Download INFORME EJECUTIVO ESTIMACIÓN PRELIMINAR TASA

INFORME EJECUTIVO
ESTIMACIÓN PRELIMINAR TASA DE DEFORESTACIÓN PARA COLOMBIA
Periodo 2000-2007
“Capacidad Institucional Técnica Científica para apoyar Proyectos REDD: Reducción de
Emisiones por Deforestación en Colombia”
Bogotá D.C., Enero de 2010
INFORME EJECUTIVO
Ejercicio de estimación preliminar de la tasa de deforestación para Colombia periodo
2000-2007.
Proyecto “Capacidad Institucional Técnica Científica para apoyar Proyectos REDD:
Reducción de Emisiones por Deforestación en Colombia”
EQUIPO TÉCNICO COMPONENTE PDI
Edersson Cabrera M.
Ing. Forestal, Esp. –Coordinador componente-.
Gustavo Galindo
Biólogo, Esp. -Estimación Biomasa-.
Diana Vargas
Ingeniera Agrícola, Msc. -Cuantificación Deforestación-.
Profesionales de apoyo.
Helio Carrillo.
Ing. Agrólogo.
Karol Ramirez.
Ing. Forestal, Esp.
Juan Carlos Rubiano.
Economista, Esp..
Incluye comentarios del equipo CLASlite, Institución Carnegie
[email protected]
[email protected]
http://claslite.ciw.edu/
ESTIMACIÓN DE LA DEFORESTACIÓN EN COLOMBIA PARA EL PERIODO 2000 - 2007
El IDEAM a través del proyecto “Capacidad Institucional Técnica Científica para apoyar
Proyectos REDD: Reducción de Emisiones por Deforestación en Colombia” realizó un
ejercicio para la estimación preliminar de la deforestación a escala nacional usando
imágenes de sensores remotos para el periodo 2000 - 2007. Para ello se utilizó una
definición de bosque basada en las definiciones de las unidades de coberturas de bosque
de las leyendas de CORINE Land Cover (versiones 1 y 2)que se adaptó tanto para la cuenca
Magdalena-Cauca, como para todo el país. Así, las unidades del mapa de uso y cobertura
de CORINE Land Cover que por definición estarían incluidas en la categoría de bosques
para los fines del ejercicio de deforestación son: Bosque denso, Bosque abierto, Bosque
de galería o ripario, y Bosque fragmentado.
El proyecto “Capacidad Institucional Técnica Científica para apoyar Proyectos REDD:
Reducción de Emisiones por Deforestación en Colombia” en sus lineamientos generales ha
contemplado el establecimiento de las bases para un sistema de monitoreo de la
deforestación desde 2 niveles de aproximación, uno nacional y uno Subnacional,
consecuente con los lineamientos hasta ahora publicados por la UNFCCC y el IPCC y sus
órganos subsidiarios. En consecuencia, el proyecto propuso que en este ejercicio
preliminar, que busca un dato actualizado y confiable de deforestación a nivel nacional, se
utilicen diferentes caminos para obtener la información utilizando imágenes de satélite de
resolución espacial gruesa.
Para la primera estimación de deforestación las imágenes seleccionadas corresponden al
sensor MODIS Terra, con una resolución espacial de 250m1. Esta selección obedece a
varios factores, por un lado, la disponibilidad gratuita de las imágenes y por otro, la alta
frecuencia de toma de los datos facilitó la selección y compilación de conjuntos de datos
con una calidad mínima aceptable, considerando los frecuentes problemas atmosféricos
en ciertas zonas del país.
El cálculo de la tasa de deforestación es el resultado de un estudio de cambio en la
cobertura, lo que implica un análisis multi-temporal en al menos 2 puntos en el tiempo,
cuyos datos sean comparables. Para este ejercicio el periodo de tiempo elegido para el
cálculo de la deforestación corresponde al comprendido entre los años 2000-2007. En
términos generales, se descargaron 4.416 imágenes correspondientes a los 6 cuadrantes
de escenas MODIS para el país, es decir, 2 productos, 46 escenas por año y 8 años. De este
1
El producto específico utilizado fue un sinergismo de los productos MOD09A1, Surface Reflectance 8-Day
L3 Global 500m y MOD09Q1, Surface Reflectance 8-Day L3 Global 250m
conjunto de datos se pre-procesaron 1.472 que corresponden a los años 2000 y 2007 y se
procesaron en CLASlite© 108 imágenes.
