Mapear el mundo o Enseñar al mundo a mapear

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Mapear el mundo o Enseñar al mundo a mapear"

María Victoria Rodríguez Aguirre
hace 8 años
Vistas:

1 Mapear el mundo o Enseñar al mundo a mapear

2 CLASlite Forest Monitoring Program Greg Asner Carnegie Institution for Science at Stanford University

3 El Sistema de Análisis Landsat de Carnegie lite (CLASlite) es: Un paquete de software para monitoreo de bosques Ofrece identificación automatizada de la deforestación y degradación de bosques a partir de imágenes de satélite de sensores remotos Misión Aumentar la capacidad (gobiernos, ONGS, instituciones académicas) para el mapeo y monitoreo de los bosques tropicales Ofrecer una tecnología que es fácil de utilizar y firmemente científico Visión Qué es CLASlite? El monitoreo de bosques sea una técnica ampliamente utilizada por no expertos El monitoreo de bosques se aplica a la conservación ambiental, el manejo de bosques, y el desarrollo de la política de recursos

4 Qué hace CLASlite? Cuatro funciones claves: 1. Calibración de imágenes crudas a reflectancia superficial aparente 2. Análisis espectral de datos de reflectancia a cobertura fraccional 3. Clasificación de los datos de cobertura fraccional en un mapa de cobertura boscosa 4. Detección de cambios con datos de cobertura fraccional multi-temporal para mapeo de deforestación y perturbación del bosque

5 Sinopsis de CLASlite Imagen cruda Reflectancia Cobertura fraccional Cobertura de bosque Deforestación compilada Múltiples imágenes de cobertura fraccional Perturbación compilada

6 Monitoreo de deforestación vs. degradación Deforestación: remoción de bosques; fácilmente observada desde espacio Perturbación: Bosques permanecen bosques pero pierden biomasa y cobertura del dosel del bosque; Mucho más difícil de observar

7 Hechos críticos para el monitoreo de bosques Más de 30% de todos los eventos de deforestación son < 25 ha en tamaño Más de 90% de todos los eventos de perturbación son < 1 ha en tamaño La huella geográfica total de perturbación es veces más grande que la de deforestación Por lo tanto, trabajamos para mapear degradación (<< 1 ha), también conseguiremos la deforestación. Se ha demostrado que Landsat y sensores parecidos son los mejores para mapear deforestación y degradación. Landsat 8 se lanzó en febrero, 2013.

8 De CLAS a CLASlite: Nivel de conocimiento del usuario en la detección con sensores remotos Origen de CLASlite CLAS ( ) CLASlite v1.0 ( ) CLASlite v2.0 ( ) Alto Bajo Bajo Bajo CLASlite v3.0 (2013) Frecuencia de la serie temporal analizada Pasos de tiempo annual Sola imagen Definido por usuario Definido por usuario Tiempo de procesamiento Entre días y semanas para una sola imagen Horas por una sola imagen Horas por una sola imagen Sistema operativo Supercomputadoras PC PC PC < 1 hora para una sola imagen Satélites soportados Landsat 5, 7 Landsat 4, 5, 7 ASTER ALI Landsat 4, 5, 7 ASTER ALI MODIS SPOT 4, 5 Landsat 4, 5, 7, 8 ASTER ALI SPOT 4, 5

9 Análisis de la mezcla espectral de las imágenes de satélite El modelo espectral de CLASlite para mapear a escala de sub-píxel: Asner (1998) Asner y Lobell (2000) Asner y Heidebrecht (2001) Asner et al. (2004) Asner et al. (2009)

10 AutoMCU modelo espectral Asner (1998) Asner y Lobell (2000) Asner y Heidebrecht (2001) Asner et al. (2004) Asner et al. (2009)

11 Landsat-7 30m CLASlite - 9 sensors with 10 satellites MODIS 500m SPOT-4 20 m

12 Validation

13 Validating Satellite-based Maps Airborne Hi-resolution Imagery CLASlite from Landsat

14 Automated Forest Change Analysis Example from Indonesian Borneo May July December May 1996 to July 1997 July 1997 to December 1997

16 Limitaciones de CLASlite CLASlite no mapea diferentes tipos de bosque (i.e. terra firme, pacal, tahuampa), sino cobertura de bosques. Está diseñado así para minimizar la confusión causada por diferentes tipos de bosque. Igual que todos los métodos de sensores ópticos remotos, no puede mapear a través de las nubes. Igual que todos los métodos de sensores ópticos remotos, no puede mapear bosque donde el terreno está cubierto por sombra, debido a cuestas empinadas con bajos ángulos del sol

17 Qué hay de nuevo en CLASlite 3.0? La versión 3.0 de CLASlite ha incorporado avances importantes en diferentes áreas. Las nuevas capacidades incluyen: Bibliotecas espectrales ampliadas para todos los bosques tropicales, desde tierras bajas hasta ecosistemas montañosas Mejoras en los algoritmos de mapeo de deforestación y perturbación Análisis mas rápido de la mezcla espectral de las imágenes de satélite que soportan el mapeo de cobertura y cambio del bosque Remoción de ruidos en las imágenes controlada por el usuario, para personalizar las salidas de mapeo de deforestación y perturbación Procesamiento por lotes de imágenes de deforestación y perturbación, hasta de 1000 entradas a la vez Nuevo manejador de descargas que automatiza el proceso de instalación

18 CLASlite está siempre en evolución Aumento de capacidad Aumento de capacidad a través de talleres de capacitación Unos 500 entrenados y licenciados usuarios en casi 300 instituciones Desarrollo técnico CLASlite v1.0 v2.3 Aumento de capacidad enfocado en alianzas institucionales e implementación de proyectos conjuntos CLASlite v3.0 i.e. gobiernos de Perú y Colombia

20 Primer taller de capacitación en CLASlite: IBC Lima, 2008

21 Construir una comunidad de CLASlite

22 Comunidad global de usuarios Actualmente tenemos algo más de 780 usuarios y 289 instituciones. Además, tenemos sobre 100 solicitantes de capacitación de Bélgica, Camboya, China, Italia, Kenia, Nepal, Países Bajos, Malasia, Tanzania, Tailandia, el Reino Unido, los EE.UU. y por todo América Latina.

