Metodología para la elaboración del mapa de cambios por

Secretaría de Energía, Recursos Naturales, Ambiente y Minas (MiAmbiente)

Instituto Nacional de Conservación y Desarrollo Forestal, Áreas Protegidas y Vida Silvestre

(ICF)

Metodología para la elaboración del mapa de cambios por deforestación utilizando el sensor Landsat

Tegucigalpa M.D.C Diciembre 2016

Secretaría de Energía, Recursos Naturales, Ambiente y Minas (MiAmbiente) José Antonio Galdámez- Secretario de Estado MiAmbiente

Dirección Nacional de Cambio Climático

Sergio Adrián Palacios Cárcamo – Director Nacional

Instituto Nacional de Conservación y Desarrollo Forestal, Áreas Protegidas y Vida Silvestre (ICF)

Misael Alsides León - Director Ejecutivo ICF Selvin Pacheco - Subdirector Ejecutivo ICF

Gerson Perdomo – Jefe Centro de Información de Patrimonio Forestal (CIPF) Héctor Lagos – Unidad de Monitoreo Forestal (UMF)

Proyecto Apoyo a la preparación para la Reducción de las Emisiones debidas a la Deforestación y le Degradación Forestal (REDD+) en Honduras

Nelson Saúl Ulloa Colindres – Coordinador Nacional

Equipo Nacional de apoyo a la preparación del nivel de referencia (FCPF –ONUREDD)

Rommel Porfirio Sarmiento – Coordinador componente MRV MiAmbiente Amy Alicia Lazo – Enlace técnico FAO ONU-REDD Jorge Luis Santos Juan José Barahona Jairon Isidro Castellanos Fernando Roberto Bernárdez Ivan Emilio Maradiaga Omar Orellana Díaz Fabio Leonel Casco Yolibeth Aderlí López Rodolfo Josué Bautista

Metodología para la elaboración del mapa de cambios por

deforestación utilizando el sensor Landsat

Honduras

Secretaria de Energía, Recursos Naturales, Ambiente y Minas (MiAmbiente)

Instituto Nacional de Conservación y Desarrollo Forestal, Áreas Protegidas y Vida Silvestre

(ICF)

El presente documento describe los esfuerzos que Honduras ha presentado en el mapeo temático de los cambios de cobertura por causa de la deforestación en todo el país. Con el objetivo de presentar el primer Nivel de Referencia de Emisiones Forestales ante la Convención Marco de las Naciones Unidas para el Cambio Climático, se hace énfasis en el marco metodológico utilizado para la elaboración del mapa de cambios por deforestación utilizando el sensor Landsat.

TABLA DE CONTENIDO

1. INTRODUCCIÓN ................................................................................................................................... 1

2. ANTECEDENTES ................................................................................................................................... 2

3. JUSTIFICACIÓN ..................................................................................................................................... 3

4. OBJETIVO .............................................................................................................................................. 3

5. MARCO TEÓRICO ................................................................................................................................. 4

5.1 Características del sensor Landsat 7 ETM+ y Landsat 8 OLI ............................................................. 4

5.1.1 Landsat 7 ................................................................................................................... 4

5.1.2 Landsat 8 ................................................................................................................... 4

5.1.3 Diferencias y semejanzas entre Landsat 7 y Landsat 8 ............................................... 5

5.1.4 Google Earth Engine................................................................................................... 7

5.1.5 Detección de cambios ................................................................................................ 7

6. MARCO METODOLÓGICO ................................................................................................................... 8

6.1 Insumos cartográficos ........................................................................................................ 9

6.1.1 Temporalidad de imágenes utilizadas ........................................................................ 9

6.1.2 Conformación de Mosaicos ...................................................................................... 10

6.1.3 Detección de cambios automatizados ...................................................................... 10

6.2 Nomenclatura en la detección de cambios ...................................................................... 11

6.3 Secuencia de procedimiento en la detección de cambios ................................................ 12

6.4 Cadena de procesos ejecutados en la corrección de cambios .......................................... 12

6.5 Edición de cambios .......................................................................................................... 13

6.5.1 Orden en la detección de cambios por temporalidad .............................................. 13

6.5.4 Distribución de trabajo............................................................................................. 16

6.5.5 Combinación de banda ............................................................................................ 16

6.5.6 Aplicación intermitente en la visualización de capas (FLICKER) ................................ 17

6.5.7 Depuración de errores en la detección de cambios ................................................. 18

6.5.8 Enmascaramiento de mosaicos para la visualización de cambios ............................. 19

6.5.9 Corrección y edición usando AOI ............................................................................. 20

6.5.10 Recodificación de categorías .................................................................................... 21

6.6 Control de calidad ............................................................................................................ 21

6.6.1 Control de calidad usando datos Hansen ................................................................. 21

6.7 Filtro utilizando los segmentos ........................................................................................ 24

6.8 Resultado final ................................................................................................................. 25

7. LECCIONES APRENDIDAS................................................................................................................... 27

8. BIBLIOGRAFÍA ..................................................................................................................................... 29

9. GLOSARIO DE TÉRMINOS .................................................................................................................. 30

ÍNDICE DE CUADROS

Cuadro 1. Características de Landsat 7 y Landsat 8 ................................................................................. 6

Cuadro 2. Rango temporal de mosaicos ................................................................................................. 10

Cuadro 3. Ejemplos de cambios por deforestación en las cuatro coberturas del país. ...................... 14

Cuadro 4. Exclusiones en la detección de cambios por deforestación. ................................................ 15

Cuadro 5. Combinación de banda utilizados (4,5,3 para Landsat 7 y 5,6,4 para Landsat 8) .............. 17

Cuadro 6. Temporalidades utilizadas y fecha media .............................................................................. 25

Cuadro 7. Pérdida promedio anual utilizada en la construcción del NREF de Honduras .................... 26

ÍNDICE DE FIGURAS

Figura 1. Ancho de banda para los sensores OLI y TIRS en Landsat 8 y ETM+ en Landsat 7 (USGS.

