Post on 17-Dec-2015
description
Construyendo conocimiento para mejores polticas
Proyecto Impacto de la Variabilidad y Cambio Climtico en el Ecosistema de Manglares de
Tumbes
Ken Takahashi, Ph. D.Instituto Geofsico del Per
y muchos colaboradores
5 de noviembre, 2014
Construyendo conocimiento para mejores polticas
Santuario Nacional Los Manglares de Tumbes
ManglarEcosistema boscoso tropical o subtropical ubicado en la zona costera intermareal tpicamente bajo influencia fluvial (aguas salobres o saladas).
Construyendo conocimiento para mejores polticas
deparaisoenparaiso.blogspot.com
puertomancora.com
laindustria.pe
Conchas negras(Anadara tuberculosa)
Los manglares de Tumbes
(
Construyendo conocimiento para mejores polticas
28C200 km
Ejemplo de distribucin de temperatura del mar
04/2012
Distribucin de manglares
Tumbes
Man
glar
es
Construyendo conocimiento para mejores polticas
Tumbes
Manglares de Tumbes
Santuario Nacional Los Manglares de Tumbes
PER
ECUADORPuerto Pizarro
Oceano
Pacfico
Construyendo conocimiento para mejores polticas
Estacin lluviosa (Marzo 2012)
Estacin seca (Noviembre 2011)
Salinidad del agua en el SNLMT
Datos: Imarpe
Datos: IGP
Ro
Zarumilla
Oceano
Pacfico
Construyendo conocimiento para mejores polticas
El Nio en la costa del Per
Construyendo conocimiento para mejores polticas
0.0
1.0
2.0
3.0
4.0
5.0
6.0
7.0
8.0
9.0
10.0
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
De
sem
bar
qu
e (
t)
Aos
CAPTURA ANUAL DE CONCHAS NEGRAS EN LOS CANALES DE MAREA DE PUERTO PIZARRO
Fuente: IMARPE Tumbes
Los efectos combinados de las presiones antrpicas y naturales son una amenaza al ecosistema.
Construyendo conocimiento para mejores polticas
Objetivo principal
Fortalecer la capacidad de n a la variabilidad y cambio tico en el ecosistema de manglares de Tumbes.
Construyendo conocimiento para mejores polticas
Objetivos especficos
1. Fortalecer y profundizar los estudios sobre los procesos sicos y cambio tico en el ecosistema de los manglares de Tumbes.
2. Analizar los impactos que los procesos sicos vinculados a la variabilidad y cambio tico generan sobre el ecosistema de los manglares de Tumbes y la n.
3. Analizar la vulnerabilidad mica de la n (hombres, mujeres y venes) vinculada al ecosistema, y valorar en rminos los servicios ambientales
brindados por el ecosistema de los Manglares de Tumbes.
4. Fortalecer capacidades locales de n en temas de n al cambio tico, y difundir los resultados del proyecto a la n, instituciones locales,
autoridades y medios locales.
5. Desarrollar un plan integrado de estrategias de n, incluyendo a los actores clave involucrados ( n, instituciones, locales y autoridades) que permitan incorporar el tema de n al cambio climatice en los instrumentos de n local, regional y nacional.
Construyendo conocimiento para mejores polticas
Metodologa
En cuanto a la ejecucin del proyecto, se tomaron los siguientes pasos:
1. n del equipo cnico del proyecto (estudiantes y asesores).
2. n de las necesidades y objetivos de cada n.
3. n del presupuesto anual de acuerdo a las necesidades encontradas.
4.Compras de materiales, insumos y equipo para las actividades del proyecto
5. o del cronograma de actividades del proyecto.
6. n y control de las actividades.
7.Informes dicos.
8.Reuniones de n semestrales para intercambio de experiencias entre los investigadores.
Construyendo conocimiento para mejores polticas
Metodologa
Este proyecto se dedica principalmente a la investigacin cientfica.
La mayor parte de los estudios se desarrollaron como trabajos de tesis universitarias de diferentes disciplinas y universidades, co-asesoradas por investigadores del IGP o de instituciones socias.
