informe te cnico protocolo metodolo gico para la
TRANSCRIPT
INFORME TE CNICO Protocolo metodolo gico para la elaboracio n de mapas de uso y cambios del uso de la tierra Bosque Nativo al an o 2016
Regiones del Maule, del Biobí o, la Araucaní a, Los Rí os y Los Lagos.
Autores:
Albornoz, Abraham.
Alegría, Daniela.
Cortés, Fernanda.
Gimeno, Fernando.
Moya, Jorge.
Colaboradores:
Cano, Javier.
Montaner, Daniel.
Oyarzún, Verónica.
Índice de Contenido
1. INTRODUCCIÓN ................................................................................................................................................... 8
2. OBJETIVOS Y ALCANCES ............................................................................................................................... 10
a) Objetivo General .......................................................................................................................................... 10
b) Objetivos Específicos ................................................................................................................................. 10
c) Alcances ........................................................................................................................................................... 10
3. CONSIDERACIONES TÉCNICAS .................................................................................................................. 12
a) Sistema de clasificación ............................................................................................................................ 12
b) Descripción de las categorías de uso de la tierra (IPCC, 2006) ................................................ 13
c) Categorías y atributos del mapa final de cambio ........................................................................... 14
d) Softwares requeridos para la ejecución del proyecto................................................................... 17
4. FUENTES DE INFORMACIÓN ...................................................................................................................... 19
a) Imágenes satelitales Landsat 8 ............................................................................................................. 19
b) Sistema de Monitoreo de cambios de uso del suelo y vegetación basado en el Catastro
del Bosque Nativo (CONAF, 2016) ................................................................................................................. 19
c) Trazabilidad 2013 ....................................................................................................................................... 20
d) Límites políticos administrativos o DPA, ODEPA (IDE MINAGRI, 2016) ............................. 20
5. ÁREA DE ESTUDIO ........................................................................................................................................... 21
6. DESARROLLO METODOLÓGICO ................................................................................................................ 22
a) ETAPA 1: Generación de mosaicos T0 y T1 ...................................................................................... 23
(i) Elaboración de código de programación en plataforma Google Earth Engine ................. 23
(i) Obtención de mosaicos libres de nubes mediante catálogo multitemporal de
imágenes Landsat 8 ......................................................................................................................................... 27
(ii) Mosaico base T0, T1 ......................................................................................................................... 28
b) ETAPA 2: Coberturas de pérdidas y ganancias ............................................................................... 29
(i) Método Multi-índices ....................................................................................................................... 29
(ii) Adaptación del método: Evaluación umbrales de Bosque Nativo ................................. 32
(iii) Creación de muestras de cambios de usos de bosque nativo .......................................... 32
(iv) Evaluación de valores NDVI y NBR en muestras .................................................................. 33
(v) Cobertura Pérdidas y Ganancias T0 .......................................................................................... 37
c) ETAPA 3: Edición y depuración de resultados ................................................................................ 40
(i) Vectorización y aplicación Buffer Out - Buffer in en pérdidas y ganancias ................ 40
(ii) Suavizado de pérdidas y ganancias T0 ..................................................................................... 41
d) ETAPA 4: Atributación mediante clasificación supervisada ..................................................... 43
(i) Clasificación Supervisada en T1 .................................................................................................. 44
(ii) Atributación de pérdidas según clasificación supervisada .............................................. 49
(iii) Atributación de usos 2016: Reemplazo píxeles en base a Trazabilidad 2013 ......... 52
(iv) Intersección de reemplazo de píxeles con cobertura de cambios ................................. 59
e) ETAPA 5: Validación mediante Collect Earth ................................................................................... 60
(i) Validación ............................................................................................................................................. 60
(ii) Cálculo de fiabilidad de clasificación supervisada ............................................................... 62
(iii) Matrices de confusión ...................................................................................................................... 62
(f) ETAPA 6: Cobertura cambio de uso de Bosque Nativo 2016 ............................................... 68
(i) Integración geométrica de cambios de uso de la tierra a cobertura de Trazabilidad
2016 68
(ii) Integración alfanumérica de cambios de uso de la tierra a cobertura de
Trazabilidad 2016 ............................................................................................................................................ 72
7. RESULTADOS FINALES .................................................................................................................................. 74
a) Región del Maule ......................................................................................................................................... 74
b) Región del Biobío......................................................................................................................................... 77
c) Región de la Araucanía .............................................................................................................................. 80
d) Región de Los Ríos ...................................................................................................................................... 82
e) Región de Los Lagos ................................................................................................................................... 84
f) Visor interactivo HTML ............................................................................................................................. 86
8. RECOMENDACIONES ...................................................................................................................................... 87
a) Respecto de los alcances .......................................................................................................................... 87
b) Respecto de la infraestructura tecnológica: hardware y software .......................................... 87
c) Respecto de las Fuentes de Información ........................................................................................... 88
d) Respecto de la Metodología .................................................................................................................... 89
9. BIBLIOGRAFÍA ................................................................................................................................................... 91
Índice de Figuras
Figura 1: Mapa del Área de Estudio .................................................................................................................. 21
Figura 2: Etapas del proceso metodológico. .................................................................................................. 22
Figura 3. Resumen metodológico de Etapa 1: Generación de mosaicos T0 y T1. .......................... 23
Figura 4. Mosaicos T0 y T1 .................................................................................................................................. 28
Figura 5. Resumen metodológico de Etapa 2: Coberturas de pérdidas y ganancias. ................... 29
Figura 6: dNDVI vs dNBR en puntos de cambio de uso de la tierra. .................................................... 34
Figura 7: NDVI en T0 vs NDVI en T1 en puntos de cambios de usos de la tierra. .......................... 35
Figura 8: NDVI en T0 vs NDVI en T1 aplicando valores de dNBR mayores e iguales a 0,27 en
puntos de cambios de usos real. .......................................................................................................................... 36
Figura 9. Ejemplo de visualización de transformaciones a cobertura Trazabilidad para
determinación de pérdidas, IX región. .............................................................................................................. 37
Figura 10. Resumen metodológico de Etapa 3: Edición y depuración de resultados. ................. 40
Figura 11. Ejemplo de visualización de la aplicación de buffer out-in y filtro por superficie. . 41
Figura 12. Ejemplo de visualización de la aplicación de buffer out, suavizado y buffer in. ....... 42
Figura 13. Resumen metodológico de Etapa 4: Atributación mediante clasificación
supervisada. ................................................................................................................................................................. 43
Figura 14: Mosaico T1 región de Los Ríos. ................................................................................................... 45
Figura 15: Mosaico T1 región Los Lagos. ....................................................................................................... 46
Figura 16. Geoprocesos efectuados a la cobertura de clasificación supervisada para la
atributación de pérdidas en bosque nativo. ................................................................................................... 49
Figura 17. Ejemplo de visualización de la aplicación de filtro de mayoría (derecha) en
resultado de clasificación supervisada (izquierda) en IX región. .......................................................... 50
Figura 18. Ejemplo de visualización de la aplicación de suavizado (derecha) en cobertura de
cambios atributada (izquierda) en IX región. ................................................................................................ 51
Figura 19. Geoprocesos efectuados a la cobertura de clasificación supervisada para la
atributación de usos de la tierra 2016. ............................................................................................................. 52
Figura 20. Ejemplo de visualización de la aplicación de reemplazo de píxeles (derecha) en
cobertura de clasificación supervisada (izquierda) en IX región. ......................................................... 55
Figura 21. Ejemplo de visualización de la aplicación de filtro mayoritario dos veces
consecutivas (derecha) sobre cobertura de clasificación supervisada con reemplazo de pixeles
(izquierda) en IX región. ......................................................................................................................................... 56
Figura 22. Resumen metodológico de Etapa 5: Validación mediante Collect Earth. .................... 60
Figura 23: Ejemplo encuesta Collect Earth integrada a Google Earth. ................................................ 61
Figura 24: Ejemplo de registros de validación en formato CSV transformados a shapefile ...... 62
Figura 25. Resumen metodológico de Etapa 6: Cobertura final cambio de uso de Bosque
Nativo 2016. ................................................................................................................................................................. 68
Figura 27: Mapa de cambios de uso de la Tierra, región del Maule .................................................... 76
Figura 28: Mapa de cambios de uso de la Tierra, región del Biobío.................................................... 79
Figura 29: Mapa de cambios de uso de la Tierra, región de la Araucanía ......................................... 81
Figura 30: Mapa de cambios de uso de la Tierra, región de Los Ríos ................................................. 83
Figura 31: Mapa de cambios de uso de la Tierra, región de Los Lagos. ............................................. 85
Figura 32: Ejemplo del visor HTML, región de Los Lagos ........................................................................ 86
Índice de Tablas
Tabla 1: Sistema de clasificación de Usos de la tierra ............................................................................... 12
Tabla 2: Atributos integrados en mapa de cambios de Usos de la Tierra 2016 ............................. 15
Tabla 3: Actualizaciones Catastro de Recursos Vegetacionales de Chile a nivel regional
(CONAF, 2016) ............................................................................................................................................................ 20
Tabla 4: Imágenes Landsat 8 utilizadas para el periodo T0 y T1 mediante repositorio de
Google Earth Engine (GEE). .................................................................................................................................... 25
Tabla 5 . Áreas con nubosidad permanente según región. ...................................................................... 25
Tabla 6. Imágenes Landsat 8 utilizadas para mosaico auxiliar en el periodo T0 y T1 mediante
repositorio de Google Earth Engine (GEE). ...................................................................................................... 26
Tabla 7. Área excluida del estudio de cambio de uso del suelo, por región. .................................... 26
Tabla 8: Muestras para evaluación de umbrales Bosque Nativo .......................................................... 33
Tabla 9. Resultados Cobertura ráster “en bruto” de pérdidas y ganancias (ha). ............................ 39
Tabla 10. Resultados Cobertura vectorial de pérdidas y ganancias (ha) de bosque nativo en
T0. ..................................................................................................................................................................................... 42
Tabla 13: Caracteristicas de imágenes "parche" utilizadas en la clasificación supervisada. .... 44
Tabla 14: Número de muestras por usos de la Tierra modificados provenientes de categorías
IPCC 2006. ..................................................................................................................................................................... 47
Tabla 15. Reglas de decisión para reemplazo de píxeles, en base a Trazabilidad 2013. ............ 53
Tabla 16. Reglas de decisión para reemplazo de píxeles segunda fase, en base a Trazabilidad
2013................................................................................................................................................................................. 57
Tabla 17: Matriz de confusión región del Maule. ........................................................................................ 63
Tabla 18: Matriz de confusión región del Biobío. ....................................................................................... 64
Tabla 19: Matriz de confusión región de la Araucanía.............................................................................. 65
Tabla 20: Matriz de confusión región de Los Ríos. ..................................................................................... 66
Tabla 21: Matriz de confusión región de Los Lagos. .................................................................................. 67
Tabla 22. Movimiento del cambio de uso de la tierra producto de la Deforestación, región del
Maule. .............................................................................................................................................................................. 75
Tabla 23: Participación de acuerdo a tamaño de los polígonos según cambios. ........................... 75
Tabla 24: Movimiento del cambio de uso de la tierra producto de la Deforestación, región del
Biobío. ............................................................................................................................................................................. 78
Tabla 25: Participación de acuerdo a tamaño de polígonos según cambios. .................................. 78
Tabla 26. Movimiento del cambio de uso de la tierra producto de la Deforestación, región de
la Araucanía. ................................................................................................................................................................. 80
Tabla 27: Participación de acuerdo a tamaño de polígonos según cambios.................................... 80
Tabla 28. Movimiento del cambio de uso de la tierra producto de la Deforestación, región de
Los Ríos. ......................................................................................................................................................................... 82
Tabla 29: Porcentaje de participación de acuerdo a tamaño de polígonos según cambios. ..... 82
Tabla 30: Movimiento del cambio de uso de la tierra producto de la Deforestación, región de
Los Lagos. ...................................................................................................................................................................... 84
Tabla 31: Participación de acuerdo a tamaño de polígonos según cambios. .................................. 84
Índice de Ecuaciones
Ecuación 1: Normalized difference burn ratio dNBR. ............................................................................... 31
Ecuación 2: Normalized difference vegetation index dNDVI. ................................................................ 31
Ecuación 3: Relatived Change Vector RCVmax.............................................................................................. 32
Ecuación 4: Change Vector CV. ............................................................................................................................ 32
8
1. INTRODUCCIÓN
Con el fin de cumplir con los compromisos internacionales adquiridos por Chile ante la
Convención Marco de las Naciones Unidas sobre el Cambio Climático (CMNUCC), la
Convención de las Naciones Unidas para la Lucha contra la Desertificación (CNULD), y el
Convenio sobre Diversidad Biológica (CDB), la Corporación Nacional Forestal (CONAF) es
punto focal en el desarrollo de actividades que buscan la reducción de emisiones por
deforestación, disminución de emisiones por degradación y aumento de existencias de
carbono forestal, dentro del contexto de actividades definidas como REDD+(ENCCRV, 2016).
De esta manera, CONAF se ha propuesto como meta al 2019, el desarrollo e implementación
de una metodología que permita la generación de una cartografía bienal a escala nacional para
la representación espacial del uso y cambio de uso de la tierra con énfasis en el Bosque Nativo.
Para el cumplimiento de dicho objetivo, es necesario automatizar la metodología de detección
de cambios mejorando la periodicidad y escala de actualización de los métodos utilizados
hasta el momento, como son: el Catastro de Recursos Vegetacionales (CONAF), los monitoreos
regionales, entre otros.
La aplicación de técnicas semi-automatizadas para la detección de cambios mediante el uso de
imágenes satelitales representa una mejora sustancial para la solución al problema
identificado, considerando la visión panorámica, la frecuencia temporal, y resolución espacial
que estas imágenes ofrecen. Es así que, se investigaron una serie de métodos semi-
automatizados y técnicas de teledetección para la detección de cambios de uso de la tierra, las
que en una primera instancia fueron aplicadas a un área piloto (provincia de Osorno y
Llanquihue, región de Los Lagos). Estos resultados fueron expuestos en un taller de expertos,
con el objetivo de seleccionar aquél método que cumpliera con los objetivos de generar una
cartografía bienal a escala nacional, mejorando la periodicidad de actualización. Realizado el
taller de expertos, que convocó a académicos y profesionales especialistas en el manejo de
técnicas y metodologías de teledetección en diferentes áreas temáticas (académicos de la
Universidad de Chile y Universidad Austral de Chile; profesionales de la FAO; profesionales
del Centro de Información de Recursos Naturales CIREN; profesionales de la Corporación
Nacional Forestal CONAF; y profesionales del Instituto Forestal, INFOR), se seleccionó el
método Multi-índice o MIICA (Jin et al., 2013) como metodología óptima en la detección de
cambios en el uso de la tierra, de entre otros 3 métodos (Fotointerpretación con Collect Earth,
Análisis de Componentes Principales y/o Segmentación, y Fusión de Imágenes). La discusión y
evaluación experta en el taller se enfocó en los detalles técnicos de las metodologías
expuestas, y de una evaluación multicriterio mediante método AHP, donde se ponderaron una
serie de criterios (precisión, exactitud, costos e interoperabilidad) que establecieron a la
metodología Multi-índice como la recomendación principal en obtención del mapa de cambios
de usos de la tierra.
9
La metodología MIICA se basa en la combinación de 4 índices espectrales (dNBR, dNDVI,
RCVmax, y CV) los que, a través de reglas de integración, entregan una cobertura de cambio de
uso de la tierra, indicando la magnitud y direccionalidad del cambio (pérdidas y ganancias).
Esta metodología se replicó para el área de estudio definida, correspondiente a las regiones:
del Maule, Biobío, Araucanía, Los Ríos y Los Lagos. La metodología MIICA utilizó imágenes del
sensor Landsat 8, y fue aplicada a través de una serie de códigos en lenguaje de programación
(Javascript, R) complementado con procesamiento en la nube de Google Earth Engine, en
programas de SIG y el software R, con el objetivo de obtener un mapa de cambios de usos de la
tierra de manera eficiente. Cabe mencionar, que la metodología MIICA planteada por el
Servicio Geológico de los Estados Unidos (U.S.G.S) no se ajusta a la realidad de Chile, por lo
cual fue necesaria su adaptación, enfocada principalmente a la determinación de umbrales
empíricos para determinar los cambios de cobertura (ganancias y pérdidas) para los
diferentes índices espectrales utilizados.
De esta forma, el mapa de cambios de usos de la tierra es un insumo de información básica
para que Chile pueda presentar ante la Convención Marco de Naciones Unidas sobre Cambio
Climático (CMNUCC), el Anexo de resultados REDD+, incluido en el Informe Bienal de
Actualización del año 2018. Este, es considerado un elemento obligatorio para aquellos países
en desarrollo que pretenden participar en la fase de pagos por resultados de este enfoque de
políticas para la reducción de emisiones por deforestación y degradación forestal y el
incremento de absorciones por el aumento de las reservas de carbono forestal, el manejo
sustentable y la conservación de los bosques.
10
2. OBJETIVOS Y ALCANCES
a) Objetivo General
El objetivo del presente protocolo es describir la totalidad de procedimientos, insumos,
conjuntos de datos, y los pasos metodológicos necesarios para generar cartografía temática y
reportes estadísticos a nivel nacional sobre la extensión, distribución y cambios de la
cobertura de uso de la tierra, a partir del procesamiento digital de imágenes satelitales, de
manera que permita su réplica y reconstrucción.
b) Objetivos Específicos
(i) Establecer una metodología para la evaluación del uso y cambio del uso de la tierra
Bosque Nativo con periodicidad bienal.
(ii) Generar coberturas de uso y cambios (direccionalidad) del uso de la tierra Bosque
Nativo en las regiones del Maule, Biobío, Araucanía, Los Ríos y Los Lagos.
c) Alcances
(i) Escala
La unidad mínima cartografiable para la detección de cambios de usos de la tierra
corresponde a 3 píxeles de la imagen satelital Landsat 8, es decir, 0,27 ha.
(ii) Público objetivo
El siguiente protocolo de trabajo está orientado a todo el personal de CONAF que trabaje en la
temática de Monitoreo de Cambios de Usos de la Tierra, siendo así una herramienta
transferible e interoperable. El objetivo de este protocolo es ser una guía que oriente y
promueva el desarrollo semi-automatizado del monitoreo de cambios de usos de la tierra
haciendo uso de insumos ya existentes en la institución (software, hardware, bases de datos,
catastros, etc.).
(iii) Errores
Como se trabaja con imágenes satelitales ópticas, donde nuestro país presenta centros de baja
presión atmosférica constante, es de esperar que la metodología planteada no cuente con la
información completa para aquellas regiones del sur de Chile que presentan una nubosidad
constante (región de La Araucanía a la región de Magallanes) ya que que esta omite zonas de
nubosidad permante.
11
(iv) Herramientas disponibles
Considerando la disponibilidad, ventajas y capacidad de diversos softwares libres y de código
abierto (open-source), este protocolo ha sido desarrollado en su mayoría con este tipo de
herramientas para que pueda ser replicado a nivel central y en regiones sin mayor dificultad.
