Mapa de La Condición de La Tierra en España 2000-2010

Mapa de la Condición de la Tierra
en España: 2000-2010
Memoria
Junio de 2013
Estación Experimental de Zonas Áridas (CSIC)
María E. Sanjuán, Gabriel del Barrio, Alberto Ruiz, Leopoldo Rojo, Juan Puigdefábregas y
Araceli Martínez
Página 0 de 78
Mapa de Condición de la Tierra en España
Este documento puede ser citado de la siguiente forma:
Sanjuán, M.E., del Barrio, G., Ruiz, A., Rojo, L., Puigdefábregas, J. & Martínez, A.
(2014). Mapa de la Condición de la Tierra en España. Ministerio de Agricultura,
Alimentación y Medio Ambiente. Madrid. 80 p. NIPO: 280-14-128-4. ISBN: 978-84-
491-1395-6.
Autor para consultas relacionadas con este producto:
Dr Gabriel del Barrio

Estación Experimental de Zonas Áridas (CSIC)
Carretera de Sacramento, s/n
04120 La Cañada de San Urbano, Almería, España
gabriel@eeza.csic.es
www.eeza.csic.es
Versiones de producto:
Mapa: 2.0 (abril de 2013)

Memoria: 1.0 (junio de 2013)
1.1 (junio de 2013: incrementos y correcciones)
1.2 (septiembre 2015: datos para cita)
Página 1 de 78
Tabla de contenido
Resumen ejecutivo ................................................................................................................. 4
Estructura de esta memoria ................................................................................................... 8
Acrónimos ............................................................................................................................... 9
1. Introducción...................................................................................................................... 10
1.1. Antecedentes ............................................................................................................. 10
1.2. Objetivos .................................................................................................................... 11
2. Datos de partida ............................................................................................................... 14
2.1 Serie temporal de NDVI .............................................................................................. 14
2.2 Archivo climático ........................................................................................................ 15
2.3. Usos del suelo ............................................................................................................ 16
2.4. Divisiones administrativas ......................................................................................... 16
2.5. Mapa Forestal de España........................................................................................... 16
2.6. Mapa de Carbono Orgánico del Suelo en Europa...................................................... 16
2.7. Período de estudio y sistemas de referencia............................................................. 17
3. Metodología...................................................................................................................... 18
3.1. Valoración de estados................................................................................................ 18
3.2. Seguimiento de tendencias ....................................................................................... 21
3.3. Condición de la tierra................................................................................................. 23
3.3.1. Estados ................................................................................................................ 23
3.3.2. Tendencias .......................................................................................................... 24
3.4. Relleno de áreas sin datos ......................................................................................... 25
3.4.1. El problema de los huecos en series temporales ............................................... 25
3.4.2. Serie temporal de NDVI y huecos en 2dRUE ...................................................... 26
3.4.3. Solución técnica para maximizar la continuidad espacial de los mapas ............ 27
3.5. Muestras usadas en resultados y análisis .................................................................. 28
4. Validación ......................................................................................................................... 29
4.1. Validación de las tendencias...................................................................................... 29
4.2. Validación de los estados........................................................................................... 29
4.2.1. Relaciones entre las distribuciones de frecuencias de estados de condición y
niveles cuantitativos de SOC ............................................................................................... 31
4.2.2. Asociación entre grupos de estados de condición y el umbral SOC < 2% .......... 32
4.2.3. Discusión y conclusiones .................................................................................... 33
5. Interpretación ................................................................................................................... 35
5.1. Asociación entre condición de la tierra y tipos de cubierta vegetal.......................... 37
Página 2 de 78
5.2. Asociación entre clases de condición y tipos de cubierta vegetal por comunidades
autónomas .............................................................................................................................. 39
5.3. Asociación entre clases de condición y tipos detallados (Sobrecolor) de cubierta
vegetal por aplicaciones territoriales ...................................................................................... 42
5.3.1. España peninsular ............................................................................................... 42
5.3.2. Baleares .............................................................................................................. 44
5.3.3. Canarias .............................................................................................................. 45
5.4. Discusión y conclusiones ........................................................................................... 51
6. Resultados......................................................................................................................... 53
6.1. Continuidad de la serie temporal de NDVI ................................................................ 53
6.2. Dominio CNULD ......................................................................................................... 54
6.3. Variación del RUE observado frente a la aridez ........................................................ 57
6.4. Condición de la tierra en España ............................................................................... 59
6.4.1. Estados ................................................................................................................ 60
6.4.2. Tendencias .......................................................................................................... 62
6.4.3. Relaciones entre estados y tendencias............................................................... 63
7. Agradecimientos ............................................................................................................... 65
8. Bibliografía ........................................................................................................................ 66
9. Cartografía ........................................................................................................................ 69
9.1. Descripción de los sistemas de referencia................................................................. 70
9.2. Códigos de leyenda .................................................................................................... 71
9.3. Relación de capas ...................................................................................................... 72
ANEJO: MAPAS...................................................................................................................... 73
Página 3 de 78
Resumen ejecutivo
El objetivo principal de este mapa de condición de la tierra es dar una representación

coherente de los ecosistemas terrestres españoles durante el decenio 2000-2010,
identificando estados y tendencias en términos de madurez ecológica, y con especial atención
a la degradación de tierras. Además, este mapa tiene dos objetivos asociados. Uno es servir
como instrumento para diagnósticos detallados sobre los que basar políticas territoriales,
especialmente las relacionadas con desertificación y restauración ecológica. Y el otro es servir
como prototipo metodológico para otras aplicaciones en países diferentes, o bien en España
para un período posterior.
El usuario de este producto es una institución que gestione y produzca informes relacionados
con un plan nacional sobre desertificación, o informes periódicos a la Convención de Naciones
Unidas para la Lucha contra la Desertificación (CNULD). Por ello, el producto cumple los
siguientes requisitos: implementar explícitamente la definición del Indicador de Impacto sobre
estado de la Cobertura Terrestre dada por la CNULD; aplicar paradigmas basados en funciones
ecológicas; usar datos de entrada procedentes de bases de datos normalizadas, públicas y
disponibles; separar claramente procesos computacionales objetivos de intervenciones
puntuales donde se requiera un juicio experto; y generar resultados susceptibles de
interpretación ecológica que puedan ser asumidos por el público en general.
La metodología aplicada, denominada 2dRUE, implica componentes separados de valoración y

seguimiento que operan sobre el mismo juego de datos. La valoración se refiere al estado de
degradación y trata de cuantificar el rendimiento ecológico de cada sitio respecto a sus
condiciones potenciales de referencia. Su paradigma es que la Eficiencia en el Uso de la Lluvia
es máxima en sitios con una condición ecológica favorable, para lo que usa dos
implementaciones temporales de este concepto que indican respectivamente biomasa media
y productividad máxima. En ella, cada sitio es comparado sincrónicamente con todos los
demás durante el período de análisis. Por otra parte, el seguimiento se refiere a las tendencias
y pretende detectar la evolución de cada sitio en el curso del tiempo, tanto a causa de
oscilaciones climáticas como por su dinámica ecológica interna. El paradigma es que los
cambios interanuales de biomasa media indican degradación o progresión ecológica. Aquí,
cada sitio es comparado consigo mismo a lo largo del período.
Los estados y las tendencias convergen entonces a un mapa final de condición mediante la
aplicación de reglas explícitas que relacionan estados y tendencias. Su leyenda refleja, en el
caso de los estados, niveles crecientes de madurez y complejidad en una escala ecológica
(Anomalía de bajo rendimiento, Basal, Degradado, Productivo con baja biomasa, Productivo
con alta biomasa, Maduro, Referencia y Anomalía de alto rendimiento). En el caso de las
tendencias, la leyenda refleja respuestas de la vegetación al curso del tiempo y a la variación
climática interanual (Degradándose, Fluctuando, Aumentando y Estática).
Esta aplicación fue realizada a las resoluciones espacial y temporal de 1000 m y 1 mes
respectivamente sobre los años hidrológicos en el período 2000-2010. Los datos usados fueron
series temporales archivadas de Índice de Vegetación de Diferencias Normalizadas (SPOT-
Vegetation NDVI-S1) y de campos climáticos correspondientes (archivo de temperaturas y
precipitación interpolado ad hoc). Además, se usó: un mapa de usos y coberturas (CORINE
Land Cover 2006) para realizar máscaras en ciertos ajustes estadísticos; un mapa de Carbono
Orgánico en el Suelo (OCTOP-European Soil Bureau) para validar el producto; y un mapa de
tipos de vegetación (Mapa Forestal de España MFE1000) para obtener claves de
interpretación.
Página 4 de 78
La validación fue realizada con éxito mediante contrastes estadísticos que permitiesen aceptar
o rechazar claramente la hipótesis nula de que el producto es falso e inútil. Las tendencias
fueron validadas con una significación del 90% mediante un procedimiento incorporado a la
propia metodología, y los sitios no significativos fueron declarados estáticos. Los estados
fueron validados con una significación del 99.9% contrastando una relación estadística entre
ellos y otra medida independiente de la condición del ecosistema, el porcentaje de carbono
orgánico en los primeros 30 cm de suelo. Los resultados demostraron que la ordenación
creciente de estados por el grado de madurez ecológica que representan (tal como aparecen
en las leyendas del mapa de condición) implica niveles de carbono orgánico en el suelo que
aumentan en proporcionalidad directa. Además, los estados discriminan dichos niveles, de
modo que en general cada estado es diferente de todos los demás.
El objetivo de la interpretación fue obtener caracterizaciones fisionómicas de las cubiertas

vegetales que se asocian normalmente con las clases de condición. El método consistió en
realizar contrastes estadísticos para determinar posibles asociaciones entre las clases de
paisaje derivadas del MFE1000, y las clases de condición, separando estados y tendencias.
Estos análisis fueron realizados en niveles de detalle complementarios, tanto territoriales
como temáticos. Los resultados así obtenidos tienen un uso inmediato como claves para
interpretar con propiedad consultas hechas al mapa de condición. Así, al examinar la
frecuencia de clases de condición en cierto ámbito, sea todo el estado español o una
comunidad autónoma, es posible discernir cómo es la vegetación que se encuentra asociada a
cada clase. Ello elimina incertidumbres y suposiciones, y permite un uso operativo del mapa de
condición.
Además, uso del MFE1000 ha producidos dos beneficios por tratarse de un producto
independiente. El primero es una validación adicional del mapa de condición de la tierra. En
todos los análisis realizados, la ordenación de las formaciones vegetales que han sido
determinadas para cada estado de condición, según la escala de explotación-madurez
implicada en 2dRUE, conduce a series de vegetación explicables en términos evolutivos de una
sucesión ecológica. El segundo es que, tratándose de dos productos independientes con sus
propias validaciones, la interpretación puede invertirse. Es decir, los tipos de vegetación
contenidos en el MFE1000 pueden ser examinados en términos de condición.
Las definiciones de CNULD sobre desertificación y degradación de tierras incluyen una

referencia precisa a ‘áreas áridas, semiáridas y sub-húmedo secas’, el conjunto de las cuales es
considerado como el dominio climático donde opera la desertificación. El archivo climático
sobre el que se apoya el Mapa de Condición de la Tierra contiene todas las variables necesarias
para calcular ese índice de aridez, lo que permite una identificación operativa del dominio
CNULD en España durante el período 2000-2010.
En conjunto, el 74% del territorio español es susceptible de desertificación por razones

climáticas. La clase más frecuente es el Semiárido (56% del total), debido a su extensión por
ambas mesetas y las principales depresiones tectónicas de la Península. El Sub-húmedo seco
(17%) forma, en general, estrechas bandas de transición en las estribaciones de las principales
cadenas montañosas de la Península, y también se encuentra en niveles culminares del
archipiélago canario. La relación entre zonas de aridez y mesoformas de relieve es importante
por dos razones. Primera, las zonas donde domina el clima Semiárido en España tienden a ser
llanas y continuas en el espacio, lo ha favorecido históricamente su ocupación humana. Y
segunda, los ecosistemas y poblaciones de zonas semiáridas son los más vulnerables a la
pérdida de servicios ecológicos.
Página 5 de 78
Las comunidades autónomas que tienen mayor superficie potencialmente afectada por
desertificación son, por orden, Andalucía, Castilla – La Mancha y Castilla y León, que también
tienen la mayor extensión de Semiárido. Todas ellas son relativamente grandes y sus límites
comprenden una variedad de ambientes y paisajes, entre los que las áreas potencialmente
afectadas son, sin embargo, dominantes. Pero en términos relativos, las comunidades
autónomas con mayor susceptibilidad climática a la desertificación son, por orden, Murcia
(prácticamente el 100% se encuentra en el dominio CNULD), Castilla – La Mancha (95%) y
Extremadura (90%).
Respecto a la Condición de la Tierra, el 20% del territorio español se encuentra Degradado, con
valores relativamente bajos tanto de productividad como de biomasa. Un 30% adicional es
terreno Productivo con baja biomasa. En el extremo opuesto, los estados de mayor madurez
ecológica (Productivo con alta biomasa, Maduro y Referencia) suman conjuntamente sólo el
30%. Por ello, cabe concluir que los estados simplificados, o simplemente degradados en
sentido amplio, son claramente dominantes. Desglosando estos resultados por comunidades
autónomas:
 Las comunidades del noroeste peninsular (Galicia, Asturias y Cantabria) siguen un

patrón común, que se define por la prevalencia de estados ecológicos avanzados
excepto en el caso de Galicia, que es la única en la zona norte que muestra una
presencia significativa del estado Degradado, el cual afecta a vegetación forestal
mayor de 7 m. Este patrón continúa hacia el noreste (País Vasco, Navarra, La Rioja y
Aragón) con una presencia significativa pero decreciente de los estados Maduro y de
Referencia y aumento de peso de los estados Productivos, así como con Anomalías de
alto rendimiento, que en Aragón están claramente vinculadas a regadíos. Aragón,
además, tiene extensiones considerables en estado Basal, asociadas con vegetación
agrícola y probablemente relacionadas con regadíos en declive o abandonados.
 El centro peninsular (Castilla y León, Castilla – Mancha y Extremadura) carece de

asociación con los estados Maduro y de Referencia. De ellas, sólo Castilla y León
muestran abundancia de terrenos Productivos con alta biomasa, que se relacionan con
vegetación forestal mayor de 7 m. Castilla – La Mancha tiene extensiones importantes
de Productivo con baja biomasa relacionadas con vegetación natural de menos de 7 m,
y de estados Basal y Anomalías de bajo rendimiento. Estos dos últimos siempre
ocurren en vegetación agrícola y por tanto cabe suponer que están relacionados con
regadíos y sus abandonos sucesivos. El caso de Extremadura refleja usos más
extensivos, que se asocian con estados Productivo de baja biomasa y Degradado.
Resulta particularmente llamativa la falta de asociación con estados más
evolucionados en esta comunidad.
 La zona este (Cataluña, Valencia y Baleares) es heterogénea. Cataluña muestra una

inclinación significativa hacia los estados de mayor madurez y rendimiento: Productivo
de alta biomasa, Maduro y Referencia están allí asociados con vegetación forestal de
porte creciente, mientras que las Anomalías de alto rendimiento lo están con
vegetación agrícola intensamente manejada. Sin embargo, tanto Valencia como
Baleares tienen extensiones significativas de terrenos en el rango de Degradados a
Maduros, lo que refleja combinaciones entre vegetación natural y mosaicos de uso y
abandono.
 El sur peninsular (Andalucía y Murcia) es extraordinariamente heterogéneo. Andalucía

exhibe un claro sesgo hacia tierras degradadas en general, y el nivel más elevado en
Página 6 de 78
esta escala con el que tiene asociación es el Degradado, que afecta sobre todo a
vegetación natural de cualquier porte. Sin embargo, Murcia muestra relaciones de
mayor variabilidad, con Basal (vegetación agrícola) y Degradado (vegetación agrícola y
natural de bajo porte) en un extremo, y Maduro, Referencia y Anomalías de alto
rendimiento en el otro, en las cuales la vegetación forestal mayor de 7 m es frecuente.
 Finalmente, Canarias muestra asociaciones positivas en el intervalo de Productivo con

alta biomasa (vegetación agrícola) a Referencia (vegetación forestal mayor de 7 m).
También tiene extensiones relevantes de Anomalía de alto rendimiento, asociadas a
vegetación agrícola pura y mosaicos forestal-agrícolas, y estado Basal, que en gran
medida está formado por vegetación intrazonal ajena a la gestión.
La observación más importante que resulta de inspeccionar las tendencias ecológicas es la baja
incidencia de terreno que se encuentra Degradándose (1%). Los casos más significativos
aparecen asociados a Madrid, Castilla – La Mancha y Andalucía, siempre sobre vegetación
agrícola y Canarias, que afecta a bosques. Este último caso puede relacionarse con incendios
forestales recientes. De las tres tendencias posibles, Aumentando es la que, sin embargo,
domina en España (33%), presentándose en un tercio del territorio. En su mayor parte se trata
de masas forestales o vegetación natural evolucionando tras el abandono de tierras. La
tendencia Fluctuando es la siguiente en importancia (28%) y sus asociaciones positivas se
encuentran en comunidades autónomas donde el dominio climático CNULD es importante.
Esta tendencia refleja simplemente respuestas activas de la vegetación a variaciones
interanuales de aridez, y está presente tanto en vegetación natural o seminatural estabilizada
como en cultivos de secano, pero muy raramente en vegetación natural.
Se detectaron relaciones significativas entre estados y tendencias, que sugieren un territorio

con dos dinámicas contrapuestas. Por un lado, habría extensiones importantes de vegetación
agrícola que permanece estática o fluctúa interanualmente según las lluvias del año, pero que
en ningún caso aumenta a lo largo del tiempo. Aquí se aprecia una retroalimentación positiva
peligrosa dentro de los ecosistemas agrícolas, que muestran la mayor incidencia de
degradación activa. Por otro lado, habría superficies igualmente importantes de vegetación
natural, la mayor parte de la cual ha evolucionado por sucesión ecológica secundaria tras un
uso que fue abandonado. No obstante, se detecta una cantidad significativa de bosques y
otros tipos de vegetación natural degradados en todo el territorio nacional, especialmente en
el sur de la Península. La misión de este Mapa de Condición de la Tierra es facilitar la vigilancia
de esas y otras dinámicas.
Página 7 de 78
Estructura de esta memoria
Este documento ha sido organizado para facilitar la consulta de sus secciones individuales
sin recurrir más de lo imprescindible a referencias situadas en otras secciones. En general,
cada sección contiene sus propias hipótesis, métodos y resultados. La única excepción es la
sección sobre Datos de partida, que contiene información común para todas las demás y ha
sido aislada. Eso tiene la ventaja adicional de ofrecer al lector una perspectiva general de las
bases de datos necesarias para realizar un mapa de condición de la tierra como el presentado
aquí.
Al principio se incluye un Resumen ejecutivo con los principales hechos y hallazgos

derivados del Mapa de Condición de la Tierra en España (2000-2010). La Metodología sirve
para explicar este producto en particular, pero contiene consideraciones y reglas generales
para apoyar eventuales aplicaciones a otros dominios o períodos.
El Mapa de Condición de la Tierra en España (2000-2010) es un desarrollo científico que

debe servir como producto para un usuario final. Por ello, antes de examinar sus implicaciones
es preciso dotarlo de una Validación y de una Interpretación. Ambas se exponen en secciones
separadas debido a sus diferentes objetivos. La Validación sólo pretende permitir el uso del
Mapa, para lo cual aplica contrastes estadísticos que determinen si el producto puede
considerarse válido o no. Cualquier interpretación es secundaria en este caso, más allá de la
hipótesis nula en que se basa el contraste. No obstante, también se explora el significado de
las relaciones detectadas. La Interpretación, por el contrario, trata de facilitar el uso del Mapa
y para ello relaciona tipos de cubierta vegetal con clases de condición de la tierra. Cualquier
información, incluso si es incidental, puede ser incorporada a este propósito. Aun así, se han
empleado métodos estadísticos para establecer dicha relación.
Los Resultados presentan los principales hechos derivados del Mapa a nivel nacional,
ahorrando al usuario las principales consultas inmediatas que pudiera hacer. Desde este punto
de vista, el usuario puede acceder directamente a esta sección y referirse al resto solo en caso
de necesidad. Sin embargo, la naturaleza e implicaciones de esos resultados no son discutidas
porque ello supondría una investigación más allá del ámbito de esta memoria.
La última sección corresponde a un Anejo cartográfico que presenta individualmente los

mapas principales. Ello, sin perjuicio de que versiones reducidas algunos de ellos aparezcan en
las secciones apropiadas para ilustrar sus contenidos.
Página 8 de 78
Acrónimos
2dRUE: RUE con 2 dimensiones

