Published: Invasive Rainbow Trout (Oncorhynchus mykiss) Are Not Affected by Different Land Uses in a Multi-Use, Mediterranean Climate Landscape

Figure 1 - FishSitesThe concept of altered landscapes providing ecological benefits for native species may seem controversial. However, reality is often more complex than initial assessments indicate. In Central Chile, pine plantations and trout are often found at the same elevations. Both pine trees and trout are not native to Chile, but there is ample evidence from around the Northern Hemisphere (where trout are native) that plantation forestry can have seriously deleterious effects on resident trout populations, due to increased sediment transport and decreased stream shading, both of which reduce the amount of available habitat for trout (among other things). Furthermore, examining the native species of Central Chile, we see that the much of the community is comprised of generalist species that can occupy a wide range of river settings, including those that are far warmer with more sediment than trout prefer. Finally, we know that the movement range of trout in Central Chilean rivers are highly delimited by thermal boundaries (meaning that they are only really found in the foothills and mountain streams during much of the year, but can descend into the valleys during the winter).

When considered together, we are presented with an interesting question: can pine plantations create negative pressures on trout that are far greater than any potential negative pressure on native species? In this study, I examined rainbow trout caught in 10 headwater basins (5 from pine-plantation-dominated basins, 5 from native-forest-dominated basins; see above) to see if there was any effect on populations’ physical condition (basically the ratio of a fish’s length to its weight).

The manuscript detailing findings from this study are have been published by Fishes.

Mediciones de flujos a través de estaciones micrometeorológicas

En la comuna de Pirque, específicamente en el Fundo lo Arcaya, el grupo de trabajo de Climalab dispone de dos estaciones micrometeorológicas ubicadas en viñedos. Las variedades plantadas en dicho fundo son Cabernet Sauvignon (CS)  y  Chardonnay (CH).

Torres

Las estaciones se encuentran en funcionamiento desde el año 2013. Ambas estaciones cuentan con los siguientes sensores: anemómetro sónico, analizador de gases, radiómetro neto, platos de flujo de calor de suelo, TDR (medición de humedad de suelos), termómetros en el suelo, sensores de humedad relativa y temperatura de aire, presión atmosférica, radiación PAR y medición de temperatura foliar.

A través de los sensores desplegados es posible aplicar técnicas micrometeorológicas como “Eddy Covariance” y “Surface Renewal Analysis”. Con los datos obtenidos determinan los flujos de calor sensible, calor latente y carbono, radiación neta y flujos de calor de suelo para analizar, entre otros, los cierres de balance de energía.

Otras investigaciones que se llevan a cabo son: análisis de footprint, medición de LAI (indice de área foliar) y seguimiento fotográfico semanal de la fenología de ambos cultivares.

El manejo de las estaciones, los sensores y el procesamiento de datos están bajo la supervisión del PHDc Damián Tosoni (mas información y contacto: detosoni@uc.cl / damiantosoni@gmail.com).

Análisis Ocurrencia de Incendios Forestales en Chile Central (Julio 2002 – Enero 2017)

El Centro de Cambio Global UC ha preparado una herramienta de visualización que permite dimensionar la magnitud de los incendios forestales que actualmente afectan a Chile central. Esta herramienta permite comparar el tamaño de los incendios en el periodo entre julio de 2002 y enero de 2017.

¿Qué muestra esta figura?

En la figura, se muestran visualizaciones de los incendios forestales detectados por los sensores MODIS Aqua y Terra de la NASA para el producto MCD14DL Active Fire data. A la izquierda se muestra la serie de tiempo de los incendios detectados a nivel mensual para el periodo comprendido entre el 1 julio de 2002 y 26 enero de 2017. Los valores se presentan como anomalías térmicas (nivel de confianza superior al 70%). Mediante un análisis de conglomerados, se eliminaron aquellos puntos que permanecen en un mismo sector por más del 50% del periodo de tiempo definido. De esta forma se evita incluir elementos que distorsionan el análisis tales como fundiciones, islas de calor u otros fenómenos qeu no corresponden a incendios forestales. Además, utilizando el producto MODIS MCD12Q1 de clasificación de usos de suelo, para el modelo tipo 3 LAI/fPAR, se seleccionaron solo aquellos puntos que perteneciesen a alguna de las clases de vegetación.

