remcf Revista mexicana de ciencias forestales Rev. mex. de cienc. forestales 2007-1132 Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias 10.29298/rmcf.v12i66.896 Artículo Científico Análisis multitemporal del uso del suelo y vegetación en el Parque Nacional Cumbres de Monterrey Sandoval-García Rufino 1 Jiménez-Pérez Javier 1 Yerena-Yamallel José Israel 1 Aguirre-Calderón Oscar Alberto 1 Alanís-Rodríguez Eduardo 1 Gómez-Meza Marco Vinicio 2 Universidad Autónoma de Nuevo León Facultad de Ciencias Forestales. México. Universidad Autónoma de Nuevo León Universidad Autónoma de Nuevo León Facultad de Ciencias Forestales Mexico Universidad Autónoma de Nuevo León. Facultad de Economía. México Universidad Autónoma de Nuevo León Universidad Autónoma de Nuevo León Facultad de Economía Mexico Autor para correspondencia; correo-e: jjimenez20@gmail.com

Los autores declaran no tener conflicto de intereses

Rufino Sandoval-García: diseño, organización, análisis de la información y redacción del manuscrito; Javier Jiménez-Pérez: validación y revisión de manuscrito; José Israel Yerena-Yamallel, Oscar Alberto Aguirre-Calderón, Eduardo Alanís-Rodríguez y Marco Vinicio Gómez-Meza: revisión y corrección del manuscrito. Todos los autores contribuyeron en la aprobación de la contribución final.

 29 06 2021 Jul-Aug 2021 12 66 70 95 10 03 2020 19 01 2021 Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons Abstract

The Cumbres de Monterrey National Park is characterized by its rugged orography, which determines the distribution of a great diversity of ecosystems; these provide environmental goods and services, such as carbon capture and water supply for the Monterrey Metropolitan Area. However, it has been under strong pressure as a result of the progressive advance of human settlements, land use change for agricultural purposes, and forest fires. The present research aims to determine the dynamics of change in land use and vegetation, through multitemporal analysis with high-resolution satellite images. Results indicate that the ecosystems are experiencing constant changes due to both natural and anthropogenic factors. On the one hand pine, oak-pine and oak forests, exhibit an annual rate of change of 0.406, 0.272, and 0.245 respectively, which is equivalent to a recovery of forest cover of 3 590.50 ha. However, ecosystems such as grasslands, rosetophilic desert scrub, and microphyllous desert scrub show an annual rate of change of -0.954, -0.735 and -0.562, which is equivalent to a loss of coverage of 1 919.97 ha. This dynamic of land use puts at risk the integrity, the resilience abilityity and the multifunctionality of goods and services that they provide to the Monterrey Metropolitan Area.

 Key words: Protected natural areas forest cover ecotourism multifunctionality reforestation resilience Resumen

El Parque Nacional Cumbres de Monterrey se caracteriza por su accidentada orografía que determina la distribución de una gran diversidad de ecosistemas, los cuales generan bienes y servicios ambientales como la captura de carbono y el abasto de agua para el Área Metropolitana de Monterrey; sin embargo, está sujeto a una fuerte presión por el avance progresivo de asentamientos humanos, el cambio de uso del suelo con fines agropecuarios e incendios forestales. El objetivo de la presente investigación fue determinar la dinámica de cambio del uso del suelo y de la vegetación, mediante el análisis multitemporal con imágenes satelitales de alta resolución. Los resultados indican que los ecosistemas están experimentando cambios constantes debido a factores tanto naturales como antropogénicos; por una parte, los bosques de pino, encino-pino y encino registran una tasa anual de cambio de 0.406, 0.272 y 0.245, respectivamente que equivalen a una recuperación de cobertura forestal de 3 590.50 ha. En tanto que, ecosistemas como el pastizal, matorral desértico rosetófilo y matorral desértico micrófilo presentan una tasa anual de cambio de -0.954, -0.735 y -0.562 que representan una pérdida de cobertura de 1 919.97 ha. Esta dinámica de uso del suelo pone en riesgo la integridad, capacidad de resiliencia y la multifuncionalidad de los bienes y servicios que proporciona Parque Nacional Cumbres de Monterrey al Área Metropolitana de Monterrey.

 Palabras claves: Áreas naturales protegidas cobertura forestal ecoturismo multifuncionalidad reforestación resiliencia Introducción

El Parque Nacional Cumbres de Monterrey (PNCM) forma parte del sistema montañoso Sierra Madre Oriental; posee un amplio gradiente altitudinal, así como una diversidad de exposición a la insolación e influencia de masas de aire húmedo que favorecen un extraordinario mosaico de ecosistemas y diversidad biológica; por ello, se le considera el área de mayor relevancia y valor ecológico del estado de Nuevo León, principalmente, para el Área Metropolitana de Monterrey, ya que suministra más de 40 % del agua que consume la población (Cantú-Ayala et al., 2013; Rovalo-Merino et al., 2013).

En el PNCM se distribuyen 3 729 especies de flora y fauna, de las cuales 141 están en algún estatus de riesgo: mamíferos (11), aves (32), reptiles (36), anfibios (4), peces (8), plantas (42) y hongos (8) (Semarnat, 2010; González-Saldivar et al., 2013; Naturalista, 2021). Sus ecosistemas capturan 6 113 920 Mg C, lo que representa una contribución muy importante a la mitigación de los efectos de las emisiones de gases de efecto invernadero (Jiménez-Pérez et al., 2013).

Al respecto, las comunidades vegetales con las cifras más altas son los bosques de pino-encino, con un promedio de 82 Mg C ha-1 (Rodríguez-Laguna et al., 2009); encino-pino, con 70 Mg C ha-1 (Aguirre-Calderón y Jiménez-Pérez, 2011); bosques de pino, 62 Mg C ha-1 (Pimienta de la Torre et al., 2007); matorral submontano, con 12 Mg C ha-1 (Montaño et al., 2016); y el pastizal, 4 Mg C ha-1 (Yerena et al., 2014).

El Parque Nacional Cumbres de Monterrey es una de las áreas más visitadas en Nuevo León, debido a sus atractivos naturales idóneos para el esparcimiento y la recreación (Correa-Sandoval y Mayén, 2013). Estas actividades pueden convertirse en un factor significativo para conservar el ambiente, siempre y cuando se consideren los factores ecológicos, sociales y económicos de la región (Díaz, 2010). Sin embargo, hay prácticas como el uso de vehículos todo terreno que se consideran como una de las causas de mayor disturbio ecológico e hidrológico a los cauces de ríos y arroyos (Brenner, 2006; Menchaca y Alvarado, 2011); la cual se ha incrementado en la zona.

La situación antes descrita ejerce una fuerte presión sobre los recursos naturales disponibles, con la consecuente degradación de los ecosistemas vulnerables (Rodríguez y Acevedo, 2015); además, existe crecimiento de las comunidades que habitan en el Parque y falta de áreas idóneas para los cultivos agrícolas (Aragón-Palacios, 2013).

El análisis multitemporal es de gran importancia para el monitoreo de la dinámica en el cambio del uso del suelo y de la vegetación, ya que permite comprender los factores que detonan el proceso de sucesión ecológica, que a su vez, inciden en la recuperación de las funciones vitales de los ecosistemas que han sido expuestos tanto a impactos naturales, como a efectos de los disturbios antrópicos (Giri et al., 2007; Menchaca y Alvarado, 2011). Asimismo, el uso de imágenes satelitales de alta resolución es una importante alternativa para evaluar variables estructurales y ecofisiológicas a escala regional y a través del tiempo, para analizar la evolución de los ecosistemas forestales posterior a las alteraciones en su estructura y composición (Tirpak y Giuliano, 2010).

En el PNCM se han desarrollado pocas investigaciones en las que se evalúe la dinámica de sus comunidades vegetales; la mayoría de los estudios se han enfocado en el crecimiento de las especies de pinos (González, 2019) y en la reconstrucción climática mediante dendrocronología (Luna, 2020); sin una perspectiva a nivel de paisaje que permita comprender el efecto que ha tenido la exclusión de las actividades productivas en la restauración pasiva de las comunidades vegetales o en la degradación de los ecosistemas posincendio.

El objetivo de la presente investigación fue realizar una clasificación del uso del suelo y vegetación en tres años: 2000, 2010 y 2018. Como hipótesis se planteó que la superficie de las comunidades vegetales se recupera de manera natural conforme pasa el tiempo, por la exclusión de actividades productivas en el PNCM.

 Materiales y Métodos

El PNCM se ubica en el estado de Nuevo León, entre las coordenadas geográficas 26°31´00" de latitud norte, 100°17´20" longitud oeste (Figura 1) y colinda con Coahuila. Forma parte de la cuenca hidrográfica RH24 Río Bravo-Conchos, situada entre los límites de los municipios: Allende, García, Montemorelos, Monterrey, Rayones, Santa Catarina, Santiago y San Pedro Garza García, Nuevo León; con una superficie total de 177 395.95 ha (DOF, 2000).

Localización del Parque Nacional Cumbres de Monterrey.

Los climas dominantes en el PNCM son Semicálido húmedo (A)C(w1), (A)C(w2); Templado subhúmedo C(w1); Árido cálido BSohw y Semiárido cálido BS1hw. La precipitación pluvial varía de 344 mm a 983 mm al año y la temperatura promedio anual es de 9 a 24 °C (Cuervo-Robayo et al., 2014). Los suelos son de tipo semiárido, asociados con vegetación desértica; la mayoría son poco profundos, de texturas gruesas y en ocasiones presentan subsuelos duros o poco permeables; los dominantes son Leptosol (78.88 %) Pheozem (17.68 %), Fluvisol (1.45 %), Luvisol (0.98 %), Calcisol (0.55 %), Regosol (0.31 %) y Vertisol (0.15 %) (Inegi, 2019).

