Evaluación de los cambios en las coberturas y usos de suelo la cuenca del río Blanco mediante clasificaciones satelitales
93
SEMIÁRIDA, Vol 35, Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
Evaluación de los cambios en las coberturas y usos de suelo la cuenca del
río Blanco mediante clasificaciones satelitales entre 2000 y 2022
Torre Azzaroni, María Luisina
1,2@
, Rubio, María Clara
1
y Morandeira, Natalia
3,4
1 Consejo Nacional de Investigaciones Científicas y Técnicas, Instituto Argentino de Investigaciones de las Zonas Áridas, Mendoza, Argentina.
2 Universidad Nacional de Cuyo, Facultad de Ciencias Agrarias. Luján de Cuyo, Mendoza, Argentina.
3 Universidad Nacional de San Martin, Escuela de Hábitat y Sostenibilidad. General San Martín, Buenos Aires, Argentina.
4 Consejo Nacional de Investigaciones Científicas y Técnicas, Instituto de Investigación e Ingeniería Ambiental. Buenos Aires, Argentina.
@ mltorre@mendoza-conicet.gob.ar
Recibido: 21/08/2025
Aceptado: 10/09/2025
Resumen. A nivel mundial, los cambios en la cobertura y uso del suelo constituyen el principal factor de pérdida
de biodiversidad, siendo los humedales, ecosistemas particularmente vulnerables. El objetivo de este trabajo fue
analizar los cambios en la cobertura del suelo en la cuenca del río Blanco entre los años 2000 y 2022, con énfasis
en la clase humedales, utilizando herramientas de teledetección y sistemas de información geográfica. La cuenca
posee humedales altoandinos que en las últimas décadas presentan un severo deterioro de su estado de
conservación. La metodología consistió en la elaboración de una clasificación supervisada con datos
multiespectrales de la serie Landsat para el período 2000-2022 y su comparación con la clasificación disponible del
proyecto MapBiomas Argentina. Además, se calcularon las métricas de paisaje 'Área total de la clase' y 'Porcentaje
del Paisaje' para cada clase y año evaluado. Los resultados muestran que los humedales disminuyeron 263 ha
(36,4 %) en el periodo estudiado, debido, principalmente, al avance de la rosa mosqueta y la conversión a
pastizales. El estudio ofrece información útil para un análisis integral sobre la degradación de la cuenca del río
Blanco, que permitirá elaborar directrices de ordenamiento territorial para conservar los humedales del área.
Palabras clave: degradación; vegas de altura; paisaje; teledetección.
Abstract. Assessment of changes in land cover and land use in the Blanco River basin using
satellite classifications between 2000 and 2022. Globally, land cover and land use changes are the main
direct driver of biodiversity loss, with wetlands being particularly vulnerable ecosystems. The objective of this work
was to analyze land cover changes in the Blanco River Basin between 2000 and 2022, with a focus on the wetland
class, by using quantitative remote sensing tools and geographic information systems. The basin has high Andean
wetlands that have shown a severe deterioration in their conservation status in the last decades. The methodology
consisted of producing a supervised classification using multispectral data from the Landsat series (2000-2022),
and comparing it with the classification provided by the MapBiomas Argentina project. In addition, the landscape
metrics ‘Total Class Area’ and ‘Landscape Percentage’ were calculated for each class and year evaluated. The
results show that wetlands decreased by 263 ha (36.4 %) during the study period, mainly due to the spread of
rosehip and conversion to pastureland. This work provides useful data for a broader assessment of degradation in
the Blanco River basin. The findings may help inform land-using planning strategies aimed at conserving the region’s
wetlands.
Key words: degradation; high altitude meadows; landscape; remote sensing.
INTRODUCCIÓN
A nivel mundial, los cambios en la cobertura y el uso del suelo son el principal factor directo
de pérdida de biodiversidad y degradación de los servicios ecosistémicos. En las últimas décadas,
la conversión de ecosistemas naturales en terrenos de uso agrícola y urbano ha transformado más
de la mitad de algunos biomas terrestres (Millennium Ecosystem Assessment, 2005a). Dentro de
los ecosistemas afectados por estos cambios, los humedales resultan particularmente vulnerables,
ya que su degradación y pérdida ocurre más rápidamente que en otros ecosistemas (Millennium
Ecosystem Assessment, 2005b). Un humedal es un ecosistema en el cual la presencia de agua,
temporaria o permanente, superficial o subsuperficial, causa flujos biogeoquímicos propios y
diferentes a los ambientes terrestres y acuáticos. Pueden distinguirse por la presencia de biota
adaptada a estas condiciones, comúnmente
plantas hidrófitas, y/o por poseer suelos hídricos
o sustratos con hidromorfismo (Kandus &
Minotti, 2018). Estos ambientes poseen un alto
valor de conservación, tanto por las propiedades
intrínsecas del ecosistema: por la biota,
SEMIÁRIDA Vol 35(Supl. 1)2025
Facultad de Agronomía-UNLPam. La Pampa (Argentina) ISSN 2408-4077 (online)
DOI: http://dx.doi.org/10.19137/semiarida.2025(Supl. 1).
33-40 40 años de publicación continua
Cómo citar este trabajo:
Torre Azzaroni, M. L., Rubio, M. C. y Morandeira, N.
(2025). Evaluación de los cambios en las coberturas y usos
de suelo la cuenca del río Blanco mediante clasificaciones
satelitales entre 2000 y 2022. Semiárida, 35(Supl.), 93-
106.
SEMIÁRIDA Vol 35(Supl.)2025 ISSN 2408-4077 (online)
Facultad de Agronomía-UNLPam. La Pampa (Argentina) 40 años de publicación continua
DOI: http://doi.org/10.19137/semiarida.2025(Supl.).93-106 IV Jornadas Internacionales y VI Nacionales de Ambiente
Universidad Nacional de Río Negro- Argentina
Torre Azzaroni, M. L., Rubio, M. C. y Morandeira, N.
94
SEMIÁRIDA, Vol 35, N° Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
agrupaciones de especies y procesos que allí ocurren; como por las contribuciones que brindan a
la sociedad: suministro de agua dulce, fuente recreativa y de turismo, purificación del agua,
regulación del clima, regulación de inundaciones, creación y mantenimiento de hábitats de
numerosas especies, entre otras (Kumar, et al. 2017; Millennium Ecosystem Assessment, 2005b).
En especial, los humedales ubicados en tierras secas son ecosistemas claves por sus funciones
relativas a la adaptación al cambio climático y la mitigación de procesos de desertificación, así
como por el impacto positivo a la calidad de vida de las poblaciones locales (Rubio et al., 2017).