Cada uno de los temas de tesis tiene metodologas particulares pero en general han hecho uso de materiales y recursos diversos, que incluyen la toma de muestras biofsicas, el uso de equipos de
n de parmetros ambientales, la simulacin con modelos numricos, la toma de as y videos, encuestas/entrevistas y talleres participativos.
Construyendo conocimiento para mejores polticas
Temas de tesis1. Modelado hidrodinamico de los manglares de Tumbes2. Variabilidad climatica y precipitaciones extremas en la costa norte.3. Magnitud, frecuencia y factores que controlan los flujos sedimentarios desde los andes centrales occidentales hacia el oceano
Pacifico peruano4. Estudio experimental del transporte de sedimentos en suspension y fondo, y comparacion con modelos teoricos en los rios
Puyango, Tumbes y Zarumilla 5. Estimacion de cambio climatico en la costa norte segun los modelos globales CMIP56. Influencia de tres factores ambientales sobre los anillos de crecimiento de Rhizophora mangle en el Ecosistema de Manglares de
Tumbes.7. Fisonomia de la vegetacion de mangle en el Sistema de Manglares de Tumbes.8. Estructura y distribucion de las comunidades vegetales del interior del Santuario Nacional Los Manglares de Tumbes y su relacion
con factores edaficos.9. Validacion de indicadores satelitales para el estudio de los manglares de Tumbes10. Efectos de las plumas de sedimentacion en la productividad primaria del mar de Tumbes, 2012 201311. Cambio temporal de la estructura comunitaria del macrobentos en la zona intermareal de los manglares de los estuarios de
Zarumilla y Tumbes12. Evaluacion de la calidad ecologica del ecosistema de manglar en los estuarios del rio Tumbes y Manglar en los estuarios del rio
Tumbes y Zarumilla13. Estructura comunitaria y flujo energetico del meiobentos metazoario de los sedimentos intermareales y submareales de los
Manglares de Tumbes en relacion al regimen de salinidad y a otros factores ambientales14. Impacto de la variabilidad ambiental sobre la estructura y dinamica poblacional de Ucides Occidentalis (Ortmann 1987) en los
Manglares del rio Tumbes y Zarumilla15. Influencia de los cambios espaciales y temporales de salinidad en los ritmos de microcrecimiento de las conchas de Anadara
Tuberculosa16. Influencias ambientales en la estructura y dinamica poblacional de la concha negra (Anadara tuberculosa)17. Cadena Productiva y comercializacion de la concha negra18. Dinamica territorial de la actividad acuicola en la parte baja de la cuenca del rio Tumbes, Peru. Caso: Langostineras.19. Identificacion de los impactos de la actividad agricola para el periodo de 1982-2012, distritos de aguas verdes y Zarumilla ( Zona
de amortiguamiento del Santuario Nacional los Manglares de Tumbes).20. Capacidad de carga turistica en los manglares aplicado al Santuario Nacional los Manglares de Tumbes y Puerto
Pizarro,Tumbes,201321. Estudio de valoracion economica del Santuario Nacional Los Manglares de Tumbes: El impacto del Cambio climatico
Construyendo conocimiento para mejores polticas
Describe en forma
no exhaustiva las
componentes y
sus interacciones
del sistema
fsico/ecolgico/hu
mano
consideradas en
los estudios del
proyecto.
Esquema conceptual del proyecto
Construyendo conocimiento para mejores polticas
Dentro de un evento El Nio, la lluvia puede variar mucho de da a da
EL N
IO
19
82
-83
EL N
IO
19
97
-98
>250%
Lluvias extremas durante El Nio
K. Len
Das lluviosos Das secosLluvioso/secoPromedio
Construyendo conocimiento para mejores polticas
TASAS DE EROSIN DURANTE MEGA NIOS (82-83, 97-98)
16
Morera et al., in process..
Fuerte influencia de los mega El Nio, el transporte de sedimentos en suspensin incrementan de 10 a 30 veces un ao normal.
Construyendo conocimiento para mejores polticas17
Transporte fluvial de sedimentos de fondo
Existen muy pocos estudios de transporte de sedimentos de fondo en el Per.
Datos preliminares de Tumbes sugieren que estos sera del orden de 1% del total.
