La degradación de la tierra y el ODS 15.3.1

Como parte de la «Agenda 2030 para el Desarrollo Sostenible», el Objetivo de Desarrollo Sostenible (ODS) 15 es:

«Proteger, restaurar y promover el uso sostenible de los ecosistemas terrestres, gestionar los bosques de manera sostenible, combatir la desertificación, detener y revertir la degradación de la tierra y detener la pérdida de biodiversidad»

Cada ODS tiene objetivos específicos que abordan diferentes componentes, en este caso, de la vida en la tierra. La meta 15.3 tiene como objetivo:

«Para 2030, combatir la desertificación, restaurar la tierra y el suelo degradados, incluidas las tierras afectadas por la desertificación, la sequía y las inundaciones, y luchar por lograr un mundo neutral en la degradación de la tierra»

Los indicadores se usarán luego para evaluar el progreso de cada objetivo de ODS. En el caso del ODS 15.3, el progreso hacia un mundo neutral para la degradación de la tierra se evaluará utilizando el indicador 15.3.1:

«proporción de tierra que se degrada sobre la superficie total»

Como organismo custodio del ODS 15.3, la Convención de las Naciones Unidas de Lucha contra la Desertificación (CNULD) ha elaborado una Guía de buenas prácticas (GPG) que ofrece recomendaciones sobre cómo calcular el indicador 15.3.1 de los ODS.

Esta página ofrece una breve introducción al indicador 15.3.1 de los ODS y describe cómo calcula cada indicador .

Para evaluar el área degradada, el Indicador 15.3.1 de los ODS utiliza información de 3 subindicadores:

1. Productividad de la vegetación

2. Cobertura del terreno

3. Carbono orgánico del suelo

permite al usuario computar cada uno de estos subindicadores de manera espacialmente explícita, generando mapas ráster que luego se integran en un mapa final del indicador 15.3.1 de los ODS y produce un resultado en forma de tabla que informa de las áreas potencialmente mejoradas y degradadas para el ámbito del análisis.

Subindicadores

Productividad

La productividad de la tierra es la capacidad productiva biológica de la tierra, la fuente de todos los alimentos, fibras y combustibles que sustentan a los seres humanos (Comisión de Estadística de las Naciones Unidas 2016). La productividad primaria neta (PPN) es la cantidad neta de carbono asimilada después de la fotosíntesis y la respiración autótrofa durante un período de tiempo determinado (Clark et al., 2001) y se representa típicamente en unidades como kg / ha / año. El cálculo de PPN consume mucho tiempo y es costoso de estimar, por esa razón, dependemos de la información detectada remotamente para derivar indicadores de PPN.

Uno de los sustitutos más utilizados del NPP es el Índice de Vegetación de Diferencia Normalizada (NDVI, siglas en inglés), que se calcula utilizando la información de las longitudes de onda roja y del infrarrojo cercano del espectro electromagnético. En utilizamos productos quincenales de MODIS y AVHRR para computar las integrales anuales del NDVI (calculadas como su media anual para facilitar la interpretación de los resultados). Estas integrales anuales del NDVI se utilizan luego para computar cada una de las métricas de productividad que se explican a continuación.

La productividad de la tierra se evalúa en utilizando tres medidas de cambio derivadas de datos de series de tiempo de NDVI: trayectoria, rendimiento y estado

Productividad - Trayectoria

La trayectoria mide la tasa de cambio en la productividad primaria a lo largo del tiempo. Como se indica en la figura a continuación, calcula una regresión lineal a nivel de píxel para identificar las áreas que experimentan cambios en la productividad primaria durante el período bajo análisis. A continuación, se aplica una prueba de significación no paremétrica de Mann-Kendall, considerando solo cambios significativos aquellos que muestran un valor de p ≤ 0.05. Las tendencias positivas significativas en NDVI indicarían la mejora potencial en la condición de la tierra, y la potencial degradación de las tendencias significativas negativas.

Corregir los efectos del clima

Dentro de un ecosistema dado, la productividad primaria se ve afectada por varios factores, como la temperatura y la disponibilidad de luz, nutrientes y agua. De ellos, la disponibilidad de agua es la más variable a lo largo del tiempo y puede tener influencias muy significativas en la cantidad de tejido vegetal que se produce cada año. Cuando se usan integrales anuales de NDVI para realizar el análisis de trayectoria, es importante interpretar los resultados teniendo como contexto la información de precipitación histórica. De lo contrario, las tendencias de la disminución de la productividad podrían identificarse como la degradación de la tierra causada por los seres humanos, cuando son impulsadas por patrones regionales de cambios en la disponibilidad de agua.

permite al usuario realizar diferentes tipos de análisis para separar las causas climáticas de los cambios en la productividad primaria, de aquellos que podrían ser una consecuencia de las decisiones del uso de la tierra humana sobre el terreno. Los métodos actualmente admitidos para las correcciones climáticas son:

Análisis de Tendencia Residual (RESTREND): RESTREND usa modelos de regresión lineal para predecir NDVI para una cantidad de lluvia dada. Las tendencias en la diferencia entre el NDVI predicho y el NDVI observado (el residuo) se interpretan como un cambio de productividad no relacionado climáticamente. Consulte la siguiente cita para obtener más detalles sobre el método y sus limitaciones: Wessels, K.J .; van den Bergh, F .; Scholes, R.J. Límites a la detectabilidad de la degradación de la tierra mediante el análisis de tendencias de los datos del índice de vegetación. Remote Sens. Environ. 2012, 125, 10-22.

Eficiencia en el uso de la lluvia (RUE): RUE es la cociente entre la PPN anual y la precipitación anual. utiliza las integrales anuales de NDVI como proxy de la PPN anual, y ofrece la posibilidad de elegir entre diferentes productos de precipitación para calcular la RUE. Después de calcular la RUE para cada uno de los años bajo análisis, se aplica una regresión lineal y una prueba de significación no paramétrica a la tendencia de la RUE a lo largo del tiempo. Las tendencias positivas significativas en la RUE indicarían una mejora potencial en la condición de la tierra y tendencias negativas significativas en la degradación potencial. Consulte la siguiente publicación para obtener detalles sobre los métodos y sus limitaciones: Wessels, K.J .; Prince, S.D .; Malherbe, J .; Pequeño, J .; Frost, P.E .; VanZyl, D. ¿Puede la degradación de la tierra inducida por el hombre distinguirse de los efectos de la variabilidad de la lluvia? Un estudio de caso en Sudáfrica. J. Arid Environ. 2007, 68, 271-297.