Desde 1970, se ha producido un declive mucho mayor en las especies dependientes de los
humedales en comparación con las especies dependientes de otros ecosistemas, así como un
aumento en el número de especies en peligro de extinción (Convención sobre los Humedales, 2021).
Los principales impulsores directos de la degradación y pérdida de humedales son el desarrollo de
infraestructura, la conversión de tierras, la extracción de agua, la eutrofización y la contaminación,
la sobreexplotación y la introducción de especies exóticas invasoras. Mientras que los principales
impulsores indirectos han sido el crecimiento demográfico y el creciente desarrollo económico
(Millennium Ecosystem Assessment, 2005b).
Dada la relevancia de los humedales y su tendencia a la degradación (Convención sobre los
Humedales, 2021), es crucial implementar medidas para prevenir, controlar y detener estos
cambios. En este contexto, los mapas de cobertura y uso del suelo constituyen herramientas
fundamentales para evaluar el estado de los ecosistemas y sus patrones de cambio, permitiendo el
desarrollo de estrategias de conservación y manejo territorial informadas (Safaei et al., 2023). La
teledetección ofrece oportunidades únicas para generar esta información georreferenciada sobre los
humedales, especialmente en áreas donde no existen programas de monitoreo in situ, mediante el
uso de datos provenientes de diversos sensores remotos satelitales (Gxokwe et al., 2020). El
conocimiento actualizado sobre la dinámica espacio-temporal de estos ecosistemas a escala de
cuenca es fundamental para desarrollar estrategias de conservación adaptadas a las condiciones
locales. Teniendo esto en cuenta, el objetivo de este trabajo consiste en analizar los cambios en la
cobertura del suelo en la cuenca del río Blanco entre los años 2000 y 2022, con énfasis en la
cobertura de humedales, utilizando herramientas de teledetección y sistemas de información
geográfica.
METODOLOGÍA
Área de estudio
El área de estudio de este trabajo es la cuenca del río Blanco. Se localiza al oeste del
departamento de Luján de Cuyo, en la provincia de Mendoza (Argentina), dentro de la región de
los Andes Centrales (Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales, 2018).
Ocupa aproximadamente 283 km2 y concentra una población permanente de alrededor de 3000
personas (DEIE, 2010) (ver Figura 1). La zona posee un alto valor ecológico y de conservación,
destacándose los humedales altoandinos, considerados prioritarios por los procesos hidrológicos y
ecológicos que sustentan. (Rubio, 2012; Rubio y Betancourt, 2018). Las nacientes de la cuenca se
encuentran protegidas por el Parque Provincial Cordón del Plata (Ley N° 8.308, 2011), en tanto
que, los sectores inferior y medio, por el Área Ambiental Municipal Protegida Potrerillos (AAMPP)
(Municipalidad de Luján de Cuyo, 2011).
Si bien existen estas dos áreas protegidas como herramientas de conservación, no son
suficientes para enfrentar los problemas de degradación que afectan al área. Entre los principales
procesos de degradación ambiental se encuentran: el crecimiento acelerado y no planificado de la
actividad residencial, desencadenado desde el año 2000 a partir de la creación del Dique Potrerillos
(Rubio et al., 2017), y la ganadería extensiva mayor de mulares y equinos en los faldeos de los
cordones montañosos. El turismo, actividad económica preponderante de la zona, también juega un
rol importante; tanto por la afluencia masiva de visitantes durante los fines de semana, fechas
especiales y época de vacaciones (Agencia Provincial de Ordenamiento Territorial, 2021), como
por el aumento de la construcción de complejos turísticos en la zona (Rubio et al., 2017). Asimismo,
Evaluación de los cambios en las coberturas y usos de suelo la cuenca del río Blanco mediante clasificaciones satelitales
95
SEMIÁRIDA, Vol 35, Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
se destacan la ocurrencia periódica de grandes eventos de remoción en masa, como aludes y
aluviones (Páez et al., 2013), y la ocurrencia de incendios con pérdidas materiales y efectos
ambientales. Por último, los sistemas de humedales han sufrido impactos asociados a la
polderización de vegas, al corte y desvío de su flujo de alimentación, a la contaminación de recursos
hídricos, a la pérdida de biodiversidad por reducción y fragmentación de hábitat y a la presencia de
especies exóticas invasoras (e.g. Rosa rubiginosa) en el área (Rubio et al., 2017).
Coberturas y usos del suelo
Productos MapBiomas
MapBiomas es un proyecto anual de cartografía del uso y la ocupación del suelo. Consiste en
una plataforma gratuita y de código abierto para monitorear los cambios en la cobertura terrestre
brasileña desde el año 1985. Con la plataforma MapBiomas, es posible analizar los cambios anuales
en la cobertura terrestre y cuantificar la tasa de pérdida natural de vegetación. También es posible
determinar los cambios en la cobertura terrestre (de Novaes-Vianna & Zambonim, 2024).
Aunque el proyecto empezó en Brasil, actualmente se extiende por toda Sudamérica. En
Argentina MapBiomas comenzó en 2017, con el mapeo del Gran Chaco Americano.
Posteriormente, en el 2021 se extendió a las regiones del Bosque Atlántico y la Pampa. Finalmente,
en 2023, se consolidó la iniciativa a nivel nacional (Proyecto MapBiomas Argentina, 2024), con el
objetivo de comprender los procesos de transformación en todo el territorio nacional, utilizando
datos de teledetección y capitalizando la experiencia de grupos locales en Argentina (MapBiomas
Argentina, 2024).
En este trabajo se descargaron de la plataforma MapBiomas Argentina las clasificaciones para
la cuenca del río Blanco de los años 2000 y 2022. El año 2000 fue elegido teniendo en cuenta la
fecha de construcción del Dique Potrerillos en la cuenca, evento que produjo el comienzo del
crecimiento acelerado y no planificado de la actividad residencial en la zona (Rubio et al., 2017).
Por otro lado, el año 2022 es el último año analizado hasta el momento en la plataforma. La
metodología de MapBiomas Argentina consiste en el procesamiento de datos satelitales Landsat e
índices sintéticos derivados, de 30 m de resolución, para generar mosaicos anuales clasificados
automáticamente con Random Forest. El algoritmo se entrena con muestras definidas por expertos
y fusionadas según su representatividad nacional (MapBiomas Argentina, 2024). Hasta el
momento, las colecciones de MapBiomas para la región no informan su exactitud.