J. Quincho
Construyendo conocimiento para mejores polticas
El rgimen hdrico es el factor maestro que influye en la
variacin espacio-temporal de las caractersticas
fisicoqumicas y geoqumicas de los manglares.
poca hmedapoca seca
Fsico-geoqumica del manglar:Ej. salinidad en agua de fondo
Construyendo conocimiento para mejores polticas19
MODELOSCON BUEN
AJUSTE
Tumbes -> rango de 0 a 60 % de incremento de la PP promedio al 2100.
PP corregida
(%)
PP GCM sin corregir (%)
Tesis de Yakelyn
Ramos (2014)
Efecto del cambio climtico en la lluvia (
Construyendo conocimiento para mejores polticas
Niv
el d
e m
area
en
el m
angl
ar (
m)
1
0
-1
2
Man
glar
(R
hiz
.)
Man
glar
baj
o
Ve
get.
hal
fi
ta
Mat
orr
al a
rbu
stiv
o
He
rbaz
al
C. Parra
Frecuencia de inundacin para cada comunidad vegetal
Construyendo conocimiento para mejores polticas
Sensoramiento remoto para identificar comunidades vegetales
Validacin de tcnicas mecano estadsticos para la clasicacindel ecosistema M anglares de Tumbes mediante imgenes de satlite
Prncipe .E 1,2, Willems .B 2 y Rojas. J 2.1 Instituto Geofsico del Per 2 Universidad Nacional Mayor de San Marcos.
Resumen
El presenteestudio busca, por un lado, validar la aplicabilidad del algoritmo de lasRedesElsticas (ENA por sussiglas en ingles) para la clasicacin de lasdistintas
coberturas y elementos que componen el Santuario Nacional los Manglares de Tumbes y las zonas de amortiguamiento, empleando imgenes de la serie del satlite
LANDSAT.
I ntroduccin
La teledeteccin por satlite permite realizarevaluaciones acerca de los eventos que se dan
sobre la supercie terrestre, con una alta tasa derepeticin.
Figura1: Esquema dela teledeteccin por satlite
I ndices fsicos
N DVI =(N I R R)
(N I R + R)
N DWI =N I R SWI RN I R + SWI R
SAVI =(N I R R)(1+ L )
(N I R + R + L )
Donde L factor de correccin 0 < L < 1
Algoritmo de las redes
elsticas
Energa de interaccin
E i j =1
2|x i yj |
2
Energa total
E = i j Pi j E i j
Distribucin de probabilidad
Pi j =e E i j
Z iFuncin particin
Z i = j e E i j
Energa libre
F = 1
lnZ +
1
2 j |yj yj 1|
2
Donde 12 j |yj yj 1|
2es la energa de interac-
cin entre nodos. Minimizando F respecto a losnodos.
iPi j (x i yj ) + (yj +1 2yj + yj 1) = 0,j
Solucin delaecuacin no lineal gradientedes-cendiente.
yj = F
yi
Reemplazando las ecuaciones se obtiene:
j Pi j (x i yj ) + (yj +1 2yj + yj 1),j
M etodologa
1 Descarga de imgenesTM, ETM+ y seleccinde imgenes con nubosidad menor al 10%.
2 Procesamiento de imagen: Coversin de niveldigital a radiancia.
3 Conversin de Radiancia a reectancia correcin atmosfrica.
4 Extraccin de ndices fsicos (NDVI,NDWI ySAVI), seleccin del que mejor representa a laimagen RGB:742.
5 Aplicacin del ENA clasicacin nosupervisada.
6 Anlisis espectral de resultados de clases delENA.
7 Aplicacin del Maximum likelihood clasicacin supervisada.
8 Comparacin del ENA y el ML.
Resultados
I ndices fsicos
(a) RGB:742 (b) NDVI
(c) SAVI (d) NDWI
Figura 2: Imagen TM, 27/ 03/ 1985
(a) Imagen falso color (b) Imagen SAVI
(c) SAVI grises
Figura 3: Imagen TM, 7/ 09/ 1998
Clasicacin mediante EN A y M L
(a) Cluster 0 (b) Agua
(c) Cluster 1 (d) Arena
(e) Cluster 2 (f) Vegetacin dispersa
(g) Cluster 3 (h) Matorral arbustivo
(i) Cluster 4 (j) Mangle bajo
(k) Cluster 5 (l) Mangle achaparrado
(m) Cluster 6 (n) Mangle alto
Figura 4: Imagen TM, 7/ 9/ 1998
Comparacin de rmas espectralesENA M L
(a) Firma espectral cluster 0 (b) Firma espectral cluster 1
(c) Firma espectral cluster 2 (d) Firma espectral cluster 3
(e) Firma espectral cluster 4 (f) Firma espectral cluster 5
(g) Firma espectral cluster 6
Figura 5: Comparacin de rmas espectrales
Algunos alcances del
trabajo
En el trabajo realizado se presenta la validacindeuna nueva metodologa declasicacin no su-pervisada mediante el uso de datos de imge-nes satlite, como consecuencia del ello se obtu-vo las clases informacionales de las coberturas
del SNLMT, entre ellas se obtuvo las diferentes
clases de mangle predominante en el rea que asu vezsellevaa realizar el anlisis temporal parael periodo 1985 y 2013. Este mtodo de clasi-cacin queseproponeserdegran utilidad a laspersonasquedesean realizar el estudio deuso de
suelo o realizar la clasicacin de un rea deter-minada mediante el usos de imgenes satlite.
Conclusiones
El algoritmo de las redeselsticas (ENA)permite hacer divisiones de clusters que
contienen las mismas propiedades.
La clasicacin por ENA (no supervisada) seobserva que existe una buena aproximacin ala clasicacin por ML (supervisado).
El algoritmo de las redeselsticas (ENA)para la clasicacin de los diferentescomponentes de Santuario Nacional
Manglares de Tumbes (SNMT) resulta ser
una herramienta eciente.
References
[1] Richard Durbin and David Willshaw.
An Analogue Approach to the Travelling
Salesman Problem Using an Elastic net
Method.
326:689691, 1987.
[2] K Rose, E Gurewitz, and G Fox.
Statistical mechanics and phase transitions
in clustering.
65:945948, 1990.
[3] Marcos Levano and Hans Nowak.
New aspects of the elastic net algorithm for
cluster analysis.
20:835850, 2011.
[4] B. L. Willems, G F. Toledo, A J. Rojas, and
H. Nowak.
Automatizad Detection of Glaciers Using
The Elastic Net Algorithm.
Agradecimiento
Este trabajo ha sido nanciado por el proyec-to Impacto de la Variabilidad y Cambio
Climtico en el Ecosistema de M angla-res de Tumbes realizado por el IGP. El tra-
bajo fue desarrollado en el Laboratorio de Tele-
deteccin - UNMSM.
Contacto
Email: eprincipe17@gmail.com
Validacin de tcnicas mecano estadsticos para la clasicacindel ecosistema M anglares de Tumbes mediante imgenes de satlite
Prncipe .E 1,2, Willems .B 2 y Rojas. J 2.1 Instituto Geofsico del Per 2 Universidad Nacional Mayor de San Marcos.
Resumen
El presenteestudio busca, por un lado, validar la aplicabilidad del algoritmo de lasRedesElsticas (ENA por sussiglas en ingles) para la clasicacin de lasdistintas
coberturas y elementos que componen el Santuario Nacional los Manglares de Tumbes y las zonas de amortiguamiento, empleando imgenes de la serie del satlite
LANDSAT.
I ntroduccin
La teledeteccin por satlite permite realizarevaluaciones acerca de los eventos que se dan
sobre la supercie terrestre, con una alta tasa derepeticin.