12
3. CONSIDERACIONES TÉCNICAS
a) Sistema de clasificación
Con el objeto de clasificar todas las superficies de la tierra de mejor manera, se implementó
una categorización mixta basada en las Directrices del IPCC de 2006 para los inventarios
nacionales de gases de efecto invernadero1, de manera de definir las categorías de uso de
primer nivel (en adelante Uso); y la Carta de Ocupación de la Tierra (COT) del Catastro de
Recursos Vegetacionales o Catastro de Bosque Nativo de CONAF para las categorías de
segundo nivel (en adelante Subusos). Como se muestra en la siguiente Tabla, las categorías de
segundo nivel utilizados en el Catastro del Bosque Nativo (CONAF, 2016) se redefinieron
según los lineamientos IPCC (IPCC, 2006) y estos fueron desagregados en Subusos para
mejorar la representatividad en las categorías de uso de la tierra.
Tabla 1: Sistema de clasificación de Usos de la tierra
SUBUSOS CATASTRO BOSQUE NATIVO (CONAF)
USO IPCC SUBUSOS
Ciudad-Pueblo-Zona Industrial; Minería Industrial
Asentamiento Asentamiento
Terreno de Uso Agrícola; Rotación Cultivo-Pradera
Tierras de Cultivo Tierras de Cultivo
Estepa Altiplánica; Estepa Andina Norte; Pradera Anual; Pradera Perenne; Estepa Andina Central; Estepa Patagónica
Praderas
Praderas
Matorral Pradera; Matorral; Matorral con Suculentas; Formación de Suculentas; Plantación de Arbustos
Matorral
Matorral Arborescente Matorral Arborescente
Plantación Adulta; Plantación Joven o Recién Cosechada; Plantación con Exóticas Asilvestradas
Tierras Forestales
Plantación
Bosque Nativo Adulto; Bosque Nativo Renoval; Bosque Nativo Adulto-Renoval; Bosque Nativo Achaparrado; Bosque Mixto; Bosque Nativo-Plantación; Bosque Nativo con Exóticas Asilvestradas
Bosque Nativo
1 http://www.ipcc-nggip.iges.or.jp/public/2006gl/spanish/vol4.html
13
Vegetación Herbácea en Orilla de Río; Marisma Herbácea; Ñadi Herbáceo y Arbustivo; Turbal; Bofedal; Vega; Otros Terrenos Húmedos
Humedales
Humedales
Mar; Río; Lago-Laguna-Embalse-Tranque Cuerpos de Agua
Playa y Duna; Afloramiento Rocoso; Terreno sobre el Límite Altitudinal de la Vegetación; Corrida de Lava y Escorial; Derrumbe Sin Vegetación; Salar; Otros sin Vegetación; Caja de Río
Otros Usos de la Tierra
Áreas desprovistas de Vegetación
Nieve; Glaciar; Campo de Hielo Nieves y Glaciares
b) Descripción de las categorías de uso de la tierra (IPCC, 2006)
A modo de referencia, y en base a las definiciones de los usos de la tierra por IPCC (2006), las
categorías de uso de la tierra empleadas en este trabajo se describen y detallan de la siguiente
manera:
1. Asentamientos
Esta categoría incluye toda la tierra desarrollada, incluidas la infraestructura de
transporte y los asentamientos humanos de cualquier tamaño, a menos que ya estén
incluidos en otras categorías. Esto debe ser coherente con las definiciones nacionales.
2. Tierras de cultivo
Esta categoría incluye la tierra cultivada, incluidos arrozales y los sistemas de agro-
silvicultura donde la estructura de la vegetación se encuentra por debajo de los umbrales
utilizados para la categoría de tierras forestales.
3. Pastizales o Praderas
Esta categoría incluye las tierras de pastoreo y los pastizales que no se consideran tierras
de cultivo. Incluye también los sistemas con vegetación boscosa y otra vegetación
herbácea, como las hierbas y la maleza que están por debajo de los valores umbrales
utilizados en la categoría de tierras forestales. La categoría también incluye todos los
pastizales, desde las tierras sin cultivar hasta las zonas de recreo, así como los sistemas
silvopastoriles, coherentes con las definiciones nacionales.
4. Tierras forestales
Esta categoría incluye toda la tierra con vegetación boscosa coherente con los umbrales
utilizados para definir las tierras forestales en el inventario nacional de gases de efecto
14
invernadero. También incluye los sistemas con una estructura de vegetación que
actualmente se encuentra por debajo, pero que potencialmente podría alcanzar in situ los
valores umbrales utilizados por un país para definir la categoría de tierras forestales.
5. Humedales
Esta categoría incluye las zonas de extracción de turba y la tierra que está cubierta o
saturada de agua durante todo el año o durante parte de éste (por ejemplo, las turberas) y
que no está dentro de las categorías de tierras forestales, tierras de cultivo, pastizal o
asentamientos. Incluye los reservorios como subdivisión gestionad, los ríos naturales y los
lagos como subdivisiones no gestionadas.
6. Otros usos de la tierra
Esta categoría incluye el suelo desnudo, roca, hielo y todas aquellas zonas que no estén
incluidas en ninguna de las otras cinco categorías. Permite que el total de las superficies
de tierra identificadas coincida con la superficie nacional de la que se tienen datos. Si hay
datos disponibles, se aconseja que los países clasifiquen las tierras no gestionadas dentro
de las categorías de uso de la tierra descritas anteriormente (por ejemplo, dentro de las
Tierras forestales no gestionadas, los pastizales no gestionados, y los humedales no
gestionados). Esto mejora tanto la transparencia como la capacidad para realizar el
seguimiento de las conversiones del uso la tierra de determinados tipos específicos de
tierras no gestionadas en otros tipos que se encuentren dentro de las categorías
anteriores.
c) Categorías y atributos del mapa final de cambio
De acuerdo a los requerimientos mínimos necesarios para la estimación de resultados REDD+
para el NREF/NRF (Nivel de Referencia de Emisiones Forestales/ Nivel de Referencia Forestal
Subnacional de Chile), se establecen las siguientes categorías de cambios o usos permanentes,
representadas en el mapa de usos y cambios de uso de la tierra 2016:
(i) Bosque Nativo permanente por tipo forestal: Correspondiente a la
superficie reportada como Bosque Nativo en el “Mapa de usos y cambios
de uso de la tierra 2013” que se mantiene en la misma categoría en 2016.
(ii) Otros usos permanentes: Correspondiente a la superficie reportada como
usos de la tierra diferente a Bosque Nativo en el “Mapa de usos y cambios
de uso de la tierra 2013” que se mantiene en la misma categoría en 2016.
(iii) Deforestación: Corresponde a la superficie de Bosque Nativo transformada
a otros usos de la tierra distinto del uso bosque entre los Mapas de 2013 y
2016, especificando uso de la tierra final.
15
(iv) Degradación: Corresponde a la superficie de Bosque Nativo transformada a
Plantación forestal entre los Mapas de 2013 y 2016, especificando uso de
la tierra final.
(v) Forestación/Reforestación: Corresponde a la superficie de otros usos de la
tierra distinto del uso bosque transformada a Bosque Nativo entre los
Mapas de 2013 y 2016, especificando uso de la tierra inicial.
(vi) Restitución: Corresponde a la superficie de plantaciones forestales
transformada a Bosque Nativo entre los Mapas de 2013 y 2016.
En base a los requerimientos del informe bienal de actualización, el mapa de cambios de usos
de la tierra 2016 es en formato vectorial (shapefile) para dar continuidad a la serie INGEI
1990-2018, el cual debe contar con los siguientes atributos especificados en la Tabla 2.
Tabla 2: Atributos integrados en mapa de cambios de Usos de la Tierra 2016
Nombre del atributo
Descripción del atributo
Fuente
CL1997 Código Uso en el año 1997 Combinado (Id_uso97+id_sub_97+id_Est_97+id_TIFO_97+id_STIF_97)
Catastro 1997
ID_USO_97 Código Uso
ID_SUB_97 Código Sub Uso
ID_EST_97 Código Estructura
ID_TIFO_97 Código Tipo Forestal
ID_STIF_97 Código SubTipo Forestal
T_F_97 Descriptor Tipo Forestal
S_TF_97 Descriptor Subtipo Forestal
CL_YYYY Código Uso en el año YYYY Combinado (Id_uso_YY+id_sub_YY+id_Est_YY+id_TIFO_YY+id_STIF_YY)
Actualizaciones históricas regionales:
ID_USO_YY Código Uso Maule: 2009, 2016
ID_SUB_YY Código Sub Uso Biobío: 2008, 2014
ID_EST_YY Código Estructura La Araucanía: 2007, 2013
ID_TIFO_YY Código Tipo Forestal Los Ríos: 2006, 2013
ID_STIF_YY Código SubTipo Forestal Los Lagos N: 2006, 2013
T_F_YY Descriptor Tipo Forestal Los Lagos S: 2013
S_TF_YY Descriptor Subtipo Forestal
16
CL_2017 Código Uso en el año 2016 Combinado (Id_uso_17+id_sub_17+id_Est_17+id_TIFO_17+id_STIF_17)
A desarrollar en "Mapa de uso y cambio de uso de la tierra 2016"
ID_USO_17 Código Uso
ID_SUB_17 Código Sub Uso
ID_EST_17 Código Estructura
Código Tipo Forestal
ID_STIF_17 Código SubTipo Forestal
T_F_17 Descriptor Tipo Forestal
S_TF_17 Descriptor Subtipo Forestal
T1 Código Uso Inicial Combinado (Id_uso97+id_sub_97+id_Est_97)
Catastro 1997
USO_T1 Descripción Uso Inicial Combinado (uso_97+sub_97+Est_97)
T2 Código Uso Actualización Combinado (Id_uso_YY+id_sub_YY+id_Est_YY)
Actualizaciones históricas regionales, incluido en "Mapa de uso y cambio de uso de la tierra 2013"
USO_T2 Descripción Uso Actualización Combinado (uso_YY+sub_YY+Est_YY)
T3 Código Uso Actualización Combinado (Id_uso_YY+id_sub_YY+id_Est_YY)
USO_T3 Descripción Uso Actualización Combinado (uso_YY+sub_YY+Est_YY)
T4 Código Uso Actualización Combinado (Id_uso_17+id_sub_17+id_Est_17)
A desarrollar en "Mapa de uso y cambio de uso de la tierra 2016"
USO_T4 Descripción Uso Actualización Combinado (uso_17+sub_17+Est_17)
C_1_2 Código de uso permanente (1) o cambio de uso (2) entre tiempo 1 y tiempo 2
Incluido en "Mapa de uso y cambio de uso de la tierra 2013"
C_2_3 Código de uso permanente (1) o cambio de uso (2) entre tiempo 2 y tiempo 3
TC_1_2 Código tipo de cambio de acuerdo a las Categorías generadas
TC_2_3 Código tipo de cambio de acuerdo a las Categorías generadas
DES_TC_1_2 Descriptor tipo de cambio de acuerdo a las Categorías generadas
DES_TC_2_3 Descriptor tipo de cambio de acuerdo a las Categorías generadas
C_3_4 Código de uso permanente (1) o cambio de uso (2) A desarrollar
17
TC_3_4 Código tipo de cambio de acuerdo a las Categorías generadas
en "Mapa de uso y cambio de uso de la tierra 2016" DES_TC_3_4 Descriptor tipo de cambio de acuerdo a las Categorías
generadas
SUP_HA Superficie en hectáreas del polígono
NOM_REG Nombre Región Incluido en "Mapa de uso y cambio de uso de la tierra 2013"
NOM_PROV Nombre Provincia
NOM_COMUN
Nombre Comuna
NOM_SNASPE
Nombre de Área SNASPE
CONSERVACI
Nombre de Área de Conservación Privada
COD Código de conservación, 0 = área no conservación, 1 = área SNASPE, 2 = área protegida privada
USO_IPCCT4
Uso de la tierra según IPCC para el año 2016
SUB_IPCCT4
Subuso de la tierra según IPCC para el año 2016
SUBdIPCCT4
Subuso de la tierra según IPCC para el año 2016, identificador numérico
d) Softwares requeridos para la ejecución del proyecto
(i) ArcGIS: Sistema de Información Geográfico (GIS). Este sistema integra software y una
serie de herramientas que permiten recopilar, administrar, analizar, compartir y
distribuir información georreferenciada. Es un software licenciado ampliamente utilizado
para procesamiento de datos en formato vectorial y ráster. En el desarrollo de este
trabajo se utilizó la versión 10.2.
(ii) QGIS: Sistema de Información Geográfico (GIS). Este sistema integra software y una serie
de herramientas que permiten recopilar, administrar, analizar, compartir y distribuir
información georreferenciada. Es un software libre ampliamente utilizado para
procesamiento de datos en formato vectorial y ráster. En el desarrollo de este trabajo se
utilizó la versión 2.18.x
(iii) R: Software que funciona en un entorno de programación, enfocado al análisis estadístico,
que permite manipular datos, calcular, y visualizarlos gráficamente. Es un software libre
ampliamente usado en múltiples áreas de investigación; funciona en base a una serie de
“paquetes” o librerías que representan extensiones de funciones y algoritmos de
procesamiento. En este software, el usuario puede crear y agregar sus propias funciones y
18
algoritmos para la obtención de resultados específicos. En el desarrollo de este trabajo se
utilizó la versión 3.4.x
(iv) Google Earth Pro: Plataforma de visualización de la cobertura terrestre en base a la
superposición de fotografía e imagen satelital. Es una herramienta que permite visualizar,
medir, recopilar y compartir información georreferenciada. Es un software licenciado
ampliamente utilizado para visualizar territorios en 2D y 3D a través de la disposición de
una serie de imágenes satelitales multitemporales de alta resolución espacial, logrando
así, una visualización del territorio cercana a la realidad. En el desarrollo de este trabajo
se utilizó la versión 7.1.4.x
(v) OpenForis Collect: Herramienta de Open Foris desarrollada por FAO. Es el principal
punto de entrada para los datos recopilados en los inventarios basados en el campo.
Proporciona una manera rápida, fácil y flexible de configurar encuestas con una interfaz
fácil de usar. Collect maneja múltiples tipos de datos y reglas de validación complejas,
todo en un entorno multilenguaje. En el desarrollo de este trabajo se utilizó la versión
3.1.3.4
(vi) Collect Earth: Otra Herramienta de Open Foris. Permite registrar datos a través de la
visualización e interpretación de imágenes satelitales y/o fotografías aéreas de alta
resolución espacial disponibles en Google Earth. En conjunción con Google Earth, Bing
Maps y Google Earth Engine, los usuarios pueden utilizar esta herramienta para evaluar y
monitorear usos de la tierra, cambios de usos, colectar una variedad de datos
espacialmente explícitos, cuantificar deforestación, reforestación y desertificación, entre
otras aplicaciones. La toma de datos en esta plataforma, se basa en las encuestas
desarrolladas en Open Foris Collect y los datos tomados son registrados y almacenados en
formatos de uso común para realizar los análisis posteriores. En el desarrollo de este
trabajo se utilizó la versión 1.6.2
19
4. FUENTES DE INFORMACIÓN
a) Imágenes satelitales Landsat 8
Las imágenes satelitales obtenidas del sensor Landsat 8, tienen las siguientes características
(Codazzi, 2013):
(i) Resolución espacial de 30*30 m (bandas multiespectrales)
(ii) Resolución Temporal de 16 días
(iii) Resolución Espectral de 11 bandas
(iv) Resolución Radiométrica de 16 bits
(v) Formato de datos en GeoTIFF
(vi) Extensión de 180*180 km
b) Sistema de Monitoreo de cambios de uso del suelo y vegetación basado en el
Catastro del Bosque Nativo (CONAF, 2016)
Este insumo corresponde a una actualización periódica a escala regional del Catastro de
Recursos Vegetacionales que tuvo su primera publicación el año 1997 (Tabla 3). Este catastro
representa la línea base de información cartográfica vegetacional de Chile, donde los objetivos
específicos son:
(i) Monitorear los cambios y análisis de los procesos que afectan a los distintos usos del
suelo o de la tierra, con énfasis en la vegetación (bosques, plantaciones forestales,
matorrales y praderas).
(ii) Cartografiar y caracterizar los bosques, incluidos las plantaciones forestales, otras
formaciones vegetales naturales, así como también el uso del suelo en general.
(iii) Disponer la base de datos digital georreferenciada en un sistema de usos público,
para la toma de decisiones.
20
Tabla 3: Actualizaciones Catastro de Recursos Vegetacionales de Chile a nivel regional (CONAF, 2016)
***Actualización solo para Sitios Prioritarios de Conservación de la Biodiversidad
c) Trazabilidad 2013
Este insumo corresponde una cobertura vectorial en formato shapefile que contiene
información histórica de los cambios de usos de la tierra ocurridos a partir del inicio del
Catastro de Recursos Vegetacionales en 1997. Corresponde a un dato de actividad para el
NREF/NRF. Este insumo contiene una serie de atributos que describen la categoría del cambio
(ver sección 3, c), es decir, si el cambio corresponde a degradación, deforestación, aumento de
existencia o permanece como bosque. El objetivo de este insumo cartográfico es evidenciar y
registrar la trazabilidad de la dinámica del uso Bosque y los demás usos de la tierra, para de
esta forma tener un registro histórico de cambios a nivel regional tomando como base el
Catastro de Recursos Vegetacionales Nativos. A este insumo se le incorporaron 2 nuevos
atributos: Uso IPCC y SUBUSOS (ver sección 3, a).
d) Límites políticos administrativos o DPA, ODEPA (IDE MINAGRI, 2016)
Este insumo corresponde a la cobertura vectorial en formato shapefile de los límites de la
División Político Administrativa oficial utilizados por los distintos organismos dependientes
del Ministerio de Agricultura. Este archivo contiene información desagregada a nivel de
comuna, provincia y región. Esta cobertura puede ser descargada del sitio de la
Infraestructura de Datos Espaciales del Ministerio de Agricultura o IDE-MINAGRI en sistema
de proyección cartográfico UTM.
REGIÓN AÑO BASE
AÑO PRIMERA ACTUALIZACIÓN
AÑO SEGUNDA ACTUALIZACIÓN
AÑO TERCERA ACTUALIZACIÓN
Arica y Parinacota
1997
2014
Tarapacá 2015*** Antofagasta 2009
Atacama 2008***
Coquimbo 2003 2008 2015***
Valparaíso 2001 2013
Metropolitana 2001 2013
L.G.B. O´Higgins 2001 2005 2013
Maule 1999 2009 2015
Biobío 1998 2008 2015***
La Araucanía 2007 2014
Los Ríos 1998 2006 2014
Los Lagos 1998 2006 2013
Aysén 2010-2011
Magallanes 2005
21
5. ÁREA DE ESTUDIO
El área de estudio abarca 5 regiones del centro-sur del país (Figura 1), las cuales son:
a) Región del Maule, con 3.034.193,6 ha de superficie
b) Región del Biobío, con 3.710.483,9 ha de superficie
c) Región de la Araucanía, con 3.180.336,7 ha de superficie
d) Región de Los Ríos, con 1.835.914,1 ha de superficie
e) Región de Los Lagos, con 4.839.333,1 ha de superficie
Cabe mencionar que esta zona es un área con una fuerte dinámica en el uso y cambio de uso
de la tierra, dentro del país, en donde se concentra una gran proporción de asentamientos,
tierras de cultivos y praderas, plantaciones forestales y vegetación nativa del país.
Figura 1: Mapa del Área de Estudio
22
6. DESARROLLO METODOLÓGICO
A modo general, el proceso metodológico puede resumirse en 6 etapas, cada una de ellas con
distintos procesos y productos intermedios obtenidos tras la aplicación de la metodología de
detección de cambios de usos de la tierra, que serán explicadas detalladamente en este
apartado.