Eficiencia en el uso del agua (WUE): RUE supone que existe una relación lineal entre la cantidad de agua que cae en forma de precipitación en un lugar determinado y la cantidad de agua que realmente usarán las plantas. Esta suposición no es válida para todos los sistemas. WUE trata de hacer frente a esta limitación mediante el uso de evapo-transpiración (ET) total anual en lugar de precipitación. ET se define como la precipitación menos la pérdida de agua a la escorrentía superficial, la recarga a las aguas subterráneas y los cambios en el almacenamiento de agua del suelo. El resto del análisis sigue como se describe para RUE: se aplica una regresión lineal y una prueba de significación no paramétrica a la tendencia de WUE a lo largo del tiempo. Las tendencias positivas significativas en WUE indicarían la mejora potencial en la condición de la tierra, y la potencial degradación de las tendencias significativas negativas.

La siguiente tabla muestra los conjuntos de datos disponibles en para realizar análisis de tendencias NDVI en el tiempo utilizando los datos originales de NDVI o con correcciones climáticas:

Variable	Sensor/conjunto de datos	Temporal	Res. espacial	Alcance	Unidades/descripción
NDVI	AVHRR/GIMMS	1982-2015	8 km	Global	NDVI medio anual * 10 000
NDVI	MOD13Q1-coll6.1	2001-2024	250 m	Global	NDVI medio anual * 10 000
Humedad del suelo	MERRA 2	1980-2019	0.5° x 0.625°	Global	Zona radicular del agua m3m-3 * 10 000
Humedad del suelo	ERA I	1979-2016	0.75° x 0.75°	Global	Capa volumétrica de agua del suelo m3m-3 (0-7 cm)
Precipitación	GPCP v2.3.1 mensual (Proyecto Mundial de Climatología de Precipitaciones)	1979-2019	2.5° x 2.5°	Global	mm/año
Precipitación	GPCC V6 (Centro Mundial de Climatología de Precipitaciones)	1891-2019	1° x 1°	Global	mm/año
Precipitación	CHIRPS	1981-2024	5 km	50° N x 50° S	mm/año
Precipitación	PERSIANN-CDR	1983-2024	25 km	60° N x 60° S	mm/año
Evapotranspiración	MOD16A2.GF	2000-2024	500 m	Global	ET anual kg/m2 (=mm)*10

Productividad - Estado

La métrica de estado de productividad permite la detección de cambios recientes en la productividad primaria al compararla con un periodo base de referencia.

1. Defina el período de línea de base (período histórico para comparar la productividad primaria reciente).

2. Defina el período de comparación (los años recientes se utilizan para realizar la comparación). Se recomienda utilizar un período de 3 años para evitar las fluctuaciones anuales relacionadas con el clima.

3. Para cada píxel, se utilizan las integrales anuales de NDVI para el período de referencia para calcular una distribución de frecuencias. En caso de que el período de referencia no contuviera valores extremos en NDVI, se le agrega un 5% del rango en ambos extremos de la distribución. Esa curva de distribución de frecuencia expandida se usa para definir los valores de corte de las clases de percentiles 10.

4. Se calcula el NDVI promedio para el período de referencia y se determine la clase percentil a la que pertenece. Se le Asigna al NDVI promedio para el período de referencia el número correspondiente a esa clase percentil. Los valores posibles van de 1 (clase más baja) a 10 (clase más alta).

5. Se calcula el NDVI promedio para el período de comparación y se determina la clase percentil a la que pertenece. Se le Asigna al NDVI promedio para el período de comparación el número correspondiente a esa clase percentil. Los valores posibles van de 1 (clase más baja) a 10 (clase más alta).

6. Se determina la diferencia en el número de clase entre la comparación y el período de referencia (comparación menos referencia).

7. Si la diferencia en la clase entre la línea de base y el período de comparación es ≤ 2, entonces ese píxel se considerará potencialmente degradado. Si la diferencia es ≥ 2, ese píxel indicaría una mejora reciente en términos de productividad primaria. Los píxeles con pequeños cambios se consideran estables.

La siguiente tabla enumera los conjuntos de datos disponibles en para calcular la métrica de estado de productividad:

Variable	Sensor/conjunto de datos	Temporal	Res. espacial	Alcance	Unidades/descripción
NDVI	AVHRR/GIMMS	1982-2015	8 km	Global	NDVI medio anual * 10 000
NDVI	MOD13Q1-coll6.1	2001-2024	250 m	Global	NDVI medio anual * 10 000

Productividad - Rendimiento

La métrica de rendimiento de productividad mide la productividad local en relación con otros tipos de vegetación similares dentro de tipos de cobertura de suelo o regiones bioclimáticas similares en toda el área de estudio. usa la combinación única de unidades de suelo (unidades de taxonomía de suelos según el sistema USDA proporcionadas por SoilGrids con una resolución de 250 m) y cobertura de suelo (las 37 clases completas de cobertura de suelo proporcionadas por ESA CCI con una resolución de 300 m) para definir estas áreas de análisis. La métrica de rendimiento se calcula de la siguiente manera:

1. Defina el período de análisis y use la serie temporal de NDVI para calcular la media del NDVI para cada píxel.

2. Defina unidades ecológicamente similares similares a la intersección única de la cobertura del terreno y el tipo de suelo.

3. Para cada unidad, extraiga todos los valores medios de NDVI calculados en el paso 1 y cree una distribución de frecuencias. A partir de esta distribución, determine el valor que representa el percentil 90 (no recomendamos utilizar el valor máximo absoluto del NDVI para evitar posibles errores debidos a la presencia de valores atípicos). El valor que representa el percentil 90 se considerará la máxima productividad para esa unidad.

4. Calcule la relación entre el NDVI medio a nivel de pixel y la productividad máxima para esa unidad (en cada caso compare el valor medio observado con el máximo para su unidad correspondiente).

5. Si el NDVI medio observado es inferior al 50 % de la productividad máxima, ese píxel se considera potencialmente degradado según esta métrica.

