Primer Taller Regional de Monitoreo de BosquesGEO y Servicio Geológico de los Estados Unidos (USGS)Lima, Perú14 - 19 de Agosto 2011

Karolina Argote , Louis Reymondin, Alejandro Coca, Andy Jarvis

International Center for Tropical Agriculture

Terra-Monitoreo de cambios en el habitad usando Redes neuronales y datos MODIS

Contenido

• Deforestación y Cambio

Climático.

• La importancia de Monitorear

el cambio en los ecosistemas

• Metodología de Terra-i

• Pasado

• Presente

• Proyectos en desarrollo

• Futuro

Foto por Peer Voss

Deforestación en el Chaco Paraguayo

.

El cambio en el uso de la tierra es uno de los principales generadores de los gases de efecto invernadero, que incrementan

su concentración con el paso de los años trayendo como consecuencia drásticos cambios en el clima global.

Proporción de los gases de efecto invernadero(GEI) en los últimos años. (IPCC. 2007)

La concentración de GEI aumenta debido a las

alteraciones del hombre sobre la naturaleza.

Temperaturas Globales y Concentración de Dióxido de Carbono, 1880-2007

Fuente: NASA GISS and NOAA/ESRL

Como contribuye la deforestación al Cambio Climático??

Mediante el secuestro de carbono se extrae CO2 de la atmósfera y se almacena en grandes depósitos. La Biomasa aprovechable, La madera, el suelo y la materia orgánica muerta de plantas y animales de los bosques constituyen un sumidero de carbono muy importante

para la tierra.

La conversión de tierras forestales a agricultura o pastizales para sistemas ganaderos libera el carbono almacenado a la atmósfera contribuyendo así

al Cambio Climático.

CO2 CO2 CO2 CO2

Porqué monitorear los cambios en los ecosistemas??

Establecer sistemas de monitoreo robustos y

transparentes que puedan alertarnos a tiempo

de los cambios que ocurren en nuestros

ecosistemas nos permitirá tomar decisiones y

ejecutar planes de acción y mitigación,

uniendo esfuerzos para reducir los efectos del

cambio climático.

Terra-i es un sistema de monitoreo de cambios en

el hábitat que utiliza diferentes modelos

matemáticos que combinan datos del estado de la

vegetación (MODIS NDVI) y datos de precipitación

de lluvia (TRMM) para detectar desviaciones del

patrón normal del ciclo natural de la vegetación en

el tiempo y así, posibles impactos antropogénicos en

los ecosistemas naturales.

Que es Terra -

Terra-i es un modelo capaz de predecir la evolución de la intensidad verde de la vegetación, con base a medidas del comportamiento de la vegetación en el tiempo y medidas climáticas actuales para detectar cambios significativos en

el habitad.

Enfoque Conceptual

La intensidad del verde de la vegetación sigue un ciclo natural que depende defactores climáticos (precipitación, temperatura), variables de sitio (tipo devegetación, características del suelo) y de las alteraciones (naturales oantropogénicas).

Datos de Entrada al Sistema

1. Índices de Vegetación (Producto MODIS MOD13Q1, 16 días, 250m)

Índice de vegetación de diferencia normalizada (NDVI) representa la cantidad y el vigor de la vegetación. Los valores de una zona están

estrechamente relacionados con el tipo de vegetación y con las condiciones climáticas, así como con el patrón predominante de uso de la tierra.

Datos de Entrada al Sistema

2. Datos de precipitación de TRMM (3horas, 28km)

Tropical Rainfall Measuring Mission (TRMM) liderado por la NASA y la Agencia de Exploración Aeroespacial Japonesa (JAXA) monitorea y

estudia precipitaciones tropicales y subtropicales, entre 35º N y 35º S. Fue lanzado el 27 de noviembre de 1997 desde Japón.

Limpieza de DatosAlgoritmo de Hants

ClusteringK-Mean

Selección aleatoria de píxeles.

Entrenamiento de la Red Neuronal

Datos NDVI y QA MODIS MOD13Q1, Precipitación (TRMM)

(2000-2009)

Datos de 2004 a 2009

Diferencia entre el NDVI medido por el sensor y el NDVI Predicho

por la red neuronal

Calibración con mapas de cambio generados con

imágenes Landsat (30m)

Clasificación del cambio

Mapas de Cambios Detectados

Edición deReglas

Predicción de NDVI desde

2004 a 2009

Metodología de Terra-

Datos de 2000 a 2004

Mapas de las probabilidades

de cambio

Mapas de cambios por pérdidas

Mapas de cambios por incrementos

Resultados

1 Limpieza de datosAlgoritmo de Hants

Trasformada rápida de Fourier

Esta transformada convierte la señal deldominio del tiempo al dominio de la frecuencia.