CLC: CORINE Land Cover
CNULD: Convención de Naciones Unidas para la Lucha contra la Desertificación
EPSG: European Petroleum Survey Group
FAO: Food and Agriculture Organization
GEF: Global Environment Facility
GLASOD: Global Assessment of Human-induced Soil Degradation
LCS: Land Cover Status
MA: Millennium Ecosystem Assessment
MFE1000: Mapa Forestal de España a escala 1:1000000
NDVI: Normalized Differences Vegetation Index
PPNE: Producción Primaria Neta Epigea
RUE: Rain Use Efficiency
SOC: Soil Organic Carbon
UNEP: United Nations Environment Programme
Página 9 de 78
1. Introducción
La noción de condición de la tierra se refiere a la capacidad del suelo para sostener la

productividad de su cubierta vegetal en relación con procesos climáticos y de uso del territorio
que operan sobre ella. Esta definición es neutra e incluye tanto casos que evolucionan
negativamente y que son referidos convencionalmente como degradación, como casos
positivos asociados con una progresión de la cubierta vegetal hacia una mayor madurez.
La degradación de tierras es, sin embargo, un objetivo primario dentro de cualquier

análisis de condición. De manera consistente con la definición anterior, la degradación se
relaciona con un declive de la productividad de la vegetación asociado al empobrecimiento del
suelo. Este problema tiene incidencia global y afecta especialmente a las zonas áridas del
mundo, y su definición y caracterización es uno de los principales focos de actividad de la
Convención de Naciones Unidas para la Lucha contra la Desertificación (CNULD). Por estas
razones, el diagnóstico realizado en este estudio se centra exclusivamente en metodologías
que puedan ser homologables por la CNULD para su aplicación a áreas afectadas por todo el
mundo.
1.1. Antecedentes
Las estimaciones de degradación obtenidas dependen altamente de la aproximación y

métodos usados, reflejando la evolución de los paradigmas aplicados para definir la
degradación de tierras. El primer intento de producir una valoración global tuvo lugar a finales
del siglo pasado, mediante el Global Assessment of Human-induced Soil Degradation (GLASOD)
(Oldeman et al., 1991). Se trataba de una valoración cualitativa, basada en gran medida en
criterios expertos, que distinguía los principales procesos que causan degradación, como
erosión hídrica y eólica, salinización de suelos y aguas, pérdida de Carbono Orgánico del Suelo
(COS) y nutrientes, desestructuración del suelo, etc. La base de datos resultante fue usada para
realizar el primer Atlas Mundial de Desertificación (UNEP, 1992), según el cual más del 70% de
las zonas áridas del mundo estaban afectadas por este problema.
Posteriormente, el GLASOD fue actualizado a un nuevo proyecto mundial llamado Land

Degradation Assessment in Drylands (LADA, 2006), promovido por UNEP, GEF y FAO.
Reteniendo las categorías y paradigmas de GLASOD, LADA realizó un avance al entregar
resultados cuantitativos. Ello fue posible mediante la inclusión de agentes socio-económicos y
la ampliación de su perspectiva al balance de carbono y la biodiversidad como componentes
del sistema funcional de usos del suelo y su degradación.
Una tercera iniciativa con implicaciones para la valoración de la degradación de tierras fue
el Millenium Ecosystem Assessment (MA), desarrollado entre 2001 y 2005. Su síntesis sobre
desertificación (Adeel et al., 2005) evaluaba la desertificación basándose en cuestiones clave
cuyas respuestas usaban exclusivamente información generada para el MA. Su mayor logro fue
una representación consistente de las relaciones entre degradación de tierras, cambio global y
pérdida de biodiversidad, incluyendo algunas indicaciones básicas para mejorar las
aproximaciones sobre valoración y seguimiento mediante la inclusión del papel de la acción
humana y la variabilidad climática. Es interesante observar que esta iniciativa fue mucho más
conservadora en sus estimaciones sobre la incidencia mundial de la degradación de tierras,
que estaría alrededor del 10%.
Página 10 de 78
Los tres proyectos descritos más arriba muestran una tendencia histórica hacia mayor
complejidad en las aproximaciones a la degradación de tierras. La cual va desde identificar
efectos sobre el ‘suelo’ a incluir explícitamente la noción de ‘tierras’, y finalmente a tener en
cuenta interacciones a nivel global entre desertificación, atmósfera, sistemas de uso y
variaciones en biodiversidad. Esta tendencia ha sido respaldada en gran medida por la CNULD,
cuya definición de desertificación se refiere a ‘la degradación de tierras en áreas áridas,
semiáridas y sub-húmedo secas resultante de varios factores, que incluyen variaciones
climáticas y actividades humanas’.
A pesar de su sencillez, la definición anterior tiene la ventaja de orientar el desarrollo de

métodos para la valoración y seguimiento de la desertificación, incluyendo una demarcación
precisa de las áreas afectadas. El resultado de la desertificación (no la causa, como a veces se
sugiere) es la degradación de tierras, y sus factores son el clima y las actividades humanas. A su
vez, la degradación de tierras es definida por la CNULD como una ‘reducción o pérdida, en
áreas áridas, semiáridas y sub-húmedo secas, de la productividad biológica o económica y de la
complejidad de los cultivos de secano, regadíos, o pastos y bosques’.
Reteniendo el carácter holístico del concepto de degradación de tierras, este estudio aplica
una aproximación ecológica evolucionada a partir de la definición original de la CNULD, donde
la condición de la tierra es clave en la interacción entre sistemas biofísicos y humanos en el
proceso de desertificación. La degradación de tierras queda así acotada como un subconjunto
particular del concepto más amplio de condición. La ventaja de este marco es que la
degradación es valorada usando las mismas funciones ecológicas que otros estados del paisaje
y puede sustraerse de los juicios de valor que normalmente acompañan su caracterización.
La aproximación desarrollada en este estudio se encuadra en la necesidad actual de un

método fiable de diagnóstico de condición de la tierra que pueda ser comparado
consistentemente con otras zonas áridas del mundo, y repetido en el tiempo. Dicha necesidad
fue acometida recientemente por la CNULD mediante el Indicador de Impacto obligatorio
sobre Land Cover Status (LCS: Estado de la Cobertura Terrestre). Este indicador forme parte del
Objetivo Estratégico de CNULD para mejorar las condiciones de los ecosistemas, y tiene como
objetivo ‘vigilar la degradación de tierras en términos de pérdida a largo plazo de
productividad ecológica y teniendo en cuenta los efectos de la precipitación sobre la
Productividad Primaria Neta’ (Orr, 2011).
1.2. Objetivos
El objetivo principal de este mapa de condición de la tierra es dar una representación

coherente de los ecosistemas terrestres, identificando estados y tendencias en términos de
madurez ecológica, y con especial atención a la degradación de tierras. Su dominio espacial es
el estado español, y su período de referencia es 2000-2010. Además, este mapa tiene dos
objetivos asociados. Uno es servir como instrumento para diagnósticos detallados sobre los
que basar políticas territoriales, especialmente las relacionadas con desertificación. Y el otro es
servir como prototipo metodológico para otras aplicaciones en países diferentes, o bien en
España para un período posterior.
Para ello, esta memoria incluye explicaciones detalladas sobre la metodología seguida en
la elaboración del mapa. También se ofrecen contrastes estadísticos para su interpretación y
Página 11 de 78
validación, de modo que el producto final tenga, respectivamente, claves para su uso y un
control de calidad.
El usuario genérico de este tipo de resultados es una institución que gestione y produzca
informes relacionados con un plan nacional sobre desertificación, o informes periódicos a la
CNULD. En este caso particular, dicho usuario final es la Dirección General de Desarrollo Rural
y Política Forestal, del Ministerio de Agricultura, Alimentación y Medio Ambiente.
Un mapa de estas características corre el riesgo de ser sólido desde un punto de vista
académico, y sin embargo de escasa utilidad práctica para un usuario como el descrito. Esta
eventualidad ha sido evitada mediante la imposición de los siguientes requisitos:
1. Implementar explícitamente la definición de LCS dada por la CNULD.

2. Los paradigmas usados para evaluar la degradación de tierras deben estar basados en
funciones ecológicas.
3. Los datos de entrada deben proceder de bases de datos normalizadas, públicas y
disponibles.
4. Los protocolos deben separar claramente procesos computacionales objetivos de
intervenciones puntuales donde se requiera un juicio experto.
5. Los resultados deben ser relevantes para CNULD y, al mismo tiempo, susceptibles de
interpretación ecológica.
Algunas definiciones pueden ser útiles para evitar ambigüedades en la comprensión de los
términos de referencia de los objetivos de este estudio. Para ello se aplican las siguientes
definiciones del Diccionario de la Lengua Española:
 Condición: (def. 1) Índole, naturaleza o propiedad de las cosas.

 Estado: (def. 1) Situación en que se encuentra alguien o algo, y en especial cada uno de
sus sucesivos modos de ser o estar.
 Tendencia: (def. 2) Fuerza por la cual un cuerpo se inclina hacia otro o hacia alguna
cosa.
 Valoración: Acción o efecto de valorar (reconocer, estimar o apreciar el valor o mérito
de alguien o algo).
 Seguimiento: Acción y efecto de seguir o seguirse (def. 7: observar atentamente el
curso de un negocio o los movimientos de alguien o algo).
La noción de estado es central en este conjunto porque sugiere en sí misma tanto una
posición concreta como la posibilidad de detectar su evolución mediante el cambio a estados
sucesivos. Por tanto, nada del resto sería necesario excepto la necesidad de valorar
periódicamente el estado de madurez o degradación. Sin embargo, esta solución simple choca
con dos problemas. En primer lugar, es muy difícil y costoso establecer referencias absolutas
para determinar el estado de degradación de tierras, en parte porque lo aparente son sus
efectos, y en parte porque incluso variables elementales como la Producción Primaria Neta no
suelen estar disponibles y requieren campañas específicas y caras. Y en segundo lugar,
valoraciones sucesivas del estado de degradación serían comparables sólo si las condiciones de
contorno permanecieran constantes. El clima es una condición de contorno para la
degradación de tierras, y su variabilidad puede conducir a diferentes interpretaciones del
estado incluso si las propiedades básicas de la tierra no cambian.
Los problemas anteriores pueden ser sorteados separando los estados de las tendencias, y
aplicando respectivamente métodos para su valoración y seguimiento. En este estudio, la
Página 12 de 78
valoración se refiere a la estimación sincrónica del estado de degradación durante un período

relativamente largo, usando referencias relativas que se detectan estadísticamente. Y el
seguimiento se refiere a la observación diacrónica de tendencias dentro del mismo período. El
período de tiempo debe tener, por tanto, la mayor longitud que permita la detección de
estados y tendencias estables, y la mayor resolución temporal que permita la detección de
cambios significativos en el rendimiento de la cubierta vegetal. En este caso, ese compromiso
se ha alcanzado examinando una década (2000-2010) a resolución mensual.
Página 13 de 78
2. Datos de partida
La metodología aplicada en este mapa de condición de la tierra se basa en series

temporales archivadas de un índice de vegetación obtenido mediante teledetección, y campos
climáticos correspondientes. Ambos tipos de series deben estar disponibles para el período
completo a una resolución mensual. Además, requiere de algunos mapas que puedan asumirse
como estables para todo el período analizado: usos del suelo, divisiones administrativas,
vegetación natural y seminatural, y ciertas propiedades del suelo. No todos estos últimos son
imprescindibles, pero ayudan significativamente al cómputo, interpretación y validación de los
resultados, como se verá más adelante. Los datos concretos usados en este estudio se
muestran resumidos en la Tabla 2.1 y se describen a continuación.
Tabla 2.1. Datos de partida usados para elaborar el Mapa de Condición de la Tierra en España
(2000-2010).
Variable Producto y fuente URL

Archivo de SPOT VEGETATION NDV S1. Disponible desde 1998. Gestionado http://free.vgt.vito.be/
Vegetación por VITO. Datos registrados cada diez días a la resolución espacial
de 0.00892857º (aproximadamente 1 Km.). Canal de calidad
disponible para eliminar nubes y nieves. Los datos mensuales
fueron calculados seleccionando el máximo valor.
Archivos de Interpolaciones ad-hoc. Datos procedentes de la Agencia Estatal http://snirh.pt/
Temperatura y de Meteorología (ES) y el Sistema Nacional de Recursos Hídricos http://lwf.ncdc.noaa.gov/cgi-
Precipitación (PT). bin/res40.pl?page=gsod.html
Usos del Suelo Land Cover Corine 2006 version 13, y Land Cover Corine 2000- http://www.eea.europa.eu/data-and-
2006 changes version 13. Gestionado por la Agencia Europea de maps/data/corine-land-cover-2006-
MedioAmbiente. Ambas bases de datos en formato raster a 100 raster
m de resolución y sistema ETRS-LAEA.
Carbono Orgánico Mapa del Carbono Orgánico en el Suelo en Europa. Producido por http://eusoils.jrc.ec.europa.eu/esdb_
en el Suelo el European Soil Bureau, Joint Researchh Centre. Capa raster a archive/octop/octop_data.html
1000 m de resolución en sistema ETRS-LAEA.
Vagetación natural Mapa Forestal de España MFE1000. Síntesis a escala 1:1,000,000 http://www.magrama.gob.es/es/biod
y seminatural en sistema UTM30-ED50. Capa vectorial. Producido y Getsionado iversidad/temas/ecosistemas-y-
por el Ministerio de Agricultura, Alimentación y Medio Ambiente. conectividad/mapa-forestal-de-
espana/mfe_1000.aspx
Divisiones Unidades administrativas (NUTS 1, 2 and 3). Gestionadas por http://epp.eurostat.ec.europa.eu/por
Administrativas Eurostat. Capa vectorial a escala 1:3,000,000, actualizada en tal/page/portal/gisco_Geographical_i
2006. nformation_maps/geodata/reference
2.1 Serie temporal de NDVI
El Índice de Vegetación de Diferencias Normalizadas (NDVI) es proporcional a la cantidad

de biomasa vegetal viva que hay en un sitio en un momento dado. Los valores para calcularlo
se registran en un sensor remoto, normalmente instalado en un satélite, y consisten en las
intensidades emitidas o reflejadas para dos bandas del espectro electro-magnético, el
infrarrojo cercano (IRC) y el rojo (R):
𝐼𝑅𝐶−𝑅
𝑁𝐷𝑉𝐼 = 𝐼𝑅𝐶+𝑅
(1)
El razonamiento es que la vegetación viva produce una señal alta en el IRC, mientras que
los objetos inertes la producen en el R. El formato de la expresión, dividiendo la diferencia por
la suma, normaliza los resultados al intervalo -1 a 1, en el que la vegetación viva da señales
proporcionales a la biomasa que son siempre positivas.
Página 14 de 78
Existen varios productos disponibles, consistentes en series temporales de NDVI asociadas

a sus sensores respectivos. Para este trabajo se empleó el producto S10 derivado del sensor
SPOT-Vegetation, el cual es de distribución gratuita a través de una compañía (VITO, 1998). Los
datos se encuentran en coordenadas geodésicas a la resolución espacial de 0.00892857 grados
(aproximadamente 992 m), y la serie comienza en abril de 1998. Una capa de estado asociada
a cada imagen permite enmascarar los pixeles afectados por nubes o nieve.
El producto S10 consiste en síntesis globales de NDVI obtenidas cada diez días (dekadas).
Cada síntesis resulta de combinar los datos de todas las medidas de vegetación de una dekada
en una única imagen, mediante el algoritmo de Máximo Valor Compuesto (MVC), que
selecciona los píxeles con mejor valor de reflectancia (Baret et al., 2006). En esta aplicación,
cada imagen mensual fue construida en dos pasos. Primero, todos los píxeles con nubes o
nieve de cada dekada fueron enmascarados. Y segundo, una única imagen fue ensamblada
usando los valores máximos detectados en las tres dekadas correspondientes.
2.2 Archivo climático
La serie temporal de datos climáticos fue extraída de un archivo de campos mensuales de

temperaturas máxima media, media y mínima media, y de precipitación total, generado para
el período total 1970-2010 para el conjunto de la Península Ibérica y también para los
archipiélagos balear y canario. Este archivo está formado por mapas mensuales para esas
cuatro variables a lo largo de todo el período, a la resolución espacial de 1000 m. Los mapas
fueron interpolados a partir de resúmenes mensuales de estaciones meteorológicas
georeferenciadas distribuidas por todo el territorio.
Los datos correspondientes a España fueron provistos por la Agencia Estatal de

Meteorología, mientras que los de Portugal fueron descargados del Sistema Nacional de
Informaçao de Recursos Hídricos (http://snirh.pt/) y complementados con series de AgriBase
(Instituto Superior de Agronomía).
No se emplearon técnicas estadísticas para rellenar huecos en las series de datos. Los
resúmenes mensuales fueron computados sólo para estaciones que tuviesen menos de cinco
días sin datos para el mes correspondiente, y la interpolación de cualquier mes fue hecha
usando sólo estaciones con resúmenes mensuales completos para el año correspondiente.
Esto resultó en redes variables de datos de entrada para cada superficie, con promedios de
390 y 1877 puntos para las superficies de temperatura y precipitación respectivamente.
Además, aproximadamente un 10% de las estaciones fueron reservadas en cada interpolación
para permitir la validación cruzada de la superficie resultante.
Las interpolaciones fueron realizadas usando el suavizado de placa delgada (thin-plate

smoothing) implementado en ANUSPLIN (Hutchinson, 1995), una técnica aceptada para
interpolar datos multivariantes con ruido como las variables climáticas, y que se compara
favorablemente con otros métodos de interpolación (Jarvis and Stuart, 2001). Latitud, longitud
y altitud fueron especificadas como covariantes durante el proceso de ajuste de las superficies.
Los valores de temperatura se usaron directamente, pero los de precipitación fueron
transformados mediante su raíz cuadrada para reducir el sesgo. La resolución más fina de las
superficies fue de 3 minutos de arco, que posteriormente se registró a una malla de 1000 m.
Página 15 de 78
El archivo climático así generado tiene utilidades más allá de este estudio y está disponible
por los autores bajo acuerdos concretos de colaboración.
2.3. Usos del suelo
El programa CORINE (COoRdinate INformation on the Environment), gestionado por la

Agencia Europea de Medio Ambiente proporciona información periódica sobre cobertura y uso
del suelo a una escala espacial de 1:100,000. La edición correspondiente a 2006 del producto
Land Cover (CLC versión 13:, http://www.eea.europa.eu/data-and-maps/data/corine-land-
cover-2006-raster, acceso junio 2013) fue usada aquí.
2.4. Divisiones administrativas
Se usaron las unidades administrativas definidas por los niveles de Nomenclatura de

Unidades Territoriales estadísticas (NUTS) 1, 2 y 3 para identificar respectivamente los límites
nacionales, las comunidades autónomas, y las provincias del estado español. Estos datos son
gestionados por Eurostat y consisten en capas vectoriales a escala 1:3,000,000. Se usó la
actualización correspondiente a 2006
(http://epp.eurostat.ec.europa.eu/portal/page/portal/gisco_Geographical_information_maps/
geodata/reference, acceso junio 2013).
2.5. Mapa Forestal de España
El Mapa Forestal de España a escala 1:1,000,000 (MFE1000) es una generalización del

producto equivalente más detallado a escala 1:200,000, correspondiente al período 1986-
1997. En él se describen las principales formaciones vegetales de España, con atención
especial a la vegetación forestal. A pesar de las limitaciones de detalle impuestas por la
generalización de la escala espacial, la versión MFE1000 (Ruiz de la Torre, 2002) equivale
perfectamente a la resolución del Mapa de Condición de la Tierra presentado aquí, y fue
seleccionado para su interpretación. El producto fue proporcionado por el Banco de Datos de
la Naturaleza de la Dirección General de Desarrollo Rural y Política Forestal del MAGRAMA.
Pueden encontrarse detalles completos en
http://www.magrama.gob.es/es/biodiversidad/temas/ecosistemas-y-conectividad/mapa-
forestal-de-espana/mfe_1000.aspx.
2.6. Mapa de Carbono Orgánico del Suelo en Europa
Se ha usado el Mapa de Carbono Orgánico del Suelo en Europa. Se trata de una iniciativa
del European Soil Bureau (Joint Research Centre, Comisión Europea) para producir una línea
de base o nivel de referencia frente al que evaluar futuros cambios en el Carbono Orgánico del
Suelo (COS). El mapa muestra la distribución de COS (%) en los primeros 30 cm del suelo en
Europa, a una resolución de 1 km. Esos valores de COS han sido modelados mediante
funciones de pedo-transferencia relativos al suelo, uso y clima, usando datos contenidos en la
Página 16 de 78
European Soil Dabatase. El mapa puede obtenerse tras un registro previo en

http://eusoils.jrc.ec.europa.eu/esdb_archive/octop/octop_data.html (acceso junio 2013).
2.7. Período de estudio y sistemas de referencia
La metodología aplicada usa años hidrológicos (Glickman, 2000) para incluir ciclos
completos de precipitación y evapotranspiración. Así, el período de estudio abarca diez años
hidrológicos, desde el 1 de septiembre de 2000 hasta el 31 de agosto de 2010. El número de
meses fijado para la precipitación antecedente fue de seis. Las resoluciones temporales fueron
de 1 mes para la valoración de estados y de 1 año para el seguimiento de tendencias.
Todos los mapas y datos de partida fueron re-proyectados al principio del estudio para
coincidir con la serie temporal de NDVI, preservando así la integridad de estos valores y
facilitando los cálculos en éste y posteriores estudios. Por tanto, el sistema de referencia de
trabajo consiste en coordenadas geodésicas en el datum WGS84 (código 4326 del European
Petroleum Survey Group, EPSG). La resolución espacial se aproxima a 1 km de arco sobre un
círculo máximo. Los productos finales fueron entonces transformados a sistemas de referencia
proyectados según la zona.
Aunque se han manejado tres áreas de estudio de manera independiente (territorio

peninsular, archipiélago balear y archipiélago canario), el Mapa de Condición de la Tierra en
España sigue las especificaciones del Real Decreto 1071/2007. Para ello las tres áreas han sido
agrupadas en dos lotes:
 El territorio peninsular y Baleares forman un lote único. Su sistema de referencia final

consiste en proyección UTM Huso 30 en el sistema ETRS89 (código EPSG 25830).
 Canarias forma un lote diferente, con sistema de referencia final en proyección UTM
Huso 28 en el sistema REGCAN95 (código EPSG 4083).
Puede apreciarse que, en ambos lotes, las coordenadas proyectadas se han transformado
a un solo Huso UTM (30 para península y Baleares, 28 para Canarias) con objeto de mantener
el territorio correspondiente en una única capa.
Las imágenes en coordenadas geodésicas prevalecen en todos los casos si se detecta una
inconsistencia con los datos proyectados correspondientes.
Página 17 de 78
3. Metodología
El procedimiento de elaboración del mapa de condición de la tierra, denominado 2dRUE,