2013) ................................................................................................................................................. 5

Figura 2. Diagrama de la plataforma de GEE ...................................................................................... 7

Figura 3. Herramientas utilizadas en la detección de cambios ........................................................... 9

Figura 4. Insumos cartográficos para la detección de cambios por deforestación ............................. 9

Figura 5. Algoritmo de cambios por deforestación utilizando GEE ................................................... 11

Figura 6. Diagrama retrospectivo y prospectivo en la detección de cambios ................................... 12

Figura 7. Cadena de procesos .......................................................................................................... 13

Figura 8. Temporalidades utilizadas en la detección de cambios ..................................................... 14

Figura 9. Distribución de áreas de trabajo ....................................................................................... 16

Figura 10. Combinación de bandas utilizadas .................................................................................. 17

Figura 11. Intermitencia en las capas ............................................................................................... 18

Figura 12. Depuración de cambios ................................................................................................... 18

Figura 13. Aplicación de máscaras ................................................................................................... 19

Figura 14. Corrección y edición usando AOI..................................................................................... 20

Figura 15. Recodificación de categorías ........................................................................................... 21

Figura 16. Plataforma Global Forest Watch ..................................................................................... 22

Figura 17. Plataforma para descargar datos espaciales ................................................................... 22

Figura 18. Instructivo de descarga de datos..................................................................................... 23

Figura 19. Edición de cambios utilizando Hansen ............................................................................ 23

Figura 20. Filtro utilizando los segmentos ........................................................................................ 24

Figura 21. Filtrado por estadística de zona ...................................................................................... 24

Figura 22. Mapa de cambios por deforestación de Honduras .......................................................... 25

SIGLAS, ACRÓNIMOS Y CONVENCIONES

CMNUCC: Convención Marco de las Naciones Unidas sobre el Cambio Climático

ETM+: Enhanced Thematic Mapper Plus

GEE: Google Earth Engine

ICF: Instituto Nacional de Conservación y Desarrollo Forestal, Áreas Protegidas y Vida

Silvestre

NASA: National Aeronautics and Space Administration

REDD: Reducción de Emisiones por Degradación y Deforestación

UNACIFOR: Universidad Nacional de Ciencias Forestales

USGS: United States Geological Survey

Metodología para la elaboración del mapa de cambios por deforestación utilizando el

sensor Landsat

1

1. INTRODUCCIÓN

En el marco de la estrategia internacional sobre Reducción de Emisiones provocadas por la

Deforestación y Degradación (conocido como REDD+), varios países a nivel mundial han

mostrado su voluntad de prepararse estructuralmente para un régimen internacional.

Honduras con el apoyo de Proyecto REDD+ y enmarcado en la construcción del Nivel de

Referencia de Emisiones Forestales el cual se presentará ante la Convención de las

Naciones Unidas sobre el Cambio Climático (CMNUCC), da a conocer el marco

metodológico para la elaboración del mapa de cambios por deforestación para las

temporalidades (2000, 2006, 2012, 2016) utilizando imágenes satelitales del sensor

Landsat.

En los últimos años, la representación gráfica de la cobertura y uso de la tierra a través de

mapas se ha convertido en una herramienta de planificación y gestión valiosa para la toma

de decisiones técnicas y políticas enmarcadas en el uso de la tierra a nivel nacional, regional

o local para alcanzar un manejo forestal sostenible. El uso de imágenes y datos

provenientes de sensores remotos brindan la posibilidad de obtener información de

extensa superficie terrestre. Desde las primeras imágenes de sensores remotos hasta la

actualidad, se han incrementado notoriamente las aplicaciones para el seguimiento de las

coberturas de la tierra en el que se incluye el bosque (Achard & Hansen, 2012).

El presente documento contiene la metodología empleada durante el proceso de

“Detección y edición del mapa nacional de cambios por deforestación”.


sensor Landsat

2

2. ANTECEDENTES

La información oficial histórica de cobertura forestal para Honduras inicia en 1965 y

posteriormente en los años 1985, 1995, 2001, 2003, 2009 y 2014. Sin duda alguna, los

procesos técnicos, metodologías, niveles de confiabilidad y estándares de validación de la

construcción de los mapas de cobertura y uso de suelo difieren entre ellos; razón que

dificulta el análisis comparativo histórico de dinámica de cobertura forestal.

Actualmente el Instituto Nacional de Conservación y Desarrollo Forestal, Áreas Protegidas

y Vida Silvestre (ICF), como ente responsable de sector forestal en Honduras y la Secretaría

de Energía, Recursos Naturales, Ambiente y Minas (MiAmbiente) como Autoridad

Designada Nacional ante la CMNUCC y con el objetivo de presentar el Nivel de Referencia,

han tomado a bien generar información forestal oportuna y confiable para la gestión, toma

de decisiones y el seguimiento al cumplimiento de objetivos y metas nacionales e

internacionales. Bajo este contexto, se priorizan acciones encaminadas al establecimiento

de una estrategia nacional para la Reducción de las Emisiones causadas por la

Deforestación y Degradación (REDD+).

En el presente documento se detalla la metodología utilizada para la elaboración de un

mapa nacional de cambios por deforestación que proporciona información acerca del

estado del recurso forestal, potencial de fijación de carbono y gestión para realizar análisis

de manera confiable.


sensor Landsat

3

3. JUSTIFICACIÓN

En el país se han elaborado 7 mapas de cobertura y uso de la tierra a través del uso de

imágenes satelitales de diferentes sensores (Modis, Ortofoto, Landsat, RapidEye) y

metodologías, lo que ha generado confusión debido a que se han empleado diferentes

categorías de cobertura, resoluciones espaciales y escalas de trabajo. Cada uno de los

mapas elaborados presentan datos estadísticos del recurso forestal del país

correspondiente al año de su elaboración; sin embargo, su comparabilidad para realizar

análisis de deforestación no ha sido posible debido a la falta de sistematización de los

mismos.

Con el fin de alcanzar una línea base enfocada en una metodología práctica, robusta y

sobre todo estandarizada, se definieron tres temporalidades (2000-2006, 2006-2012 y

2012-2016) para la detección de cambios por deforestación; para la cual se empleó una

misma metodología por lo tanto los datos son comparables entre sí cumpliendo con ello los

estándares sugeridos por las Guías de Buenas Practicas del IPCC.