La siguiente tabla enumera los conjuntos de datos disponibles en para calcular la métrica de rendimiento de productividad:

Variable	Sensor/conjunto de datos	Temporal	Res. espacial	Alcance	Unidades/descripción
NDVI	AVHRR/GIMMS	1982-2015	8 km	Global	NDVI medio anual * 10 000
NDVI	MOD13Q1-coll6.1	2001-2024	250 m	Global	NDVI medio anual * 10 000
Cubierta de tierra	ESA CCI	1992-2022	300 m	Global	Clases temáticas de cobertura de suelo
Unidades taxonómicas de suelo	SoilGrids - USDA	Estático	250 m	Global	Unidades de suelo

Métricas de combinación de productividad

Las tres métricas de productividad se combinan como se indica en las siguientes tablas. El indicador de 3 clases es obligatorio para informes de ODS 15.3.1, pero también produce uno de 5 clases que aprovecha la información proporcionada por el estado para informar del tipo de degradación que tenga lugar en el área.

Aggregating Land Productivity metrics

Trend	State	Performance
Improving	Improving	Stable
Improving	Improving	Degrading
Improving	Stable	Stable
Improving	Stable	Degrading
Improving	Degrading	Stable
Improving	Degrading	Degrading
Stable	Improving	Stable
Stable	Improving	Degrading
Stable	Stable	Stable
Stable	Stable	Degrading
Stable	Degrading	Stable
Stable	Degrading	Degrading
Degrading	Improving	Stable
Degrading	Improving	Degrading
Degrading	Stable	Stable
Degrading	Stable	Degrading
Degrading	Degrading	Stable
Degrading	Degrading	Degrading

➡

5 Classes	3 Classes
Improving	Improving
Improving	Improving
Improving	Improving
Improving	Improving
Improving	Improving
Moderate decline	Degrading
Stable	Stable
Stable	Stable
Stable	Stable
Stressed	Stable
Moderate decline	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading

Cobertura del terreno

Para evaluar los cambios en la cobertura de la tierra, los usuarios necesitan mapas de cobertura del terreno que cubran el área de estudio para la línea de base y los años objetivo. Estos mapas deben ser de precisión aceptable y deben ser creados de tal forma que permitan comparaciones válidas. utiliza los mapas de cobertura terrestre CCI de ESA como el conjunto de datos predeterminado, pero también se pueden usar mapas locales. El indicador se calcula de la siguiente manera:

1. Reclasifique ambos mapas de cobertura terrestre a las 7 clases de cobertura terrestre necesarias para informar a la CNULD (bosques, pastizales, tierras de cultivo, humedales, áreas artificiales, tierras desnudas y agua).

2. Realice un análisis de transición de cobertura terrestre para identificar qué píxeles permanecieron en la misma clase de cobertura terrestre y cuáles cambiaron.

3. Según su conocimiento local de las condiciones en el área de estudio y la degradación de la tierra procesada allí, utilice la tabla siguiente para identificar qué transiciones corresponden a la degradación (signo -), mejora (signo +) o ningún cambio en términos de condición de la tierra (cero).

1. combinará la información de los mapas de cobertura terrestre y la tabla de tipologías de degradación por transición de cobertura terrestre para calcular el subindicador de cobertura de la tierra.

Carbono orgánico del suelo

El tercer subindicador para monitorear la degradación de la tierra como parte del proceso de ODS cuantifica los cambios en el carbono orgánico del suelo (SOC) durante el período del informe. Los cambios en SOC son particularmente difíciles de evaluar por varias razones, algunas de ellas son la alta variabilidad espacial de las propiedades del suelo, el tiempo y costo de la realización de muestreos representativos del suelo y la falta de datos de series temporales sobre SOC para la mayoría de las regiones del mundo. Para abordar algunas de las limitaciones, se utiliza un método combinado de cobertura del terreno / SOC en para estimar los cambios en SOC e identificar áreas potencialmente degradadas. El indicador se calcula de la siguiente manera:

1. Determine los valores de referencia SOC. utiliza los stocks de carbono de SoilGrids 250m para los primeros 30 cm del perfil del suelo como los valores de referencia para el cálculo (NOTA: SoilGrids utiliza información de una variedad de fuentes de datos y de varios muchos años para producir este producto, por lo tanto, asignar una fecha para cálculos podría causar inexactitudes en los cálculos de cambio de stock).

2. Reclasifique los mapas de la cobertura del terreno a las 7 clases de cobertura terrestre necesarias para informar a la CNULD (bosque, pastizales, tierras de cultivo, humedales, áreas artificiales, tierras desnudas y agua). Idealmente, se prefieren los mapas anuales de cobertura terrestre, pero al menos se necesitan mapas de cobertura terrestre para los años inicial y final.

3. Para estimar los cambios en las existencias de C para el período de referencia, el IPCC y la CNULD recomiendan coeficientes de conversión C para los cambios en el uso, la gestión y los insumos de la tierra. Sin embargo, la información espacialmente explícita sobre la administración y las entradas C no está disponible para la mayoría de las regiones. Como tal, solo se puede aplicar el coeficiente de conversión del uso de la tierra para estimar los cambios en las existencias de C (utilizando la cobertura de la tierra como un proxy para el uso de la tierra). Los coeficientes utilizados fueron el resultado de una revisión bibliográfica realizada por la CNULD y se presentan en la tabla a continuación. Esos coeficientes representan los valores proporcionales en C después de 20 años de cambio en la cobertura del terreno.

LU coefficients	Forest	Grasslands	Croplands	Wetlands	Artificial areas	Bare lands	Water bodies
Forest	1	1	f	1	0.1	0.1	1
Grasslands	1	1	f	1	0.1	0.1	1
Croplands	1/f	1/f	1	1/0.71	0.1	0.1	1
Wetlands	1	1	0.71	1	0.1	0.1	1
Artificial areas	2	2	2	2	1	1	1
Bare lands	2	2	2	2	1	1	1
Water bodies	1	1	1	1	1	1	1

Los cambios en SOC se han estudiado en mayor detalle para las transiciones de cobertura terrestre que involucran agricultura, y por esa razón hay un conjunto diferente de coeficientes para cada una de las principales regiones climáticas globales: Templado seco (f = 0,80), templado húmedo (f = 0,69), tropical Seco (f = 0.58), Tropical húmedo (f = 0.48) y Montano tropical (f = 0.64).