23 Universidad de Papua New Guinea Degradación de bosque en Borneo malasio Cobertura y condición de bosque en Borneo malasio y en Brunei en Demuestra bosque intacto, bosque degradado, manglares, plantaciones y recrecimiento.

24 Herencia Deforestación en Bolivia ONG boliviano que promociona desarrollo sustentable en Amazonia Analizaron imágenes, gratuitamente disponible por Landsat, a través de los 6.4 millones hectáreas del Departamento de Pando. La investigación determinó que entre 1985 y2011, Pando perdió 328,577 hectáreas de bosque, cantidad que representa aproximadamente 5.1% del área total y 5.8% del área boscoso del Departamento.

25 Universidad Yale Palma aceitera en Indonesia, deforestación y emisiones del carbono Evalúa el desarrollo de palma aceitera en Kalimantan (538,346 km 2 ) entre , y el aumento de proyectos hasta 2020 en arrendamientos asignados por el gobierno Con análisis basados en CLASlite, determinaron las coberturas de varios superficies. Relacionando esos resultados con datos del carbono, desarrollaron las primeras estimaciones de alta resolución del flujo del carbono en plantaciones en Kalimantan. Entre , 90% de las tierras que se convirtieron en palma aceitera eran bosque (47% intacto, 22% talado, 21% agro-forestales). Carlson et al. Nature Climate Change (2012)

26 IPAM Determinantes espacial y temporal de incendios forestales en la frontera amazónica de deforestación, implicaciones para emisiones del carbono

27 Universidad Stanford Fragmentación de bosques en cuatro estados brasileños Broadbent et al. Biological Conservation (2008)

28 WCS y WWF Deforestación en Madagascar Utilizando CLASlite, WCS y WWF proporcionaron el primer análisis de alta resolución de la tala ilegal en el Parque Nacional de Masoala, Madagascar, entre 2005 y La investigación abarcó una región de terreno remoto y montañoso. Descubrieron que la tasa del cambio de bosque en (1.27%) fue mucho mayor que en (0.99%), y que la tasa actual es mucho mayor que la tasa nacional publicada más recientemente (método CI). Allnutt et al. Biological Conservation (2013)

29 Carnegie-DGOT Minería de oro en la Amazonia peruana: precios globales, deforestación y importaciones de mercurio

30 IDEAM Mapa nacional colombiano del cambio de cobertura boscosa , basado en CLASlite

31 Apoyar DGOT a nivel nacional

32 Mapeo nacional encabezado por DGOT Compuestos de imágenes Mosaicos de imágenes Nubes y sombras de nubes Problemas por el corrector scanline Compuesto del mejor píxel

33 DGOT deforestación,

34 DGOT deforestación,

35 DGOT deforestación,

36 DGOT-MINAM s Forest Monitoring System Ranking de las Regiones con más alta tasa de deforestación en el Periodo de análisis Ranking de las Regiones con más alta tasa de deforestación en el Periodo de análisis

37 Data for Many Applications, Land Management and Far Beyond Departamento Tasa de Deforestación (ha/año.) Amazonas 3, , , Ayacucho 2, , , Cajamarca , Cusco 11, , , Huancavelica Huánuco 11, , , Junín 4, , , La Libertad Loreto 16, , , Madre de Dios 4, , , Pasco 4, , , Puno 5, , , San Martín 9, , , Ucayali 16, , , TOTAL 91, , ,203.46

38 Programa DGOT de capacitación en CLASlite Como parte del programa DGOT para aumentar capacidad en el manejo de la tierra, SIGMINAM ha capacitado más de 112 gobierno, ONG y otras instituciones en: San Martín Loreto Ucayali Pasco Junín Madre de Dios Cusco Amazonas

39 CLASlite Global curso de capacitación en línea

40 Principios y visión del curso Elimina el factor limitante para diseminación de CLASlite: capacitación Gratis Accesible a cualquier persona en el mundo (excepción: instituciones con fines de lucro) Accesible a usuarios que trabajan con bajo ancho de banda Eficaz: aprox. 10 horas para cumplir, en vez de un taller de 2 días CLASlite Equipo disponible para apoyo adicional Culmina en certificación y una licencia CLASlite de 1 año, que es renovable Usuarios siguen dedicándose a CLASlite, compartiendo historias de éxito y ayudándonos a seguir desarrollando la tecnología

41 Resumen del curso

42 Formato del curso: lecturas

43 Formato del curso: evaluaciones

44 Preguntas

Documentos relacionados

cap-900_1-23-integracion-relativos

cap-900_1-23-integracion-relativos 100.0 100.0 100.0 100.0 100.0 100.0 100.0 100.0 Su familia 15.6 16.9 14.1 20.9 16.1 19.5 21.2 16.3 Sus amigos 4.5 4.3 3.5 7.0 4.0 5.4 6.8 3.9 Sus compañeros de trabajo 0.8 0.7 0.6 0.9 0.7 0.6 0.9 0.6 Sus