4. OBJETIVO

Establecer los pasos metodológicos para generar cartografía temática y reportes

estadísticos a nivel nacional sobre la superficie, distribución y cambios de la cobertura de

bosque durante las temporalidades 2000, 2006, 2012 y 2016, a partir del procesamiento

digital de imágenes de sensores remotos de mediana resolución espacial (Landsat 7 y

Landsat 8).


sensor Landsat

4

5. MARCO TEÓRICO

5.1 Características del sensor Landsat 7 ETM+ y Landsat 8 OLI

5.1.1 Landsat 7

Landsat 7 fue lanzado en abril de 1999 con un nuevo sensor denominado ETM+ (Enhanced

Thematic Mapper Plus). Su operación es administrada por la NASA (National Aeronautics

and Space Administration) y la producción y comercialización de imágenes depende de la

USGS (United States Geological Survey).

Una imagen Landsat 7 ETM+ está compuesta por 8 bandas espectrales que pueden ser

combinadas para obtener varias composiciones de color u opciones de procesamiento.

Entre las principales mejoras técnicas respecto de su antecesor (Landsat 5) se destaca la

adición de una banda espectral (Banda Pancromática) con resolución de 15 metros (m),

mejoras en las características geométricas, radiométricas y una mayor resolución espacial

de la banda térmica para 60 m. Estos avances tecnológicos permiten calificar al Landsat 7

como el satélite más apropiado para la generación de imágenes con aplicaciones directas

hasta una escala de 1:25.000, principalmente en áreas rurales o territorios de grandes

extensiones (Corporation, Satelite Imagine, 2016).

5.1.2 Landsat 8

El sistema de satélites Landsat 8 consiste en dos segmentos principales: el observatorio y el

sistema de tierra. El primero consiste en una nave con una carga útil de dos sensores de

observación terrestre: la operativa Land Imager (OLI) y el sensor infrarrojo térmico (TIRS).

Estos recogerán simultáneamente imágenes digitales multiespectrales de la superficie

terrestre mundial, incluidas las regiones costeras de hielo polar, las islas y las zonas

continentales. La nave espacial almacenará los datos OLI y TIRS en una grabadora a bordo

de estado sólido y luego transmitirá los datos a estaciones receptoras.

El sistema de tierra proporciona las capacidades necesarias para la planificación y la

programación de las operaciones del Landsat 8 y las capacidades necesarias para gestionar

los datos de la ciencia después de la transmisión de la nave espacial.


sensor Landsat

5

5.1.3 Diferencias y semejanzas entre Landsat 7 y Landsat 8

El satélite Landsat 8 incorpora dos instrumentos de barrido: Operational Land Imager (OLI),

y un sensor térmico infrarrojo llamado Thermal Infrared Sensor (TIRS).

Las bandas espectrales del sensor OLI, aunque similares al sensor Landsat 7 ETM +,

proporcionan una mejora de los instrumentos de las misiones Landsat anteriores debido a

la incorporación de dos nuevas bandas espectrales: un canal profundo en el azul visible

(banda 1), diseñado específicamente para los recursos hídricos e investigación en zonas

costeras, y un nuevo canal infrarrojo (banda 9) para la detección de nubes cirrus1.

Adicionalmente una nueva banda de control de calidad se incluye con cada producto de

datos generado. Esto proporciona información más detallada sobre la presencia de

características tales como las nubes, agua y nieve. Por otra parte, el sensor TIRS recoge dos

bandas espectrales en longitudes de onda incluidas por la misma banda en los anteriores

sensores TM y ETM+ (Ariza, 2016) (Figura 1 y Cuadro 1).

Figura 1. Ancho de banda para los sensores OLI y TIRS en Landsat 8 y ETM+ en Landsat 7

(USGS. 2013)

1 Nubes cirrus: Un cirrus o cirro es un tipo de nube compuesto de cristales de hielo y caracterizado por bandas delgadas, finas, acompañadas por copetes. A veces estas nubes en espiral son tan extensas que virtualmente resultan indistinguibles una de otras,

formando una hoja o velo llamado cirrostratos.


sensor Landsat

6

Cuadro 1. Características de Landsat 7 y Landsat 8

Landsat 8 OLI Landsat 7 ETM+

Banda

Longitud de onda (micrómetro) Resolución Banda

Longitud de onda (micrómetro) Resolución

Banda 1 - Aerosol costero

0.43 - 0.45 30

Banda 2 - Azul 0.45 - 0.51 30 Banda 1 - Azul

0.441-0.514 30

Banda 3 - Verde 0.53 - 0.59 30 Banda 2- Verde

0.519-0.601 30

Banda 4 - Rojo 0.64 - 0.67 30 Banda 3 - Rojo

0.631-0.6925 30

Banda5 – Infrarrojo cercano (NIR)

0.85 - 0.88 30

Banda 4 – Infrarrojo cercano (NIR)

0.772-0.898 30

Banda 6 - SWIR 1 1.57 - 1.65 30 Banda 5 - SWIR 1

1.547-1.749 30

Banda 7 - SWIR 2 2.11 - 2.29 30 Banda 7 - SWIR 2

2.064-2.345 30

Banda 8 - Pancromático

0.50 - 0.68 30

Banda 8 - Pancromático

0.515-0.896 15

Banda 9 - Cirrus 1.36 - 1.38 30

*Banda 10 – Infrarrojo térmico (TIRS) 1

10.60 - 11.19 100

*Banda 6 – Infrarrojo térmico (TIRS)

10.31-12.36 60

*Banda 11 - Infrarrojo térmico (TIRS) 2

11.50 - 12.51 100

Rango Dinámico de cámara 12 bit

Rango Dinámico de cámara 8 bit

ancho de franja 185 km ancho de franja 185 km

Periodo de revista 16 día Periodo de revista 16 día tiempo de cruzar Ecuatorial

10:00 a.m. +/- 15 minutes

tiempo de cruzar Ecuatorial

10:00 a.m. +/- 15 minutes

Periodo de Orbita 98.9 min Periodo de Orbita 98.9 min

Orbita

705 +/- 5 km (at the equator) sun -synchronouse Orbita

705 +/- 5 km (at the equator) sun -synchronouse


sensor Landsat

7

Día de Lanzamiento

February 11, 2013, Vandenberg Air Force

Base, California Día de Lanzamiento

15 April 1999, at Vandenberg Air Force

Base in California

Altitud 705 km Altitud 705 km

Fuente http://landsat.usgs.go

v/about_ldcm.php Fuente http://landsat.usgs.gov/

about_landsat7.php

5.1.4 Google Earth Engine

Google Earth Engine combina un catálogo multi-petabyte de imágenes de satélite y datos

geoespaciales con capacidades de análisis a escala planetaria y la hace disponible para

científicos, investigadores y desarrolladores para detectar cambios en las tendencias,

mapa, y cuantificar las diferencias en la superficie de la Tierra (GEE, 2016) (Figura 2).