Figura 2: Etapas del proceso metodológico.
Etapa 1:Generación de mosaicos T0 y T1
Etapa 2: Obtención de coberturas de pérdidas y ganancias
Etapa 3: Edición y depuración de resultados
Etapa 4: Atributación mediante clasificación supervisada «Random Forest»
Etapa 5: Validación de clasificación supervisada mediante Collect Earth
Etapa 6: Cobertura de cambio de uso de bosque nativo 2016
23
a) ETAPA 1: Generación de mosaicos T0 y T1
El principal objetivo de esta primera etapa es generar los mosaicos para los periodos en
evaluación de detección de cambios de uso de la tierra y que son elaborados a partir de una
serie de imágenes Landsat 8 en tiempo inicial (T0) y un tiempo final (T1), las cuales
presentan la menor cantidad de píxeles con nubes y sombras de nube. Estas imágenes deben
tener coincidencia geométrica (corregistro), mismo sistema de proyección cartográfico (WGS-
84, 18S o EPSG: 32718) y resolución espacial de 30*30 m para que las escenas utilizadas
puedan ser comparables. Para la obtención de los mosaicos bases se deben realizar una serie
de procedimientos que se resumen en la siguiente figura y se describen a continuación:
Figura 3. Resumen metodológico de Etapa 1: Generación de mosaicos T0 y T1.
(i) Elaboración de código de programación en plataforma Google Earth
Engine
Para lograr el objetivo, se elaboró y aplicó un código en lenguaje de programación Javascript
para Google Earth Engine (GEE), el cual permite descargar, seleccionar y procesar las distintas
imágenes satelitales para hacer el proceso más eficiente y automatizado. En la obtención de la
serie temporal de imágenes se determinó un rango de fechas, tanto para T0 como para T1,
donde se buscaba que cada píxel de los mosaicos T0 y T1 correspondiera a un píxel
seleccionado que contara con menos cobertura de nubes y sombra de nubes dentro de las
imágenes disponibles para las fechas T0 y T1 en análisis. A continuación se presenta una
Plataforma Google Earth Engine (GEE)
Elaboración de código de
programación
Obtención de mosaicos libres
de nubes mediante catálogo
multitemporal Landsat 8
Descarga de Mosaicos T0 y
T1
Reproyección, remuestreo y corte regional
en SIG
Mosaico base T0 y T1
24
breve descripción general de los scripts utilizados (para consultar script completo, ver Anexo
1: Generación de mosaicos T0 y T1)
- Definición de área de estudio: Se aplica el código “.filterBounds” para definir el área de
estudio para el procesamiento de los diferentes códigos de programación en GEE. En este
caso se trabajó a nivel de provincias y comunas, dependiendo del nivel de nodos presentes
en la cobertura vectorial del límite división político administrativo (DPA) de cada región
analizada. Se realizó una prueba a nivel regional, que no tuvo éxito debido a la mayor
cantidad de nodos de esta cobertura vectorial, lo que se traduce en una gran cantidad de
información que se tiene que procesar en la nube de Google, implicando un aumento
significativo en el tiempo de procesamiento el cual sobrepasaba el tiempo límite de
ejecución de procesos en la nube.
- Definición de imágenes a utilizar: Se aplica el código “ee.ImageCollection” en GEE para
seleccionar el tipo de sensor a utilizar, en este caso Landsat 8 OLI, con escenas
ortorrectificadas y con reflectancia calibrada al tope de la atmósfera (TOA), más una banda
de calidad desarrollada con el algoritmo Fmask (Zhu & Woodcock, 2014) donde el valor 4
corresponde a las nubes y el valor 2 a sombras.
- Definición del rango de fechas: Se aplica el código “.filterDate” para definir el alcance
temporal de la selección de imágenes, considerando el criterio de selección de los mejores
píxeles sin nube y sin sombra de nube. Para esto, fue necesario definir una fecha inicial y
final para Tiempo 0, y una fecha inicial y final para Tiempo 1 (Tabla 4).
La fecha de inicio (T0) corresponde al año de última actualización del mapa de usos y
cambios de uso de la tierra, que para la mayoría de las regiones en estudio corresponde al
año 2013, exceptuando únicamente a la VII región del Maule, debido a que la ultima
actualización para esta región corresponde al año 2014.
25
Tabla 4: Imágenes Landsat 8 utilizadas para el periodo T02 y T13 mediante repositorio de Google Earth Engine (GEE).
Región T0 inicio: Fechas adquisición (dd/mm/aaaa)
T0 fin: Fechas adquisición (dd/mm/aaaa)
T1 inicio: Fechas adquisición (dd/mm/aaaa)
T1 fin: Fechas adquisición (dd/mm/aaaa)
Maule 01/11/2014 31/03/2015 01/11/2016 31/12/2016 Biobío 01/10/2013
31/01/2014 01/11/2016 31/12/2016
Araucanía 01/10/2013 31/01/2014 01/11/2016 03/01/2017 Los Ríos 01/10/2013 31/01/2014 01/11/2016 03/01/2017 Los Lagos 01/10/2013
31/01/2014 01/11/2016 31/12/2016
- Mosaico sin nubes y sombra de nubes: Se trabaja con el comando “.qualityMosaic” el cual
utiliza los resultados generados por las dos funciones de máscaras (nubes y sombras),
seleccionando el mejor píxel (con menor presencia de nubes y sombras de nubes),
generando un mosaico mediante la composición y combinación de los píxeles de las
escenas dentro del período de tiempo establecido para cada temporada. Sin embargo, es
posible que algunos píxeles dentro del mosaico final contengan nubes o sombras de nubes.
Esto se produce ya que en ocasiones, los píxeles contiene nubes o sombras de nubes en
todas las escenas del periodo de tiempo determinado. Para que estos píxeles no afecten el
resultado final, se procede a aplicar una nueva máscara de nubes y sombras de nubes para
eliminarlos completamente mediante la utilización de la banda de calidad Fmask.
Como resultado de la aplicación de la máscara Fmask, se encuentran zonas sin información al
interior de los mosaicos debido a la selección de píxeles con la menos presencia de nubes y
sombras de nubes dentro del periodo T0 Y T1 evaluado, presentando exclusión de
información en los mosaicos regionales como muestra la siguiente tabla:
Tabla 5 . Áreas con nubosidad permanente según región. Región Sup. Nube
(ha)
Sup. Regional
(ha)
% Nube
Regional
Maule 296.527,7 3.034.193,6 9,8
Biobío 380.896,6 3.710.483,9 10,3
Araucanía 967.703,7 3.180.336,7 30,4
Los Ríos 1.016.168,2 1.835.914,1 55,3
Los Lagos 2.978.056,6 4.839.333,1 61,5
2 De acuerdo a última actualización del mapa de usos y cambios de uso de la tierra 2013 o “Trazabilidad” de cambios de usos del catastro de Bosque Nativo (Winrock, UACH, INFOR, 2016). 3 En el caso de la región del Maule y Biobío se trabajará con fecha diciembre de 2016, debido a la ocurrencia de incendios forestales entre enero y febrero de 2017.
26
Para revertir esta situación, y contar con mosaicos regionales con la mayor cantidad de
superficie regional posible cubierta por píxeles sin nubes ni sombras, se decide incorporar
nuevas fechas del catálogo Landsat 8 disponible en la plataforma Google Earth Engine para
generar un nuevo mosaico en las zonas sin información del mosaico anterior. Este nuevo
mosaico está compuesto por píxeles de todo el año TO y T1, como indica la siguiente tabla:
Tabla 6. Imágenes Landsat 8 utilizadas para mosaico auxiliar en el periodo T0 y T1 mediante repositorio de Google Earth Engine (GEE).
Región T0 inicio: Fechas adquisición (dd/mm/aaaa)
T0 fin: Fechas adquisición (dd/mm/aaaa)
T1 inicio: Fechas adquisición (dd/mm/aaaa)
T1 fin: Fechas adquisición (dd/mm/aaaa)
Maule 01/01/2014 31/12/2015 01/01/2016 31/12/2016 Biobío 01/01/2013
31/12/2014 01/01/2016 31/12/2016
Araucanía 01/01/2013 31/12/2014 01/01/2016 31/12/2017 Los Ríos 01/01/2013 31/12/2014 01/01/2016 31/12/2017 Los Lagos 01/01/2013
31/12/2014 01/01/2016 31/12/2016
Cabe mencionar que este nuevo mosaico “auxiliar” fue utilizado sólo para las áreas en que el
mosaico original no tiene información y en estas zonas se aplicó el método multi-índices. Se
llevó a cabo de esta manera debido a que originalmente el método multi-índices está creado
para evaluar la estación de verano entre los periodos de interés T0 y T1, sin embargo, al no
contar con píxeles disponibles para estas fechas es que se decide incorporar estas zonas con
píxeles de todas las estaciones del año y de esta manera no excluir grandes territorio del
análisis de cambio de uso. Finalmente, con la inclusión del mosaico auxiliar, la superficie de
nube regional en este estudio se detalla en la tabla 7, existiendo una disminución considerable
en el territorio excluido del análisis de cambio de uso.
Tabla 7. Área excluida del estudio de cambio de uso del suelo, por región. Región Sup. Nube Sup. Regional % Nube
(ha) (ha) Regional
Maule 2.020,50 3.034.193,60 0,07%
Biobío 18.409,60 3.710.483,90 0,50%
Araucanía 1.975,60 3.180.336,70 0,06%
Los Ríos 3.691,00 1.835.914,10 0,20%
Los Lagos 753.652,90 4.839.333,10 15,57%
27
(i) Obtención de mosaicos libres de nubes mediante catálogo
multitemporal de imágenes Landsat 8
Finalmente, se obtienen como resultado los mosaicos de imágenes satelitales Landsat 8 con la
mayor cantidad de píxeles libre nubes y sombras de nubes que fueron descargados y
almacenadas en Google Drive. El sistema de proyección cartográfico a utilizar es WGS84, que
corresponde al sistema que GEE utiliza por defecto (se realizaron pruebas de descargar
directamente las imágenes base en sistema de proyección cartográfica UTM desde GEE, pero
arroja desplazamientos geométricos de algunos píxeles, por lo cual, se desestimó este
método).
Luego de la descarga y exportación de las imágenes base, se realiza la unión de todas las
imágenes, las cuales estaban separadas en provincias y comunas, para la obtención de un
mosaico único por fecha. Este proceso se realiza mediante un código de programación en
software R (ver Anexo 1: Generación de mosaicos T0 y T1).
Como se menciona anteriormente, las imágenes descargadas desde GEE vienen en el sistema
de proyección geográfica WGS 84 y en un tamaño de celda irregular de 27*29 m, por lo que es
necesario reproyectar los mosaicos por fecha (T0A, T0B, T1) al sistema de proyección
cartográfico UTM 18S. Simultáneamente, se remuestrea el valor del píxel a una celda regular
de 30*30 m, correspondiente al tamaño del píxel para Landsat 8. Este proceso se realizó en
software ArcGIS, utilizando la extensión Proyectar Raster, asignando Nearest Neighbour como
método de remuestreo (ver Anexo 1: Generación de mosaicos T0 y T1).
Posteriormente, se debe realizar el corte por el límite de cada región para así llevar a cabo el
resto de la metodología a nivel regional. El corte de los mosaicos se realizó con software R (ver
Anexo 1: Generación de mosaicos T0 y T1), utilizando como base vectorial de las divisiones
políticas administrativas (DPA) a la cobertura vectorial realizada por ODEPA (ODEPA, 2015).
Cada escena reproyectada, remuestreada y cortada por el límite regional, es validada
visualmente en su calce geométrico por medio de la consulta de filas y columnas de cada
escena para cada fecha evaluada.
28
(ii) Mosaico base T0, T1
La expresión espacial de estos mosaicos generados se muestra en la Figura 4.
Mosaico T0 Mosaico T1
Figura 4. Mosaicos T0 y T1
29
b) ETAPA 2: Coberturas de pérdidas y ganancias
El objetivo principal de esta etapa es la obtención de las coberturas ráster de pérdidas y
ganancias en bosque nativo, mediante la aplicación del método Multi-índices (adaptado) en
los mosaicos T0 y T1 obtenidos en la etapa anterior. Para ello, fue necesario determinar los
umbrales empíricos para los índices espectrales NDVI y DNBR, en cuanto a cambios del uso
bosque nativo a otros usos o viceversa. Estas coberturas son llamadas “en bruto”, porque en la
etapa siguiente se les realizarán una serie de geoprocesos para suavizar y mejorar la
geometría de las zonas detectadas como cambios de uso en bosque nativo.
Figura 5. Resumen metodológico de Etapa 2: Coberturas de pérdidas y ganancias.
(i) Método Multi-índices
Tras la realización de un taller de expertos, que convocó tanto a profesionales como
académicos vinculados a técnicas y metodologías de teledetección y percepción remota
aplicadas a la temática de uso y cambios de uso de la tierra, realizado en Santiago durante el
año 2016, en donde se evaluó una serie de criterios de relevancia para la selección de una
metodología de detección de cambios de usos de la tierra, se determinó que la metodología
Multi-índices o MIICA (Jin, Yang, Danielson, Homer, Xian, & Fry, 2013) era la metodología con
mayor preferencia dentro de otros métodos de teledetección de cambios de usos, debido a
Método Multi-índices
(Adaptación a uso bosque
nativo)
Creación de muestras de
cambios de uso de bosque
nativo
Evaluación de valores NDVI y
dNBR en muestras
Determinación de punto de
corte espectral (umbrales)
Elaboración de código del
método multi-índices con umbrales definidos
Cobertura ráster «en bruto» de pérdidas y
ganancias de bosque nativo
Mosaico
Base T0 y T1
(etapa 1)
30
que el método satisface una serie de propósitos, entre ellos la actualización con mayor
periodicidad del catastro de los recursos vegetacionales, los compromisos de la estrategia de
Cambio Climático, que también apoyo a las actividades de fiscalización forestal y
compromisos del proyecto SIMEF.
Los criterios evaluados mediante análisis multicriterio durante el taller de expertos se
incorporan en la metodología de la siguiente manera:
a) Precisión: La precisión de MIICA está asociada a unidad mínima cartografiable de 0,27
ha vinculada a las imágenes del sensor Landsat 8. Estas imágenes proveen las bandas
espectrales necesarias para calcular los índices espectrales NDVI y dNBR.
b) Exactitud: La exactitud de MIICA está asociada al acierto de la metodología en la
detección de cambios (ganancias y pérdidas). Si bien la exactitud del método se
obtiene al calcular la matriz de confusión de la Clasificación Supervisada Random
Forest (CSRF), esta matriz se calcula sobre los polígonos de cambios detectados con
MIICA. Cada región, y cada clase (uso de la tierra) tienen su propia exactitud. De esta
manera, se obtiene la exactitud de MIICA de manera indirecta. Cabe mencionar, que es
preciso que una consultora externa valide en terreno los polígonos de cambio para
obtener la exactitud real de MIICA.
c) Costos: El costo de MIICA se desglosa en 3 ítems:
a. Terrenos: El terreno está reservado solo para la etapa de validación de los
polígonos de cambio (consultora externa). Las áreas de entrenamiento se
realizan con la herramienta Google Earth e imágenes del sensor Landsat 8,
complementando con la cobertura vectorial del Catastro de Bosque nativo por
región.
b. Horas Persona: Esta metodología, está elaborada de manera tal, que los
procesos ejecutados, sean aplicados de manera semi-automatizada, donde
haya menos investigación y más aplicación. Por tanto, se ha invertido tiempo
en desarrollar y replicar una serie de algoritmos de procesamiento de datos
raster y vectoriales, descritos en un protocolo de trabajo, con el objetivo, de
que la metodología pueda replicarse por otros operadores (sin mayor
complejidad) en un menor tiempo de procesamiento.
c. Software: Para reducir costos en este ítem, se ha priorizado el trabajo de
procesamiento de datos en software libres. Existen algunos procesos (10%)
que se realizan en software de pago (ArcGis principalmente), mientras que el
resto de procesos (90%) es en software libre (R, Qgis, Google Earth, Google
Earth Engine, Collect Earth).
d) Interoperabilidad: Este criterio está enfocado a que todos y cada uno de los procesos
ejecutados por la metodología MIICA sean replicables por operarios de CONAF en
regiones. De esta manera, se elaboró un protocolo de trabajo, donde se detalla cada
proceso ejecutado, el cómo se hizo, y qué herramienta y software se utilizó. Los
scripts, algoritmos y procesos, están definidos paso a paso.
31
La metodología Multi-índices se basa en la combinación de 4 índices espectrales que, a través
de ciertas reglas de integración, entregan una cobertura de cambio de uso de la tierra
indicando la magnitud y direccionalidad del cambio (pérdidas y ganancias). Para esto, es
necesario realizar pruebas empíricas de los respectivos umbrales para determinar, localizar y
medir la magnitud y direccionalidad del cambio.
Los índices utilizados en éste método son: dNBR (Normalized difference burn ratio), dNDVI
(Normalized difference vegetation index), CV (Change Vector), RCVmax (Relatived Change
Vector). Su comportamiento y aporte al método se describe a continuación:
- dNBR (Key & Benson, 2005)
Índice ocupado para el monitoreo y detección de cambios, en magnitud y dirección,
producidos por incendios y por alteraciones en las condiciones de humedad de la vegetación.
Altamente sensible a la regeneración del bosque y a cosechas debido a que detecta variaciones
en el contenido de humedad de la vegetación (banda del infrarrojo medio) y a alteraciones en
la estructura interna de la vegetación (banda del infrarrojo cercano).
Ecuación 1: Normalized difference burn ratio dNBR.
( )
( ) ( )
( )
Donde, B1i (con i = 4, 7) denota la i-ésima banda de Landsat del primer periodo de tiempo a
evaluar. B2i (con i = 4, 7) denota la i-ésima banda de Landsat del segundo periodo de tiempo a
evaluar.
- dNDVI (Rouse, 1973)
Índice utilizado en la detección de cambios de vigor de la vegetación. Muy sensible a la
regeneración del bosque y a cosechas. Indica magnitud y dirección del cambio en base
alteraciones en la estructura interna de la vegetación (banda del infrarrojo cercano), como
también a la mayor o menor concentración de clorofila en la vegetación (banda Roja).
Ecuación 2: Normalized difference vegetation index dNDVI.
( )
( ) ( )
( )
Donde, B1i (con i = 4, 3) denota la i-ésima banda de Landsat del primer periodo de tiempo a
evaluar. B2i (con i = 4, 3) denota la i-ésima banda de Landsat del segundo periodo de tiempo a
evaluar.
- RCVmax (Fry, y otros, 2011)
32
Índice que mide el cambio espectral relativo entre 2 fechas. Indica direccionalidad y magnitud
del cambio. Utiliza 7 bandas del sensor Landsat 8 (aerosol, azul, verde, roja, infrarrojo
cercano, infrarrojo medio 1 e infrarrojo medio 2).
Ecuación 3: Relatived Change Vector RCVmax.
∑
( )
Donde, B1i (con i = 1,…, 7) denota la i-ésima banda de Landsat del primer periodo de tiempo a
evaluar. B2i (con i = 1,…, 7) denota la i-ésima banda de Landsat del segundo periodo de tiempo
a evaluar. Max(B1i,B2i) corresponde al máximo valor de B1i y B2i.
