tipos de bosques y contexto del mapeo de la cobertura forestal en

ProgramaREDD‐CCAD‐GIZTIPOSDEBOSQUESYCONTEXTODELMAPEODELACOBERTURAFORESTAL

ENCENTROAMÉRICAYREPÚBLICADOMINICANAReunióndelosenlacestécnicosparalatemáticaMRVdelProgramaREDD‐CCAD‐GIZ

AntiguaGuatemala,28defebrerode2011

CONTENIDO Pag.

I. Introducción 1 II. Tipos de bosque en Centroamérica 2 III. Contexto actual del uso de sensores remotos 11 IV. Situación actual del mapeo de la cobertura forestal en Centroamérica y República Dominicana 13 V. Elementos a considerar para el mapeo de la cobertura forestal 15 VI. Bibliografía 16

ProgramaREDD‐CCAD‐GIZTIPOSDEBOSQUESYCONTEXTODELMAPEODELACOBERTURAFORESTAL

ENCENTROAMÉRICAYREPÚBLICADOMINICANAReunióndelosenlacestécnicosparalatemáticaMRVdelProgramaREDD‐CCAD‐GIZ

AntiguaGuatemala,28defebrerode2010

PROGRAMA REDD – CCAD ‐GIZ TIPOS DE BOSQUES Y CONTEXTO DEL MAPEO DE LA COBERTURA FORESTAL EN CENTROAMÉRICA Y REPÚBLICA DOMINICANA

1

I. Introducción:

La clasificación de la vegetación contribuye en una mejor comunicación entre profesionales; a un mejor entendimiento de la interacción entre plantas y su medio ambiente y ayuda para el manejo de los recursos naturales1. En la cubertura vegetal centroamericana se presenta un gradiente de variaciones estructurales basadas en cambios en precipitación, temperatura, edafología, fitogeografía, fitosociología e intervenciónes. Existen muchos sistemas para clasificar estas variaciones, cada uno con un nivel distinto de detalle y con su propia interpretación de los parámetros importantes, sin embargo ninguno es la solución para todos los casos, todos tienen sus fortalezas y debilidades y hasta ahora ninguno ha sido aceptado mundialmente como un estándar.

En 1973 UNESCO propuso un sistema clasificación basado en la fisionomía y estructura de la vegetación con información suplementaria de la ecológica (clima, suelos, y forma del terreno). En este sistema las unidades de diferente rango o jerarquía están representadas en seis niveles: 1.) Clase de formación (ej. I, II…); 2.) Subclase de formación (ej. A, B…); 3.) Grupos de formación (ej. 1,2…); 4.) Formación (a, b…); 5.) Subformación (ej. (1), (2)…) y nivel 6.) Otras subdivisiones (ej. (a), (b)…)2. Una versión modificada del sistema de clasificación UNESCO se utilizó para elaborar el mapa de ecosistemas de América Central en el año 20003.

1 Adaptado de Wenger, K.F.; Forestry Handbook; J.Wiley & Sons, New York 1984 2 UNESCO. 1973. International classification and mapping of vegetation. Series 6, Ecology and Conservation. UNESCO, Paris, 3 Vreugdenhil, Daan., Jan Meerman, Alain Meyrat, Luis Diego Gómez, and Douglas J.Graham. 2002. Map of the Ecosystems of Central America: Final Report. World Bank, Washington, D.C.,

Como parte de las adaptaciones realizadas se definieron rangos altitudinales diferenciados para las regiones atlántica y pacífica, también se consideraron los criterios del cambio estacional en la fenología de las comunidades vegetales y condiciones de drenado. La identificación de las diferentes formaciones vegetales se realizó a través de la interpretación visual de imágenes satelitales Landsat TM, verificaciones de campo y sobrevuelos de reconocimiento. La escala final del mapa fue 1:250,000 y el área unidad mínima de mapeo de 150 ha. Se identificaron un total de 197 tipos de ecosistemas3.

Con el objetivo tener una visión general de la distribución de los bosques de Centroamérica y República Dominicana, el Programa REDD‐CCAD‐GIZ generó una clasificación tipos forestales basándose en las 197 clases del mapa de ecosistema de América Central4 y agregándolas en 6 categorías: 1) Bosque de coníferas, 2) Bosque siempreverde latifoliado, 3) Bosque siempreverde latifoliado montano, 4) Bosque deciduo latifoliado, 5) Bosque mixto y 6) Bosque de Mangle. En la primera parte de este documento se presenta la descripción de cada uno de estos tipos de bosque. En la segunda parte del documento se presenta la situación actual del uso de sensores remotos para el mapeo de la cobertura forestal haciendo referencia a las características de los sensores disponibles para la región y a las técnicas de análisis y procesamiento digital de imágenes satelitales.

