Mis-Proyectos-Jaime-Hernandez-Perez-

Modelización Espacial y Análisis de Degradación Ecológica por Cenchrus setaceus (Pennisetum setaceum) en el Archipiélago Canario

Este proyecto presenta un flujo de trabajo analítico e integrado para evaluar el impacto ambiental y la expansión de la especie exótica invasora (EEI) Rabo de Gato (Pennisetum setaceum) en las Islas Canarias. Utilizando técnicas de biogeografía comparada, se contrasta su comportamiento espacial frente al endemismo protegido Drago Canario (Dracaena draco).

El flujo de trabajo interconecta tres metodologías clave:

  1. Bioestadística y análisis de nicho en RStudio.
  2. Geoprocesamiento e intersección territorial en QGIS.
  3. Monitoreo dinámico multiespectral (NDVI) mediante teledetección en la nube con Google Earth Engine.

🛠️ Estructura del Proyecto

Bloque 1: Infraestructura de Datos de Biodiversidad y Ciencia Ciudadana

Para el mapeo de las especies se integraron macrodatos globales procedentes de GBIF (Global Biodiversity Information Facility), consolidando registros validados de la plataforma de ciencia ciudadana iNaturalist bajo el estándar de metadatos Darwin Core.

El diseño metodológico contempló la corrección del sesgo del esfuerzo de muestreo (sampling effort bias), ya que un incremento puntual en el volumen de registros históricos suele responder a una mayor actividad de los usuarios (campañas, BioBlitz) y no a una expansión biológica real de la invasora. Las aplicaciones modernas actúan aquí como un “efecto paraguas”, unificando bases de datos que históricamente se encontraban fragmentadas.

Bloque 2: Fase RStudio – Análisis Estadístico de Nicho Ecológico

Utilizando la librería de última generación terra en RStudio, se transformaron las bases de datos crudas en vectores geoespaciales bajo el sistema de referencia WGS84. Se evaluó el comportamiento de ambas especies frente a variables biofísicas críticas:

Vector de Dispersión Antrópica (Red Viaria)

Se calculó la distancia geométrica euclidiana desde cada registro hasta el eje de carretera más cercano:

Para validar la robustez de estos datos, se aplicó un test no paramétrico de Wilcoxon-Mann-Whitney:

Gráfico de Carreteras e Invasión

💻 Nota técnica de reproducibilidad: Puedes consultar, descargar y ejecutar el código fuente original de R Markdown con las funciones de limpieza y los tests estadísticos haciendo clic aquí


Bloque 3: Fase QGIS – Geoprocesamiento e Impacto Territorial

Los datasets optimizados se migraron a QGIS, reproyectando las capas al sistema de referencia de coordenadas local WGS 84 / UTM zone 28N (EPSG:32628) para obtener mediciones métricas exactas.

  1. Modelado de Presión: Se generaron áreas de influencia (Buffers de 2 km) disueltas alrededor de los puntos de la invasora para delimitar su radio de afectación por dispersión de semillas.
  2. Intersección con la Red de Espacios Naturales Protegidos (ENP): Se aislaron las superficies críticas de intrusión de la planta invasora dentro de los santuarios de biodiversidad.

Superficie afectada por la invasora en los ENP (Datos del Modelo):

Mapa de Impacto en los ENP de Canarias


Bloque 4: Fase Google Earth Engine – Teledetección Multiespectral

Utilizando las zonas críticas de QGIS como máscaras de recorte, se programaron scripts en la nube de Google Earth Engine (GEE) para procesar la serie temporal de imágenes de reflectancia en superficie de la constelación Sentinel-2 (Copernicus), aplicando máscaras de calidad atmosférica (QA60).

Se modeló de forma automatizada la evolución del Índice de Vegetación de Diferencia Normalizada (NDVI):

Serie Temporal de NDVI en GEE


📈 Conclusiones Estratégicas

  1. Evidencia Viaria: Las carreteras no solo fragmentan el territorio, sino que actúan como vectores dinámicos que aceleran la colonización de Pennisetum setaceum.
  2. Priorización de Recursos: Espacios como el Macizo de Anaga requieren intervenciones de choque inmediatas al registrar la mayor tasa de ocupación absoluta (27,54 Ha) en zonas de solapamiento potencial con flora nativa.
  3. Eficiencia Tecnológica: La integración de análisis estadístico local junto con la computación geoespacial cloud (GEE) ofrece un marco metodológico reproducible y de alta precisión para la auditorías de impacto ambiental.