- CV (Xian & Homer, 2009)
Entrega valor absoluto del cambio. Utiliza 7 bandas del sensor Landsat 8 (aerosol, azul, verde,
roja, infrarrojo cercano, infrarrojo medio 1 e infrarrojo medio 2).
Ecuación 4: Change Vector CV.
∑( )
Donde, B1i (con i = 1,…, 7) denota la i-ésima banda de Landsat del primer periodo de tiempo a
evaluar. B2i (con i = 1,…, 7) denota la i-ésima banda de Landsat del segundo periodo de tiempo
a evaluar.
(ii) Adaptación del método: Evaluación umbrales de Bosque Nativo
En base a los requerimientos para el anexo REDD+, en cuanto a las categorías del mapa final
de cambio de uso de la tierra que se desea obtener, se adapta el método Multi-índices
previamente descrito, evaluándose tanto los índices como los umbrales de los mismos
enfocados en el uso Bosque Nativo. Para ello, se realizaron múltiples pruebas enfocadas en el
análisis estadístico, respecto del comportamiento de los índices y el ajuste de estos a los
cambios espectrales detectados y potenciales cambios de usos (mayor detalle de estos análisis
en apartado iv).
(iii) Creación de muestras de cambios de usos de bosque nativo
Para enfocar el análisis de umbrales de corte en zonas de cambio de uso, se tomaron 73
muestras de cambios de pérdida en uso Bosque Nativo (Tabla 8) distribuidas en las cinco
regiones de análisis, las que fueron creadas y evaluadas mediante análisis visual y temporal a
través de Google Earth Pro. Posteriormente, estos polígonos de cambio de uso de bosque
33
nativo se transformaron a formato ráster que luego se convirtieron a formato punto mediante
software ArcGIS, obteniéndose un total de 15.015 registros en forma de punto.
Posteriormente, los puntos fueron cruzados con los índices NDVI en T0, NDVI en T1, dNDVI y
dNBR, con el objeto de obtener los valores de estos índices para cada punto de cambio de uso
real, y así tener la distribución estadística multivariada de los datos, determinar la forma en
que las variables se relacionan entre sí y lograr determinar posibles umbrales empíricos para
los índices (ver Anexo 2: Generación de coberturas de pérdidas y ganancias).
La creación de las muestras de cambios de uso de bosque nativo se realizaron en cuanto a la
proporción del tamaño regional, como también en en función de las situaciones que se
pudieron detectar visualmente como cambios de uso de la tierra.
Tabla 8: Muestras para evaluación de umbrales Bosque Nativo
Región Polígonos Muestra Bosque
Puntos Muestras Bosque
Maule 13 3569
Biobío 12 4107
Araucanía 14 1604
Los Ríos 13 1417
Los Lagos 21 4318
Total 73 15015
(iv) Evaluación de valores NDVI y NBR en muestras
Como primer resultado, se observa un alto grado de relación lineal entre las variables dNDVI
y dNBR (r=0,88, p-value <0,00001), por tanto, ambas variables fluctúan de la misma manera
en su comportamiento. A partir de esto, se puede inferir que si un índice detecta un cambio (a
nivel espectral) el otro también recoge esa misma información, aun cuando se usan diferentes
bandas para la construcción de estos índices. Además, como se puede observar en la Figura 6,
este comportamiento es consistente en todas las regiones evaluadas.
34
Figura 6: dNDVI vs dNBR en puntos de cambio de uso de la tierra.
El segundo análisis realizado establece la nula relación entre el NDVI en T0 vs NDVI en T1, sin
embargo, cuando los datos se cruzan con la información del índice dNBR, se observa que los
altos valores de dNBR se concentran en la esquina inferior derecha del gráfico (Figura 7). Los
puntos en esta zona del gráfico corresponden a una combinación de altos valores de NDVI en
T0 (vegetación vigorosa) junto con bajos valores de NDVI en T1 (perdida de vigorosidad en la
vegetación). Por otra parte, altos valores de dNBR implican que existe una alta disminución en
el contenido de humedad y en el vigor de la vegetación, por tanto están asociados a
potenciales perdidas de vegetación, dando cuenta de la correlación entre ambos índices
mencionada anteriormente. Esto permitiría usar un umbral de corte del índice dNBR para los
datos de NDVI T0 y T1, estableciendo aquellos valores de potenciales perdidas de vegetación.
35
Figura 7: NDVI en T0 vs NDVI en T1 en puntos de cambios de usos de la tierra.
A partir de este punto, en base a los valores de dNBR, se determinaron los valores umbrales
para pérdidas y ganancias (espectrales) en Bosque Nativo. Para el caso de las pérdidas, el
valor de corte corresponde a 0,27, por tanto, todos los valores mayores e iguales a esta cifra
son potenciales pérdidas (Figura 8). Este valor corresponde al usado por la USGS para
determinar áreas de incendios categorizadas como severidad media baja, donde en estas
superficies ya existiría una importante pérdida de la cobertura vegetal (Key & Benson, 2005).
Por otra parte, en cuanto a las ganancias, el valor de dNBR a usar correspondió a -0,1, por
tanto todos los valores menores a -0,1 podrían ser potenciales ganancias al uso Bosque
Nativo. Este valor también es usado por la USGS para determinar áreas de incendios
categorizadas como crecimiento mejorado bajo (Key & Benson, 2005).
36
Figura 8: NDVI en T0 vs NDVI en T1 aplicando valores de dNBR mayores e iguales a 0,27 en puntos de cambios de usos real.
37
(v) Cobertura Pérdidas y Ganancias T0
A partir de los resultados de la evaluación de umbrales usando las muestras de cambios de
uso real en Bosque Nativo, se elabora y aplica un código de programación para la obtención de
pérdidas y ganancias en Bosque Nativo a partir de los índices NDVI enT0 y T1, NBR en T0 y T1
y dNBR. Para transparentar este proceso, se explicará a continuación el razonamiento
utilizado para la obtención de pérdidas y ganancias utilizando los umbrales definidos para los
índices NDVI y NBR.
- Pérdidas
Para comenzar, la cobertura de Trazabilidad 2013 fue transformada de formato vectorial a
formato ráster y codificada en base al atributo subuso de la Tierra (ver sección 4, c). Este
cambio de formato se realizó debido a que algunos de los geoprocesos dentro de este
protocolo requieren del formato ráster para el desarrollo de la metodología (ver Anexo 2:
Generación de coberturas de pérdidas y ganancias). Para el caso de las perdidas, el código
selecciona los píxeles correspondiente al uso Bosque Nativo de cada región y con esta
cobertura se hace una máscara para los índices NDVI T0 y T1, NBR T0 y T1 y dNBR, de manera
de trabajar solo con los valores de estos índices en el uso Bosque Nativo.
(i)Shapefile Trazabilidad 2013 (ii)Ráster Trazabilidad 2013 (iii)Píxeles Bosque Nativo
Figura 9. Ejemplo de visualización de transformaciones a cobertura Trazabilidad para determinación de pérdidas, IX región.
Posteriormente, se calcula el promedio, tanto para NDVI T0 como para NDVI T1, y se
selecciona el menor valor entre ambos promedios. A partir de este punto, todos los píxeles
cuyos valores de NDVI en T0 como en T1 que sean mayores al mínimo valor promedio se
descartan, pues estos píxeles no representan cambios correspondientes a pérdidas sino solo
serían fluctuaciones espectrales propias de la vegetación y que están dentro los promedios
esperados para dicha formación vegetal. Si un píxel tiene un valor de NDVI T0 menor a NDVI
T1, este píxel se descarta, porque no correspondería a una perdida, dado que si bien su
vigorosidad medida a nivel espectral, es más baja que el mínimo de los promedios, el vigor en
el tiempo T1 es mayor que en el tiempo T0, por tanto no es una perdida.
Por otra parte, aquellos píxeles cuyos valores de NDVI en T1 fueron menores al menor
promedio entre T0 y T1 fueron analizados. Si el valor de NDVI del píxel en T1 es menor que en
T0, esto se considera como una potencial perdida, dado que la vigorosidad a nivel espectral ha
38
disminuido entre las dos temporadas y esta disminución es menor que el promedio de NDVI
de ambas temporalidades A estos píxeles de perdida potencial se les aplica una máscara
donde los píxeles cuyo valor de dNBR es mayor a 0,27 tienen valor 1 y el resto sin valor. Por
tanto, los píxeles de pérdida potencial, donde el valor de NDVI T1 es menor a NDVI T0, y a su
vez, son menores al mínimo promedio de NDVI T0 y T1, y cuyo valor de dNBR es mayor a 0,27,
son seleccionados como píxeles de cambios.
Adicionalmente, se analizaron los valores de los píxeles para los índices NBR T0 y T1. Si un
píxel presenta un valor de NBR T0 menor que NBR T1, este píxel es descartado, por que
indicaría que el contenido de humedad y vigorosidad han aumentado de T0 a T1, mientras
que en el caso contrario, donde el valor del píxel en NBR T0 es mayor que en NBR T1, se
considera que es una potencial perdida. A estos pixeles de potencial perdida se les aplicó la
máscara de dNBR >= 0,27, de manera de seleccionar solo aquellos píxeles que cumplan esta
condición, para posteriormente crear una máscara de los píxeles de NBR T1 generados con
anterioridad.
Por último, basándose en los resultados entregados por las muestras de cambio de uso real, a
los píxeles de NDVI T1 seleccionados como píxeles de cambios se les aplicó una última
máscara utilizando los píxeles de NBR T1 anteriormente nombrados. Si existe un perdida, ésta
debería reflejarse en ambos índices por la relación lineal entre ellos, por tanto, al aplicar esta
máscara los resultados deberían permanecer iguales y solo se descartarían los píxeles de
cambios en NDVI T1 si el cambio es percibido solo por índice NDVI y no por el NBR (ver Anexo
2: Generación de coberturas de pérdidas y ganancias: Script de detección de pérdidas, y
generación de la cobertura de pérdidas).
- Ganancias
Debido a que el método Multi-índices es un método espectral, y el período de tiempo entre T0
y T1 es breve en comparación a la dinámica de crecimiento de los bosques nativos chilenos, se
determinó que el único uso que podría cambiar al uso Bosque Nativoy ser detectado
espectralmente, sería el uso Matorral Arborescente. El código generado selecciona los píxeles
correspondiente al uso Matorral Arborescente de cada región. Con esta cobertura se hace una
máscara para los índices NDVI T0 y T1, NBR T0 y T1, y dNBR, de manera de trabajar solo con
los valores de estos índices para este uso.
Posteriormente, se calcula el promedio tanto para NDVI T0 y como para NDVI T1 y se
selecciona el mayor valor entre ambos promedios. Todos los píxeles cuyos valores de NDVI en
T0 como en T1 que sean menores al máximo valor promedio entre las dos temporadas de
NDVI se descartan, pues estos píxeles no representan cambios correspondientes a ganancias,
producto que no habría un aumento en la vigorosidad (a nivel espectral) sino que los valores
se encuentran dentro de los valores promedios de NDVI de ambas temporadas. Por otra parte,
aquellos píxeles cuyos valores de NDVI en T1 que son mayores al máximo valor promedio
entre T0 y T1 fueron considerados para los análisis. Si un píxel tiene un valor de NDVI T0
mayor a NDVI T1, este píxel se descarta, ya que no correspondería a una ganancia, porque si
39
bien su vigorosidad medida por medio del índice NDVI es más alta que los promedios
calculados para ambas fechas, el vigor en el tiempo T1 es menor que para el tiempo T0, por
tanto este píxel no puede ser considerado una ganancia. Por otra parte, si el valor de NDVI del
píxel en T1 es mayor que en T0, este se considera como una ganancia potencial, por que la
vigorosidad a nivel espectral ha incrementado entre las dos temporadas y este aumento es
mayor que el promedio de NDVI de ambas temporadas.
A estos píxeles de ganancia potencial, se les aplica una máscara donde los píxeles cuyo valor
de dNBR es menor a -0,10 están reclasificados con el valor 1 y el resto sin valor. Por tanto, los
píxeles de ganancia potencial, donde el valor de NDVI T1 es mayor a NDVI T0, y a su vez,
superan al máximo valor promedio de NDVI T0 y T1, y cuyo valor de dNBR es menor a -0,10,
son seleccionados como píxeles de cambios. Adicionalmente, se analizaron los valores de los
píxeles para los índices NBR T0 y T1. Si un píxel presenta un valor de NBR T0 mayor que NBR
T1, este píxel es descartado, por que indicaría que el contenido de humedad y su vigorosidad
han disminuido de T0 a T1, mientras que en el caso contrario, donde el valor del píxel en NBR
T0 es menor que en NBR T1, se considera que es una potencial ganancia. A estos pixeles de
potencial ganancia se les aplicó la máscara de dNBR <= 0,10, de manera de seleccionar solo
aquellos píxeles que cumplan esta condición, para posteriormente crear una máscara en base
a los valores de NBR T1 resultantes. Por último, a los píxeles de NDVI T1 seleccionados como
píxeles de cambios se les aplicó una última máscara utilizando los píxeles de NBR T1
anteriormente nombrados. Si existe un ganancia, ésta debería reflejarse en ambos índices por
la relación lineal entre ellos, por tanto al aplicar esta mascara los resultados deberían
permanecer iguales y solo se descartarían los píxeles de cambios en NDVI T1 si el cambio es
percibido solo por índice NDVI y no por el NBR (ver Anexo 2: Generación de coberturas de
pérdidas y ganancias).
Como se ha mencionado, el resultado final de esta etapa corresponde a la cobertura ráster “en
bruto” de perdidas y ganancias. Los resultados preliminares por región las detalla la siguiente
tabla:
Tabla 9. Resultados Cobertura ráster “en bruto” de pérdidas y ganancias (ha).
Perdidas (P)
Ganancias (G)
Cambios (P+G)
[ha] [ha] [ha]
Maule 2.941,56 17.045,91 19.987,47
Biobio 5.496,12 12.720,42 18.216,54
Araucania 8.258,04 6.810,21 15.068,25
Los Rios 2.395,44 1.390,05 3.785,49
Los Lagos 13.347,63 4.388,85 17.736,48
Total 32.438,79 42.355,44 74.794,23
40
e) ETAPA 3: Edición y depuración de resultados
El objetivo principal de la etapa 3 es la obtención de la cobertura vectorial depurada de
ganancias y pérdidas de bosque nativo, la que debe pasar por una serie de procesos de filtrado
para generar una cobertura suavizada, sin píxeles aislados y donde la superficie mínima de
cambio es mayor e igual a 0,27 ha. Además, con el fin de mejorar y evaluar con mayor grado
de precisión las coberturas de ganancia en Bosque Nativo (Restitución), se solicita y evalúan
datos auxiliares de empresas forestales, los que serán una referencia documental para este
estudio.
Figura 10. Resumen metodológico de Etapa 3: Edición y depuración de resultados.
(i) Vectorización y aplicación Buffer Out - Buffer in en pérdidas y ganancias
Las coberturas de cambios (pérdidas y ganancias por separado), que se encuentran en
formato ráster, se transforman a formato vectorial. Posteriormente, se les aplica un Buffer con
una distancia de 30 metros (Buffer Out). Lo que se pretende es unir aquellos polígonos que se
encuentran separados por la distancia de 30 metros, lo que equivale a un píxel para las
Vectorización de pérdidas y
ganancias
Aplicación Buffer Out y
Buffer In (+ - 30 m)
Aplicación de función Clump
(Kernel 4 celdas)
Filtro por superficie (0,27 ha)
Aplicación Buffer Out (5,76 m)
Suavizado por método
snakes (Qgis)
Aplicación Buffer In
(-5 m)
Cobertura vectorial
pérdidas y ganancias de
bosque nativo
Cobertura ráster «en bruto»
de pérdidas y ganancias de
bosque nativo en T0 (etapa
2)
41
imágenes multiespectrales del sensor Landsat 8 OLI y que pueden pertenecer a una misma
zona de cambio.
A continuación, a esta capa Buffer out se les aplica otro buffer con una distancia de -30 m
(Buffer in) con la intención de volver a la superficie anterior que fue detectada con el método
espectral, desagregando los polígonos de cambio que superaban la distancia de 30 metros.
Posteriormente, las nuevas áreas de cambio se les aplica un filtro de superficie eliminado
aquellas áreas de cambio menores a 0,27 ha, es decir, cambios que ocurren entre uno y dos
píxeles (ver Anexo 2: Generación de coberturas de pérdidas y ganancias).
(i) Vectorización (ii) Buffer Out (iii)Buffer In (iv) Filtro superficie
Figura 11. Ejemplo de visualización de la aplicación de buffer out-in y filtro por superficie.
(ii) Suavizado de pérdidas y ganancias T0
A las coberturas de pérdidas y ganancias (por separado) se les aplica un buffer de 5,76 metros.
Este buffer se aplica antes de procesar el suavizado de polígonos ya que al momento de
suavizar se pierden esquinas de los polígonos que están con una geometria “cuadrada”, lo que
implica que todos aquellos polígonos de 0,27 ha queden con una superficie <0,27 ha, por
tanto, en el filtro de superficie posterior se eliminen, restando así, superficie de cambio
(ganancia o pérdida). Debido a esto, se hizo necesario incorporar este buffer antes del proceso
de suavizado. El valor de 5,76 m se calculó en base una fórmula que permite por una parte
mantener los polígonos de 0,27 tras el suavizado, así como también, no sumar nueva
superficie a los 0,27 ha.
A continuación, se les aplica un suavizado en QGIS a través de la función v.generalize.smooth,
la cual proviene de la librería de GRASS. Se selecciona el método snake, método que está
diseñado para alisar las esquinas dentadas (como es el caso de la transformación de un raster
a polígono) y se configuran los parámetros alfa y beta en 7 y 4 respectivamente. Los
parámetros alfa y beta son los que definen la rigidez de las líneas. Valores < 1 entregan
mejores resultados respecto de conservar la forma original de las líneas y evitar errores
topológicos debido al desplazamiento. Por el contrario, si los valores son >1 pueden generarse
desplazamientos que aumenten los errores topológicos. Se recomienda encontrar estos
valores por ensayo y error (Bundala & Bergenheim, 2017).
Posteriormente, se les aplica otro buffer con una distancia de -5,0 metros, y como la salida del
buffer entrega un solo polígono, se aplica la función de “Expandir entidad multiparte” ubicada
42
en la barra de Edición Avanzada de ArcGIS, para obtener un ID para cada polígono generado
(ver Anexo 2: Generación de coberturas de pérdidas y ganancias).
(i) Filtro superficie (ii) Buffer Out 5,76 m (iii)Suavizado (iv) Buffer In -5 m
Figura 12. Ejemplo de visualización de la aplicación de buffer out, suavizado y buffer in.
Finalmente, luego de la aplicación de los filtros y suavizados descritos anteriormente, se
obtienen las coberturas resultantes con las zonas de cambios de usos de la tierra de bosque
nativo, de ellas se realiza un cálculo de superficie que se presenta en la siguiente tabla (Tabla
10). Si comparamos los resultados “en bruto, existe una disminución de 15.102 hectáreas de
cambio total. Cabe mencionar que estas superficies no corresponden a los resultados finales
de pérdidas y ganancias ya que aún no se han realizado el cruce con los usos del suelo lo que
alterará la geometría de los polígonos resultantes, en donde algunos de ellos serán inferiores
a la unidad minima cartografiable (0.27 hectáreas) debiendo ser eliminados de este estudio.
Tabla 10. Resultados Cobertura vectorial de pérdidas y ganancias (ha) de bosque nativo en
T0.
