza urbana. Este resultado es de especial relevancia para comprender la cantidad total de déficit de naturaleza para la población en un píxel concreto. Unidades: metros cuadrados de déficit o exceso de naturaleza urbana por píxel. + +- **output/admin_boundaries.gpkg** Una copia del vector de límites administrativos del usuario con una sola capa. + +- SUP_DEMadm_cap - el balance medio oferta/demanda de naturaleza urbana disponible por persona dentro de esta unidad administrativa. + +- Pund_adm - la población total dentro de la unidad administrativa que está subabastecida de naturaleza urbana. + + - Povr_adm - la población total dentro de la unidad administrativa que tiene un exceso de naturaleza urbana. + + Si el usuario ha seleccionado agregar los resultados por grupo de población o ha elegido ejecutar el modelo con radios de búsqueda definidos por grupo de población, se crearán estos campos adicionales: + + - SUP_DEMadm_cap_[POP_GROUP] - el balance medio de oferta/demanda de naturaleza urbana disponible por persona en el grupo de población POP_GROUP dentro de esta unidad administrativa. + + - Pund_adm_[POP_GROUP] - la población total perteneciente al grupo de población POP_GROUP dentro de esta unidad administrativa que está subabastecida de naturaleza urbana. + + - Povr_adm_[POP_GROUP] - la población total perteneciente al grupo de población POP_GROUP dentro de esta unidad administrativa que tiene un exceso de naturaleza urbana. + +Los demás archivos del directorio de salida varían en función del modo de radio de búsqueda seleccionado: + +Radio de búsqueda uniforme +~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **output/accessible_urban_nature.tif** - la superficie de naturaleza urbana accesible dentro del radio de búsqueda proporcionado, ponderada por la función de decaimiento. Unidades: metros cuadrados. + +Radios de búsqueda definidos por clase de naturaleza urbana +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **output/accessible_urban_nature_lucode_[LUCODE].tif** - el área de naturaleza urbana de la clase LUCODE dentro del radio de búsqueda proporcionado para este lucode, ponderado por la función de decaimiento. Unidades: metros cuadrados. + +Radios de búsqueda definidos por grupo de población +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **output/accessible_urban_nature_to_[POP_GROUP].tif** - superficie de naturaleza urbana accesible al grupo de población POP_GROUP dado el radio de búsqueda del grupo de población, ponderado por la función de decaimiento. Unidades: metros cuadrados. + +Carpeta intermedia +------------------ + +Estos archivos se producirán en cada modo de radio de búsqueda: + +- **intermediate/aligned_lulc.tif** Una copia del ráster de uso del suelo del usuario. Si el LULC proporcionado por el usuario tiene píxeles no cuadrados, se volverán a muestrear a píxeles cuadrados. + +- **intermediate/aligned_population.tif** El ráster de población del usuario, alineado con la misma resolución y dimensiones que el ráster LULC alineado. Unidades: personas por píxel. + +- **intermediate/undersupplied_population.tif** Cada píxel representa la población del total de la población que experimenta un déficit de naturaleza urbana. Unidades: personas por píxel. + +- **intermediate/oversupplied_population.tif** Cada píxel representa la población total que experimenta un excedente de naturaleza urbana. Unidades: personas por píxel. + +Los demás archivos encontrados en el directorio intermedio varían en función del modo de radio de búsqueda seleccionado: + +Radio de búsqueda uniforme +~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **intermediate/distance_weighted_population_within_[SEARCH_RADIUS].tif** + A sum of the population within the given search radius SEARCH_RADIUS, + weighted by the user's decay function. Units: people per pixel. + +- **intermediate/urban_nature_area.tif** Pixels values represent the + area of urban nature(in square meters) represented in each pixel. + Units: square meters. + +- **intermediate/urban_nature_population_ratio.tif** The calculated + urban nature/population ratio. + +Radios de búsqueda definidos por clase de naturaleza urbana +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **intermediate/distance_weighted_population_within_[SEARCH_RADIUS].tif** Suma de la población dentro del radio de búsqueda SEARCH_RADIUS dado, ponderada por la función de decaimiento del usuario. Unidades: personas por píxel. + +- **intermediate/urban_nature_area_[LUCODE].tif** Los valores de píxel representan el área de naturaleza urbana (en metros cuadrados) representada en cada píxel para la clase de naturaleza urbana representada por el código de