Clasificación ecológica para la República Argentina a partir del modelo de zonas de vida de Holdridge (1947, 1967): mapeo, caracterización y tendencias de cambio

Abstract

Una zonificación ecológica, que define y clasifica unidades ecológicamente homogéneas, es fundamental para diseñar el manejo de ecosistemas. La zonificación ecológica de un país es una herramienta que permite reconocer la heterogeneidad ambiental, establecer sus relaciones con variables bióticas y productivas, y evaluar los cambios en el uso del suelo y su relación con estrategias de conservación. La delimitación y clasificación del territorio en unidades ecológicas homogéneas contribuye al desarrollo de un manejo ecosistémico más preciso e integrado. El sistema de zonificación ecológica de Holdridge define las condiciones del funcionamiento de los ecosistemas a través de su principal unidad ecológica: la zona de vida, alejándose de la existencia de un esquema estable de unidades de vegetación. Una zona de vida es un conjunto natural de asociaciones que utiliza tres variables -biotemperatura media anual, precipitación total anual acumulada y cociente de evapotranspiración potencial- limitantes para el desarrollo de procesos biológicos, y expresadas en rangos de escala logarítmica. A su vez, el sistema considera la posición de las zonas de vida en regiones latitudinales, en función de la distribución del calor a nivel del mar (biotemperatura basal) y en fajas altitudinales, en función de la distribución de calor a nivel de superficie (biotemperatura). Las unidades bioclimáticas que define pueden relacionarse de manera simple con la vegetación y pueden proporcionar proyecciones sobre futuros patrones de distribución. Dada su relativa simplicidad, se propone como un buen método para abordar estudios de impacto climático en circunstancias de disponibilidad limitada de conjuntos de datos regionales. Si bien los nombres de las zonas de vida refieren a tipos fisonómicos de vegetación, éstas pueden no corresponderse con la cobertura vegetal real del terreno, debido a que la zona de vida constituye sólo la primera categoría jerárquica de las divisiones ambientales del modelo, y no incluye otros factores que afectan el tipo de vegetación. Las variables utilizadas en el sistema de zonas de vida pueden derivar de modelos climáticos locales (MCL) o modelos climáticos globales (MCG). Al aplicar MCL, es importante evaluar cómo las incertidumbres de estos datos afectan la clasificación ecológica. Por otra parte, si se aplican MCG, es importante evaluar las diferencias entre la clasificación ecológica derivada de los MCG y aquella derivada de los MCL, incluyendo tanto la magnitud como la variación espacial de esas diferencias, ya que los datos climáticos disponibles para modelar escenarios futuros son generalmente globales. Al mismo tiempo, la comparación entre mapas puede verse afectada por la resolución espacial y por cambios en la resolución temática (ambiental). Modelar las variaciones en la distribución de las zonas de vida debidas a la variación del clima, a través de las proyecciones de cambio climático, hace de este sistema una zonificación dinámica. Vincular el sistema de zonas de vida con unidades ecológicas como las definidas por las ecorregiones, permite monitorear las posibles transformaciones vinculadas al cambio climático en estas unidades. Asimismo, analizar las tendencias futuras de cambio y sus posibles implicancias sobre las áreas prioritarias para conservación y sobre los distintos usos de la tierra bajo el sistema de zonas de vida, permitiría aportar sugerencias para mejorar la planificación y el manejo del territorio. Los datos climáticos utilizados en este trabajo para establecer las zonas de vida se obtuvieron a partir del Atlas Climático Digital de la República Argentina, del INTA, que provee datos grillados con una resolución espacial de 1 km. La validación de esta información se estableció a través de una correlación de Pearson con observaciones de 80 estaciones meteorológicas, distribuidas a lo largo del país, provenientes del SMN. Las variables bioclimáticas estimadas fueron categorizadas en los distintos rangos logarítmicos propuestos por la clasificación de Holdridge y se combinaron para definir las zonas de vida y luego asignarlas a una región latitudinal y faja altitudinal. Para establecer la incertidumbre del modelo climático local (MCL) se modificó cada valor de temperatura y precipitación de la grilla por un nuevo valor establecido aleatoriamente, lo que resultó en un modelo climático local "alterado" (MCLa). Luego se midió el porcentaje de acuerdo entre modelos y se establecieron los límites de confianza del 90% para este porcentaje. Para medir el acuerdo entre