Figura 2. Diagrama de la plataforma de GEE

5.1.5 Detección de cambios

Las consideraciones básicas al usar datos de percepción remota para la detección de

cambios es que las alteraciones en el fenómeno estudiado producen cambios

proporcionales en los valores numéricos de las imágenes. Otros factores incluyen

diferencias en las condiciones atmosféricas, ángulo de inclinación solar y humedad del

suelo entre muchos otros. El efecto de algunos de estos factores puede ser minimizado

Satélite Algoritmo Aplicación real

http://landsat.usgs.gov/about_ldcm.php

http://landsat.usgs.gov/about_ldcm.php

http://landsat.usgs.gov/about_landsat7.php

http://landsat.usgs.gov/about_landsat7.php


sensor Landsat

8

seleccionando las imágenes adecuadas. Por ejemplo, el uso de imágenes de la misma época

reduce las diferencias en el ángulo de iluminación y además elimina las diferencias

estacionales en áreas vegetadas. Como señala Mas (1999), varios investigadores se han

esforzado para resolver los problemas de la detección de cambios usando métodos como

los de comparación pos-clasificación y clasificaciones de imágenes multitemporales,

aunque en estos han encontrado otro tipo de problemas como la propagación de errores

en el cruzamiento entre mapas y rotulado complejo como señalaron Congalton y Green

(1999).

Otras técnicas utilizan operaciones algebraicas simples y de estas las más importantes son

la diferencia y la razón entre imágenes y diferencia entre índices de vegetación. Entre las

operaciones algebraicamente más complejas, pueden mencionarse: Análisis por

Componentes Principales citado en Eastman y Fulk (1993), Chavez y MacKinnon (1994) y

Maldonado et al. (2002); Análisis por Vector de Cambios descrito en Michalek et al. (1993);

y el análisis por Rotación Radiométrica Controlada, visto en Maldonado et al. (2001).

En aplicaciones como el mapeo del uso y cobertura de tierras todas las informaciones

contenidas en las imágenes son potencialmente significativas. Algunas de estas se refieren

a la alta correlación que existe entre dos imágenes de un canal del mismo rango espectral

obtenidas en diferentes fechas. En partes de la escena habrá ausencias de correlación y

estas son interpretadas como las áreas que cambian. Siempre que se use esta forma de

análisis el problema de las diferencias atmosféricas entre datos puede minimizarse.

6. MARCO METODOLÓGICO

Para la elaboración del Mapa de cambios por deforestación, se empleó una metodología

combinada utilizando los mapas históricos de bosque y clasificación de las coberturas de la

tierra (mediante muestras de entrenamiento y agrupación de píxeles basados en su

respuesta espectral). Esta metodología requirió el uso de la plataforma Google Earth

Engine y procesos de segmentación utilizando el software Monteverdi (clasificación basada

en objetos, OBIA por sus siglas en inglés) (Figura 3).


sensor Landsat

9

Figura 3. Herramientas utilizadas en la detección de cambios

6.1 Insumos cartográficos

En la edición y supervisión de los cambios por deforestación se trabajó con la capa

proveniente del Script de la plataforma de Google Earth Engine. Esta capa fue la primera

aproximación del proceso automatizado en función del algoritmo de cambios propuesto.

Asimismo, se obtuvieron los mosaicos libres de nubes para hacer la comparación y revisión

visual de cada temporalidad (2000, 2006, 2012, 2016) (Figura 4).

Figura 4. Insumos cartográficos para la detección de cambios por deforestación

6.1.1 Temporalidad de imágenes utilizadas

La temporalidad establecida para los mosaicos libre de nubes y el tipo de sensor utilizados

se describe en el siguiente cuadro:

Mapas históricos Cambios automatizados Edición de cambios Segmentación

2000

2006

2012

2016

Cambios Script GEE Mosaicos libres de nubes Landsat


sensor Landsat

10

Cuadro 2. Rango temporal de mosaicos

Mosaico Multifecha Rango de fecha Sensor

2000 '1999-06-01'====='2001-12-30' L7

2006 '2005-01-01'====='2007-12-30' L7

2012 '2011-06-01'====='2013-06-30' L7

2016 '2015-11-01'====='2016-08-09' L8

6.1.2 Conformación de Mosaicos

Los mosaicos 2000, 2006, 2012 y 2016 fueron generados en la plataforma de Google Earth

Engine (GEE). GEE permitió conformar el mosaico libre de nubes a través de un algoritmo

especializado (ee.Algorithms.Landsat.simpleComposite) el cual a su vez es filtrado en un

rango de fecha establecido. En la conformación del mosaico y dentro de la lógica del

algoritmo, éste calcula un compuesto Landsat al tope de la atmósfera (TOA) de una

colección de escenas del sensor Landsat. Se aplica la calibración TOA estándar y luego

asigna una puntuación a cada pixel con nube utilizando el algoritmo

SimpleLandsatCloudScore. Se selecciona el rango más bajo de las valoraciones disponibles

para cada punto y luego calcula los valores de percentiles por la banda de los píxeles

aceptados. Este también utiliza el algoritmo LandsatPathRowLimit para seleccionar sólo las

escenas con menos nubes dentro de las regiones (GEE, 2016)

6.1.3 Detección de cambios automatizados

La detección de cambios automatizados consistió en ejecutar un Script especializado

basado en un árbol de decisión utilizando el método de calificación CART. Para esto se

entrenó el algoritmo con varias muestras en los diferentes tipos de bosque que comprende

el área de estudio. Los tipos de bosque definidos en la detección de cambios son: Bosque

Latifoliado húmedo, Bosque Latifoliado deciduo, Bosque de Conífera y Bosque de Mangle.