4 World Bank and CCAD. 2000. “Ecosystems of Central America (ArcView regional mapFiles at: 1:250,000).” World Bank, Comisión Centroamericana de Ambiente y Desarrollo (CCAD), World Institute for Conservation and Environment (WICE), and the Centro Agronómico Tropical de Investigación y Enseñanza (CATIE), Washington, D.C.,


2

II. TIPOS DE BOSQUE EN CENTROAMÉRICA

Las diferencias entre los bosques latifoliados deciduos y siempreverdes en Centroamérica son significativas, comúnmente por su distintiva distribución: bosque deciduo en la zona pacifica y bosque siempreverde en la costa norte; estas dos clases no se mezclan y puede ser identificadas mediante sensores remotos, sin embargo en el sur de Centroamérica existe una continuidad en la zona pacífica entre bosques deciduos y siempreverdes por lo cual para separar estas clases en Costa Rica se propone usar el límite para estos tipos de vegetación que ha sido definido en el mapa de eco‐regiones. Los bosques latifoliados montanos en Centroamérica son estructuralmente distintos de los bosques de bajura, tanto a nivel de especies como en las tasas de crecimiento y cantidad total de biomasa; se propone usar los límites geográficos del mapa de eco‐regiones para separar estos tipos de bosques. Los bosques de coníferas representan una cobertura distinta basada en una combinación

única de precipitación, temperatura, fitogeografía y fitosociología; la relativa facilidad de su identificación mediante sensores remotos hace innecesario usar otros parámetros para su identificación. Esto se puede aplicar en el mismo sentido con los bosques mixtos de coníferas los cuales se consideran otra clase dentro de la clasificación de tipos de bosque propuesta. Los bosques de mangle se diferencian claramente de otros tipos y son de mucha importancia ecológica y se prevé que serán impactados fuertemente por el cambio climático. Los matorrales son principalmente ecosistemas intervenidos existentes dentro de bosques latifoliados o de coníferas de bajura o montano, el único tipo de matorral separado de estos grupos son los matorrales secos que se incluye dentro de los bosques deciduos. En el cuadro 1 se presenta la relación entre los tipos de bosque definidos, con las variaciones geográficas, las eco‐regiones y las categorías del mapa de ecosistemas.

Cuadro 1. Tipos de bosque de Centroamérica y su relación con las eco‐regiones y ecosistemas.

Variaciones Geográficas Eco‐regiones Ecosistemas BOSQUE DE CONÍFERAS Bosque de Pino Centroamericano Bosques de pino y roble de América Central Todo las variantes de Bosque tropical

siempreverde estacional aciculifolio, IA2a(2), IA2b(2) y IA2c(2)

Bosque de Pino de la Mosquitia Bosques de pino Miskito Sabanas de graminoides cortas con arboles aciculifolios VA2a(1)(2) Bosque de Pino de Belice Bosques de pino de Belice.

BOSQUE MIXTO Bosque Mixto Montano Bosques de pino y roble de América Central Todas las variantes de Bosque tropical

siempreverde mixto IA1...(1/2), Todas las variantes de Bosque tropical siempreverde estacional mixto IA2... (½).

Bosque Mixto de la Mosquitia Bosques de pino Miskito Bosque Mixto de Belice Bosques de pino de Belice.


3

Variaciones Geográficas Eco‐regiones Ecosistemas BOSQUE SIEMPREVERDE LATIFOLIADO Bosque Siempreverde de Centroamérica Bosques húmedos del lado Atlántico de América

Central. Todas las variantes de Bosque tropical siempreverde latifoliado de bajura IA1a(1) y de submontano IA1b (1). Todas las variantes de Bosque tropical siempreverde estacional de tierras bajas IA2a(1), y submontano IA2b(1).

Bosque Siempreverde Latifoliado de Costa Rica y Panamá

Bosques húmedos estacionales de Costa Rica, Bosques húmedos del lado Atlántico del istmo, Bosques húmedos del lado Pacífico del istmo, Bosque seco estacional de Costa Rica.

Bosque Siempreverde Latifoliado de la Darién Bosques húmedos del Chocó/Darién Bosque Siempreverde Latifoliado del Peten Bosques húmedos de Peten Veracruz. BOSQUE DECIDUIO LATIFOLIADO Bosque Seco Centroamericano Bosques secos de América Central Bosque tropical deciduo latifoliado de tierras

bajas IB1 a (1), y Bosque tropical semideciduo latifoliado IA3

Bosque Seco Centroamericano Intermontano Matorral espinoso del Valle de Motagua, Bosques secos de América Central

Bosque tropical deciduo microfoliado IB1a(2), Arbustal deciduo latifoliado IIIB1

Bosque Seco de Panamá Bosques secos de Panamá Bosque tropical deciduo latifoliado de tierras bajas IB1 a (1)

BOSQUE SIEMPREVERDE MONTANO Bosque Montano Centroamericano Bosques montanos de América Central Bosque tropical siempreverde latifoliado

montano inferior IA1c y montano superior IA1d y altimontano IA1e en todo sus variantes.

Bosque Montano de Talamanca Bosques montanos de Talamanca Bosque Montano de Panamá Bosques secos de Panamá BOSQUE DE MANGLE Manglar Manglares de: Alvarado; de la costa Beliceños; de

arrecifes Beliceños; de Boca de Toros; del Golfo de Fonseca; de Panamá; del corredor Maya; de la Mosquitia; del Pacífico seco; del norte de Honduras; del Manchón Tepaumatec.

Bosque de Manglar IA5


4


5

BOSQUE DE CONIFERAS Descripción: Este tipo de bosque está compuesto por especies del género Pinus. La principal formación en esta clase de vegetación tiene una precipitación promedio menor a los 2,500 mm por año con una estación seca desde Febrero a Mayo. Se encuentra principalmente sobre los 500 msnsm en las montañas de Nicaragua, Honduras, Belice y Guatemala. El fuego tiene un papel importante en la formación y mantenimiento de este ecosistema. Posiblemente antes del impacto antropológico, esta formación estaba restringida a los filos montañosos. La especie dominante es Pinus oocarpa. En Guatemala, sur central de Honduras y Nicaragua en alturas por debajo de 600 msnm esta formación pasa a la transición de bosque deciduo latifoliado, pero en el norte de Honduras y Belice por debajo de 600 msnm se encuentra un bosque de coníferas similar pero con Pinus caribaea como especie dominante. En territorios con altitudes menores de 1000 msnm el sotobosque es muy abierto y dominado por herbáceas (zacate), muchas de los cuales son especies introducidas como Hyparrhenia rufa. Arriba de 1000 msnm el Pinus oocarpa comparte dominancia con Pinus maximinoi y el sotobosque se vuelve más cerrado con especies de arbustos latifoliados. Otra especie, el Pinus tecunumanii se encuentra ocasionalmente disperso en esta formación.