Perdidas (P)
Ganancias (G)
Cambios (P+G)
[ha] [ha] [ha]
Maule 2.782,71 12.254,46 15.037,17
Biobio 5.367,05 12.517,66 17.884,71
Araucania 7.410,88 3.077,47 10.488,35
Los Rios 1.607,76 964,13 2.571,89
Los Lagos 10.736,82 2.973,42 13.710,24
Total 27.905,23 31.787,14 59.692,36
43
f) ETAPA 4: Atributación mediante clasificación supervisada
El objetivo principal de la etapa 4 corresponde a la asignación del uso de la tierra a la
cobertura vectorial de perdidas generada en la etapa anterior, de esta forma, atributar los
cambios de usos en T1 (la dirección del cambio de uso del bosque nativo) mediante la
aplicación de una clasificación supervisada en el mosaico base T1 generando una cobertura de
cambios de usos con atributos en T1; y por otra parte, atributar las zonas donde no se han
detectado cambios de uso de bosque nativo mediante un reemplazo de píxeles en base a
trazabilidad 2013, a través de la aplicación de múltiples reglas de decisión. Una vez realizado
ambos procesos, se realiza una intersección que tendrá como resultado una cobertura de usos
y cambios de usos con atributos en T1, la que será el insumo para el proceso de validación de
la clasificación supervisada en la etapa posterior.
Figura 13. Resumen metodológico de Etapa 4: Atributación mediante clasificación
supervisada.
Creación de áreas de
entrenamiento por clase de
uso de la tierra
Evaluación de separabilidad de
muestras de entrenamiento
Fase asignación: clasificador
Random Forest
Atributación de pérdidas
según clasificación supervisada
Atributación de usos 2016:
Reemplazo píxeles en
base a Trazabilidad
2013
Cobertura usos 2016
∩ Cobertura cambios
atributada
Cobertura de cambios de usos con atributos en
T1
Cobertura usos y
cambios de usos con
atributos en T1
Cobertura vectorial
pérdidas de bosque
nativo en T0 (etapa 3)
Clasificación Supervisada
Mosaico Base T1
(etapa 1) e imágenes
“parche”
44
(i) Clasificación Supervisada en T1
El principal objetivo que se persigue en la realización de la clasificación supervisada en T1 fue
obtener los de uso de la tierra (IPCC 2006) de las coberturas al año 2016.
Existen varios métodos para clasificar una imagen satelital óptica, sin embargo, uno de los
algoritmos de clasificación de imágenes más utilizados en teledetección es Random Forest.
Este algoritmo es un clasificador de coberturas que utiliza arboles de decisión como
clasificadores base, donde cada árbol (o clasificador) contribuye con un voto para la
asignación de la clase más frecuente (Breiman, 2001).
- Mosaico de imágenes para clasificación supervisada
Las clasificaciones supervisadas se realiza sobre los Mosaicos Base T1 (proceso descrito en
sección 6, etapa 1, ii) como también en otras escenas Landsat 8 que deciden incluirse a modo
de “parche” para las regiones Los Rios y Los Lagos, considerando que el Mosaico original
generado en la etapa 1 para ambas regiones presentaba más del 50% de su territorio sin
información4.
Las imágenes fueron descargadas desde el sitio https://earthexplorer.usgs.gov/, las cuales se
reproyectaron al sistema de proyección WGS-84 UTM 18S, remuestreadas a 30 metros,
corregistradas con mosaico T0 (2013-2014) en ArcGIS y corregidas atmosféricamente
mediante modelo Dark Object Subtraction o DOS (Chávez, 1988) en QGIS (Figura 14 y Figura
15). Las fechas de adquisición en las escenas “parche” utilizadas se muestran en la Tabla 13.
Tabla 11: Caracteristicas de imágenes "parche" utilizadas en la clasificación supervisada.
Región Nombre Path/Row Fecha (dd-mm-AAAA)
XIV Los Ríos 233/088 17-01-2017
X Chiloé norte 233/089 25-07-2016
X Chiloé sur 233/090 25-07-2016
X Palena 232/090 29-04-2016
4 Esta situación es revertida a través de la generación de nuevos mosaicos para estas zonas sin información (ver etapa 1, i), sin embargo, se decide trabajar con las escenas “parche” para la clasificación supervisada por presentar mejores resultados y menos confusión al ser escenas de una fecha única, no así el mosaico generado para zonas sin información que tiene una composición de imágenes de un año entero, presentando todas las estaciones y diversas situaciones que derivan en mayor confusión para realizar la clasificación supervisada.
45
Figura 14: Mosaico T1 región de Los Ríos.
46
Figura 15: Mosaico T1 región Los Lagos.
47
- Determinación del número de áreas de entrenamiento por clase de
uso de la tierra
Los usos de la tierra de interés definidos por este proyecto corresponden a 11 y siguen los
lineamientos de IPCC 2006 (Tabla 1). Considerando que la clasificación supervisada se aplicó
sobre un mosaico de imágenes del sensor Landsat 8 compuesto por 7 bandas espectrales, cada
uso de la tierra necesita al menos 8 muestras por región (Chuvieco, 2006). Estas muestras
fueron obtenidas de la cobertura vectorial de Trazabilidad de cambios del Bosque Nativo por
región, las que fueron evaluadas y ajustadas con Google Earth y con la imagen a clasificar en
T1 correspondiente a cada región. A las muestras aplicadas (ver Anexo 3: Clasificación
supervisada) se les aplicó un proceso buffer in de 15 metros en ArcGIS para obtener muestras
puras, de esta forma no incorporar el ruido de los bordes producto del cambio de clase
ocurrido en las zonas de interfaces de coberturas.
Tabla 12: Número de muestras por usos de la Tierra modificados provenientes de categorías IPCC 2006.
Categoría Usos de la Tierra Maule Biobío Araucanía Los Ríos Los Lagos TOTAL
1 Asentamientos 28 11 14 16 19 88
2** Tierras de Cultivo
41 28 22 31 9 131
3 Praderas 11 18 15 44 33 128
4 Matorral 10 16 14 16 17 73
5 Matorral Arborescente
9 14 14 15 21 73
6* Plantación 11 51 16 22 22 122
7 Bosque Nativo 9 21 15 23 68 131
8 Humedales 5 17 13 10 31 76
9 Áreas desprovistas de Vegetación
10 9 8 12 25 64
10 Nieves y Glaciares
43 17 13 7 27 107
11 Cuerpos de Agua 10 6 9 10 29 64
12* Cosecha Forestal 32 15 10 19 15 91
13** Cosecha Agrícola 31 11 12 26 20 100
TOTAL 250 234 175 251 338 1248
* La categoría 12 corresponde a categorías 6
** La categoría 13 corresponde a categoría 2
48
- Evaluación de separabilidad de muestras de entrenamiento
Para obtener la pureza de las muestras, es necesario evaluarlas estadísticamente a través de
su separabilidad, es decir, evaluar el comportamiento espectral de cada una de las muestras
para evitar confusión de clases. Existen diferentes métodos para evaluar la separabilidad, en
este caso se aplicó una evaluación de Divergencia Transformada en software ENVI, donde un
reporte evalúa pares de clase las varianzas y covarianzas espectrales obteniéndose valores
que van de 0 a 2. Según éste método, una clase se diferencia de otra si el valor de
separabilidad es mayor a 1,9, mientras que si ese valor es menor a 1 no hay diferencia entre
clases para lo cual es necesario unir las muestras. Cuando el valor fluctúa entre 1 y 1,89 es
necesario redefinir las muestras. Se realizó este análisis para las muestras por clase de uso
para cada región, donde se ajustaron y redefinieron dos veces las muestras por clase (ver
Anexo 3: Clasificación supervisada).
- Fase de asignación
Para asignar las categorías de usos de la tierra sobre la imagen de 2016/2017 (T1), se aplicó
el clasificador Random Forest, a través de software R, el script se puede consultar en el Anexo
3: Clasificación supervisada.
Random Forest actúa como árbol de decisión, donde se integran y ajustan distintas reglas de
decisión en base al comportamiento espectral de las categorías a analizar, tomando de
referencia las muestras de entrenamiento y las bandas espectrales utilizadas. Para la
aplicación de este método es necesario:
Precisar el número de píxeles por clase: Este valor se refiere a la cantidad de
píxeles aleatorios dentro de la serie de imágenes que Random Forest utilizará por
cada clase para calcular las estadísticas y asignar la clasificación. Para cada región
se aplicó 1.000 píxeles por clase.
Precisar la probabilidad de clasificación: Considerando que las muestras son
aleatorias, definir cuál es la probabilidad de que el píxel clasificado pertenezca a tal
clase. Se ingresa una probabilidad esperada que después se traduce en la obtención
de 2 imágenes: una que muestra solo los píxeles que cumplen con la probabilidad,
enmascarando el resto de la imagen; y otra imagen que muestra la clasificación
pero con los valores de probabilidad de cada píxel de cada clase. En este caso la
probabilidad de clasificación aplicada corresponde al 75%.
49
(ii) Atributación de pérdidas según clasificación supervisada
Este proceso consiste en asignar las categorías de usos de la tierra obtenidas de clasificación
supervisada Random Forest a la cobertura vectorial de pérdidas de bosque nativo en T0
resultantes de la adaptación al método Multi-índices (ver sección 6, ETAPA 3).
Para llevar a cabo la intersección de las pérdidas de bosque nativo con el resultado de la
clasificación supervisada, es necesario realizar previamente una serie de geoprocesos a la
cobertura ráster resultante de la clasificación supervisada en T1. Esto, con el objetivo de
reducir los pixeles aislados con representatividad nula y generalizar la clasificación mediante
filtros espaciales y así la clase predominante absorba a los pixeles aislados.
Figura 16. Geoprocesos efectuados a la cobertura de clasificación supervisada para la atributación de pérdidas en bosque nativo.
El primer geoproceso a realizar es la aplicación iterativa (3 veces) del filtro de mayoría (o
majority filter) disponible en ArcGIS. Este filtro reemplaza las celdas según la mayoría de sus
celdas vecinas contiguas, para esto se utiliza una matriz cuadrada (kernel) de 4 vecinos.
Resultado ráster de clasificación supervisada
Aplicación majority filter (iteración3
veces)
Conversión a Vector (Raster to polygon)
Intersección con cobertura pérdidas de
bosque en T0 (Intersect)
Filtro por superficie: eliminación de
polígonos <0,27 ha (Eliminate)
Agregación campo «Nid» (id con
números negativos)
Suavizado de polígonos
Recalculo de áreas Cobertura «cambios»
atributada en T1
50
Figura 17. Ejemplo de visualización de la aplicación de filtro de mayoría (derecha) en
resultado de clasificación supervisada (izquierda) en IX región.
Luego, se procede a transformar la cobertura ráster a formato vectorial con su respectivo
atributo de categoría de uso de la tierra, proceso que también puede realizarse a través de
ArcGIS en su módulo Raster to polygon. Posteriormente, se realiza la intersección entre las
coberturas vectoriales de la clasificación supervisada y cambios de uso (previamente
suavizada, ver sección 6, c, ii) para asignar el uso T1 a los cambios de usos y por último se
eliminan los polígonos menores a 0,27 ha por ser inferiores a la unidad mínima cartografiable.
Ambos procesos se realizan respectivamente mediante el módulo Intersect y Eliminate
disponibles en ArcGIS (los 3 procesos filtrado, vectorización e intersección se pueden
consultar en el Anexo 4: Atributación de cambios).
En el caso de las ganancias, la atributación de éstas provienen directamente del resultado del
proceso Multi-índice (ver sección 6, ETAPA 2, v), las cuales cumplen con la condición de
provenir de Matorral Arborescente en T0 y cambia a Bosque Nativo en T1.
A partir de la cobertura atributada de pérdida y ganancia, se genera una nueva capa vectorial
denominada cobertura de cambios. A esta capa de cambios se le agrega un nuevo campo
(denominado Nid), el cual es un “id” pero con números negativos (esto tiene directa relación
con la programación realizada para generar la nueva base de datos de Trazabilidad 2016,
explicado en la sección 4, c) y finalmente se realiza otro proceso de suavizado mediante la
función “Suavizado” ubicada en la barra de Edición Avanzada de ArcGIS. Se utiliza el valor dos
para el desplazamiento máximo permisible y se recalculan las áreas para cada polígono (ver
Anexo 4: Atributación de cambios).
51
Figura 18. Ejemplo de visualización de la aplicación de suavizado (derecha) en cobertura de cambios atributada (izquierda) en IX región.
52
(iii) Atributación de usos 2016: Reemplazo píxeles en base a
Trazabilidad 2013
Una vez atributados los cambios de usos de la tierra detectados por el método multi-indices,
es necesario atributar el resto de los usos de la tierra que no se han detectado como pérdidas
ni ganancias en bosque nativo. Este resultado con usos de la tierra 2016 tiene por único
objetivo ser el insumo utilizado para la posterior validación de la clasificación supervisada.
Figura 19. Geoprocesos efectuados a la cobertura de clasificación supervisada para la atributación de usos de la tierra 2016.
- Reemplazo de píxeles en base a trazabilidad 2013
Dado que el resultado de la clasificación supervisada mediante Random Forest puede entregar
como resultado una cobertura con zonas que presentan mucha variabilidad entre un píxel y
sus vecinos, o áreas cuyos píxeles presentan un cambio de uso entre T0 y T1 con nula o poca
posibilidad que ocurra (e.g. cambio de Asentamientos a Nieves y Glaciares), se desarrolló un
algoritmo que permite arreglar estos resultados en base a una serie de reglas de decisión que
evalúan y compara el uso entregado por la clasificación supervisada con la última cobertura
de Trazabilidad disponible (2013). Adicionalmente, se incorpora un modelo digital de terreno
(DEM) para evaluar algunos usos con respecto a la altitud. Todas las reglas de decisión se
evalúan y aplican pixel a píxel generando una nueva cobertura en formato raster (ver Anexo
3: Clasificación supervisada).
Resultado ráster de clasificación supervisada
Reemplazo de píxeles en base a trazabilidad
2013
Aplicación de majority filter (iteración 2
veces)
Reemplazo de píxeles en base a trazabilidad
2013, segunda fase
Filtro kernel 3x3 a cada uso separado (iteración 2 veces)
Agregación de píxeles sin información
Resultado ráster con usos de la tierra 2016
53
Las reglas de decisión se basan en la dinámica conocida del territorio, en las posibilidades o
imposibilidades de ocurrencia de los cambios de uso de la tierra en el periodo evaluado y
también en los alcances que presenta la metodología, como muestra la siguiente matriz:
Tabla 13. Reglas de decisión para reemplazo de píxeles, en base a Trazabilidad 2013.
Clasificación Supervisada 2016
Ase
nta
mie
nto
Tier
ras
de
cult
ivo
Pra
der
a
Mat
orr
al
Mat
orr
al A
rbo
resc
ente
Pla
nta
ció
n
Bo
squ
e N
ativ
o
Hu
med
ales
AD
DV
Nie
ves
y G
laci
ares
Cu
erp
os
de
agu
a
Tra
za
bilid
ad
201
3
Asentamiento
Tierras de cultivo
Pradera
Matorral DEM
Matorral Arborescente DEM
Plantación DEM DEM
Bosque Nativo DEM DEM
Humedales DEM
ADDV DEM
Nieves y Glaciares
Cuerpos de agua
Donde:
1) Baja o nula posibilidad de ocurrencia del cambio de uso
2) Alcance metodologico (confusión espectral)
3) Preferencia histórica Trazabilidad 2013
4) Posibilidad de ocurrencia del cambio de uso
DEM 5) Posibilidad de ocurrencia condicionada a cota altitudinal
6) Sin cambio de uso
54
En base a esta matriz definida por este equipo de trabajo, el reemplazo de píxeles se llevó a
cabo de la siguiente manera:
1) Baja o nula posibilidad de ocurrencia del cambio de uso
Estas situaciones se establecieron en relación al periodo de evaluación del cambio de uso de la
tierra, siendo este 2013-2016 (2014 para VII Región) siendo este muy corto para la
ocurrencia de algunos cambios de usos de la tierra. Por lo tanto, si un píxel de la cobertura de
trazabilidad 2013 ha cambiado, según la clasificación supervisada 2016, a algún uso con baja
o nula posibilidad de ocurrencia, entonces este píxel mantendrá el uso asignado al año 2013
por la cobertura de trazabilidad.
2) Alcance metodológico (confusión espectral)
Estas situaciones se establecieron en relación a dos factores. El primero, corresponde a
cambios de uso que son altamente susceptibles a confusiones espectrales (por ejemplo, las
tierras de cultivo que se encuentran en fase de barbecho o suelo duesnudo, y la clasificación
supervisada puede confundir estos píxeles con áreas de alta reflectividad, como
asentamientos o áreas sin vegetación). El segundo factor corresponde a cambios que
generalmente son detectados como Cuerpos de Agua por áreas con nubosidad en el mosaico,
generando confusión en la cobertura final. Por lo tanto, si un píxel de la cobertura de
trazabilidad 2013 ha cambiado, según la clasificación supervisada 2016, a algún uso con
alcance metodológico, entonces este píxel mantendrá el uso asignado al año 2013 por la
cobertura de trazabilidad.
3) Preferencia histórica a Trazabilidad 2013
Estas situaciones se establecieron en función a la dinámica de los usos Praderas-Tierras de
Cultivo y viceversa, como también para los usos Humedales-Cuerpos de Agua. Esta dinámica
del territorio es generalmente cíclica y para evitar confusión se decide crear una preferencia
histórica en estos cambios de usos. Por lo tanto, si un píxel de la cobertura de trazabilidad
2013 ha cambiado, según la clasificación supervisada 2016, a algún uso con preferencia
histórica a Trazabilidad 2013, entonces este píxel mantendrá el uso asignado al año 2013 por
la cobertura de trazabilidad.
4) Posibilidad de ocurrencia del cambio de uso
Estas situaciones se establecieron en base a los cambios de usos más recurrentes que no
presentan alcances metodológicos en su detección. Por lo tanto, si un píxel de la cobertura de
trazabilidad 2013 ha cambiado, según la clasificación supervisada 2016, a algún uso con
posibilidad de ocurrencia, entonces a este píxel se le asignará el uso que indica la clasificación
supervisada al año 2016.
5) Posibilidad de ocurrencia condicionada a cota altitudinal
55
Estas situaciones se establecieron en base a los cambios de usos más recurrentes que no
presentan alcances metodológicos en su detección, pero que se condicionaron a una cota
altitudinal a través de un modelo digital de terreno (DEM) para su posibilidad de ocurrencia.
Para todos los usos con esta situación se determinó empíricamente la altitud máxima en la
que se pueden presentar estos cambios de uso, en función de los datos presentados por la
cobertura de trazabilidad. Por lo tanto, si un píxel de la cobertura de trazabilidad 2013 ha
cambiado, según la clasificación supervisada 2016, a algún uso con posibilidad de ocurrencia
condicionada a cota altitudinal, entonces a este píxel se le asignará el uso que indica la
clasificación supervisada al año 2016, siempre que este píxel no supere la cota establecida
(región del Maule: 750 m.s.n.m.; región del Biobío: 470 m.s.n.m.; región de la Araucanía: 650
m.s.n.m.; región de Los Ríos: 120 m.s.n.m.; región de Los Lagos: 120 m.s.n.m.); en caso de
superar la cota, al píxel se asignará el uso asignado al año 2013 por la cobertura de
trazabilidad.