Elaboración de clasificación supervisada ad hoc
Además de utilizar la clasificación de MapBiomas, se generó una clasificación supervisada
propia para la cuenca, con el fin de representar clases específicas del área de estudio. De esta
manera, se complementan las categorías generales de MapBiomas, diseñadas para abarcar todo el
Figura 1. Ubicación del área de estudio. a)
Ubicación relativa de la provincia de
Mendoza. b) Ubicación relativa del
departamento de Luján de Cuyo. c) Ubicación
relativa de la Cuenca del río Blanco en el
departamento de Luján de Cuyo. d) Cuenca
del río Blanco. SRC: UTM 19S, EPSG:32719.
Fondo cartográfico: Positron.
Figure 1. Location of the study area. a)
Relative location of the province of Mendoza.
b) Relative location of the department of Luján
de Cuyo. c) Relative location of the Blanco
River Basin in the department of Luján de
Cuyo. d) Blanco River Basin. SRC: UTM 19S,
EPSG:32719. Map background: Positron.
Torre Azzaroni, M. L., Rubio, M. C. y Morandeira, N.
96
SEMIÁRIDA, Vol 35, N° Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
país, con categorías más ajustadas a las particularidades locales. Para ello se realizaron salidas al
área de estudio los días 4 de abril y 14 de octubre de 2024, en las que se relevaron sitios
representativos de las diferentes coberturas presentes en la cuenca y se geolocalizaron con GPS.
Posteriormente, en base a estos puntos y, a través de las imágenes históricas de Google Earth de
alta resolución espacial, se digitalizaron polígonos de las 11 clases de cobertura presentes en la zona
tanto para las coberturas de 2000 como de 2022: “arbustal abierto”, “arbustal cerrado”, “arbustal
ralo”, “bosque implantado”, “pastizal”, “suelo desnudo”, “roca”, “urbano”, “hielo y nieve”, “rosa
mosqueta” y “humedales”. Cabe señalar que la clase “rosa mosqueta” corresponde a un caso
particular de arbustal muy cerrado, con mucha mayor cobertura que los arbustales nativos y
distinguible en imágenes de alta resolución de Google Earth (Tabla 1) (Mastrantonio et al., 2020;
Torre Azzaroni, 2022).
Se utilizaron imágenes satelitales correspondientes al período estival de los años 2000 y 2022,
obtenidas por las misiones Landsat 5 TM y Landsat 8 OLI/TIRS, respectivamente, ambas con una
resolución espacial de 30 m. Las imágenes se obtuvieron a partir del Servicio Geológico de los
Estados Unidos (U.S. Geological Survey, 2024), corregidas a reflectancia de superficie (Collection
2 - Level 2). En particular, se emplearon dos 147 productos del Path 232/Row 83:
LT05_L2SP_232083_20000229_20200907_02_T1 (Landsat 5 TM, 148 adquirida el 29/02/2000)
y LC08_L2SP_232083_20220225_20220308_02_T1 (Landsat 8 OLI/TIRS, adquirida el
25/02/2022). Se eligió el período estival para realizar la clasificación ya que es la época de mayor
actividad fotosintética de la vegetación. Los años fueron elegidos en concordancia con el criterio
seleccionado al descargar las clasificaciones de MapBiomas. Se usaron las bandas: azul (longitud
de onda central 0,482 μm), verde (0,561 μm), rojo (0,655 μm), infrarrojo cercano (0,865 μm) e
infrarrojo de onda corta (SWIR 1: 1,610 μm y SWIR 2: 2,200 μm). A su vez, se descargó un modelo
digital de elevaciones (MDE) de 12,5 m de resolución de la misión ALOS/PALSAR desde la página
de Alaska Satellite Facility (Alaska Satellite Facility, 2024)..
Clase
Fotografía de campo
Visualización en Google Earth
Arbustal
abierto
Autora: M. Luisina Torre Azzaroni
Arbustal
cerrado
Autora: M. Luisina Torre Azzaroni
Arbustal
ralo
Autora: M. Luisina Torre Azzaroni
Tabla 1. Clases de cobertura y uso del suelo. Fotografías tomadas en campo y visualización en Google Earth.
Table 1. Land cover and land use classes. Photographs taken in the field and visualization in Google Earth.
Evaluación de los cambios en las coberturas y usos de suelo la cuenca del río Blanco mediante clasificaciones satelitales
97
SEMIÁRIDA, Vol 35, Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
Tabla 1. Clases de cobertura y uso del suelo. Fotografías tomadas en campo y visualización en Google Earth.
Table 1. Land cover and land use classes. Photographs taken in the field and visualization in Google Earth.
Suelo
desnudo
Autora: M. Luisina Torre Azzaroni
Roca
Autor: José Luis Guevara
Urbano
Autora: Clara Rubio
Hielo y
nieve
Autor: Adrián Daviolo
Bosque
implantado
Autora: Cecilia Rubio (Drone)
Pastizal
Autora: M. Luisina Torre Azzaroni
Torre Azzaroni, M. L., Rubio, M. C. y Morandeira, N.
98
SEMIÁRIDA, Vol 35, N° Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
Tabla 1. Clases de cobertura y uso del suelo. Fotografías tomadas en campo y visualización en Google Earth.
Table 1. Land cover and land use classes. Photographs taken in the field and visualization in Google Earth.
Posteriormente se generaron dos índices sintéticos: el Índice de Vegetación Ajustado al Suelo
(SAVI; Huete, 1998) y el Índice Infrarrojo de Diferencia Normalizada (NDII; Hunt & Rock, 1989).
Los índices se obtuvieron en QGIS (QGIS.org, 2025). El primero (Ecuación 1) se utiliza para
identificar la vegetación de zonas áridas donde la cobertura es baja. Se utilizó el valor 0.5 como
factor de corrección de la luminosidad del suelo (L) (Arboit & Maglione, 2018). El segundo índice
(Ecuación 2) se utiliza eficazmente para detectar el estrés hídrico de las plantas (Hunt & Rock,
1989) y también puede emplearse como indicador de almacenamiento de humedad del suelo
(Sriwongsitanon et al., 2016). Se espera que el índice SAVI otorgue información sobre las
diferentes coberturas nativas que tienen gran porcentaje de suelo desnudo y que el índice NDII dé
información sobre zonas con humedales.
(Ecuación 1)
Donde.