implica componentes separados de valoración y seguimiento que operan sobre el mismo juego
de datos. La valoración se refiere al estado de degradación y trata de cuantificar el
rendimiento ecológico de cada sitio respecto a sus condiciones potenciales de referencia. Por
tanto, cada sitio es comparado sincrónicamente con todos los demás durante el período de
análisis. Por otra parte, el seguimiento se refiere a las tendencias y pretende detectar la
evolución de cada sitio en el curso del tiempo, tanto a causa de oscilaciones climáticas como
por su dinámica ecológica interna. Aquí, cada sitio es comparado consigo mismo a lo largo del
período. Los estados y las tendencias convergen entonces a un mapa final de condición
mediante la aplicación de reglas explícitas que relacionan las clases respectivas.
Los métodos descritos en esta sección fueron publicados por primera vez en (del Barrio et
al., 2010). Conviene aclarar que ese trabajo realizaba una primera ejecución de 2dRUE para la
Península Ibérica, referida al período 1989-2000. Sin embargo, el mapa presentado aquí
incorpora varias mejoras que requerirían un post-proceso del estudio precedente para poder
realizar una comparación directa entre ambos. Lo cual se encuentra fuera del ámbito de esta
Memoria y por esta razón no se incluye en este documento. Otras aplicaciones recientes de
2dRUE han sido hechas en el marco del proyecto ESA-DesertWatch Extension, y pueden
consultarse en http://www.desertwatch.info/ (acceso junio 2013).
Además, las funciones de proceso de datos han sido codificadas en el lenguaje de

computación estadística R, y reunidas en una librería de software llamada r2dRue (Ruiz et al.,
2011). r2dRue es abierta y gratuita y puede descargarse de cualquier servidor de R
(http://cran.r-project.org/web/packages/r2dRue/index.html, acceso junio 2013). Finalmente,
los paradigmas y principales resultados de aplicaciones previas de la metodología 2dRUE se
muestran a nivel de usuario en una breve video-presentación que puede consultarse en
http://www.eeza.csic.es/eeza/g_geo/videogeo.htm (acceso junio 2013) (Sanjuan et al., 2012).
3.1. Valoración de estados
La Productividad Primaria Neta Epigea (PPNE) se define como la tasa de cambio de la

biomasa vegetal por unidad de tiempo, excluyendo las raíces y órganos subterráneos. Medida
sobre un intervalo de tiempo relativamente largo (por ejemplo, un año), y comparando
secuencialmente los valores, se aproxima a lo que convencionalmente se denomina
producción, en la que se descuentan las pérdidas por mortalidad durante el período. Su declive
respecto a la de tierras no desertificadas bajo condiciones climáticas equivalentes es
proporcional al proceso de degradación. Esta percepción está estrechamente relacionada con
la definición de degradación dada por CNULD.
Dos atributos ecológicos son relevantes para establecer el estado de la vegetación: la

biomasa media anual, y los picos de productividad estacional o interanual. El primero señala la
capacidad del ecosistema para sostener y producir biomasa a largo plazo, y puede relacionarse
con su madurez. El segundo se refiere a su resiliencia para recuperarse de perturbaciones,
especialmente fluctuaciones de precipitación (Pickup, 1996).
El problema de usar directamente biomasa o PPNE como estimadores del estado de un

ecosistema árido es su alta dependencia de la precipitación, que impide cualquier
Página 18 de 78
comparación espacial o temporal y propenden a dar respuestas efímeras. Ello motivó la

definición de la Eficiencia en el Uso de la Lluvia (RUE) como la razón de la PPNE y la
precipitación (P) durante un período dado (LeHouerou, 1984), la cual puede ser interpretada
como la cantidad de biomasa vegetal producida por unidad de precipitación durante ese
período. El RUE es una función adecuada para describir el estado de un ecosistema árido
porque sólo puede dar valores altos si el suelo permanece completamente funcional,
especialmente en su capacidad para regular el aporte de agua entre eventos lluviosos.
Adicionalmente, un RUE elevado implica que la mayor parte del agua recibida se pierde
verticalmente hacia la atmósfera en vez de horizontalmente por escorrentía.
Un índice de vegetación como el NDVI es un estimador plausible de la biomasa, y su

integración durante un período de tiempo lo es de la PPNE (Tucker, 1979; Tucker et al., 1986),
siempre que se refiera a lapsos de tiempo de crecimiento relativamente cortos para evitar
senescencias estivales u otoñales. El uso del RUE para valorar estados de degradación
mediante aproximaciones geomáticas es común desde que fue aplicado por primera vez en el
Sahel (Prince et al., 1998), y hay ejemplos recientes que lo han empleado en el Sahel (Hein and
de Ridder, 2006; Prince et al., 2007), Patagonia (Garbulsky and Paruelo, 2004; Jobbagy et al.,
2002) o Mongolia Interior (Bai et al., 2008), por citar algunos. De hecho, el RUE se considera
una métrica madura para el indicador de impacto de la CNULD Land Cover Status (LCS) (Orr,
2011).
Sin embargo, la aplicación directa del RUE presenta algunas limitaciones que deben ser
atendidas antes de poder usarlo como indicador para grandes territorios. 2dRUE refina la
mayoría de esos problemas de la forma explicada a continuación.
La formulación del RUE como un cociente implica que puede alcanzar valores elevados si la
precipitación es baja, incluso si la vegetación permanece constante. Si es aplicado a un
territorio grande con gradientes climáticos contrastados, como es la Península Ibérica, las
zonas que reciben menos lluvia alcanzan sistemáticamente valores muy altos de RUE, lo que
impide la comparación de sitios a través del espacio. Para corregirlo, los valores de RUE son
representados frente a un índice de aridez (AI) simple, que se calcula como la razón de la
Evapotranspiración Potencial (PET) y la P. Esta formulación usa las mismas variables que la de
UNEP (UNEP, 1992), pero los términos invertidos amplían la escala numérica de las zonas
áridas y además es ligeramente más intuitiva. A la escala de un estudio como este, PET puede
ser estimada a partir de las temperaturas del archivo climático, y la radiación solar
extraterrestre (Hargreaves and Samani, 1982).
La gráfica de RUE sobre AI sólo puede ser significativa si incluye únicamente sitios que
reciben agua mediante P, y no de otras fuentes como por ejemplo sucede con los regadíos. Por
ello, dicha gráfica fue construida seleccionando las siguientes categorías de mapa de usos y
coberturas CLC: bosques de coníferas, bosques mixtos, pastos naturales, brezales, vegetación
esclerófila, transiciones bosque-matorral, playas, dunas, roca desnuda, áreas de vegetación
dispersa, áreas quemadas, y glaciares y nieves perpetuas.
Los límites superior e inferior de esa gráfica se relacionan respectivamente con el máximo
y mínimo rendimiento que cabe esperar de la vegetación para un nivel de aridez dado. Eso es
ya un primer paso para la corrección climática del RUE. En este estudio, dichos límites fueron
computados identificando, en primer lugar, clases de AI según deciles (no intervalos regulares,
debido al sesgo de su distribución de frecuencias), y después, extrayendo los percentiles 95% y
5% de RUE para cada una de esas clases de AI. Ello permitió disponer de pares de puntos (AI,
RUE) con los que realizar un ajuste estadístico de las funciones envolventes correspondientes
al máximo (95%) y mínimo (5%) rendimiento referido más arriba. Para ello fue seleccionado el
Página 19 de 78
modelo de función que maximizase la significación del ajuste, que fuese lo más sencillo
posible, y que respetase la tendencia general aparente del RUE sobre AI. Las funciones
envolventes fueron finalmente modeladas espacialmente usando la capa de AI como variable
independiente, lo que condujo a obtener dos capas adicionales correspondientes al máximo y
mínimo rendimiento potencial de la vegetación.
Con esos nuevos datos, puede calcularse un RUE relativo (rRUE) que muestra la posición
del RUE observado en cada sitio respecto a sus potenciales máximo y mínimo determinados
empíricamente. Sus valores teóricos deben estar en el intervalo 0-1, pero en la práctica el uso
de percentiles hace que una pequeña cantidad exceda el intervalo por arriba o por debajo. A
diferencia de las funciones envolventes, rRUE es modelado para todo el territorio, lo que es
útil para detectar anomalías zonales. Por ejemplo, la cantidad relativamente alta de biomasa
que suelen tener los regadíos respecto al clima en que se encuentran, los hace aparecer de
esta forma.
El rRUE tiene dos propiedades importantes. La primera es incorporar una corrección

climática completa, lo que permite comparar sitios situados bajo climas diferentes. Y segundo,
las funciones envolventes definen referencias naturales frente a las que comparar el
rendimiento de la vegetación de cualquier sitio, cualquiera que sea su cubierta vegetal. Es
decir, rRUE también está corregido respecto al uso del suelo asumiendo el paradigma de que la
vegetación natural no alterada y sus procesos ecológicos subyacentes tienen un rendimiento
óptimo. Por todo ello, el rRUE facilita comparaciones directas entre sitios cualquiera que sea
su clima dominante y uso del suelo.
El período sobre el que el RUE es computado define la respuesta ecológica que se detecta.
Un RUE a largo plazo, calculado sobre promedios anuales, refleja biomasa y puede ser
asimilado a madurez ecológica. Sin embargo, un RUE a corto plazo, calculado para tener en
cuenta únicamente la precipitación antecedente, refleja más bien la capacidad de respuesta
inmediata y puede interpretarse en términos de productividad o resiliencia. Por ello, 2dRUE
aplica dos implementaciones. En la primera se calcula un RUE observado medio (RUEOBS_me)
para todo el período (10 años hidrológicos en este caso), promediando los RUE observados
anuales. Así, para el mes i en el año j:
 1  12 
    NDVI j ,i  
1 n  12  i 1 
RUE OBS _ me    12  (2)

n j 1
 P 
 j ,i 
 i 1 
El índice de aridez medio (AIOBS_me) se calcula de forma equivalente como:
 12 
  PET j ,i 
1 n  i 1 
AI OBS _ me   (3)
n j 1  12 
  Pj ,i 
 i 1 
En la segunda implementación se calcula un RUE observado extremo (RUEOBS_ex) válido

para el período completo. En este caso se usa el máximo valor de NDVI de toda la serie
Página 20 de 78
temporal (NDVIt), y se divide por la precipitación total recibida en los 6 meses antecedentes al
mes t en que dicho máximo es detectado:
NDVI t
RUE OBS _ ex  6
(4)
P
i 1
t i
De nuevo, un índice de aridez (AIOBS_ex) es calculado para ese período particular:
 PET t i
AI OBS _ ex  i 1
6
(5)
P i 1
t i
El resultado de ambas implementaciones es tratado entonces como RUE observado en el

proceso de corrección climática descrito más arriba, para ajustar sus funciones envolventes y
RUE relativos respectivos ((rRUEme y rRUEex). Por ejemplo,
RUE OBS _ me  RUE EXP _ me _ P 05

rRUE me  (6)
RUE EXP _ me _ P 95  RUE EXP _ me _ P 05
Donde los subíndices P05 y P95 se refieren respectivamente a las funciones envolventes
ajustadas para cada percentil, y que definen el RUE potencial de cada sitio (subíndice EXP).
3.2. Seguimiento de tendencias
Los cambios en la biomasa vegetal a lo largo del tiempo son un indicador aceptado de
tendencias en la condición de la tierra. Un declive gradual de la biomasa se interpreta como
degradación activa, y recíprocamente un aumento puede interpretarse como mejora o
evolución. Es importante aclarar que esto se refiere a las tasas de cambio que reflejan
procesos activos, y no a los niveles de estado que han sido explicados en la sección
precedente.
El RUE no puede ser usado para seguimiento debido a que la precipitación sería parte del
cálculo y factor de cambio (debido a su variabilidad interanual) al mismo tiempo. Por tanto, en
este caso se usan promedios anuales de NDVI como estimadores de la biomasa pura (Hein and
de Ridder, 2006).
En el esquema simplificado que se asocia con la resolución de este estudio, las tendencias
de cambio en la biomasa pueden ser asociadas a dos factores: el clima y la dinámica ecológica
interna. El primero causa fluctuaciones de biomasa relacionadas con la variabilidad de la aridez
y las precipitaciones. El segundo factor, sin embargo, se asocia con una sucesión o regresión
ecológica, y por ello es el único relevante a efectos de condición de la tierra. Por tanto, todo
seguimiento de la biomasa a lo largo de un período suficientemente largo debe tener en
cuenta los efectos de la variabilidad climática para poder detectar adecuadamente el cambio
en la organización de los ecosistemas en cuestión. No hacerlo así podría resultar, por ejemplo,
Página 21 de 78
en interpretaciones erróneas hechas sobre ecosistemas vigorosos que simplemente ralentizan

su crecimiento en años de precipitación escasa.
2dRUE aplica una regresión múltiple paso a paso para aislar los efectos respectivos del
clima y del paso del tiempo sobre la biomasa de cada sitio. En este estudio, dicha regresión usó
10 puntos correspondientes a los años del período. Cada punto estuvo formado por el
promedio anual de NDVI como variable dependiente, y el índice de aridez, junto con el número
de orden de ese año en la secuencia del período, como predictores.
El propósito de este análisis es detectar las contribuciones parciales de ambos predictores

para crear tendencias significativas en la biomasa, no realizar predicciones de esta última
basada en valores de aquellos. Por esta razón, las regresiones se llevan a cabo en modo
estandarizado, donde los coeficientes de regresión parciales se expresan en unidades de
desviación típica y no en sus unidades originales (se suele llamar coeficientes beta a esta
modalidad). Ello permite una comparación directa de la fuerza relativa que tienen el clima y el
curso del tiempo para imprimir un cambio de una desviación típica en el NDVI. Todos los
procedimientos siguen las formulaciones de (Sokal and Rohlf, 1995).
Es común que la aridez cambie significativamente en el curso del tiempo a lo largo de un

período de diez años. En un caso así, la correlación entre predictores hace que la significación
total de una regresión múltiple no sea indicativa de sus efectos individuales respectivos. Por
tanto, el modelo de regresión sólo debe incorporar la segunda variable si esta produce un
incremento adicional y significativo de determinación. Con objeto de cumplir este requisito, se
calculó en primer lugar el coeficiente de determinación múltiple (R2NDVI_1,2), usando tanto el
tiempo como la aridez como predictores, y su significación fue contrastada para un umbral de
=0.10. Si era significativo, se asignaba como segunda variable en el modelo de regresión
aquella cuyo coeficiente de correlación simple con el NDVI fuese menor (rNDVI_2). Entonces se
evaluaba el incremento de determinación debido a esta variable respecto a la determinación
de un modelo que usase sólo la primera variable. Para ello se comparaba el estadístico
observado Fs:
_ 1, 2  rNDVI _ 2
2 2
R NDVI
Fs 
1  R 2
NDVI _ 1, 2  n  3 (7)
con el valor esperado en la distribución de F a un umbral de significación de =0.10 para 1

y n-3 grados de libertad (F=0.10[1,n-3]), donde n es el número de puntos (10 en este estudio).
Todos los parámetros mencionados son proporcionados por los programas estadísticos más
comunes y no serán descritos aquí.
Si Fs resultaba significativo, se aceptaba la regresión múltiple y los coeficientes de

regresión parcial estandarizados del tiempo y la aridez eran usados para cuantificar sus efectos
respectivos de la vegetación. Si no, se exploraban regresiones simples para cada variable
mediante la significación de sus coeficientes de correlación respectivos para =0.10. En estos
casos, el coeficiente de correlación es equivalente al coeficiente estandarizado de regresión
parcial porque es, por definición, la pendiente de una regresión en unidades de desviación
típica. Si no se detectaba significación en ninguno de los contrastes anteriores, el NDVI era
considerado como no estar afectado por el tiempo ni por la aridez.
Página 22 de 78
3.3. Condición de la tierra
Los procedimientos de valoración y seguimiento descritos en las secciones precedentes

rinden cuatro mapas cuantitativos que reflejan sendas componentes de la condición de la
tierra: biomasa relativa (rRUEme), productividad relativa (rRUEex), tasa de cambio de la biomasa
según la variabilidad interanual de la aridez, y tasa de cambio de la biomasa según el tiempo
(éstos, en términos de los respectivos coeficientes estandarizados de regresión parcial o
coeficientes de correlación simple). Dichas componentes son productos primarios que pueden
ser usados como información ecológica básica.
Más allá de eso, es necesario adquirir una comprensión de mayor nivel de abstracción
sobre la condición de la tierra en el área, que integre la información elemental anterior y al
mismo tiempo que pueda ser aplicada por un usuario no especializado como el descrito en los
Objetivos de este estudio. Ello implica definir separadamente estados a partir de los resultados
de la valoración, y tendencias a partir de los del seguimiento, y posteriormente combinarlos en
el mapa final de condición de la tierra.
3.3.1. Estados
La sucesión ecológica natural y la explotación humana implican evoluciones contrarias en

la dinámica de los ecosistemas. La primera tiende saturar el espacio disponible, y es productiva
en estados iniciales, que conducen inevitablemente a ecosistemas poco productivos y con gran
cantidad de biomasa acumulada en sus estados finales. El ser humano no podría vivir de estos
ecosistemas prístinos. Por ello, la mayoría de sus intervenciones en el paisaje consisten en
simplificarlo, para mantenerlo en estados intermedios de la sucesión y aprovechar así la
productividad primaria neta incrementada. Esta explotación puede conservar niveles variables
de la biomasa natural del sistema, y en casos extremos hacerla desaparecer con objeto de
concentrar la productividad en ciertas especies de interés.
La explicación anterior, muy simplificada, puede servir de marco al problema de la

degradación de tierras. Según la definición de CNULD, ésta sobrevendría cuando un
ecosistema explotado pierde gradualmente su productividad. En un gradiente de degradación
de tierras, la biomasa decrece monótonamente, pero la productividad experimenta un pico en
estados intermedios de degradación (Pickup et al., 1994, 1998). Las dos implementaciones de
RUE a largo y corto plazo reflejan respectivamente esas funciones, y pueden ser usadas para
identificar los estados de condición de la tierra en un marco ecológico como el descrito más
arriba. Para ello se siguieron los siguientes pasos (ver también Figura 6.3 para mayor claridad):
1. Se ajustaron funciones de contorno siguiendo el procedimiento descrito para la

valoración. Los percentiles 5% y 95% de RUE observado fueron usados para delimitar
las gráficas. Se calcularon rRUEme y rRUEex.
2. Se calcularon los intervalos de confianza (=0.05) de ambas funciones de contorno
correspondientes a RUEOBS_me. La representación de esos intervalos dio lugar a cinco
zonas en la gráfica de RUEOBS_me sobre AIOBS_me, que fueron usadas para identificar una
leyenda básica de estados:
a. Anomalía de bajo rendimiento. Vegetación bajo el intervalo de confianza del
RUE mínimo esperado.
b. Rendimiento basal. Vegetación dentro del intervalo de confianza del RUE
mínimo esperado.
Página 23 de 78
c. Rango. Vegetación comprendida entre los intervalos de confianza de los RUE

mínimo y máximo esperado. Clase para ser procesada adicionalmente.
d. Rendimiento de referencia. Vegetación dentro del intervalo de confianza del
RUE máximo esperado.
e. Anomalía de alto rendimiento. Vegetación sobre el intervalo de confianza del
RUE máximo esperado.
3. Cada sitio fue asignado a una de las clases anteriores comparando su RUEOBS_me con los
límites de los intervalos de confianza de las funciones de contorno, a su vez modelados
usando AIOBS_me como predictor en dichas funciones.
4. La clase Rango fue subdividida según sus valores de RUE relativo en ambas
implementaciones. Para ello, todos los sitios dentro de esta clase fueron clasificados
según estuvieran por encima o por debajo de las medianas de rRUEme y rRUEex. Los
atributos resultantes fueron cruzados para distinguir las siguientes subclases:
a. Degradado. rRUEme y rRUEex por debajo de las medianas respectivas.
Vegetación con baja biomasa y baja productividad.
b. Productivo con baja biomasa. rRUEme bajo su mediana y rRUEex sobre su
mediana. Vegetación con baja biomasa y alta productividad.
c. Productivo con alta biomasa. rRUEme y rRUEex por encima de sus medianas
respectivas. Vegetación con alta biomasa y alta productividad.
d. Maduro. rRUEme por encima de su mediana y rRUEex bajo su mediana.
Vegetación con alta biomasa y baja productividad.
Este sistema implica esencialmente una discriminación en dos pasos. Primero, los sitios
son clasificados objetivamente de acuerdo con su rendimiento a largo plazo, usando umbrales
de significación estadística. En esa clasificación, las clases marginales (Rendimiento basal y
Rendimiento de referencia) son pequeñas y su significado ya ha sido discutido. Sin embargo, la
clase central (Rango) contiene todavía la mayoría de los sitios a causa del uso que se hace de
las funciones de contorno. Por ello, el segundo paso se ejecuta sobre esta clase.
La clase Rango contiene, de hecho, la mayoría de los sitios sometidos a algún tipo de uso o
explotación. No se encuentran en estados extremos, y cabe esperar diferentes respuestas
ecológicas de su vegetación y suelo. Por ello, un gradiente unidimensional probablemente no
captaría bien esas respuestas, y ambas implementaciones de RUE son usadas para ello.
3.3.2. Tendencias
Los efectos de la variación interanual de aridez y los causados por el tiempo son
explícitamente separados en el procedimiento de seguimiento de tendencias. Los primeros se
refieren a resiliencia frente a una precipitación impredecible. Por ejemplo, cuanto más
húmedo venga el año mayor será la producción de biomasa. Una vez que tales efectos son
aislados, la acumulación o pérdida de biomasa a lo largo del período indica auto-organización
ecológica o degradación activa.
El resultado primario del seguimiento son dos mapas de coeficientes estandarizados de