Estructura Vertical Típica

Bosque de coníferas denso.

Coníferas DensoImagen Landsat, Bandas 453 (RGB)

Estructura Horizontal Típica

Bosque de coníferas ralo.

Coníferas RaloImagen Landsat, Bandas 453 (RGB)


6

BOSQUE SIEMPREVERDE LATIFOLIADO Descripción: Los bosques latifoliados se conforman por especies de hoja ancha, la condición siempreverde se refiere a que más del 75% de la cobertura está conformada por individuos que no pierden sus hojas. La altura de la cobertura de este tipo de bosques alcanza hasta entre los 40‐50 m, se observan como bosques densos y cerrados, sus diferencias están principalmente en el sistema de drenaje y el tipo de suelo pero también hay importantes diferencias regionales en la precipitación anual y también diferencias fitogeográficas entre el sur y el norte de Centroamérica. Tomando en consideración sus diferencias, es frecuente encontrar las siguientes especies de árboles: Vochysia hondurensis, Brosimun alicastrum, Bursera simarouba, Calophyllum brasiliense var. rekoi, Cedrela odorata, Coccoloba anisophylla, Cordia alliodora, Ficus colubrinae, Ficus insípida, Ficus tonduzii, Guarea grandifolia, Hernandia stenura, Licania platypus, Luehea candida, Nectandra sp. Ocroma pyranidale, Pithecoellobium donnel‐smithii, Pouteria campechiana, Pouteria sapota, Rinorea guatemalensis, Symphonia globulifera, Swietenia macrophilla, Tabebuia chrysantha, Terminalia amazonia, Billia columbiana, Virola koshnyi. En Costa Rica y Panamá especies no reportadas en el norte de Centroamérica son comunes, como gavilán (Pentaclethra macroloba,) el almendro (Dipteryx panamensis) y el coco de mono (Lecythis ampla) y Bala de cañon (Couroupita guianensis).


Bosque siempreverde latifoliado

Bosque siempreverde latifoliado Imagen Landsat, Bandas 453 (RGB)



7

BOSQUE SIEMPREVERDE LATIFOLIADO MONTANO Descripción: Una variante de los bosques siempreverdes latifoliados, son las formaciones de este tipo de bosque en el piso altitudinal montano. Se observan como bosques densos, con precipitaciones entre 2000 y 4000 mm como promedio anual. La vegetación de esta formación es una espectacular mezcla de elementos norteños y sureños combinado con altos niveles de endemismo (Dix, 1997). Este bosque se caracteriza por la dominancia de dos familias de plantas: las Fagaceae o robles originarios de América del Norte y la Lauraceae o aguacatillos de origen Suramericano. Las especies más frecuentes son Mauria sessiflora, Ilex chiapensis, Ilex williamsii, Oreopanax xalapensis, Weinmannia balbisina, Hieronyma guatemalensis, Hieronyma poasana, Quercus cortesii, Quercus lanciflia, Quercus laurrina y Quercus bumelioides, Homalium racemosum, Olmediella betschieriana, Calatola laevigata, Nectandra heydeana, Ocotea veraguensis, Phoebe helicterifolia, Magnolia hondurensis, Miconia argentea, Guarea pittieri, Trophis chorizantha, Ardisia paschalis, Chamaedorea pinnatifrons, Clusia rosea, Lophosoria quadripionnata, Cyathea mexicana.


Bosque siempreverde montano

Bosque siempreverde montano Imagen Landsat, Bandas 453 (RGB)



8

BOSQUE DECIDUO LATIFOLIADO Descripción: Se caracteriza porque la mayoría de los árboles pierden sus hojas simultáneamente en la época seca de cada año. Hay especies siempreverdes en el sotobosque, por ejemplo pequeños arboles de los géneros Eugenia y Clusia, así como varias especies suculentas. Se presentan árboles de tronco abombado, hay lianas o bejucos ocasionales. Existe mucha variación estructural según los niveles de precipitación con áreas más secas siendo más bajas y abiertas. En algunos de los valles interiores como el valle del Motagua en Guatemala y el valle de Aguan en Honduras son arbustales abiertos dominadas por cactáceas arborescentes. En toda el área, el piso de herbáceas está generalmente dominado por graminoides. Se distribuye en tierras bajas en terrenos planos o cerros con pendientes leves que permite un buen drenaje. Los bosques deciduos de Centroamérica tienen alto nivel de endemismo, casi tan altos como los bosques montanos, este endemismo es aún más alto en los bosques deciduos intermontanos. Muchas especies útiles dentro de este tipo de bosques ahora están consideradas amenazadas como: Laurel Negro Cordia gerascanthum, "cristobal" Platymiscium parviflorum, "Tempisque" Syderoxylon capiri, Caoba Swietenia humilis,, "lignum vitae" Guaiacum sanctum, "granadilla" Dalbergia retusa, "ronrón" Astronium graveolens, "guachipelín blanco" Myrospermum frutescens, brazilwood Haematoxylon brasiletto,, Cedro Cedrela odorata and Cedro macho Bombacopsis quinatum (Dinerstein et al. 1995; Bullock 1995; Jiménez et al. 1997).