IRC= Infrarojo cercano
R= Rojo
L= Factor de corrección
(Ecuación 2)
Donde
IRC= Infrarrojo cercano
IOC = Infrarrojo de onda corta
Con los polígonos de entrenamiento (que difieren en 2000 versus 2022), las bandas de las
imágenes satelitales, los índices de vegetación y el MDE (total: nueve capas por periodo) se
procedió a entrenar el algoritmo y obtener la clasificación. Se utilizó el software SAGA GIS (SAGA
Development Team, 2024) y el algoritmo Random Forest (Breiman, 2001). Finalmente, las
clasificaciones se evaluaron cuantitativamente a través de una matriz de confusión (Pineda-Bedón
& Jaramillo-Cuaycal, 2022). Cada clase se evaluó a través de la exactitud del usuario y del
productor y la clasificación de cada año a través de la exactitud global y del coeficiente Kappa. En
total se digitalizaron 206 polígonos, de aproximadamente 80 píxeles por clase, divididos en 70-30
para entrenamiento y validación respectivamente (Landis & Koch, 1977). Además de la evaluación
interna propia de la salida del Random Forest, y para evitar sobreestimar la precisión, se realizó una
evaluación externa (hold-out) con datos de salidas a campo posteriores e independientes a los
Humedales
Autora: M. Luisina Torre Azzaroni
Evaluación de los cambios en las coberturas y usos de suelo la cuenca del río Blanco mediante clasificaciones satelitales
99
SEMIÁRIDA, Vol 35, Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
empleados en la clasificación con 36 muestras, llevadas a cabo los días 17 de marzo y 2 de abril de
2025.
Comparación entre capas y detección de cambios
Se compararon los productos de MapBiomas con las clasificaciones elaboradas en el marco de
este trabajo y se detectaron los cambios en las coberturas y usos de suelo entre 2000 y 2022. Para
ello, se realizó un análisis cualitativo mediante la comparación visual de las clasificaciones y, un
análisis cuantitativo con métricas de paisaje. Estas métricas son herramientas cuantitativas que
aportan datos numéricos sobre la composición y configuración del paisaje (Vila-Subirós et al.,
2006). A través de su aplicación e interpretación, se analiza la estructura del paisaje en mapas
categóricos, lo que permite comparar distintas configuraciones paisajísticas, analizar un área
determinada en distintos momentos temporales o definir escenarios futuros (Peña-Cortés et al.,
2006; Vila-Subirós et al., 2006). Se calcularon las métricas de Área total de la clase (AT) y
Porcentaje del paisaje ocupado por la clase (PC) para cada clase de cobertura y año evaluado, tanto
en las clasificaciones de MapBiomas como en las de elaboración propia. Para obtener estas
métricas, se utilizó el complemento “LecoS Landscape Ecology Statistics” de QGIS. Esta
herramienta permite calcular las métricas del paisaje en capas ráster (Jung, 2016).
RESULTADOS
Resultados de la clasificación de MapBiomas
A continuación, se muestran las coberturas para la cuenca del río Blanco según el proyecto
MapBiomas Argentina Colección 1. La Figura 2 corresponde a la clasificación de la cuenca para el
año 2000 y la Figura 3 para el año 2022. Se observa que las clases presentes en la cuenca fueron:
“leñosa cerrada”, “leñosa abierta”, “plantación forestal”, “vegetación leñosa no inundable”,
“mosaico agropecuario”, “área sin vegetación”, “no observado”, “río, lago u océano”, “hielo y nieve
en superficie”, “leñosa dispersa” y “estepa”. Cabe destacar que la clase “vegetación no leñosa
inundable” corresponde a los humedales de altura presentes en el área y la clase “mosaico
agropecuario” coincide con el área urbana de la zona, ya que en esta versión de la colección no se
determinó una clase específica para el área urbana.
En la Tabla 2 se ven los resultados de las métricas de paisaje de la clasificación de MapBiomas para
los dos años analizados y los cambios para cada una de ellas. El paisaje de la cuenca está dominado por
las clases de “área sin vegetación”, que ocupaban el 30% de la cuenca en el año 2022, seguida de las
“leñosas abiertas”, que ocupaban el 26%, y de las “estepas”, que ocupaban el 25%. Las clases que
experimentaron mayor cambio en el período analizado fueron las clases “áreas sin vegetación” que
disminuyeron en 1206 ha, lo que representa una disminución del 10% y la clase “hielo y nieve en
superficie” que aumentó en 768,15 ha, lo que representa un aumento de casi el 250 %. La clase
“vegetación no leñosa inundable”, correspondiente a los humedales de la zona, disminuyó en 144,81 ha
para el período analizado, lo que corresponde a una disminución de casi un 39 %.
Figura 2. Clasificación de la cuenca del río
Blanco según MapBiomas (colección 1) para
el año 2000. SRC: WGS 84 -EPSG:4236.
Fondo cartográfico: OSM Standard.
Figure 2. Classification of the Blanco River
basin according to MapBiomas (collection 1)
for the year 2000. SRC: WGS 84 -
EPSG:4236. Map background: OSM
Standard.
Torre Azzaroni, M. L., Rubio, M. C. y Morandeira, N.
100
SEMIÁRIDA, Vol 35, N° Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
Las Figuras 4 y 5 muestran las clasificaciones para la cuenca del río Blanco para los años 2000
y 2022, respectivamente. Se observa un aumento en la clase “rosa mosqueta” y “urbano” y una
disminución de la clase “arbustal cerrado”.
En la Tabla 3 se observa la exactitud de la clasificación, teniendo en cuenta tanto la evaluación
interna como la externa. En la evaluación interna todas las clases tuvieron una exactitud superior al
80% y la clasificación tuvo una exactitud por encima del 90%, es decir, de una concordancia casi
perfecta (Landis & Koch, 1977). Por otro lado, con los datos externos la exactitud de la clasificación
tuvo un notorio declive, con una exactitud alrededor del 60%, lo que representa, según Landis y
Koch (1977), una concordancia sustancial.
Figura 3. Clasificación de la cuenca del río
Blanco según MapBiomas (colección 1) para
el año 2022. SRC: WGS 84 -EPSG:4236.
Fondo cartográfico: OSM Standard.
Figure 3. Classification of the Blanco River
basin according to MapBiomas (collection 1)
for the year 2022. SRC: WGS 84 -
EPSG:4236. Map.
Tabla 2. Métricas del paisaje para las
clasificaciones de MapBiomas en los
años analizados: Área total de la clase
(AT) y Porcentaje del paisaje ocupado
por la clase (PC)
Table 2. Landscape metrics for
MapBiomas classifications in the years
analyzed: Total class area (AT) and
Percentage of landscape occupied by
the class (PC).
Figura 4. Coberturas y usos del suelo de la
Cuenca del río Blanco en el año 2000 según
clasificación supervisada realizada con el
algoritmo Random Forest a partir de
imágenes Landsat 5. SRC: WGS 84 -
EPSG:4236. Fondo cartográfico: OSM
Standard.