El proceso metodológico para la generación de la tasa preliminar de deforestación a nivel
nacional se desarrolló en tres grandes fases, a saber:
Fase I. Preparación o pre-procesamiento de las imágenes seleccionadas con el fin de
aprestarlas para su posterior procesamiento digital. Esta fase incluyó la descarga de datos,
para el caso específico de este ejercicio se utilizó el portal de información Geoespacial
dispuesto por el Servicio Geológico de los Estados Unidos -USGS2- y la NASA a través del
portal web Land Processes Distributed Active Archive Center -LPDAAC-, cuyo enlace es
https://lpdaac.usgs.gov/lpdaac/get_data. Para esta actividad se recibió el apoyo del CIAT a
través de un script que permitió agilizar el proceso de descarga.
Esta fase también comprendió los procedimientos necesarios para preparar y disponer
adecuadamente las imágenes descargadas para ser procesadas y utilizadas en el proceso
de estimación de la tasa preliminar de deforestación para Colombia, incluyendo la
conversión de formato, generación de los archivos de trabajo, selección de mejores
imágenes, y reproyección espacial. Sin embargo, lo más significativo fue la selección
rigurosa de las imágenes. Dado que el sensor MODIS Terra es un sistema pasivo de
captura de imágenes es muy sensible a las condiciones atmosféricas presentes en el
momento de la captura de la imagen. Por esto, se escogieron minuciosamente aquellas
imágenes (o sectores de las imágenes) que permitían obtener la mayor superficie posible
sin problemas atmosféricos. Esta selección permitió obtener una cobertura de nubes para
los mosaicos de los 2 periodos inferior al 12%. Finalmente, se hizo la preparación de
imágenes para el procesamiento en CLASlite. En este proceso debe asegurarse que los
datos estén dispuestos espectralmente de acuerdo a la estructura de librerías espectrales
implementadas en el algoritmo de CLASlite®3, en este caso se hace necesario una
reorganización de las bandas espectrales de acuerdo a su posición en el espectro electromagnético. Así entonces, los archivos de trabajo finales se estructuran en el siguiente
orden 3, 4, 1, 2, 5, 6 y 7 (estos números corresponden a la numeración original de las
bandas en los productos MODIS utilizados). Este proceso se realiza en el software de
procesamiento ERDAS Imagine 9.3.
Fase II. En esta fase se realizó el procesamiento digital de las imágenes pre-procesadas en
Fase I en el programa de clasificación a nivel de subpixel denominado CLASlite®,
desarrollado por el Instituto Carnegie, localizado en la Universidad de Stanford (USA), con
financiamiento de la Fundación Gordon y Betty Moore, y de la Fundación Jhon D. y
2
3
Por sus siglas en Inglés, United States Geological Service.
Versión ligera del Carnegie Landsat Analyst System -CLAS-.
Catherine T. MacArthur. Esta herramienta ha permite la identificación automatizada de la
deforestación y la degradación del bosque a través del uso de imágenes de sensores
remotos satelitales.
La principal versatilidad de este programa especializado de computo es determinar uno de
los componentes más importantes de la estructura del bosque tropical, como lo es la
“cobertura fraccional” del dosel de la vegetación fotosintética (VF), de la vegetación no
fotosintética (VNF) y de las superficies descubiertas (S) (Asner et al., 2009), que son los
principales conjuntos de información que pueden ser extraídos con el uso de imágenes de
sensores remotos satelitales. Los procesos de la herramienta se pueden sintetizar en:
 Calibración radiométrica y corrección atmosférica de la imagen(es). Este proceso
convierte la información por pixel de niveles digitales -ND- a Radiancia captada por
el sensor. Luego, implementando la corrección atmosférica Second Simulation of
the Satellite Signal in the Solar Spectrum -6S- desarrollada a partir del trabajo
de Vermote y colaboradores en 1997, se transforma la radiancia captada a niveles
de reflectancia de las coberturas.