Bosque deciduo latifoliado

Bosque deciduo latifoliado Imagen Landsat, Bandas 453

(RGB)



9

BOSQUE MIXTO Descripción: Los bosques mixtos están asociados con las formaciones de bosque latifoliado y de coníferas. En las montañas de Nicaragua, Honduras y Guatemala forman parte de las ecoregiones de Bosques de Pino y Roble de Centroamericana. Las mezclas principales son de Pinus oocarpa y Pinus maximinoi con varias especies del género Quercus, Liquidamber struflua y Carpinus carolinensis. Pero los bosques mixtos pueden ser formaciones mucho más diversas tanto en las montañas como en formaciones en la bajura de la Mosquitia (Honduras – Nicaragua) y Belice. Las especies más típicas de las montañas son: Arbutus xalapensis, Agave oppascidens, Brahea dulcis, Byrsinoma crassifolia, Comocladia guatemalensis, Desmodium angustifolium, Dyphisa floribunda, Inga leptaloba, Juniperus comitana, Liquidámbar styraciflua, Myrica cerifera, Pachyrrizus erosus, Pinus maxoninoii, Pinus oocarpa, Pinus tecunumanii, Rhus vestita, Saurauia sp., Senecio deppeanus, Stillingia sanguinolenta, Quercus eliptica, Quercus pedunculatus, Quercus sapotifolia, Quercus tristis.


Bosque mixto

Bosque mixto Imagen Landsat, Bandas 453 (RGB)



10

BOSQUE DE MANGLE Descripción: Este tipo de bosque se presenta en las zonas con influencia marina que le permite una característica salina significativa. Está formado por árboles y arbustos esclerófilos siempreverdes de raíces fúlcreas o zancos, con neumatóforos. La presencia de epifitas es rara pero se observa la presencia de líquenes en los troncos. Es muy evidente la presencia de algas en las partes bajas de los árboles. La altura de la cobertura puede variar entre 5‐ 30 m. Están exclusivamente dominados por Rhizophora mangle y/o Avicenia germinans y pueden tener otras especies de árboles o arbustos asociados. Otras especies de mangle que se pueden encontrar son Conocarpus erectus y Laguncularia racemosa. En el área de pantano de los manglares aparecen los helechos Acrostichum aureum, Blechnum sp., y otras especies como Bactris sp., Coccoloba sp., Desmoncus orthacanthos, Mendoricia retusa, y Pachira aquatica. En el Caribe el manglar se presenta en pequeños parches poco densos y su estructura es menos conspicua. Aparecen a la orillas de las lagunas, desembocaduras de ríos, en fajas de varios metros de largo pero con 2 a 4 metros de ancho. Se observa Rhizophora mangle como especie dominante pero aparecen con menos abundancia Avicenia germinan y Laguncularia racemosa. Asociadas aparecen algunas especies como Acrostichum aureum, Cecropia spp. y Coccoloba uvifera.


Bosque de mangle

Bosque de mangle Imagen Landsat, Bandas 453 (RGB)



11

III. CONTEXTO ACTUAL DEL USO DE SENSORES REMOTOS

Existen una diversidad de sensores remotos a través de los cuales se obtienen imágenes satelitales de resolución media que están disponibles a un costo relativamente bajo (por ej. Landsat ‐30m‐, ASTER ‐15m‐). Además hoy en día se dispone de una mayor resolución espacial para satélites comerciales de alrededor entre 1 y 4 metros en imágenes multiespectrales. El reciente lanzamiento de los satélites de alta resolución (por ej. Quickbird, Ikonos, Geoeye) permite la adquisición de imágenes de satélite que resultan de mucha utilidad en proyectos que necesitan de un mayor nivel de detalle (eje. estratificación forestal) y en aquellas zonas donde se requiere ampliar y mejorar la definición del análisis multiespectral y multitemporal de trabajos realizados con imágenes de satélite de resolución media. Las principales características espaciales y espectrales algunos sensores se presentan a continuación:

TM y ETM+, sensores de los satélites Landsat 5 y 7, respectivamente. Toman 6 bandas multiespectrales de imagen desde el visible al infrarrojo térmico, con una resolución espacial de 30 m y 60 m. En el caso de ETM+ además se adquiere una banda pancromática de 15 m de resolución.

HRG, sensor del satélite francés SPOT 5, que registra 3 bandas de imagen, en el visible e infrarrojo cercano a 10 m de resolución espacial, una banda en el infrarrojo de onda corta (SWIR) a 20 m de resolución y una pancromática a 5 y 2.5 m de resolución.

ALI, sensor multiespectral del programa EO (USGS‐NASA). Adquiere 11 bandas multiespectrales de imagen desde el visible al infrarrojo medio. Su resolución espacial es de 20 m.

Hyperion, sensor hiperespectral del programa EO (USGS‐NASA). Adquiere 240 bandas de imagen desde el visible (400 nm) hasta el infrarrojo de onda corta (2500 nm).

ASTER, sensor multiespectral de las agencias espaciales estadounidense y japonesa ( NASA/JAXA). Toma 4 bandas multiespectrales en el visible de 15 m de resolución, 6 bandas en el infrarrojo de onda corta de 30 m de resolución, y 5 bandas térmicas de 90 m de resolución.