regresión parcial, y por tanto sus signos pueden ser interpretados. En el caso de la aridez,
valores negativos indican simplemente que la vegetación aparece menos frondosa en años
secos, mientras que valores positivos suelen indicar un beneficio de años cálidos (por la forma
de calcular PET, que usa las temperaturas) para la vegetación en zonas no especialmente
limitadas por el agua.
Página 24 de 78
En el caso del tiempo, valores positivos reflejan una acumulación lineal de biomasa, por
ejemplo una sucesión ecológica secundaria tras el abandono de la tierra, mientras que valores
negativos indicarían la operación de algún proceso de degradación, sea lento (por ejemplo,
sobrepastoreo) o abrupto (por ejemplo, un incendio al final del período).
La combinación de tres categorías (+/-/0) por dos mapas (aridez/tiempo) daría lugar a
nueve combinaciones de leyenda, cuya interpretación podría ser útil localmente pero
innecesariamente complicada para un territorio grande. Por ello, las tendencias fueron
simplificadas de la siguiente forma para reflejar sólo atributos relevantes para la condición de
la tierra:
a. Aumentando. Acumulación de biomasa significativa a lo largo del período,

cualquiera que sea la respuesta a variaciones interanuales de aridez.
b. Fluctuando. La biomasa oscila según la aridez del año, pero sin variación
significativa a largo plazo.
c. Degradándose. Pérdida de biomasa significativa a lo largo del período, cualquiera
que sea la respuesta a variaciones interanuales de aridez.
d. Estática. Sin tendencia significativa, ni frente a variaciones interanuales de aridez,
ni en curso del tiempo.
3.4. Relleno de áreas sin datos
La interacción entre los desarrolladores y los usuarios del producto, a la vista de la primera
entrega, condujo a definir un problema que es abordado en esta sección: los huecos en los
mapas. Los datos originales del mapa de condición de la tierra tienen su origen en la
teledetección, y como tales presentan zonas sin datos válidos por una variedad de razones
(nubes, etc.). La propagación de dichos huecos en la serie temporal conduce a zonas en blanco
en los mapas finales. Esas zonas son aceptables desde un punto de vista académico, pero no lo
son tanto para un gestor cuya función es obtener y usar información continua sobre una
demarcación administrativa completa. Este problema se describe a continuación, y la solución
propuesta es una mejora respecto al producto original.
3.4.1. El problema de los huecos en series temporales
Cualquier imagen terrestre detectada por un sensor remoto tiene una probabilidad de
contener zonas anómalas que no se registren adecuadamente. La causa más frecuente es
atmosférica, por ejemplo asociada a nubes, pero también puede estar en superficie si ésta
adquiere propiedades inútiles para el objetivo perseguido. Por ejemplo, la nieve puede cubrir
vegetación, y por ello producir alteraciones en la detección de la cantidad de biomasa vegetal.
Los huecos así generados deben ser identificados, y su tratamiento posterior debe ser
definido para evitar distorsiones en el producto final. El tratamiento más frecuente y seguro
consiste en enmascararlos y excluirlos del proceso, y por ello se considera normal que los
mapas procedentes de teledetección contengan zonas sin datos. La incidencia de esta solución
en el producto final es variable. Si el objetivo es detectar tipos de cobertura terrestre, como es
el caso del CORINE Land Cover (EEA, 2007), una sucesión apropiada de imágenes permite
Página 25 de 78
compensar y minimizar los huecos, rindiendo mapas prácticamente continuos con tal de que
no ocurran cambios durante el período de observación. Si, por el contrario, el objetivo es
cuantificar regularmente valores asociados a un período temporal definido, cualquier hueco
puede distorsionar el cómputo del pixel o píxeles afectados. En este caso lo más prudente es
enmascarar y excluir del producto final dichos píxeles. Especialmente si, como en el caso del
procedimiento para definir las funciones envolventes en 2dRUE, toda la población de píxeles
del territorio debe contribuir a fijar cierta propiedad estadística del producto final.
La solución de enmascarar píxeles suele ser aceptable cuando el objetivo es detectar

muestras representativas de un proceso o estructura. Sin embargo, no lo es tanto cuando se
trata de informar comprensivamente de la totalidad de un territorio. El mapa de condición de
la tierra objeto de este proyecto se encuentra en el segundo caso, ya que será usado por
gestores para informar y decidir sobre entidades administrativas completas. Por ello se han
explorado varias soluciones técnicas, alcanzando una que creemos aceptable y que se describe
a continuación.
3.4.2. Serie temporal de NDVI y huecos en 2dRUE
El período de estudio en este proyecto es de diez años hidrológicos. Cada año se construye
a resolución mensual. Por tanto, en principio se requieren 120 imágenes mensuales de NDVI
para que un pixel forme parte del producto. Si el satélite ha tenido problemas durante parte
del período, el hueco es sincrónico para todo el territorio y puede ser suficiente con excluir los
años hidrológicos correspondientes, tal como se hizo en la aplicación ibérica precedente (del
Barrio et al., 2010). Sin embargo, si los problemas están en los píxeles, por nubes o nieve, no
existirá sincronía alguna y la exclusión se practica sobre los píxeles afectados.
El producto usado para esta aplicación de 2dRUE es la serie temporal de NDVI registrada
por el sensor SPOT VEGETATION y distribuida por VITO (VITO, 1998). La resolución temporal
original de dicha serie es de diez días, llamados una dekada, y cada imagen de NDVI tiene
asociada otra imagen, llamada canal de calidad, que identifica los píxeles sin datos debido a
nubes o nieve.
Para generar los datos mensuales necesarios para este proyecto, las tres dekadas de cada
mes han sido combinadas en una sola imagen compuesta, que recoge para cada pixel el valor
NDVI máximo de los hasta tres valores disponibles. Ello permite compensar las dekadas entre
sí y minimizar la cantidad de huecos finales. Sin embargo, los píxeles que presenten nubes o
nieve durante las tres dekadas correspondientes a un mes, quedan sin valor NDVI para dicho
mes, y son enmascarados. La serie temporal final usada para aplicar el 2dRUE contiene
exclusivamente píxeles que tienen valores para cada uno de los 120 meses. Esa aproximación
es técnicamente sólida porque usa todos los valores requeridos. Esto es crítico sobre todo para
el procedimiento de valoración de estados, ya que en él, el valor de cada píxel depende tanto
de su propia serie de valores como de unos estándares potenciales que se determinan usando
todos los demás píxeles comparables. Por ello, el uso de píxeles con valores erróneos puede
distorsionar el conjunto del mapa y no sólo dichos píxeles.
Esa versión preliminar del mapa de condición de la tierra (con huecos) fue entonces, por
un lado, usada para los cálculos estadísticos asociados a la interpretación y validación del
mapa, para asegurar la integridad de los datos. Y por otro, sometida a la solución técnica
Página 26 de 78
descrita a continuación para generar un producto espacialmente continuo del que puedan
derivarse consultas con un control de fiabilidad.
3.4.3. Solución técnica para maximizar la continuidad espacial de los mapas
La solución aplicada consiste en:
Determinación de estados (valoración):

i) Realizar los cálculos estadísticos usando sólo píxeles que tengan la serie temporal
completa. Esto corresponde a la ejecución preliminar descrita más arriba.
ii) Calcular un RUE ajustado en función de los datos disponibles de NDVI. El RUE se define
como la razón anual de la producción primaria neta (aquí, el sumatorio de 12 NDVI
mensuales) a la precipitación total (aquí, el sumatorio de 12 precipitaciones mensuales).
Los datos de precipitación no tienen huecos, por lo que realizar el cálculo usando menos
de 12 valores de NDVI conduciría a subestimar excesivamente el RUE. El ajuste consiste en
usar sólo valores de precipitación para aquellos meses en los que hay valor de NDVI.
Obviamente, los píxeles correspondientes al paso i) no requieren ajuste alguno.
iii) Someter todos los píxeles (con su valor ajustado) a los cálculos descritos en el paso i). Es
decir, calcular el RUE relativo de todos los píxeles usando funciones de referencia que han
sido determinadas a partir de la sub-población de píxeles que tienen datos completos.
Determinación de tendencias (seguimiento):

iv) El uso de NDVI medio correspondiente a cada año hidrológico, originalmente
implementado en 2dRUE, asegura que los datos sean comparables entre años. El ajuste
descrito entre los datos disponibles de NDVI, y los correspondientes de precipitación y
aridez, asegura consistencia en el resultado.
Determinación de la fiabilidad de la aplicación:

v) Generar una imagen que muestre el número de meses en la serie temporal para los que
cada pixel tiene valor NDVI. Para ello se suman máscaras binarias mensuales que
identifiquen con 1 todos los píxeles que contienen valor NDVI. La suma de todas las
máscaras de la serie indica con cuantos valores se ha trabajado en cada pixel. El resultado
es una medida de fiabilidad (f) y se expresa como porcentaje, es decir, dividido por el
número total de meses (120) y multiplicado por 100. Esta imagen acompaña al mapa de
condición.
La solución descrita tiene algunas ventajas:
- Se valora individualmente la fiabilidad de cada pixel, lo que permite al usuario

disponer simultáneamente de un mapa completo y de un criterio objetivo para estimar
la confianza que puede tener en cada sitio del mapa.
- Los sesgos asociados a los errores en que puede incurrir son predecibles. Por ejemplo
en latitudes templadas, los huecos asociados a nubes o nieve tienden a ocurrir en la
época fría, cuando la vegetación está poco activa y la precipitación es alta. Por ello,
donde falten datos de NDVI,
o el RUE observado medio puede sobreestimarse al extender para un año
valores correspondientes a la estación vegetativa, con alto NDVI y baja
precipitación;
Página 27 de 78
o el RUE observado extremo puede subestimarse si el máximo NDVI de la serie

se produjo en un mes con hueco;
o como resultado de los puntos anteriores, cabe esperar que una fiabilidad baja
implique la asignación de un estado de condición ligeramente superior al
existente realmente (mayor biomasa, menor producción);
o los errores en las tendencias dependerán de la continuidad de los huecos en el
tiempo: huecos puntuales pueden dar un sesgo positivo a la tendencia,
mientras que huecos interanuales reiterados no tendrán demasiado efecto.
- La fiabilidad dependiente de nubes o nieve tenderá a ser baja principalmente en áreas
húmedas o de montaña, muchas de las cuales se encuentran en clases de aridez que
las excluyen del dominio climático de áreas afectadas por desertificación según
UNCCD.
- De manera complementaria al punto anterior, esta solución maximiza la incorporación
de pixeles en áreas afectadas por desertificación, sin comprometer el marco general
del análisis.
3.5. Muestras usadas en resultados y análisis
Todos los procedimientos fueron aplicados en tres lotes para respetar las particularidades
territoriales de España peninsular, las islas Baleares y las Islas Canarias. Cuando se consideró
necesario, el nivel de análisis fue el de comunidad autónoma. Ceuta y Melilla nos son, por su
naturaleza, objetivo para un producto como este, y no fueron incluidas.
Los huecos en los mapas finales de las tres aplicaciones fueron cubiertos según el método
descrito en la Sección anterior, y tienen una fiabilidad condicionada por la continuidad de las
series temporales. Estos mapas se han usado para elaborar todos los resultados que informan
de extensiones territoriales en kilómetros cuadrados.
Sin embargo, los resultados que aplican contrastes estadísticos proceden de las versiones
restringidas de los mapas correspondientes, en las cuales los píxeles con huecos en las series
temporales han sido enmascarados. Estos resultados se elaboraron sobre el sistema de
referencia de trabajo en coordenadas geodésicas (EPSG 4326), a partir de sendas muestras
extraídas con criterio aleatorio-estratificado de los tres territorios. Sus tamaños fueron de
127394 (España peninsular), 1833 (Baleares) y 2275 (Canarias) puntos.
Página 28 de 78
4. Validación
El Mapa de Condición de la Tierra 2000-2010 es un producto, y como tal debe ser

declarado válido antes de que el usuario lo incorpore a su sistema de trabajo. Ese es el
objetivo principal de esta sección.
Una validación en esos términos debe ser realizada con otro producto independiente que
asuma o genere información directamente relacionada con el producto a validar.
Adicionalmente, los datos de validación deben tener escalas espaciales y temporales
comparables. Eso excluye en este caso un tipo de datos frecuentemente usados para validar.
Las observaciones de campo raramente consiguen agregar sus muestreos a resoluciones
espaciales y temporales como la aplicada en el mapa de condición de la tierra, resultando en
variabilidades extremas que invalidan cualquier contraste estadístico. Además, el tamaño del
área de estudio en este caso excede cualquier intento de realizar un muestreo económico y
eficiente.
La validación del mapa de condición de la tierra puede realizarse sobre el producto final o
sobre las funciones ecológicas usadas para crearlo. La primera aproximación sería deseable,
pero desafortunadamente este tipo de productos se encuentra en la frontera de la
investigación ambiental y no existen precedentes para ese fin. La mayoría de los productos
relacionables con el mapa de condición de la tierra proceden a su vez de nociones
perceptuales sobre la degradación, sus leyendas están plagadas de juicios de valor (‘bueno’,
‘regular’, pobre’, etc.) y tienen en sí mismos graves problemas de validación.
Queda, entonces, la posibilidad de validar las funciones de 2dRUE incorporadas al mapa de

condición de la tierra. Esta aproximación se basa aquí en contrastes estadísticos que permitan
aceptar o rechazar claramente la hipótesis nula de que dichas funciones carecen de utilidad
alguna para la valoración de estados y el seguimiento de tendencias de condición. Es decir, se
parte de la base de que el mapa de condición de la tierra es falso e inútil.
4.1. Validación de las tendencias
La extracción de tendencias se basa en 2dRUE en la aplicación de una regresión múltiple

paso a paso para determinar, por separado, los efectos de la variabilidad climática interanual y
del tiempo sobre la biomasa anual media de la vegetación (Sección 3.2). El procedimiento es
estadístico y usa umbrales de significación (=0.10) para determinar, por este orden, si no
existe relación entre la biomasa y sus predictores, si existe sólo con uno de ellos, o si existe con
ambos. Es decir, cualquier asignación de tendencia tiene lugar rechazando con un 90% de
confianza la hipótesis nula de que el sitio en cuestión es Estático. Este proceder es conservador
y explica en parte la frecuencia de este resultado en el mapa de condición de la tierra. Pero al
mismo tiempo, la validación es inherente a la extracción de tendencias en 2dRUE y por ello no
es necesario ejercicio adicional alguno.
4.2. Validación de los estados
La asignación de estados en 2dRUE se basa en sendas implementaciones a dos escalas

temporales del concepto de RUE (Sección 3.1). Los estados que resultan en el mapa están
Página 29 de 78
directamente relacionados con las magnitudes relativas de dichas implementaciones, que se

asocian respectivamente con biomasa y productividad de la cubierta vegetal. Por tanto, los
estados reflejados en el mapa podrían darse por validados si se prueba una relación estadística
entre ellos y otra medida independiente de la condición del ecosistema.
El RUE es una medida de eficiencia que relaciona la entrada (precipitación) con la salida
(PPNE) del sistema, y como tal es mucho más estable que cualquiera de las dos variables que
emplea. Esa estabilidad procede del suelo. Sólo pueden darse valores elevados de RUE cuando
el suelo se encuentra en buen estado, y es capaz de suministrar agua y nutrientes a la
vegetación durante los períodos secos entre eventos lluviosos. En el extremo opuesto, suelos
degradados o muy erosionados apenas tendrán esa capacidad de regulación, y las
estimaciones de RUE resultarán proporcionalmente menores.
Por otra parte, una medida fiable del estado de un suelo es su contenido en carbono
orgánico (SOC), a su vez el componente principal de la materia orgánica total. El SOC deriva de
material residual de animales y plantas, que es metabolizado por la flora microbiana bajo la
influencia de condiciones ambientales que incluyen la temperatura y humedad del suelo, la
litología, y la topografía. La variación anual de SOC depende de dichos factores físico-químicos
y también del sistema de uso a que está sometido el suelo. Por ello, el SOC es usado
frecuentemente como indicador de la degradación de suelos.
El planteamiento de este ejercicio es, por tanto buscar posibles relaciones entre los
estados derivados del RUE que resultan en el mapa de condición de la tierra, y el SOC. Para ello
se ha usado el Mapa de Carbono Orgánico en la Capa Superficial del Suelo en Europa (Jones et
al., 2004). Este mapa refleja el SOC en los 30 cm superiores del suelo como porcentaje del
total, a una escala comparable a la del mapa de condición de la tierra, para todo el continente
europeo y zonas de influencia. Desafortunadamente, no hay datos para Canarias, por lo que
esta validación se refiere a España peninsular y Baleares en sentido estricto.
Se realizaron dos contrastes estadísticos para la determinación de relaciones entre estados

de condición y SOC, usando la muestra de puntos descrita en la Sección 3.5:
 Relaciones entre las distribuciones de frecuencias de estados de condición y niveles

cuantitativos de SOC. Se usó el método no paramétrico de Kruskal-Wallis, equivalente
a un ANOVA por rangos, para determinar si los estados de condición contienen niveles
significativamente diferentes de SOC entre ellos. A continuación se realizaron
múltiples comparaciones mediante la media de los rangos para identificar los estados
de condición responsables de esas posibles diferencias.
 Asociación entre grupos de estados de condición y cierto umbral de SOC. El umbral fue
el de 2%, que se relaciona con un nivel crítico de SOC por debajo del cual se
recomienda un cambio de gestión o incluso aporte directo de materia orgánica (Jones
et al., 2004). El propósito fue averiguar si los estados más degradados del mapa de
condición discriminan adecuadamente este umbral. Se aplicó una prueba de chi-
cuadrado.
Página 30 de 78
4.2.1. Relaciones entre las distribuciones de frecuencias de estados de condición y

niveles cuantitativos de SOC
Universo estadístico: España peninsular y Baleares

Muestra: 127820 puntos según diseño aleatorio-estratificado
Variable independiente (grupos): Estados (8 clases)
Variable dependiente (continua): Contenido (%) de SOC
H0: El SOC no cambia entre estados de condición
Resultado: Kruskal-Wallis H = 11151.81, d.f. = 7, p < 1E-03, Se rechaza H0.
El rechazo de H0 implica que los niveles de SOC son significativamente diferentes entre los
estados de condición. Eso es importante, pero era necesario aclarar cómo se distribuyen
dichas diferencias (es decir, si hay 7 estados iguales y 1 muy distinto, si todos son distintos
entre ellos, o cualquier combinación intermedia). La prueba de múltiples comparaciones
condujo entonces al resultado mostrado por la Figura 4.1.
Figura 4.1. Agrupación de estados de condición de la tierra (2000-2010) por niveles homogéneos de
SOC (%) (Kruskal-Wallis H = 11151.81, d.f. = 7, p < 1E-03). Las barras azules representan medias de los rangos de
SOC para cada estado. Los asteriscos indican grupos homogéneos de estados por niveles de SOC. Los
colores indican SOC (%) en una escala creciente del mínimo (rojo) al máximo (verde).
Los resultados demuestran que la ordenación creciente de los estados por el grado de
madurez ecológica que representan (tal como aparecen en las leyendas del mapa de
condición) implica niveles de SOC que aumentan en proporcionalidad directa. Además, los
estados discriminan los niveles de SOC, de modo que en general cada estado es diferente de
todos los demás. Hay dos discordancias respecto a este patrón general (Figura 4.2). La primera
es que los estados Basal y de Anomalía de alto rendimiento resultan homogéneos en términos
de SOC. La segunda es que el estado Degradado contiene mayores niveles de SOC que el
estado Productivo con baja biomasa. Estos dos aspectos se discuten en la Sección 4.2.3.
Página 31 de 78
Figura 4.2. Niveles de SOC (%) en los estados de condición.
4.2.2. Asociación entre grupos de estados de condición y el umbral SOC < 2%
Universo estadístico: España peninsular y Baleares

Muestra: 127820 puntos según diseño aleatorio-estratificado
Variable 1: Estados (8 clases)
Variable 2: Contenido (%) de SOC (2 clases)
H0: No existe relación entre variables
Resultado: 2 = 10839.1237, d.f. = 7, p < 1E-03, Se rechaza H0.
El rechazo de H0 implica que los estados se discriminan correctamente alrededor del

umbral de SOC < 2%. La Tabla 4.1 muestra la tabla de contingencia de residuales tipificados,
cuyos valores son comparables entre sí independientemente de las frecuencias observadas, y
proporcionales a la intensidad de la asociación positiva o negativa. En este formato de
residuales, valores absolutos superiores a 1.96 (es decir, todos en la tabla) son significativos e
interpretables para la casilla correspondiente con un 95% de confianza. Los estados asociados
a un nivel de SOC inferior al 2% son: Anomalía de bajo rendimiento, Basal, Productivo con baja
biomasa y Anomalía de alto rendimiento.
Página 32 de 78
Tabla 4.1. Asociación entre estados de condición y clases de SOC definidas alrededor del umbral 2%.
Los valores son residuales tipificados (unidades de desviación típica) ( = 10839.1237, d.f. = 7, p < 1E-
2
03)
Anom. Basal Degrad. Product. Product. Maduro Referen. Anom.