Asimismo, el Script combina una serie de procesos que comprenden el uso de imágenes

compuestas en fusión de diferentes temporalidades basadas en la selección del mejor pixel

utilizando un percentil 50 en la serie histórica de la recopilación de datos. Luego de correr

el proceso automatizado se obtuvo la primera aproximación de los cambios por


sensor Landsat

11

deforestación. Con este resultado se procedió a filtrarlos en función del segmento del

mosaico compuesto el cual comprende todos los mosaicos utilizados. Este proceso se

realizó con el objetivo de llevar los datos a una unidad mínima de mapeo la cual es de 1 ha

(ver protocolo de segmentación) (Figura 5).

Figura 5. Algoritmo de cambios por deforestación utilizando GEE

6.2 Nomenclatura en la detección de cambios

En la clasificación se identificaron 4 tipos de categorías las cueles se describen a

continuación:

No Bosque Estable

Cambios 2000-2006

Cambios 2006-2012

Cambios 2012-2016


sensor Landsat

12

6.3 Secuencia de procedimiento en la detección de cambios

Para la detección de cambios se utilizó como base el mapa generado con información del

año 2012. El procedimiento consistió en detectar los cambios de forma automatizada

utilizando el Script de cambios en GEE para cada una de las temporalidades. Para esto se

utilizaron datos de los años 2000, 2006 y 2012; realizando una máscara de la capa de No

Bosque para determinar la dinámica del mismo en el pasado. En el caso de la temporalidad

2012-2016 se realizó una máscara de la capa de bosque para determinar la dinámica del

bosque hasta la actualidad (Figura 6).

Figura 6. Diagrama retrospectivo y prospectivo en la detección de cambios

6.4 Cadena de procesos ejecutados en la corrección de cambios

El proceso de edición de cambios consistió básicamente en realizar una corrección de la

capa de cambios resultante del Script de cambios. En primera instancia se hizo una

corrección de los mismos si denotaban diferencia respecto a las imágenes. Luego de

realizar la depuración de polígonos de cambios erróneos se prosiguió a editar los cambios

que el Script no logró detectar. Este proceso fue necesario ya que, debido a problemas de

bandeo y humedad, el proceso automatizado produjo algunos errores en polígonos de

cambios (Figura 7).

TIEMPO

2000 2006 2012 2016

Mapa Base

(2012)

B

NB

Detección de

cambios

Detección de

cambios Detección de

cambios 2000-2006 2006-2012 2012-2016


sensor Landsat

13

Figura 7. Cadena de procesos

6.5 Edición de cambios

Se realizó utilizando el software de ERDAS IMAGINE. Esta consistió en contraponer las

capas (Mosaicos) de las diferentes temporalidades y hacer una supervisión de los

cambios detectados por el Script.

6.5.1 Orden en la detección de cambios por temporalidad

En el orden consistió en las siguientes etapas:

1. Detección de cambios 2000-2006



Control

de

calidad

supervisión y edición de cambios

• AOI

• Mask

• Recode

Depuración y corrección

• AOI

• Recode

Capa de cambios

Filtro por Seg


sensor Landsat

14

Figura 8. Temporalidades utilizadas en la detección de cambios

6.5.2 Ejemplos de cambios por deforestación en las cuatro coberturas del país

En el siguiente cuadro se muestran las respuestas espectrales de las cuatro coberturas de

bosque al inicio del periodo y los cambios detectados al final de cada uno (Cuadro 3).

Cuadro 3. Ejemplos de cambios por deforestación en las cuatro coberturas del país.

Pérdidas por Deforestación

Antes Después Descripción

Imagen 2012. Imagen 2016.

Bosque Latifoliado húmedo en donde ocurrió un cambio en la vegetación.

Imagen 2012.

Imagen 2016.

Bosque de Mangle con un cambio en la vegetación.

Imagen 2000.

Imagen 2006.

Bosque de Conífera denso donde ocurrió un cambio en la vegetación.

2000 2006 2012 2016


sensor Landsat

15

Imagen 2006.

Imagen 2012.

Bosque Latifoliado deciduo con cambio en la vegetación.

6.5.3 Exclusiones en la detección de cambios por deforestación

En la detección de cambios por deforestación se tomaron en cuenta las siguientes

exclusiones debido a errores topológicos de la imagen (Cuadro 4):

Cuadro 4. Exclusiones en la detección de cambios por deforestación.

Exclusiones en la detección de cambios por deforestación

Antes Después Descripción

Imagen 2000

Imagen 2006

Problemas de bandeo

Imagen 2000

Imagen 2006

Problemas de humedad

Imagen 2006

Imagen 2012

Problemas de nubes


sensor Landsat

16

Imagen 2012

Imagen 2016

Cambios por plaga en el bosque de conífera

6.5.4 Distribución de trabajo

El trabajo de detección de cambios por deforestación se realizó con el apoyo de 7 Técnico

en SIG. La distribución de trabajo consistió en dividir el país en 7 áreas (Figura 9).

Figura 9. Distribución de áreas de trabajo

6.5.5 Combinación de banda

La combinación de banda utilizada al momento de la edición de cambios fue la siguiente

(Cuadro 5 y Figura 10):


sensor Landsat

17

Cuadro 5. Combinación de banda utilizados (4,5,3 para Landsat 7 y 5,6,4 para Landsat 8)

Landsat 7 Landsat 8



Banda 5 - SWIR 1

Banda 6 - SWIR 1

Banda 3 – Rojo

Banda 4 – Rojo

Figura 10. Combinación de bandas utilizadas

6.5.6 Aplicación intermitente en la visualización de capas (FLICKER)

La aplicación de Flicker (visor de parpadeo) es una función del software Imagine que

permite cambiar rápidamente entre las imágenes (capas) que se muestran juntas en la

vista. Esta opción facilitó la detección y ubicación en forma y tamaño de cada cambio a la

alteración espacial del bosque. Asimismo, es una herramienta que permite una

visualización amplia de varias capas y facilita la edición de datos.