Figura1: Esquema dela teledeteccin por satlite
I ndices fsicos
N DVI =(N I R R)
(N I R + R)
N DWI =N I R SWI RN I R + SWI R
SAVI =(N I R R)(1+ L )
(N I R + R + L )
Donde L factor de correccin 0 < L < 1
Algoritmo de las redes
elsticas
Energa de interaccin
E i j =1
2|x i yj |
2
Energa total
E = i j Pi j E i j
Distribucin de probabilidad
Pi j =e E i j
Z iFuncin particin
Z i = j e E i j
Energa libre
F = 1
lnZ +
1
2 j |yj yj 1|
2
Donde 12 j |yj yj 1|
2es la energa de interac-
cin entre nodos. Minimizando F respecto a losnodos.
iPi j (x i yj ) + (yj +1 2yj + yj 1) = 0,j
Solucin delaecuacin no lineal gradientedes-cendiente.
yj = F
yi
Reemplazando las ecuaciones se obtiene:
j Pi j (x i yj ) + (yj +1 2yj + yj 1),j
M etodologa
1 Descarga de imgenesTM, ETM+ y seleccinde imgenes con nubosidad menor al 10%.
2 Procesamiento de imagen: Coversin de niveldigital a radiancia.
3 Conversin de Radiancia a reectancia correcin atmosfrica.
4 Extraccin de ndices fsicos (NDVI,NDWI ySAVI), seleccin del que mejor representa a laimagen RGB:742.
5 Aplicacin del ENA clasicacin nosupervisada.
6 Anlisis espectral de resultados de clases delENA.
7 Aplicacin del Maximum likelihood clasicacin supervisada.
8 Comparacin del ENA y el ML.
Resultados
I ndices fsicos
(a) RGB:742 (b) NDVI
(c) SAVI (d) NDWI
Figura 2: Imagen TM, 27/ 03/ 1985
(a) Imagen falso color (b) Imagen SAVI
(c) SAVI grises
Figura 3: Imagen TM, 7/ 09/ 1998
Clasicacin mediante EN A y M L
(a) Cluster 0 (b) Agua
(c) Cluster 1 (d) Arena
(e) Cluster 2 (f) Vegetacin dispersa
(g) Cluster 3 (h) Matorral arbustivo
(i) Cluster 4 (j) Mangle bajo
(k) Cluster 5 (l) Mangle achaparrado
(m) Cluster 6 (n) Mangle alto
Figura 4: Imagen TM, 7/ 9/ 1998
Comparacin de rmas espectralesENA M L
(a) Firma espectral cluster 0 (b) Firma espectral cluster 1
(c) Firma espectral cluster 2 (d) Firma espectral cluster 3
(e) Firma espectral cluster 4 (f) Firma espectral cluster 5
(g) Firma espectral cluster 6
Figura 5: Comparacin de rmas espectrales
Algunos alcances del
trabajo
En el trabajo realizado se presenta la validacindeuna nueva metodologa declasicacin no su-pervisada mediante el uso de datos de imge-nes satlite, como consecuencia del ello se obtu-vo las clases informacionales de las coberturas
del SNLMT, entre ellas se obtuvo las diferentes
clases de mangle predominante en el rea que asu vezsellevaa realizar el anlisis temporal parael periodo 1985 y 2013. Este mtodo de clasi-cacin queseproponeserdegran utilidad a laspersonasquedesean realizar el estudio deuso de
suelo o realizar la clasicacin de un rea deter-minada mediante el usos de imgenes satlite.
Conclusiones
El algoritmo de las redeselsticas (ENA)permite hacer divisiones de clusters que
contienen las mismas propiedades.
La clasicacin por ENA (no supervisada) seobserva que existe una buena aproximacin ala clasicacin por ML (supervisado).
El algoritmo de las redeselsticas (ENA)para la clasicacin de los diferentescomponentes de Santuario Nacional
Manglares de Tumbes (SNMT) resulta ser
una herramienta eciente.
References
[1] Richard Durbin and David Willshaw.
An Analogue Approach to the Travelling
Salesman Problem Using an Elastic net
Method.
326:689691, 1987.
[2] K Rose, E Gurewitz, and G Fox.
Statistical mechanics and phase transitions
in clustering.
65:945948, 1990.
[3] Marcos Levano and Hans Nowak.
New aspects of the elastic net algorithm for
cluster analysis.
20:835850, 2011.
[4] B. L. Willems, G F. Toledo, A J. Rojas, and
H. Nowak.
Automatizad Detection of Glaciers Using
The Elastic Net Algorithm.