bajo baja alta alto
rendim. biomasa biomasa rendim.
SOC < 2% 64.9 18.7 -8.4 32.6 -41.4 -59.5 -39.1 5.7
SOC ≥ 2% -64.9 -18.7 8.4 -32.6 41.4 59.5 39.1 -5.7
4.2.3. Discusión y conclusiones
Los niveles de SOC dependen de cambios en la cubierta vegetal. Por ello, es necesario usar
en esta discusión algunas claves que relacionan estados de condición con tipos de cubierta
vegetal, las cuales se desarrollan detalladamente en las Secciones 5.3.1 y 5.3.2.
En particular, los cambios de vegetación natural a cultivo reducen los aportes orgánicos y
degradan la estructura del suelo, causando pérdidas de SOC. Esas pérdidas se explican por el
laboreo mecánico, que aumenta la mineralización de la materia orgánica y facilita pérdidas
adicionales por erosión y arrastre (Albaladejo et al., 2009). Esto explica bien el acoplamiento
entre estados de condición y niveles de SOC detectados por el primer análisis.
El resultado de que los estados Basal y Anomalía de alto rendimiento sean indistinguibles
en términos de SOC se explica fácilmente porque ambos estados contienen mayoritariamente
vegetación agrícola. Su diferencia funcional se encuentra en la producción, pero no en el
tamaño de sus reservas de SOC.
Respecto al resultado de que el estado Degradado contiene mayores niveles de SOC que el
estado Productivo con baja biomasa, puede explicarse también por sus tipos dominantes de
cubierta vegetal según el MFE1000. El Degradado consiste frecuentemente en ‘bosques’,
‘matorrales medios en climas secos y húmedos’, y ‘repoblaciones de frondosas exóticas en
climas secos’. El Productivo con baja biomasa se asocia especialmente con ‘distribuciones
adehesadas (5-35%) en climas secos’, y también con ‘mosaicos forestal-agrícolas’ y ‘rodales en
cultivos’. El caso de las dehesas merece ser destacado porque investigaciones recientes
demuestran que el estado general de sus suelos es globalmente malo y con indicios de
degradación (Pulido and Picardo, 2010), y que la sobrecarga ganadera afecta a la regeneración
y estado general del monte (Pinto, 2012). Es decir, puede suponerse que la intensidad de
explotación es comparativamente mayor en el Productivo con baja biomasa que en el
Degradado, incluso si este último incluye representaciones simplificadas de cubiertas maduras
como los bosques.
Adicionalmente, la profundidad de las raíces de los tipos funcionales de vegetación afectan

al SOC en el perfil del suelo: dado un clima, el máximo porcentaje de SOC (relativo al primer
metro de suelo) se encuentra a mayor profundidad en arbustos, a una profundidad intermedia
en pastos y es más superficial en bosques (Jobbagy and Jackson, 2000). Eso es consistente con
los resultados presentados aquí, no sólo por la relación entre Degradado y cubierta forestal,
sino por el patrón más general mostrado por la Figura 4.2. Por todo ello, no es raro que entre
estas clases se produzca una inversión de los niveles de SOC.
El análisis de asociación entre estados y el umbral 2% de SOC confirma los resultados

anteriores y sitúa los estados más simplificados por debajo de ese umbral, lo que es un buen
Página 33 de 78
acuerdo, incluso intuitivamente, con la escala de madurez usada en el mapa de condición de la

tierra. La inclusión del estado Degradado por encima del umbral de SOC junto con los más
maduros (Productivo con alta biomasa, Maduro y Referencia) está relacionada con la
frecuencia de bosques, como se explica más arriba. Ello es, en cierto modo, la excepción que
confirma la regla.
A la vista del desarrollo de este ejercicio, los estados de condición de la tierra pueden
considerarse validados.
Un beneficio adicional de la relación entre los estados producidos por 2dRUE y el SOC,
determinada en esta validación, es el hecho de que el SOC tiene a su vez relaciones bien
definidas con los usos de la tierra (Rodriguez-Murillo, 2001). Por tanto, se trata de un primer
paso para vincular formalmente el resultado de modelos socio-económicos que simulen la
evolución de usos de la tierra con estimaciones reales del efecto que los mismos usos tienen
sobre su degradación. El mapa de condición de la tierra es, desde esta perspectiva, el soporte
espacial de dicho vínculo.
Página 34 de 78
5. Interpretación
Las clases asociadas al mapa de condición de la tierra reflejan estados y tendencias

ecológicas, y como tales pueden darse en una variedad de formaciones vegetales. Su valor es,
por tanto, más adjetivo que sustantivo. El objetivo de esta sección es relacionar dichas clases
con los paisajes dominantes en España y sus comunidades autónomas. De este modo, se podrá
dotar de una interpretación más eficaz a las consultas y análisis expuestos en los Resultados
del mapa.
El MFE1000 es una fuente de datos idónea para ese objetivo por varias razones: i) es un
producto independiente; ii) ha sido desarrollado consistentemente para el mismo territorio
(España) que el mapa de condición; iii) su escala es compatible con la resolución espacial del
mapa de condición; y iv) su foco principal es la vegetación natural y seminatural alimentada
por la lluvia, pero permite realizar una partición completa del territorio incluyendo zonas
agrícolas.
El formato del MFE1000 es el de cobertura vectorial con una base de datos asociada,
donde las teselas son unidades elementales de homogeneidad. El campo denominado
Sobrecolor ha sido seleccionado para el propósito interpretativo de este ejercicio. Consiste en
un código alfanumérico que indica la estructura actual de la vegetación. La letra se refiere a la
influencia del clima: terreno con humedad edáfica, terreno seco, halo-xerófilo o yesoso, y
cubiertas intrazonales sin dependencia climática. El número a continuación indica la
sobrecarga, referida a la estructura de la vegetación en términos de talla de la especie
dominante y, a veces, modo de distribución espacial de la cubierta y naturaleza del sustrato
(Ruiz de la Torre, 2002).
En el MFE1000 hay teselas sin Sobrecolor, y corresponden a vegetación con talla superior a
7 m (mayormente forestal), zonas agrícolas con inclusión variable de árboles, etc. Dentro de
este conjunto, y con auxilio de los campos Definición (que describe las formaciones o especies
dominantes) y TipoNivel (que describe el tipo de formación y su nivel evolutivo en términos de
protección de suelo), se separaron el bosque con arbolado superior a 7 m, las zonas agrícolas
puras, y los mosaicos forestales y agrícolas.
Página 35 de 78
Figura 5.1. Clases de paisajes derivados del MFE1000. En el mapa se muestran las cuatro clases
elementales. Sistemas de referencia EPSG 25830 (Península y Baleares) y EPSG 4083 (Canarias). Las
escalas relativas son aproximadas.
El mapa que fue derivado del MFE (Figura 5.1) para la interpretación del mapa de
condición realiza, por tanto, una partición del territorio en los siguientes términos:
 Vegetación con Sobrecolor aplicando el código correspondiente. Siempre forestal o

natural con tallas inferiores a 7 m.
 Bosques. Arbolado superior a 7 m.
 Agricultura:
o Áreas agrícolas puras. Cultivos de secano extensivo y regadío mixto. A veces
con inclusiones de bosques de galería, repoblaciones de eucaliptos, rodales de
pinos y otras formaciones de menor tamaño.
o Mosaicos agrícolas y forestales. Varios tipos de estructuras agrícolas: cultivos
con inclusiones de vegetación natural arbórea o arbustiva, mosaicos de
evolución cíclica agrícola-pastizal, mosaicos dendriformes agrícola-pastizal o
agrícola-matorral, y mosaicos irregulares mezcla agrícola y forestal, entre
otros.
En la interpretación de la condición de la tierra mediante estas clases, el patrón general

seguido fue seleccionar aquellas con una representación en el territorio superior al 0.5%. En
ocasiones, este criterio no fue suficiente para cumplir con los requisitos recomendados para el
análisis de chi-cuadrado con más de 1 grados de libertad: no debe haber más de un 20% de
frecuencias esperadas menores que 5, y no debe haber frecuencias esperadas menores que 1
(Siegel and Castellan, 1988). Consecuentemente algunas clases fueron reagrupadas o incluso
eliminadas en el nivel de análisis correspondiente.
Página 36 de 78
El método consistió en realizar contrastes de chi-cuadrado para buscar posibles

asociaciones estadísticas entre las clases de paisaje derivadas del MFE1000, y las clases de
condición, separando estados y tendencias. Para ello se empleó la muestra de puntos descrita
en la Sección 3.5. Cuando la asociación entre ambas variables resultó significativa, los
residuales fueron procesados mediante un código de color para facilitar una interpretación
intuitiva de las combinaciones entre variables que arrojaron asociaciones positivas o negativas.
Esos análisis fueron realizados en tres niveles de detalle complementarios:
 El primero asocia las clases de condición de la tierra con los tres tipos principales de
cubierta vegetal descritos más arriba, para todo el territorio español.
 El segundo asocia las clases de estados y de tendencias para todo el territorio español,
respectivamente, con los tres tipos principales de cubierta vegetal, dentro de cada
comunidad autónoma
 El tercero asocia las clases de estados y de tendencias, respectivamente, con esos
mismos tipos de vegetación, pero de forma más detallada expandiendo el campo
Sobrecolor, dentro de cada una de las tres aplicaciones territoriales del mapa de
condición (península, Baleares y Canarias).
No fue posible realizar un único análisis con todo el detalle posible, tanto en tipos de
cubierta como en dominio espacial, debido a que la cantidad de casillas vacías en las tablas de
contingencia violaba las condiciones estadísticas referidas anteriormente.
5.1. Asociación entre condición de la tierra y tipos de cubierta vegetal
Universo estadístico: España en conjunto

Muestra: 129999 puntos (excluye embalses y otras superficies no relevantes)
Variable 1: Condición de la tierra (32 clases)
Variable 2: Tipos de cubierta vegetal derivados del MFE1000 (3 clases)
Por tanto, existe una relación significativa entre ambas variables, y sus residuales pueden
ser interpretados (Tabla 5.1).
Página 37 de 78
Tabla 5.1: Asociación entre condición de la tierra y tipos de cubierta vegetal para el estado español.
Las barras representan el signo positivo (azul) o negativo (rojo), y la magnitud (longitud) del residual
tipificado corregido de cada clase de condición respecto a cada tipo de cubierta. Los casos no
significativos están en blanco.
Condicion de la Tierra VEG NAT MAYO R 7M VEG NAT MENO R 7 AGRÍCO LA

ANO M BAJO REND DEGRADÁNDO SE
ANO M BAJO REND FLUCTUANDO
ANO M BAJO REND AUMENTANDO
ANO M BAJO REND ESTÁTICA
BASAL DEGRADÁNDO SE
BASAL FLUCTUANDO
BASAL AUMENTANDO
BASAL ESTÁTICA
DEG DEGRADÁNDO SE
DEG FLUCTUANDO
DEG AUMENTANDO
DEG ESTÁTICA
PRO DUCTIVO CO N BAJA BIO MASA DEGRADÁNDO SE
PRO DUCTIVO CO N BAJA BIO MASA FLUCTUANDO
PRO DUCTIVO CO N BAJA BIO MASA AUMENTANDO
PRO DUCTIVO CO N BAJA BIO MASA ESTÁTICA
PRO DUCTIVO CO N ALTA BIO MASA DEGRADÁNDO SE
PRO DUCTIVO CO N ALTA BIO MASA FLUCTUANDO
PRO DUCTIVO CO N ALTA BIO MASA AUMENTANDO
PRO DUCTIVO CO N ALTA BIO MASA ESTÁTICA
MADURO DEGRADÁNDO SE
MADURO FLUCTUANDO
MADURO AUMENTANDO
MADURO ESTÁTICA
DE REFERENCIA DEGRADÁNDO SE
DE REFERENCIA FLUCTUANDO
DE REFERENCIA AUMENTANDO
DE REFERENCIA ESTÁTICA
ANO M ALTO REND DEGRADÁNDO SE
ANO M ALTO REND FLUCTUANDO
ANO M ALTO REND AUMENTANDO
ANO M ALTO REND ESTÁTICA
La interpretación de los residuales en la Tabla 5.1 resulta en un patrón sencillo que refleja
consistentemente la tensión entre explotación y madurez, y se relaciona bien con una sucesión
ecológica idealizada. Así:
 Los estados de Anomalía de bajo rendimiento y Basal están positivamente asociados a

terrenos agrícolas con cualquier tendencia. Siempre tienen asociación negativa con la
vegetación de talla superior a 7 m, y sucede lo mismo con la vegetación menor a 7 m
excepto si la tendencia es Aumentando.
 El estado Degradado se asocia principalmente con vegetación forestal mayor de 7 m si
está Aumentando o Estática, y con vegetación natural menor de 7 m si está Fluctuando
o Estática. Su asociación con vegetación agrícola es negativa o nula.
 El estado Productivo con baja biomasa ocurre principalmente en vegetación natural
menor a 7 m (excepto si está Degradándose) y en vegetación agrícola con cualquier
tendencia.
Página 38 de 78
 El estado Productivo de alta biomasa es frecuente en vegetación forestal mayor de 7 m

Aumentando o Estática, y en menor medida en vegetación natural menor de 7 m que
está Fluctuando.
 El estado Maduro se relaciona intensamente con vegetación forestal mayor de 7 m,
sea Aumentando o Estática, y en mucha menor medida con vegetación natural menor
de 7 m Fluctuando. Tiene fuerte repulsión hacia vegetación agrícola.
 El estado de Referencia también tiene su mayor asociación con vegetación forestal
mayor de 7 m Aumentando o Estática, pero también incluye vegetación natural menor
de 7 m excepto si se encuentra Degradándose. Su relación con vegetación agrícola es
muy negativa o nula.
 El estado de Anomalía de alto rendimiento está asociado sobre todo con vegetación
agrícola, y puede incluir vegetación forestal mayor de 7 m si está Aumentando.
5.2. Asociación entre clases de condición y tipos de cubierta vegetal por

comunidades autónomas
En este caso se realizaron dos análisis de chi-cuadrado con los puntos de la muestra
descrita en la Sección 3.5 que cayeron dentro de cada comunidad autónoma. En el primer
análisis, las tablas de contingencia relacionaban 3 clases de cubierta vegetal (forestal mayor de
7 m, forestal menor de 7 m y agricultura) con las 8 clases de estados de condición. En el
segundo se usaban las mismas clases de cubierta, pero con las 4 clases de tendencias:
Análisis 1:
Universo estadístico: comunidades autónomas, procesadas por separado
Muestra: subconjunto de 129999 puntos (excluye embalses y otras superficies no
relevantes) incluidos en la comunidad autónoma en cuestión
Variable 1: Estados de condición de la tierra (8 clases)
Resultado: Se rechaza H0 en todos los casos con p < 1E-03.
Análisis 2:
Universo estadístico: comunidades autónomas, procesadas por separado
Muestra: subconjunto de 129999 puntos (excluye embalses y otras superficies no
relevantes) incluidos en la comunidad autónoma en cuestión
Variable 1: Tendencias de condición de la tierra (4 clases)
Resultado: Se rechaza H0 en todos los casos con p < 1E-03.
Cinco de las comunidades autónomas (Asturias, Cantabria, País Vasco, Madrid y

Extremadura) no pudieron ser analizadas debido a la aparición de casillas vacías en las tablas
de contingencia. En todos los demás casos, ambos análisis detectan asociaciones significativas,
y sus residuales respectivos pueden ser interpretados. Los resultados se presentan de forma
simplificada en las Tablas 5.2 y 5.3. En ellas, los residuales obtenidos para cada comunidad
autónoma han sido codificados solo según su signo, ya que sus valores no son comparables
entre comunidades autónomas por tratarse de análisis independientes. De esa forma puede
Página 39 de 78
interpretarse rápidamente las clases de condición que muestran asociación positiva o negativa
con un tipo de vegetación dado dentro de cada comunidad autónoma.
Como cabría esperar, estos nuevos resultados son consistentes con los obtenidos en el
análisis anterior. Por ejemplo, en todas las comunidades autónomas, los estados de Anomalía
con bajo rendimiento o Basal aparecen de nuevo asociados positivamente con vegetación
agrícola o forestal de bajo porte, mientras que los estados Maduro o de Referencia aparecen
asociados con vegetación natural mayor de 7 m.
Sin embargo, la interpretación primaria para estos resultados debe ser realizada por
comunidades autónomas. Por ejemplo, en Aragón, las Anomalías de alto rendimiento se
relacionan con vegetación agrícola, lo que puede ser atribuido a los regadíos del Ebro. O bien,
Canarias muestra asociación entre vegetación forestal mayor de 7 m con la tendencia
Degradándose, lo cual puede relacionarse con incendios ocurridos en 2007. Este ejercicio es
demasiado prolijo para hacerlo aquí de manera sistemática, pero proporciona una clave muy
útil para interpretar los resultados del mapa de condición de la tierra expuestos más adelante.
Tabla 5.2. Asociación entre clases de cubierta vegetal derivadas del MFE1000 y clases de estado de
condición de la tierra por comunidades autónomas en España. Leyenda: asociación significativa positiva
(marca verde), significativa negativa (marca roja) o no significativa (blanco). Todas las asociaciones
indicadas fueron analizadas mediante  y son significativas para p < 10E-3.
2
BAJO REND VEG NAT MAYO R 7M VEG NAT MENO R 7 AGRICO LA BASAL VEG NAT MAYO R 7M VEG NAT MENO R 7 AGRICO LA
Galicia Galicia
Asturias Asturias
Cantabria Cantabria
País Vasco País Vasco
Navarra Navarra
La Rioja La Rioja
Aragón Aragón
Madrid Madrid
Castilla y León Castilla y León
Castilla–La Mancha Castilla–La Mancha
Extremadura Extremadura
Cataluña Cataluña
Valencia Valencia
Baleares Baleares
Andalucía Andalucía
Murcia Murcia
Canarias Canarias
DEGRAD VEG NAT MAYO R 7M VEG NAT MENO R 7 AGRICO LA PRO D BAJA BIO VEG NAT MAYO R 7M VEG NAT MENO R 7 AGRICO LA
Galicia Galicia
Asturias Asturias
Cantabria Cantabria
Navarra Navarra
La Rioja La Rioja
Aragón Aragón
Madrid Madrid
Cataluña Cataluña
Valencia Valencia
Baleares Baleares
Murcia Murcia
Canarias Canarias
Página 40 de 78
PRO D ALTA BIO VEG NAT MAYO R 7M VEG NAT MENO R 7 AGRICO LA MADURO VEG NAT MAYO R 7M VEG NAT MENO R 7 AGRICO LA
Galicia Galicia
Asturias Asturias
Cantabria Cantabria
Navarra Navarra
La Rioja La Rioja
Aragón Aragón
Madrid Madrid
Cataluña Cataluña
Valencia Valencia
Baleares Baleares
Murcia Murcia
Canarias Canarias
DE REFERENCIA VEG NAT MAYO R 7M VEG NAT MENO R 7 AGRICO LA ALTO REND VEG NAT MAYO R 7M VEG NAT MENO R 7 AGRICO LA
Galicia Galicia
Asturias Asturias
Cantabria Cantabria
Navarra Navarra
La Rioja La Rioja
Aragón Aragón
Madrid Madrid
Cataluña Cataluña
Valencia Valencia
Baleares Baleares
Murcia Murcia
Canarias Canarias
Tabla 5.3. Asociación entre clases de cubierta vegetal y clases de tendencia de condición de la tierra
por comunidades autónomas en España. Leyenda: asociación significativa positiva (marca verde),
significativa negativa (marca roja) o no significativa (blanco). Todas las asociaciones indicadas fueron
analizadas mediante  y son significativas para p < 10E-3.
2
DEGRADÁNDO SE VEG NAT MAYO R 7M VEG NAT MENO R 7 AGRICO LA FLUCTUANDO VEG NAT MAYO R 7M VEG NAT MENO R 7 AGRICO LA
Galicia Galicia
Asturias Asturias
Cantabria Cantabria
Navarra Navarra
La Rioja La Rioja
Aragón Aragón
Madrid Madrid
Cataluña Cataluña
Valencia Valencia
Baleares Baleares
Murcia Murcia
Canarias Canarias
Página 41 de 78
AUMENTANDO VEG NAT MAYO R 7M VEG NAT MENO R 7 AGRICO LA ESTÁTICA VEG NAT MAYO R 7M VEG NAT MENO R 7 AGRICO LA
Galicia Galicia
Asturias Asturias
Cantabria Cantabria
Navarra Navarra
La Rioja La Rioja
Aragón Aragón
Madrid Madrid
Cataluña Cataluña
Valencia Valencia
Baleares Baleares
Murcia Murcia
Canarias Canarias
5.3. Asociación entre clases de condición y tipos detallados (Sobrecolor) de

cubierta vegetal por aplicaciones territoriales
El propósito de esta serie de análisis fue obtener una descripción fisionómica lo más
detallada posible de los estados y tendencias de condición de la tierra, considerados
separadamente. Se realizaron seis análisis, dos por aplicación territorial. Los residuales (Tablas
5.4 a 5.9) fueron interpretados en los seis casos, con los siguientes resultados básicos:
5.3.1. España peninsular
Estados
Universo estadístico: España peninsular

Muestra: 123367 puntos
Variable 2: Tipos de cubierta vegetal (Sobrecolor) derivados del MFE1000 (23
clases)
Los siguientes resultados se extraen de la inspección de los residuales (Tabla 5.4):
 Anomalía de bajo rendimiento: se presenta frecuentemente como zonas agrícolas puras,

mosaicos forestal agrícolas, arbustos sobre cultivos en clima más seco y, en menor medida,
matorral bajo en clima más seco. Es muy raro que aparezca como bosques o arboledas.
 Basal: similar al anterior, pero con mayor preferencia por las zonas agrícolas y también por
rodales y pies dispersos en terrenos agrícola de clima más seco.
 Degradado: su mayores asociaciones se dan con bosques y arboledas, matorral medio en
climas secos y húmedos, y repoblaciones con frondosas exóticas en clima más seco. Es
muy raro que se de en zonas agrícolas puras o mosaicos forestal-agrícolas.
 Productivo con baja biomasa: se asocia principalmente con distribuciones adehesadas en
clima más seco, mosaicos forestal-agrícolas y, en menor grado, con rodales en cultivos y
Página 42 de 78
con rodales en terreno agrícola bajo clima seco. Muestra fuerte repulsión hacia bosques y
arboledas.
 Productivo con alta biomasa: claramente vinculado a bosques y arboledas, y también a
matorral arbustivo en climas secos y húmedos. Muy raro en zonas agrícolas puras o
mosaicos forestal-agrícolas.
 Maduro: fuertemente vinculado a bosques y arboledas, y en menor medida a matorral
medio en clima más húmedo y a repoblaciones de coníferas exóticas en clima más seco.
Muy raro en zonas agrícolas puras o mosaicos forestal-agrícolas.
 Referencia: fuertemente vinculado a bosques y arboledas, y a repoblaciones y
reforestaciones con frondosas y coníferas exóticas en clima más seco. Muy raro en zonas
agrícolas puras o mosaicos forestal-agrícolas.
 Anomalía de alto rendimiento: claramente asociado con zonas agrícolas puras, a veces
también con rodales del tipo climático estructural en cultivos, o con bosques y arboledas.
 Conviene observar que las mayores asociaciones de bosques y arboledas se dan con los
estados Productivo con alta biomasa y Maduro. Además, el residual acumulado de estos
estados junto con el de Referencia es casi tres veces superior al que tienen con Degradado.
La consecuencia lógica es que hay una cantidad significativa de bosques y arboledas en
estado Degradado, a pesar de lo cual su mayor asociación es con los estados más
avanzados de madurez ecológica.
Tendencias
Universo estadístico: España peninsular

clases)
 Degradándose: muy asociada con zonas agrícolas puras y, con menor presencia,
repoblaciones de frondosas exóticas en clima más seco y matorral subarbustivo en clima
más seco. Relativamente rara en el resto de las formaciones.
 Fluctuando: fuertemente asociada con zonas agrícolas puras, distribución adehesada en
clima más seco y mosaicos forestal-agrícolas. También se da en rodales pies dispersos
sobre terreno agrícola en clima seco, y en prado o herbazal vivaz bajo clima seco. Muy rara
en bosques y arboledas.
 Aumentando: fuertemente asociada con bosques y arboledas. También es frecuente en
otras formaciones, sobre todo matorral arbustivo o medio en clima más seco y matorral
medio en clima más húmedo. Muy rara en zonas y mosaicos agrícolas, y en distribuciones
adehesadas en clima más seco (esto último reviste gran interés más allá del presente
ejercicio).
 Estática: frecuente en una variedad de formaciones, de entre las que cabe destacar las
zonas agrícolas puras, los rodales de árboles del tipo climático estructural en clima más
seco, y los rodales dispersos sobre terreno agrícola en clima húmedo. Rara en bosques y
arboledas.
Página 43 de 78
5.3.2. Baleares
Estados
Universo estadístico: Baleares