4. Para identificar degradación, se calculan las diferencias relativas en SOC entre la línea de base y el período objetivo. Las zonas que experimentaron una pérdida en SOC del 10% o más durante el período del informe se considerarán potencialmente degradadas y las áreas que experimenten una ganancia del 10% o más como potencialmente mejoradas.

Combinar indicadores en indicador ODS 15.3.1

La integración de los tres subindicadores del ODS 15.3.1 se realiza siguiendo la regla uno falla, todos fallan (1OAO, por sus siglas en inglés), lo que significa que si un área o píxel se identifica como potencialmente degradado por cualquiera de los subindicadores, entonces esa área o píxel se considerará potencialmente degradado en lo que a informe se refiere.

Aggregating SDG 15.3.1 sub-indicators - 1OAO

Land Productivity	Land Cover	SOC
Improving	Improving	Improving
Improving	Improving	Stable
Improving	Improving	Declining
Improving	Stable	Improving
Improving	Stable	Stable
Improving	Stable	Declining
Improving	Declining	Improving
Improving	Declining	Stable
Improving	Declining	Declining
Stable	Improving	Improving
Stable	Improving	Stable
Stable	Improving	Declining
Stable	Stable	Improving
Stable	Stable	Stable
Stable	Stable	Declining
Stable	Declining	Improving
Stable	Declining	Stable
Stable	Declining	Declining
Declining	Improving	Improving
Declining	Improving	Stable
Declining	Improving	Declining
Declining	Stable	Improving
Declining	Stable	Stable
Declining	Stable	Declining
Declining	Declining	Improving
Declining	Declining	Stable
Declining	Declining	Declining

➡

SDG 15.3.1
Improving
Improving
Declining
Improving
Improving
Declining
Declining
Declining
Declining
Improving
Improving
Declining
Improving
Stable
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining

Calculo de mapa de estado

Según el Anexo de la guía de buenas prácticas del indicador ODS 15.3.1, el mapa de estado “se refiere a la condición final (considerando la línea de referencia) del suelo al final de cada periodo de informe, clasificada como degradada, estable o mejorada”. Combina la capa del indicador ODS 15.3.1 calculada para un periodo de evaluación determinado con la línea de referencia del indicador ODS 15.3.1. Al combinar estas dos capas, el mapa de estado muestra los cambios que ocurrieron durante el periodo de evaluación integrados con las condiciones del suelo (degradación, estabilidad o mejora) cartografiadas en el periodo de línea de referencia, ofreciendo una comprensión más completa de la trayectoria de la condición del suelo a lo largo del tiempo.

Nota

La capa de estado para el periodo de referencia es equivalente al indicador ODS 15.3.1 calculado para la evaluación de referencia (por ejemplo, evaluación de referencia == estado 2015).

Para combinar una evaluación de periodo dada con el indicador ODS 15.3.1 de referencia se necesita aplicar la matriz de estado 3 x 3

		PERIOD ASSESSMENT
		DEGRADED	STABLE*	IMPROVED*
BASELINE	DEGRADED	Degraded	Degraded	Improved
	STABLE*	Degraded	Stable	Improved
	IMPROVED*	Degraded	Improved	Improved

* Not Degraded areas.

Nota

Para más información sobre cómo derivar el mapa de estado, consulte la Guía de buenas prácticas – anexo del indicador ODS 15.3.1, que contiene una sección específica sobre «Evaluación de estado para cada proceso de informe» a partir de la página 19.

Matriz de estado ampliada

Aunque el mapa de estado resultante de la comparación anterior proporciona una instantánea de la condición del suelo al final del periodo de informe en tres categorías generales (degradada, estable y mejorada), las dinámicas subyacentes que conducen a este estado final pueden ser complejas: existen nueve tipos diferentes de cambios (dado que se trata de una matriz 3 x 3) en la condición del suelo. Comprender estas diferentes trayectorias permite una interpretación más profunda de los cambios en la condición del suelo, permitiendo identificar las ganancias y pérdidas de capital natural que hayan tenido lugar en relación con un estado de referencia. Por ejemplo, la degradación y la mejora pueden corresponder a cambios recientes, a la continuación de tendencias en curso en áreas previamente degradadas o mejoradas, o a estabilidad en áreas que ya estaban degradadas o mejoradas en un periodo anterior.

La siguiente matriz de estado se puede utilizar en lugar de la matriz 3 x 3 anterior para captar estos diferentes tipos de cambios que pueden tener lugar en la condición del suelo. Esta versión ampliada de la matriz de estado permite una clasificación más detallada de los cambios en la condición del suelo, proporcionando información sobre la naturaleza y el momento en que se producen los procesos de degradación y mejora.

		PERIOD ASSESSMENT
		DEGRADED	STABLE	IMPROVED
BASELINE	DEGRADED	1 - Persistent Degradation	3 - Baseline Degradation	6 - Recent Improvement
	STABLE	2 - Recent Degradation	4 - Stability	6 - Recent Improvement
	IMPROVED	2 - Recent Degradation	5 - Baseline Improvement	7 - Persistent Improvement

Expanded version of the "Status Matrix" showing land condition that results from the comparison of the baseline (rows) and the period assessment (columns): degraded (purple), stable (yellow), and improved (green).

A continuación se detalla cada tipo de cambio representado en la matriz de estado ampliada. La tabla recoge las nueve combinaciones posibles en la matriz 3 × 3, reflejando las transiciones desde la evaluación de la línea de referencia hasta la evaluación del periodo actual. Para cada combinación se proporciona una breve interpretación del cambio, junto con su clasificación como mejora o degradación reciente o de línea de referencia. Esta clasificación ayuda a comprender si los cambios observados representan nuevos desarrollos ocurridos durante el periodo de reporte actual o si no se han producido cambios en el estado.

Nota

Para más información sobre cómo derivar el mapa de estado ampliado, consulte la Guía de buenas prácticas – anexo del indicador ODS 15.3.1, que contiene una sección específica sobre «Caracterización adicional de la degradación y mejora del suelo» a partir de la página 29.