uso del suelo LUCODE. Unidades: metros cuadrados. + +- **intermediate/urban_nature_population_ratio_lucode_[LUCODE].tif** Relación naturaleza urbana/población calculada para la clase de naturaleza urbana representada por el código de ocupación del suelo LUCODE. Unidades: metros cuadrados por persona. + +- **intermediate/urban_nature_supply_percapita_lucode_[LUCODE].tif** La naturaleza urbana suministrada a las poblaciones debido a la clase de uso del suelo LUCODE. Unidades: metros cuadrados por persona. + +Radios de búsqueda definidos por grupo de población +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **output/urban_nature_balance_[POP_GROUP].tif** Los valores positivos de píxeles indican un exceso de oferta de naturaleza urbana en relación con la demanda declarada de naturaleza urbana para el grupo de población POP_GROUP. Los valores negativos indican una oferta insuficiente de naturaleza urbana en relación con la demanda declarada de naturaleza urbana para el grupo de población POP_GROUP. Unidades: metros cuadrados de naturaleza urbana por persona. + +- **intermediate/urban_nature_area.tif** Los valores de los píxeles representan la superficie de naturaleza urbana (en metros cuadrados) representada en cada píxel. Unidades: metros cuadrados. + +- **intermediate/population_in_[POP_GROUP].tif** Cada píxel representa la población de un píxel perteneciente a la población del grupo de población POP_GROUP. Unidades: personas por píxel. + +- **intermediate/proportion_of_population_in_[POP_GROUP].tif** Cada píxel representa la proporción de la población total que pertenece al grupo de población POP_GROUP. Unidades: proporción entre 0 y 1. + +- **intermediate/distance_weighted_population_in_[POP_GROUP].tif** Cada píxel representa el número total de personas dentro del radio de búsqueda para este grupo de población POP_GROUP, ponderado por la selección del usuario de la función de decaimiento. Unidades: personas por píxel. + +- **intermediate/distance_weighted_population_all_groups.tif** La población total, ponderada por la función de decaimiento apropiada. Unidades: personas por píxel. + +- **intermediate/urban_nature_supply_percapita_to_[POP_GROUP].tif** La oferta de naturaleza urbana al grupo de población POP_GROUP. Unidades: metros cuadrados por persona. + +- **intermediate/undersupplied_population_[POP_GROUP].tif** Cada píxel representa la población del grupo de población POP_GROUP que experimenta un déficit de naturaleza urbana. Unidades: personas por píxel. + +- **intermediate/oversupplied_population_[POP_GROUP].tif** Cada píxel representa la población en el grupo de población POP_GROUP que está experimentando un excedente de naturaleza urbana. Unidades: personas por píxel. + +Apéndice: Fuentes de datos +========================== + +:ref:`Land Use/Land Cover ` +--------------------------------- + +Ráster de población +------------------- + +Existen múltiples conjuntos de datos regionales y mundiales que estiman el tamaño y la densidad de la población a alta resolución, como: + + - Datos de población mundial de WorldPop: + https://www.worldpop.org/methods/populations/ + + - Datos de densidad de población mundial de Meta/CIESIN: + https://dataforgood.facebook.com/dfg/tools/high-resolution-population-density-maps + + - Datos de la población europea de 100 m: + https://www.eea.europa.eu/data-and-maps/data/population-density-disaggregated-with-corine-land-cover-2000-2 + +Datos sobre espacios verdes urbanos +----------------------------------- + +Existen múltiples conjuntos de datos regionales y mundiales que definen o ayudan a definir la naturaleza urbana, entre ellos los siguientes: + +Liu H., Hamel P., Tardieu L., Remme R.P., Han B., Ren H., 2022. A geospatial model of nature-based recreation for urban planning: Case study of Paris, France. Land Use Policy, https://doi.org/10.1016/j.landusepol.2022.106107. + - ciudades latinioamericanas: + https://www.nature.com/articles/s41597-022-01701-y + +Mao L. and Nekorchuk D., 2013. Measuring spatial accessibility to health care for populations with multiple transportation modes. Health &Place 24, 115–122. https://doi.org/10.1016/j.healthplace.2013.08.008 + - ciudades europeas: + https://land.copernicus.eu/local/urban-atlas + +Xing L.J, Liu Y.F, Liu X.J., 2018. Measuring spatial disparity in accessibility with a multi-mode method based on park green spaces classification in Wuhan, China. Applied Geography 94, 251–261. https://doi.org/10.1016/j.apgeog.2018.03.014 + - Datos globales: + + - http://data.ess.tsinghua.edu.cn/ + - https://www.openstreetmap.org/ + + (Para comparar, véase: https://www.sciencedirect.com/science/article/abs/pii/S1618866722001819) + +Demanda