 Descomposición de los pixeles de la imagen en coberturas fraccionales a nivel de
subpixel de la vegetación fotosintética, vegetación no-fotosintética o senescente y
las superficies descubiertas. CLASlite® cuenta con tres librerías espectrales para
convertir los niveles de reflectancia por pixel de las coberturas captadas por el
sensor en información ecológicamente relevante que represente la variación
general de las propiedades del dosel de la vegetación y el suelo (Asner et al.,
2009). De igual forma, el aplicativo incluye un submodelo central denominado
Automated Monte Carlo Unmixing -AutoMCU- (Asner y Heidebrecht, 2002; Asner
et al., 2004) el cual permite realizar un análisis cuantitativo de la cobertura
fraccional (0-100%) de la VF, VNF y S contenida en cada pixel de la imagen
analizada.
 Enmascaramiento de nubes y cuerpos de agua. Permite sustraer de la imagen
errores causados por nubes, neblina atmosférica, cuerpos de agua y otros
artefactos muy comunes en imágenes satelitales.
 Clasificación de la imagen(es) en coberturas de Bosque/No-Bosque, deforestación
y perturbación. A partir de un umbral determinado en las coberturas fraccionales
de VF, VNF y S el sistema de clasificación obtiene mapas de Bosque/No-Bosque
para la imagen(es) analizada. Específicamente, CLASlite® está configurado para
utilizar un umbral ≥80% en la cobertura fraccional de VF para identificar áreas
boscosas, considerándose todo lo demás como áreas de No-Bosque, esta
particularidad se debe a que este programa fue desarrollado para bosques
tropicales amazónicos, es decir, de tierras bajas, donde este umbral permite
identificar satisfactoriamente casi la totalidad de las áreas boscosas. Sin embargo,
este último procedimiento no podría aplicarse directamente para otros tipos
diferentes de bosques tropicales, ya que sus respuestas espectrales no estarían
incluidas en las librerías espectrales incorporadas en el programa. Debido a esta
situación, esta etapa del sistema de procesamiento de CLASlite® no fue tenida en
cuenta para este ejercicio como se explicará en detalle más adelante.
Fase III. Esta fase incluyó varios procedimientos necesarios a fin de generar información
sobre la extensión total de las coberturas de bosque para los años 2000 y 2007. A partir de
estos resultados se estimó la tasa de deforestación para Colombia. Los procesos realizados
en esta fase se pueden sintetizar en:
 Conversión de formato. Se utilizaron Los mapas de cobertura fraccional generados
por CLASlite®. Estos están originalmente en formato ENVI® (ya que la aplicación
fue desarrollada en lenguaje de programación IDL®). Para ser posible su
manipulación deben ser convertidos a formatos compatibles con los programas
SIG disponibles, en este caso fueron transformados a formato TIFF
georreferenciado que puede ser desplegado y manipulado en programas como
ERDAS Imagine 9.3® ó ArcGIS 9.3®.4
 Ajustes a los umbrales de detección de bosque. A partir de los productos obtenidos
de CLASlite® (mapas de cobertura fraccional), el equipo del componente PDI del
proyecto IDEAM a través de la modificación manual de los umbrales entre las
clases Vegetación Fotosintética (Bosque) y Vegetación No Fotosintética / Suelo
desnudo (No Bosque), obtiene mapas de Bosque/No bosque para el 88% de la
superficie continental del país. Esta modificación se realiza puesto que la biblioteca
espectral que utiliza CLASlite® se concentra principalmente en los bosques
tropicales de tierras bajas amazónicas, presentando dificultades para la
clasificación de otros tipos de bosques (p.e. Bosques Andinos. Bosque de tierras
bajas del Pacífico). Este proceso se realiza en el software de procesamiento ArcGIS
9.3®(figura 1).
La versión actual CLASlite V 2.2 ya permite guardar las imágenes producto en formato GeoTIFF. Ver más en la sección
de consideraciones finales.