Objetivo estratégico 2 de la CLD (OE 2)

Mejorar las condiciones de vida de las poblaciones afectadas

Abordar los desafíos a nivel mundial de la desertificación, la degradación de la tierra y la sequía (DDTS) y sus repercusiones en los sistemas humano-ambientales acoplados es un componente clave de la Agenda 2030 para el Desarrollo Sostenible. En particular, el Objetivo de Desarrollo Sostenible (ODS) 15.3 pretende, para 2030, luchar contra la desertificación, recuperar las tierras y los suelos degradados, incluidas las tierras afectadas por la desertificación, la sequía y las inundaciones, y esforzarse por lograr un mundo sin degradación de la tierra. Abordar este desafío es esencial para mejorar los medios de vida de los más afectados por la DDTS y para protegerse de los efectos más extremos del cambio climático.

Los medios de vida de la población de las zonas degradadas incluyen diversas características humanas y naturales de los entornos locales, entre ellas el acceso adecuado a los alimentos y al agua, ya sea directamente a través de los medios de subsistencia, a través de los ingresos suficientes para adquirir la seguridad alimentaria y del agua, o una combinación de ambos. Si se consigue la seguridad alimentaria y del agua, la emigración de las zonas afectadas ya no debería ser forzada, sino de carácter voluntario. Las poblaciones, comunidades y hogares social y económicamente marginados tienden a ser desproporcionadamente vulnerables al cambio climático y a los efectos combinados de la DDTS. La capacidad de identificar y cuantificar la composición, la distribución y la vulnerabilidad relativa de dichas poblaciones, comunidades y hogares es fundamental para reforzar la capacidad de recuperación de los medios de subsistencia con el fin de mejorar las adaptaciones positivas a la DDTS.

How population exposure is calculated

permite a los usuarios supervisar el indicador del Objetivo Estratégico 2 de la CNULD sobre Tendencias de la exposición de la población a la degradación de la tierra desglosada por sexo (OE 2-3), calculando las proporciones de la población, desglosada por sexo, expuesta a la degradación de la tierra. utiliza datos reticulados que representan la distribución espacial de la población sobre el mapa del indicador ODS 15.3.1 para establecer su exposición a la degradación de la tierra.

El indicador (SO 2-3) utiliza los siguientes indicadores:

• Percentage of the female population exposed to land degradation

• Percentage of the male population exposed to land degradation

• Percentage of the total (female and male) population exposed to land degradation

To calculate the SO 2-3 indicator, uses gridded population data from the WorldPop project. WorldPop provides separate raster layers for male and female population, each representing the estimated number of people per grid cell for a given year. overlays these population grids with the final SDG 15.3.1 indicator map, which classifies every pixel as degraded, stable, or improved. For each degradation class the tool sums the number of people — separately for males and females — whose grid cell falls within that class. Areas classified as water bodies are masked out and excluded from the totals, in line with UNCCD reporting requirements.

The resulting totals are then expressed as percentages of the total population within the area of interest, producing the three SO 2-3 metrics: the percentage of the female population, the male population, and the combined population exposed to land degradation. In the output map, pixels in degraded areas retain their population count as a positive value, pixels in improved areas are shown as negative values (indicating population in areas where conditions have improved), and water areas are marked as no-data. This sign convention makes it straightforward to distinguish, at a glance, populations living on degraded land from those on improving land.

Objetivo estratégico 3 de la CLD (OE 3)

Mitigar, adaptarse y gestionar los efectos de la sequía para mejorar la resistencia de las poblaciones y los ecosistemas vulnerables.

Sequía y degradación de la tierra

La degradación de la tierra, según la definición de la CLD, se refiere a cualquier reducción o pérdida de la capacidad productiva biológica o económica de la base de recursos de la tierra. Por lo general, está causada por las actividades humanas, exacerbada por los procesos naturales, y a menudo magnificada por el cambio climático y la pérdida de biodiversidad y estrechamente interrelacionada con ellos. La degradación de la tierra reduce la productividad agrícola y aumenta la vulnerabilidad de las zonas que ya están en riesgo de sufrir las consecuencias de la variabilidad y el cambio climático, especialmente en las regiones del mundo.

La sequía es un fenómeno complejo y de evolución lenta que se produce en diferentes escalas de tiempo. Se caracteriza por una reducción de la disponibilidad de agua, lo que provoca efectos en cascada sobre los medios de vida de las personas y los sectores económicos. La sequía se define a veces de forma simplista como un periodo de tiempo seco lo suficientemente largo como para causar un desequilibrio hidrológico, aunque no existe una definición de sequía acordada a nivel mundial. Además, la sequía rara vez se produce como un fenómeno de riesgo puntual, sino que está interrelacionada con otros peligros como las olas de calor, los incendios forestales, las tormentas de arena/polvo o las inundaciones.

El Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC) define la sequía como «un periodo de tiempo anormalmente seco lo suficientemente largo como para causar un grave desequilibrio hidrológico». La sequía es un término relativo, por lo que cualquier debate en términos de déficit de precipitaciones debe referirse a la actividad concreta relacionada con las precipitaciones que se esté analizando. Por ejemplo, la escasez de precipitaciones durante la temporada de crecimiento afecta a la producción de cultivos o a la función del ecosistema en general (debido a la sequía de la humedad del suelo, también denominada sequía agrícola), y durante la temporada de escorrentía y percolación afecta principalmente al suministro de agua (sequía hidrológica). Los cambios en el almacenamiento de la humedad del suelo y de las aguas subterráneas también se ven afectados por el aumento de la evapotranspiración real, además de la reducción de las precipitaciones. Un periodo con un déficit anormal de precipitaciones se define como una sequía meteorológica. Véase también «Humedad del suelo» (Informe de Evaluación del IPCC 5, 2014). La Reducción del Riesgo de Desastres de las Naciones Unidas (UNDRR) define la sequía como un peligro de aparición lenta, a menudo considerado como un fenómeno progresivo. La ausencia de una definición precisa y universalmente aceptada de la sequía aumenta la confusión. Las definiciones deben ser específicas para cada región, ya que cada régimen climático tiene características climáticas distintivas (UNDRR GAR Capítulo 6). La falta de una definición consensuada complica los esfuerzos de seguimiento, ya que la definición y el método de seguimiento suelen ser específicos para cada contexto, en el que los índices de pobreza siguen siendo elevados a pesar de los esfuerzos por reducir la pobreza, la desigualdad y mejorar el bienestar socioeconómico de toda la población mundial.

La sequía afecta cada vez más a un mayor número de personas, medios de vida, ecosistemas y economías en todo el mundo. Cuando se produce de forma concomitante con la degradación de la tierra, puede exponer a poblaciones ya vulnerables a riesgos perjudiciales para los medios de subsistencia, el medio ambiente, los aspectos socioeconómicos y la salud, y disminuir la capacidad de recuperación de la población y las comunidades.