Figure 4. Land cover and land use in the
Blanco River Basin in 2000 according to
supervised classification performed with the
Random Forest algorithm from Landsat 5
images. SRC: WGS 84 - EPSG:4236.
Cartographic background: OSM Standard.
Evaluación de los cambios en las coberturas y usos de suelo la cuenca del río Blanco mediante clasificaciones satelitales
101
SEMIÁRIDA, Vol 35, Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
En la Tabla 4 se muestran las exactitudes del usuario y del productor para las clasificaciones
del año 2000 y 2022, arrojadas por el clasificador Random Forest. En el año 2000, la cobertura de
menor exactitud del productor fue la de “urbano” (82%), la cual se confundió con la cobertura
“bosque implantado”, y la clase con menor exactitud del usuario fue la de “arbustal abierto” (88%)
que se confundió principalmente con la cobertura “arbustal ralo”. Mientras que en el año 2022, la
clase con menor exactitud del productor fue la cobertura “humedales” (81%) que se confundió
principalmente con la clase “rosa mosqueta”, y la clase con menor exactitud del usuario fue la de
“pastizal” (82%) que se confundió en mayor medida con la clase “arbustal abierto” y en segundo
lugar con la cobertura “arbustal ralo”.
En la Tabla 5 se observan las métricas del paisaje para la clasificación de elaboración propia
para los años 2000 y 2022.En este caso, la cuenca estuvo dominada por la clase “arbustal abierto”
que en el año 2022 ocupó el 47,83 % de la cuenca. Esta estuvo seguida de la cobertura “roca” que
ocupó un 13 % y de la clase “pastizal” que ocupó un 10%. La cobertura “arbustal cerrado” fue la
que mayor cambio experimentó en el período analizado, con una disminución de 2181 ha, lo que
Tabla 3. Exactitud de la clasificación
supervisada de los años 2000 y 2022 de la
cuenca del río Blanco. Se informa el índice
Kappa y la Exactitud global tanto para la
evaluación interna del clasificador Random
Forest como para la evaluación externa.
Table 3. Accuracy of the supervised
classification for the years 2000 and 2022 of
the Blanco River basin. The Kappa index
and overall accuracy are reported for both
the internal evaluation of the Random
Forest classifier and the external evaluation.
Figura 5. Coberturas y usos del suelo de la
Cuenca del río Blanco en el año 2022 según
clasificación supervisada realizada con el
algoritmo Random Forest a partir de
imágenes Landsat 8. SRC: WGS 84 -
EPSG:4236. Fondo cartográfico: OSM
Standard.
Figure 5. Land cover and land use in the
Blanco River Basin in 2022 according to
supervised classification performed with the
Random Forest algorithm from Landsat 8
images. SRC: WGS 84 - EPSG:4236.
Cartographic background: OSM Standard.
Tabla 4. Tabla 4: Precisión de las
clasificaciones supervisadas de la cuenca
del río Blanco para el año 2000 y 2022. Se
informa la exactitud del usuario y del
productor para cada una de las clases en
los dos años evaluados. Esta matriz se
realizó con los polígonos de la evaluación
interna.
Table 4. Accuracy of the supervised
classifications of the Blanco River basin for
the years 2000 and 2022. User and
producer accuracy are reported for each of
the classes in the two years evaluated. This
matrix was created using the polygons from
Torre Azzaroni, M. L., Rubio, M. C. y Morandeira, N.
102
SEMIÁRIDA, Vol 35, N° Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
representa una disminución del 56 %. La clase “hielo y nieve” aumentó del año 2000 al 2022, en
2168 ha, pero el aumento en porcentaje fue más significativo, representando un 353 % (lo cual es
consistente con el patrón observado en las clasificaciones de MapBiomas). Asimismo, tanto en estas
clasificaciones como en MapBiomas se observa una disminución de las coberturas no vegetadas
(“suelo desnudo” y “roca”, o “área sin vegetación”, respectivamente). Por otro lado, la clase
“humedales” presentó una disminución, tal como se vio en la clasificación de MapBiomas, pero
esta vez la disminución fue de mayor magnitud, ya que se perdieron 263 ha de humedal, lo que
corresponde a una disminución del 36,4 %. Asimismo, en esta clasificación se puede distinguir un
aumento significativo de la clase “rosa mosqueta”, que no estaba presente en la clasificación de
MapBiomas, aumentando en 892 ha desde el año 2000 hasta el 2022, lo que representa un aumento
de casi el 100 % (96.76 %).
Comparación de los productos de las clasificaciones
Al no coincidir las clases de ambas clasificaciones se unificaron los nombres y se combinaron
algunas de las coberturas y usos del suelo para poder realizar la comparación de los productos, con
el criterio que se muestra en la Tabla 6. Las clases que se compararon fueron: “leñosas nativas”,
“hielo y nieve”, “áreas sin vegetación”, “rosa mosqueta”, “vegetación baja”, “leñosas cultivadas”,
“urbano” y “humedales”.
En la Figura 6 se observan los diferentes cambios en hectáreas para cada una de las clases
unificadas para las dos clasificaciones: la de MapBiomas y la clasificación ad hoc.
Se observa que en la mayoría de los casos las tendencias de pérdida o aumento de coberturas y
usos de suelo es la misma en ambas clasificaciones, exceptuando las clases “leñosas nativas” y
“leñosas cultivadas”. Esto podría ser causa de que MapBiomas incluye dentro de “leñosas nativas”
el matorral de rosa mosqueta, especie exótica invasora, que en la clasificación ad hoc se considera
por separado y, asimismo, que en “leñosas cultivadas” se estén considerando áreas de leñosas
nativas como implantadas. Al mismo tiempo, en ambas clasificaciones puede observarse el avance
de la urbanización, casi en la misma magnitud, y una pérdida de hectáreas de humedal, siendo
mayor la pérdida en la clasificación de elaboración propia que en la clasificación de MapBiomas.
Cambio en la clase humedales
En la Figura 7 se observa la disminución de humedales en hectáreas de la cuenca del río Blanco
para el período 2000-2022 de acuerdo con los datos de la clasificación ad hoc. Se observa que en
Tabla 5. Métricas del paisaje para las
clasificaciones de elaboración propia en los
años analizados: Área total de la clase (AT)
y Porcentaje del paisaje ocupado por la
clase (PC).
Table 5. Landscape metrics for the self-
developed classifications in the years
analyzed:Total class area (AT) and
Percentage of landscape occupied by the
class (PC).
Tabla 6. Unificación de las
diferentes clases de ambas
clasificaciones para su posterior
comparación.
Table 6. Unification of the
different classes of both
classifications for later
comparison.
