Dinámica estacional de pasto banderita [Bouteloua curtipendula (Mich.) Torr.] en Chihuahua, México: enfoque geoestadístico

Autores/as

  • Ireyli Zuluamy Iracheta-Lara Universidad Autónoma de Chihuahua. Facultad de Ciencias Agrotecnológicas, Campus 1, Av. Pascual Orozco SN, 31350 Chihuahua, Chihuahua, México https://orcid.org/0000-0003-4504-9863
  • Carlos Raúl Morales-Nieto Universidad Autónoma de Chihuahua. Facultad de Zootecnia y Ecología, Periférico R. Almada km 1. 31000 Chihuahua, Chihuahua, México
  • Gerardo Méndez-Zamora Universidad Autónoma de Nuevo León. Facultad de Agronomía. General Escobedo, Nuevo León, México
  • Jaime Neftalí Marquez Godoy Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP). Campo Experimental Valle de Culiacán, Culiacán, Sinaloa, México
  • Federico Villarreal-Guerrero Universidad Autónoma de Chihuahua. Facultad de Zootecnia y Ecología, Periférico R. Almada km 1. 31000 Chihuahua, Chihuahua, México

DOI:

https://doi.org/10.22319/rmcp.v15i4.6313

Palabras clave:

Geomática, Variabilidad ambiental, NDVI, Chihuahua

Resumen

Los datos fenológicos observados en tierra, junto con datos satelitales, son herramientas cruciales para identificar la estación de crecimiento de la vegetación. Utilizando un enfoque geoestadístico, este estudio tuvo como objetivo determinar la dinámica estacional del pasto banderita [Bouteloua curtipendula (Michx.) Torr.] en Chihuahua y su relación con la variabilidad climática. Se calcularon las métricas del inicio (SOS) y del final (EOS) de la temporada de crecimiento de esta especie en el estado de Chihuahua. Además, se evaluó el efecto de la temperatura del aire y la precipitación en la dinámica del SOS y el EOS durante los periodos 2000-2010 y 2011-2019. Los tratamientos consideraron las tres regiones ecológicas (desierto, valles centrales y sierra) y los años de registro. El estado se estudió a través de tres zonas ecológicas: desierto (D), valles centrales (CV) y sierra (S) para su comparación. El SOS y el EOS del pasto banderita en cada zona se definieron anualmente a partir de datos Landsat durante el periodo 2000-2019, basándose en la dinámica del Índice de Vegetación de Diferencia Normalizada (NDVI). El SOS osciló entre mayo y junio (promedio de día juliano [doy]=174), mientras que el EOS osciló entre octubre y noviembre (promedio de día juliano [doy]=283). Se observó un retraso en el SOS en la zona D; el retraso en el crecimiento del pasto banderita en la estación primaveral puede deberse a una relativa escasez de agua, aunque la mayor temperatura en primavera facilita el cumplimiento de los requisitos térmicos para el crecimiento de la especie. Estos hallazgos sugieren que la variabilidad climática tiene un impacto significativo en la dinámica estacional del pasto banderita, lo que puede influir en las estrategias de manejo de estos ecosistemas. 

Descargas

Los datos de descargas todavía no están disponibles.

Citas

IPCC. Climate change 2014: Impacts, adaptation, and vulnerability. Part A: Global and sectoral aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge Univ Press; 2014.

Smith J, Doe J, Clark H. Temporal and spatial variability in phenological responses of grass species. J Ecol 2020;108(5):1234-1245.

Liu Q, Fu YH, Zeng Z, Huang M, Li X, Piao S. Temperature, precipitation, and insolation effects on autumn vegetation phenology in temperate China. Glob Change Biol 2019;25(3):644-655.

Sánchez, DH, Navarro-Gómez CJ, Rentería M, Rose JF, Sánchez-Navarro JR. Evolution of the groundwater system in the Chihuahua-Sacramento aquifer due to climatic and anthropogenic factors. J Water Clim Change 2022;13(2):645-663.

Jones MB, Donnelly A. Responses of Irish vegetation to future climate change. Biol Environ Proc R Ir Acad 2018;118(2):157-168.

Williams K, Clark, J. Global warming extends the growing season across ecosystems. Environ Res Lett 2021;16(1):14-23.

Schwartz MD. Phenology: An integrative environmental science. Berlin, Germany Springer; 2013:170-171.

Badeck FW, Bondeau AK, Böttcher D, Doktor W, Lucht J, Schaber S. Responses of spring phenology to climate change. New Phytol 2004;162:295-309.

Richardson AD, Keenan TF, Migliavacca M, Ryu Y, Sonnentag O, Toomey M. Climate change, phenology, and phenological control of vegetation feedbacks to the climate system. Agric For Meteorol 2017;169:156-173.

Crimmins TM, Crimmins MA, Bertelsen C. Complex responses to climate drivers in onset of spring flowering across a semi-arid elevation gradient. J Ecol 2010;98:042-1051.

Lesica P, Kittelson P. Precipitation and temperature are associated with advanced flowering phenology in a semi-arid grassland. J Arid Environ 2010;74:1013-1017.

Zhang X, Friedl MA, Schaaf CB, Strahler AH, Hodges JCF, Gao F, Reed BC, Huete A. Monitoring vegetation phenology using modis. Remote Sens Environ 2003;84:471-475.

Delbart N, Picard G, Le Toan T, Kergoat K, Quegan S, Woodward I, Dye D, Fedotova V. Spring phenology in boreal Eurasia over a nearly century time scale. Glob Change Biol 2008;14:603-614.

Stumpf F, Schneider MK, Keller A, Rentschler T, Meuli RG, Liebisch, F. Spatial monitoring of grassland management using multi-temporal satellite imagery. Ecol Indic 2020;113:106-121.