La CLD ha adoptado un marco de seguimiento con tres niveles para el OE 3:

Nivel I SO 3-1 Tendencias de la proporción de tierra bajo sequía sobre la superficie total de tierra (peligro), Nivel II SO 3-2 Tendencias de la proporción de la población total expuesta a la sequía (exposición), Nivel III SO 3-3 Tendencias del grado de vulnerabilidad a la sequía (vulnerabilidad).

En el marco del IPCC:

Peligro es la posibilidad de que se produzca un acontecimiento o tendencia física natural o inducida por el ser humano que pueda causar la pérdida de vidas, lesiones u otras repercusiones en la salud, así como daños y pérdidas en los bienes, las infraestructuras, los medios de subsistencia, la prestación de servicios, los ecosistemas y los recursos medioambientales.

La exposición caracteriza la presencia de personas, medios de vida, especies o ecosistemas, funciones, servicios y recursos medioambientales, infraestructuras o activos económicos, sociales o culturales en lugares y entornos que podrían verse afectados negativamente.

La vulnerabilidad se define como la propensión o predisposición a verse afectada negativamente por el cambio climático y los procesos relacionados.

Para evaluar los indicadores del SO 3, utiliza información de tres subindicadores:

• Índice de precipitación estandarizados (SPI, por sus siglas en inglés), alternativamente, índice estandarizado de precipitación-evapotranspiración (SPEI, por sus siglas en inglés)

• Conjunto de datos de población mundial en cuadrícula

• Índice de vulnerabilidad a la sequía (IVS)

permite al usuario calcular cada uno de estos indicadores de forma espacialmente explícita generando mapas de trama y elaborando una tabla resumen que informa de las zonas potencialmente mejoradas y degradadas para la zona de análisis. SO 3-1 «Tendencias de la proporción de tierra afectada por la sequía sobre la superficie total».

La Convención de las Naciones Unidas de Lucha contra la Desertificación (CNULD) ha elaborado una «Guía de buenas prácticas para la elaboración de informes nacionales sobre el Objetivo Estratégico 3 de la CNULD <https://www.unccd.int/sites/default/files/documents/2021-09/UNCCD_GPG_Strategic-Objective-3_2021.pdf>»_ (GPG-SO3), en la que se ofrecen recomendaciones sobre cómo calcular los indicadores del SO3.

Este documento ofrece una breve introducción al Objetivo Estratégico 3 de la CNULD y describe cómo se calcula cada indicador de , siguiendo la Guía de buenas prácticas del Objetivo Estratégico 3.

Indicador de nivel I del SO3 (peligro SO 3-1)

Pasos para calcular el indicador de nivel I siguiendo la GPG-SO3 de la CLD:

1. Calcular el indicador de nivel I utilizando un período de acumulación de 12 meses (SPI-12) y datos de precipitación reticulados

2. Identificar la clase de intensidad de la sequía de cada píxel basándose en el SPI calculado previamente

3. Calcular la proporción de tierra dentro de cada clase de intensidad de sequía.

Índice de Precipitación Estandarizado (SPI)

El Índice de Precipitación Estandarizado (SPI) se ha utilizado ampliamente para caracterizar la sequía meteorológica o el déficit de precipitaciones, y fue reconocido a través de la Declaración de Lincoln sobre la Sequía como el índice preferido a nivel internacional para calcular y vigilar la sequía meteorológica. El SPI se calcula como las desviaciones estándar que la precipitación observada durante un periodo específico se desviaría de la media a largo plazo durante periodos de esa duración considerados, por lo general, a lo largo de 30 años de datos, para una distribución normal y una distribución de probabilidad ajustada para el registro de precipitación real. Las principales ventajas de utilizar el SPI para la vigilancia, la predicción y la evaluación de riesgos de la sequía a nivel mundial es que actualmente se utiliza en muchos países del mundo y está avalado por la Organización Meteorológica Mundial. Otras ventajas clave son que el SPI representa tanto los déficits como los excedentes de precipitación, y que puede calcularse en diferentes escalas temporales (por ejemplo, SPI-3, SPI-6, SPI-12, en las que el número indica el número de meses sobre los que se calcula el índice). Así, considera indirectamente los efectos de la acumulación de déficits de precipitaciones, que son esenciales para la humedad del suelo y las sequías hidrológicas.

Por defecto, ofrece acceso al SPI calculado a partir del Producto de Vigilancia del Centro Global de Climatología de las Precipitaciones (GPCC), una trama que representa las precipitaciones y que se deriva de los datos de los pluviómetros con una resolución espacial de aproximadamente 27 km2 y que abarca todo el planeta. Los usuarios también tienen la opción de utilizar un SPI alternativo calculado a partir de la Precipitación Infrarroja del Grupo de Riesgos Climáticos con Estaciones (CHIRPS), con estimaciones de precipitación basadas en observaciones por satélite combinadas con datos de estaciones de aforo en unos 5 km2. Aunque el CHIRPS presenta una mayor resolución espacial, tiene una cobertura «cuasiglobal» que abarca de 50° S a 50° N. Por lo tanto, los usuarios interesados en calcular el peligro de SO3-1 para zonas fuera de este rango no podrán utilizar el conjunto de datos de CHRIPS.

Paso 1. Calcular el SPI

El SPI cuantifica la precipitación observada como una desviación estandarizada de una función de distribución de probabilidad seleccionada que modela los datos brutos. Los datos brutos pueden ajustarse a una distribución gamma o de tipo III de Pearson, y luego transformarse a una distribución normal. Los datos de precipitación transformados se utilizan entonces para calcular el valor adimensional del SPI, definido como la anomalía estandarizada de la precipitación.

Las ecuaciones detalladas para calcular este índice se describen en los siguientes pasos utilizando la distribución gamma:

1. La transformación del valor de la precipitación en SPI tiene como objetivo:

   1. Transformación del promedio del valor de la precipitación ajustado a 0;

   2. La desviación estandarizada de la precipitación se ajusta a 1,0; y

   3. La asimetría de los datos existentes debe reajustarse a cero.

Cuando se han alcanzado estos objetivos, el índice de precipitación estandarizado puede interpretarse como un promedio de 0 y una desviación estándar de 1,0.