6) Sin cambio de uso
En estas situaciones se mantiene uso de la tierra asignado en 2013 al año 2016, y el píxel
mantiene el uso histórico según la trazabilidad 2013.
Figura 20. Ejemplo de visualización de la aplicación de reemplazo de píxeles (derecha) en cobertura de clasificación supervisada (izquierda) en IX región.
- Aplicación de majority filter
A la cobertura obtenida a partir del reemplazo de píxeles se le aplica un filtro mayoritario
(mayority filter) dos veces consecutivas. Este filtro se aplicó en ArcGIS mediante la función del
mismo nombre. Con esto se busca reemplazar celdas, basándose en el valor mayoritario de las
celdas contiguas de manera de eliminar posibles píxeles aislados que generen ruidos en la
cobertura final. Esta función se aplicó considerando dos parámetros, el número de vecinos y el
56
umbral de reemplazo. En cuanto al número de vecinos se usó un kernel de ocho, es decir, se
consideró todos los vecinos alrededor de un píxel, mientras que el umbral de reemplazo se
usó la opción de mayoría, dicho en otros terminos, que al menos cinco de ocho celdas deben
estar conectadas y tener el mismo valor alrededor del píxel para generar un reemplazo de
valores, sino el valor de la celda se mantiene (en este caso, el valor de la celda corresponde al
uso). Para mayor información consultar Anexo 3: Clasificación supervisada).
Figura 21. Ejemplo de visualización de la aplicación de filtro mayoritario dos veces consecutivas (derecha) sobre cobertura de clasificación supervisada con reemplazo de pixeles
(izquierda) en IX región.
- Reemplazo de píxeles en cobertura T1: segunda fase
A la cobertura resultante de la etapa anterior se le vuelven a aplicar reglas de decisión que
vinculan la cobertura de trazabilidad 2013 con la nueva cobertura de usos de la tierra 2016. El
motivo para la aplicación de estas reglas se debe a que se da preferencia al uso histórico que
está presente en la cobertura de trazabilidad más que los cambios inducidos por la aplicación
de filtros, donde no se tiene la certeza de cuanta modificación en la cobertura de usos de la
tierra puede generar el filtrado mayoritario. Al igual que en la primera fase de reemplazo de
píxeles, este se basa en reglas de decisión y que se detallan a continuación:
57
Tabla 14. Reglas de decisión para reemplazo de píxeles segunda fase, en base a Trazabilidad 2013.
Clasificación Supervisada 2016
Ase
nta
mie
nto
Tier
ras
de
cult
ivo
Pra
der
a
Mat
orr
al
Mat
orr
al A
rbo
resc
ente
Pla
nta
ció
n
Bo
squ
e N
ativ
o
Hu
med
ales
AD
DV
Nie
ves
y G
laci
ares
Cu
erp
os
de
agu
a
Tra
za
bilid
ad
201
3
Asentamiento
Tierras de cultivo
Pradera
Matorral
Matorral Arborescente
Plantación
Bosque Nativo
Humedales
ADDV
Nieves y Glaciares
Cuerpos de agua
Donde:
1) Baja o nula posibilidad de ocurrencia del cambio de uso
2) Cambio revisado en análisis de ganancias
3) Preferencia histórica Trazabilidad 2013
4) Posibilidad de ocurrencia del cambio de uso
5) No hay presencia de este tipo de cambio
6) Sin cambio de uso
1) Baja o nula posibilidad de ocurrencia del cambio de uso
Estas situaciones se establecieron en relación al periodo de evaluación del cambio de uso de la
tierra, siendo este 2013-2016 (2014 para VII Región) siendo este muy corto para la
ocurrencia de algunos cambios de usos de la tierra. Por lo tanto, si un píxel de la cobertura de
trazabilidad 2013 ha cambiado, según la clasificación supervisada 2016, a algún uso con baja
o nula posibilidad de ocurrencia, entonces este píxel mantendrá el uso asignado al año 2013
por la cobertura de trazabilidad.
58
2) Cambio revisado en análisis de ganancias
Este cambio de uso de la tierra (Matorral Arborescente a Bosque Nativo) fue analizado en la
generación de ganancias (ver etapa 2, (v) Cobertura pérdidas y ganancias), de esta manera
este análisis ya está incorporado en este estudio de cambios de uso mediante la aplicación del
método multi-índicesy si se identifican cambios de este tipo a partir de la clasificación
supervisada, no serán considerados como cambios. Por lo tanto, si un píxel de Matorral
Arborescente de la cobertura de trazabilidad 2013 ha cambiado, según la clasificación
supervisada 2016, al uso Bosque NAtivo, entonces este píxel mantendrá el uso de Matorral
Arborescente asignado al año 2013 por la cobertura de trazabilidad.
3) Preferencia histórica a Trazabilidad 2013
Estas situaciones se establecieron en función a la dinámica de los usos Praderas-Tierras de
Cultivo y viceversa, como también para los usos Humedales-Cuerpos de Agua. Esta dinámica
del territorio es generalmente cíclica y para evitar confusión se decide crear una preferencia
histórica en estos cambios de usos. Por lo tanto, si un píxel de la cobertura de trazabilidad
2013 ha cambiado, según la clasificación supervisada 2016, a algún uso con preferencia
histórica a Trazabilidad 2013, entonces este píxel mantendrá el uso asignado al año 2013 por
la cobertura de trazabilidad.
4) Posibilidad de ocurrencia del cambio de uso
Estas situaciones se establecieron en base a los cambios de usos más recurrentes que no
presentan alcances metodológicos en su detección. Por lo tanto, si un píxel de la cobertura de
trazabilidad 2013 ha cambiado, según la clasificación supervisada 2016, a algún uso con
posibilidad de ocurrencia, entonces a este píxel se le asignará el uso que indica la clasificación
supervisada al año 2016.
5) No hay presencia de este tipo de cambios
Estas situaciones no se presentaron, por lo que son excluidas de las reglas de decisión.
6) Sin cambio de uso
En estas situaciones se mantiene uso de la tierra asignado en 2013 al año 2016 y el píxel
mantiene el uso histórico según la trazabilidad 2013.
- Filtro kernel 3x3
Adicionalmente, después de este reemplazo píxel a píxel, se aplica un filtro mediante una
ventana móvil con un kernel de 3x3 para cada uso por separado, de manera de reducir los
píxeles aislados y obtener usos con una superficie mínima de 0,27 ha (tres píxeles) (ver Anexo
59
3: Clasificación supervisada). La aplicación de esta ventana móvil se realiza dos veces
consecutivas. La regla que se utilizó es la siguiente:
- Si un píxel esta contiguo a otros dos (se considera contiguo cuando los píxeles están unidos
por sus bordes, no por sus vértices) se mantiene con el mismo valor (de uso) en la cobertura,
en caso contrario, este píxel queda como un píxel sin información (no data).
- Agregación de píxeles sin información
En última instancia, se generó una regla la cual tiene como objetivo rellenar con información a
aquellos píxeles que quedaron sin información del paso anterior. Esta regla sería de la
siguiente manera:
- Si un píxel en la cobertura de trazabilidad tiene un valor dentro de los once subusos
utilizados (Asentamientos, Tierras de Cultivos, Praderas, Matorral, Matorral Arborescente,
Plantación, Bosque Nativo, Humedales, Áreas Desprovistas de Vegetación, Nieves y Glaciares o
Cuerpos de Agua) y en la cobertura proveniente del paso anterior ese mismo píxel no posee
información, se mantiene el uso de la cobertura de trazabilidad, para no generar una capa
final con vacíos de información.
(iv) Intersección de reemplazo de píxeles con cobertura de cambios
El resultado del proceso reemplazo de píxeles en formato raster fue integrado con el resultado
del proceso de cobertura de cambios. Para esto fue necesario convertir de formato vectorial a
formato raster la capa denominada cobertura de cambios; este proceso se realizó con software
ArcGIS, extensión Vector to Raster; posteriormente se integra este resultado a la capa
denominada reemplazo de píxeles; este proceso se realiza con software ArcGIS, extensión
Image Analysis (ver Anexo 4: Atributación de cambios). De esta manera se obtiene como
resultado la cobertura T1.
60
e) ETAPA 5: Validación mediante Collect Earth
El objetivo principal de esta etapa corresponde a la validación de la cobertura de usos de la
tierra para T1 con todos los filtros aplicados (reemplazo de píxeles, reglas de decisión, filtro
mayoritario, etc.). El proceso de validación se realiza mediante Collect Earth (descripción del
software en sección 3, d), en donde se determina cuan cercano a la realidad es el uso de la
tierra asignado en T1 según los resultados de la clasificación supervisada con sus respectivos
procesos aplicados posteriormente.
Figura 22. Resumen metodológico de Etapa 5: Validación mediante Collect Earth.
(i) Validación
Para estos efectos, se evaluaron aproximadamente 1000 muestras por región, las que fueron
asignadas proporcionalmente en relación a la superficie (ha) del uso de la tierra para cada
región siguiendo el esquema de un diseño estratificado aleatorio. A cada muestra se le asigna
una encuesta, generada por el software Open Foris Collect, la cual es integrada a la plataforma
Google Earth mediante la herramienta Collect Earth (ver Anexo 4: Atributación de cambios)
para su interpretación visual mediante la serie histórica de imágenes satelitales y registro de
estos datos. De esta manera se puede corroborar si la clasificación supervisada está en
concordancia a lo que se muestra en la realidad registrando el acierto o desacierto (Figura
23), reemplazando de esta forma la visita de puntos a validar en terreno.
1000 Muestras
por región
Asignación de encuestas
mediante Open Foris
Collect a muestras
Fotointerpretación mediante
catálogo temporal
Google Earth
Registro en encuestas en formato CSV
y transformación a formato
Shapefile
Elaboración de matriz de
confusión
Cálculo de fiabilidad o
error
Cobertura usos y
cambios de usos
con atributos en T1
(etapa 4)
61
Figura 23: Ejemplo encuesta Collect Earth integrada a Google Earth.
62
(ii) Cálculo de fiabilidad de clasificación supervisada
Con el resultado de la validación se obtienen aproximadamente 1000 puntos a analizar por
región registrados en un archivo en formato CSV, en el cual cada punto viene con una serie de
atributos, los que incluyen el sistema de coordenadas. El archivo CSV es importado a un GIS
(QGIS) permitiendo su transformación a formato shapefile. De esta manera se obtienen 1000
puntos georreferenciados con su respectiva Base de Datos (BBDD).
Figura 24: Ejemplo de registros de validación en formato CSV transformados a shapefile
Con los puntos georreferenciados y su base de datos en formato shapefile, se exporta la
información del archivo en formato DBF, al software Excel, donde a través de tablas dinámicas
se obtiene la matriz de confusión por región para obtener el nivel de error o fiabilidad de la
clasificación supervisada (ver Anexo 4: Atributación de cambios).
Como resultado, se obtuvo que las regiones con menor error en la clasificación global son la
región de Los Ríos (17% error), seguida por la región de Los Lagos (19% error); por el
contrario, la región con mayor error es la Araucanía (41%). Respecto de la categoría Bosque
Nativo, presenta un error de comisión menor al 12%. Los resultados del proceso de validación
por región, y sus respectivas matrices de confusión, se muestran de la Tabla 17 a la Tabla 21.
(iii) Matrices de confusión
63
Región del Maule
Tabla 15: Matriz de confusión región del Maule.
REALIDAD
Uso de la Tierra 1 2 3 4 5 6 7 8 9 10 11 TOTAL
Total con
cambio Error de Comisión
Exactitud de Usuario
Cla
sifi
caci
ón
1 6 1 0 0 1 1 1 0 1 0 0 11 5 0,00 0,00
2 1 55 11 28 35 37 34 2 1 0 0 204 149 0,73 0,27
3 0 2 33 10 2 8 1 0 0 0 0 56 23 0,41 0,59
4 0 20 7 79 2 3 2 0 0 0 0 113 34 0,30 0,70
5 0 0 2 4 37 0 2 0 0 0 0 45 8 0,18 0,82
6 0 37 7 11 19 93 37 0 3 0 2 209 116 0,56 0,44
7 0 1 1 1 9 5 138 0 0 0 0 155 17 0,11 0,89
8 0 0 0 0 0 0 0 1 0 0 0 1 0 0,00 1,00
9 0 0 0 21 3 0 3 1 91 0 1 120 29 0,24 0,76
10 0 0 0 1 0 0 0 0 3 68 0 72 4 0,06 0,94
11 0 0 0 0 1 0 1 0 2 0 8 12 4 0,33 0,67
TOTAL 7 116 61 155 109 147 219 4 101 68 11 998
Total con cambio 1 61 28 76 72 54 81 3 10 0 3
Error de Omisión 0,14 0,53 0,46 0,49 0,66 0,37 0,37 0,75 0,10 0,00 0,27
Exactitud del Productor 0,86 0,47 0,54 0,51 0,34 0,63 0,63 0,25 0,90 1,00 0,73
Fiabilidad Global 0,61
64
Región del Biobío
Tabla 16: Matriz de confusión región del Biobío.
REALIDAD
Uso de la Tierra 1 2 3 4 5 6 7 8 9 10 11 TOTAL
Total con cambio
Error de Comisión
Exactitud de Usuario
Cla
sifi
caci
ón
1 5 0 1 0 1 6 1 0 1 0 0 15 10 0,67 0,33
2 1 62 15 13 30 49 26 0 0 0 0 196 134 0,68 0,32
3 0 1 29 11 1 17 2 0 4 2 0 67 38 0,57 0,43
4 1 4 2 41 6 4 7 1 0 0 0 66 25 0,38 0,62
5 0 0 0 0 19 2 9 0 0 0 0 30 11 0,37 0,63
6 1 4 10 12 18 244 37 0 1 0 0 327 83 0,25 0,75
7 0 0 0 5 7 12 199 0 1 0 0 224 25 0,11 0,89
8 0 0 0 0 0 0 0 2 0 0 0 2 0 0,00 1,00
9 0 0 3 14 7 1 8 0 18 0 0 51 33 0,65 0,35
10 0 0 0 0 0 0 0 0 0 6 0 6 0 0,00 1,00
11 0 0 0 0 0 0 0 0 0 0 15 15 0 0,00 1,00
TOTAL 8 71 60 96 89 335 289 3 25 8 15 999
Total con cambio 3 9 31 55 70 91 90 1 7 2 0
Error de Omisión 0,38 0,13 0,52 0,57 0,79 0,27 0,31 0,33 0,28 0,25 0,00
Exactitud del Productor 0,63 0,87 0,48 0,43 0,21 0,73 0,69 0,67 0,72 0,75 1,00
Fiabilidad Global 0,64
65
Región de la Araucanía
Tabla 17: Matriz de confusión región de la Araucanía.
REALIDAD
Uso de la Tierra 1 2 3 4 5 6 7 8 9 10 11 TOTAL
Total con cambio
Error de Comisión
Exactitud de Usuario
Cla
sifi
caci
ón
1 0 1 2 2 0 7 1 0 0 0 0 13 13 1,00 0,00
2 0 133 15 11 13 26 29 2 0 0 1 230 97 0,42 0,58
3 0 1 56 10 6 19 39 1 0 1 0 133 77 0,58 0,42
4 0 7 7 16 1 1 12 0 1 0 0 45 29 0,64 0,36
5 0 0 1 2 10 2 4 0 0 0 0 19 9 0,47 0,53
6 0 60 23 5 4 97 13 0 0 0 0 202 105 0,52 0,48
7 0 1 4 6 5 17 257 1 2 0 0 293 36 0,12 0,88
8 0 0 2 0 0 0 0 1 2 0 0 5 4 0,80 0,20
9 0 0 0 3 0 4 15 0 7 2 1 32 25 0,78 0,22
10 0 0 0 0 0 0 1 0 0 7 0 8 1 0,13 0,88
11 0 1 2 2 0 4 2 0 2 1 5 19 14 0,74 0,26
TOTAL 0 204 112 57 39 177 373 5 14 11 7 999
Total con cambio 0 71 56 41 29 80 116 4 7 4 2
Error de Omisión 0,00 0,35 0,50 0,72 0,74 0,45 0,31 0,80 0,50 0,36 0,29
Exactitud del Productor 0,00 0,65 0,50 0,28 0,26 0,55 0,69 0,20 0,50 0,64 0,71
Fiabilidad Global 0,59
66
Región de Los Ríos
Tabla 18: Matriz de confusión región de Los Ríos.
REALIDAD
Uso de la Tierra 1 2 3 4 5 6 7 8 9 10 11 TOTAL
Total con cambio
Error de Comisión
Exactitud de Usuario
Cla
sifi
caci
ón
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00 0,00
2 0 3 0 0 0 0 0 0 0 0 0 3 0 0,00 1,00
3 1 0 95 8 7 20 22 1 0 0 0 154 59 0,38 0,62
4 0 1 1 9 1 1 2 0 3 0 0 18 9 0,50 0,50
5 0 0 0 0 6 0 8 0 0 0 0 14 8 0,57 0,43
6 0 5 2 4 1 113 16 0 1 0 0 142 29 0,20 0,80
7 0 1 6 9 16 20 550 0 2 0 0 604 54 0,09 0,91
8 0 0 0 0 0 0 1 4 0 0 0 5 1 0,20 0,80
9 0 0 0 0 0 0 2 0 23 0 1 26 3 0,12 0,88
10 0 0 0 0 0 0 0 0 0 4 1 5 1 0,20 0,80
11 0 0 0 0 0 1 1 0 0 0 27 29 2 0,07 0,93
TOTAL 1 10 104 30 31 155 602 5 29 4 29 1000
Total con cambio 1 7 9 21 25 42 52 1 6 0 2
Error de Omisión 1,00 0,70 0,09 0,70 0,81 0,27 0,09 0,20 0,21 0,00 0,07
Exactitud del Productor 0,00 0,30 0,91 0,30 0,19 0,73 0,91 0,80 0,79 1,00 0,93
Fiabilidad Global 0,83
67
Región de Los Lagos
Tabla 19: Matriz de confusión región de Los Lagos.
REALIDAD
Uso de la Tierra 1 2 3 4 5 6 7 8 9 10 11 TOTAL
Total con cambio
Error de Comisión
Exactitud de Usuario
Cla
sifi
caci
ón
1 3 0 0 0 0 1 0 0 0 0 0 4 1 0,25 0,75
2 0 2 1 0 3 0 1 0 0 0 0 7 5 0,71 0,29
3 2 0 115 11 8 3 16 1 1 0 0 157 42 0,27 0,73
4 0 0 11 18 2 0 9 0 0 0 0 40 22 0,55 0,45
5 0 0 2 0 18 0 5 0 0 0 0 25 7 0,28 0,72
6 0 0 4 1 1 14 1 0 0 0 0 21 7 0,33 0,67
7 2 1 22 7 13 0 491 0 10 2 2 550 59 0,11 0,89
8 0 0 1 1 2 0 1 6 0 0 0 11 5 0,45 0,55
9 1 0 1 6 1 0 17 0 52 1 1 80 28 0,35 0,65
10 0 0 0 1 0 0 3 0 0 51 1 56 5 0,09 0,91
11 0 0 8 0 0 0 1 0 0 1 38 48 10 0,21 0,79
TOTAL 8 3 165 45 48 18 545 7 63 55 42 999
Total con cambio 5 1 50 27 30 4 54 1 11 4 4
Error de Omisión 0,63 0,33 0,30 0,60 0,63 0,22 0,10 0,14 0,17 0,07 0,10
Exactitud del Productor 0,38 0,67 0,70 0,40 0,38 0,78 0,90 0,86 0,83 0,93 0,90
Fiabilidad Global 0,81
68
(f) ETAPA 6: Cobertura cambio de uso de Bosque Nativo 2016
Para la obtención de la cobertura de cambios de uso para Bosque Nativo al año 2016, es
necesario integrar a la cobertura vectorial de Trazabilidad 2013 (ver sección 4, c) la cobertura
vectorial de cambios atributada en T1 en formato shapefile (ver sección 6, ETAPA 4). De esta
manera, se tiene un registro histórico de los cambios para la categoría Bosque Nativo:
Deforestación, Degradación, Aumento de Existencias, Bosques que permanecen como Bosque,
y Otros Usos de la Tierra, respectivamente (ver sección 3, c).