Las aguas superficiales de la zona de estudio son drenadas, principalmente, por las subcuencas del río Santa Catarina y el río Ramos; pequeñas porciones del PNCM corresponden a otras subcuencas: por la parte noroeste drena a la subcuenca del río Pesquería; la región sureste, al río Pilón; y por su región central, hacia el noreste, el río San Juan (SIATL, 2020).

Procesamiento y generación de ortomosaicos

Con la finalidad de identificar la resolución óptima en procesos de clasificación supervisada para determinar las tasas de cambio de uso de suelo y vegetación, se realizó un comparativo entre las imágenes satelitales de mayor uso en este tipo de análisis: Landsat 8 OLI (Figura 2A) y Sentinel 2A (Figura 2B), en comparación con ortofotos (Figura 2C), imágenes satelitales Birdseye (Figura 2D) y de Airbus Defence and Space.

Comparativo de imagen satelital <italic>Landsat</italic> 8 OLI (A), <italic>Sentinel</italic> 2A (B), Ortofotos (C) e imágenes de alta resolución (D).

De acuerdo con Earth Observing System (2020) las imágenes Landsat 8 (30 m/píxel; bandas 7, 5, 4) y Sentinel 2 (10 m/pixel; bandas 8,4,3) se clasifican como de resolución media; mientras que, las ortofotos (1.5 m/pixel), las imágenes satelitales Birdseye (0.28 m/píxel) y las Airbus Defence and Space (1.14 m/pixel) se consideran de alta resolución, porque que tienen una resolución por de debajo de los 5 m/pixel de la clasificación de Earth Observing System.

El procesamiento de las imágenes satelitales de alta resolución se basa en la georreferenciación, corrección radiométrica, normalización radiométrica de la serie y porcentaje de nubosidad (Tirpak y Giuliano, 2010); por ello, la disponibilidad de imágenes con estas características se limitó a los años 2000, 2010 y 2018.

Las imágenes satelitales de media resolución se obtuvieron de la plataforma Earth Explorer del Servicio Geológico de los Estados Unidos de América (USGS, 2020), las ortofotos del servidor Espacios y Datos de México (Inegi, 2020) y las imágenes Birdseye y Airbus Defence and Space del software SASPlanet (SASPlanet, 2020).

 Clasificación supervisada

Se realizó una clasificación supervisada, a partir de la generación de tres ortomosaicos, compuestos por 27 ortofotos (año 2000; Figura 3A), 578 imágenes de Birdseye (año 2010; Figura 3B), 144 de Airbus Defence and Space (año 2018; Figura 3C); las cuales se compararon con imágenes Landsat (año 2018; Figura 3D) y Sentinel (2018).

Ortomosaicos del PNCM del año 2000 (A), 2010 (B), 2018 (C) y <italic>Landsat</italic> 2018 (D).

Para la detección de cambios se utilizó el software QGIS 2.18.25 “Las Palmas” de código abierto (QGIS Development Team, 2020).

La corrección atmosférica a las imágenes de cada periodo se hizo recortándolas y sometiéndolas a un proceso de clasificación no supervisada con el módulo K-means analysis, que agrupa los valores de celda en clases con el método de análisis de conglomerados de datos multivariados (Jumb et al., 2014; Rashmi et al., 2016); posteriormente, se transformaron los archivos de formato raster a vectorial, para una clasificación supervisada (Figura 4).

Proceso de clasificación supervisada en <italic>QGIS.</italic>

La clasificación supervisada se llevó a cabo mediante puntos de control, que consistieron en 148 sitios distribuidos de manera sistemática en áreas con alto grado de confusión por la reflectancia de las imágenes, la exposición, ruido y nubosidad.

Se obtuvo información relacionada con los diferentes usos del suelo, cobertura vegetal y tipo de vegetación, la cual se cotejó con la desarrollada por Conafor (2013) e Inegi (2017), y se generó una clasificación de diferentes usos del suelo (agricultura, asentamientos humanos, caminos, líneas de transmisión eléctrica y ríos), así como cobertura forestal (Bosque de Ayarín, Encino, Encino-Pino, Pino, Pino-Encino, Matorral Desértico Micrófilo, Matorral Desértico Rosetófilo, Matorral Submontano, Pastizal y Sin Vegetación) distribuidas en el PNCM (Figura 5).

Ecosistemas representativos del PNCM.

La concordancia y precisión de los resultados de clasificación de las imágenes satelitales de alta resolución se calculó en el módulo r.kappa en GRASS 7.6.0 (QGIS Development Team, 2020), el cual genera una matriz de error y determina el Coeficiente Kappa de Cohen.

 Determinación de pérdidas y ganancias

La determinación de la pérdida o ganancia en el proceso de restauración de los diferentes tipos de vegetación, se obtuvo mediante la construcción de matrices de transición y tasas de cambio para los años considerados en el estudio, mediante la ecuación desarrollada por la FAO (1996) y adaptada por Palacio-Prieto et al. (2004).

δ n = [ ( ( s 2 / s 1 ) ^ ( 1 / n ) ) - 1 ] * 100

Donde:

δ n = Tasa de cambio expresada en porcentaje

s 1 = Superficie de la fecha 1

s 2 = Superficie de la fecha 2

n = Número de años entre las dos fechas

Para describir los cambios de uso del suelo y vegetación, se generó una tabulación cruzada del tiempo 1 y del tiempo 2, lo cual permite obtener una matriz de cambio. La diagonal muestra la cantidad total del paisaje estable entre una fecha y otra, mientras que fuera de la diagonal se ubican las transiciones de las clases entre el Año 1 y el Año 2. Un valor positivo de tasa de cambio indica ganancia de superficie restaurada, mientras que a un valor negativo le corresponde una pérdida de cobertura forestal.

 Resultados y Discusión

A partir del proceso de clasificación supervisada se derivaron 15 clases de uso de suelo y vegetación; en las categorías de asentamientos humanos, caminos, líneas de transmisión eléctrica y ríos no se observó un cambio significativo; por ello, el análisis se realizó a partir de las 11 clasificaciones principales (Cuadro 1).

Clasificación del uso del suelo y vegetación en el PNCM.
Año 2000 2010 2018
Vegetación ha % ha % ha %
A 1 550.00 0.87 1 701.33 0.96 1 865.57 1.05
BA 3 600.69 2.03 3 696.70 2.08 3 760.52 2.12
BQ 20 119.76 11.34 20 531.17 11.57 21 035.22 11.86
BQP 15 148.80 8.54 15 518.38 8.75 15 915.20 8.97
BP 24 957.86 14.07 25 999.67 14.66 26 866.54 15.14
BPQ 26 276.07 14.81 26 468.60 14.92 27 336.31 15.41
MDM 219.14 0.12 217.51 0.12 197.79 0.11
MDR 13 664.03 7.70 12 463.80 7.03 11 949.78 6.74
MS 37 452.30 21.11 37 820.18 21.32 39 751.12 22.41
P 1 152.91 0.65 1 030.07 0.58 968.54 0.55
SV 25 860.23 14.58 24 554.38 13.84 20 355.19 11.47

A = Agricultura; BA = Bosque de Ayarín; BQ = Bosque de Encino; BQP = Bosque de Encino-Pino; BP = Bosque de Pino; BPQ = Bosque de Pino-Encino; MDM = Matorral Desértico Micrófilo; MDR = Matorral Desértico Rosetófilo; MS = Matorral Submontano; P = Pastizal; SV = Sin Vegetación.

El análisis comparativo entre imágenes Landsat 8 OLI y Sentinel 2ª, con respecto a las de alta resolución demostró que existe una sobreestimación superior a 24 % para superficies con cobertura forestal, debido a que algunas imágenes presentaron desplazamiento entre las coordenadas de las bandas, lo cual puede producir un error sistemático relacionado con la sobreposición en el mismo path, pero diferente row, en combinación con el grado de nubosidad en las imágenes (Cristóbal et al., 2004; Astola et al., 2019).

La clasificación de las imágenes de alta resolución presentó valores promedios de índice de Kappa de 0.83, que se consideran dentro de un nivel de precisión muy buena, y fueron superiores a lo citado por Mendes et al. (2015), quienes obtuvieron un valor de 0.58 para imágenes del satélite Geoeye-1.

El PNCM abarca una superficie de 177 395.87 ha, de las cuales para el año 2018 (Cuadro 1), 81.25 % correspondió a cubierta forestal, 14.58 % sin vegetación aparente, 3.18 % a ríos, 0.70 % asentamientos humanos, 0.19 % caminos y 0.10 % a líneas de transmisión eléctrica. Entre los principales tipos de vegetación identificados destacaron: matorral submontano (39 751.12 ha), pino-encino (27 336.31 ha), pino (26 866.54 ha), encino (21 035.22 ha), encino-pino (15 915.20 ha), matorral desértico rosetófilo (11 949.78 ha), bosque de ayarín (3 760.52 ha) y matorral desértico micrófilo (197.79 ha).

En general se aprecia un proceso de recuperación de la cobertura forestal en el PNCM; principalmente, en bosques de pino, pino-encino, encino-pino, encino y ayarín como resultado de la capacidad de resiliencia de los ecosistemas ante disturbios naturales o antropogénicos (Lloret, 2012; Mora-Donjuán y Alanís-Rodríguez, 2016), así como por los esfuerzos de restauración que han realizado las comunidades, organizaciones no gubernamentales e instituciones públicas ( Rovalo-Merino et al., 2013).

Sin embargo, en ecosistemas como el matorral desértico micrófilo, matorral desértico rosetófilo y pastizales continúa la pérdida de cobertura, debido a los procesos de cambio de uso del suelo con fines agrícolas y ganaderos, así como por el aumento de los asentamientos humanos (Figura 6).

Clasificación de uso del suelo y vegetación del año 2000 (A), 2010 (B) y 2018 (C).