Agradecimiento
Este trabajo ha sido nanciado por el proyec-to Impacto de la Variabilidad y Cambio
Climtico en el Ecosistema de M angla-res de Tumbes realizado por el IGP. El tra-
bajo fue desarrollado en el Laboratorio de Tele-
deteccin - UNMSM.
Contacto
Email: eprincipe17@gmail.com
E. Prncipe
Construyendo conocimiento para mejores polticas
Modelo numrico de la circulacin en el SNLMT
Desarrollado en el marco del proyecto.
Se podr utilizar para estimar el efecto de los cambios en los patrones de inundacin y, por lo tanto, de distribucin de especies
J. Fajardo
Construyendo conocimiento para mejores polticas
Marea de sicigia
(aguaje)
Marea de cuadratura (quiebra)
2 m
1 da
60 cm
Nivel del agua en el SNLMT
Marea de sicigia
(aguaje)
Nivel de referenciaManglar
El Nio fuerte o cambio climtico hipottico*
Aumento del nivel del agua Nivel de referencia
Manglar
* En el caso del CC, el sustrato podra seguir el paso al nivel del
mar si es que hay suficiente aporte de sedimentos
Las mareas en el manglar de Tumbes
Construyendo conocimiento para mejores polticas
Cangrejos de manglar en SNLMT y Puerto Pizarro
Resultados
60
65
70
75
80A
nch
o C
efa
loto
rax
(mm
)
Meses
Machos
SNLMT
P. Pizarro
60
65
70
75
80
An
cho
Ce
falo
tora
x (m
m)
Meses
Hembras
SNLMT
P. Pizarro
Resultados
60
65
70
75
80
An
cho
Ce
falo
tora
x (m
m)
Meses
Machos
SNLMT
P. Pizarro
60
65
70
75
80
An
cho
Ce
falo
tora
x (m
m)
Meses
Hembras
SNLMT
P. Pizarro
Resultados
60
65
70
75
80
An
cho
Ce
falo
tora
x (m
m)
Meses
Machos
SNLMT
P. Pizarro
60
65
70
75
80
An
cho
Ce
falo
tora
x (m
m)
Meses
Hembras
SNLMT
P. Pizarro
J. Vitor y J. Tarazona
SNLMT
Pto Pizarro
En el Santuario (rea protegida) los cangrejos (Ucides occidentalis) son sustancialmente mayores que en Pto. Pizarro
An
cho
de
cfa
loto
rax
(Ac)
Construyendo conocimiento para mejores polticas
Calentamiento del mar y el aire
Ms lluvias intensas
Aumento de nivel del mar
Algunos posibles impactos fsicos del Cambio Climatico en los manglares
Construyendo conocimiento para mejores polticas
Actividades econmicas que impactan el SNLMTActividades econmicas que impactan el SNLMT
Turismo
AgriculturaLangostineras
Extraccin artesanal
Centros
Poblados
Grandes
proyectos
Actividades
en Ecuador
L. Cspedes
Si bien el SNLMT es un rea protegida, existen sustanciales actividades tanto en su interior como su zona de amortiguamiento.
Por otro lado, no se debe asumir que toda actividad es negativa. Es necesario hacer evaluaciones objetivas.
Construyendo conocimiento para mejores polticas
Instituciones pblicas SernanpTumbes, GORETumbes, Municipalidad
Provincial de Zarumilla, PJ, PNP, MGP, Imarpe, Dicapi, Digesa, OEFA, ANA y PEBPT
Instituciones privadas Empresas langostineras Asociacin de langostineros Peruanos ALPE
Organizaciones sociales Asociaciones de extractores artesanales Grupo de agricultores
Organizaciones sin fines de lucro Para el ao 2013 no exista ninguna ONG que trabajara
para el SNLMT. Hasta el 2012 estuvo MEDA.
Actores del rea de estudio
Flores et al.