Se aplica el algoritmo Hants (Harmonic Analysis of a Time Series) a los datosNDVI, con el fin de eliminar los valores bajos y fluctuantes que pueden estarrelacionados con variaciones atmosféricas y no con la dinámica natural oantrópica en las coberturas de la tierra.

2 ClusteringK-Means

i. Se asigna aleatoriamente a cada objetodel conjunto un clúster entre 1 y K y secalculan los centroides de cada clustercomo el valor medio de todos losobjetos.

ii. Se calcula la distancia de los objetos alos centroides y se asignan nuevamentea cada objeto del conjunto un cuyadistancia es mínima con respecto atodos los centroides.

iii. Se repite el paso ii hasta que allan <1%de objetos que han cambiado de clustersen la nueva iteración

3 Entrenamiento de la Red Neuronal

4 Detección de cambios

1. El valor predicho (Para detectar los cambios)

2. La desviación estándar de las predicciones del modelo sobre la función real.(Para medir qué tan seguros estamos de que la medida del satélite es anormal.)

3. El nivel de ruido (Gaussiano) de la medida del satélite (Para medir qué tan seguros estamos de que la medida del satélite es anormal.)

Para detectar los cambios, las Redes Bayesianas Neuronalesnos dan tres indicadores:

Detección de cambios por zonas de análisis irregulares entre el 2004 y el 2009.

Terra-i 2004-2009

Los resultados muestra que en todos los países de América Latina hubo pérdida de

la superficie forestal y de otros tipos de hábitat entre los años 2004 y 2009

En América latina se detecta una

pérdida acumulada en los 5 años de estudio de 21.6 millones de ha y

una tasa anual de 4 millones de ha.

Calibración con Imagenes Landsat

Como Terra-i genera un mapa deprobabilidades de cambio se realiza unacalibración de los resultados obtenidos,con el fin de seleccionar el umbral deprobabilidad más apropiado para cadaclúster de cada zona de análisis.

2004

2009

Calibración con Imagenes LandsatUsando CLASlite y ERDAS

CLASlite genera mapas de deforestación y perturbación de bosques tropicales medianteel análisis cuantitativo a nivel de subpixel clasificando cada pixel entres clases: % devegetación viva, % de vegetación muerta y % de superficie descubierta usando elmodelo Automated Monte Carlo y una biblioteca de datos espectrales..

Comparación de resultados de Terra-i con modelos locales

Los resultados de Terra-i fueron comparados con datos de deforestación producidos por elInstituto Nacional de Pesquisas Espaciais (INPE) entre los años 2004 y 2009 mediantesistemas de monitoreo como PRODES y DETER.

PRODES(Proyecto de Estimativa de Deforestación de la Amazonia) corresponde a estimativasgeneradas a partir del año 2003 mediante un sistema de clasificación digital usandoimágenes de alta resolución LANDSAT.

DETERSistema de detección de la deforestación en tiempo casi real que publica alertas dedeforestación quincenalmente para la Amazonía Brasileña usando imágenes de medianaresolución MODIS.

En la comparación se observa una alta correlación entre los sistemas Terra-i y PRODES.

Comparación de resultados de Terra-i con modelos locales

Comparación de resultados de Terra-i con modelos locales

Resultados de Terra-i por país

Los resultados muestran que en América latina Brasil es el país que cuenta con los ecosistemas

más amenazados registrando una tasa de deforestación promedio anual de 3 millones de hectáreas,

ocasionado principalmente por ganadería, expansión de monocultivos de soja y

explotación forestal.

Resultados de Terra-i en laAmazonía

En la Amazonía Brasilera Terra-i detecta un total acumulado de 16 millones dehectáreas deforestadas entre los años 2004 y 2009, equivalente a una pérdidapromedio anual de 2.96 millones de hectáreas.

0

500,000

1,000,000

1,500,000

2,000,000

2,500,000

3,000,000

3,500,000

2004 2005 2006 2007 2008 2009

Bolivia20%

Brasil45%

Colombia14%

Ecuador3%

French Guyana

4%

Guyana3%

Peru4%

Surinam4%

Venezuela3%

Calculando la pérdida de hábitat por unidad de área se muestra que

Brasil, Colombia y Bolivia son los países con mayor amenaza en la

selva amazónica.

Detección de Terra-i en Meta-Caquetá, Colombia

2009 2004

Detección de Terra-i en Caquetá, Colombia

2009 2004

En Colombia las causas de

pérdida de hábitat varían en

cada región. En la región

Andina la pérdida de bosques

se asocia principalmente a la

expansión de la frontera

agrícola, el desarrollo de

nueva infraestructura e

incendios forestales. Mientras

que en la Amazonia y el

Pacífico la principal causa es

la explotación maderera.