los MCL y los MCG se utilizó la base de datos WorldClim, que proporciona información climática a escala global con una resolución espacial de 1 km. El mapa de zonas de vida derivado del MCL se comparó con un nuevo mapa de zonas de vida obtenido a partir del MCG. Luego, se evaluó si el porcentaje de acuerdo entre modelos estaba contenido dentro de los intervalos de confianza estimados para el porcentaje de acuerdo entre el MCL y el MCLa. Para evaluar el efecto de la resolución espacial y ambiental en el acuerdo entre el modelo local y el modelo global, se aplicó un análisis de resolución múltiple. Para vincular las zonas de vida, actuales y proyectadas a futuro, con las principales unidades fisonómicas de la vegetación de Argentina, se comparó espacialmente el mapa de zonas de vida con el de ecorregiones, tipos de uso de la tierra y áreas protegidas. Se establecieron índices bioclimáticos, el "índice de correspondencia bioclimática” (ICB) y el “índice de diversidad bioclimática” (IDB). El ICB identificó las ecorregiones o usos de la tierra que tienen zonas de vida que les son propias y por tanto no comparten características bioclimáticas con otras regiones; mientras que el IDB identificó las unidades de ecorregiones o usos con mayor diversidad bioclimática. Mediante un análisis multivariado se evaluaron las relaciones de distancia bioclimática entre ecorregiones, y entre usos de la tierra, en el escenario climático actual y los proyectados a futuro. La distribución de las zonas de vida se analizó también en las Áreas Protegidas de Argentina para establecer el grado de representación de la diversidad bioclimática en el Sistema Nacional de Áreas Protegidas (SNAP), y definir aquellas regiones que requieren mayor esfuerzo de conservación debido a los posibles impactos del cambio climático en la distribución de las zonas de vida. Finalmente, los usos de la tierra agrícola, silvícola y ganadero se analizaron en el esquema de potencial de uso de las zonas de vida. Se identificaron 83 zonas de vida en Argentina, que representan el 69 % del total de las 120 reconocidas en el diagrama de zonas de vida. El acuerdo medio entre el MCL y el MCLa a nivel de todo el país fue de aproximadamente 75%. El acuerdo medio entre los mapas de zonas de vida derivados del MCL y el MCG fue del 70% a nivel país, este valor varió sustancialmente entre las regiones latitudinales (40-83%). Por otra parte, aumentar el tamaño de píxel no mejoró el acuerdo MCL-MCG pero éste sí puede aumentar al reducir la resolución temática. Entre las ecorregiones de menor ICB se encontraron Campos y Malezales, Delta e islas del Río Paraná y Esteros del Iberá, mientras que Chaco Seco y Estepa Patagónica presentaron ICB mayores de 0,7 y reducidos intervalos de confianza en comparación con otras ecorregiones. Las ecorregiones con mayor diversidad de zonas de vida (IDB) y menor amplitud de los intervalos de confianza fueron aquellas con mayores variaciones altitudinales en el Noroeste y en la Patagonia. Los cambios más importantes en los ICB de las zonas de vida se observaron en las ecorregiones Selva Paranaense, Selva de Yungas, Chaco Seco, Chaco Húmedo, Monte de Sierras y Bolsones, Puna, Altos Andes y Estepa Patagónica. Los índices bioclimáticos resultantes del análisis de usos de la tierra y zonas de vida mostraron una correspondencia climática menor que aquella obtenida para las ecorregiones y por tanto los cambios fueron difícilmente interpretables. Las zonas de vida representadas en el SNAP fueron 66 de las 83 que se registran para el país en el escenario actual. En base a la superficie total de Argentina, el porcentaje conservado en AP calculado fue de 7%. La actividad agrícola se registró en zonas de vida "Óptimas para la Producción", la ganadería extensiva se dio principalmente en zonas "Demasiado Secas", las plantaciones forestales se registraron principalmente en zonas de vida "Demasiado Húmedas". La distribución de las actividades productivas analizadas se ajustó al esquema de potencialidad de uso de las zonas de vida lo que permitiría monitorear las tendencias de cambio de uso y aportar a mejorar la planificación territorial. La comparación visual entre zonas de vida y ecorregiones indica una correspondencia en su distribución que resultó coherente con los ICB y refleja que las zonas bioclimáticamente homogéneas, son ecológicamente interpretables. Las proyecciones realizadas permiten identificar las principales tendencias de cambio en las ecorregiones y los principales vacíos de la red actual de Áreas Protegidas y destaca que la representación de zonas de vida en el SNAP resulta insuficiente frente a la diversidad bioclimática que presenta Argentina y la sensibilidad que muestran ciertos sectores. Este trabajo confirmó que Argentina presenta una gran diversidad de zonas de vida y por ende una gran heterogeneidad bioclimática. Los resultados destacan la necesidad de cuantificar la incertidumbre de los datos climáticos, especialmente en áreas climáticamente muy heterogéneas, y proporcionan formas de cuantificar y tratar esa incertidumbre.

