Paula Paz, integrante del equipo Terra-i, exploró diferentes fuentes de datos (Google Earth y Landsat Viewer) para validar los datos del sistema, identificando las ventajas y desventajas de estos, analizando la disponibilidad y calidad, aplicando a un caso de estudio caquetá, colombia donde se encontraron dos áreas consideradas “hotspots” con cambios de cobertura vegetal y uso del suelo, a causa de actividades antropogénicas, y que coinciden con las detecciones de Terra-i.
Figura 1. Factores antropogénicos como el modelo colonizador, la minería ilegal, la tala indiscriminada de árboles, y la expansión de la frontera agrícola consecuencia de los cultivos ilícitos son alguna de las causas de deforestación en la zona de estudio Caquetá, Colombia. FUENTE: Natura
Los mapas de cambio de cobertura vegetal y uso del suelo generados con la herramienta Terra-i ofrecen una información valiosa a la comunidad. Estos mapas permiten comprender y predecir los efectos de las interacciones antropogénicas que se extienden a escala local, regional y mundial [1], y que consecuentemente facilitan la toma de decisiones y diseño de políticas. Por tanto, la generación de esta información espacial debe ser consistente y precisa, permitiendo analizar fenómenos como el de la deforestación.
Según esto, es importante evaluar la precisión de los datos a partir de diferentes fuentes que permitan analizar e interpretar los datos [2]. Para la validación de estos existen diferentes métodos entre ellos las rectificaciones en campo, las cuales pueden llegar a ser dispendiosas y el objetivo puede quedar fuera de alcance, y por otro lado se encuentra el uso de fuentes de imágenes con alta y/o media resolución como lo son las QuickBird (2.4m) y Landsat (30m) las cuales permiten un método aproximadamente automatizado y de menor costo.
Metodología
Se implementó un enfoque basado en la fotointerpretación de imágenes satelitales de alta y/o media resolución como las QuickBird a través de la herramienta Google Earth y Landsat a través de LandsatViewer (http://landsatlook.usgs.gov/), respectivamente en la zona piloto Caquetá, Colombia (Figura 2). Básicamente, la metodología, apoyada del trabajo de [3], consistió en interpretar visualmente puntos “Hotspots” con cambios en cobertura en las imágenes de alta/media resolución y de los mapas del sistema Terra-i. El proceso de trabajo puede observarse en la Figura 3.
Figura 2. Zona de estudio con las detecciones Terra-i desde Enero de 2004 a Abril 2013. Los recuadros color rojo 1 y 2 corresponden a es la zona de validación con las imágenes de Google Earth y Landsat Viewer, respectivamente.
Figura 3. Metodologia aplicada
Resultados
Imagenes Google Earth
Con las imágenes disponibles en este visualizador se concluyó que es el método más acertado y preciso, ya que gracias a la resolución espacial de las imagenes Digital Globe QuickBird permiten identificar fácilmente cambios en la cobertura vegetal, evaluando las detecciones del sistema con mayor precisión.
Figura 4. Identificación de punto Hotspot con imágenes de Google Earth que permite evaluar la detección del año 2005 del sistema Terra-i
Las ventajas de utilizar Google Earth como fuente de validación son el fácil acceso y gratuito a la herramienta la cual permite visualizar rápidamente una serie de archivos de alta resolución. Sin embargo la adquisición de estas imágenes, las cuales tienen una serie temporal mínima de 8 años , se dificulta ya que no se encuentran disponibles en todo el territorio, lo que reduce el número total de muestras e impide realizar un análisis multitemporal en una zona de alto impacto detectada por el sistema Terra-i. Adicionalmente, la serie temporal de las imágenes Digital Globe es desde el año 2002 hasta el 2010, lo que dificulta validar las detecciones de los últimos años (2011, 2012, 2013) del sistema. Finalmente, obtener una imagen de alta resolución como QuickBird para hacer un análisis más detallado en un software de percepción remota o SIG es de alto costo.
Imagenes Landsat
El uso de la herramienta Landsat Viewer permitió seleccionar las imágenes que tuvieran mayor calidad para identificar visualmente los cambios de cobertura vegetal, esta herramienta contiene imágenes Landsat con una resolución de 30 m, las cuales son el resultado de la composición de tres bandas (5,4,3) y se expone como una imagen “natural” de la superficie [4] .
El uso de datos de sensores de media resolución (10-60m) como Landsat es una fuente tradicional utilizados por muchos para el mapeo de cambios de uso de la cobertura vegetal, ya que el nivel de resolución espacial es suficiente para identificarlos y su registro de datos de 35 años permite realizar análisis multitemporales [2][5], logrando evaluar las detecciones del sistema Terra-i.
Sin embargo en algunas fechas la calidad de la imagen es muy baja ya que es afectada por nubes o específicamente las imágenes Landsat 7 ETM+ a partir de mayo del 2003 están afectadas por un bandeado. Además, la resolución espacial de estas imágenes (30m) no permite identificar visualmente la causa del cambio, sino se realiza a partir de algoritmos para la clasificación de estos.