Sensores QuickBird e Ikonos, sistemas de alta resolución espacial, toman 4 bandas en el visible e infrarrojo cercano a 4 m de resolución espacial y una en el pancromático a 0.6 y 1 m, respectivamente.

Las experiencias previas (Algeet et al., 2009; Sánchez et al., 2009) llevan a la conclusión de que los datos de satélites de alta resolución disponibles, unidos a los ampliamente usados en proyectos homólogos como los procedentes del sensor TM y ETM+ de los programas espaciales de Landsat son adecuados para los propósitos de REDD, al aplicar al análisis de textura, el análisis multiespectral. Por esta razón, el uso de conjuntos de datos multifuente (fotografía área e imágenes de satélite de resolución media y alta), puede repercutir positivamente en la calidad de los resultados y en la relación costo/hectárea entre ambos conjuntos de datos.

También están disponibles de forma gratuita imágenes de baja resolución, entre las cuales, las imágenes capturadas por el sensor MODIS (Moderate Resolution Imaging Spectroradiometer) han retomado relevancia desde su lanzamiento en el año 1999. Estas imágenes están compuestas por 36 bandas (resolución de 250m en las bandas 1 y 2; 500m en las bandas 3 a 7; y 1000m en las bandas 8 a 36), algunas de la cuales se utilizan para


12

extraer información básica y otras para facilitar las correcciones atmosféricas. El equipo de aplicaciones terrestres de MODIS (MODLAND) produce una serie de variables relacionadas con la vegetación como ser: índices de vegetación, índice de área foliar, fracción activa de radiación fotosintética, productividad primaria neta, anual, área quemada y porcentaje de vegetación (Anaya, 2009).

En el ámbito global, desde hace mas de una década se busca el monitoreo cuantitativo de la cobertura boscosa a grande escala, empezando con imágenes AVHRR. El sensor AVHRR da la posibilidad de una cobertura muy amplia debida a su baja resolución; la introducción de MODIS favoreció mejorar la precisión del monitoreo, y aprovechó de las experiencias con AVHRR para dibujar pautas de un sistema de monitoreo de bosques a gran escala (Hansen et.al 2002).

El producto de VCF de MODIS (Vegetation Continuous Fields) de MODIS se presenta como una herramienta importante para el monitoreo de la deforestación y degradación de bosques. El VCF es una imagen que contiene en cada pixel el porcentaje de cobertura forestal. A la fecha el producto VCF de MODIS se encuentra disponible con cobertura global para los años 2000 al 2005, a través de portal de datos de Global Land Cover Facility (GLCF)5. Aunque es más común utilizar las imágenes de satélite para clasificar el uso de la tierra en categorías exclusivas (p.ej. agricultura, bosque), estas categorías no se prestan para detectar cambios sutiles como lo que se propone en la implementación REDD. Con la cuantificación del porcentaje de cobertura de árboles en paisajes, es posible monitorear los procesos de degradación de bosques, o la

5 www.glcf.umd.edu

reducción de la degradación. Similarmente, se puede documentar cambios en la cobertura de árboles en paisajes agrícolas complejos, con sistemas agroforestales y silvopastoriles.

En cuanto a las técnicas de análisis y procesamiento de imágenes, están emergiendo diferentes aplicaciones y métodos de detección que al ser aplicadas en un territorio pueden presentar variaciones significativas en los resultados obtenidos. Existen cuatro enfoques principales que se recomienda evaluar, los cuales deberían compararse en cuanto a su precisión: 1) métodos de clasificación supervisada (o no supervisada) multiespectral, 2) metodología de árboles de decisión; 3) análisis de mezclas espectrales y 4) segmentación de imágenes de resolución múltiple. No hay ningún método en particular más preciso, sino que sólo una combinación de distintos procedimientos ‐ como sugiere (Ranchin et al., 2001), es la que conduce a los mejores resultados.

Como parte de la encuesta de teledetección de la evaluación de los recursos forestales mundiales; se seleccionaron las mejores imágenes Landsat de los años 1990, 2000 y 2005 y se extrajeron muestras de 10x10 km, en cada intersección de longitud y latitud, en toda la superficie de la tierra. Estas muestras fueron procesadas mediante el método de “segmentación de imágenes de resolución múltiple”, utilizando el software comercial e‐Cognition; el resultado fue polígonos etiquetados de manera preliminar mediante un sistema de clasificación simplificado de cobertura de la tierra (cada polígono contiene la información del tipo de cubierta para los tres periodos analizados), y posteriormente las muestras clasificadas fueron proporcionadas a expertos nacionales y regionales para su validación (FAO , JRS y SDSU, 2009). Aplicar esta técnica de procesamiento con una mayor intensidad de muestreo permite


13

obtener estadísticas de la deforestación histórica a nivel nacional y regional.

De igual forma el Instituto Nacional de Investigaciones Espaciales de Brasil (INPE), en el marco del monitoreo satelital de la Amazonía brasileña a través de los proyecto PRODES (Estimación de deforestación de la Amazonia) y DETER (Detección de áreas deforestadas en tiempo real); aplica el Modelo Linear de Mixtura Espectral (MLME) para obtener imágenes fracción de vegetación, suelo y sombra/agua a partir de imágenes multiespectrales Landsat y MODIS. La imagen fracción de vegetación resalta las áreas de cobertura vegetal, la imagen fracción de suelo resalta las áreas de suelo expuesto; mientras la imagen fracción de sombra/agua resalta las áreas ocupadas con sombra, los cuerpos de agua, áreas de quema y áreas inundadas. El INPE utiliza la imagen fracción de suelo, para realizar la clasificación en las categorías de de bosque, no bosque, hidrografía y deforestación total (INPE, 2005). Estos procedimientos son aplicados haciendo uso del software libre SPRING y el sistema TERRA‐AMAZON.