Detección de cambio de uso del suelo

La recuperación de la vegetación en el PNCM es positiva, como se aprecia durante el periodo 2000-2010, en el que se registró una recuperación de 13.03 % en la cobertura forestal, con respecto al año 2000; principalmente, en áreas de bosques de pino, ayarín, encino-pino, encino, pino-encino y en el matorral submontano. Sin embargo, también hubo una pérdida de 20.18 % en los pastizales, matorral desértico rosetófilo y matorral desértico micrófilo; en cuanto a la agricultura se determinó un aumento de 9.76 % y las superficies sin cobertura aparente presentaron una disminución de 5.05 % (Cuadro 2).

Cambios en la cobertura del suelo de 2000 a 2018 en el PNCM.
Período ∆ 2000 - 2010 ∆ 2010 - 2018 ∆ 2000 - 2018
Vegetación ha % ha % ha %
Agricultura 151.33 9.76 164.24 9.65 315.57 20.36
Bosque de Ayarín 96.01 2.67 63.82 1.73 159.83 4.44
Bosque de Pino 1 041.81 4.17 866.87 3.33 1 908.68 7.65
Bosque de Pino-Encino 192.53 0.73 867.71 3.28 1 060.24 4.04
Bosque de Encino 411.41 2.04 504.05 2.46 915.46 4.55
Bosque de Encino-Pino 369.58 2.44 396.82 2.56 766.40 5.06
Matorral Desértico Micrófilo -1.63 -0.75 -19.72 -9.07 -21.35 -9.74
Matorral Desértico Rosetófilo -1 200.23 -8.78 -514.02 -4.12 -1 714.25 -12.55
Matorral Submontano 367.88 0.98 1 930.94 5.11 2 298.82 6.14
Pastizal -122.84 -10.65 -61.53 -5.97 -184.37 -15.99
Sin Vegetación -1305.85 -5.05 -4 199.19 -17.10 -5 505.04 -21.29

∆ = Incremento o perdida de cobertura.

Estos resultados presentan una tendencia similar a los obtenidos en diversos estudios en áreas protegidas o de exclusión, como lo citado por Flórez-Yepes et al. (2017), quienes estimaron una recuperación de 30.44 % para bosques de minas de oro ubicadas en Manizales, Colombia; así como, lo documentado por Sanhouse-Garcia et al. (2016) en Sinaloa, México, cuyos bosques de pino-encino y pino aumentaron 38.98 % y 29.56 %, respectivamente.

En relación a la agricultura se observaron aumentos de 9.76 % (2000-2010), 9.65 % (2010-2018) y 20.36 % (2000-2018); valores similares a los consignados por Kumar et al. (2020) en un análisis de cambio de cobertura en los márgenes del río Ganges en el distrito de Haridwar, India, para los años 1996, 2003, 2010 y 2017 en donde la agricultura tuvo un incremento de 17.32 %; pero inferior al obtenido por Martin et al. (2019) en el corredor de vida silvestre Kwakuchinja de Tanzania, sitio en el cual la agricultura presentó un incremento de 35.6 %.

Respecto a las investigaciones captura de carbono realizadas en diversos tipos de vegetación (Pimienta de la Torre et al., 2007; Rodríguez et al., 2009; Aguirre-Calderón y Jiménez-Pérez, 2011; Montaño et al., 2016), la recuperación de ecosistemas forestales en el PNCM genera una adicionalidad de 86 939.68 Mg C en bosques de pino-encino, 53 648.00 Mg C en encino-pino, 118 338.16 Mg C en pino y 27 585.84 Mg C en el matorral submontano.

La tasa de cambio progresiva de la agricultura y negativa de los matorrales desértico micrófilo, rosetófilo y del pastizal (Figura 7) pone en riesgo la integridad de los ecosistemas, así como la provisión de bienes y servicios como la recarga de cuerpos de agua que abastecen el Área Metropolitana de Monterrey (López e Ixtacuy, 2017).

Dinámica de la tasa de cambio del suelo y vegetación. A = Agricultura; BA = Bosque de Ayarín; BQ = Bosque de Encino; BQP = Bosque de Encino-Pino; BP = Bosque de Pino, BPQ = Bosque de Pino-Encino; MDM = Matorral Desértico Micrófilo; MDR = Matorral Desértico Rosetófilo, MS = Matorral Submontano; P = Pastizal; SV = Sin Vegetación.

Uno de los principales factores que continúa afectando a los ecosistemas son los incendios forestales, debido a que en el PNCM se han afectado a más de 9 085.09 ha, durante el período de 2000 a 2011 (Conanp, 2011) y 2 493.68 ha, de 2012 a 2019 (Conafor, 2020).

Los incendios forestales están estrechamente relacionados con periodos previos de excesiva precipitación, como los registrados en el 2008 cuando se dañaron 4 249.31 ha por la acumulación de combustible que resultó de la precipitación (1 600 mm) del 2005; y los del 2011 que abarcaron una extensión de 5 037.51 ha (Yerena et al., 2013), incendios que se presentaron después de una precipitación de 1 915 mm ocurrida en 2010 (Figura 8).

Incendios forestales en el PNCM (2000-2019).

Conclusiones

El análisis multitemporal indica un proceso gradual de recuperación de la cobertura forestal, principalmente, bosques de pino, pino-encino, encino-pino, encino y ayarín; como respuesta de la capacidad de resiliencia y la priorización de estrategias de restauración ecológica en dichos ecosistemas. Una situación contraria se observa para los matorrales desértico rosetófilo, micrófilo y en el pastizal que presentan una pérdida continua, como efecto del cambio de uso del suelo para fines agrícolas.

Las tasas de cambio de uso del suelo y vegetación del presente estudio indican que existe una dinámica en el proceso sucesional de los ecosistemas del PNCM, con una tendencia similar a lo citado en áreas naturales protegidas o de exclusión, en donde existe una recuperación gradual de la cobertura forestal en ciertos tipos de vegetación y pérdida de ecosistemas de menor interés económico, los cuales son sustituidos por el avance de la agricultura y de los asentamientos humanos.

La exclusión de actividades productivas en áreas naturales protegidas no garantiza la conservación de la biodiversidad ni el funcionamiento óptimo de los servicios ambientales, debido a que existen factores externos que ponen en riesgo la integridad de los ecosistemas, como la presencia recurrente de incendios forestales que merman la capacidad de resiliencia y aumentan la vulnerabilidad de los servicios ecosistémicos.

El uso de las imágenes de alta resolución mejora en gran medida la interpretación de los diferentes escenarios de cambio del uso del suelo y vegetación, en comparación con las imágenes Landsat y Sentinel, lo cual permite tener un panorama real de la pérdida o ganancia de la cobertura forestal en áreas naturales protegidas.

 Agradecimientos

Al Consejo Nacional de Ciencia y Tecnología, por la beca de posgrado otorgada al primer autor, a la Facultad de Ciencias Forestales y Facultad de Economía de la Universidad Autónoma de Nuevo León.