Para activar el visor de parpadeo se hace clic derecho dentro del visor y se selecciona la

opción Flicker (Figura 11).


sensor Landsat

18

Figura 11. Intermitencia en las capas

6.5.7 Depuración de errores en la detección de cambios

La depuración consistió en hacer un barrido de polígonos de cambios que se encontraban

en áreas de bosque cuando debían estar en áreas de No Bosque. Debido a que los cambios

son por causa de deforestación, este cambio debe mostrar una dinámica hacia las áreas de

No Bosque. Para esto se contraponía la capa del mosaico de un año base con la capa de

cambio del próximo año para comparar el acierto de los cambios en áreas de No Bosque

(Figura 12).

Figura 12. Depuración de cambios

Clic derecho en el

visor y luego se

selecciona Flicker

Capa 2012 AOI

Capa de cambios Capa 2006

2000 2006

Cambios Script Depuración de

Cambios

Cambios 2006-2012

Cambios 2000-2006

Los polígonos marcados en rojo para esta comparación deberían aparecer en áreas de

Bosque en la imagen del año 2006 y los polígonos marcados en Verde deberían

aparecer en áreas de Bosque en la imagen del año 2000. Si sucediera un cambio los

polígonos marcados en color verde deberían aparecer en áreas de No Bosque en la


sensor Landsat

19

6.5.8 Enmascaramiento de mosaicos para la visualización de cambios

Debido a que los cambios para las temporalidades 2000, 2006 y 2012 están filtrados con la

categoría de No bosque, se hizo factible realizar una máscara de los mosaicos con esta

categoría del mapa base. Con esto se obtiene un mosaico enmascarado en función de la

categoría de no bosque con lo cual permite visualizar solo las áreas de interés. Esto mismo

fue aplicado para la temporalidad 2016 con la excepción de que la máscara se realizó en la

categoría de Bosque (Figura 13).

La opción de Mask se encuentra en la pestaña de Raster> Subset&Chip> Mask

Figura 13. Aplicación de máscaras

Mosaico enmascarado

con la categoría de No

Bosque


sensor Landsat

20

6.5.9 Corrección y edición usando AOI

Teniendo los insumos cartográficos necesarios (Mosaicos y capa de cambios) se prosiguió a

realizar la edición de los mismos. Esta edición se logró utilizando el Software de ERDAS

IMAGINE. El formato de edición utilizado para este análisis fue el AOI (áreas de interés).

Este formato al igual o similar que otros formatos como ROI o Shapefile conocidos

comúnmente, permiten dibujar polígonos de forma regular e irregular (Figura 14).

Los pasos a seguir para crear AOI usando herramientas de dibujo:

Hacer clic en la pestaña de Drawing y luego en el icono Polygon

Una capa AOI se crea y se muestra de forma automática en la ventana de

contenido.

El cursor se convierte en forma de cruz cuando se encuentra dentro de una vista. En

la vista, hacer clic varias veces para dibujar un polígono conforme a la forma y

tamaño del cambio a editar.

Figura 14. Corrección y edición usando AOI

2

0

0

0

2

0

0

6

C

a

m

b

i

o

s

S

c

r

i

p

t

Edición

Cambios editados


sensor Landsat

21

6.5.10 Recodificación de categorías

Consistió en el cambio de los valores de las categorías empleadas en la edición de cambios.

Para esto se realizó una edición con base en áreas de interés y se recodificaba los valores

(Figura 15).

Figura 15. Recodificación de categorías

6.6 Control de calidad

El control de calidad fue realizado por el equipo técnico, con el propósito de revisar cada

uno un área diferente a la que había trabajado de manera inicial.

6.6.1 Control de calidad usando datos Hansen

Con el objetivo de obtener una edición más detallada de los cambios por deforestación se

utilizaron los cambios de pérdida de Hansen para realizar una comparación y supervisión de

los mismos. Este proceso consistió en comparar los cambios editados respecto a los

cambios Hansen para determinar y editar algunos que no se detectaron y así disminuir el

margen de error (Figura 19).

Para esto los datos de Hansen se descargaron de la plataforma de Global Forest Watch lo

cuales están disponible de forma gratuita para todos los países (Figura 16, 17 y 18).

El recode hace recodificación de

códigos de forma individual El Fill hace recodificación en

forma de relleno tomando

todas las categorías en

función de un polígono


sensor Landsat

22

Figura 16. Plataforma Global Forest Watch

Dirección:http://www.globalforestwatch.org/map/8/14.57/-

86.45/HND/grayscale/forestgain,loss?tab=analysis-tab&begin=2001-01-01&end=2015-01-

01&threshold=30&dont_analyze=true

Figura 17. Plataforma para descargar datos espaciales

Dirección: http://earthenginepartners.appspot.com/science-2013-global-forest

http://www.globalforestwatch.org/map/8/14.57/-86.45/HND/grayscale/forestgain,loss?tab=analysis-tab&begin=2001-01-01&end=2015-01-01&threshold=30&dont_analyze=true



http://earthenginepartners.appspot.com/science-2013-global-forest


sensor Landsat

23

Figura 18. Instructivo de descarga de datos

Link de descarga de datos:

https://storage.googleapis.com/earthenginepartners-hansen/GFC2015/Hansen_GFC2015_lossyear_20N_090W.tif

Figura 19. Edición de cambios utilizando Hansen

Cambios editados

Cambios Hansen

Área no identificada

Área identificada




sensor Landsat

24

6.7 Filtro utilizando los segmentos

El Filtro por segmentación consistió en hacer una asociación del pixel por mayoría dentro

de cada segmento con el objetivo de llevar la información digital a un área mínima de 1 ha.

La segmentación se realizó en el Software Monteverdi en función de un mosaico

compuesto (combinación de mosaico 2000, 2006, 2012 y 2016). El filtro por mayoría se

realizó en el software QGIS. De esta forma se finalizó la edición de los cambios por

deforestación. (Figura 20 y 21).

Figura 20. Filtro utilizando los segmentos

La opción se despliega en la pestaña Raster> Estadísticas de Zona

Figura 21. Filtrado por estadística de zona

CAMBIOS EDITADOS CAMBIOS FILTRADOS CON LOS SEGMENTOS

Cambio

oss Segmentos


sensor Landsat

25

6.8 Resultado final

Como resultado final se obtuvo una capa de cambios en formato Raster denotando los

cambios por deforestación entre 2000-2006, 2006-2012, 2012-2016. La pérdida promedio

anual para las temporalidades analizadas fue de 23,303.56 ha (Figura 22, Cuadro 6 y 7).