Figura 5. Identificación de punto Hotspot con imágenes Landsat correspondiente a la detección del sistema Terra-i
Como conclusión, el método de validación a partir de la interpretación visual de imágenes de alta/media resolución debe utilizar fuentes con amplia resolución temporal y espacial, además la calidad de la imagen debe categorizarse como buena lo que permite una confiable identificación de los puntos Hotspots de cambio de cobertura vegetal y uso de suelo.
Bibliografia
[1] Clark , et al, A scalable approach to mapping annual land cover at 250 m using MODIS time series data: A case study in the Dry Chaco ecoregion of South America, Remote Sensing of Environment 114 (2010) 2816–2832, 2010 , [Online http://www.desertificacion.gob.ar/wp-content/uploads/2013/01/Clarketal2010_RSE.pdf]
[2] Olofsson , et al., A global landcover validation data set, part I: fundamental design principles, International Journal of Remote Sensing, 33:18, 5768-5788, 2012, [Online http://www.tandfonline.com/doi/abs/10.1080/01431161.2012.674230#.UjcZPz9F1Fg]
[3] Bontemps, et al, Operational Service Demonstration For Global Land- Cover Mapping: The GlobCover And GlobCorine Experiences For 2005-2009. En Giri y Weng y, Remote Sensing Of Land Use And Land Cover : Principles and Aplication(pp. 243-264). CRC Press.
[4] USGS, Landsat Missions, [Online http://landsat.usgs.gov/LandsatLookImages.php]
[5] Knorn, J., et al., Land cover mapping of large areas using chain classification of neighboring Landsat satellite images, Remote Sensing of Environment (2009).
El equipo Terra-i junto a CRS El Salvador bajo el proyecto Raíces realizaron un taller virtual a través de la plataforma teams a técnicos del Ministerio de Medio Ambiente y Recursos Naturales, CARITAS, Universidad El Salvador, CENTA, acerca del Mapeo de las coberturas tierra empleando sensores remotos y herramientas de código abierto como GEE, SEPAL y QGIS- Plugin Semi Automatic Classification.
Near real-time vegetation loss detection in Southwestern Ethiopia: calibration, validation, and implementation of the Terra-i system
The Alliance of Bioversity International and the International Center for Tropical Agriculture (CIAT) (the Alliance) conducted a training for local stakeholders on the use of Terra-i as part of the collaboration with the Netherlands Development Organisation – SNV in the Coffee Agroforestry and Forest Enhancement for REDD+ (CAFÉ-REDD) Project.
Del 8 al 12 de mayo del 2017 el equipo Terra-i, junto al personal de la DGOTA del Ministerio del Ambiente del Perú, bajo el marco del proyecto “Paisajes sostenibles para la Amazonía” realizaron la primera validación de cambios en la cobertura vegetal monitoreados por Terra-i para las detecciones del 2016 y 2017 utilizando tecnología UAV. Se realizaron sobre vuelos con un drone de rotor Phantom 3 advanced y un drone ala fija Ebee en siete corregimientos de Yurimaguas con el objetivo de conocer las dinámicas de cambios de cobertura y uso de suelo en la región y a su vez validar la precisión de las detecciones de pérdida de bosque monitoreadas por Terra-i en Yurimaguas.
El equipo de Terra-i trabajó en la renovación de su sitio web durante este primer semestre, con el fin de brindar a sus usuarios contenidos interactivos y de fácil adaptación a dispositivos móviles. El renovado sitio web se desarrolló usando un administrador de contenidos más actualizado “Magnolia CMS 5.4.4” que les ofrece a los usuarios diferentes categorías de interacción como noticias, datos de cambios en la cobertura vegetal, información, entre otros.
Globalmente más de 1 billón de personas dependen de los bosques para su sustento. Los bosques juegan un papel clave en la regulación del clima, provisión y regulación de servicios ecosistémicos, provisión de agua, almacenamiento de carbono y muchas otras que soportan la biodiversidad. Actualmente la tasa de deforestación global es sustancial por lo que hay la necesidad creciente de información oportuna y espacialmente explícita que permita identificar cambios en la vegetación natural causados por actividades humanas.
La última actualización de Terra-i se ha utilizado con la herramienta de evaluación de los servicios ecosistémicos Co$ting Nature para comprender los impactos de la pérdida reciente de bosques en Colombia sobre la biodiversidad y los servicios ecosistémicos.
Entre el 1 y el 12 de Junio de 2015 el equipo Terra-i, bajo el marco del proyecto “Paisajes Sostenibles para la Amazonía” y en colaboración con el Instituto de Investigaciones de la Amazonía Peruana (IIAP) y la Universidad Nacional Agraria La Molina (VLIR-UNALM), realizó la segunda validación en campo de los datos del sistema Terra-i. En esta oportunidad la zona de estudio fue el distrito de Yurimaguas, provincia del Alto Amazonas, región Loreto, Perú. Para esta validación en campo tuvimos en cuenta información de centros poblados, vías principales, ríos y los datos de cambios de cobertura detectados para los años 2013, 2014 y 2015, y se definió una muestra de 65 puntos (pixeles Terra-i) (Figura 1).