2. El promedio de la precipitación puede calcularse del siguiente modo:

donde N es el número de observaciones de la precipitación.

3. La desviación estandarizada de la precipitación se calcula del siguiente modo:

4. La asimetría de la precipitación indicada se calcula del siguiente modo:

5. La precipitación se convierte en valores lognormales y se calculan los parámetros estadísticos U, forma y escala de la distribución gamma:

6. Los parámetros resultantes se utilizan para hallar la probabilidad acumulada de un evento de precipitación observado. La probabilidad acumulada viene dada por:

7. Como la función gamma es indefinida para x = 0 y una distribución de precipitación puede contener ceros, la probabilidad acumulada se convierte:

donde la probabilidad con respecto a q es cero.

8. La probabilidad acumulada H(x) se transforma entonces en la variable aleatoria normal estandarizada Z con media cero y variación de uno:

donde:

Paso 2. Identificación de las clases de intensidad de la sequía

Los valores adimensionales del SPI se interpretan como el número de desviaciones estandarizadas en las que la anomalía observada se desvía del promedio a largo plazo y se suelen etiquetar categóricamente en función de la condición (es decir, extremadamente húmedo, extremadamente seco, normal) como se muestra en la siguiente tabla. Una sequía se produce cuando el SPI es consecutivamente negativo, y su valor alcanza una intensidad de -1 o inferior y finaliza cuando el SPI pasa a ser positivo.

Descripción	Categoría de precipitación
2.0 o más	Extremadamente húmedo
De 1.5 a 1.99	Muy húmedo
De 1.0 a 1.49	Moderadamente húmedo
De -0.99 a 0.99	Cerca de la normalidad
De -1.0 a -1.49	Moderadamente seco
De -1.5 a -1.99	Severamente seco
-2.0 o menos	Extremadamente seco

Las clases de intensidad de la sequía se identifican evaluando los valores del SPI-12 de diciembre de cada año de la serie temporal. Los valores del SPI-12 de diciembre representan los déficits (o excesos) de precipitación durante el calendario anual Gregoriano (enero-diciembre). Los valores SPI positivos se descartan, ya que indican que no hubo sequía en el periodo en cuestión.

Para obtener más detalles sobre el SPI, consulte la «Guía de buenas prácticas para la presentación de informes nacionales sobre el Objetivo Estratégico 3 de la CNULD <https://www.unccd.int/sites/default/files/documents/2021-09/UNCCD_GPG_Strategic-Objective-3_2021.pdf>`_. También recomendamos la lectura del informe técnico de Tools4LDN sobre el seguimiento de los avances hacia el Objetivo Estratégico 3 de la CNULD, Revisión de los conjuntos de datos e indicadores geoespaciales disponibles públicamente en apoyo de la vigilancia de la sequía.

Paso 3. Calcular la proporción de tierra dentro de cada clase de intensidad de sequía.

La ecuación para estimar el porcentaje de tierra dentro de las clases de intensidad de sequía tiene en cuenta la superficie de tierra bajo cada clase de intensidad de sequía identificada en el paso anterior sobre la superficie total de tierra, del siguiente modo:

Donde:

Pij es la proporción de tierra bajo la clase de intensidad de sequía i en el año j

El areaij es la superficie de tierra bajo la clase de intensidad de sequía i en el año de referencia j

La «superficie total» es la superficie total del terreno.

Indicador SO3 Nivel II (Exposición SO 3-2)

El indicador de exposición a la sequía del nivel III del SO3 de la CNULD se basa en el indicador de peligro del nivel I del SO 3 mediante la superposición de datos de población en cuadrícula. La utilización de la población superpuesta como indicador para calcular la exposición a la sequía es un método sencillo. Saber cuántas personas están directamente afectadas por la sequía puede ayudar a que la ayuda se asigne a las zonas más necesitadas, basándose en el porcentaje de población expuesta y en la intensidad de esa exposición (gravedad de la sequía). El cálculo de la desagregación por género para el indicador de población del nivel II del SO3 se calcula sobre la base del porcentaje de hombres y mujeres en cada cuadrícula. Los resultados incluyen información de exposición por género (porcentaje de hombres y porcentaje de mujeres) expuestos a cada clase de intensidad de sequía de Nivel I. Esto produce dos cuadrículas comparables que podrían agregarse a los límites administrativos si se desea, donde se pueden cuantificar y visualizar mejor las relaciones espaciales globales y locales entre el género y la ocurrencia y/o la gravedad de la sequía.

La colección WorldPop es un conjunto de datos geoespaciales de alta resolución sobre la distribución, la demografía y la dinámica de la población. Las capas espacialmente desagregadas de WorldPop están cuadriculadas con una resolución de salida de 3 arcosegundos y 30 arcosegundos (aproximadamente 100 m y 1 km, respectivamente, en el ecuador) e incorporan datos de entrada como tablas del censo de la población y los límites geográficos nacionales, carreteras, cobertura del suelo, estructuras construidas, zonas urbanas, luces nocturnas, infraestructuras, datos medioambientales, áreas protegidas y masas de agua. Los puntos fuertes de WorldPop son que el método de estimación de la población de la cartografía dasimétrica es multivariable, es decir, altamente modelizado, y por lo tanto se adapta a las condiciones de los datos y a la naturaleza geográfica de cada país y región. También dispone de información sobre el género. El punto débil de WorldPop es que la utilización de modelos de interpolación tan complejos con datos censales escasos puede dar lugar a estimaciones de población muy inciertas e imprecisas en algunas regiones subnacionales y rurales. A pesar de la limitación mencionada, WorldPop sigue siendo el conjunto de datos de población cuadriculado más idóneo, ya que satisface todos nuestros criterios de inclusión, incluida la resolución espacial, la cobertura global, la frecuencia de las actualizaciones de datos y la inclusión de un componente desagregado por género.

Los porcentajes de población expuesta a la sequía se calculan por el número de personas dentro de cada clase de intensidad de la sequía sobre la población total.

How population exposure to drought is represented in Trends.Earth

The SO 3-2 Exposure summary output in Trends.Earth is a multi-band raster file. Bands are organised in pairs, one pair per drought reporting period (each period is by default 4 years). Within each pair:

• The first band contains the most severe SPI value recorded during that period — the minimum SPI across all years in the period. A negative SPI indicates a precipitation deficit relative to the long-term mean, i.e., drought conditions.