Evaluación de los cambios en las coberturas y usos de suelo la cuenca del río Blanco mediante clasificaciones satelitales
103
SEMIÁRIDA, Vol 35, Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
el año 2000 la cuenca contaba con 723,06 ha de humedal que disminuyeron a 459,9 ha. Es decir,
que en el período 2000-2022 en la cuenca del río Blanco los humedales disminuyeron un 36,4 %
(263,16 ha en total). La mayoría de las hectáreas cambiaron a “rosa mosqueta” (250,11 ha) y
“pastizal” (145,02 ha), y un área menor (10,08 ha) a “urbano”.
DISCUSIÓN
En este trabajo se analizaron los cambios en la cobertura del suelo en la cuenca del río Blanco
entre los años 2000 y 2022. Si bien las clasificaciones de MapBiomas Argentina permiten
comprender las tendencias generales acerca de las dinámicas de las coberturas y usos del suelo de
la cuenca, como la pérdida de humedales (“vegetación no leñosa inundable”) entre 2000 y 2022,
sus clases limitan la interpretación detallada de esos resultados. La creación de una clasificación
específica para el área de estudio permitió incorporar clases como “rosa mosqueta” y ajustar otras,
como “urbano” en reemplazo de “mosaico agropecuario”, adaptándose así a los procesos locales.
Aunque la exactitud externa de la clasificación no fue tan alta como se esperaba, es una ventaja
conocer en qué clases de cobertura hay una mayor confianza para los/las usuarios/as de los
productos, ya que en el caso de la clasificación de MapBiomas la exactitud no está informada
Figura 6. Cambio en cantidad de hectáreas ocupadas por cada cobertura en el período 2000-2022 en la cuenca del río
Blanco de acuerdo con la clasificación de MapBiomas y la clasificación ad hoc.
Figure 6. Change in the amount of land occupied by each land cover in the Blanco River Basin between 2000 and 2022,
according to the MapBiomas and ad hoc classifications.
Figura 7. Cambio en la clase
humedales (en ha) de la cuenca
del río Blanco entre 2000-2022.
Figure 7. Wetland class change
(in ha) in the Blanco River Basin
between 2000-2022.
Torre Azzaroni, M. L., Rubio, M. C. y Morandeira, N.
104
SEMIÁRIDA, Vol 35, N° Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
(MapBiomas Argentina, 2024). Por ejemplo, la clase de cobertura correspondiente a la “rosa
mosqueta”, que es un aporte de este trabajo, presentó una alta exactitud y su incorporación permite
diagnosticar la degradación de los humedales por la invasión de una especie exótica (Mazzolari,
2017).
En relación al cambio en la cobertura de “humedales”, se observó una disminución neta de la
superficie. Uno de los principales factores de pérdida de humedales es el avance de la rosa mosqueta
(Rosa rubiginosa), especie exótica invasora (Mazzolari, 2017). Esta especie es un arbusto exótico
invasor que perjudica el balance hídrico de los humedales al consumir mayor cantidad de agua que
las especies nativas (Blaustein, 2022) presentes en la cuenca y en gran parte de las áreas naturales
protegidas de la provincia (Mazzolari, 2017; Rubio et al., 2017). En cuanto a los cambios de
“humedal” a “pastizal”, sería relevante evaluar en qué medida se trata de un proceso de degradación
como consecuencia de la actividad antrópica, por ejemplo, del pastoreo (Matovelle, 2021; Ríos et
al., 2025), del cambio climático (Dangles et al., 2017) o bien de áreas con menor humedad en 2022
que por lo tanto no fueron detectadas como “humedal” con la metodología utilizada. En el mismo
sentido (aunque en menor superficie), existen áreas clasificadas como “pastizal” en el año 2000 y
detectadas como “humedal” en 2022, que probablemente sean humedales con distinto nivel de
humedad de acuerdo con la fecha. Por otro lado, aunque el avance urbano es uno de los principales
problemas de degradación de la cuenca (Rubio et al., 2017), no ocupó un lugar protagónico en este
trabajo.
Asimismo, tanto en la clasificación de MapBiomas como en la clasificación ad hoc el aumento
de la cobertura de “hielo y nieve” llama la atención, ya que no coincide con las tendencias mundiales
en cuanto a la disminución de la cobertura de nieve (Cara-Ramírez et al., 2016) y retracción de
cuerpos glaciarios (Masiokas et al., 2015). Sin embargo, esto puede deberse a la metodología
empleada ya que no refleja la tendencia anual de esa clase. En ambos casos, es posible que las
imágenes utilizadas para la clasificación presentaran nieve en esas fechas concretas y no reflejen la
tendencia anual de la dinámica temporal y espacial de esta cobertura (Cara-Ramirez et al., 2016).
Este trabajo presenta las bases para continuar trabajando en productos de clasificación de
cobertura y uso de suelo, en vistas de mejorar la exactitud. Por un lado, se realizarán clasificaciones
separadamente para distintas unidades de paisaje identificadas con un criterio eco-hidrogeomórfico
(Winter, 2001), cada una de las cuales podrá tener un conjunto particular de clases de cobertura y
usos de suelo. Por otro lado, podrían emplearse datos satelitales multitemporales (de más de dos
fechas) incluyendo escenas multiespectrales Sentinel -2, con mayor resolución espacial (10 m)
aunque disponibles sólo desde el año 2015 (Mancino et al., 2023).
CONCLUSIONES
El mayor cambio de coberturas y usos del suelo en la cuenca del río Blanco en el periodo
estudiado fue el aumento de la cobertura “hielo y nieve” seguido del aumento del uso “urbano”. La
superficie de humedales disminuyó, debido principalmente al avance de la rosa mosqueta y la
conversión a pastizales. Por su parte, a diferencia de lo esperado, el avance urbano en el período
2000-2022 no ocupó un papel preponderante en estos cambios. Este trabajo ofrece información para
un estudio integral sobre la degradación de la cuenca, que permitirá elaborar lineamientos de
ordenamiento territorial orientados a la conservación de humedales presentes en el área.
AGRADECIMIENTOS
Al Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) por la beca
doctoral otorgada, la que me permitió e incentivó a trabajar en esta investigación. Al editor y a
los/las revisores/as por sus comentarios y sugerencias que permitieron mejorar este trabajo. Una
versión preliminar de este trabajo se presentó en las IV Jornadas Internacionales y VI Nacionales
de Ambiente, llevadas a cabo del 6 al 8 de noviembre de 2024 en la ciudad de Viedma, Río Negro,
Argentina.