4
Figura 1 Modificación de los umbrales de detección de Bosque para un sector de la escena h11v08
del 11 de diciembre de 2000 en límites de los departamentos de Vichada y Guainía..



Empalme de resultados por escena. A partir de las modificaciones a los umbrales de
detección de bosque realizados para cada escena se procede a realizar un empalme de
estos resultados, es decir, por cada escena se cuenta con varias imágenes a partir de las
cuales se genera una cobertura de Bosque/No Bosque por escena. Este proceso se realiza
en el software de procesamiento ERDAS Imagine 9.3®.
Mosaicos de coberturas de Bosque/No Bosque para los años 2000 y 2007. A partir de las
coberturas de Bosque/No Bosque por escena se genera un mosaico de Bosque /No Bosque
para todo el país. Este proceso se realiza en el software de procesamiento ERDAS Imagine
9.3®.
Revisión y ajustes de los mosaicos generados. Una vez se han elaborado los mosaicos de
cobertura para 2000 y 2007 se realiza una verificación de los resultados. En esta etapa se
utiliza la información del mapa de coberturas CORINE Land Cover a escala 1:100.000 para
eliminar de los mosaicos áreas que no correspondan a coberturas de bosque y que hayan
sido clasificadas por CLASlite® como bosque, esta situación se puede presentar por
ejemplo con cultivos de Palma africana, plantaciones forestales y cultivos de frutales. Este
proceso se realiza en el software de procesamiento ERDAS Imagine 9.3®.
Una vez elaborados los mosaicos de cobertura para 2000 y 2007, se realizó una verificación de los
resultados. En esta etapa se utilizó la información del mapa de coberturas CORINE Land Cover a
escala 1:100.000 para eliminar de los mosaicos áreas que no correspondían a coberturas de
bosque y que habían sido clasificadas por CLASlite® como bosque. Esta situación se presentó por
ejemplo, con cultivos de Palma africana, plantaciones forestales y cultivos de frutales. Después de
revisar y ajustar los mosaicos de cobertura para 2000 y 2007 se realizó una depuración de los
resultados utilizando como base las imágenes pre-procesadas, recodificándose algunos pixeles
erróneamente clasificados.
Finalmente con los productos depurados de cobertura para los años 2000 y 2007 se realizó un
proceso de superposición temática de estas dos capas para obtener la superficie de cambio de la
cobertura de bosque en el periodo 2000-2007 (figura 2).
RESULTADOS
Los principales resultados obtenidos de la aplicación del proceso metodológico aquí descrito son:

Selección de productos MODIS con baja cobertura nubes para los años 2000 y 2007 (en
promedio <12% para el área continental).

Mapas de cobertura fraccional 2000 y 2007.

Mapas Bosque / No Bosque 2000 y 2007.

Mapa de cambio en coberturas boscosas 2000-2007 y tasa de deforestación preliminar.
Figura 2 Mapa de cambio de coberturas Bosque/No-Bosque para el periodo 2000-2007.
CONSIDERACIONES FINALES
1. Baja resolución espacial (250m) de los insumos utilizados. Por lo tanto el nivel de
detalle corresponde a una escala 1:500.000. En este sentido, este tipo de aproximación
permite un acercamiento general al estado de las coberturas boscosas del país, siendo
una metodología orientada a la identificación de "Hotspots" de deforestación.
2. Los diferentes tipos de coberturas boscosas presentes en las regiones del país,
comportan retos adicionales para su identificación de manera automatizada. Es necesario
tener en cuenta, factores atmosféricos, climatológicos y fenológicos para ajustar las
metodologías. El uso de la herramienta CLASlite permite obtener datos de deforestación y
perturbación pero requiere de un proceso de calibración y ajuste con base en las
especificidades del área de interés.
3. Se requiere una validación de los resultados obtenidos en este ejercicio preliminar
de estimación de la tasa de deforestación, bien sea vía datos obtenidos en campo, o
validaciones mediante la utilización de imágenes de sensores remotos de mayor
resolución espacial en áreas previamente identificadas.