Figura 22. Mapa de cambios por deforestación de Honduras

Cuadro 6. Temporalidades utilizadas y fecha media

Mosaico Multifecha Rango de fecha

Rango en años Fecha media Fecha Inicial Fecha Final

2000 1/6/1999 30/12/2001 2.6 15/9/2000 2006 1/1/2005 30/12/2007 3.0 1/7/2006

2012 1/6/2011 30/6/2013 2.1 15/6/2012

2016 1/11/2015 9/8/2016 0.8 21/3/2016


sensor Landsat

26

Cuadro 7. Pérdida promedio anual utilizada en la construcción del NREF de Honduras

Períodos 2000-2006 2006-2012 2012-2016 Promedio Ponderado

Intervalo de años 6 6 4 16

B. Latifoliado húmedo 11,922.25 21,297.58 19,800.28 17,407.51

B. Conífera 4,819.67 1,671.72 801.34 2,634.61

B. Mangle 14.40 10.23 261.75 74.68

B. Latifoliado deciduo 3,370.73 3,862.07 1,897.86 3,186.77

Total (ha) 20,127.06 26,841.61 22,761.22 23,303.56


sensor Landsat

27

7. LECCIONES APRENDIDAS

El proceso automatizado en la detección de cambios utilizando GEE basado en los

algoritmos de cambios resultaron ser muy certeros en las áreas de bosque latifoliado

húmedo. Sin embargo, los cambios detectados en los bosques latifoliados deciduos y

bosques de conífera presentaron menor acierto.

El satélite Landsat 7 a partir del 2003 sufrió un fallo en su sistema SLC, que la parte del

sensor ETM+ que compensa el movimiento hacia adelante del satélite durante la

adquisición de las imágenes. Sin el SLC, el área escaneada por el sensor delinea un patrón

de zigzag provocando un bandeado o efecto gaps en la imagen. Este problema se acumuló

en la detección de cambios ya que el algoritmo detectó grandes áreas de cambios

provocados por estas franjas del fallo del sensor. Estas áreas requirieron una edición muy

detallada de forma manual.

Además de los problemas de bandeo, la variación y acumulación de humedad provocaron

que el algoritmo detectara cambios sustanciales en las áreas de alta precipitación. Estos

problemas se dieron en los ecosistemas de sabanas con pino en la parte oriente del país. Al

igual que el proceso anterior, éste requirió de una edición detallada de forma manual. Los

problemas causados por cambios en las condiciones de humedad del suelo deben evitarse

revisando cuidadosamente los registros de precipitación durante los días y semanas previos

de la toma de datos. Cuando las diferencias de humedad del suelo y los datos de cada

fecha son significativos para algunas partes del área de estudio (quizá debido a tormentas

locales), estas áreas afectadas deben cortarse y se sugiere analizarlas por separado en la

etapa final del proyecto.

Con respecto a la detección de cambios en los bosques latifoliados deciduos, se mostró una

característica peculiar de la respuesta espectral. Debido a que este tipo de bosque pierde

las hojas en época de verano, muestran cambios evidentes durante una temporalidad por


sensor Landsat

28

lo cual se requería tener insumos y puntos de control de ciertas zonas para validar este tipo

de bosque y no confundir esta dinámica con deforestación.

Debido a un suceso único causado por el ataque de plaga (Dendroctonus frontalis) en

Honduras desde inicios de agosto del 2013 hasta la fecha de análisis de cambios por

deforestación (junio de 2016), se determinó realizar los cambios por el efecto de plaga. Ya

que la plaga ataca los bosques de conífera se realizó un mapeo de todas las áreas con la

ayuda de la Unidad Especializada de Plagas y se utilizó el mapa de cobertura forestal

RapidEye para cuantificar el área afectada. Tenido todas las áreas afectadas se procedió a

filtrar todos los cambios detectados por el Script con el límite de las áreas plagadas para

diferenciar los cambios por deforestación y cambios por ataca de plaga (que se debe

principalmente a cambios por degradación). En la edición de cambios este proceso corrió

bajo el mismo marco metodológico. Asimismo, la respuesta espectral por el efecto de plaga

mostró una característica muy marcada denotando los ataques con un color marrón

oscuro. Durante la detección se determinó cuantificar los cambios por plaga de manera

diferente a los cambios por deforestación ya que se observaban los problemas de cambios

por el efecto de borde y por cercanía de cambios por deforestación con cambio por plaga.

Para esto se consideró técnicamente categorizar los cambios como únicos y que éstos no

debían compartir un mismo segmento. Esto significa que los cambios por plagas no debían

tener proximidad inmediata con los cambios por deforestación.

Con el objetivo de disminuir la subjetividad en la edición de cambios es necesario

homologar criterios técnicos en la interpretación visual de las imágenes satelitales.


sensor Landsat

29

8. BIBLIOGRAFÍA

Ariza, A. (1 de Septiembre de 2016). ONU-SPIDER. Obtenido de http://www.un-

spider.org/sites/default/files/LDCM-L8.R1.pdf

Congalton, R.G.; Green, K. Assessing the accuracy of remotely sensed data: principles and

practice. Mapping sciences series. New York: CRC Press Inc., 1999. 98p.

Eastman, J.R.; Fulk, M. Long sequence time series evaluation using standarized principal

components. Photogrammetric Engineering & Remote Sensing, v.59, n.6, p.991-996,

1993.

GEE. (1 de Septiembre de 2016). Google Earth Engine. Obtenido de

https://earthengine.google.com/

Maldonado, F.D.; Carvalho, V.C.; Santos, J.R. Change detection in land use and land cover

with remote sensing: degradation indicators at sub-regional level. 3th International

Conference on Land Degradation. Anais. Symposum V- 1. Innovations (new

methodologies). Ro de Janeiro, Brasil: 2001, [CDROM]

Mas, J.F. Monitoring land-cover changes: a comparison of change detection techniques.