 Referencias Aguirre-Calderón, O. A y J. Jiménez-Pérez. 2011. Evaluación del contenido de carbono en bosques del sur de Nuevo León. Revista Mexicana de Ciencias Forestales 2 (6): 73-83. Doi: 10.29298/rmcf.v2i6.575. Aguirre-Calderón O. A Jiménez-Pérez J. 2011 Evaluación del contenido de carbono en bosques del sur de Nuevo León Revista Mexicana de Ciencias Forestales 2 6 73 83 10.29298/rmcf.v2i6.575 Aragón-Palacios, J. 2013. Amenazas Demográficas Potenciales. In: Cantú-Ayala, C., M. Rovalo-Merino., J. Marmolejo-Moncivais., S. Ortiz-Hernández y F. Seriñá G. (eds.). Historia Natural del Parque Nacional Cumbres de Monterrey, México. UANL-CONANP. Linares, N.L., México. pp. 253-260. Aragón-Palacios J. 2013 Amenazas Demográficas Potenciales Cantú-Ayala C. Rovalo-Merino M. Marmolejo-Moncivais J. Ortiz-Hernández S. Seriñá G F. Historia Natural del Parque Nacional Cumbres de Monterrey, México UANL CONANP Linares, N.L., México 253 260 Astola, H., T. Häme, L. Sirro, M. Molinier and J. Kilpi. 2019. Comparison of Sentinel-2 and Landsat 8 imagery for forest variable prediction in boreal región. Remote Sensing of Environment. 223: 257-273. Doi: 10.1016/j.rse.2019.01.019. Astola H. Häme T. Sirro L. Molinier M. Kilpi J. 2019 Comparison of Sentinel-2 and Landsat 8 imagery for forest variable prediction in boreal región Remote Sensing of Environment 223 257 273 10.1016/j.rse.2019.01.019 Brenner, L. 2006. Áreas naturales protegidas y ecoturismo: el caso de la reserva de la biosfera Mariposa Monarca, México. Relaciones 105: 237-265. https://www.redalyc.org/articulo.oa?id=13710508 (15 de diciembre de 2019). Brenner L. 2006 Áreas naturales protegidas y ecoturismo: el caso de la reserva de la biosfera Mariposa Monarca, México Relaciones 105 237 265 https://www.redalyc.org/articulo.oa?id=13710508 15 de diciembre de 2019 Cantú-Ayala, C., S. Ortiz-Hernández y M. Rovalo-Merino. 2013. Consideraciones Finales. In: Cantú-Ayala, C. , M. Rovalo-Merino., J. Marmolejo-Moncivais., S. Ortiz-Hernández y F. Seriñá G. (eds.). Historia Natural del Parque Nacional Cumbres de Monterrey, México. UANL-CONANP. Linares, N.L., México. pp. 411-414. Cantú-Ayala C. Ortiz-Hernández S. Rovalo-Merino M. 2013 Consideraciones Finales Cantú-Ayala C. Rovalo-Merino M. Marmolejo-Moncivais J. Ortiz-Hernández S. G F. Seriñá Historia Natural del Parque Nacional Cumbres de Monterrey, México UANL CONANP Linares, N.L., México 411 414 Comisión Nacional Forestal (Conafor). 2013. Inventario Estatal Forestal y de Suelos-Oaxaca. Información complementaria y cartografía. Zapopan Jalisco, México. http://187.218.230.30/filesconafor/userfiles/IEFyS/IEFYS_Oaxaca_2013/ (5 de junio de 2020). Comisión Nacional Forestal (Conafor) 2013 Inventario Estatal Forestal y de Suelos-Oaxaca. Información complementaria y cartografía Zapopan Jalisco, México http://187.218.230.30/filesconafor/userfiles/IEFyS/IEFYS_Oaxaca_2013/ 5 de junio de 2020 Comisión Nacional Forestal (Conafor). 2020. Sistema de predicción de peligro de incendios forestales de México. https://snigf.cnf.gob.mx (17 de abril 2020). Comisión Nacional Forestal (Conafor) 2020 Sistema de predicción de peligro de incendios forestales de México https://snigf.cnf.gob.mx 17 de abril 2020 Comisión Nacional de Áreas Naturales Protegidas (Conanp). 2011. Incendios forestales en el Parque Nacional Cumbres de Monterrey. Nuevo León, Coahuila. https://www.gob.mx/conanp (17 de abril 2020). Comisión Nacional de Áreas Naturales Protegidas (Conanp) 2011 Incendios forestales en el Parque Nacional Cumbres de Monterrey. Nuevo León, Coahuila https://www.gob.mx/conanp 17 de abril 2020 Correa-Sandoval, A. y A. Mayén. 2013. Servicios Ecológicos y Bienestar Humano. In: Cantú-Ayala, C. , M. Rovalo-Merino., J. Marmolejo-Moncivais., S. Ortiz-Hernández y F. Seriñá G. (eds.). Historia Natural del Parque Nacional Cumbres de Monterrey, México. UANL-CONANP. Linares, N.L., México. pp: 391-404. Correa-Sandoval A. Mayén A. 2013 Servicios Ecológicos y Bienestar Humano Cantú-Ayala C. Rovalo-Merino M. Marmolejo-Moncivais J. Ortiz-Hernández S. Seriñá G F. Historia Natural del Parque Nacional Cumbres de Monterrey, México UANL CONANP Linares, N.L., México 391 404 Cristóbal, J., X. Pons y P. Serra. 2004. Sobre el uso operativo de Landsat-7 ETM+ en Europa. Revista de Teledetección 21: 55-59. http://www.aet.org.es/revistas/revista21/AET21-11.pdf (11 de noviembre 2020) Cristóbal J. Pons X. Serra P. 2004 Sobre el uso operativo de Landsat-7 ETM+ en Europa Revista de Teledetección 21 55 59 http://www.aet.org.es/revistas/revista21/AET21-11.pdf 11 de noviembre 2020 Cuervo-Robayo, A. P., O. Téllez-Valdés, M. A. Gómez-Albores, C. S. Venegas-Barrera, J. Manjarrez and E. Martínez-Meyer. 2014. An update of high-resolution monthly climate surfaces for Mexico. International Journal of Climatology 34: 2427-2437. http://idrisi.uaemex.mx/11-ligas/8-superficies-climaticas-para-mexico (10 de enero 2019). Doi: 10.1002/joc.3848. Cuervo-Robayo A. P. Téllez-Valdés O. Gómez-Albores M. A. Venegas-Barrera C. S. Manjarrez J. Martínez-Meyer E. 2014 An update of high-resolution monthly climate surfaces for Mexico International Journal of Climatology 34 2427 2437 http://idrisi.uaemex.mx/11-ligas/8-superficies-climaticas-para-mexico 10 de enero 2019 10.1002/joc.3848 Diario Oficial de la Federación (DOF). 2000. Decreto del Área Natural Protegida Cumbres de Monterrey. DOF. 17 de noviembre de 2000. Secretaría de Gobernación. México, D.F., México. http://dof.gob.mx/ (10 de junio de 2020). Diario Oficial de la Federación (DOF) 2000 Decreto del Área Natural Protegida Cumbres de Monterrey Secretaría de Gobernación México, D.F., México http://dof.gob.mx/ 10 de junio de 2020 Díaz C, I. A. 2010. Ecoturismo Comunitario y Género en la Reserva de los Tuxtlas (México). Pasos Revista de Turismo y Patrimonio Cultural. 8: 151-165. Doi: 10.25145/j.pasos.2010.08.012. Díaz C I. A. 2010 Ecoturismo Comunitario y Género en la Reserva de los Tuxtlas (México) Pasos Revista de Turismo y Patrimonio Cultural 8 151 165 10.25145/j.pasos.2010.08.012 Earth Observing System (EOS). 2020. Spatial Resolution Of A Satellite Image. Earth Observing System (EOS). https://eos.com/ (10 de enero 2020). Earth Observing System (EOS) 2020 Spatial Resolution Of A Satellite Image Earth Observing System (EOS) https://eos.com/ 10 de enero 2020 Flórez-Yepes, G. Y., A. Rincon-Santamaría, P. Santiago C y A. M. Alzate-Alvarez. 2017. Análisis multitemporal de las coberturas vegetales en el área de influencia de las minas de oro ubicadas en la parte alta del sector de Maltería en Manizales, Colombia. DYNA 84 (201): 95-101. Doi:10.15446/dyna.v84n201.55759. Flórez-Yepes G. Y. Rincon-Santamaría A. Santiago C P. Alzate-Alvarez A. M. 2017 Análisis multitemporal de las coberturas vegetales en el área de influencia de las minas de oro ubicadas en la parte alta del sector de Maltería en Manizales, Colombia DYNA 84 201 95 101 10.15446/dyna.v84n201.55759 Food and Agriculture Organization of the United Nations (FAO). 1996. Forest resources assessment 1990. Survey of tropical forest cover and study of change processes. Tropical countries. Rome, Italy. 152 p. Food and Agriculture Organization of the United Nations (FAO) 1996 Forest resources assessment 1990. Survey of tropical forest cover and study of change processes Tropical countries Rome, Italy 152 152 Giri, C., B. Pengra, Z. Zhu, A. Singh and L. L. Tieszen. 2007. Monitoring mangrove forest dynamics of the Sundarbans in Bangladesh and India using multi-temporal satellite data from 1973 to 2000. Estuarine, Coastal and Shelf Science 73: 91-100. Doi:10.1016/j.ecss.2006.12.019. Giri C. Pengra B. Zhu Z. Singh A. Tieszen L. L. 2007 Monitoring mangrove forest dynamics of the Sundarbans in Bangladesh and India using multi-temporal satellite data from 1973 to 2000 Estuarine, Coastal and Shelf Science 73 91 100 10.1016/j.ecss.2006.12.019 González J., J. 2019. Respuesta del crecimiento de Pinus pseudostrobus Lindl a las variables climáticas en el Parque Nacional Cumbres de Monterrey. Tesis de Maestría. Facultad de Ciencias Forestales. Universidad Autónoma de Nuevo León. Linares, N.L., México. 71 p. González J. J. 2019 Respuesta del crecimiento de Pinus pseudostrobus Lindl a las variables climáticas en el Parque Nacional Cumbres de Monterrey Maestría Facultad de Ciencias Forestales, Universidad Autónoma de Nuevo León Linares, N.L, México Linares, N.L, México Linares, N.L, México 71 71 González-Saldivar, F., J. Uvalle-Sauceda, J. Avendaño y A. Niño-Ramírez. 2013. Mamíferos. In: Cantú-Ayala, C. , M. Rovalo-Merino., J. Marmolejo-Moncivais., S. Ortiz-Hernández y F. Seriñá G. (eds.). Historia Natural del Parque Nacional Cumbres de Monterrey, México. UANL-CONANP. Linares, N.L., México. pp. 237-251. González-Saldivar F. Uvalle-Sauceda J. Avendaño J. Niño-Ramírez A. 2013 Mamíferos Cantú-Ayala C. Rovalo-Merino M. Marmolejo-Moncivais J. Ortiz-Hernández S. Seriñá G F. Historia Natural del Parque Nacional Cumbres de Monterrey, México UANL CONANP Linares, N.L., México 237 251 Instituto Nacional de Estadística y Geografía (Inegi). 2017. Conjunto de datos vectoriales de Uso de Suelo y Vegetación. Escala 1:250 000. Serie VI. Escala: 1:250 000. Aguascalientes, Ags., México. https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=889463598459 (12 de marzo de 2020). Instituto Nacional de Estadística y Geografía (Inegi) 2017 Conjunto de datos vectoriales de Uso de Suelo y Vegetación. Escala 1:250 000. Serie VI. Escala: 1:250 000 Aguascalientes, Ags México https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=889463598459 12 de marzo de 2020 Instituto Nacional de Estadística y Geografía (Inegi). 2019. Conjuntos de datos vectoriales de información topográfica escala 1:250 000 Nuevo León Serie VI. Aguascalientes, Ags., México. https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=889463776895 (12 de marzo de 2020). Instituto Nacional de Estadística y Geografía (Inegi) 2019 Conjuntos de datos vectoriales de información topográfica escala 1:250 000 Nuevo León Serie VI Aguascalientes, Ags., México https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=889463776895 12 de marzo de 2020 Instituto Nacional de Estadística y Geografía (Inegi). 2020. Conjunto de datos vectoriales. Espacios y Datos de México. https://www.inegi.org.mx/datos/ (12 de enero de 2020). Instituto Nacional de Estadística y Geografía (Inegi) 2020 Conjunto de datos vectoriales. Espacios y Datos de México https://www.inegi.org.mx/datos/ 12 de enero de 2020 Jiménez-Pérez, J., O. Aguirre-Calderón, E. Alanís-Rodríguez e I. Yerena-Yamallel. 2013. Contenido de Carbono en Especies Vegetales. In: Cantú-Ayala, C. , M. Rovalo-Merino, J. Marmolejo-Moncivais, S. Ortiz-Hernández y F. Seriñá G. (eds.). Historia Natural del Parque Nacional Cumbres de Monterrey, México. UANL-CONANP. Linares, N.L., México. pp. 349-355. Jiménez-Pérez J. Aguirre-Calderón O. Alanís-Rodríguez E. Yerena-Yamallel I. 2013 Contenido de Carbono en Especies Vegetales Cantú-Ayala C. Rovalo-Merino M. Marmolejo-Moncivais J. Ortiz-Hernández S. Seriñá G F. Historia Natural del Parque Nacional Cumbres de Monterrey, México UANL CONANP Linares, N.L., México 349 355 Jumb, V., M. Sohani and A. Shrivas. 2014. Color image segmentation using K-means clustering and Otsu’s adaptive thresholding. International Journal of Innovative Technology and Exploring Engineering 3 (9): 72-76. http://www.ijitee.org/wp-content/uploads/papers/v3i9/I1495023914.pdf (1 de enero de 2020). Jumb V. Sohani M. Shrivas A. 2014 Color image segmentation using K-means clustering and Otsu’s adaptive thresholding International Journal of Innovative Technology and Exploring Engineering 3 9 72 76 http://www.ijitee.org/wp-content/uploads/papers/v3i9/I1495023914.pdf 1 de enero de 2020 Kumar, S., Shwetank and K. Jain. 2020. A Multi-Temporal Landsat Data Analysis for Land-use/Land-cover Change in Haridwar Region using Remote Sensing Techniques. Procedia Computer Science 171: 1184-1193. Doi:10.1016/j.procs.2020.04.127. Kumar, S. Shwetank Jain K. 2020 A Multi-Temporal Landsat Data Analysis for Land-use/Land-cover Change in Haridwar Region using Remote Sensing Techniques Procedia Computer Science 171 1184 1193 10.1016/j.procs.2020.04.127 Lloret, F. 2012. Vulnerabilidad y resiliencia de ecosistemas forestales frente a episodios extremos de sequía. Ecosistemas. 