En la parte superior derecha aparece una caja con el texto “visible layers”, en la cual se puede seleccionar diversos puntos cargados. Por ejemplo, puedes cargar los puntos para el período de enero de 2017 y contrastarlo con años anteriores. Al cargar estos puntos, si pasas el cursor sobre ellos podrás visualizar el poder radiativo (en MegaWatts) que cada uno emitió, como una medida de la intensidad del incendio detectado. Si haces clic sobre el punto, podrás ver el día en el cual el sensor detectó dicho incendio. También puedes mover el mapa y hacer zoom para sobre zonas que desees visualizar en más detalle. Se recomienda tener cargada una capa a la vez, para evitar confusiones.

A la derecha de esta primera visualización se encuentran tres gráficas que describen el comportamiento de estos incendios respecto de la superficie afectada. Para ello se calculó el área de cada pixel presente (de tamaño 1 km) y se generaron conglomerados para detectar el tamaño de cada uno de los eventos de incendio, para finalmente sumar todas las áreas individuales calculadas. Esta información por región, mes y año se contrastó con aquella entregada por la CONAF de forma oficial hasta agosto de 2016, para la cual nuestros resultados son comparables. La gráfica superior muestra la secuencia de tiempo de estos eventos en función del área que han afectado, notándose drásticamente el cambio ocurrido en enero de 2017. El gráfico central muestra el agrupamiento de los valores del primer gráfico por temporada de incendio (siendo este definido entre julio de un año y junio del año siguiente). Finalmente, la tercera figura muestra la desagregación mes por mes para cada uno de las temporadas de las superficies afectadas.


Participación en el 67º Congreso de la sociedad Agronómica de Chile “Agricultura Sustentable en época de transformaciones globales”

congreso-agronomico-lenin-1Lenín Henríquez, candidato a doctor, expuso el trabajo titulado: “Eficiencia de medidas de adaptación en la agricultura bajo escenarios futuros en la zona central de Chile”.

Este trabajo es la primera entrega de la integración de cuatro modelos (hidrológico, agrícola, escenarios climáticos y escenarios de uso de suelo) en la Primera Sección del Río Maipo, zona central de Chile. La investigación apunta a evaluar la eficiencia de 2 medidas de adaptación en la agricultura hasta el 2050: a) uso de toda el agua disponible y b) mejoras en el riego. La evaluación se ha realizado en 3 aspectos fundamentales para la agricultura: capacidad de satisfacer la demanda de agua los cultivos, cambios en el rendimiento y cambios en la producción.

Este trabajo comenzó bajo el apoyo del proyecto Maipo Plan de Adaptación (MAPA) y se ha continuado dentro de la tesis doctoral de Lenín Henríquez con el objetivo de aportar métricas que ayuden en la decisión sobre qué medidas de adaptación deberían ser prioritarias en la agenda pública.

Más información respecto a los modelos y a esta línea de investigación contacta con Lenín Henríquez.

Uso de tecnologías de información web cartográficas para el despliegue de resultados espaciales

La penetración de estas nuevas tecnologías este último tiempo ha sido una ayuda para
quienes deseen mostrar sus resultados de forma más interactiva. Si consideramos que gran parte de los datos que día a día manejamos poseen un componente espacial, una buena alternativa para mostrar resultados es volverlos espaciales, y subirlos a la web para ser compartidos con el mundo.
app
Mira además otro tipo de aplicaciones ShinyApps

En este ejercicio, se ha mapeado la distribución espacial de las estaciones de precipitación y temperatura de forma tal que se muestre su densidad acumulada desde 1950 (izquierda) y su apararicien puntual considerando la fuente que provee los datos (AGRO: Agroclima; MVD: Meteovid; CEAZAMET: Centro de Estudios de Zonas Áridas; INIA: Instituto de Investigaciones Agropecuarias; SINCA: Sistema de información de Calidad del Aire) para el mismo periodo de tiempo (Derecha).

ESTACIONES PRECIPITACIÓN


ESTACIONES TEMPERATURA