Schwartz MD. Phenology: An integrative environmental science. Springer 2013;1:20.

Piao S, Tan J, Chen A, Fu YH, Ciais P, Liu Q, Janssens IA, Vicca S, Zeng Z, Jeong SJ. Leaf onset in the Northern Hemisphere triggered by daytime temperature. Nat Commun 2015;6:69-81.

Bloor JM, Pichon P, Falcimagne R, Leadley P, Soussana JF. Effects of warming, summer drought, and CO2 enrichment on aboveground biomass production, flowering phenology, and community structure in an upland grassland ecosystem. Ecosystems 2010;13:888-900.

Hovenden MJ, Wills KE, Vander-Schoor JK, Williams AL, Newton PC. Flowering phenology in a species-rich temperate grassland is sensitive to warming but not elevated CO2. New Phytol 2008;178:815-822.

Zelikova TJ, Williams DG, Hoenigman R, Blumenthal DM, Morgan JA, Pendall E. Seasonality of soil moisture mediates responses of ecosystem phenology to elevated CO2 and warming in a semi-arid grassland. J Ecol 2015;103:1119-1130.

Piazza V. Estimación satelital de la productividad primaria neta aérea de la vegetación herbácea del Caldenal [disertación doctoral]. Buenos Aires, Argentina; 2006.

Morales-Nieto CR, Quero-Carrillo A, Pérez-Pérez J, Hernández-Garay A, Le-Blan O. Caracterización morfológica de poblaciones nativas de pasto banderita [(Michx.) Torr.] en México. Agrociencia 2008;42(7):767-775.

Breman H, De Wit C. Rangeland productivity and exploitation in the Sahel. Science 1983;221:1341–1347.

Butt B, Turner MD, Singh A, Brottem L. Use of modis NDVI to evaluate changing latitudinal gradients of rangeland phenology in sudano-sahelian West Africa. Remote Sens Environ 2011;115:3367-3376.

Arzani H, Zohdi M, Fish E, Zahedi-Amiri G, Nikkhah A, Wester D. Phenological effects on forage quality of five grass species. J Range Management 2004;57:624–629.

Gorlier A, Lonati M, Renna M, Lussiana C, Lombardi G, Battaglini L. Changes in pasture and cow milk compositions during a summer transhumance in the Western Italian Alps. J Appl Bot Food Qual 2013;(85):216-231.

Ortega-Gaucin D, Velasco I. Aspectos socioeconómicos y ambientales de las sequías en México. Aqua-LAC 2013;5(2):78-90.

Gonsamo A, Chen JM. Continuous observation of leaf area index at fluxnet-Canada sites. Agric For Meteorol 2014;189:168-174.

INEGI. Instituto Nacional de Estadística, Geografía e Informática 2003. Síntesis de Información Geográfica del Estado de Chihuahua, 1a.ed. Editorial INEGI. México. 2013.

CONAGUA. Comisión Nacional del Agua. Capacidad de Almacenamiento y Uso de las Principales Presas de México. http://www.conagua.gob.mx/atlas/atlas.html?seccion=2mapa=5. Consultado 4 Abr, 2021.

Chen X, Li J, Xu L, Liu L, Ding D. Modeling green up date of dominant grass species in the inner Mongolian grassland using air temperature and precipitation data. Int J Biometeorol 2014;58:463-471.

Vermote E. Vermeulen. Atmospheric correction algorithm: Spectral reflectances (MOD09), ATBD version 4; Department of Geography, University of Maryland: College Park, MD, USA. 1999.

Busetto L, Colombo R, Migliavacca M, Cremonese E, Meroni M, Galvagno M, et al. Remote sensing of larch phenological cycle and analysis of relationships with climate in the Alpine region. Glob Change Biol 2010;16:2504-2517.

Menzel A. Trends in phenological phases in Europe between 1951 and 1996. Int J Biometeorol 2000;44:76–81.

Peñuelas J, Filella I. Responses to a warming world. Science 2001;294:793–795.

Chen X, Xu L. Phenological responses of Ulmus pumila (Siberian Elm) to climate change in the temperate zone of China. Int J Biometeorol 2012;56:695-706.

Chen X, An S, Inouye MD. Temperature and snowfall trigger alpine vegetation green-up on the world’s roof. Glob Change Biol 2015;21:3635-3646.

Peñuelas J, Filella I. Responses to a warming world. Science 2001;294(3):793-795.

Roetzer T, Wittenzeller M, Haeckel H, Nekovar J. Phenology in central Europe–differences and trends of spring phenophases in urban and rural areas. Int J Biometeorol 2000;44:60–66.

Walkovszky A. Changes in phenology of the locust tree (Robinia pseudoacacia L.) in Hungary. Int J Biometeorol 1998;41:155–160.

Publicado

15.11.2024

Cómo citar

Iracheta-Lara, I. Z., Morales-Nieto, C. R., Méndez-Zamora, G., Marquez Godoy, J. N., & Villarreal-Guerrero, F. (2024). Dinámica estacional de pasto banderita [Bouteloua curtipendula (Mich.) Torr.] en Chihuahua, México: enfoque geoestadístico. Revista Mexicana De Ciencias Pecuarias, 15(4), 898–912. https://doi.org/10.22319/rmcp.v15i4.6313
Metrics
Vistas/Descargas
  • Resumen
    104
  • PDF
    9
  • PDF
    3
  • Texto completo
    4
  • Full text
    4

Métrica

Artículos similares

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 > >> 

También puede Iniciar una búsqueda de similitud avanzada para este artículo.

Artículos más leídos del mismo autor/a