Shared Prospective Models of Land Use and Vegetation for the Mexico-Guatemala Transboundary Area

Authors

DOI:

https://doi.org/10.15359/rgac.69-2.14

Keywords:

land-use change, socioeconomic dynamics, drivers of change, historic analysis, trend scenario, the year 2030

Abstract

The shared border between Mexico and Guatemala is a complex region to analyze due to the diverse dynamics between both countries. One threat to the area is the land-use change, where many drivers of change and environmental conditions make it a priority to analyze. This research studies the land-use changes that occurred between 1990 and 2010; these are used as a basis for constructing a trend scenario to the year 2030 through the use of the multilayer perceptron neural network. The resulting scenario shows the growth of agriculture and urban areas, as well as the loss of forests, other vegetation, and water bodies. This information highlights the need to analyze the socio-environmental implications that this could bring about.

Author Biographies

Juan Manuel Nuñez Hernández, Universidad Iberoamericana

Doctor en Geomática, Centro Transdisciplinar Universitario para la Sustentabilidad, Universidad Iberoamericana, México. Correo: juan.nunez@ibero.mx https://orcid.org/0000-0002-9835-0599

Alejandra Amaranta Orozco Avila, Consejo Civil Mexicano para la Silvicultura Sostenible

Licenciada en Geografía, Consejo Civil Mexicano para la Silvicultura Sostenible (CCMSS), México. Correo: aorozco@ccmss.org.mx https://orcid.org/0000-0002-7740-1174

José Mauricio Galeana Pizaña, Centro de Investigación en Ciencias de Información Geoespacial

Doctor en Geografía, Centro de Investigación en Ciencias de Información Geoespacial (CentroGeo), México. Correo: mgaleana@centrogeo.edu.mx https://orcid.org/0000-0003-3623-6851

References

Camacho, M., Molero, E. & Paegelow, M. (2010). Modelos geomáticos aplicados a la simulación de cambios de usos del suelo. Evaluación del potencial de cambio. Tecnologías de la Información Geográfica: La Información Geográfica al servicio de los ciudadanos. Sevilla: Universidad de Sevilla.

Canales A., Vargas E. & Montiel I. (2010). Migración y salud en zonas fronterizas: Guatemala y México. CEPAL.

Centro del Agua del Trópico Húmedo para América Latina y el Caribe. (CATHALAC, 1990, 2000, 2010). Series de cobertura de uso de suelo y vegetación, serie 1990, serie 2000, serie 2010 (continuo nacional), escala: 1:250000. Panamá: Centro del Agua del Trópico Húmedo para América Latina y El Caribe.

Comisión Centroamericana de Ambiente y Desarrollo. (CCAD, 2011). Atlas Centroamericano para la Gestión Sostenible del territorio. El Salvador: CCAD. Recuperado de: https://issuu.com/cathalac/docs/atlas_prevda

Degenne, P. & Lo Seen D. (2016). Ocelet: Simulating processes of landscape changes using interaction graph. SoftwareX, 5, 89-95. doi: http://dx.doi.org/10.1016/j.softx.2016.05.002

Dendoncker, N., Barnaud, C., Corbera E., Muradian, R., Silliou, N., Sirami, C., Vialatte, A., Choisis, J., Mathevet, R., Moreau, C., Reyes, V., Boada, M., Deconchat, M., Cibien, C., Garnier, S., Maneja, R. & Antona, M. (2018). Ecosystem services, social interdependencies, and collective action: a conceptual framework. Ecology and Society, 23(1):15. doi: http://dx.doi.org/10.5751/ES-09848-230115

Díaz-Pacheco, J. & Hewitt, R. (2013). Modelado de cambios de usos de suelo urbano a través de redes neuronales artificiales. Comparación de dos aplicaciones de software. GeoFocus, (14), 1-22.

Eastman, J. (2012). IDRISI SELVA, guía para SIG y procesamiento de imágenes. Clark University. Recuperado de: https://clarklabs.org/wp-content/uploads/2016/10/IDRISI-Selva-Spanish-Manual.pdf

Food Agriculture Organization. (FAO, 2018). El estado mundial de la agricultura y la alimentación. Migración, agricultura y desarrollo rural. Roma.

Figueroa Hernández, E., Pérez Soto, F. & Godínez Montoya, L. (2015). La producción y el consumo del café. España: ECORFAN. Recuperado de: https://www.ecorfan.org/spain/libros/LIBRO_CAFE.pdf

Forrester, J. (2009). Some Basic Concepts in System Dynamics. Massachusetts Institute of Technology. Recuperado de: https://www.cc.gatech.edu/classes/AY2013/cs7601_spring/papers/Forrester-SystemDynamics.pdf

Instituto Nacional de Estadística. (INE, (2002). Censos Nacionales XI de Población y VI de habitación 2002. Guatemala: Instituto Nacional de Estadística Guatemala.

Instituto Nacional de Estadística y Geografía (INEGI, 1993, 2002, 2011). Uso del suelo y vegetación, serie II, serie III y serie V (continuo nacional), escala: 1:250000. México: Dirección General de Geografía.

Instituto Nacional de Estadística y Geografía. (INEGI, 2010). Censo de Población y Vivienda 2010. México: Instituto Nacional de Estadística y Geografía.

Instituto Tecnológico y Autónomo de México (ITAM, 2014). Migración centroamericana en tránsito por México hacia Estados Unidos: Diagnóstico y recomendaciones. Informe técnico. Recuperado de: https://www.comillas.edu/images/OBIMID/itam.pdf.