Variable 2: Tipos de cubierta vegetal (Sobrecolor) derivados del MFE1000 (4 clases)
 Anomalía de bajo rendimiento: muy presente en zonas agrícolas puras. Ausente en

bosques y arboledas, ni en matorral bajo y medio.
 Basal: solo asociada con matorral sub-arbustivo o arbustivo en clima más seco.
 Degradado: solo asociada con zonas agrícolas puras.
 Productivo con baja biomasa: solo frecuente en zonas agrícolas puras.
 Productivo con alta biomasa: asociada principalmente con bosques y arboledas, pero
también con las otras formaciones naturales. No se da en zonas agrícolas puras.
 Maduro: asociada principalmente con matorral subarbustivo-arbustivo, pero también
bosques y arboledas y otras formaciones naturales. No se da en zonas agrícolas puras.
 Referencia: presente en matorral medio en clima más seco.
 Anomalía de alto rendimiento: matorral medio en clima más seco.
Tendencias
Universo estadístico: Baleares

Variable 2: Tipos de cubierta vegetal (Sobrecolor) derivados del MFE1000 (4 clases)
 Degradándose: esta clase no pudo ser incluida debido al pequeño número de

muestras.
 Fluctuando: solo en zonas agrícolas puras.
 Aumentando: en matorral sub-arbustivo o arbustivo en clima más seco y en bosques o
arboledas.
 Estática: matorral bajo-medio en clima más seco, y en menor grado zonas agrícolas
puras.
Página 44 de 78
5.3.3. Canarias
Estados
Universo estadístico: Canarias

clases)
 Anomalía de bajo rendimiento: suele mostrarse como lavas recientes intrazonales, y

también como matorral sub-arbustivo intrazonal o matorral bajo y medio intrazonal.
 Basal: aparece principalmente como matorral medio con herbazal terofítico en clima
más seco, matorral bajo y medio intrazonal y lavas recientes intrazonales.
 Degradado: casi siempre se trata de matorral bajo en clima más seco. Raro en
mosaicos forestal-agrícolas.
 Productivo con baja biomasa: mosaicos forestal-agrícolas y matorral medio con
herbazal terofítico en clima más seco.
 Productivo con alta biomasa: sobre todo se trata de matorral medio en clima más
seco, pero también es frecuente en mosaicos de matorral y cultivo en clima más seco,
mosaicos forestal-agrícolas y cultivos en rodales con árboles del tipo climático
estructural.
 Maduro: principalmente como matorral bajo en clima más seco.
 Referencia: prácticamente solo como bosques y arboledas.
 Anomalía de alto rendimiento: presente en mosaicos forestal-agrícolas y, en menor
medida, matorral medio en clima más seco.
Tendencias
Universo estadístico: Canarias

clases)
 Degradándose: prácticamente solo en bosque y arboledas. Puede relacionarse con los

incendios forestales ocurridos en 2007.
Página 45 de 78
 Fluctuando: se da, por orden de importancia, en matorral medio en clima más seco,
mosaicos forestal-agrícolas y matorral bajo en clima más seco. Infrecuente en bosques
y arboledas.
 Aumentando: repartido entre bosques y arboledas, lavas recientes intrazonales, y
matorral (sub-arbustivo o bajo y medio) intrazonal.
 Estática: principalmente bosques y arboledas, pero también cultivos con rodales de
árboles del tipo climático estructural, y matorral medio, sub-arbustivo y arbustivo en
clima más húmedo.
Página 46 de 78
Tabla 5.4. Asociación entre estados de condición de la tierra y tipos detallados (Sobrecolor) de cubierta vegetal en España peninsular. Las barras representan el signo
positivo (azul) o negativo (rojo), y la magnitud (longitud) del residual tipificado corregido de cada clase de condición respecto a cada tipo de cubierta. Los casos no
MFE1000 BAJO REND BASAL DEGRAD PRO D BAJA BIO PRO D ALTA BIO MADURO DE REFERENCIA ALTO REND
Matorral arbustivo (3-7m) en clima mas húmedo
Rodales, pies dispersos. Pred. agrícola en clima más húmedo
Rodales en cultivos. Arboles del TCE en clima más húmedo
Matorral medio (0.5-1.5m) en clima mas húmedo
Matorral bajo (5-50cm) en clima más húmedo
Prado o herbazal vivaz bajo en clima mas húmedo
Matorral arbustivo (3-7m) en clima más seco
Rodales, pies dispersos. Pred agrícola en clima más seco
Arbustos sobre cultivos en clima más seco
Rodales en cultivos. Arboles del TCE en clima más seco
Repoblacion de coníferas exóticas en clima más seco
Matorral subarbustivo (1.5-3m) en clima más seco
Repoblación de frondosas exóticas en clima más seco
Dist adehesada (5-35%) en clima más seco
Árboles dispersos (<5%) sobre cultivos en climas más secos
Lastonar en clima más seco
Matorral medio (0.5-1.5m) en clima más seco
Matorral bajo (5-50cm) en clima más seco
Reforest. con frondosas y coníf exóticas en clima más seco
Prado o herbazal vivaz bajo en clima más seco
Bosque. Arboleda
Zonas agrícolas puras
Mosaicos forestal-agrícolas
Página 47 de 78
Tabla 5.5. Asociación entre tendencias de condición de la tierra y tipos detallados (Sobrecolor) de cubierta vegetal en España peninsular. Las barras representan el signo
positivo (azul) o negativo (rojo), y la magnitud (longitud) del residual tipificado corregido de cada clase de condición respecto a cada tipo de cubierta. Los casos no
MFE1000 DEGRADÁNDO SE FLUCTUANDO AUMENTANDO ESTÁTICA

Matorral arbustivo (3-7m) en clima mas húmedo
Rodales, pies dispersos. Pred. agrícola en clima más húmedo
Rodales en cultivos. Arboles del TCE en clima más húmedo
Matorral medio (0.5-1.5m) en clima mas húmedo
Matorral bajo (5-50cm) en clima más húmedo
Prado o herbazal vivaz bajo en clima mas húmedo
Matorral arbustivo (3-7m) en clima más seco
Rodales, pies dispersos. Pred agrícola en clima más seco
Arbustos sobre cultivos en clima más seco
Rodales en cultivos. Arboles del TCE en clima más seco
Repoblacion de coníferas exóticas en clima más seco
Repoblación de frondosas exóticas en clima más seco
Dist adehesada (5-35%) en clima más seco
Árboles dispersos (<5%) sobre cultivos en climas más secos
Lastonar en clima más seco
Reforest. con frondosas y coníf exóticas en clima más seco
Prado o herbazal vivaz bajo en clima más seco
Bosque. Arboleda
Página 48 de 78
Tabla 5.6. Asociación entre estados de condición de la tierra y tipos detallados (Sobrecolor) de cubierta vegetal en Baleares. Las barras representan el signo positivo
(azul) o negativo (rojo), y la magnitud (longitud) del residual tipificado corregido de cada clase de condición respecto a cada tipo de cubierta. Los casos no significativos
están en blanco.
Matorral subarbustivo-arbustivo (1.5-7 m) en clima más seco
Matorral bajo-medio (<1.5m) en clima más seco
Bosque. Arboleda
Tabla 5.7. Asociación entre tendencias de condición de la tierra y tipos detallados (Sobrecolor) de cubierta vegetal en Baleares. Las barras representan el signo positivo
están en blanco.

Matorral subarbustivo-arbustivo (1.5-7 m) en clima más seco
Matorral bajo-medio (<1.5m) en clima más seco
Bosque. Arboleda
Página 49 de 78
Tabla 5.8. Asociación entre estados de condición de la tierra y tipos detallados (Sobrecolor) de cubierta vegetal en Canarias. Las barras representan el signo positivo
están en blanco.
Matorral medio, subarbustivo y arbustivo en clima más humedo
Cultivos con rodales y/o arboles TCE e en clima mas humedo
Matorral subarbustivo (1.5-3m) intrazonal
Matorral bajo y medio (<1.5m) intrazonal
Lavas recientes intrazonales
Cultivos con rodales y pies dispersos (<5%) en clima mas seco
Mosaico de matorral y cultivo en clima más seco
Matorral medio con herbazal terofítico en clima más seco
Bosque. Arboleda
Tabla 5.9. Asociación entre tendencias de condición de la tierra y tipos detallados (Sobrecolor) de cubierta vegetal en Canarias. Las barras representan el signo positivo
están en blanco.
Matorral medio, subarbustivo y arbustivo en clima más humedo
Cultivos con rodales y/o arboles TCE e en clima mas humedo
Matorral subarbustivo (1.5-3m) intrazonal
Matorral bajo y medio (<1.5m) intrazonal
Lavas recientes intrazonales
Cultivos con rodales y pies dispersos (<5%) en clima mas seco
Mosaico de matorral y cultivo en clima más seco
Matorral medio con herbazal terofítico en clima más seco
Bosque. Arboleda
Página 50 de 78
5.4. Discusión y conclusiones
El objetivo principal de relacionar el Mapa de Condición de la Tierra con una síntesis del
Mapa Forestal de España (MFE1000) fue obtener caracterizaciones fisionómicas de las
cubiertas vegetales que se asocian normalmente con las clases de condición. En este sentido,
la información contenida en el MFE1000 ha tenido gran relevancia, ya que permitió dividir el
territorio en unidades disjuntas descritas en términos de vegetación, y no de flora o usos del
suelo. Además, dichas unidades representan clases y no descripciones individuales de cada
mancha, lo que permitió el uso de contrastes estadísticos para establecer las relaciones
detectadas.
Los resultados obtenidos tienen un uso inmediato como clave para interpretar con
propiedad consultas hechas al mapa de condición. Así, cuando se examine la frecuencia de
clases de condición en cierto ámbito, sea el estado español o una comunidad autónoma, será
posible discernir cómo es la vegetación que se encuentra asociada a cada clase. Ello elimina
incertidumbres y suposiciones, y permite un uso operativo del mapa de condición. El objetivo
principal puede, por tanto, considerarse cumplido.
Además, el MFE1000 es un producto independiente que ha movilizado grandes esfuerzos

para dotarlo de interpretación y validación propias. Creemos que a causa de ello, el ejercicio
realizado aquí tiene dos beneficios adicionales que no eran completamente previsibles.
El primero es una validación adicional del mapa de condición de la tierra. En todos los
análisis realizados, la ordenación de las formaciones vegetales que han sido determinadas para
cada estado de condición, según la escala de explotación-madurez implicada en 2dRUE,
conduce a series de vegetación explicables en términos evolutivos de una sucesión ecológica.
Dos ejemplos. Primero, en el análisis realizado examinando tipos detallados de vegetación

en Canarias (Sección 5.3.3), los estados de Anomalías de bajo rendimiento y Basal resultan
asociados con vegetación intrazonal cuyos factores limitantes son configuraciones físico-
químicas locales y no el clima. A partir de ellas, se observa un incremento en porte,
complejidad y densidad de las formaciones asociadas a Degradado (matorral bajo) hasta
Referencia (bosques y arboledas). Más allá de la escala, las Anomalías de alto rendimiento
aparecen asociadas a mosaicos forestal-agrícolas, que constituyen un tipo dominante de
agricultura en ese territorio y reciben por ello esfuerzo y agua suplementarios para mantener
su productividad. Naturalmente, hay tipos de vegetación que aparecen varias veces dentro de
dicha ordenación, pero el patrón sigue siendo cierto. De manera más general, el segundo
ejemplo concierne a todo el estado español con tipos mucho menos detallados de vegetación
(Sección 4.1). De nuevo, el patrón de una sucesión lineal idealizada se encuentra tras los tipos
de vegetación asociados. En este nivel no se consideró la vegetación intrazonal, y en general la
agricultura se sitúa en las clases más simplificadas, pero distinguiéndose del estado
Degradado. Esto tiene sentido en términos ecológicos, y confirma la validación suplementaria
del mapa de condición basada en el MFE1000.
El segundo beneficio es que, tratándose de dos productos independientes con sus propias
validaciones, la interpretación hecha hasta ahora puede invertirse. Es decir, los tipos de
vegetación contenidos en el MFE1000 pueden ser examinados en términos de condición. El
mejor ejemplo son los bosques y arboledas, los cuales aparecen siempre con asociación
mayoritaria a estados Maduro o de Referencia, pero también aparecen bajo estados diversos
Página 51 de 78
de mayor degradación, lo que confirma que muchos de ellos no están en condición óptima o
no dan el rendimiento esperado (por ejemplo, repoblaciones con frondosas exóticas en clima
más seco de España peninsular, Sección 4.3.1). Probablemente el uso de las tendencias resulta
especialmente útil aquí. Así, hay bosques que resultan Degradándose en varios análisis,
probablemente a causa de incendios forestales ocurridos en la segunda mitad del período, y
formaciones adehesadas que están mayoritariamente Fluctuando o Estáticas (Sección 4.3.1), lo
que sugiere problemas de regeneración. Esta aproximación es extraordinariamente útil, pero
excede el ámbito temático de esta memoria y no será desarrollada aquí.
Página 52 de 78
6. Resultados
6.1. Continuidad de la serie temporal de NDVI
La Figura 6.1 y la Tabla 6.1 muestran la fiabilidad del mapa para las tres aplicaciones
realizadas, tras aplicar la solución técnica descrita en la Sección 3.4. El impacto de la solución
es importante, extendiendo la capacidad diagnóstica a todo el territorio sin alterar los
resultados obtenidos para las zonas con serie temporal continua. El índice de fiabilidad
permite graduar la confianza depositada en los valores.
Figura 6.1. Fiabilidad del Mapa de Condición de la Tierra (2000-2010) según huecos en la serie
temporal SPOT-Vegetation S1. Datos en porcentaje de cobertura durante el período de referencia.
Sistemas de referencia EPSG 25830 (Península y Baleares) y EPSG 4083 (Canarias). Las escalas relativas
son aproximadas.
Página 53 de 78
Tabla 6.1. Distribución de la fiabilidad del análisis en España, por aplicaciones territoriales. Los
valores de superficie proceden de corregir los píxeles asociados según su latitud.
Aplicación Intervalo Nº píxeles Nº píxeles Superficie Superficie

2
de fiabilidad f acumulados (km ) acumulada
2
(km )
Península 0 < f < 20 0 0 0 0
20 ≤ f < 40 21 21 15 15
40 ≤ f < 60 1571 1592 1160 1175
60 ≤ f < 80 2732 4324 2022 3197
80 ≤ f < 100 41945 46269 31019 34216
f = 100 599962 646231 457755 491970
Baleares 0 < f < 20 0 0 0 0
20 ≤ f < 40 0 0 0 0
40 ≤ f < 60 0 0 0 0
60 ≤ f < 80 0 0 0 0
80 ≤ f < 100 43 43 33 33
f = 100 6410 6453 4941 4974
Canarias 0 < f < 20 0 0 0 0
20 ≤ f < 40 0 0 0 0
40 ≤ f < 60 0 0 0 0
60 ≤ f < 80 0 0 0 0
80 ≤ f < 100 691 691 608 608
f = 100 7787 8478 6855 7463
El procedimiento permite recuperar casi 32000 km2 (Figura 6.1). La aplicación peninsular
fue la más compleja, presentando la mayor incidencia de casos con baja fiabilidad. Su
distribución confirma que las áreas montañosas son las más problemáticas, debido a la
presencia frecuente de nubes y/o nieve. Las mayores cantidades de huecos se presentan en los
Pirineos y Sierra Nevada y, en menor medida, en la Cordillera Cantábrica y Sistemas Ibérico y
Central. No obstante, no existen píxeles con fiabilidad inferior al 20%, menos del 0.01% de los
píxeles presenta una fiabilidad inferior al 80%, y el 92.84% de los píxeles tiene una fiabilidad
del 100%.
En el caso de Baleares, la fiabilidad es muy alta y sólo presenta incidencias en el 0.7% de

los píxeles, siempre por encima del 80%. La mayoría de ellos se encuentra en la Sierra de
Tramontana.
Las Islas Canarias presentaron huecos en el 8.2% de los píxeles, aunque la fiabilidad en
ningún caso es inferior al 80%. Estas incidencias afectan a casi todas las islas con la notable
excepción de La Gomera, y en general están asociadas a zonas de topografía abrupta y
elevada.
6.2. Dominio CNULD
Las definiciones de CNULD sobre desertificación y degradación de tierras incluyen una

referencia precisa a ‘áreas áridas, semiáridas y sub-húmedo secas’, el conjunto de las cuales es
considerado como el dominio climático donde opera la desertificación. Esas denominaciones
obedecen a una clasificación por intervalos irregulares del índice de aridez usado por
Página 54 de 78
FAO/UNEP (UNEP, 1992), que se formula como la razón entre precipitación y

evapotranspiración potencial.
El archivo climático sobre el que se apoya el Mapa de Condición de la Tierra contiene todas
las variables necesarias para calcular ese índice de aridez (Secciones 2.2 y 3.1), lo que permite
una identificación operativa del dominio CNULD en España durante el período de estudio
(Figura 6.2 y Tabla 6.2), sin perjuicio de la que pueda derivarse oficialmente por otros
organismos como la Agencia Estatal de Meteorología.
Figura 6.2. Zonas de aridez FAO/UNEP en España (2000-2010). Sistemas de referencia EPSG 25830
(Península y Baleares) y EPSG 4083 (Canarias). Las escalas relativas son aproximadas.
Página 55 de 78
Tabla 6.2. Distribución de zonas de aridez FAO/UNEP por comunidades autónomas en España
2
(2000-2010). Datos en km y en porcentaje respecto a la superficie total.
Sub- Sub- Total

húmedo húmedo dominio
NUTS-2 Comunidad Árido Semiárido seco húmedo Húmedo CNULD Total
11 Galicia 0 0 2 238 29,326 2 29,566
12 Asturias 0 0 0 0 10,579 0 10,579
13 Cantabria 0 0 0 128 5,173 0 5,301
21 País Vasco 0 111 309 218 6,525 420 7,163
22 Navarra 0 3,159 1,065 615 5,525 4,224 10,364
23 La Rioja 0 2,111 903 363 1,678 3,014 5,055
24 Aragón 0 32,320 5,729 2,502 7,160 38,049 47,711
30 Madrid 0 5,898 1,299 258 558 7,197 8,013
41 Castilla y León 0 45,092 19,373 7,972 21,735 64,465 94,172
42 Castilla – La Mancha 0 62,720 12,331 2,442 1,952 75,051 79,445
43 Extremadura 0 29,353 8,244 1,799 2,258 37,597 41,654
51 Cataluña 0 13,546 8,972 2,806 6,781 22,518 32,105
52 Valencia 0 13,450 6,999 1,791 1,043 20,449 23,283
53 Baleares 0 1,270 2,110 766 690 3,380 4,836
61 Andalucía 91 59,944 18,681 4,128 4,671 78,716 87,515
62 Murcia 0 11,252 48 3 0 11,300 11,303
70 Canarias 2,580 2,498 1,194 411 744 6,272 7,427
Total 2,671 282,724 87,259 26,440 106,398 372,654 505,492
Total (%) 0.53% 55.93% 17.26% 5.23% 21.05% 73.72%
Los datos de la Tabla 6.2 están condicionados por la resolución espacial y proyección a los
sistemas de referencia finales de las diferentes capas de datos necesarios para extraerlos (la
última columna puede servir de control sobre este problema mediante su comparación con las
cifras oficiales de superficie de cada comunidad autónoma). No obstante, dan una idea
bastante precisa de la extensión del dominio potencial climático para la desertificación en
España.
En conjunto, el 74% del territorio español es susceptible de desertificación por razones