(MAVDT, 2008)

Detección de Terra-i en Rondonia, Brasil

2009 2004

Detección de Terra-i en Rondonia, Brasil

2009 2004

Detección de Terra-i en Mato Grosso, Brasil

2009 2004

Detección de Terra-i en Mato Grosso, Brasil

2009 2004

Detección de Terra-i en Para, Brasil

2009 2004

Detección de Terra-i en Para, Brasil

2009 2004

En Brasil a nivel departamental

los estado de Mato Grosso y Pará

registran las mayores tasas de

deforestación; 1,091,816 y 713,107

hectáreas por año respectivamente.

Estados donde se ha incrementado

la actividad ganadera y así la

conversión de zonas forestales a

zonas de pasto y a explotaciones

agrícolas de monocultivos, en

particular de soja.

El rápido crecimiento de la

actividad ganadera ha acelerado la

destrucción de la selva amazónica.

Detección de Terra-i en Bolivia

2009 2004

Detección de Terra-i en Bolivia

2009 2004

En Bolivia el Sector Forestal

representa el 3% del PIB del

país y es el segundo más

importante dentro de las

exportaciones no tradicionales,

después de las oleaginosas, en

7 de los 9 departamentos del

país y productos como la

castaña y el palmito, son

importantes en la región norte

amazónica del país.

(Camara Forestal de Bolivia 2008)

Detección de cambios por zonas de análisis regulares (a nivel de tile MODIS) entre el 2004 y el 2011.

Análisis a nivel de Tiles MODIS

Esto nos da mayor automatización del proceso, sincronizando las etapas descarga, pre-procesamiento de datos MODIS , procesamiento en Terra-i y próximamente la carga de resultados finales en el servidor de mapas

y en el ftp.

Mejorar cada vez más nuestro sistema desarrollando metodologías para el análisis de la información

generada.

• El área de estudio es subdividida en celdas regulares (25x25km), en las cuales se pueden

evaluar métricas a nivel de objeto, clase o célula que permiten diferenciar estructuralmente

cada uno de los patrones.

• Terra-i logra diferenciar visualmente los tipos de patrones descritos por sistemas de

monitoreo de alta resolución (PRODES) en la Amazonia Legal.

• Para la determinación de patrones se utilizan los software Fragstat y TerraView.

• Se han evaluado dos algoritmos matemáticos (Arboles de decisión y Redes Neuronales).

Ambos algoritmos exigen inicialmente que se realice un entrenamiento con zonas ejemplo que

describan estructuralmente (con métricas) cada tipo de patrón, por lo cual se está

seleccionando cual será el mapa base a utilizar.

Determinación de patrones de Deforestación en la Amazonía usando Terra-i

Determinación de patrones de Deforestación en la Amazonía usando Terra-i

Arboles de decisión Red Neuronal

Variables(metricas)

6 patrones

Caracterización métrica de zonas de entrenamiento para cada patrón: usando Fragstat y TerraView

Perspectivas…Análisis del cambio en los patrones de

deforestación desde un mapa base

Saito et al. (2011)

Bosque humedo y secotropical de baja altitud (TNC)

Clusters Vegetation – Terra-I 2000-2003Spatial Resolution: 250m

Corine Land Cover / Classified 2000Spatial Resolution: 1km

Definiendo el mapa base …

1. Automatización de los procesos

2. Divulgación de los resultados

3. Análisis de los resultados y mejoras metodológicas.

• Automatizar el proceso de detección desde la descarga de

los nuevos datos disponibles en el ftp de MODIS hasta la

divulgación de los resultados en nuestro portal de datos.

• Creación de una interfaz web que permita monitorear y

configurar los diferentes procesos sin conocimientos

avanzados de script y shell.

Terra-i en el futuroAutomatización

Terra-i en el futuroAutomatización

• Una de nuestras metas a medio plazo es poner a disposición de

todos los resultados de Terra-i para América latina mediante un

portal de datos permitiendo así:

– Descargar datos en un formato compatible con los software GIS.

– Explorar los resultados mediante una interface de mapas.

– Descargar sub-productos (inundaciones, áreas de incremento de

NDVI)

– Descargar tablas con las cifras de pérdida de hábitat a nivel

nacional, departamental, por áreas protegidas y tipos de

ecosistemas.

– Acceder a reportes, presentaciones y publicaciones del equipo

terra-i.

Terra-i en el futuroDivulgación

• Trabajamos continuamente en la metodología para mejorar

la cualidad de nuestros resultados.

• Se implementarán herramientas que permitan agregar

información a nuestros resultados, incluyendo: la detección

de la dinámica de inundaciones y sequias, y el reconocimiento

dinámico de diferentes patrones de cambios.

Terra-i en el futuroAnálisis de resultados y mejoras metodológicas

Contactanosk.a.argote@cgiar.orgkaroargote@gmail.comwww.terra-i.org