Recientemente, en el marco de la Conferencia de las Partes de la Convención Marco de Naciones Unidas sobre el Cambio Climático (COP 16), se presento la aplicación Google Earth Engine. Se trata de una plataforma tecnológica integrada que pondrá al alcance de las organizaciones vinculadas al monitoreo de la deforestación, imágenes satelitales actuales e históricas, asi como capacidades de procesamiento. A través de esta aplicación, en los países menos desarrollados Google ha ofrecido el acceso a imágenes satelitales junto con capacidades de procesamiento para analizar la deforestación en forma rápida y precisa. Como ejemplo del potencial de esta plataforma se ha aplicado a imágenes

Landsat, el algoritmo VCF de MODIS, para obtener un mapa de porcentaje de la cobertura forestal de México (www.earthengine.googlelabs.com).

IV. SITUACIÓN ACTUAL DEL MAPEO DE LA COBERTURA FORESTAL EN CENTROAMÉRICA Y REPÚBLICA DOMINICANA

Entre los años 2000 al 2003, en los países de Centroamérica y República Dominicana se realizaron varios esfuerzos institucionales orientados a establecer las capacidades para el uso e interpretación de imágenes satelitales Landsat, como resultado se obtuvieron mapas de cobertura de la tierra o de usos del suelo (Guatemala, El Salvador, Honduras y República Dominicana) y mapas forestales o de cobertura boscosa (Belice, Nicaragua, Costa Rica y Panamá). En el cuadro 2 se indican los años e instituciones responsables de la generación de estos mapas. Cuadro 2. Mapas de cobertura de la tierra y/o forestales generados entre

los años 2000 y 2003 en Centroamérica y República Dominicana.


14

Cada uno de estos mapas fue generado en cada país y no se estableció una coordinación entre los países, ni en fechas de elaboración, ni en las leyendas a aplicar.

Sin embargo, a pesar de que no ha existido una coordinación entre los países de la región en la elaboración de los mapas de cobertura forestal, hay excepciones claves que proveen datos muy útiles. Por ejemplo, el mapeo de ecosistemas, ejecutado con una metodología única en toda la región en 2000 (realizado por CCAD con financiamiento del Banco Mundial), el esfuerzo internacional de GLCS (Global Land Cover Survey) de la NASA para crear una cobertura sencilla a nivel mundial, y el mapeo a nivel regional en los contextos de AID y NASA (mapa elaborado por el CIESEN). Aunque todos estos estudios son de cobertura regional, no comparten metodologías ni leyendas, entonces hasta el momento no forman parte de un proceso de monitoreo. Un esfuerzo más reciente, es el mapeo regional de la cobertura y uso de la tierra que se está desarrollando a través del programa para la reducción de la vulnerabilidad y degradación ambiental (PREVDA). Este mapeo ha sido generando utilizando imágenes satelitales MODIS e incluye mapas de la cobertura actual e históricos.

Las cifras de cobertura forestal obtenidas de diferentes fuentes difieren significativamente. En el cuadro 3 se presenta los datos reportados para el año 2000 en la evaluación de los recursos forestales mundiales 20106 (FRA 2010); y su comparación con las cifras calculadas a partir del mapa de ecosistema de América Central7, y con los datos obtenidos de los 6 FAO, 2010. Evaluación de los recursos forestales mundiales 2010. Informe principal, Roma, Italia. 7 World Bank and CCAD. 2000. Ecosystems of Central America (ArcView regional mapFiles at: 1:250,000).

mapas de cobertura del suelo disponibles para este año en cada uno de los países8.

Cuadro 3. Superficies de bosque de Centroamérica y República Dominicana al año 2000, obtenidas de diferentes fuentes.

PAIS Mapa de

ecosistemas

(Km2)

FRA‐FAO (Km2)

Otros mapas (Km2)

Belize 13,911 14,890 14,658 Costa Rica 13,879 23,760 23,667 El Salvador 2,462 3,320 3,116 Guatemala 47,236 42,080 40,954 Honduras 42,678 63,920 54,310 Nicaragua 43,071 38,140 47,783 Panamá 41,680 33,690 42,921 República Dominicana9 14,890 19,720 16,348 Total 219,807 239,520 243,755 V. ELEMENTOS A CONSIDERAR PARA EL MAPEO DE LA COBERTURA FORESTAL

8 Los mapas de cobertura del suelo utilizados fueron generados con imágenes Landsat TM y corresponden a los siguientes años: Belice: 2000 (CATHALAC); Guatemala: 2003 (MAGA); El Salvador: 2000 (MARN); Honduras: 2002 (PMDN); Nicaragua: 2000 (MAGFOR/INAFOR); Costa Rica: 2000 (FONAFIFO); Panamá: 2000 (ANAM); República Dominicana: 2003 (SEMARENA). 9 En la evaluación mundial de bosques de la FAO del 2010 (FRA‐2010) el dato de República Dominicana presentado en las tendencias de la cobertura forestal es el mismo para todos los años analizados (1990, 2000, 2005 y 2010) y se desconoce a qué año corresponde específicamente, en el informe no se encontraron referencia al respecto.