de naturaleza urbana +---------------------------- + +No existe una norma mundial para la demanda de naturaleza urbana. Un valor comúnmente sugerido es 9m2, que a menudo se atribuye incorrectamente a la OMS (véase https://www.researchgate.net/post/I-see-many-studies-citing-WHO-for-their-international-minimum-standard-for-green-space-9m2-per-capita-But-where-is-the-actual-study/4 para el debate sobre este valor). Liu et al. (2022), Liu et al. (2021) y Badiu et al. (2016) son algunos de los trabajos que ofrecen una visión general de los valores de demanda y un debate en torno a ellos. + +Referencias +=========== + +Andkjaer S., Arvidsen J. 2015. Places for active outdoor recreation - a +scoping review. Journal of Outdoor Recreation and Tourism, *12*, 25-46. +https://doi.org/10.1016/j.jort.2015.10.001 + +Badiu, D.L., Ioja, C.I., Patroescu, M., Breuste, J., Artmann, M., Nita, +M.R., Gradinaru, S.R., Hossu, C.A., Onose, D.A. 2016. Is urban green +space per capita a valuable target to achieve cities’ sustainability +goals? Romania as a case study. Ecological Indicators *70*, 53-66. +https://doi.org/10.1016/j.ecolind.2016.05.044 + +Bratman, G. N., Anderson, C. B., Berman, M. G., Cochran, B., De Vries, +S., Flanders, J., ... y Daily, G. C. 2019. Nature and mental health: An +ecosystem service perspective. Science advances, *5*\ (7), eaax0903. +https://doi.org/10.1126/sciadv.aax0903 + +Keeler, B. L., Hamel, P., McPhearson, T., Hamann, M. H., Donahue, M. L., +Meza Prado, K. A., ... y Wood, S. A. 2019. Social-ecological and +technological factors moderate the value of urban nature. Nature +Sustainability, *2*\ (1), 29-38. +https://doi.org/10.1038/s41893-018-0202-1 + +Liu, H., Remme, R.P., Hamel, P., Nong, H., Ren, H., 2020. Supply and +demand assessment of urban recreation service and its implication for +greenspace planning-A case study on Guangzhou. Landsc. Urban Plan. 203, +103898. https://doi.org/10.1016/j.landurbplan.2020.103898 + +Liu H., Hamel P., Tardieu L., Remme R.P., Han B., Ren H., 2022. A +geospatial model of nature-based recreation for urban planning: Case +study of Paris, France. Land Use Policy, +https://doi.org/10.1016/j.landusepol.2022.106107. + +Mao L. y Nekorchuk D., 2013. Measuring spatial accessibility to health +care for populations with multiple transportation modes. Health & Place +24, 115–122. https://doi.org/10.1016/j.healthplace.2013.08.008 + +Remme, R. P., Frumkin, H., Guerry, A. D., King, A. C., Mandle, L., +Sarabu, C., ... y Daily, G. C. 2021. An ecosystem service perspective on +urban nature, physical activity, and health. Proceedings of the National +Academy of Sciences, *118*\ (22), e2018472118. +https://doi.org/10.1073/pnas.2018472118 + +Roo, M. D., Kuypers, V. H. M. y Lenzholzer, S. 2011. *The green city +guidelines: techniques for a healthy liveable city*. The Green City. +http://library.wur.nl/WebQuery/wurpubs/fulltext/178666 + +Xing L.J, Liu Y.F, Liu X.J., 2018. Measuring spatial disparity in +accessibility with a multi-mode method based on park green spaces +classification in Wuhan, China. Applied Geography 94, 251–261. +https://doi.org/10.1016/j.apgeog.2018.03.014 + +BIN +102 KB +source/en/urban_nature_access/2SFCA_step1_v2.png + +BIN +137 KB +source/en/urban_nature_access/2SFCA_step2_v2.png + + 0 +source/urban_nature_access/2sfca-step1.png → ...ce/en/urban_nature_access/2sfca-step1.png +File renamed wi + +0 +source/urban_nature_access/2sfca-step2.png → ...ce/en/urban_nature_access/2sfca-step2.png + + +BIN +102 KB +source/en/urban_nature_access/decay_function_intro.png + + 0 +...ce/urban_nature_access/kernel-density.png → ...en/urban_nature_access/kernel-density.png + + + 0 +.../urban_nature_access/kernel-dichotomy.png → .../urban_nature_access/kernel-dichotomy.png + +0 +...rban_nature_access/kernel-exponential.png → ...rban_nature_access/kernel-exponential.png +File renamed without changes + 0 +...e/urban_nature_access/kernel-gaussian.png → ...n/urban_nature_access/kernel-gaussian.png +File renamed without changes + 0 +source/urban_nature_access/kernel-plots.py → ...ce/en/urban_nature_access/kernel-plots.py +File renamed without changes. + 0 +source/urban_nature_access/kernel-power.png → ...e/en/urban_nature_access/kernel-power.png + +BIN +247 KB +source/en/urban_nature_access/radii_per_nature_class.png + +BIN +67.8 KB +source/en/urban_nature_access/travel-distance-pop-groups-detail.png + +BIN +38.9 KB +source/en/urban_nature_access/travel-distance-pop-groups.png \ No newline at end of file diff --git a/source/es/wave_energy.rst b/source/es/wave_energy.rst index 20c96ae7..f1a5153f 100644 --- a/source/es/wave_energy.rst +++ b/source/es/wave_energy.rst @@ -93,7 +93,7 @@ y se evalúa a lo largo de la vida útil, :math:`T`, de una instalación CME. Pa Los costos anuales pueden desglosarse en iniciales de instalación y anuales de explotación y mantenimiento. Los iniciales de instalación de los dispositivos de energía de las olas incluyen los siguientes costos 1) de capital por kW instalado, que depende del dispositivo, 2) de las líneas de amarre, 3) de los cables de transmisión submarina, 4) de los cables de transmisión terrestre [#f2]_. Dado que los costos totales de los cables de transmisión submarinos y terrestres dependen de la distancia de la instalación al punto de conexión a la red más cercano, el cálculo del VAN le permite evaluar la compensación entre la ubicación de una instalación en un lugar determinado por sus recursos de energía de las olas y los costos dependientes de la distancia de la instalación de los dispositivos en ese lugar. Proporcionamos tablas de parámetros económicos por defecto para la valoración económica de la energía de las olas utilizando tres de las cuatro máquinas descritas en la sección :ref:`anterior `: PWP-Pelamis, AquaBuOY y WaveDragon. Todos los costos se expresan en dólares estadounidenses de 2006 y deben inflarse al año base de análisis de su estudio. Véase `Kim et al. (2012) `_ y `Plummer y Feist (2016) `_ para obtener más orientación sobre la parametrización de la parte económica del modelo. Limitaciones y simplificaciones -------------------------------- +=============================== Algunas palabras de advertencia sobre las limitaciones y simplificaciones del modelo y orientaciones sobre su interpretación: diff --git a/source/es/wind_energy.rst b/source/es/wind_energy.rst index e9c78107..6c800bae 100644 --- a/source/es/wind_energy.rst +++ b/source/es/wind_energy.rst @@ -232,17 +232,17 @@ Desde que este modelo se publicó a principios de 2013, se ha contrastado con ot 1. El modelo InVEST se comparó con las estimaciones del Laboratorio Nacional de Energías Renovables (NREL) y de una empresa consultora en un informe de la Universidad de California, Santa Bárbara, que medía el costo nivelado de la energía eólica en las Bermudas. InVEST se situó dentro de 3% de la estimación del NREL y 12% de la estimación realizada por la empresa consultora. http://trapdoor.bren.ucsb.edu/research/2014Group_Projects/documents/BermudaWind_Final_Report_2014-05-07.pdf Limitaciones y simplificaciones -------------------------------- +=============================== Producción de energía -^^^^^^^^^^^^^^^^^^^^^ +--------------------- La calidad de los datos de input del viento determina la precisión de los resultados del modelo. Por lo tanto, quienes usan el modelo deben conocer la calidad de los datos de input del viento para interpretar correctamente los resultados del modelo. Los datos de input del viento por defecto son más apropiados para aplicaciones a escala global y regional con una resolución espacial de 4 o 60 minutos. La energía eólica cosechada indica el promedio de la producción de energía para un período determinado, basado en la curva de potencia de salida de un aerogenerador. Se puede tener en cuenta información adicional específica de la tecnología, como la disponibilidad del dispositivo, la eficiencia de la conversión de potencia y los factores direccionales, aplicando factores de ajuste a la producción de energía cosechada. Valoración de la energía -^^^^^^^^^^^^^^^^^^^^^^^^ +------------------------ Como demuestra la sección de validación, el modelo y los datos por defecto predicen de forma fiable los costos de capital utilizando los insumos suministrados. Los ingresos están vinculados a la producción de energía y a un precio introducido por usted. Es probable que se puedan obtener proyecciones de costos más fiables a lo largo del espacio, considerando: @@ -366,6 +366,7 @@ Valoración Interpretación de los resultados ================================ + Todas las resoluciones resultantes se basan en la resolución del ráster. Cuando la resolución del MDE supera la resolución de las capas de datos eólicos, los valores de los píxeles se determinan mediante interpolación bilineal. * `carbon_emissions_tons.tif`: un archivo ráster GeoTIFF que representa toneladas de emisiones de carbono compensadas para una finca construida centrada en un píxel por año. @@ -383,8 +384,8 @@ Todas las resoluciones resultantes se basan en la resolución del ráster. Cuand * `wind_energy_points.shp`: un shapefile ESRI que resume los resultados anteriores para cada punto... -Fuentes de datos -================ +Apéndice: Fuentes de datos +========================== Datos de la serie temporal del viento -------------------------------------