karolina argote - terra i: monitoreo de cambios en el habitat
TRANSCRIPT
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.
Detección de Terra-i en Perú
Ver video aquí: (Detección en Perú desde el Enero de 2004 a Julio de 2011)http://www.youtube.com/user/Terraiproject?feature=mhsn
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
[email protected]@gmail.comwww.terra-i.org