21: 85-90. Doi: 10.7818/ECOS.2012.21-3.11. Lloret F. 2012 Vulnerabilidad y resiliencia de ecosistemas forestales frente a episodios extremos de sequía Ecosistemas 21 85 90 10.7818/ECOS.2012.21-3.11 López H., J. R. y O. Ixtacuy L. 2017. Conservación y desarrollo, el caso del ecoturismo: una política ambiental fallida en la Reserva de la Biosfera La Encrucijada, Chiapas. El Periplo Sustentable 34: 82-108. https://rperiplo.uaemex.mx/article/view/9035 (20 octubre 2019). López H. J. R. Ixtacuy L. O. 2017 Conservación y desarrollo, el caso del ecoturismo: una política ambiental fallida en la Reserva de la Biosfera La Encrucijada, Chiapas El Periplo Sustentable 34 82 108 https://rperiplo.uaemex.mx/article/view/9035 20 octubre 2019 Luna R., A. A. 2020. Aplicación de técnicas dendrocronológicas en Pinus teocote Schiede ex Schltdl para la reconstrucción climática en el Parque Nacional Cumbres de Monterrey. Tesis de Maestría. Facultad de Ciencias Forestales. Universidad Autónoma de Nuevo León. Linares, N.L., México. 69 p. Luna R. A. A. 2020 Aplicación de técnicas dendrocronológicas en Pinus teocote Schiede ex Schltdl para la reconstrucción climática en el Parque Nacional Cumbres de Monterrey Maestría Facultad de Ciencias Forestales, Universidad Autónoma de Nuevo León Linares, N.L, México Linares, N.L, México Linares, N.L, México 69 69 Martin, E. H., R. R. Jensen, P. J. Hardin, A. W. Kisingo, R. A. Shoo and A. Eustace. 2019. Assessing changes in Tanzania's Kwakuchinja Wildlife Corridor using multitemporal satellite imagery and open source tolos. Applied Geography 110: 1-7. Doi: 10.1016/j.apgeog.2019.102051. Martin E. H. Jensen R. R. Hardin P. J. Kisingo A. W. Shoo R. A. Eustace A. 2019 Assessing changes in Tanzania's Kwakuchinja Wildlife Corridor using multitemporal satellite imagery and open source tolos Applied Geography 110 1 7 10.1016/j.apgeog.2019.102051 Menchaca D., M. del S. y E. L. Alvarado M. 2011. Efectos antropogénicos provocados por los usuarios del agua en la microcuenca del río Pixquiac. Revista Mexicana de Ciencias Agrícolas. 1 (1): 85-96. Doi: 10.29312/remexca.v2i4.16. Menchaca D. M. del S. Alvarado M. E. L. 2011 Efectos antropogénicos provocados por los usuarios del agua en la microcuenca del río Pixquiac Revista Mexicana de Ciencias Agrícolas 1 1 85 96 10.29312/remexca.v2i4.16 Mendes, D. F., S. F. Da Silva, J. L. Ferreri, A. R. Dos Santos y R. F. García. 2015. Acurácia temática do classificador por máxima verossimilhança em imagem de alta resolução espacial do satélite Geoeye-1. Nucleus. 12: 107-118. Doi: 10.37378/1982.2278.1011. Mendes D. F. Da Silva S. F. Ferreri J. L. Dos Santos A. R. García R. F. 2015 Acurácia temática do classificador por máxima verossimilhança em imagem de alta resolução espacial do satélite Geoeye-1 Nucleus 12 107 118 10.37378/1982.2278.1011 Montaño, N. M., F. Ayala, S. H. Bullock, O. Briones, F. García O., R. García S., Y. Maya., Y. Perroni, C. Siebe, Y. Tapia T., E. Troyo y E. Yépez. 2016. Almacenes y flujos de carbono en ecosistemas áridos y semiáridos de México: Síntesis y perspectivas. Terra Latinoamericana. 34: 39-59. https://www.terralatinoamericana.org.mx/index.php/terra/article/view/75/81 (20 de octubre de 2019). Montaño N. M. Ayala F. Bullock S. H. Briones O. García O. F. García S. R. Maya Y. Perroni Y. Siebe C. Tapia T. Y. Troyo E. Yépez E. 2016 Almacenes y flujos de carbono en ecosistemas áridos y semiáridos de México: Síntesis y perspectivas Terra Latinoamericana 34 39 59 https://www.terralatinoamericana.org.mx/index.php/terra/article/view/75/81 20 de octubre de 2019 Mora-Donjuán, C. A. y E. Alanís-Rodríguez. 2016. Resiliencia de bosques de pino-encino en América: Una visión global del estado actual. Revista Forestal Mesoamericana Kurú. 13: 01-02. Doi: 10.18845/rfmk.v13i33.2571. Mora-Donjuán C. A. Alanís-Rodríguez E. 2016 Resiliencia de bosques de pino-encino en América: Una visión global del estado actual Revista Forestal Mesoamericana Kurú 13 01 02 10.18845/rfmk.v13i33.2571 Naturalista. 2021. Registros de especies de flora y fauna en el Parque Nacional Cumbres de Monterrey. https://www.naturalista.mx/projects/pn-cumbres-de-monterrey-nuevo-leon (13 de mayo de 2021). Naturalista 2021 Registros de especies de flora y fauna en el Parque Nacional Cumbres de Monterrey https://www.naturalista.mx/projects/pn-cumbres-de-monterrey-nuevo-leon 13 de mayo de 2021 Palacio-Prieto, J. L., T. M. Sánchez-Salazar, J. M. Casado-Izquierdo, E. Propin-Frejomil, J. Delgado-Campos, A. Velázquez-Montes, L. Chias-Becerril, M. I. Ortiz-Álvarez, J. González-Sánchez, G. Negrete-Fernández, J. Gabriel-Morales y R. Márquez-Huitzil. 2004. Indicadores para la Caracterización y Ordenamiento del Territorio. Instituto Nacional de Ecología-SEMARNAT, Instituto de Geografía de la UNAM y Secretaría de Desarrollo Social. Convenio SEDESOL-Instituto de Geografía, UNAM. México, D.F., México. 161 p. http://cambioclimatico.gob.mx:8080/xmlui/bitstream/handle/publicaciones/174/434_2004_Indicadores_caracter_orden_territorio.pdf?sequence=1&isAllowed=y (26 de febrero de 2020). Palacio-Prieto J. L. Sánchez-Salazar T. M. Casado-Izquierdo J. M. Propin-Frejomil E. Delgado-Campos J. Velázquez-Montes A. Chias-Becerril L. Ortiz-Álvarez M. I. González-Sánchez J. Negrete-Fernández G. Gabriel-Morales J. Márquez-Huitzil R. 2004 Indicadores para la Caracterización y Ordenamiento del Territorio Instituto Nacional de Ecología SEMARNAT Instituto de Geografía de la UNAM Secretaría de Desarrollo Social México, D.F., México 161 161 http://cambioclimatico.gob.mx:8080/xmlui/bitstream/handle/publicaciones/174/434_2004_Indicadores_caracter_orden_territorio.pdf?sequence=1&isAllowed=y 26 de febrero de 2020 Pimienta de la Torre, D. de J., G. Domínguez C., O. A. Aguirre C., F. Javier H y J. Jiménez. 2007. Estimación de biomasa y contenido de carbono de Pinus cooperi Blanco, en Pueblo Nuevo, Durango. Madera y Bosques 13 (1): 35-46. Doi:10.21829/myb.2007.1311234. Pimienta de la Torre D. de J. Domínguez C. G. Aguirre C. O. A. Javier H F. Jiménez J. 2007 Estimación de biomasa y contenido de carbono de Pinus cooperi Blanco, en Pueblo Nuevo, Durango Madera y Bosques 13 1 35 46 10.21829/myb.2007.1311234 QGIS Development Team. 2020. QGIS Geographic Information System. Open Source Geospatial Foundation Project. https://qgis.org (12 de enero de 2020). QGIS Development Team 2020 QGIS Geographic Information System Geospatial Foundation Project https://qgis.org 12 de enero de 2020 Rashmi C., S. Chaluvaiah and G. H. Kumar. 2016. An efficient parallel block processing approach for K-means algorithm for high resolution orthoimagery satellite images. Procedia Computer Science 89: 623-631. Doi:10.1016/j.procs.2016.06.025. Rashmi C. Chaluvaiah S. Kumar G. H. 2016 An efficient parallel block processing approach for K-means algorithm for high resolution orthoimagery satellite images Procedia Computer Science 89 623 631 10.1016/j.procs.2016.06.025 Rodríguez M., G. y A. Acevedo D. 2015. Cambios en la vida cotidiana de las mujeres a través de la incorporación al trabajo turístico en El Rosario, Michoacán, México. El Periplo Sustentable. 29: 5-33. http://hdl.handle.net/20.500.11799/62584 (10 diciembre de 2019). Rodríguez M. G. Acevedo D. A. 2015 Cambios en la vida cotidiana de las mujeres a través de la incorporación al trabajo turístico en El Rosario, Michoacán, México El Periplo Sustentable 29 5 33 http://hdl.handle.net/20.500.11799/62584 10 diciembre de 2019 Rodríguez-Laguna, R., J. Jiménez-Pérez, O. A. Aguirre-Calderón, E. J. Treviño-Garza y R. Razo-Zárate. 2009. Estimación de carbono almacenado en el bosque de pino-encino en la Reserva de la Biosfera El Cielo, Tamaulipas, México. Ra Ximhai 5 (3): 317-327. http://www.revistas.unam.mx/index.php/rxm/article/view/15164 (1 diciembre 2019). Rodríguez-Laguna R. Jiménez-Pérez J. Aguirre-Calderón O. A. Treviño-Garza E. J. Razo-Zárate R. 2009 Estimación de carbono almacenado en el bosque de pino-encino en la Reserva de la Biosfera El Cielo, Tamaulipas, México Ra Ximhai 5 3 317 327 http://www.revistas.unam.mx/index.php/rxm/article/view/15164 1 diciembre 2019 Rovalo-Merino, M., J. Pérez-Cantú, S. Valenzuela-Pérez y M. de la Maza-Benignos. 2013. Restauración Ecológica. In: Cantú-Ayala, C. , M. Rovalo-Merino., J. Marmolejo-Moncivais., S. Ortiz-Hernández y F. Seriñá G. (eds.) Historia Natural del Parque Nacional Cumbres de Monterrey, México. UANL-CONANP. Linares, N.L., México. pp. 371-383. Rovalo-Merino M. Pérez-Cantú J. Valenzuela-Pérez S. de la Maza-Benignos M. 2013 Restauración Ecológica Cantú-Ayala C. Rovalo-Merino M. Marmolejo-Moncivais J. Ortiz-Hernández S. Seriñá G F. Historia Natural del Parque Nacional Cumbres de Monterrey, México UANL CONANP Linares, N.L., México 371 383 Sanhouse-Garcia, A. J., Y. Bustos-Terrones, J. G. Rangel-Peraza, A. Quevedo-Castro and C. Pacheco. 2016. Multi-temporal analysis for land use and land cover changes in an agricultural region using open source tools. Remote Sensing Applications: Society and Environment 8: 278-290. Doi:10.1016/j.rsase.2016.11.002. Sanhouse-Garcia A. J. Bustos-Terrones Y. Rangel-Peraza J. G. Quevedo-Castro A. Pacheco C. 2016 Multi-temporal analysis for land use and land cover changes in an agricultural region using open source tools Remote Sensing Applications: Society and Environment 8 278 290 10.1016/j.rsase.2016.11.002 SASPlanet. 2020. SASPlanet Software. Versión 181221. SASPlanet Development Team. https://www.sasgis.org (26 de enero de 2020). SASPlanet 2020 SASPlanet Software. 181221 SASPlanet Development Tea https://www.sasgis.org 26 de enero de 2020 Secretaría del Medio Ambiente y Recursos Naturales (Semarnat). 2010. Norma Oficial Mexicana NOM-059-SEMARNAT-2010, Protección ambiental. Especies nativas de México de flora y fauna silvestres. Categorías de riesgo y especificaciones para su inclusión, exclusión o cambio. Lista de especies en riesgo. Diario Oficial de la Federación 30 diciembre de 2010. https://www.gob.mx/cms/uploads/attachment/file/134778/35.-_NORMA_OFICIAL_MEXICANA_NOM-059-SEMARNAT-2010.pdf (20 de abril de 2020). Secretaría del Medio Ambiente y Recursos Naturales (Semarnat) 2010 Norma Oficial Mexicana NOM-059-SEMARNAT-2010, Protección ambiental. Especies nativas de México de flora y fauna silvestres. Categorías de riesgo y especificaciones para su inclusión, exclusión o cambio. Lista de especies en riesgo Diario Oficial de la Federación https://www.gob.mx/cms/uploads/attachment/file/134778/35.-_NORMA_OFICIAL_MEXICANA_NOM-059-SEMARNAT-2010.pdf 20 de abril de 2020 Simulador de flujos de agua de cuencas hidrográficas (SIALT). 2020. Red hidrológica. 2020. Red Hidrológica Nacional. Versión 3.2. http://antares.inegi.org.mx/analisis/red_hidro/siatl/# (1 de febrero de 2020). Simulador de flujos de agua de cuencas hidrográficas (SIALT) 2020 Red hidrológica Red Hidrológica Nacional 3.2 http://antares.inegi.org.mx/analisis/red_hidro/siatl/# 1 de febrero de 2020 Tirpak, J. M. and W. M. Giuliano. 2010. Using multitemporal satellite imagery to characterize forest wildlife habitat: The case of ruffed grouse. Forest Ecology and Management 260: 1539-1547. Doi: 10.1016/j.foreco.2010.07.052. Tirpak J. M. Giuliano W. M. 2010 Using multitemporal satellite imagery to characterize forest wildlife habitat: The case of ruffed grouse Forest Ecology and Management 260 1539 1547 10.1016/j.foreco.2010.07.052 U.S. Geological Survey (USGS). 2020. U.S. Geological Survey. https://earthexplorer.usgs.gov/ (1 de febrero de 2019). U.S. Geological Survey (USGS) 2020 U.S. Geological Survey https://earthexplorer.usgs.gov/ 1 de febrero de 2019 Yerena Y., J. I., J. Jiménez P., E. Alanís R., O. A. Aguirre C., M. A. González y E. J. Treviño G. 2013. Emisiones de gases de efecto invernadero derivadas de incendios forestales de 2000-2011 en el Parque Nacional Cumbres de Monterrey. Ciencia UANL. 16: 68-75. http://www.cienciauanl.uanl.mx/ (10 de junio de 2020). Yerena Y. J. I. Jiménez P. J. Alanís R. E. Aguirre C. O. A. González M. A. Treviño G. E. J. 2013 Emisiones de gases de efecto invernadero derivadas de incendios forestales de 2000-2011 en el Parque Nacional Cumbres de Monterrey Ciencia UANL 16 68 75 http://www.cienciauanl.uanl.mx/ 10 de junio de 2020 Yerena Y., J. I., J. Jiménez P., E. Alanís R., O. A. Aguirre C., E. J. Treviño G y M. A. González T. 2014. Dinámica de la captura de carbono en pastizales abandonados del noreste de México. Tropical and Subtropical Agroecosystems. 17: 113-121. https://www.redalyc.org/articulo.oa?id=939/93930735009.pdf (5 de diciembre de 2019). Yerena Y. J. I. Jiménez P. J. Alanís R. E. Aguirre C. O. A. Treviño G E. J. González T. M. A. 2014 Dinámica de la captura de carbono en pastizales abandonados del noreste de México Tropical and Subtropical Agroecosystems 17 113 121 https://www.redalyc.org/articulo.oa?id=939/93930735009.pdf 5 de diciembre de 2019 Scientific article Multitemporal analysis of land use and vegetation in the Cumbres de Monterrey National Park