International Journal of Remote Sensing, v.20, n.1, p.139-152, 1999.

Michalek, J. L.; Luczkovich, J. J.; Stoffle, R. W. Multispectral Change Vector Analysis for

monitoring coastal marine environments. Photogrammetric Engineering & Remote

Sensing. v. 59, n. 3, p. 381-384, Mar. 1993.

NASA. (1 de Septiembre de 2016). Landsat 8. Obtenido de

https://www.nasa.gov/content/landsat-8-instruments


sensor Landsat

30

9. GLOSARIO DE TÉRMINOS

Banda: Cada uno de los intervalos en los cuales se divide el espectro electromagnético en

un archivo multi-espectral de una imagen de sensor remoto. Este concepto es aplicado

generalmente a imágenes de tipo óptico.

Bosque: Es una asociación natural o plantada de árboles y/o arbustos con una altura

mínima de 2 m para manglares y 4 m para el resto de los ecosistemas, que cubren una

superficie mínima de una hectárea y un porcentaje de cubierta de copa mayor al 10 % que

con o sin manejo, es capaz de producir madera, otros productos forestales, bienes y

servicios ambientales que ejercen influencia sobre el régimen de aguas, suelo, clima y

proveen hábitat para la vida silvestre.

Cobertura de Suelo: Es la cobertura biofísica que se puede observar sobre la superficie de la

tierra y comprende los diferentes tipos de bosque y categorías no boscosas distribuidas en

un área determinada.

Corrección geométrica: Consiste en vincular una región de una imagen con una

correspondiente región de otra imagen, la cual es tomada con un sensor diferente o un

ángulo de vista diferente. Permite corregir la posición relativa del píxel, la cual se modificó

por la geometría del sensor o por variaciones en el terreno.

Deforestación: Es la conversión de los bosques a otro tipo de uso de la tierra o la reducción

de la cubierta de copa, a menos del límite del diez por ciento. La CNUCC define

deforestación como “la conversión por actividad humana directa de tierras boscosas en

tierra no forestales”.

Exactitud: Es el nivel de concordancia entre el valor real y el resultado de las observaciones

o estimaciones de una característica.


sensor Landsat

31

Firma Espectral: Es lo que se refleja visiblemente en un objeto de acuerdo a una

combinación de radiaciones de distintas longitudes de onda (color); Rojo Verde Azul (Red

Green Blue) lo cual es el mismo sistema que utiliza nuestra retina.

Imagen de satélite: Representación visual de la información capturada por un sensor

montado en un satélite artificial. Estos sensores recogen información reflejada para la

superficie de la tierra que luego es enviada a la Tierra y que procesada convenientemente

entrega valiosa información sobre las características de la zona que cubre.

Imagen de satélite fuente o cruda: Imagen de satélite original a la cual no se le ha realizado

ningún tipo de tratamiento básico o temático. Se encuentra almacenada con la extensión

propia del fabricante.

Imagen Landsat: Imagen tomada por el sensor satélite Landsat, estas imágenes cubren

áreas de 185Km x 175Km. Este sensor tiene periodos de toma de las imágenes de 16 días.

Imagen RapidEye: Imagen tomada por el sensor satélite RapidEye (BlackBridge LLC), estas

imágenes cubren áreas de 25 Km x 25 Km. Este sensor tiene periodos de toma de las

imágenes de cada día.

Mapa de cobertura bosque y cambio de bosque a no-bosque: Es la representación

cartográfica de los resultados del análisis de cobertura de bosque y cambio de bosque a no

bosque en periodos determinados.

Píxel (Picture Element): Unidad básica de información gráfica que se refiere a cada uno de

los puntos indivisibles que conforman una imagen, es decir, el área mínima de captura en el

formato raster. A mayor densidad de píxeles, mayor calidad de imagen.

Precisión: Es el nivel de concordancia entre medidas repetidas de la misma característica.

Se representa como una estrecha agrupación de resultados de los puntos de muestreo o

parcelas. La precisión es inversamente proporcional al error.

Resolución: Nivel de detalle con el que se es posible identificar los elementos sobre las

imágenes y se relaciona con la unidad mínima de almacenamiento de datos o píxel.


sensor Landsat

32

Resolución Espacial: Designa al objeto más pequeño que se puede distinguir en una imagen,

determinado por el tamaño del pixel, medido en metros sobre el terreno; en el caso de la

imagen RapidEye tiene una resolución espacial de 5x5 m.

Resolución Espectral: Consiste en el número de canales espectrales (y su ancho de banda)

que es capaz de captar un sensor. En el caso de una imagen Landsat 7 tiene una resolución

espectral de 7 bandas.

Segmentación. La segmentación en el campo de la visión artificial es el proceso de dividir

una imagen digital en varias partes (grupos de píxeles) u objetos. El objetivo de la

segmentación es simplificar y/o cambiar la representación de una imagen en otra más

significativa y más fácil de analizar. La segmentación se usa tanto para localizar objetos

como para encontrar los límites de estos dentro de una imagen. Más precisamente, la

segmentación de la imagen es el proceso de asignación de una etiqueta a cada píxel de la

imagen de forma que los píxeles que compartan la misma etiqueta también tendrán ciertas

características visuales similares.

Sensores Remotos: Es una serie de técnicas y procesos que permiten obtener una imagen

de la superficie terrestre de forma remota, es decir captada por sensores situados en

satélites o aviones, y posteriormente tratarla e interpretarla con el objetivo de obtener

información de la superficie terrestre y de sus cambios.

Sistemas de Información Geográfica (SIG): Es un conjunto de herramientas muy utilizada

hoy en día que nos permite captar, almacenar, administrar y analizar información espacial

que sirve de base para la planificación y la toma de decisiones en niveles estratégicos,

educacionales, monitoreo entre otros.

Teledetección: Es la obtención de información de un objeto específico o de un área

determinada sin que exista un contacto directo con el mismo, a través de dispositivos

tecnológicos que nos permitan interpretar de una mejor manera sus características.

Uso de Suelo: Comprende todas las acciones que realice el hombre sobre una cobertura

específica parcial o permanente con la intensión de cambiarla o mantenerla.

Documents

Metodología para la elaboración del mapa de cambios por