Aplicación de técnicas geoespaciales para la evaluación y predicción del cambio de cobertura del suelo en la parroquia Baños Cuenca-Ecuador

Este estudio busca identificar los cambios en la cobertura del suelo en la parroquia Baños mediante datos espaciales y de técnicas de modelado, para lograrlo se utilizaron imágenes satelitales de los sensores Landsat 5, 7, y 8, clasificadas en las categorías de cobertura de bosque, vegetación arbustiva y herbácea, tierra agropecuaria, cuerpos de agua y zonas antrópicas, aplicando una clasificación supervisada con el logaritmo de máxima probabilidad mediante el complemento SCP del software QGIS. Para la validación de la clasificación se emplearon matrices de confusión. Se empleó el complemento MOLUSCE del software QGIS para evaluar y predecir cambios en el uso de suelo. La evaluación abarcó 1991-2021 y la predicción se proyectó entre 2031-2051 en intervalos de 10 años. Se empleó el modelo CA- ANN para la predicción, usando variables geoespaciales como pendientes, MDT, distancias de vías, elevación, distancia de ríos y densidad poblacional. Se realizó un análisis de correlación de Pearson para establecer su vínculo con el cambio de uso de suelo. Se encontró una correlación moderada entre MDT, distancias de vías y distancia de ríos. En este estudio, en la evaluación se observó una mayor transformación en las categorías de vegetación arbustiva y herbácea degradándose a una tasa anual de -0,59 %, las tierras agropecuarias crecen a una tasa anual de 8,85% y zonas antrópicas crecen con una tasa de 3.84 % anualmente. Los resultados predictivos indican una pérdida de 1 128,580 ha de bosque en los próximos años, contrarrestada por un aumento de 257,58 ha en zonas antrópicas.This study seeks to identify changes in land cover in Baños parish using spatial data and modeling techniques. To achieve this, satellite images from Landsat 5, 7, and 8 sensors were used, classified into the categories of forest cover, shrub and herbaceous vegetation, agricultural land, water bodies, and anthropogenic zones, applying a supervised classification with the logarithm of maximum probability using the SCP complement of the QGIS software. Confusion matrices were used to validate the classification. The MOLUSCE add-on of QGIS software was used to assess and predict land use change. The assessment covered 1991- 2021 and the prediction was projected between 2031-2051 in 10-year intervals. The CA-ANN model was used for the prediction, using geospatial variables such as slopes, DTM, road distances, elevation, distance from rivers and population density. A Pearson correlation analysis was performed to establish the link with land use change. A moderate correlation was found between DTM, road distances and river distance. In this study, in the evaluation, a greater transformation was observed in the categories of shrub and herbaceous vegetation degrading at an annual rate of -0,59%, agricultural land growing at an annual rate of 8,85% and anthropogenic zones growing at a rate of 3,84% annually. The predicted results indicate a loss of 1 128,580 ha of forest in the coming years, offset by an increase of 257.58 ha in anthropogenic zones.0000-0002-2668-278