An ecological zoning, which defines and classifies ecologically homogeneous units, is essential ecosystem management design. A country’s ecological zoning is a tool that allows us to recognize environmental heterogeneity, establish its relations with biotic and productive variables, and evaluate changes in land use and its relationship with conservation strategies. The delimitation and classification of the territory into homogeneous ecological units contributes to the development of a more precise and integrated ecosystem management. Holdridge´s ecological zoning system defines the operating conditions of ecosystems through its main ecological unit: the life zone, which moves away from the existence of a stable scheme of vegetation units. A life zone is a natural set of associations that uses three variables limiting for the development of biological processes—average annual temperature, total annual precipitation, and potential evapotranspiration ratio—, expressed in logarithmic scale ranges. At the same time, the system considers the position of life zones in latitudinal regions, depending on the distribution of heat at sea level (basal biotemperature) and on altitudinal belts, depending on the distribution of heat at the surface level (biotemperature). The bioclimatic units defined by the system can be simply related to vegetation and can provide projections on future distribution patterns. Given its relative simplicity, it is proposed as a good method to address climate impact studies in circumstances of limited availability of regional datasets. Although the names of the life zones refer to physiognomic types of vegetation, these may not correspond to the real land vegetation cover, because the life zone constitutes only the first hierarchical category of the environmental divisions of the model, and it does not include other factors affecting the type of vegetation. The variables used in the life zone system may derive from local climate models (LCM) or global climate models (GCM). When applying LCM, it is important to evaluate how the uncertainties of these data affect the ecological classification. On the other hand, if GCM are applied, it is important to evaluate the differences between the ecological classification derived from the GCM and that derived from the LCM, including both the magnitude and the spatial variation of these differences, since the climatic data available to model future scenarios are generally global. At the same time, the comparison between maps can be affected by spatial resolution and by changes in the thematic (environmental) resolution. Modeling the variations in the distribution of life zones due to climate variation through the projections of climate change makes this a dynamic zoning system. By linking the system of life zones with ecological units such as those defined by the ecoregions, it is possible to monitor the possible transformations linked to climate change in these units. Likewise, analyzing the future trends of change and their possible implications for the priority areas for conservation and the different land uses under the system of life zones would make it possible to offer suggestions to improve territory planning and management. The climatic data used in this work to establish the life zones were obtained from the INTA Digital Climate Atlas of Argentina, which provides data with a spatial resolution of 1 km. The validation of this information was established through a Pearson correlation with observations from 80 SMN weather stations, distributed throughout the country. The estimated bioclimatic variables were categorized in the different logarithmic ranges proposed by the Holdridge classification and were combined to define the life zones and then were then assigned to a latitudinal region and altitudinal belt. To establish the uncertainty of the local climate model (LCM), each value -temperature and precipitation- in the gridded data was modified by a random value that resulted in an "altered" local climate model (aLCM). Then the percentage of agreement between models was measured and the 90% confidence limits for this percentage were established. The WorldClim database was used to measure the agreement between the LCM and the GCM, which provides global climate information with a spatial resolution of 1 km. The map of life zones derived from the