climáticas. La clase más frecuente es el Semiárido (56% del total), debido a su extensión por
ambas mesetas y las principales depresiones tectónicas de la Península. El Sub-húmedo seco
(17%) forma, en general, estrechas bandas de transición en las estribaciones de las principales
cadenas montañosas de la Península, y también se encuentra en niveles culminares del
archipiélago canario. El Árido apenas penetra en la Península por el sureste, donde da lugar a
la zona más árida del continente europeo, pero se encuentra ampliamente distribuido por el
oriente de Canarias. Aun así, ocupa menos del 1% del territorio.
La relación entre zonas de aridez y mesoformas de relieve no es trivial por dos razones.
Primera, las zonas donde domina el clima Semiárido en España tienden a ser llanas y continuas
en el espacio, lo ha favorecido históricamente su ocupación humana. Y segunda, los
ecosistemas y poblaciones de zonas semiáridas son los más vulnerables a la pérdida de
servicios ecológicos. Esto es debido a encontrarse justo en medio del gradiente de aridez,
donde tanto la presión humana como la sensibilidad a la degradación ecológica alcanzan
valores intermedios pero operan en sinergia (Safriel and Adeel, 2005). Eso, respecto a los
promedios. En cuanto a variabilidad climática, las pendientes suaves y extensas donde se
encuentra el semiárido español son susceptibles de acusarla en gran medida debido al peso
que tiene la altitud en las variables que controlan la aridez.
Las comunidades autónomas que tienen mayor superficie potencialmente afectada por
desertificación son, por orden, Andalucía, Castilla – La Mancha y Castilla y León, que también
tienen la mayor extensión de Semiárido. Todas ellas son relativamente grandes y sus límites
comprenden una variedad de ambientes y paisajes, entre los que las áreas potencialmente
Página 56 de 78
afectadas son, sin embargo, dominantes. Pero en términos relativos, las comunidades
autónomas con mayor susceptibilidad climática a la desertificación son, por orden, Murcia
(prácticamente el 100% se encuentra en el dominio CNULD), Castilla – La Mancha (95%) y
Extremadura (90%).
6.3. Variación del RUE observado frente a la aridez
2dRUE fue ejecutado en tres aplicaciones territoriales para mantener la coherencia en las
respuestas de la vegetación dentro de ambientes dispares: el continental (España peninsular) y
los insulares (Baleares y Canarias). La Figura 6.2 muestra el grafico de dispersión entre los RUE
observados medio y extremo y sus correspondientes índices de aridez. Estos datos son los
usados para definir la componente de Estados. Los RUE relativos fueron calculados
respectivamente usando las funciones mostradas (ver también Tabla 6.3). Posteriormente, las
clases básicas de estados (ABR, BA, RANGO, REF y AAR en la Figura 6.3) fueron definidas
usando los intervalos de confianza de las funciones aplicadas al RUE medio (Figura 6.2, izda.).
Finalmente, la clase central fue subdividida según umbrales de biomasa (RUE relativo medio) y
productividad (RUE relativo extremo). Los umbrales para ello se corresponden con las
respectivas medianas del RUE relativo a través de esta clase.
En este proceso, no fue posible realizar un ajuste propio para Baleares, debido a que su
pequeño tamaño resultaba en pocos puntos a la resolución de trabajo, lo que daba lugar a una
gran dispersión. Por ello, las funciones envolventes ajustadas para España peninsular fueron
aplicadas en este caso.
Los resultados experimentales muestran un incremento logarítmico del RUE medio sobre
la Aridez. Este incremento es muy rápido en áreas húmedas y sub-húmedas, se aplana en la
zona sub-húmedo seca, para finalmente pasar a ser lineal en el semiárido y árido. Este
resultado es consistente con el encontrado por (Huxman et al., 2004) sobre la convergencia a
un RUE común máximo a través de diferentes biomas en periodos secos.
Página 57 de 78
a) España peninsular
.6 6
AAR
.5
REF 5
.4 4
RANG
.3
O BA 3
.2 ABR 2
.1 1
0.0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6 7 8 9 10
b) Baleares
.6 6
.5
AAR 5
REF
.4 4
.3 RANGO BA 3
.2 2
ABR
.1 1
0.0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6 7 8 9 10
c) Canarias
1.0 14
.9
12
.8 AAR
.7 REF 10
.6
8
.5 RANGO
BA 6
.4
.3
ABR 4
.2
2
.1
0.0 0
0 5 10 15 20 0 10 20 30 40 50
Figura 6.3. Eficiencia en el Uso de la Lluvia (RUE) en España (2000-2010), calculada como la media
interanual de todo el período (izquierda), y para el período de 6 meses antecedente al mes en que se
detectó el máximo NDVI de cada localización (derecha). Las funciones envolventes ajustadas a las nubes
de puntos de RUE observado frente a aridez (izquierda: RUEOBS_me vs. AIOBS_me ; derecha: RUEOBS_ex vs.
AIOBS_ex) definen los límites potenciales del RUE esperado para un nivel de aridez dado. Solo se usaron
localizaciones que reciben toda su agua en forma de precipitación. El RUE relativo se calcula entonces
para cada localización del área de estudio como la posición del RUE observado respecto a dichos límites.
Los intervalos de confianza de las funciones de contorno definen los cinco estados básicos: Anomalía de
bajo rendimiento (ABR), Basal (BA), Rango, Referencia (REF) y Anomalía de alto rendimiento (AAR). El
Rango es posteriormente subdividido según las medianas de los RUE relativos correspondientes.
Página 58 de 78
Tabla 6.3. Parámetros de las funciones envolventes ajustadas a los percentiles inferior y superior de
RUE observado sobre aridez. RUEEXP_me_P%: RUE medio esperado para el percentil P% ; RUEEXP_ex_P%: RUE
extremo esperado para el percentil P% ; AIOBS_me: índice de aridez medio observado; AIOBS_ex: índice de
aridez extremo observado; p: significación del ajuste.
Aplicación Y X Modelo b0 b1 p
España peninsular, RUEEXP_me_05% AIOBS_me Y=b0+b1·ln(X) 0.1545 0.0926 <10E-4
Baleares RUEEXP_me_95% AIOBS_me Y=b0+b1·ln(X) 0.2351 0.1544 <10E-4
RUEEXP_ex_05% AIOBS_ex Y=b0+b1∙X 0.2006 0.1279 <10E-4
Canarias RUEEXP_me_10% AIOBS_me Y=b0+b1·ln(X) 0.0910 0.1333 <10E-4
RUEEXP_me_90% AIOBS_me Y=b0+b1·ln(X) 0.2320 0.1748 <10E-4
6.4. Condición de la tierra en España
La Figura 6.4 muestra el mapa de condición de la tierra. Las consultas y contrastes que
pueden derivarse de él son complejas, por lo que serán abordadas por pasos sucesivos:
distribución de estados, distribución de tendencias, y relaciones entre estados y tendencias.
Figura 6.4. Condición de la tierra en España (2000-2010). Sistemas de referencia EPSG 25830
(Península y Baleares) y EPSG 4083 (Canarias). Las escalas relativas son aproximadas.
Página 59 de 78
6.4.1. Estados
El 20% del territorio español se encuentra Degradado, con valores relativamente bajos
tanto de productividad como de biomasa (Tabla 6.4). Un 30% adicional es terreno Productivo
con baja biomasa. En el extremo opuesto, los estados de mayor grado de madurez ecológica
(Productivo con alta biomasa, Maduro y Referencia) suman conjuntamente sólo el 30%. Estas
cantidades se encuentran hasta cierto punto condicionadas por el método estadístico asociado
al 2dRUE, pero: i) el procedimiento es simétrico en su detección de estados; y ii) ese control es
inicial y se diluye considerablemente durante todo el proceso de valoración. Por ello, cabe
concluir que los estados simplificados, o simplemente degradados en sentido amplio, son
claramente dominantes.
Esa conclusión inicial se ve reforzada por la asimetría en la distribución de anomalías. Las

Anomalías de alto rendimiento ocupan un 2% del territorio, como cabría esperar de valores
atípicos que son. En general, se trata de ecosistemas que reciben agua procedente de otras
fuentes que la precipitación, como por ejemplo cultivos en regadío. Sin embargo, las
Anomalías de bajo rendimiento alcanzan el 14%. En este caso, suele tratarse de ecosistemas
extraordinariamente simplificados, bien por explotación agrícola o por encontrarse en estados
terminales de degradación.
Tabla 6.4. Distribución de estados de condición de la tierra en España por comunidades autónomas
2
(2000-2010). Datos en km y en porcentaje respecto a la superficie total. Las celdas resaltadas en azul
indican residuales positivos significativos en un análisis de chi-cuadrado realizado con una muestra
aleatoria-estratificada de puntos ( = 66583.186, d.f. = 112, N = 131502, p < 10E-3).
2
Anom. Product. Product. Anom.

bajo baja alta alto
Comunidad rendim. Basal Degrad. biomasa biomasa Maduro Referen. rendim. Total
Galicia 336 494 10,865 1,649 1,894 11,025 3,198 105 29,566
Asturias 38 31 789 164 2,275 4,410 2,532 340 10,579
Cantabria 33 26 404 109 1,845 2,141 559 184 5,301
País Vasco 207 216 626 765 1,842 2,335 1,142 30 7,163
Navarra 588 348 968 3,916 1,272 2,469 698 105 10,364
La Rioja 91 108 599 2,233 1,552 265 132 75 5,055
Aragón 6,496 2,351 5,594 18,237 7,888 3,392 1,185 2,568 47,711
Madrid 1,174 422 598 3,308 1,987 467 42 15 8,013
Castilla y León 4,840 2,925 10,791 48,025 18,712 6,101 1,601 1,177 94,172
Castilla–La Mancha 23,337 5,674 10,937 27,386 6,225 5,745 121 20 79,445
Extremadura 2,165 1,079 10,667 20,384 4,693 2,642 15 9 41,654
Cataluña 607 213 3,628 4,563 11,954 5,901 2,081 3,158 32,105
Valencia 2,995 911 9,383 2,425 2,735 4,220 264 350 23,283
Baleares 334 166 1,283 951 1,320 713 40 29 4,836
Andalucía 26,951 5,686 26,742 17,409 5,081 4,626 461 559 87,515
Murcia 1,118 690 4,193 1,403 1,067 2,228 270 334 11,303
Canarias 332 1,258 1,004 1,006 1,412 762 1,288 365 7,427
Total 71,642 22,598 99,071 153,933 73,754 59,442 15,629 9,423 505,492
Total (%) 14% 4% 20% 30% 15% 12% 3% 2% 100%
La exposición de resultados por comunidades autónomas puede facilitarse identificando

los estados que muestran asociación positiva para cada una de ellas (Tabla 6.4, cantidades en
azul; ver también Mapa de Estados en el Anejo Cartográfico). Dichas asociaciones se
interpretan como desviaciones respecto a la frecuencia que el estado en cuestión tendría en
esa comunidad autónoma si sólo dependiese proporcionalmente de su frecuencia en toda
Página 60 de 78
España y de la extensión de la comunidad. En breve, los números en azul indican

combinaciones que son más frecuentes o extensas de lo que cabría esperar por puro azar,
mientras que los números en negro reflejan justo lo contrario.
Además, la interpretación de estos resultados se hace a la luz de las relaciones

encontradas entre el mapa de condición y el MFE1000, especialmente en el nivel de
comunidades autónomas (Sección 5.2).
Las comunidades del noroeste peninsular (Galicia, Asturias y Cantabria) siguen un patrón
común, que se define por la prevalencia de estados ecológicos avanzados excepto en el caso
de Galicia, que es la única en la zona norte que muestra una presencia significativa del estado
Degradado, el cual afecta a vegetación forestal mayor de 7 m. Este patrón continúa hacia el
noreste (País Vasco, Navarra, La Rioja y Aragón) con una presencia significativa pero
decreciente de los estados Maduro y de Referencia y aumento de peso de los estados
Productivos, así como con Anomalías de alto rendimiento, que en Aragón están claramente
vinculadas a regadíos. Aragón, además, tiene extensiones considerables en estado Basal,
asociadas con vegetación agrícola y probablemente relacionadas con regadíos en declive o
abandonados.
El centro peninsular (Castilla y León, Castilla – Mancha y Extremadura) carece de

asociación con los estados Maduro y de Referencia. De ellas, sólo Castilla y León muestran
abundancia de terrenos Productivos con alta biomasa, que se relacionan con vegetación
forestal mayor de 7 m. Castilla – La Mancha tiene extensiones importantes de Productivo con
baja biomasa relacionadas con vegetación natural de menos de 7 m, y de estados Basal y
Anomalías de bajo rendimiento. Estos dos últimos siempre ocurren en vegetación agrícola y
por tanto cabe suponer que están relacionados con regadíos y sus abandonos sucesivos. El
caso de Extremadura refleja usos más extensivos, que se asocian con estados Productivo de
baja biomasa y Degradado. Resulta particularmente llamativa la falta de asociación con
estados más evolucionados en esta comunidad.
La zona este (Cataluña, Valencia y Baleares) es heterogénea. Cataluña muestra una

inclinación significativa hacia los estados de mayor madurez y rendimiento: Productivo de alta
biomasa, Maduro y Referencia están allí asociados con vegetación forestal de porte creciente,
mientras que las Anomalías de alto rendimiento lo están con vegetación agrícola intensamente
manejada. Sin embargo, tanto Valencia como Baleares tienen extensiones significativas de
terrenos en el rango de Degradados a Maduros, lo que refleja combinaciones entre vegetación
natural y mosaicos de uso y abandono.
El sur peninsular (Andalucía y Murcia) es extraordinariamente heterogéneo. Andalucía

exhibe un claro sesgo hacia tierras degradadas en general, y el nivel más elevado en esta
escala con el que tiene asociación es el Degradado, que afecta sobre todo a vegetación natural
de cualquier porte. Sin embargo, Murcia muestra relaciones de mayor variabilidad, con Basal
(vegetación agrícola) y Degradado (vegetación agrícola y natural de bajo porte) en un extremo,
y Maduro, Referencia y Anomalías de alto rendimiento en el otro, en las cuales la vegetación
forestal mayor de 7 m es frecuente.
Finalmente, Canarias muestra asociaciones positivas en el intervalo de Productivo con alta

biomasa (vegetación agrícola) a Referencia (vegetación forestal mayor de 7 m). También tiene
extensiones relevantes de Anomalía de alto rendimiento, asociadas a vegetación agrícola pura
y mosaicos forestal-agrícolas, y estado Basal, que en gran medida está formado por vegetación
intrazonal ajena a la gestión.
Página 61 de 78
6.4.2. Tendencias
La observación más importante que resulta de inspeccionar las tendencias ecológicas

(Tabla 6.5; ver también Mapa de Tendencias en el Anejo Cartográfico) es la baja incidencia de
terreno que se encuentra Degradándose (1%). Esto es consistente con resultados obtenidos
aplicando el mismo método a otras áreas tales como el Magreb, el Sahel, la Península Ibérica
(1989-2000), NW Brasil y Portugal (1989-2000 y 2000-2011), todos ellos por debajo del 2%. Los
casos más extremos de degradación activa durante la pasada década fueron encontrados en la
IV Región de Chile (4%), Palestina (16%) y Mozambique (19%). Es un resultado razonable, ya
que las tendencias reflejan una tasa de cambio y no el estado final después de que el cambio
se haya estabilizado, lo cual es objeto de la valoración de estados. Una implicación inmediata
de este resultado es que las tierras con esta tendencia son muy limitadas y podrían ser
abordadas inminentemente por políticas de conservación y para este fin, este mapa, puede ser
una herramienta valiosa.
Desde este punto de vista, resulta interesante comprobar que la distribución de esta
tendencia negativa por comunidades autónomas no es aleatoria, a pesar de su baja presencia.
Los casos más significativos aparecen asociados a Madrid, Castilla – La Mancha y Andalucía,
siempre sobre vegetación agrícola y Canarias, que afecta a bosques. Este último caso puede
relacionarse con incendios forestales recientes.
Tabla 6.5. Distribución de tendencias de condición de la tierra en España por comunidades

2
autónomas (2000-2010). Datos en km y en porcentaje respecto a la superficie total. Las celdas
resaltadas en azul indican asociaciones positivas significativas en un análisis de chi-cuadrado realizado
con una muestra aleatoria-estratificada de puntos ( = 36184.134, d.f. = 48, N = 131502, p < 10E-3).
2
Comunidad Degradándose Fluctuando Aumentando Estático Total

Galicia 103 792 18,557 10,114 29,566
Asturias 33 203 5,557 4,786 10,579
Cantabria 17 242 2,438 2,604 5,301
País Vasco 43 1,018 3,389 2,713 7,163
Navarra 46 2,702 3,771 3,845 10,364
La Rioja 4 1,567 1,760 1,724 5,055
Aragón 193 15,270 22,098 10,150 47,711
Madrid 249 3,386 590 3,788 8,013
Castilla y León 213 23,798 19,331 50,830 94,172
Castilla-La Mancha 1,410 30,134 17,042 30,859 79,445
Extremadura 273 21,832 3,085 16,464 41,654
Cataluña 183 6,036 16,234 9,652 32,105
Valencia 139 1,533 20,882 729 23,283
Baleares 6 292 3,840 698 4,836
Andalucía 2,398 25,449 18,517 41,151 87,515
Murcia 74 2,749 8,174 306 11,303
Canarias 527 4,328 810 1,762 7,427
Total 5,911 141,331 166,075 192,175 505,492
Total % 1% 28% 33% 38% 100%
De las tres tendencias posibles, Aumentando es la que, sin embargo, domina en España,
presentándose en un tercio del territorio (33%). En su mayor parte se trata de masas forestales
o vegetación natural evolucionando tras el abandono de tierras que ha experimentado el país
desde su entrada en la Unión Europea. Esta interpretación se aplica directamente a las
comunidades del noroeste. En general, esta tendencia es infrecuente en zonas agrícolas de
cualquier comunidad autónoma.
Página 62 de 78
La tendencia Fluctuando es la siguiente en importancia (28%) y sus asociaciones positivas

se encuentran en comunidades autónomas donde el dominio climático CNULD es importante.
Esta tendencia refleja simplemente respuestas activas de la vegetación a variaciones
interanuales de aridez, y está presente tanto en vegetación natural o seminatural estabilizada
como en cultivos de secano, pero muy raramente en vegetación natural mayor de 7 m de todo
el país.
Si se compara la frecuencia conjunta de tierras con cualquier tendencia significativa con la

de tierras sin tendencia alguna (Estático), las primeras son claramente dominantes (62% frente
a 38%). Ello demuestra que la cubierta vegetal ha sido generalmente responsiva durante el
período analizado, sea a la presión humana o a su evolución natural, y también que el método
es suficientemente sensible como para captar esas respuestas cuando existen. La falta de
tendencias tiene gran importancia territorial no obstante. La causa más inmediata es que el
período puede no haber sido suficientemente largo como para que la vegetación muestre una
tendencia significativa. Pero puede haber otras razones que resulten en una variación lineal
nula, como un crecimiento sucedido por una perturbación abrupta. La amplia distribución de
asociaciones positivas entre Estático y las comunidades autónomas dificulta adicionalmente la
obtención de interpretaciones generales, y por ello este caso no será discutido aquí.
6.4.3. Relaciones entre estados y tendencias
Los estados y tendencias operan sobre el mismo conjunto de datos pero se trata de dos
aproximaciones distintas e independientes. Por ello, resulta interesante preguntarse si existe
relación entre ambos. Para responder, se realizó una prueba de chi cuadrado para todo el
estado Español usando la misma red de muestreo que en casos anteriores (Tabla 6.6).
Tabla 6.6. Asociación entre estados y tendencias de condición de la tierra en España (2000-2010).
2
Datos en km y en porcentaje respecto a la superficie total. Las celdas resaltadas en azul indican
asociaciones positivas significativas en un análisis de chi-cuadrado realizado con una muestra aleatoria-
estratificada de puntos ( = 17380.230, d.f. = 21, N = 131502, p < 10E-3).
2
Anom. Product. Product. Anom.

bajo baja alta alto Total Total
rendim. Basal Degrad. biomasa biomasa Maduro Referen. rendim. km2 %
Degradándose 1,841 447 1,065 1,241 661 320 191 165 5,931 1%
Fluctuando 30,487 8,128 19,679 54,638 19,697 5,659 1,526 1,607 141,421 28%
Aumentando 11,427 4,932 45,601 28,114 30,442 34,443 7,781 3,680 166,420 33%
Estático 28,021 9,124 32,875 70,025 23,050 19,083 6,157 4,025 192,360 38%
Total km2 71,776 22,631 99,220 154,018 73,850 59,505 15,655 9,477 506,132 100%
Total% 14% 4% 20% 30% 15% 12% 3% 2% 100%
El contraste resultó altamente significativo. Los siguientes hechos se derivan de la

interpretación de los residuales (se indican por orden de importancia los principales tipos de
cubierta vegetal asociados según la Tabla 5.4, Sección 5.1):
 La mayor incidencia de ecosistemas Degradándose se da en los estados de Anomalía

de bajo rendimiento y Basal (vegetación agrícola en ambos casos). En menor medida,
esta tendencia también se da en los estados de Referencia (bosques) y Anomalía de
alto rendimiento (vegetación agrícola).
Página 63 de 78
 Es frecuente que los ecosistemas que están Fluctuando se encuentren en estado