Mapa de actores relacionados al SNLMT
Construyendo conocimiento para mejores polticas
Extractores de recursos hidrobiolgicos en el SNLMT
Tipos de extractores artesanales
del SNLMT
Concheros Cangrejeros PescadoresCaractersticas bsicas
de las asociaciones de extractores
Ao de creacin
Nombre de la Asociacin # Concheros # Cangrejeros # Pescadores
1994 ASEPROHI San Pedro 12 65 44
2001 ACP El Bendito 10 19
2003 ASPOPRODECAZ Campo
Amor
4 4 15
2004 ASEXTRHI Nueva
Esperanza
20 5 12
2006 ACODESAM El Bendito 18 13 2
2011 AEXAPROH Los Tumpis 48 - -
TOTAL 112 106 73
Fuente: Sernanp, 2013
SERNANP 2013
Actividades extractivas artesanales existen desde mucho antes de la creacin del SNLMT en 1988.
Diversos proyectos han impulsado la creacion y/o fortalecimiento de asociaciones de extractores.
Actualmente existen (6) asociaciones de extractores 2010 entrega de carnets a los extractores reconocidos por
parte del SERNANP
ProblemticaAsociaciones: Falta de coordinacin y posicin comn para la negociacin, competencia entre extractores y entre asociaciones Socioambiental: Declinacin de concha negra, Fenmeno El Nio, cambios en mareasExtractores: Situacin familiar compleja, preocupacin por el futuro, extractores ilegales, actividades complementarias
Martinez et al.
Construyendo conocimiento para mejores polticas
Dinmica langostinera
14
3. Influencia en la dimensin fsica
Analisis multitemporal de pozas langostineras operativas (1985-2014)
Per
Ecuador
Ocupacion agresiva del territorio por la actividad langostinera entre los anos 70s y 80s.
Desaceleracin por: Fenomeno de El Nino (1982-1983 y 1997-1998)Septima pandemia de colera (1991) Sndrome de la mancha blanca (WSS, 1999).
L. Cspedes & E. PrncipeSolo en 1985Solo en 2014Tanto en 1985 como en 2014
Construyendo conocimiento para mejores polticas
Flores et al.
El fin es poder evaluarlos cambios que sevienen presentandoen los ecosistemas
El objetivo del MEA esapoyar a lostomadores dedecisiones.
La finalidad esestablecer medidasde conservacin, usossustentables.
Metodologa del Millenium Ecosystem Assessment (MEA)
Evaluacin de servicios ecosistmicos
Construyendo conocimiento para mejores polticas
Provisin de alimentos: Corresponde a los recursos extrados como los moluscos, crustceos y peces.
Provisin de materias primas de origen biolgico: Relacionado a la produccin de troncos, lea, madera aserrable, entre otro.
Actividades recreativas: Describe los servicios que provee el manglar con fines recreativos o tursticos.
Regulacin morfosedimentaria: La capacidad de absorber y redistribuir sedimentos.
Regulacin de salinidad: Capacidad que tiene el ecosistema manglar de adaptarse a cambios en la salinidad.
Soporte de biodiversidad: Se da por caractersticas nicas que tiene los humedales costeros
Servicios ecosistmicos del manglar
Flores et al.
Construyendo conocimiento para mejores polticas
Conclusiones
Los manglares de Tumbes son fuertemente afectados por la variabilidad climtica (El Nio) y potencialmente por el cambio climtico, particularmente por el cambio en nivel del mar, transporte de sedimentos y biogeoqumica del agua.
Las actividades humanas tienen tambin un fuerte impacto
Las propuestas de medidas de adaptacin (en desarrollo) deben considerar tanto los aspectos fsico-biolgicos como los socioeconmicos. En ambos casos es necesaria la investigacin cientfica.
Construyendo conocimiento para mejores polticas
Recomendaciones Implicancias de poltica
Utilizar en forma crtica los conocimientos locales como gua para el planteamiento y ejecucin del proyecto.
Apoyar la investigacin bsica, pero lograr un punto intermedio entre lo til y lo puramente acadmico es un trabajo de coordinacin constante.
Se apoyar a SERNANP en la elaboracin del Plan Maestro del SNLMT, as como en la incorporacin del cambio climtico en las metodologas de gestin de las reas naturales protegidas.
Considerar los aspectos socioeconmicos a nivel micro como determinante de la viabilidad de medidas de adaptacin al cambio climtico.