15

Al no contar con procedimientos homologados sobre el mapeo de la cobertura forestal, los resultados de los diferentes análisis no son comparables. Los factores que las provocan las diferencias en los mapas de cobertura forestal correspondientes al mismo año, están relacionados a los siguientes aspectos: ‐ Los sistemas de clasificación: Las definiciones o concepto de los

tipos de bosque y de otras clases de cobertura pueden variar dependiendo de los objetivos de los análisis.

‐ Resolución espectral de las imágenes de sensores remotos. La capacidad de diferenciación entre tipos de cobertura está relacionada con el numero de bandas de la imagen, las cuales representan rangos del espectro electromagnético captados por el sensor que realiza la toma. Los tipos de coberturas se reflejan con intensidades diferentes en cada banda.

‐ Resolución espacial de las imágenes de sensores remotos. Se refiere al tamaño del pixel o del cuadrante mínimo que puede ser identificado en la imagen (una imagen con una resolución 1mx1m permitirá obtener mayor detalle una de 30mx30m).

‐ Época de toma de las imágenes. Las variaciones en las condiciones atmosféricas y las condiciones fenológicas de la vegetación provocan que las respuestas espectrales de un determinado tipo de cobertura varíe de una época del año a otra.

‐ Los métodos de interpretación y nivel de comprobación en campo: Se aplican distintos métodos para interpretar las imágenes satelitales, algunos mapas de cobertura se ha elaborado a partir de interpretación visual otros con interpretación digital que puede ser a su vez supervisadas o no supervisadas, además de otras variaciones.

En este sentido, se recomienda tener en cuenta cuatro aspectos básicos para el uso de sensores remotos para el mapeo de la cobertura actual e histórica:

La definición del tipo de imágenes a utilizar de acuerdo al propósito (estratificación, análisis histórico de la deforestación, línea base actual) y según el nivel del análisis (regional, nacional, subnacional).

Un sistema de clasificación de tipos de bosques que permita la comparación de análisis de diferentes fechas o niveles (nacional, regional, subnacional).

La selección de uno o varios métodos semi‐automático para la detección de tipo y estado de bosque a partir de datos digitales de sensores remotos.

La definición de los procedimientos de análisis multitemporal de cambios para apoyar la toma de decisiones mediante la integración de mapas de diferentes fechas.

Para el monitoreo de deforestación y degradación en los países de Centroamérica y República Dominicana se recomienda conformar un conjunto de datos multifuente. Los sensores se seleccionarían en función de su disponibilidad y complementariedad para alcanzar el objetivo técnico final en la elaboración de mapas de tipos de bosques y su dinámica de cambio. Se deberá, una vez identificados los sensores de satélite adecuados para cada tarea, decidir cuál de los datos archivados disponibles serán útiles e idóneos para en cada caso. La tarea de selección de las imágenes de satélite se debería producir por lo menos dos veces en cada año analizado (una para la estación seca y otra para la estación lluviosa).


16

Para el monitoreo regional, el uso de sensores como LANDSAT o SPOT requieren muchas imágenes a analizar, condición que crea su propio problema de logística. Como respuesta, se recomienda un análisis basado en MODIS para detectar tendencias regionales, apoyada por comprobaciones especificas con imágenes de mayor resolución donde existen dudas. Son cuatro las escenas MODIS para cubrir la zona de Centroamérica y la Republica Dominicana que gozan de muchas ventajas para considerar en el proceso de monitoreo. En el nivel regional, la evaluación instantánea de los cambios mensuales, y su comparación con la dinámica anual ‘normal’, representa una especie de Sistema de Alerta Temprana sobre cambios en la vegetación, para evitar la necesidad de esperar todo el año hasta que se dé cuenta de cambios potenciales en la vegetación. Estas alertas pueden refieren a puntos exactos en el espacio, entonces pueden ser comprobadas por medio de un chequeo de campo.

Para la detección definitiva de cambios en la vegetación recomienda la construcción del análisis tipo VCF (Vegetation Continuous Fields) descrito por Hansen (2002, 2003) y validado para datos de África e Indonesia (Hansen 2009).

BIBLIOGRAFÍA

Ashutosh, Subhash. 2009. “Nationwide Biennial Forest Cover Monitoring; Nationwide Biennial Forest Cover Monitoring : India’ s Experience.” En REDD Capacity Development Workshop on: “Forest Area Change Assessment: The Experience of Existing Operational Systems”. INPE, Sao Jose dos Campos, Brazil. 4‐6 February 2009.

Algeet, N., Marchamalo, M., Rejas, J.G., Bonatti, J. y Martínez, R., 2009. Estudio de los cambios del uso del suelo durante el período 1986‐2001 a través del análisis multitemporal de imágenes Landsat en el macizo del

Volcán Irazú, Costa Rica. XVIII Congreso Latinoamericano de la Ciencia del Suelo, San José (Costa Rica).

Anaya A, Jesús. 2009. Estimación mensual de emisiones por biomasa quemada para Colombia basado en imágenes de satélite. Tesis Doctoral. Universidad de Alcalá. Madrid, España.

Chuvieco, E. 2002. Teledetección Ambiental. La observación de la Tierra desde el Espacio. Editorial Ariel, Barcelona, España. Di Gregorio, A. and Jansen, L.J.M., 2000. “Land Cover Classficacion System (LCCS)”. F.A.O. 180 pp. Roma.

FERREIRA, N.C., L. G. FERREIRA, A. R. HUETE y M. E. FERREIRA. 2007. “An operational deforestation mapping system using MODIS data and spatial context analysis”. En International Journal of Remote Sensing: Vol. 28, No. 1, 10 January 2007, 47–62.