The authors declare no conflict of interest.

Rufino Sandoval-García: design, organization, data analysis, and drafting of the manuscript; Javier Jiménez-Pérez: validation and revision of the manuscript; José Israel Yerena-Yamallel, Oscar Alberto Aguirre-Calderón, Eduardo Alanís-Rodríguez and Marco Vinicio Gómez-Meza: review and editing of the manuscript. All authors contributed to the approval of the final version.

 Abstract

The Cumbres de Monterrey National Park is characterized by its rugged orography, which determines the distribution of a great diversity of ecosystems; these provide environmental goods and services, such as carbon capture and water supply for the Monterrey Metropolitan Area. However, it has been under strong pressure as a result of the progressive advance of human settlements, land use change for agricultural purposes, and forest fires. The present research aims to determine the dynamics of change in land use and vegetation, through multitemporal analysis with high-resolution satellite images. Results indicate that the ecosystems are experiencing constant changes due to both natural and anthropogenic factors. On the one hand pine, oak-pine and oak forests, exhibit an annual rate of change of 0.406, 0.272, and 0.245 respectively, which is equivalent to a recovery of forest cover of 3 590.50 ha. However, ecosystems such as grasslands, rosetophilic desert scrub, and microphyllous desert scrub show an annual rate of change of -0.954, -0.735 and -0.562, which is equivalent to a loss of coverage of 1 919.97 ha. This dynamic of land use puts at risk the integrity, the resilience abilityity and the multifunctionality of goods and services that they provide to the Monterrey Metropolitan Area.