Figura 25. Resumen metodológico de Etapa 6: Cobertura final cambio de uso de Bosque Nativo 2016.
(i) Integración geométrica de cambios de uso de la tierra a cobertura
de Trazabilidad 2016
El objetivo de este paso es integrar a la cobertura vectorial de trazabilidad 2013, la geometría
de los elementos espaciales identificados como cambios de uso de bosque nativo, y generar
campos que luego serán utilizados para la creación de la base de datos de la cobertura final de
cambios de usos 2017. Para esto se deben realizar una serie de geoprocesos como muestra la
siguiente figura, que son detallados a continuación:
Integración geométrica de cambios de usos de la tierra
Integración alfanumérica a BBDD trazabilidad 2016
Cobertura final cambios de uso de bosque nativo 2016
(Trazabilidad 2016)
Cobertura cambios de
usos con atributos en
T1 (etapa 4)
Trazabilidad
2013
69
Figura 26. Geoprocesos efectuados a las coberturas Trazabilidad 2013 y Cambios de usos con atributos T1, para la integración geométrica de los cambios de uso en la cobertura final de
cambios de uso de bosque nativo 2016.
A la cobertura de trazabilidad se le agrega un campo denominado “IDtra”, el cual le da un ID
único a cada polígono de esta cobertura. Esto permite hacer el seguimiento de ese polígono a
través de los sucesivos procesos que se desarrollaran en los próximos pasos.
La cobertura de cambios suavizada se intersecta con la cobertura de trazabilidad, a los
polígonos resultantes se les aplica la función de “Expandir entidad multiparte” ubicada en la
barra de Edición Avanzada de ArcGIS, se recalcula el área y se eliminan los polígonos
resultantes menores a 0,27 ha. Se recomienda que después de la intersección borrar todos los
70
campos, a excepción de “IDtra”, proveniente de la cobertura de trazabilidady mantener el
campo del uso T1 y el campo Nid de la cobertura de cambios (ver Anexo 5: Cobertura de
cambios de uso de bosque nativo).
A la cobertura de Trazabilidad 2013 se le aplica la función erase (ArcGIS) o deferencia (QGIS)
con los nuevos polígonos de cambios generados, de manera de borrar en la cobertura de
trazabilidad la posición de los polígonos de cambios (ver Anexo 5: Cobertura de cambios de
uso de bosque nativo).
Posteriormente, la cobertura de Trazabilidad con “agujeros” se junta con la cobertura de
cambios (suavizada, intersectada, explosionada y filtrada por superficie) mediante la función
merge (ArcGIS) o unión (QGIS). En este punto, es importante conservar los siguientes campos
de las coberturas de trazabilidad y de cambios:
Trazabilidad: SUBdIPCCT3, IDtra
Cambios: Nid, T1, IDtra (este último campo, renombrarlo de otra manera por
ejemplo “IDtra_cambios”)
Luego, se debe generar un nuevo campo en esta capa llamado “ID_Traza”. En ArcGIS se debe
correr el siguiente script en lenguaje Python en la calculadora de campo:
En Pre-logic (primer cuadro blanco):
def reclass(x,y):
if x<0:
return x
else:
return y
ID_Traza = (segundo cuadro blanco):
reclass( !Nid!, !IDtra!)
Este script lee el campo “Nid”, si este es negativo (lo cual corresponde a un polígono de cambio) este valor se asigna al campo “ID_traza”; si el valor es positivo (polígono sin cambios), se asigna el valor del polígono de trazabilidad del campo “IDTra”. En Pre-logic es importante respetar los espacios precedentes a las funciones if, else (dos espacios) y return (cuatro espacios).
Adicionalmente, se genera otro campo llamado “Uso_T1”.En ArcGIS se debe correr el siguiente
script en lenguaje Python en la calculadora de campo:
En Pre-logic:
def reclass(x,xx,xxx): if x<0: return xx
71
else: return xxx
Uso_T1=:
reclass( !Nid!, !T1! , !SUBdIPCCT3!)
Este script lee el campo “Nid”, si este es negativo (lo cual corresponde a un polígono de
cambio) se asigna el valor del campo “T1” al campo nuevo campo “USO_T1”; por el contrario,
si el valor es positivo (polígono sin cambios), se asigna el valor del campo “SUBdIPCCT3” al
campo “USO_T1”.
Finalmente, se genera un tercer campo denominado “ID_T0”. En ArcGIS se debe correr el
siguiente script en lenguaje Python en la calculadora de campo:
En Pre-logic:
def reclass(x,xx,xxx): if x<0: return xx else: return xxx
Uso_T1=:
reclass( !Nid!, !IDtra_cambios!, !IDtra!)
Este script lee el campo “Nid”, si este es negativo (lo cual corresponde a un polígono de
cambio), se asigna el valor del campo “IDtra_cambios” al campo nuevo campo “ID_T0”; por el
contrario, si el valor es positivo (polígono sin cambios) se asigna el valor del campo “IDtra” al
campo “ID_T0”.
En la base de datos se deben dejar estos tres primeros campos en el orden “ID_Traza”,
“Uso_T1” y “ID_T0”. Adicionalmente, se debe incorporar un campo que tenga la superficie de
cada polígono (ver Anexo 5: Cobertura de cambios de uso de bosque nativo).
A esta cobertura,producto de la unión de Trazabilidad con los cambios y que posee los tres
campos anteriores anteriormente nombrados, se le aplica la función de “Expandir entidad
multiparte” ubicada en la barra de Edición Avanzada de ArcGIS. A la cobertura resultante es
necesario recalcular las áreas de cada polígono. A continuación, seleccionar las superficies
menores a 0,27ha y aplicar la función eliminate (ArcGIS), asegurándose de que estos polígonos
pequeños sean absorbidos por el polígono de mayor área. En QGIS, usar la función eliminar
polígonos <<astillas>> seleccionando el campo de área como atributo, con un valor menor a
0,27 ha y con la opción de “combina la selección con el polígono vecino” con la opción de “Área
más grande” seleccionada. Recalcular las áreas a la nueva capa, para verificar si se eliminaron
todos los polígonos menores a 0,27 ha. En caso de que todavía queden algunos, se repite este
paso hasta que desaparezcan o que el programa arroje la misma cantidad de polígonos
72
menores a 0,27 ha, al aplicar esta función varias veces (ver Anexo 5: Cobertura de cambios de
uso de bosque nativo).
(ii) Integración alfanumérica de cambios de uso de la tierra a cobertura
de Trazabilidad 2016
Obtenida esta capa, se procede a su atributación en el software R, con un script llamado
“Base_datos_<región>_E_parallel.R” (ver Anexo 5: Cobertura de cambios de uso de bosque
nativo). Este script vincula la nueva capa de usos de la tierra con la base de datos de la
cobertura de trazabilidad2013, agregando los campos correspondientes para el periodo 2016.
ADVERTENCIA: Este script fue construido en base a procesos de computación paralela. Esto
quiere decir, hace trabajar cada núcleo del (de los) procesador(es) de manera independiente (de
ahí el término “computación paralela”), por tanto utiliza toda la capacidad de procesamiento
del computador. El uso de todos los núcleos del computador trae como consecuencia un
calentamiento más de lo normal, por lo que se recomienda no utilizar el computador para otras
funciones, esto podría traer un sobrecalentamiento y eventualmente un posible daño a la
máquina. Por otra parte, la incorporación de estos procesos mediante computación paralela se
debe a que sin estos procesos, el script demoraría varios días en su ejecución. Por tanto, el
proceso de computación paralela permite acortar el tiempo de ejecución, lo cual no significa que
el proceso se demore poco tiempo (horas), pudiendo haber casos que el algoritmo complete su
proceso dentro de tres días. El tiempo de ejecución va a depender principalmente de la cantidad
de polígonos a atributar y del tamaño del área de estudio.
La lógica de este algoritmo es la siguiente:
1) La nueva cobertura de usos tiene un campo denominado “ID_T0”. El algoritmo busca cada
uno de los valores de este campo, en el en el campo “IDtra” de la cobertura de
Trazabilidad, copiando todos sus atributos en la nueva capa
2) Se comparan los valores de los campos “ID_Traza” con “ID_T0”, si estos campos son
coincidentes y el campo “Uso_T1” es distinto a los valores correspondientes a los usos
Matorral Arborescente, Plantación o Bosque Nativo, el algoritmo copia los valores de los
campos de la última actualización (tiempo T3) de la cobertura de trazabilidad a los
campos del tiempo T4, los que corresponden a la actualización 2016. Estos usos
atributados corresponderían a la categoría de “Otros usos permanentes”.
3) Si los valores de los campos “ID_Traza” y “ID_T0” son iguales y el campo “Uso_T1”
presenta los valores correspondientes a los usos Matorral Arborescente, Plantación o
Bosque Nativo, el algoritmo copia los valores de los campos de la última actualización
(tiempo T3) de la cobertura de trazabilidad a los campos del tiempo T4, los que
corresponden a la actualización 2016. Sin embargo, se deja especificado el paso de T3 a
T4 para estos usos, es decir, de Matorral Arborescente a Matorral Arborescente, de
73
Plantación a Plantación o de Bosque Nativo a Bosque Nativo, para mantener la misma
estructura de la base de datos de la cobertura de trazabilidad. Cabe mencionar que el
paso de Bosque Nativo a Bosque Nativo corresponde a la categoría de “Bosque
permanente”.
4) Si los valores de los campos “ID_Traza” y “ID_T0” son diferentes y el campo “Uso_T1”
presenta los valores correspondientes al uso Bosque Nativo y adicionalmente en el
tiempo T3, el uso corresponde a Matorral Arborescente, este cambio se clasifica como
“Aumento de existencia”, dentro de los campos del tiempo T4.
5) Si los valores de los campos “ID_Traza” y “ID_T0” son diferentes y el campo “Uso_T1”
presenta los valores correspondientes al uso Bosque Nativo y adicionalmente en el
tiempo T3, el uso corresponde a valores distintos al uso Bosque Nativo, el algoritmo copia
los valores de los campos de la última actualización (tiempo T3) de la cobertura de
trazabilidad a los campos del tiempo T4, ya que se dejó determinado que no puede haber
aumento a Bosque Nativo desde otro uso que no sea Matorral Arborescente. Esto caso
ocurre cuando se el polígono de ganancias que provenía del uso Matorral Arborescente se
intersecta con la cobertura de trazabilidad y por distintos motivos (como el proceso de
suavizado) hace que los límites de los polígonos de ganancias se traslapen con los otros
usos, etiquetando a estos polígonos intersectados como ganancias cuando no lo son.
6) Si los valores de los campos “ID_Traza” y “ID_T0” son diferentes y el campo “Uso_T1”
presenta los valores diferentes al uso Bosque Nativo, entonces los campos del tiempo T4,
se atributan como perdida. Si los valores del campo “Uso_T1” corresponden a
Asentamientos, Terrenos Agrícolas, Praderas, Matorral, Humedales, Áreas Desprovistas
de Vegetación, Nieves y Glaciares o Cuerpos de Agua, la perdida se clasifica como
“Deforestación”. Por otro lado, Si los valores del campo “Uso_T1” corresponden a
Matorral Arborescente o Plantación, la perdida se clasifica como “Degradación”,
siguiendo la misma estructura de la base de datos de la cobertura de trazabilidad.
Cabe mencionar que los campos a rellenar correspondientes al tiempo T4 fueron atributados
con los códigos y descriptores de códigos usados por el Catastro de Bosque Nativo de CONAF,
siguiendo la misma estructura presente en la cobertura de trazabilidad.
74
7. RESULTADOS FINALES
A continuación, se presentan los resultados obtenidos en la detección de pérdidas y ganancias
de Bosque Nativo para las 5 regiones en estudio, con posterior tratamiento de aplicación de
filtros y suavizados, como se ha descrito en el capítulo anterior. Estos resultados
corresponden a las hectáreas finales de Aumento de existencia de bosque, Deforestación y
Degradación, incluidas en la cobertura de Trazabilidad 2016.
Región Ganancias (G)
Perdidas (P) Total Cambios
(P+G) Matorral arborescente
a Bosque Nativo
Deforestación Degradación Total Pérdidas
Bosque a Matorral arboresce
nte
Bosque a Plantacio
n
[ha] [ha] [ha] [ha] [ha] [ha]
Maule 10.117,37 978,02 206,10 386,44 1.570,56 11.687,93
Biobio 10.650,89 2.253,25 751,36 18,42 3.023,03 13.673,92
Araucania 3.032,48 6.289,21 329,20 21,87 6.640,29 9.672,77
Los Rios 474,62 1.259,10 15,42 6,76 1.281,29 1.755,91
Los Lagos 194,39 8.069,07 2.205,85 22,39 10.297,31 10.491,70
Total 24.469,76 18.848,66 3.507,93 455,89 22.812,48 47.282,23
a) Región del Maule
Para el periodo 2014-2016, la región del Maule presenta 11.687,93 ha de cambio dentro de un
total regional de 481.318,63 ha de Bosque Nativo; de los cambios de uso de la tierra, el 86,6%
(10.117,37 ha) corresponden a ganancias producto del traspaso de subuso Matorral
Arborescente a Bosque Nativo; las pérdidas por su parte, corresponden al 13,4% de total de
cambios, siendo un 8,4% relativo a deforestación, destacando el traspaso a los subusos Áreas
desprovistas de Vegetación y Matorral con un 71 y 11% respectivamente. La alta
representatividad de cambio a subuso Áreas desprovistas de Vegetación se debe a la
existencia de zonas de suelo desnudo a otros usos al momento de la detección. Por otro lado,
la degradación a matorral arborescente corresponde a un 1,8% y un 3,3% degradación a
plantación.
75
Las ganancias representan una mayor superficie según la metodología aplicada, la que se
puede interpretar de dos formas; la primera alternativa se puede asociar a ganancias reales,
producto del aumento de la superficie boscosa en la región; la segunda alternativa se puede
asociar a un aumento de la actividad fotosintética asociada a las especies de matorral (Rubus
ulmifolius, Trevoa quinquenervia, Retanilla trinervia o Chusquea quila, entre otras), que son
acompañantes a las formaciones arbóreas. Está segunda alternativa se podrá resolver con
visitas en terreno que permitan verificar si este aumento corresponde a lo antes citado, siendo
una condición probable debido a las características de estacionalidad producto del clima
mediterráneo dominante en la región.
Según los datos del último monitoreo regional de CONAF de 2009-2016, y comparando el
período de estudio 2014-2016, las cifras de pérdidas y ganancias para el monitoreo son de
624,9 y 4.415,3 ha, respectivamente. Estas divergencias se explicarían en la utilización de la
metodología semi automatizada que trabaja en base al comportamiento espectral de la
vegetación, específicamente al contenido de humedad y la vigorosidad de la vegetación,
pudiendo ser estas diferencias las responsables en el aumento de las superficies, tanto de
ganancias como de pérdidas.
Tabla 20. Movimiento del cambio de uso de la tierra producto de la Deforestación, región del Maule.
Áre
as
sin
v
eg
eta
ció
n
Ase
nta
mie
nto
Cu
erp
o d
e A
gu
a
Hu
me
da
les
Ma
torr
ale
s
Nie
ve
s y
g
laci
are
s
Pra
de
ra
Tie
rra
cu
ltiv
o
To
tal
Superficie 698,3 22,6 0,3 29,3 107,9 1,0 78,2 40,0 977,9
Porcentaje (%) 71% 2% 0% 3% 11% 0% 8% 4% 100%
Cabe mencionar que los cambios en el uso de la tierra (ganancias y pérdidas), están
constituidos principalmente por superficies menores a 1 ha (Tabla 23).
Tabla 21: Participación de acuerdo a tamaño de los polígonos según cambios.
Ganancias Perdidas
Deforestación Degradación a matorral
Degradación a plantación
Poligonos ha Poligonos ha Poligonos ha Poligonos ha
Mayor o igual a 1 ha 2.322 7.074,2 242 643,2 54 129,2 93 262,0
Menor a 1 ha 6.086 3.043,2 643 334,6 149 76,9 240 124,4
76
Figura 27: Mapa de cambios de uso de la Tierra, región del Maule
77
b) Región del Biobío
Para el periodo 2013-2016, la región del Biobío presenta una superficie de cambio para el uso
Bosque Nativo de 13.673,9 ha, fracción pequeña si consideramos que la superficie regional de
Bosque Nativo es mayor al millón de hectáreas (1.185.789,6 ha). De los cambios, un 77,9%
(10.650,9 ha) corresponden a ganancias y un 22,1% a perdidas (3.023 ha); de ellas, un 16,5%
son atribuidas a Deforestación y un 5,6% a Degradación producto de la transformación a los
usos Matorral (5,5%) y Plantación (0,1%).
Al igual que la región del Maule, Biobío presenta ganancias notoriamente superiores a las
pérdidas, lo cual puede estar altamente influenciada por la composición de especies vegetales
dentro del uso matorral arborescente. Estos resultados sugieren que se deberían realizar
campañas de terreno para la comprobación de estos resultados, debido a que diferencia
espectral entre las formaciones de matorral arborescente y bosque nativo puede ser muy
sutil.
Dentro de las pérdidas clasificadas como Degradación, los usos Áreas desprovistas de
Vegetación y Humedales son los que más aumentan en desmedro del Bosque Nativo con un
55,7% y 25,1% respectivamente, situación que debe su explicación a la transición del
desmonte, dejando el suelo desnudo, a otros usos.
Los resultados de este estudio para la región del Biobío en el período 2013-2016 presentan
cifras de cambio de uso de la tierra en Bosque Nativo disímiles (10.650,9 ha de ganancias y
3.023 ha de pérdidas) respecto a los resultados del monitoreo regional de CONAF para 2008-
2015 (925,9 ha ganancias y 1.832,9 ha de pérdidas), encontrándose diferencias importantes
tanto para las ganancias como para las perdidas. Estas divergencias se explicarían en la
utilización de la metodología semi automatizada que trabaja en base al comportamiento
espectral de la vegetación, como también a la diferencia del periodo de referencia del análisis.
Al igual que en la región del Maule, la gran mayoría de los polígonos de cambio corresponden
principalmente a superficies menores a 1 ha.
78
Tabla 22: Movimiento del cambio de uso de la tierra producto de la Deforestación, región del Biobío.