Evaluación de los cambios en las coberturas y usos de suelo la cuenca del río Blanco mediante clasificaciones satelitales
105
SEMIÁRIDA, Vol 35, Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
REFERENCIAS BIBLIOGRÁFICAS
Agencia Provincial de Ordenamiento Territorial (2021). Plan especial de ordenamiento territorial: Perilago
Potrerillos. Secretaría de Ambiente y Ordenamiento Territorial, Gob. De Mendoza. https://www.mendoza.
gov.ar/wp-content/uploads/sites/15/2021/05/PLAN-ESPECIAL-OT-PERILAGO-POTRERILLOS.pdf
Alaska Satellite Facility. (4 de septiembre de 2024). ASF Data Search.
https://search.asf.alaska.edu/#/
Arboit, M. E. y Maglione, D. S. (2018). Situación actual y cambios recientes en los índices de vegetación (VIS) en
ciudades forestadas con climas secos: Caso Área Metropolitana de Mendoza, Argentina. Revista Urbano, 21
(38); 18-35.
https://doi.org/10.22320/07183607.2018.21.38.02
Blaustein, M. B. (2022). Influencia de la rosa mosqueta en el balance hídrico de los humedales altoandinos de la
Reserva Natural y Sitio Ramsar Villavicencio. [Tesina de grado], Universidad Nacional de Cuyo, Mendoza,
Argentina.
https://bdigital.uncu.edu.ar/objetos_digitales/17808/blaustein-belen-tesis-7-7-22.pdf
Breiman, L (2001). Random Forests. Machine Learning, 45, 5–32. https://doi.org/10.1023/A:1010933404324
Cara-Ramírez, L. J., Masiokas, M. H., Viale, M., & Villalba, R. (2016). Análisis de la cobertura nival de la cuenca
superior del río Mendoza a partir de imágenes MODIS. Meteorológicas, 41(1), 21–36.
https://ri.conicet.gov.ar/handle/11336/182910
Convención sobre los Humedales. (2021). Perspectiva mundial sobre los humedales: Edición especial de 2021.
Secretaría de la Convención sobre los Humedales.
https://static1.squarespace.com/static/
5b256c78e17ba335ea89fe1f/t/61b8a951c302f4685dd2944d/1639491927838/Ramsar+GWO_Special+Edition
+2021%E2%80%93Squedesdeelaño1970seestándegradandoPANISH_WEB.pdf
de Novaes-Vianna, L. F. y Zambonim, F. M. (2024). Aplicación basada en la nube para el análisis espacial y
estadístico sobre la fragilidad ambiental y la cobertura del suelo. Contribuciones a las Ciencias Sociales, 17(7),
e8384.
https://doi.org/10.55905/revconv.17n.7-209
Dangles, O., Rabatel, A., Kraemer, M., Zeballos, G., Soruco, A., et al. (2017). Ecosystem sentinels for climate
change? Evidence of wetland cover changes over the last 30 years in the tropical Andes. PLoS ONE, 12(5),
Article e0175814.
https://doi.org/10.1371/journal.pone.0175814
DEIE - Dirección de Estadísticas e Investigaciones Económicas (2010). Censo Nacional de Población. Ministerio
de Producción, Tecnología e Innovación. Gobierno de Mendoza.
Gxokwe, S., Dube, T., & Mazvimavi, D. (2020). Multispectral remote sensing of wetlands in semi-arid and arid areas:
A review on applications, challenges and possible future research directions. Remote Sensing, 12(24), 4190.
https://doi.org/10.3390/rs12244190
Huete, A. R. (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25(3), 295–309.
https://doi.org/10.1016/0034-4257(88)90106-X
Hunt, E. R., Jr., & Rock, B. N. (1989). Detection of changes in leaf water content using near- and middle-infrared
reflectances. Remote Sensing of Environment, 30, 43–54.
https://doi.org/10.1016/0034-4257(89)90046-1
Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales (IANIGLA). (2018). Inventario nacional de
glaciares: Informe de las subcuencas de los ríos Blancos y sector del Cordón del Plata.
Cuenca del río Mendoza (pp. 66). IANIGLA-CONICET; Ministerio de Ambiente y Desarrollo Sustentable de la
Nación.
https://www.glaciaresargentinos.gob.ar/wp-content/uploads/provincias/Mendoza/docs/informes/
informe_final_plata_APN_24-04-2018.pdf
Jung, M. (2016). LecoS—A python plugin for automated landscape ecology analysis. Ecological informatics, 31, 18-
21.
https://doi.org/10.1016/j.ecoinf.2015.11.006
Kandus, P. y Minotti, P. (2018). Propuesta de un marco conceptual y lineamientos metodológicos para el Inventario
Nacional de Humedales: Informe final elaborado por solicitud del Ministerio de Ambiente y Desarrollo
Sustentable (124 pp.). 3iA-UNSAM.
https://www.argentina.gob.ar/sites/default/ files/inh_propuesta_de_
marco_conceptual.pdf
Kumar, R., McInnes, R. J., Everard, M., Gardner, R. C., Kulindwa, K. A. A., Wittmer, H., & Infante Mata, D. (2017).
Integración de los múltiples valores de los humedales en la toma de decisiones (Nota sobre Políticas de
Ramsar nº 2). Secretaría de la Convención de Ramsar.
https://www.ramsar.org/sites/default/
files/documencuantitativats/library/rpb_values_of_wetlands_s.pdf
Landis, J. R., & Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics,
33(1), 159–174.
https://doi.org/10.2307/2529310
Ley N° 8.308, Mendoza, 1 de junio de 2011. Constituye como área natural protegida "Cordón del Plata" a la región
montañosa de los departamentos Luján de Cuyo y Tupungato.
https://www.senadomendoza.gob.ar/
busqueda/_lib/tmp/sc_pdf_20250527200106_914_pdfreport_ley.pdf
Mancino, G., Falciano, A., Console, R., & Trivigno, M. L. (2023). Comparison between Parametric and Non-
Parametric Supervised Land Cover Classifications of Sentinel-2 MSI and Landsat-8 OLI Data. Geographies,
3(1), 82-109. https://doi.org/10.3390/geographies3010005
MapBiomas Argentina (2024). MapBiomas general “handbook” algorithm theoretical basis (Document ATBD,
Collection 1, Version 1). Mayo 2024.
https://argentina.mapbiomas.org/wp-content/uploads/sites/12/2024/05/
ATBD-MapBiomas-Argentina-Coll-1.pdf
Torre Azzaroni, M. L., Rubio, M. C. y Morandeira, N.