 Key words: Protected natural areas forest cover ecotourism multifunctionality reforestation resilience Introduction

The Cumbres de Monterrey National Park (PNCM, for its acronym in Spanish) is part of the eastern Sierra Madre mountain system; it has a wide altitudinal gradient, as well as a diversity of exposure to sunlight and the influence of humid air masses that favor an extraordinary mosaic of ecosystems and biological diversity. Therefore, it is considered the area with the greatest ecological relevance and value in the state of Nuevo León, mainly for the Metropolitan Area of Monterrey, since it supplies more than 40 % of the water consumed by the population (Cantú-Ayala et al., 2013; Rovalo-Merino et al., 2013).

3 729 species of flora and fauna are distributed in the PNCM, of which 141 are at risk: mammals (11), birds (32), reptiles (36), amphibians (4), fish (8), plants (42), and fungi (8) (Semarnat-2010; González-Saldivar et al., 2013; Naturalista, 2021). Its ecosystems capture 6 113 920 Mg C, which represents a very important contribution to mitigating the effects of greenhouse gas emissions (Jiménez-Pérez et al., 2013).

In this regard, the plant communities with the highest figures are pine-oak forests, with an average of 82 Mg C ha-1 (Rodríguez-Lagua et al., 2009); oak-pine, with 70 Mg C ha-1 (Aguirre-Calderón and Jiménez-Pérez, 2011); pine forests, 62 Mg C ha-1 (Pimienta de la Torre et al., 2007); submontane scrub, with 12 Mg C ha-1 (Montaño et al., 2016); and grassland, 4 Mg C ha-1 (Yerena et al., 2014).

The Cumbres de Monterrey National Park is one of the most visited areas in the state of Nuevo León due to its natural attractions, which render it ideal for recreation and leisure (Correa-Sandoval and Mayén, 2013). These activities can become a significant factor in conserving the environment, provided that the ecological, social and economic factors of the region are taken into account (Díaz, 2010). However, among other practices, the use of all-terrain vehicles, which has increased in the area, is considered one of the causes of major ecological and hydrological disturbance to river and stream channels (Brenner, 2006; Menchaca and Alvarado, 2011).

The situation described above exerts strong pressure on the available natural resources, with the consequent degradation of vulnerable ecosystems (Rodríguez and Acevedo, 2015). In addition, the communities living in the park have grown, and there is a lack of suitable areas for agricultural crops (Aragón-Palacios, 2013).

Multitemporal analysis is of great importance for monitoring the dynamics of land use and vegetation change, since it allows understanding the factors that trigger the process of ecological succession. These, in turn, affect the recovery of the vital functions of those ecosystems that have been exposed to both natural impacts and the effects of anthropogenic disturbances (Giri et al., 2007; Menchaca and Alvarado, 2011). Likewise, the use of high-resolution satellite images is an important alternative to the evaluation of structural and eco-physiological variables at a regional scale and over time in order to analyze the evolution of forest ecosystems after alterations in their structure and composition (Tirpak and Giuliano, 2010).

Little research has been carried out in the PNCM to assess the dynamics of its plant communities. Most studies have focused on the growth of pine species (González, 2019) and on climate reconstruction by means of dendrochronology (Luna, 2020), without a landscape-level perspective to allow understanding the effect that the exclusion of productive activities has had on the passive restoration of plant communities or on the degradation of post-fire ecosystems.

The objective of this research was to carry out a classification of land use and vegetation in three years: 2000, 2010, and 2018. It was hypothesized that the surface area of plant communities recovers naturally over time, due to the exclusion of productive activities in the PNCM.

 Materials and Methods

PNCM is located in the state of Nuevo León, between 26°31'00" N, 100°17'20" W (Figure 1) and borders with the state of Coahuila. It is part of RH-24 Bravo-Conchos river basin, which is located between the limits of Allende, García, Montemorelos, Monterrey, Rayones, Santa Catarina, Santiago and San Pedro Garza García municipalities, and has a total surface area of 177 395.95 ha (DOF, 2000).

Location of the <italic>Cumbres de Monterrey</italic> National Park.

The dominant climates in the PNCM are Semi-warm humid (A)C(w1), (A)C(w2); Temperate sub-humid C(w1); Arid warm BSohw and Semi-arid warm BS1hw. Rainfall varies from 344 mm to 983 mm per year and the average annual temperature ranges from 9 to 24 °C (Cuervo-Robayo et al., 2014). The soils are semi-arid, associated with desert vegetation; most are shallow and coarse-textured, and they sometimes have a hard or poorly permeable subsoil. The dominant soils are Leptosol (78.88 %), Pheozem (17.68 %), Fluvisol (1.45 %), Luvisol (0.98 %), Calcisol (0.55 %), Regosol (0.31 %), and Vertisol (0.15 %) (Inegi, 2019).

Surface waters in the study area are drained mainly by the Santa Catarina and Ramos river sub-basins. Smaller portions of the PNCM correspond to other sub-basins: the northwestern part drains into the Pesquería river sub-basin; the southeastern region, into the Pilón River, and the central region, towards the northeast, into the San Juan river (SIATL, 2020).

Processing and generation of orthomosaics

In order to identify the optimal resolution for supervised classification processes to determine the rates of land use and vegetation change, a comparison was made between the satellite images most commonly used in this type of analysis: Landsat 8 OLI (Figure 2A) and Sentinel 2A (Figure 2B), compared to orthophotos (Figure 2C ), Birdseye (Figure 2D), and Airbus Defence and Space satellite imagery.

Comparison of Landsat 8 OLI (A), Sentinel 2A (B), Orthophotos (C) and high-resolution imagery (D).

According to Earth Observing System (2020), Landsat 8 (30 m/pixel; bands 7, 5, 4) and Sentinel 2 (10 m/pixel; bands 8,4,3) images are classified as medium resolution; while orthophotos (1.5 m/pixel), and Birdseye (0.28 m/pixel) and Airbus Defence and Space satellite images (1.14 m/pixel) are considered high resolution, because they have a resolution below the 5 m/pixel classification of the Earth Observing System.

The processing of high-resolution satellite images is based on georeferencing, radiometric correction, radiometric normalization of the series, and cloudiness percentage (Tirpak and Giuliano, 2010). Therefore, the availability of images with these characteristics was limited to the years 2000, 2010, and 2018.

Medium-resolution satellite imagery was obtained from the U.S. Geological Survey's Earth Explorer platform (USGS, 2020); orthophotos, from the Espacios y Datos de México server (Inegi, 2020), and Birdseye and Airbus Defence and Space images, from the SASPlanet software (SASPlanet, 2020).

 Supervised classification

A supervised classification was performed based on the generation of three orthomosaics composed of 27 orthophotos (year 2000; Figure 3A), 578 Birdseye (year 2010; Figure 3B) and 144 Airbus Defence and Space images (year 2018; Figure 3C), which were compared with Landsat (year 2018; Figure 3D) and Sentinel images (2018).

PNCM Orthomosaics of the years 2000 (A), 2010 (B), 2018 (C), and Landsat 2018 (D).

The open source QGIS 2.18.25 "Las Palmas" software was used for change detection (QGIS Development Team, 2020).

The atmospheric correction to the images of each period was done by cropping them and subjecting them to an unsupervised classification process with the K-means analysis module, which groups the cell values into classes with the multivariate cluster analysis method (Jumb et al., 2014; Rashmi et al., 2016). The files were then transformed from raster to vector format for supervised classification (Figure 4).

Supervised classification process in QGIS<italic>.</italic>

The supervised classification was carried out using control points, which consisted of 148 sites systematically distributed in areas with a high degree of confusion due to image reflectance, exposure, noise and cloud cover.

Information related to the different land uses, vegetation cover and vegetation type was obtained and compared with the information developed by Conafor (2013) and Inegi (2017), and a classification of different land uses (agriculture, human settlements, roads, power transmission lines and rivers) was generated, as well as forest cover (Douglas Fir Forest, Holm Oak, Holm Oak-Pine, Pine, Pine-Oak, Pine-Oak, Microphyllous Desert Scrub, Rosetophile Desert Scrub, Submontane Scrub, Grassland and No Vegetation) distributed in the PNCM (Figure 5).

Representative ecosystems of the PNCM.

The agreement and accuracy of the results of the classification of high-resolution satellite imagery was calculated in the r.kappa module in GRASS 7.6.0 (QGIS Development Team, 2020), which generates an error matrix and determines Cohen's kappa coefficient.

 Profit and loss determination

The determination of the loss or gain in the restoration process of the different types of vegetation was obtained by constructing transition matrices and rates of change for the years considered in the study, using the equation developed by FAO (1996) and adapted by Palacio-Prieto et al. (2004).

δ n = [ ( ( s 2 / s 1 ) ^ ( 1 / n ) ) - 1 ] * 100

Where:

δ n = Rate of change expressed as a percentage

s 1 = Surface area on date 1

s 2 = Surface area on date 2

n = Number of years between the two dates

To describe the changes in land use and vegetation, a cross-tabulation of time 1 and time 2 was generated, allowing us to obtain a matrix of change. The diagonal shows the total amount of stable landscape between one date and another, while outside the diagonal are the transitions of the classes between Year 1 and Year 2. A positive rate of change value indicates a gain in restored surface area, while a negative value corresponds to a loss of forest cover.

 Results and Discussion

Fifteen land use and vegetation classes were derived from the supervised classification process; no significant change was observed in the categories of human settlements, roads, power transmission lines or rivers; therefore, the analysis was performed based on the main eleven classifications (Table 1).