• The second band contains the population count for the pixel at the time of the most severe drought, with the sign of the value encoding drought exposure:

  • A negative population value indicates that the pixel experienced drought during that period (minimum SPI < 0).

  • A positive population value indicates that the pixel experienced above-average precipitation during that period (SPI ≥ 0 throughout the entire period).

  • Pixels over water bodies are set to no-data, in line with UNCCD reporting requirements.

For the final drought period only, if sex-disaggregated population data are available, two additional bands follow the standard pair: a female population band and a male population band, both using the same sign convention described above.

This encoding makes it straightforward to derive exposure statistics from a single band: the absolute values of all valid pixels give the total population, while the absolute values of the negative pixels alone give the drought-exposed population.

Indicador SO3 Nivel III ( Vulnerabilidad SO 3-3)

La evaluación de la vulnerabilidad a la sequía se basa en el Índice de Vulnerabilidad a la Sequía (IVS), un índice compuesto que incorpora tres componentes que reflejan la vulnerabilidad de la población a la sequía: i) social, ii) económica y iii) de infraestructuras. Actualmente, el IVC no incluye componentes sobre la vulnerabilidad ecológica o de los ecosistemas. ofrece acceso al conjunto de datos globales por defecto del IVC elaborado por el Centro Común de Investigación (CCI). El CCI ha desarrollado un marco que integra 15 componentes económicos, sociales y de infraestructura relacionados con la vulnerabilidad a la sequía derivados de fuentes de datos mundiales. Este marco recomienda que los indicadores de vulnerabilidad a la sequía abarquen factores sociales, infraestructurales y económicos ortogonales que sean genéricos y válidos para cualquier región.

El marco del CCI para vigilar el riesgo de sequía descrito en Carrão et al., 2016 adopta un enfoque para la evaluación de la vulnerabilidad a la sequía que fue propuesto inicialmente por la Oficina de las Naciones Unidas para la Reducción del Riesgo de Desastres (UNDRR - anteriormente la Estrategia Internacional de las Naciones Unidas para la Reducción de Desastres o UNISDR) que refleja el estado de los factores sociales, económicos y de infraestructura individuales y colectivos de una región [61]. Esta metodología también se ha aplicado de forma operativa en el Observatorio Mundial de la Sequía (GDO) del CCI para documentar y cartografiar el riesgo mundial de impacto de la sequía en la agricultura. Los autores afirman que los factores que se han incluido no representan una descripción completa de la vulnerabilidad en relación con un elemento específico expuesto, pero pueden considerarse como la base para construir un plan regional para reducir la vulnerabilidad y facilitar la adaptación.

La metodología utilizada en Carrão et al., 2016 sigue el concepto de que los individuos y las poblaciones requieren una serie de factores semi) independientes caracterizados por un conjunto de indicadores indirectos para lograr una resiliencia positiva a los impactos. La metodología utiliza un modelo compuesto de dos pasos que se deriva de la agregación de 15 indicadores indirectos (que se muestran en la tabla siguiente) que representan la vulnerabilidad social, económica y de infraestructura en cada ubicación geográfica (una metodología similar a la del IVC, que se discute posteriormente) y que se derivan tanto del nivel nacional como de los datos reticulados de muy alta resolución espacial.

Proxy indicators for vulnerability to drought used in Carrao et al. 2016 (Table 1). With the exception of gROADS and FAO’s Irrigated Agricultural Lands which are both gridded data, all data are available only at the national level. (Also draws on Table 14 from the Good practice guidance for national reporting on UNCCD Strategic Objective 3.)

Indicador	Fuente	Enlace
ECONÓMICO
Consumo de energía per capita (millones de Btu por persona)	Administración de información energética de Estados Unidos (EIA)	http://www.eia.gov/
Agricultura (% del PIB)	Banco mundial	http://data.worldbank.org/products/wdi
PIB per cápita (USD actual)	Banco mundial	http://data.worldbank.org/products/wdi
Proporción de la población bajo la línea de pobreza de $1,25 por día (PPA, por sus siglas en inglés) (% de la población total)	Banco mundial	http://data.worldbank.org/products/wdi
SOCIAL
Población rural (% de la población total)	Banco mundial	http://data.worldbank.org/products/wdi
Tasa de alfabetización (% de gente a partir de 15 años)	Banco mundial	http://data.worldbank.org/products/wdi
Recursos hídricos mejorados (% de la población rural con acceso)	Banco mundial	http://data.worldbank.org/products/wdi
Esperanza de vida al nacer (años)	Banco mundial	http://data.worldbank.org/products/wdi
Edades de población entre 15 y 64 (% de la población total)	Banco mundial	http://data.worldbank.org/products/wdi
Población refugiada por país o territorio de asilo (% de la población total)	Banco mundial	http://data.worldbank.org/products/wdi
Efectividad del gobierno	Indicadores mundiales de gobernanza (WGI, por sus siglas en inglés)	https://www.worldbank.org/en/publication/worldwide-governance-indicators/interactive-data-access
Prevención y preparación ante desastres (USD/año/habitante)	Organización para la Cooperación y el Desarrollo Económico (OECD, por sus siglas en inglés)	http://stats.oecd.org/
INFRAESTRUCTURAL
Suelo agrícola e irrigado (% de suelo agrícola total)	Organización para la alimentación y la agricultura (FAO, por sus siglas en inglés)	http://www.fao.org/nr/water/aquastat/main/index.stm
% de agua renovable retenida	Acueducto	http://www.wri.org/our-work/project/aqueduct
Densidad de carreteras (km de carretera por km² de área de suelo)	gROADSv1	https://data.nasa.gov/dataset/global-roads-open-access-data-set-version-1-groadsv1

Este proceso implica, en primer lugar, la combinación de los indicadores presentados en la tabla para cada factor mediante un modelo de análisis envolvente de datos (DEA), una técnica de programación lineal determinista y no paramétrica que puede utilizarse para cuantificar la exposición relativa de una región a la sequía a partir de un conjunto multidimensional de indicadores. En segundo lugar, agregando aritméticamente los factores individuales resultantes del modelo DEA en un modelo compuesto de vulnerabilidad a la sequía de modo que:

donde Soc i, Econ i e Infr i son los factores de vulnerabilidad social, económica y de infraestructuras de la región i.