106
SEMIÁRIDA, Vol 35, N° Supl. Julio - Diciembre 2025. ISSN 2408-4077 (online), pp. 93-106
Mastrantonio, L.; D’Amario, J. y Darre M. (2020). Evolución histórica y tendencias futuras de la cobertura de rosa
mosqueta en la Reserva Natural Villavicencio (Mendoza, Argentina) (Informe técnico). Fundación
Villavicencio.
Matovelle, C. (2021). Páramo to pasture conversion in a mountain watershed: Effects on water quality and quantity.
Mountain Research and Development, 41(4), R74–R81. https://www.jstor.org/stable/48647068
Masiokas, M. H., Christie, D. A., Le Quesne, C., Pitte, P. M., Ruiz, L. E., Villalba, R., Luckman, B. H., Berthier, E.,
Nussbaumer, S. U., González Reyes, A., McPhee, J., & Barcaza, G. (2015). Reconstructing glacier mass
balances in the Central Andes of Chile and Argentina using local and regional hydro-climatic data. The
Cryosphere Discussions, 9, 4949–4972.
https://doi.org/10.5194/tcd-9-4949-2015
Mazzolari, A. C. (2017). Análisis de factores que contribuyen a la invasión de rosa mosqueta (Rosa canina y R.
rubiginosa) en Mendoza [Tesis doctoral], Universidad Nacional de Cuyo, Mendoza, Argentina.
https://ri.conicet.gov.ar/handle/11336/104974
Millennium Ecosystem Assessment. (2005a). Ecosystems and human well-being: Biodiversity synthesis. World
Resources Institute.
https://www.millenniumassessment.org/documents/document.354.aspx.pdf
Millennium Ecosystem Assessment. (2005b). Ecosystems and human well-being: Wetlands and wáter synthesis.
World Resources Institute.
https://www.millenniumassessment.org/documents/document.358.aspx.pdf
Municipalidad de Luján de Cuyo (2011). Ordenanza municipal N° 10.378/11: Aprobación del Área Municipal
Protegida Potrerillos (AAMPP). Mendoza.
https://lujandecuyo.gob.ar/informacion-ambiental/ordenanzas/
Ord.%20N%C2%B0%2010378-11%20%C3%81rea%20Ambiental%20Municipal%20Protegida%20Potrerillos.
pdf
Páez, M. S., Moreiras, S. M., Brenning, A., & Giambiagi, L. (2013). Flujos de detritos y aluviones históricos en la
cuenca del río Blanco (32°55’–33°10’ y 69°10’–69°25’), Mendoza. Revista de la Asociación Geológica
Argentina, 70(4), 488–498.
https://ri.conicet.gov.ar/bitstream/handle/11336/4649/994-20070-2-PB.pdf
Peña-Cortés, F., Rebolledo, G., Hermosilla, K., Hauenstein, E., Bertrán, C., Schlatter, R. y Tapia, J. (2006).
Dinámica del paisaje para el período 1980-2004 en la cuenca costera del Lago Budi, Chile. Consideraciones
para la conservación de sus humedales. Ecología Austral, 16(2), 183-196.
Pineda-Bedón, J. G., & Jaramillo-Cuaycal, C. E. (2022). Análisis multitemporal del cambio de cobertura vegetal en
la zona de amortiguamiento altoandina del Parque Nacional Cotacachi-Cayapas (1990-2019) [Trabajo de
titulación], Universidad Técnica del Norte, Ecuador.
https://repositorio.utn.edu.ec/handle/123456789/11967
Proyecto MapBiomas Argentina. (4 de septiembre de 2024.). MapBiomas Argentina: Cobertura y uso del suelo en
Argentina [Sitio web]. https://argentina.mapbiomas.org/QGIS.org. (2025). QGIS geographic information
system. QGIS Association. http://www.qgis.org
Ríos, L. D., Moreiras, S. M., de Porras, M. E., Gomez, M. L., & D’Ambrosio, D. S. (2025). Driving factors on wetland
water area changes in the arid region of centralwestern Argentina (32° S) during the last two decades. Andean
Geology, 52(1), 101–116.
http://dx.doi.org/10.5027/andgeoV52n1-3732
Rubio, M. C. (2012). Inventario y propuesta de conservación de los humedales de la cuenca del río Blanco. Luján
de Cuyo, Mendoza. [Tesis de licenciatura inédita], Facultad de Filosofía y Letras, Universidad Nacional de
Cuyo. Mendoza, Argentina.
Rubio, M. C., Rubio, C., Salomón, M., & Abraham, E. (2017). Conservation of ecosystem services in high altitude
wetlands: Social participation in the creation of a natural protected area. Ecología Austral, 27, 177-192.
https://doi.org/10.25260/EA.17.27.1.1.271
Rubio, M.C. y Betancourt P. (2018). Identificación de áreas prioritarias para la conservación de la Cuenca del Río
Blanco de Potrerillos. Institución adoptante: Municipio de Luján de Cuyo. Mendoza.
Safaei, M., Kleinebecker, T., & Große-Stoltenberg, A. (2023). Potential of the satellite-based Dynamic Habitat Index
(DHI) to capture changes in soil properties and drought conditions across Land Use/Land Cover types in a
Central European landscape Geocarto International, 38(1).
https://doi.org/10.1080/10106049.2023.2292162
SAGA Development Team. (2024). SAGA GIS (Versión 9.3.2) [Software] http://saga-gis.sourceforge.io/en/
index.html
Sriwongsitanon, N., Gao, H., Savenije, H. H. G., Maekan, E., Saengsawang, S., & Thianpopirug, S. (2016).
Comparing the normalized difference infrared index (NDII) with root zone storage in a lumped conceptual
model. Hydrology and Earth System Sciences, 20, 3361–3377.
https://doi.org/10.5194/hess-20-3361-2016
Torre Azzaroni, M. L. (2022). Dinámica del paisaje de la Reserva Natural y Sitio Ramsar Villavicencio (Mendoza,
Argentina) durante el período 2000–2020 (Tesina de grado). Universidad Nacional de Cuyo, Facultad de
Ciencias Agrarias.
https://bdigital.uncu.edu.ar/17960U.S.GeologicalSurvey (4 de septiembre de 2024.).
EarthExplorer.
U.S. Geological Survey.
https://earthexplorer.usgs.gov/
Vila-Subirós, J., Varga-Linde, D., Llausàs-Pascual, A., y Ribas-Palom, A. (2006). Conceptos y métodos
fundamentales en ecología del paisaje (landscape ecology). Una interpretación desde la geografía. Documents
d’Anàlisi Geogràfica, 48, 151-166.
Winter, T. C. (2001). The concept of hydrologic landscapes. Journal of the American Water Resources Association,
37(2), 335–349. https://doi.org/10.1111/j.1752-1688.2001.tb00973.x
