Agustín Escobar, estudiante del Doctorado en Ciencias en Ecología y Desarrollo Sustentable con orientación en Ciencias de la Sustentabilidad, (Generación 2019 – 2022), de ECOSUR Unidad San Cristóbal obtuvo el grado de Doctor en Ciencias, el día 27 de noviembre de 2023, con la tesis denominada “Caracterización de los tipos de sistemas agroforestales de café mediante percepción remota”
Chiapas es el mayor productor de café a nivel nacional. Se estima que en esta entidad alrededor de 242,000 hectáreas están dedicadas a la producción del grano. A pesar de su importancia económica, cultural y ecológica, se desconocen aún algunas de las características de este sistema de producción, tales como la distribución espacial de las parcelas y los tipos de sistemas agroforestales (SAF) que lo conforman. El mapeo de las áreas de producción presenta grandes desafíos debido a que en su mayoría el café se produce en parcelas pequeñas, cultivadas bajo un SAF, dispersas a lo largo de regiones montañosas con difícil acceso. El objetivo de este trabajo fue desarrollar un enfoque metodológico basado en datos de observación de la Tierra para caracterizar los diferentes tipos de SAF de café en la Sierra Madre de Chiapas. Se emplearon imágenes mensuales ópticas (sentinel-2) y de radar (sentinel-1) de los primeros seis meses del año, un modelo de elevación digital, mapas de humedad del suelo y datos de campo obtenidos en 150 parcelas. Se calcularon índices de vegetación y se analizó la respuesta espectral de los cultivos a lo largo de la temporada de secas para identificar las temporadas más adecuados para discriminar los tipos de SAF. Con las imágenes satelitales y los datos complementarios se desarrollaron modelos para cada uno de los tipos de SAF identificados en campo. El modelo de clasificación empleó un algoritmo Random Forest de clasificación, las variables predictoras en cada uno de ellos se seleccionaron mediante un método denominado eliminación recursiva. Finalmente, los modelos ajustados se combinaron en uno solo para la construcción del mapa de los tipos de SAF. Para validar el modelo espacial se utilizó un conjunto de 932 sitios extraídos de imágenes Planet (resolución espacial de 4.5 m). De acuerdo con los patrones de respuesta espectral se identificaron tres tipos de SAF con diferentes características de densidad y composición de los árboles de sombra. Los sistemas agroforestales se ubicaron principalmente en áreas de bosque degradado y vegetación secundaria, donde principalmente se hace manejo de la vegetación natural para incorporación de las plantas de café en el sotobosque y algunas especies de árboles maderables y frutales para autoconsumo, en el caso de los policultivos. Se encontró una mayor extensión de sistemas rústicos, distribuidos principalmente en zonas colindantes con bosques maduros. Se obtuvo una precisión temática global de 95%, el tipo de SAF con mayor densidad arbórea obtuvo el mayor error de clasificación. Con respecto a los datos satelitales, la información en el rango infrarrojo (NIR) e infrarrojo cercano (SWIR) es particularmente útil, aunque es necesario el uso ¿el uso? de datos complementarios para reducir la incertidumbre. A pesar de que las imágenes de radar aportaron información para discriminar algunos SAF, ninguna de ellas fue seleccionada para permanecer dentro del modelo final. Además, nuestros hallazgos resaltan la efectividad del uso de diferentes conjuntos de datos bajo un enfoque multitemporal para la identificación de sistemas agrícolas complejos en áreas de alta heterogeneidad topográfica.
Palabras clave: Sierra Madre; Chiapas; Random Forest; café de sombra; Recursive Feature Elimination
Consejo Tutelar conformado por el Dr. Miguel Ángel Castillo Santiago (Director de Tesis), Dr. Jean Francois Mas Caussel (Asesor), Dr. José Luis Hernández Stefanoni (Asesor) y Dr. Jorge Omar López Martínez (Asesor); así como sus sinodales: Dr. Darío Alejandro Navarrete Gutiérrez, Dra. Mariana Elvira Callejas Jiménez, Dra. Erika Betzabeth Palafox Juárez, quienes comparten esta enorme satisfacción por el logro académico obtenido.