LCM was compared with a new map of life zones obtained from the GCM. Then, it was evaluated whether the percentage of agreement between models was contained within the confidence intervals estimated for the percentage of agreement between the LCM and the aLCM. To assess the effect of spatial and environmental resolution on the agreement between the local model and the global model, a multiple resolution analysis was applied. To link the life zones, current and projected for the future, with the main physiognomic units of the vegetation of Argentina, the map of life zones was compared spatially with that of ecoregions, types of land use, and protected areas. The "bioclimatic correspondence index" (BCI) and the "bioclimatic diversity index" (BDI) were established. The BCI identifies the ecoregions or land uses that have their own life zones and, therefore, do not share bioclimatic characteristics with other regions, while the BDI identifies the units of ecoregions or uses with greater bioclimatic diversity. Through a multivariate analysis, the relationships of bioclimatic distance between ecoregions and between land uses in the current climate scenario and those projected for the future were evaluated. The distribution of life zones was also analyzed in the Protected Areas (PA) of Argentina to establish the degree of representation of bioclimatic diversity in the Protected Areas National System (PANS), and to define those regions that require the greatest conservation efforts due to the possible impacts of climate change on the distribution of life zones too. Finally, the uses of agricultural, forestry, and livestock production were analyzed in the scheme of potential use of life zones. In Argentina, 83 life zones were identified, representing 69% of the total of the 120 recognized in the original diagram of life zones. The average agreement between the LCM and the aLCM at country level was approximately 75%. The average agreement between the life zone maps derived from the LCM and the GCM was 70% at the country level, but this value varied substantially between the latitudinal regions (40-83%). On the other hand, increasing the pixel size did not improve the LCM-GCM agreement, but it can be increased by reducing the thematic resolution. Among the ecoregions of lower BCI were Campos y Malezales, Delta e islas del Río Paraná, and Esteros del Iberá, while Chaco Seco and Estepa Patagónica presented BCI greater than 0.7 and reduced confidence intervals compared to other ecoregions. The ecoregions with the greatest diversity of life zones (BDI) and the smallest range of confidence intervals were those with the highest altitude variations in the Northwest and Patagonia. The most important changes in the BCI of the life zones were observed in the ecoregions Selva Paranaense, Selva de Yungas, Chaco Seco, Chaco Húmedo, Monte de Sierras y Bolsones, Puna, Altos Andes, and Estepa Patagónica. The bioclimatic indices resulting from the analysis of land uses and life zones showed a lower climatic correspondence than that obtained for the ecoregions; therefore, the changes were hardly interpretable. The life zones represented in the PANS were 66 of the 83 that are registered for the country in the current scenario. Based on the total area of Argentina, the percentage conserved in PA calculated was 7%. The agricultural activity was registered in "Optimal for Production" life zones; extensive livestock production was mainly in "Too Dry" areas; and forest plantations were mainly recorded in "Too Wet" life zones. The distribution of the analyzed productive activities was adjusted to the scheme of potentiality of use of the life zones, which would make it possible to monitor the trends in land use changes and contribute to a better territorial planning. The visual comparison between the map of life zones and that of the ecoregions indicates a correspondence in their distribution that was consistent with the BCI and reflects that the bioclimatically homogeneous zones, defined by the Holdridge system, are ecologically interpretable. The projections made enableus to identify the main trends of change in the ecoregions and the main gaps in the current network of Protected Areas, and stress that the representation of life zones in the PANS is insufficient compared to the bioclimatic diversity in Argentina and the sensitivity that certain sectors show. This work confirms that Argentina has an enormous diversity of life zones and therefore a significant bioclimatic heterogeneity. The results obtained highlight the need to quantify the uncertainties of the climatic data, especially in highly heterogeneous climatic areas, and provide ways to quantify and address these uncertainties.