Classification of land use and vegetation in the PNCM.
Year 2000 2010 2018
Vegetation ha % ha % ha %
A 1 550.00 0.87 1 701.33 0.96 1 865.57 1.05
DFF 3 600.69 2.03 3 696.70 2.08 3 760.52 2.12
OF 20 119.76 11.34 20 531.17 11.57 21 035.22 11.86
OPF 15 148.80 8.54 15 518.38 8.75 15 915.20 8.97
PF 24 957.86 14.07 25 999.67 14.66 26 866.54 15.14
POF 26 276.07 14.81 26 468.60 14.92 27 336.31 15.41
MDS 219.14 0.12 217.51 0.12 197.79 0.11
RDS 13 664.03 7.70 12 463.80 7.03 11 949.78 6.74
SMS 37 452.30 21.11 37 820.18 21.32 39 751.12 22.41
GL 1 152.91 0.65 1 030.07 0.58 968.54 0.55
NV 25 860.23 14.58 24 554.38 13.84 20 355.19 11.47

A= Agricultural; DFF= Douglas Fir Forest; OF= Oak Forest; OPF= Oak-Pine Forest; PF= Pine Forest; POF= Pine-Oak Forest; MDS= Microphyllous Desert Scrub; RDS= Rosetophile Desert Scrub; SMS= Submontane Scrub; GL= Grassland; NV= No Vegetation.

In regard to high-resolution images, the comparative analysis between Landsat 8 OLI and Sentinel 2ª images showed that there is an overestimation of more than 24 % for areas with forest cover. This is because some images showed displacement between the coordinates of the bands, which can produce a systematic error related to overlapping on the same path, but in a different row, in combination with the degree of cloudiness in the images (Cristóbal et al., 2004; Astola et al., 2019).

The classification of the high-resolution images presented average Kappa index values of 0.83, which are considered to be within a very good level of accuracy, and were higher than those cited by Mendes et al. (2015), who obtained a value of 0.58 for images from the Geoeye-1 satellite.

The PNCM covers an area of 177 395.87 ha, of which, in the year 2018 (Table 1), 81.25 % corresponded to forest cover; 14.58 %, to no apparent vegetation; 3.18 %, to rivers; 0.70 %, to human settlements; 0.19 %, to roads, and 0.10 %, to electric transmission lines. The main vegetation types identified include submontane scrubland (39 751.12 ha), pine-oak (27 336.31 ha), pine (26 866.54 ha), oak (21 035.22 ha), oak-pine (15 915.20 ha), desert rosette scrub (11 949.78 ha), Douglas fir forest (3 760.52 ha), and microphyllous desert scrub (197.79 ha).

In general, there is a process of forest cover recovery in the PNCM; mainly in pine, pine-oak, oak-pine, oak-oak and Douglas fir forests as a result of the resilience of ecosystems to natural or anthropogenic disturbances (Lloret, 2012; Mora-Donjuán and Alanís-Rodríguez, 2016), as well as the restoration efforts made by communities, non-governmental organizations, and public institutions ( Rovalo-Merino et al., 2013).

However, in ecosystems such as the microphyllous desert scrub, the rosetophile desert scrub, and grasslands, the loss of cover continues due to changes in land use for agricultural and livestock purposes and to the increase in human settlements (Figure 6).

Land use and vegetation classification from 2000 (A), 2010 (B) and 2018 (C). Agricultura = Agriculture; Bosque de ayarín = Douglas fir forest; Bosque de encino = Oak forest; Bosque de encino-pino = Oak-Pine forest; Bosque de pino = Pine Forest; Bosque de pino-encino = Pine-Oak Forest; Matorral desértico micrófilo = Microphyllous Desert Scrub; Matorral desértico rosetófilo = Rosetophile Desert Scrub; Matorral submontano = Submontane Scrub; Pastizal = Grassland; Asentamientos humanos = Human settlements; Caminos = Roads; Ríos = Rivers; Líneas de transmisión eléctrica = Power transmission lines; Sin vegetación = No Vegetation.

Detection of land use changes

The recovery of vegetation in the PNCM is positive, as can be seen during the 2000-2010 period, when a 13.03 % recovery of the forest cover was recorded, compared to 2000, mainly in those areas covered with pine, Douglas fir, oak-pine, oak, pine-oak, pine-oak and submontane scrub forests. However, there was also a loss of 20.18 % in grasslands, rosetophile desert scrub, and microphyllous desert scrub; agriculture showed an increase of 9.76 % and the areas without an apparent cover showed a decrease of 5.05 % (Table 2).

Land cover changes in the PNCM from 2000 to 2018.
Period ∆ 2000 - 2010 ∆ 2010 - 2018 ∆ 2000 - 2018
Vegetation ha % ha % ha %
Agricultural 151.33 9.76 164.24 9.65 315.57 20.36
Douglas Fir Forest 96.01 2.67 63.82 1.73 159.83 4.44
Pine Forest 1041.81 4.17 866.87 3.33 1 908.68 7.65
Pine-Oak Forest 192.53 0.73 867.71 3.28 1 060.24 4.04
Oak Forest 411.41 2.04 504.05 2.46 915.46 4.55
Oak-Pine Forest 369.58 2.44 396.82 2.56 766.40 5.06
Microphyllous Desert Scrub -1.63 -0.75 -19.72 -9.07 -21.35 -9.74
Rosetophile Desert Scrub -1 200.23 -8.78 -514.02 -4.12 -1 714.25 -12.55
Submontane Scrub 367.88 0.98 1 930.94 5.11 2 298.82 6.14
Grassland -122.84 -10.65 -61.53 -5.97 -184.37 -15.99
No Vegetation -1 305.85 -5.05 -4 199.19 -17.10 -5 505.04 -21.29

∆ = Cover increase or loss.

These results exhibit a similar trend to those obtained by various studies in protected or exclusion areas, as cited by Flórez-Yepes et al. (2017) ―who estimated a recovery of 30.44 % for gold mine forests located in Manizales, Colombia―, as well as to those documented by Sanhouse-García et al. (2016) in Sinaloa, Mexico, where pine-oak and pine forests increased by 38.98 % and 29.56 %, respectively.

As for agricultural vegetation, increases of 9.76 % (2000-2010), 9.65 % (2010-2018), and 20.36 % (2000-2018) were observed. These values are similar to those reported by Kumar et al. (2020) in an analysis of cover change on the banks of the Ganges river in Haridwar district, India, for the years 1996, 2003, 2010, and 2017, where agriculture had an increase of 17.32 %. However, they are lower than that obtained by Martin et al. (2019) in the Kwakuchinja wildlife corridor of Tanzania, where agriculture increased by 35.6 %.

In regard to the carbon sequestration research conducted in various vegetation types (Pimienta de la Torre et al., 2007; Rodríguez et al., 2009; Aguirre-Calderón and Jiménez-Pérez, 2011; Montaño et al., 2016), the recovery of forest ecosystems in the PNCM generates an increase of 86 939.68 Mg C in pine-oak forests, 53 648.00 Mg C in oak-pine forests, 118 338.16 Mg C in pine forests, and 27 585.84 Mg C in submontane scrubland.

The progressive rate of change of agriculture and the negative impact of microphyllous desert scrub, rosetophile scrub, and grassland (Figure 7) threatens the integrity of ecosystems, as well as the provision of such goods and services as the recharge of the water bodies that supply the Metropolitan Area of Monterrey (López and Ixtacuy, 2017).

Dynamics of the rate of change of the soil and vegetation types. A = Agriculture; BA = Douglas Fir Forest; BQ = Oak Forest; BQP = Oak-Pine Forest; BP = Pine Forest; BPQ = Pine-Oak Forest; MDM = Microphyllous Desert Scrub; MDR = Rosetophile Desert Scrub; MS = Submontane Scrub; P = Grassland; SV = No Vegetation.

One of the main factors that continue to affect ecosystems are forest fires: in the PNCM, more than 9 085.09 ha have been affected during the period from 2000 to 2011 (Conanp, 2011), and 2 493.68 ha from 2012 to 2019 (Conafor, 2020).

Forest fires are closely related to previous periods of excessive precipitation: those recorded in 2008, when 4 249.31 ha were damaged by fuel accumulation, resulted from the 2005 precipitation (1 600 mm), and those of 2011, which covered an area of 5 037.51 ha (Yerena et al., 2013), followed a precipitation of 1 915 mm in 2010 (Figure 8).

Forest fires in the PNCM (2000-2019). Superficie afectada = Affected area; Incendios forestales = Forest fires; Precipitación anual = Annual precipitation.

Conclusions

The multitemporal analysis indicates a gradual process of recovery of forest cover ―mainly of pine, pine-oak, oak-pine, oak, and Douglas fir forests― as a response to the resilience capacity and the prioritization of ecological restoration strategies in these ecosystems. The opposite situation is observed for the rosetophile desert scrub, the microphyllous desert scrub, and the grassland, which show continuous loss as a result of the change of land use for agricultural purposes.

The rates of change of land use and vegetation in this study indicate the presence of a dynamic in the successional process of the ecosystems of the PNCM. The tendency of this dynamic is similar to that cited for natural protected or exclusion areas where there is a gradual recovery of forest cover with certain types of vegetation, as well as a loss of ecosystems of less economic interest, that are being replaced through the advance of agriculture and of human settlements.

The exclusion of productive activities in natural protected areas does not guarantee the conservation of biodiversity or the optimal functioning of environmental services, since there are external factors that jeopardize the integrity of ecosystems, such as the recurrent presence of forest fires that reduce the resilience capacity and increase the vulnerability of ecosystem services.

The use of high-resolution imagery greatly improves the interpretation of different scenarios of land use and vegetation change, compared to Landsat and Sentinel imagery, and offers a true picture of the loss or gain of forest cover in natural protected areas.

 Acknowledgments

The authors are grateful to the National Council of Science and Technology (Consejo Nacional de Ciencia y Tecnología, Conacyt) for the postgraduate scholarship granted to the first author, as well as to the School of Forestry Sciences and the School of Economics of the Universidad Autónoma de Nuevo León.