GOFC‐GOLD, 2008, Reducing greenhouse gas emissions from deforestation and degradation in developing countries: a sourcebook of methods and procedures for monitoring, measuring and reporting, GOFC‐GOLD Report version COP13‐2, (GOFC‐GOLD Project Office, Natural Resources Canada, Alberta, Canada).

Hansen, M.C., R.S. DeFries, J.R.G. Townshend, R. Sohlberg, C. Dimiceli, M. Carroll. 2001. “Towards an operational MODIS continuous field of percent tree cover algorithm: examples using AVHRR and MODIS data”. En Remote Sensing of Environment 83 (2002) 303–319.

Hansen, M.C., R. S. DeFries, J. R. G. Townshend, M. Carroll, C. Dimiceli, and R. A. Sohlberg. 2003. Global Percent Tree Cover at a Spatial Resolution of 500 Meters: First Results of the MODIS Vegetation


17

Continuous Fields Algorithm. In Earth Interactions, Volume 7 (2003), Paper No. 10; Page 1.

Hansen, Matthew C., Stephen V. Stehman, Peter V. Potapov, Thomas R. Loveland, John R. G. Townshend, Ruth S. DeFries¶, Kyle W. Pittman, Belinda Arunarwati, Fred Stolle, Marc K. Steininger, Mark Carroll, and Charlene DiMiceli. 2008. Humid tropical forest clearing from 2000 to 2005 quantified by using multitemporal and multiresolution remotely sensed data. PNAS. July 8, 2008; vol. 105; no. 27: 9439–9444.

Matthew C. Hansen, David P. Roy, Erik Lindquist, Bernard Adusei, Christopher O. Justice, Alice Altstatt. 2008. “A method for integrating MODIS and Landsat data for systematic monitoring of forest cover and change in the Congo Basin”. Remote Sensing of Environment 112 (2008) 2495–2513.

INPE. 2005. Detección de áreas deforestadas en tiempo real: conceptos básicos, desarrollo y aplicaciones del proyecto DETER. Sao José dos Campos, Brasil. INTELSIG. 2003. Evaluación de la Cobertura de la Tierra en la Reserva del Hombre y la Biosfera del Rio Plátano: Análisis Multitemporal de Imágenes del Satelite Landsat‐Tm, entre los aňos 2001‐2002. AFE‐COHDEFOR/KFW/GTZ/GFA. INTELSIG. 2008. Análisis Multitemporal de Imágenes Satelitales para la Detección de Cambio en la Cobertura de la Tierra para los períodos (1986‐89/1999‐2000) (1999‐2000/2000‐2005‐06) en BOSAWAS/IRAAN y los Departamentos de Rivas, Carazo y Granada. Nicaragua, C.A. MASRENACE/GTZ/GFA.

FAO. 2010. Evaluación de los recursos forestales mundiales 2010 (FRA 2010). Informe principal. Estudio FAO Montes 163. Roma, Italia. 378 p. Consultado en octubre de 2010. Disponible en http://foris.fao.org/static/data/fra2010/FRA2010 _Report_S.pdf

FAO, JRC Y SDSU. 2009. Encuesta de Teledetección de la Evaluación de los Recursos Forestales Mundiales 2010: un bosquejo de objetivos, datos, métodos y enfoque. Documento de Trabajo 155 de la Evaluación de Recursos Forestales. Publicado por FAO con partenarios de FRA RSS, 2009. Roma, Italia.

Latifovic, R., Zhi‐Liang, Zhu, Cihlar, J., Giri, C. and Olthof, I., 2004. Land cover mapping of North and Central America‐Global Land Cover 2000, Remote Sensing of Environment, 89: 1, 116‐127.

Mehl, H.; Peinado, O. 1997. Fundamentos del Procesamiento Digital de Imágenes. En: Aplicación de la teledetección y de los sistemas de información geográfica en la gestión de recursos naturales. Parte I: Fundamentos teóricos y prácticos. Harald Mehel y Erich Mies Editores. Matthew L. Clark, T. Mitchell Aide, H. Ricardo Grau, George Riner. 2010. ”A scalable approach to mapping annual land cover at 250 m using MODIS time series data: A case study in the Dry Chaco ecoregion of South America”. En Remote Sensing of Environment 114 (2010) 2816–2832.

Priego, A.; Bocco, G.; Mendoza, M.; Garrido, A. 2008. Propuesta para la Generación Semiautomatizada de Unidades de Paisaje. Fundamentos y Métodos. SEMARNAT, INE‐SEMARNAT, Centro de Investigaciones en Geografía Ambiental – UNAM.

Ranchin, T., Wald, L. and Mangolini, M., 2001. Improving spatial resolution of images by means of sensor fusion. A general solution: the


18

ARSIS method. Remote Sensing and Urban Change, GISDATA 9. Edited by J.‐P. Donnay, M.J. Barnsley and P.A. Longley. Published by Taylor & Francis, London, ISBN 0‐7484‐0860‐6, 224 p. Chapter 2, pp. 21‐37.

Sánchez, A., Rejas, J.G., Véliz, S.V. y Pineda, M.C., 2009. Dinámica temporal de la cobertura de la tierra en la cuenca del valle de Jesús de Otoro (Honduras) mediante técnicas de teledetección. VIII Congreso Ibérico de Arqueometría, Teruel (España).

World Bank and CCAD. 2000. Ecosystems of Central America (ArcView regional mapFiles at: 1:250,000).

tipos de bosques y contexto del mapeo de la cobertura forestal en

Documents