4. El IDEAM continuará trabajando este tipo de ejercicios en el marco de la
conformación de un Sistema de monitoreo de la deforestación mediante la prueba con
otras imágenes de sensores remotos de mayores resoluciones espaciales y espectrales
(p.e. imágenes tipo Landsat), o realizando el mismo ejercicio de detección de cambios
aplicado en este ejercicio para periodos anuales o bienales.
5. Se debe continuar con la generación de series temporales de productos MODIS con
bajos niveles de coberturas de nubosidad y otros efectos atmosféricos no deseados que
permitan la observación de procesos de cambio de las coberturas de la Tierra a través de
un cubrimiento continuo del territorio nacional, minimizando artefactos. Para esto se
sugiere utilizar los productos diarios del sensor MODIS (Terra y Aqua).
6. Se debe evaluar el uso de imágenes de sensores remotos de similares
características técnicas de las imágenes MODIS, como es el caso de imágenes MERIS,
CBERS-2, para reducir las coberturas de nubosidad y obtener productos de mayor calidad.
LIMITACIONES TÉCNICAS DEL EJERCICIO
A continuación se presentan las limitaciones técnicas más relevantes en cuanto al ejercicio
avanzado así como de manera específica la aplicación de CLASlite a nivel nacional
 Variaciones radiométricas en el sinergismo entre los productos MOD09A1 y
MOD09Q1. Por la forma en que se generan los productos MODIS utilizados para el
ejercicio (productos resumen para cada 8 días) se generaron variaciones
radiométricas en el sinergismo propuesto, tal y como se presenta en la figura 3.
Figura 3. Variaciones radiométricas en el sinergismo generado para el ejercicio. Limite
Amazonia-Orinoquia, Imagen MODIS H11V08 de diciembre de 2007 RGB=463.
 Presencia de áreas sin información (Bandeamiento) en el sinergismo entre los
productos MOD09A1 y MOD09Q1. Esta situación se presenta en algunas de las
escenas del producto MOD09Q1 y éstas podrían influenciar los resultados finales.
Sin embargo, según se observó, esto no fue un problema en la imagen de
cobertura fraccional generada por CLASlite y la posterior generación del mapa de
Bosque/No Bosque (figura 4).
Figura 4. Bandeamiento en el sinergismo generado para el ejercicio. Limite AmazoniaOrinoquia, Imagen de cobertura fraccional de la MODIS H11V08 de diciembre de 2007
RGB=S/VF/VNF.
 Interoperabilidad entre CLASlite con otros programas comerciales de
Procesamiento Digital de Imágenes. La metodología que se siguió implicó realizar
procesos alternos fuera de la plataforma de CLASlite© (modificación de los
umbrales de detección de bosque) en programas comerciales tales como ENVI©,
ArcGIS© y ERDAS Imagine©. Estos procesos pueden generar problemas con el
adecuado reconocimiento de los sistemas de proyección y alteración de los valores
de niveles digitales.
 Posterior a este estudio, CLASlite V 2.2 ya permite guardar los resultados
productos de todos los pasos en formato GeoTIFF, con lo cual se subsanan los
problemas presentados durante el presente ejercicio.
 Los efectos atmosféricos en una imagen causados por alto niveles de humedad en
cualquiera de sus formas: nubes, niebla, neblina, etc. son una de las limitaciones
principales del uso de sensores ópticos. Entonces, áreas con mucha variación en
las niveles de humedad de una imagen pueden generar resultados variables. Para
tratar esto, CLASlite proporciona varias opciones, incluyendo la corrección de
neblina y tres momentos de enmascaramiento. La corrección neblina no puede
usarse con MODIS por lo cual no pudo ser aplicada en este ejercicio, pero sí podría
usarse en un futuro ejercicio con Landsat, tal y como está planteado por IDEAM.
Ésta opción puede ayudar a generar resultados con una menor variación por causa
de altos niveles de humedad. Adicionalmente, para minimizar ésta variación, es
recomendable usar imágenes de la misma época en caso que éstas estén
disponibles.