Joorabian, S. & Gholamalifard, M. (2015). Scenario-based land cover change modeling and its implications for landscape pattern analysis in the Neka Watershed, Iran. Remote Sensing Applications: Society and Environment, 1, 1-19. doi: http://dx.doi.org/10.1016/j.rsase.2015.05.001

Kanevski, M., Pozdnoukhov A. & Timonin V. (2009). Machine Learning for Spatial Environmental Data: Theory, applications and software. Environmental Sciences, Environmental Engineering. Switzerland: EPLF press, Swiss Academy.

Mas, F. & Flamenco, A. (2011). Modelación de los cambios de coberturas/uso del suelo en una región tropical de México. GeoTropico, 5 (1), 1-24.

Mienmany, B. (2018). Analysis land use and land cover changes and the driving forces: A case study in Kaysone Phomvihan District, Laos. (Tesis de maestría). Universidad de Oporto.

National Research Council (NRC, 2014). Advancing Land Change Modeling: Opportunities and Research Requirements. Washington, DC: NAP.

Norman, L., Feller, M. & Villarreal, M. (2012). Developing spatially explicit footprints of plausible land-use scenarios in the Santa Cruz Watershed, Arizona and Sonora. Landscape and Urban Planning, 107, 225-235. doi: http://dx.doi.org/10.1016/j.landurbplan.2012.06.015

Ojeda, L., Bocco, G., Ezcurra, E. & Espejel, I. (2009). Land-cover/use transitions in the binational Tijuana River watershed during a period of rapid industrialization. Applied Vegetation Science, 11(1), 107-116. doi: http://dx.doi.org/10.1111/j.1654-109X.2008.tb00209.x

Ordoñez, R. & Medina, F. (2017). Modelo de calidad de hábitat y corredores para evaluación y mapeo de servicios ecosistémicos en el Complejo Sierra Madre de Chiapas. (Tesis de licenciatura). Universidad Nacional Autónoma de México.

Organización de las Naciones Unidas para la Alimentación y la agricultura (FAO) y Grupo Técnico Intergubernamental del Suelo (GTIS, 2016). Estado mundial del recurso suelo. Resumen técnico. Recuperado de: http://www.fao.org/3/a-i5126s.pdf

Pascual, U., Balvanera, P., Díaz, S., et al. (2017). Valuing nature’s contributions to people: the IPBES approach. Current Opinion in Environmental Sustainability, 26-27, 7-16. doi: http://dx.doi.org/10.1016/j.cosust.2016.12.006

Pontius, R. (2000). Quantification Error versus Location Error in Comparison of Categorical Maps. Photogrammetric Engineering and Remote Sensing, 66(8), 1011-1016.

Reyes, M. (2018). Análisis de los instrumentos de política pública y sus efectos de contención en la expansión de sistemas agropecuarios en el complejo de ANPs de la Sierra Madre de Chiapas. (Tesis de licenciatura). Universidad Nacional Autónoma de México.

Rincón, A., Echeverry, M., Piñeros, A, Tapia, C., A., David, Arias, P. & Zuluaga, P. (2014). Valoración integral de la biodiversidad y los servicios ecosistémicos: Aspectos conceptuales y metodológicos. Bogotá, D. C., Colombia: Instituto de Investigación de Recursos Biológicos Alexander Von Humboldt (IAvH).

Secretaría de Gobernación (SEGOB, 2013). Plan Nacional de Desarrollo (PND) 2013-2018. Recuperado de: https://www.snieg.mx/contenidos/espanol/normatividad/MarcoJuridico/PND_2013-2018.pdf

Secretaría de Gobernación (SEGOB, 2018). Panorama Migratorio. Migración internacional: tendencias mundiales y dimensiones del fenómeno en México. Recuperado de: https://portales.segob.gob.mx/work/models/PoliticaMigratoria/CEM/Investigacion/PM01.pdf

Secretaría de Medio Ambiente y Recursos Naturales (SEMARNAT, 2010). Atlas Geográfico del Medio Ambiente y Recursos Naturales. México.

Takaki, F. T. (2008). Información Básica para la Construcción de la Tasa de Deforestación. Dirección General de Geografía. Instituto Nacional de Estadística y Geografía. México. 43 pp.

Viera, A. & Garrett, J. (2005). Understanding Interobserver Agreement: The Kappa Statistic. Family Medicine, 37(5), 360-363. Recuperado de: https://www.ncbi.nlm.nih.gov/pubmed/15883903

Zepeda, B. (2018). Mirar al sur: México y su frontera con Guatemala. Recuperado de: https://centrosconacyt.mx/objeto/frontera-guatemala/

Zhao, C., Jensen, J. & Zhan, B. (2017). A comparison of urban growth and their influencing factors of two border cities: Laredo in the US and Nuevo Laredo in Mexico. Applied Geography,79, 223-234. doi:http://dx.doi.org/10.1016/j.apgeog.2016.12.017

Published

2022-04-17

How to Cite

Nuñez Hernández, J. M., Orozco Avila, A. A., & Galeana Pizaña, J. M. (2022). Shared Prospective Models of Land Use and Vegetation for the Mexico-Guatemala Transboundary Area. Geographical Journal of Central America, 2(69), 389-414. https://doi.org/10.15359/rgac.69-2.14

Issue

Section

Case studies (Peer reviewed)

How to Cite

Nuñez Hernández, J. M., Orozco Avila, A. A., & Galeana Pizaña, J. M. (2022). Shared Prospective Models of Land Use and Vegetation for the Mexico-Guatemala Transboundary Area. Geographical Journal of Central America, 2(69), 389-414. https://doi.org/10.15359/rgac.69-2.14

Most read articles by the same author(s)

<< < 140 141 142 143 144 145 146 147 148 149 > >>