Deforestación
Á
rea
s si
n
ve
ge
taci
ón
Ase
nta
mie
nto
s
Cu
erp
os
de
ag
ua
Hu
me
da
les
Ma
torr
ale
s
Nie
ve
s y
gla
cia
res
Pra
de
ras
Tie
rra
s d
e
cult
ivo
To
tal
Superficie
(ha)
1.255 219,4
6
6,05 564,35 3,72 0,89 201,67 2,11 2.253,2
5
Porcentaje
(%)
55,70 9,74 0,27 25,05 0,17 0,04 8,95 0,09 100
Tabla 23: Participación de acuerdo a tamaño de polígonos según cambios.
Ganancias Perdidas
Deforestación Degradación a matorral
Degradación a plantación
Poligonos ha Poligonos ha Poligonos ha Poligonos ha
Mayor o igual a 1 ha 2.719 7.490,7 460 1.568,0 137 624,6 5 11,2
Menor a 1 ha 6.168 3.160,2 1.439 685,2 244 126,4 15 7,2
79
Figura 28: Mapa de cambios de uso de la Tierra, región del Biobío
80
c) Región de la Araucanía
Para el periodo 2013-2016, la región de la Araucanía presenta una superficie de cambio de
9.672,8 ha, dentro de un total de 1.009.603,23 ha de Bosque Nativo; un 68,6 % de los cambios
corresponden a perdidas; donde la pérdida por Deforestación corresponde a un 65%, del
total de cambios, mientras que la pérdida por Degradación corresponde a un 3,6%. Las
ganancias están dadas por el traspaso de 3.032,5 ha de Matorral Arborescente a Bosque
Nativo.
Dentro de la pérdida de Bosque Nativo por Deforestación, destacan el incremento de los usos
de la tierra: Áreas desprovistas de vegetación (63%), Humedales (18%) y Asentamientos
(17%), situación que se repite en las otras regiones, explicándose nuevamente a las causas
antes enunciadas (remoción de la capa vegetal) (Tabla 26).
Para el periodo 2013-2016, la región de la Araucanía presenta cifras muy similares con el
monitoreo regional para el período 2007-2013 en ganancias. En el caso de las pérdidas, los
resultados de este estudio arrojan 6.640,29 ha, mientras que el monitoreo regional arroja
2.180,9 ha; por su parte, los resultados de este estudio para las ganancias, arrojan 3.032,5 ha,
mientras que el monitoreo regional arroja 3.930,3 ha.
Tabla 24. Movimiento del cambio de uso de la tierra producto de la Deforestación, región de la Araucanía.
Deforestacion
Áre
as
sin
v
eg
eta
ció
n
Ase
nta
mie
nto
Cu
erp
o d
e
ag
ua
H
um
ed
ale
s
Ma
torr
ale
s
Nie
ve
s y
g
laci
are
s P
rad
era
Tie
rra
cu
ltiv
o
To
tal
Superficie 1.835,2 499,8 1,3 516,9 10,7 0,0 8,9 28,8 2.901,6
Porcentaje (%) 63% 17% 0% 18% 0% 0% 0% 1% 100%
Tabla 25: Participación de acuerdo a tamaño de polígonos según cambios.
Ganancias Perdidas
Deforestación Degradación a matorral
Degradación a plantación
Poligonos
ha Poligonos
ha Poligonos
ha Poligonos
ha
Mayor o igual a 1 ha
704 2.424,6
885 5.307,5
59 229,6
4 11,7
Menor a 1 ha 1.143 607,9 1.966 981,7 205 99,6 21 10,2
81
Figura 29: Mapa de cambios de uso de la Tierra, región de la Araucanía
82
d) Región de Los Ríos
Para el periodo 2013-2016, la región de de Los Ríos presenta una superficie de cambio de
1.755,91 ha (siendo su área regional de bosque nativo de 920.823,64 ha), donde 1.281,29 ha
corresponden a perdidas, y casi la totalidad de éstas pérdidas se atribuye a actividades de
Deforestación con 1.259,1 ha (72% del total de cambios para esta región). Las ganancias se
generan del traspaso del uso Matorral Arborescente a Bosque Nativo, aportando un total de
474,6 ha.
La pérdida de Bosque Nativo producto de la Deforestación se transforma principalmente a los
usos Áreas Desprovistas de Vegetación y Matorral con un 64% y 18%, respectivamente (Tabla
28).
Según los datos del último monitoreo regional de CONAF del periodo 2006-2013, comparando
el mismo sector de estudio en el periodo 2013-2016, la región de Los Ríos presenta cifras de
pérdidas y ganancias menores a las estimadas en la última actualización. En el caso de las
pérdidas, los resultados de este estudio arrojan 1.281,29 ha, mientras que el monitoreo
regional arroja 3.286,8 ha; por su parte, en cuanto a las ganancias, los resultados de este
estudio arrojan 474,6 ha, mientras que el monitoreo regional arroja 2.256,4 ha.
Tabla 26. Movimiento del cambio de uso de la tierra producto de la Deforestación, región de
Los Ríos.
Deforestacion
Áre
as
sin
v
eg
eta
ció
n
Ase
nta
mie
nto
Cu
erp
o d
e a
gu
a
Hu
me
da
les
Ma
torr
ale
s
Nie
ve
s y
g
laci
are
s P
rad
era
Tie
rra
cu
ltiv
o
To
tal
Superficie 811,987689 98,4 8,7 54,4 227,7 4,4 23,5 30,1 1.259,1
Porcentaje (%) 64% 8% 1% 4% 18% 0% 2% 2% 100%
Tabla 27: Porcentaje de participación de acuerdo a tamaño de polígonos según cambios.
Ganancias Perdidas
Deforestación Degradación a matorral
Degradación a plantación
Poligonos
ha Poligonos
ha Poligonos
ha Poligonos
ha
Mayor o igual a 1 ha
141 312,2
293 721,6
5 8,3
1 1,2
Menor a 1 ha 314 162,4
1.105 537,5
16 7,2
13 5,6
83
Figura 30: Mapa de cambios de uso de la Tierra, región de Los Ríos
84
e) Región de Los Lagos
Para el periodo 2013-2016, la región de Los Lagos presenta una superficie de cambio de
10.492 ha, donde las perdidas dan cuenta del 98,1% del total de los cambios en la región. Por
su parte, las ganancias representan sólo un 1,9%. La Deforestación es la principal causa de
pérdida del uso Bosque Nativo (8.069,07 ha), siendo Humedales y Áreas Desprovistas de
Vegetación los usos de la tierra con mayor aumento producto de esta transformación.
Tabla 28: Movimiento del cambio de uso de la tierra producto de la Deforestación, región de Los Lagos.
Deforestacion
Áre
as
sin
v
eg
eta
ció
n
Ase
nta
mie
nto
Cu
erp
o d
e a
gu
a
Hu
me
da
les
Ma
torr
ale
s
Nie
ve
s y
g
laci
are
s
Pra
de
ra
Tie
rra
cu
ltiv
o
To
tal
Superficie 1.864,31868
544,5
224,3
4.039,8
1.148,4
48,6
129,6
69,5
8.069,1
Porcentaje (%)
23% 7% 3% 50% 14% 1% 2% 1% 100%
Tabla 29: Participación de acuerdo a tamaño de polígonos según cambios.
Ganancias Perdidas
Deforestación Degradación a matorral
Degradación a plantación
Poligonos
ha Poligonos
ha Poligonos
ha Poligonos
ha
Mayor o igual a 1 ha
55 137,4
1.512 6.203,4
205 1.920,4
5 14,2
Menor a 1 ha 115 57,0 3.686 1.865,6
568 285,5 20 8,2
85
Figura 31: Mapa de cambios de uso de la Tierra, región de Los Lagos.
86
f) Visor interactivo HTML
A partir de las coberturas de cambios (pérdidas y ganancias), se generaron como producto
adicional, cinco visualizadores en formato HTML (uno por cada región). Estos navegadores
son una herramienta que actúa como una interfaz interactiva con el usuario, permitiendo
visualizar los cambios detectados en un mapa base de mayor detalle (última imagen satelital
disponible en visualizador), así como también, la consulta del atributo del polígono de cambio,
como el uso de la tierra y área. El desarrollo de este visor tiene como objetivo poder apreciar
los cambios menores a 1 ha que no son visibles debido a la escala de representación del mapa
(ver Figura 32). Adicionalmente, esta herramienta es una alternativa para visualizar pérdidas
y ganancias cuando no se tiene acceso a un GIS (ver Anexo 5: Cobertura de cambios de uso de
bosque nativo).
Figura 32: Ejemplo del visor HTML, región de Los Lagos
87
8. RECOMENDACIONES
A lo largo del desarrollo de este protocolo han surgido diferentes observaciones y alcances,
los cuales pueden interpretarse como puntos críticos dentro de este trabajo. La recopilación,
organización y clasificación de estos puntos, tienen como objetivo mejorar distintos aspectos
de este protocolo, tanto del alcance de este trabajo como la mejora en el logro de los objetivos
del mismo. Por tanto, el fin de esta sección es unificar estos puntos a modo de
recomendaciones para las futuras actualizaciones de este protocolo y de los trabajos
vinculados a este. Estas observaciones están organizadas en base a la estructura del protocolo,
donde, para cada ítem se propondrán las recomendaciones pertinentes, según corresponda.
a) Respecto de los alcances
(i) La Unidad Mínima Cartografiable (U.M.C.) debe someterse a discusión acerca de si se
mantienen las 0,5 ha de Bosque determinadas por la Ley N°20.283, que es la U.M.C.
utilizada por el Catastro de Bosque Nativo o si se utilizan los 0,27 ha (3 píxeles) de
U.M.C. para imágenes satelitales del sensor Landsat 8. Esto es punto a considerar, y que
se debe definir de forma estandarizada para las siguientes actualizaciones del Catastro y
de las coberturas de trazabilidad, sobre todo si se ocupa otro sensor como Sentinel-2, el
cual posee una resolución espacial mayor que Landsat 8.
b) Respecto de la infraestructura tecnológica: hardware y software
(i) Considerando que el resultado del mapa de cambios de usos de la tierra a nivel regional,
requiere una actualización bienal, el uso de un set temporal de imágenes satelitales
requiere de computadores de alta capacidad de procesamiento. Se recomienda que los
computadores cuenten con las siguientes características: al menos 16 GB de RAM;
procesador de al menos 2,7 GHz, en lo posible de 8 núcleos y un disco duro de al menos
2 TB.
(ii) Respecto del punto anterior, se recomienda que los usuarios que procesen las imágenes
satelitales para la obtención del mapa de cambios de usos de la tierra tengan algún nivel
de conocimiento mínimo de técnicas y manejo de software GIS y de Percepción Remota,
así como también de lenguaje de programación (R y JavaScript).
(iii) Considerando que la metodología expuesta en el presente protocolo se aplican
procesamientos de nivel medio-avanzado de programación, es necesaria la capacitación
a los usuarios que quieran replicar esta metodología, por tanto, se recomienda destinar
horas a este fin.
(iv) Respecto del tratamiento de archivos vectoriales en formato shapefile se recomienda
utilizar software licenciado ArcGIS que cuente con una licencia Desktop Extensions, para
así aplicar técnicas de análisis espacial, análisis 3D y análisis estadístico. En caso de no
contar con esta licencia pagada, se recomienda replicar funciones en software libre
QGIS, aunque no todas las funciones de las extensiones de ArcGIS puedan estas
disponibles en QGIS.
88
(v) Considerando que las técnicas de reconocimiento de cambios espectrales sobre
imágenes satelitales se realiza de manera automatizada, se hace necesaria la
complementación del componente humano en la etapa de fotointerpretación visual,
para la obtención de cambios de usos de la tierra. Se recomienda esto, teniendo en
cuenta que los métodos automatizados de procesamiento de imágenes satelitales son
capaces de reconocer cambios de cobertura de la tierra y no cambios de uso de la tierra.
c) Respecto de las Fuentes de Información
(i) La cobertura Trazabilidad para las regiones Maule, Biobío, Araucanía, Los Ríos y Los
Lagos presentan errores de Topología (agujeros, duplicado de polígonos, nodo que
comparten más de 1 polígono, etc.). Se recomienda arreglar estos errores antes de
comenzar a trabajar en la obtención del mapa de cambios, considerando que los
resultados de los cambios (ganancias y pérdidas) serán incorporados a la cobertura de
Trazabilidad, para cada una de las regiones. El arreglo de errores topológicos no fue
finalizado en este trabajo, si bien, la cobertura de trazabilidad se corrigió bastante, el
periodo de tiempo destinado al arreglo de estos errores no estaba considerado en los
tiempos de desarrollo del proyecto. De esta manera, se recomienda que estos errores
deben ser solucionado a la brevedad, por la entidad que los realizó, considerando que se
trata de una cobertura oficial, con la que se calculan estadísticas para los NREF/NRF.
(ii) Se recomienda mejorar la base cartográfica del Catastro Bosque Nativo, específicamente
en las categorías: Bosque, Matorral Arborescente y Matorral, considerando que el
catastro es un insumo base para la determinación de muestras de entrenamiento para la
clasificación supervisada.
(iii) Se recomienda la incorporación de información vectorial auxiliar proveniente de
empresas forestales, considerando que estos terrenos se mantienen sin cambios de usos
en el tiempo. Esta información será relevante en la medida que se encuentre oficializada
y actualizada. De ser así, se podrían generar máscaras, para quedar fuera de los análisis
del protocolo.
(iv) También se recomienda integrar de manera complementaria la información
sistematizada de las parcelas dasométricas asociadas a los planes de manejo. Este punto
es crucial, debido a que corresponde a la información adicional que necesita ser
incorporada en las actualizaciones del catastro, y que el método multi-índice no puede
incorporar, debido a que solo trabaja a nivel espectral. De lo anterior se desprende la
necesidad de contar con información espacialmente explicita y el estado de desarrollo
de tales planes de manejo. Por ende, es altamente necesario que la información del
estado de los planes de manejo sea incorporada en las base de datos de los mismos,
porque esto permite tener un mejor control para que estas áreas pueden ser
categorizadas como pérdidas o ganancias con mayor exactitud dentro de los cambios en
el uso de la tierra. Todo lo anterior, debe ser cuantificado a nivel de costo y tiempo de
89
ejecución debido a la magnitud de la información generada por los planes de manejo a
nivel nacional.
d) Respecto de la Metodología
(i) Se recomienda evaluar el uso de imágenes Sentinel-2 para la próxima actualización,
ya que se dispondrán imágenes para las dos temporadas de evaluación, a diferencia
de esta actualización, que se disponían imágenes solo de la última temporada.
(ii) El método del mosaico con menor cobertura de nubes obtenido en GEE, igual
presenta nubes en las zona sur, como son las regiones Araucanía, Los Ríos y Los
Lagos; estas nubes son enmascaradas en su mayoría por los algoritmos desarrollados
en la plataforma GEE, por tanto, los mosaicos en ese sector no presentan
información, y no es posible detectar cambios en esos sectores. Se recomienda seguir
investigando en nuevos algoritmos que permitan la eliminación o reemplazo de
nubes. Lo mismo se recomienda para la eliminación o reemplazo de sombras de
nubes, para así analizar el continuo del territorio, sin que queden áreas sin
información.
(iii) La utilización de la plataforma GEE representa una caja negra en el procesamiento,
descarga y exportación de datos, razón por la cual, se recomienda reemplazar el
proceso de generación de mosaicos en esta plataforma (ver sección 6, i). De esta
manera, una posible solución es programar el algoritmo .quality.Mosaic en otro
software (R, Phyton, etc.) que calcule y permita exportar los resultados de la
aplicación de la función de reemplazo de píxeles con nubes y/o con sombra de nubes.
(iv) Se recomienda también, a nivel de manejo de datos (imágenes satelitales), la división
del territorio se podría realizar a nivel de macrozonas o macrorregiones (zonas con,
vegetación, pluviometría, altitud, bioclimas, etc. similares), considerando que
algunos de los usos de suelo, como Matorral Arborescente o Bosque Nativo, no
siguen una lógica de división política administrativa. Esto permitiría generar
umbrales de detección de cambios más precisos para estas formaciones vegetales,
sin caer en la separación artificial impuesta al usar una región administrativa.
(v) Respecto de los resultados de Ganancias y Pérdidas, se recomienda hacer
retroalimentación con el personal de CONAF de regiones, considerando la
experiencia de trabajo en terreno que ellos pueden aportar, lo cual se traduciría en
un filtro importante para descartar superficies de falsos cambios.
(vi) El método de Clasificación Supervisada puede ser mejorado en su exactitud,
considerando que éste método es más efectivo, en la medida que se incorpore un set
mayor de imágenes satelitales. De esta manera, se recomienda incorporar al menos 3
imágenes satelitales de distinta temporalidad por región, para así mejorar los
resultados. En este ítem también, se recomienda realizar 2 campañas de terreno: una
para la obtención de áreas de entrenamiento, y otro para la validación del resultado
de la clasificación. Otra recomendación para este ítem es la retroalimentación con
personal de CONAF de regiones para la definición de las áreas de entrenamiento,
considerando la experiencia de trabajo en terreno que ellos pueden aportar.
90
(vii) Se recomienda compilar la mayoría de los scripts generados en diferentes etapas, de
manera de automatizar aún más los procesos, y por tanto, su tiempo de ejecución.
Esto también puede inducir a menores errores en la ejecución por parte de los
usuarios y del personal a cargo de estas etapas.
91
9. BIBLIOGRAFÍA
Breiman, J. (2001). Random Forest. Machine Learning, 5-32.
Chuvieco, E. (2006). Teledetección Ambiental: La observación de la tierra desde el esapcio. Ariel
Ciencia.
Codazzi, I. G. (2013). Descripcion y Correccion de Productos LANDSAT 8 LDCM. Bogota.
CONAF. (2016). Nivel de Referencia de Emisiones Forestales/Nivel de Referencia Forestal
Subnacional de Chile. Santiago.
Fry, J., Xian, G., Jin, S., Dewitz, J., Homer, C., Yang, L., y otros. (2011). National land cover
database for the conterminous united states. Analysis of land cover change in the
continental United States from 2001 to 2006 usig Landsat ETM+ and TM imagery.
Photogrammetric engineering & remote sensing.
IPCC, G. I. (2006). Volumen 4: Agricultura, silvicultura y otros usos de la tierra. En G. I. IPCC,
Directrices del IPCC de 2006 para los inventarios nacionales de gases de efecto
invernadero.
Jin, S., Yang, L., Danielson, P., Homer, C., Xian, G., & Fry, J. (2013). A comprehensive change
detection method for updating the National Land Cover Database to circa 2011.
Remote Sensing of Environment, 159-175.
Key, C., & Benson, N. (2005). Landscape assessment: remote sensing of severity, the
normalized burn ratio and ground measure of severity, the composite burn index. In:
D. Lutes, R. Keane, J. Caratti, C. Key, N. Benson, & L. Gangi (Eds) FIREMON: fire effects
monitoring and inventory sy. Rocky Mountain Research Station.
ODEPA. (2015). ide.minagri.gob.cl. Recuperado el 2016, de Ingraestructura de Datos
Espaciales - IDE: http://ide.minagri.gob.cl/geonetwork/srv/es/main.home
Rouse, J. e. (1973). Monitoring vegetation systems in the Great Plains with ERTS. NASA, 309-
317.
Xian, G., & Homer, C. (2009). Updating the 2001 National Land Cover Database impervious
surface products to 2006 using Landsat imagery change detection methods. Remote
Sensing of, 1676-1686.
Zhu, Z., & Woodcock, C. (2014). Automated cloud, cloud shadow, and snow detection based on
multitemporal Landsat data: an algorithm designed specifically for land cover change.
Remote Sensing of Environment, 217-234.