Productivo de baja biomasa (vegetación natural de porte bajo o vegetación agrícola),
Anomalía de bajo rendimiento o Basal (ambas, vegetación agrícola). Es relativamente
raro que esta tendencia aparezca en ecosistemas Degradados o Maduros,(en cuyo
caso sería vegetación natural de porte bajo.
 Los ecosistemas Degradados se encuentran frecuentemente Aumentando (bosques),
pero esta tendencia se asocia en conjunto con niveles superiores de madurez
ecológica (Productivo con alta biomasa, Maduro, Referencia y Anomalía de alto
rendimiento), siempre en bosques.
 Por el contrario, la falta de tendencia detectable (Estática) es más frecuente en
ecosistemas simplificados (Productivo con baja biomasa –vegetación natural de porte
bajo y vegetación agrícola-, Anomalías de bajo rendimiento y Basal –vegetación
agrícola en ambos casos-).
Esas relaciones sugieren un territorio con al menos dos dinámicas contrapuestas. Por un
lado, habría extensiones importantes de vegetación agrícola que permanece estática o fluctúa
interanualmente según las lluvias del año, pero que en ningún caso aumenta a lo largo del
tiempo. Este resultado es lógico, y refleja tanto el tipo de cultivo (regadío o secano) como la
explotación de su producción primaria neta. Sin embargo, se aprecia una retroalimentación
positiva peligrosa dentro de los ecosistemas agrícolas, que muestran la mayor incidencia de
degradación activa. Cabe esperar que su resultado sea sistemas agotados e improductivos en
su estado terminal, cuando finalmente son abandonados y quedan con una cubierta vegetal de
porte bajo y en estado ecológicamente inerte. La intensificación creciente de la agricultura y,
en particular, la trayectoria afecta a los regadíos desde su implantación sobre tierras
marginales hasta su retorno a ellas, son puntos calientes de este sistema.
Por otro lado, habría superficies igualmente importantes de vegetación natural, la mayor
parte de la cual ha evolucionado por sucesión ecológica secundaria tras un uso que fue
abandonado por razones más de mercado que ecológicas. Los dos eventos recientes que cabe
relacionar con ello son el éxodo rural experimentado a mediados del siglo pasado, y la entrada
en la Unión Europea. Dicha vegetación aparece con una variedad de tipos de cubierta, pero en
general el proceso de sucesión se muestra activo, como sugiere el hecho de que incluso los
bosques se encuentran acumulando biomasa a lo largo del tiempo. No obstante, se detecta
una cantidad significativa de bosques y otros tipos de vegetación natural degradados en todo
el territorio nacional, especialmente en el sur de la Península.
La cuestión que sigue es hasta qué punto esas dinámicas están conectadas entre sí. Lo han
estado tradicionalmente, cuando casi cualquier terreno aprovechable cumplía ciclos de
explotación y reposo. Esos ciclos eran a veces inherentes a un sistema de uso, como los
barbechos o la alternancia entre viñedos y pinares hecha en el Maresme de Cataluña. Otras
veces estaban asociados a oscilaciones de mercado, como la intensidad y extensión del
pastoreo. Parece que ese sistema declina ahora a favor de trayectorias separadas entre lo
marginal y lo agrícola, lo cual está muy condicionado por factores socio-económicos cada vez
más globales como la Política Agraria Comunitaria de la Unión Europea. De ser así se estaría
debilitando un mecanismo elemental de estabilidad en el paisaje. La misión de este Mapa de
Condición de la Tierra es facilitar la vigilancia de esa evolución.
Página 64 de 78
7. Agradecimientos
El Mapa de Condición de la Tierra en España (2000-2010) ha sido auspiciado por la

Dirección General de Desarrollo Rural y Política Forestal, del Ministerio de Agricultura,
Alimentación y Medio Ambiente. Fue financiado por el contrato de asistencia técnica nº
25.604, suscrito entre Tragsatec, S.A. y la Estación Experimental de Zonas Áridas, del Consejo
Superior de Investigaciones Científicas.
Página 65 de 78
8. Bibliografía
Adeel, Z., Safriel, U., Niemeijer, D., White, R., Kalbermatten, G., Glantz, M., Salem, B.,
Scholes, B., Niamir-Fuller, M., Ehui, S., Yapi-Gnaore, V., 2005. Millenium
Ecosystem Assessment. Ecosystems and Human Well-being: Desertification
Synthesis. World Resources Institute, Washington D.C.
http://www.millenniumassessment.org/documents/document.355.aspx.pdf
(Accessed January 2010).
Albaladejo, J., Martinez-Mena, M., Almagro, M., Ruiz-Navarro, A., Ortiz, R., 2009.
Factores de control en la dinámica del Carbono Orgánico de los suelos de la
Región de Murcia, Congreso Internacional sobre Desertificación, 16-18
septiembre 2009, Murcia.
Bai, Y.F., Wu, J.G., Xing, Q., Pan, Q.M., Huang, J.H., Yang, D.L., Han, X.G., 2008. Primary
production and rain use efficiency across a precipitation gradient on the
Mongolia plateau. Ecology 89, 2140-2153.
Baret, F., Bartholomé, E., Bicheron, P., Borstlap, G., Bydekerke, L., Combal, B., Derwae,
J., Geiger, B., Gontier, E., Gregoire, J.M., Hagolle, O., Jacobs, T., Leroy, M.,
Piccard, I., Samain, O., Van Roey, T., 2006. VGT4Africa user manual. Institute for
Environmental Sustainability, Ispra.
http://www.vgt4africa.org/PublicDocuments/VGT4AFRICA_user_manual.pdf
(Accessed March 2012).
del Barrio, G., Puigdefabregas, J., Sanjuan, M.E., Stellmes, M., Ruiz, A., 2010.
Assessment and monitoring of land condition in the Iberian Peninsula, 1989-
2000. Remote Sensing of Environment 114, 1817-1832.
EEA, 2007. Corine land cover 2000 (CLC2000) seamless vector database. European
Environment Agency, Copenhaguen. http://www.eea.europa.eu/data-and-
maps/data/corine-land-cover-2000-clc2000-seamless-vector-database
Garbulsky, M.F., Paruelo, J.M., 2004. Remote sensing of protected areas to derive
baseline vegetation functioning characteristics. J. Veg. Sci. 15, 711-720.
Glickman, T., 2000. Glossary of Meteorology, 2nd ed. American Meteorological Society,
Boston, p. 855.
Hargreaves, G.H., Samani, Z.A., 1982. Estimating potential evapotranspiration. Journal
of the Irrigation & Drainage Division - ASCE 108, 225-230.
Hein, L., de Ridder, N., 2006. Desertification in the Sahel: a reinterpretation. Glob.
Change Biol. 12, 751-758.
Hutchinson, M.F., 1995. Interpolating mean rainfall using thin-plate smoothing splines.
International Journal of Geographical Information Systems 9, 385-403.
Huxman, T.E., Smith, M.D., Fay, P.A., Knapp, A.K., Shaw, M.R., Loik, M.E., Smith, S.D.,
Tissue, D.T., Zak, J.C., Weltzin, J.F., Pockman, W.T., Sala, O.E., Haddad, B.M.,
Harte, J., Koch, G.W., Schwinning, S., Small, E.E., Williams, D.G., 2004.
Convergence across biomes to a common rain-use efficiency. Nature 429, 651-
654.
Jarvis, C.H., Stuart, N., 2001. A comparison among strategies of interpolating maximum
and minimum daily air temperatures. Part I: The selection of "guiding"
topographic and land cover variables. Journal of applied meteorology 40, 1060-
1074.
Página 66 de 78
Jobbagy, E.G., Jackson, R.B., 2000. The Vertical Distribution of Soil Organic Carbon and
Its Relation to Climate and Vegetation. Ecological Applications 10, 423-436.
Jobbagy, E.G., Sala, O.E., Paruelo, J.M., 2002. Patterns and controls of primary
production in the Patagonian steppe: A remote sensing approach. Ecology 83,
307-319.
Jones, R.J.A., Hiederer, R., Rusco, E., Loveland, P.J., Montanarella, L., 2004. The map of
organic carbon in topsoils in Europe, Version 1.2, September 2003: Explanation
of Special Publication Ispra 2004 No.72 (S.P.I.04.72). Report No.17 (EUR 21209
EN)
European Soil Bureau Research, Luxembourg.
LADA, 2006. Land Degradation Assessment in Drylands. LADA Secretariat, FAO, Rome.
http://www.fao.org/nr/lada/ (Accessed January 2010).
LeHouerou, H.N., 1984. Rain Use Efficiency - A unifying concept in arid-land ecology. J.
Arid. Environ. 7, 213-247.
Oldeman, L.R., Hakkeling, R.T.A., Sombroek, W.G., 1991. World map of the status of
human-induced soil degradation: an explanatory note. Global Assessment of
Soil Degradation (GLASOD). International Soil Reference and Information
Centre / UNEP, Wageningen.
http://www.isric.org/UK/About+ISRIC/Projects/Track+Record/GLASOD.htm
Orr, B.J., 2011. Scientific review of the UNCCD provisionally accepted set of impact
indicators to measure the implementation of strategic objectives 1, 2 and 3.
White Paper - Version 1. Office of Arid Lands Studies, University of Arizona,
Tucson. http://www.unccd.int/en/programmes/Science/Monitoring-
Assessment/Pages/Workshop-Indicator-Refinement.aspx (Accessed February
2012).
Pickup, G., 1996. Estimating the effects of land degradation and rainfall variation on
productivity in rangelands: An approach using remote sensing and models of
grazing and herbage dynamics. Journal of Applied Ecology 33, 819-832.
Pickup, G., Bastin, G.N., Chewings, V.H., 1994. Remote-sensing-based condition
assessment for nonequilibrium rangelands under large-scale commercial
grazing. Ecological Applications 4, 497-517.
Pickup, G., Bastin, G.N., Chewings, V.H., 1998. Identifying trends in land degradation in
non-equilibrium rangelands. Journal of Applied Ecology 35, 365-377.
Pinto, J.M.L., 2012. Dehesas y paisajes adehesados en Castilla y León. Revista de
Geografía 21, 179-203.
Prince, S.D., De Colstoun, E.B., Kravitz, L.L., 1998. Evidence from rain-use efficiencies
does not indicate extensive Sahelian desertification. Glob. Change Biol. 4, 359-
374.
Prince, S.D., Wessels, K.J., Tucker, C.J., Nicholson, S.E., 2007. Desertification in the
Sahel: a reinterpretation of a reinterpretation. Glob. Change Biol. 13, 1308-
1313.
Pulido, F., Picardo, A., 2010. Libro Verde de la Dehesa. Universidad de Cordoba,
Cordoba.
http://www.uco.es/integraldehesa/images/stories/doc/Jornadas/libro_verde_
dehesa.pdf (Acceso junio 2010).
Página 67 de 78
Rodriguez-Murillo, J.C., 2001. Organic carbon content under different types of land use
and soil in peninsular Spain. Biology and Fertility of Soils 33, 53-61.
Ruiz, A., Sanjuan, M.E., del Barrio, G., Puigdefabregas, J., 2011. r2dRue: 2d Rain Use
Efficience library, version 1.03. R package. Comprehensive R Archive Network.
http://CRAN.R-project.org/package=r2dRue (Accessed February 2012).
Ruiz de la Torre, J., 2002. Memoria del Mapa Forestal de España a escala 1:1000000.
Ministerio de Medio Ambiente, Madrid.
Safriel, U., Adeel, Z., 2005. Dryland Systems, in: Hassan, R.M., Scholes, R., Ash, N.
(Eds.), Ecosystems and Human Well-Being: Current State and Trends: Findings
of the Condition and Trends Working Group. Island Press, pp. 625-662.
Sanjuan, M.E., Ruiz, A., del Barrio, G., 2012. The 2dRUE tool for assessment and
monitoring of land cover status. Estacion Experimental de Zonas Aridas (CSIC).
http://www.eeza.csic.es/eeza/g_geo/videogeo.htm (Accessed March 2012).
Siegel, S., Castellan, N.J., 1988. Nonparametric Statistics for the Behavioural Sciences,
2nd ed. McGraw-Hill, Boston.
Sokal, R.R., Rohlf, F.J., 1995. Biometry, 3 ed. W.H. Freeman and Co., New York.
Tucker, C.J., 1979. Red and photographic infrared linear combinations for monitoring
vegetation. Remote Sensing of Environment 8, 127–150.
Tucker, C.J., Justice, C.O., Prince, S.D., 1986. Monitoring the grasslands of the Sahel
1984-1985. Int. J. Remote Sens. 7, 1571-1581.
UNEP, 1992. World Atlas of Desertification, 2 ed. UNEP, Nairobi.
VITO, 1998. Free VEGETATION distribution site. VITO NV, Belgium.
http://free.vgt.vito.be/ (Accessed March 2012).
Página 68 de 78
9. Cartografía
Este informe se entrega junto con una versión completa y estable del mapa de condición
de la tierra en España. Aunque se han manejado tres áreas de estudio de manera
independiente (territorio peninsular, archipiélago balear y archipiélago canario), la entrega de
mapas en formato digital sigue las especificaciones del Real Decreto 1071/2007. Para ello las
tres áreas han sido agrupadas en dos lotes:
 El territorio peninsular y Baleares forman un lote único. Sus sistemas de referencia son
coordenadas geodésicas sin proyectar (código EPSG 4326), y proyección UTM Huso 30
en el sistema ETRS89 (código EPSG 25830).
 Canarias se entrega en un lote diferente, con sistemas de referencia de coordenadas
geodésicas sin proyectar (código EPSG 4326), y proyección UTM Huso 28 en el sistema
REGCAN95 (código EPSG 4083).
Puede apreciarse que, en ambos lotes, las coordenadas proyectadas se han transformado
a un solo Huso UTM (30 para península y Baleares, 28 para Canarias) con objeto de mantener
el territorio correspondiente en una única capa.
Las imágenes en coordenadas geodésicas prevalecen en todos los casos si se detecta una
inconsistencia con los datos proyectados correspondientes.
Todas las imágenes están en formato GeoTIFF (.tif) junto con su fichero de georeferencia
(.tfw) con objeto de facilitar la importación y preservar la paleta de color.
Página 69 de 78
9.1. Descripción de los sistemas de referencia
EPSG: 4326
ref. system : Geodetic Coordinates (Latitude/Longitude)
projection : none
datum : WGS 1984
delta WGS84 : 0 0 0
ellipsoid : WGS84
major s-ax : 6378137.000
minor s-ax : 6356752.314
origin long : 0
origin lat : 0
origin X : 0
origin Y : 0
scale fac : 1.0
units : deg
parameters : 0
EPSG: 25830
ref. system : ETRS89 / UTM zone 30N
projection : Transverse Mercator
datum : European_Terrestrial_Reference_System_1989
delta WGS84 : 0 0 0
ellipsoid : GRS 1980
major s-ax : 6378137.000
minor s-ax : 6356752.314
origin long : -3
origin lat : 0
origin X : 500000
origin Y : 0
scale fac : 0.9996
units :m
parameters : 0
EPSG: 4083
ref. system : REGCAN95 / UTM zone 28N
projection : Transverse Mercator
datum : Red_Geodesica_de_Canarias_1995
delta WGS84 : 0 0 0
ellipsoid : GRS 1980
major s-ax : 6378137.000
minor s-ax : 6356752.314
origin long : -15
origin lat : 0
origin X : 500000
origin Y : 0
scale fac : 0.9996
units :m
parameters : 0
Página 70 de 78
9.2. Códigos de leyenda
Fiabilidad
code 1 : 0 < f < 20
code 2 : 20 <= f < 40
code 3 : 40 <= f < 60
code 4 : 60 <= f < 80
code 5 : 80 <= f < 100
code 6 : f = 100
Condición
code 1 : Anomalia bajo rendimiento, Degradandose
code 2 : Anomalia bajo rendimiento, Fluctuando
code 3 : Anomalia bajo rendimiento, Aumentando
code 4 : Anomalia bajo rendimiento, Estatica
code 5 : Basal, Degradandose
code 6 : Basal, Fluctuando
code 7 : Basal, Aumentando
code 8 : Basal, Estatico
code 9 : Degradado, Degradandose
code 10 : Degradado, Fluctuando
code 11 : Degradado, Aumentando
code 12 : Degradado, Estatico
code 13 : Productivo baja biomasa, Degradandose
code 14 : Productivo baja biomasa, Fluctuando
code 15 : Productivo baja biomasa, Aumentando
code 16 : Productivo baja biomasa, Estatico
code 17 : Productivo alta biomasa, Degradandose
code 18 : Productivo alta biomasa, Fluctuando
code 19 : Productivo alta biomasa, Aumentando
code 20 : Productivo alta biomasa, Estatico
code 21 : Maduro, Degradandose
code 22 : Maduro, Fluctuando
code 23 : Maduro, Aumentando
code 24 : Maduro, Estatico
code 25 : Referencia, Degradandose
code 26 : Referencia, Fluctuando
code 27 : Referencia, Aumentando
code 28 : Referencia, Estatico
code 29 : Anomalia alto rendimiento, Degradandose
code 30 : Anomalia alto rendimiento, Fluctuando
code 31 : Anomalia alto rendimiento, Aumentando
code 32 : Anomalia alto rendimiento, Estatica
Página 71 de 78
9.3. Relación de capas
Nombre (.tif, .tfw) Georeferencia Descripción

ep-con-v1_EPSG4326 EPSG 4326 Península y Baleares: condición de la tierra (versión 2
península, versión 1 Baleares)
ep_fiabilidad_c_EPSG4326 EPSG 4326 Península y Baleares: fiabilidad (% de continuidad en
serie temporal NDVI)
cn-con-v1_EPSG4326 EPSG 4326 Canarias: condición de la tierra (versión 1)
cn-fiabilidad_c_EPSG4326 EPSG 4326 Canarias: fiabilidad (% de continuidad en serie temporal
NDVI)
ep-con-v1_EPSG25830 EPSG 25830 Península y Baleares: condición de la tierra (versión 2
península, versión 1 Baleares)
ep_fiabilidad_c_EPSG25830 EPSG 25830 Península y Baleares: fiabilidad (% de continuidad en
serie temporal NDVI)
cn-con-v1_EPSG4083 EPSG 4083 Canarias: condición de la tierra (versión 1)
cn-fiabilidad_c_EPSG4083 EPSG 4083 Canarias: fiabilidad (% de continuidad en serie temporal
NDVI)
Página 72 de 78
ANEJO: MAPAS
Página 73 de 78
Condición de la Tierra en España (2000-2010).
Página 74 de 78
Condición de la Tierra en España (2000-2010): estados.
Página 75 de 78
Condición de la Tierra en España (2000-2010): tendencias.
Página 76 de 78
Condición de la Tierra en España (2000-2010): fiabilidad en términos de porcentaje de

cobertura de la serie temporal del producto de partida SPOT-Vegetation NDVI S10.
Página 77 de 78
Zonas de aridez en España (2000-2010) según el índice FAO-UNEP (Precipitación /

Evapotranspiración Potencial).
Página 78 de 78

Mapa de La Condición de La Tierra en España 2000-2010

Cargado por

Copyright:

Formatos disponibles

Mapa de La Condición de La Tierra en España 2000-2010

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Mapa de La Condición de La Tierra en España 2000-2010

Cargado por

Copyright:

Formatos disponibles

Mapa de la Condición de la Tierra

Este documento puede ser citado de la siguiente forma:

Autor para consultas relacionadas con este producto:

Dr Gabriel del Barrio

Mapa: 2.0 (abril de 2013)

El objetivo principal de este mapa de condición de la tierra es dar una representación

La metodología aplicada, denominada 2dRUE, implica componentes separados de valoración y

El objetivo de la interpretación fue obtener caracterizaciones fisionómicas de las cubiertas

Las definiciones de CNULD sobre desertificación y degradación de tierras incluyen una

En conjunto, el 74% del territorio español es susceptible de desertificación por razones

 Las comunidades del noroeste peninsular (Galicia, Asturias y Cantabria) siguen un

 El centro peninsular (Castilla y León, Castilla – Mancha y Extremadura) carece de

 La zona este (Cataluña, Valencia y Baleares) es heterogénea. Cataluña muestra una

 El sur peninsular (Andalucía y Murcia) es extraordinariamente heterogéneo. Andalucía

 Finalmente, Canarias muestra asociaciones positivas en el intervalo de Productivo con

Se detectaron relaciones significativas entre estados y tendencias, que sugieren un territorio

Estructura de esta memoria

Al principio se incluye un Resumen ejecutivo con los principales hechos y hallazgos

El Mapa de Condición de la Tierra en España (2000-2010) es un desarrollo científico que

La última sección corresponde a un Anejo cartográfico que presenta individualmente los

2dRUE: RUE con 2 dimensiones

La noción de condición de la tierra se refiere a la capacidad del suelo para sostener la

La degradación de tierras es, sin embargo, un objetivo primario dentro de cualquier

Las estimaciones de degradación obtenidas dependen altamente de la aproximación y

Posteriormente, el GLASOD fue actualizado a un nuevo proyecto mundial llamado Land

A pesar de su sencillez, la definición anterior tiene la ventaja de orientar el desarrollo de

La aproximación desarrollada en este estudio se encuadra en la necesidad actual de un

El objetivo principal de este mapa de condición de la tierra es dar una representación

1. Implementar explícitamente la definición de LCS dada por la CNULD.

 Condición: (def. 1) Índole, naturaleza o propiedad de las cosas.

valoración se refiere a la estimación sincrónica del estado de degradación durante un período

La metodología aplicada en este mapa de condición de la tierra se basa en series

Variable Producto y fuente URL

2.1 Serie temporal de NDVI

El Índice de Vegetación de Diferencias Normalizadas (NDVI) es proporcional a la cantidad

Existen varios productos disponibles, consistentes en series temporales de NDVI asociadas

2.2 Archivo climático

La serie temporal de datos climáticos fue extraída de un archivo de campos mensuales de

Los datos correspondientes a España fueron provistos por la Agencia Estatal de

Las interpolaciones fueron realizadas usando el suavizado de placa delgada (thin-plate

2.3. Usos del suelo

El programa CORINE (COoRdinate INformation on the Environment), gestionado por la

2.4. Divisiones administrativas

Se usaron las unidades administrativas definidas por los niveles de Nomenclatura de

2.5. Mapa Forestal de España

El Mapa Forestal de España a escala 1:1,000,000 (MFE1000) es una generalización del

2.6. Mapa de Carbono Orgánico del Suelo en Europa

European Soil Dabatase. El mapa puede obtenerse tras un registro previo en

2.7. Período de estudio y sistemas de referencia

Aunque se han manejado tres áreas de estudio de manera independiente (territorio

 El territorio peninsular y Baleares forman un lote único. Su sistema de referencia final

El procedimiento de elaboración del mapa de condición de la tierra, denominado 2dRUE,

Además, las funciones de proceso de datos han sido codificadas en el lenguaje de

3.1. Valoración de estados

La Productividad Primaria Neta Epigea (PPNE) se define como la tasa de cambio de la

Dos atributos ecológicos son relevantes para establecer el estado de la vegetación: la

El problema de usar directamente biomasa o PPNE como estimadores del estado de un

comparación espacial o temporal y propenden a dar respuestas efímeras. Ello motivó la