Este documento describe el sistema Terra-i para monitorear cambios en el hábitat usando datos MODIS y redes neuronales. Terra-i puede detectar cambios en la vegetación causados por deforestación u otros impactos humanos comparando datos NDVI reales con valores predichos por una red neuronal entrenada. El documento analiza la detección de cambios en varios países de América Latina entre 2004-2009, mostrando altas tasas de deforestación en Brasil, Colombia y Bolivia. También describe esfuerzos para mejorar la metodología de Terra

1. Terra -
Monitoreo de cambios en el habitad usando
Redes neuronales y datos MODIS
Karolina Argote , Louis Reymondin,
Alejandro Coca, Andy Jarvis
International Center for Tropical Agriculture
Primer Taller Regional de Monitoreo de Bosques
GEO y Servicio Geológico de los Estados Unidos (USGS)
Lima, Perú
14 - 19 de Agosto 2011

2. Contenido
• Deforestación y Cambio
Climático.
• La importancia de Monitorear
el cambio en los ecosistemas
• Metodología de Terra-i
• Pasado
• Presente
• Proyectos en desarrollo
• Futuro
Foto por Peer Voss
Deforestación en el Chaco Paraguayo

3. El cambio en el uso de la tierra es uno de los principales
generadores de los gases de efecto invernadero, que incrementan
su concentración con el paso de los años trayendo como
consecuencia drásticos cambios en el clima global.

4. Proporción de los gases de efecto invernadero
(GEI) en los últimos años. (IPCC. 2007)
La concentración de GEI
aumenta debido a las
alteraciones del hombre
sobre la naturaleza.

5. Temperaturas Globales y Concentración de
Dióxido de Carbono, 1880-2007
Fuente: NASA GISS and NOAA/ESRL

6. Como contribuye la deforestación al
Cambio Climático??
Mediante el secuestro de carbono se extrae CO2 de la atmósfera y se almacena en grandes
depósitos. La Biomasa aprovechable, La madera, el suelo y la materia orgánica muerta de
plantas y animales de los bosques constituyen un sumidero de carbono muy importante
para la tierra.
CO2 CO2 CO2 CO2
La conversión de tierras forestales a agricultura o pastizales para sistemas
ganaderos libera el carbono almacenado a la atmósfera contribuyendo así
al Cambio Climático.

7. Porqué monitorear los cambios
en los ecosistemas??
Establecer sistemas de monitoreo robustos y
transparentes que puedan alertarnos a tiempo
de los cambios que ocurren en nuestros
ecosistemas nos permitirá tomar decisiones y
ejecutar planes de acción y mitigación,
uniendo esfuerzos para reducir los efectos del
cambio climático.

8. Que es Terra -
Terra-i es un sistema de monitoreo de cambios en
el hábitat que utiliza diferentes modelos
matemáticos que combinan datos del estado de la
vegetación (MODIS NDVI) y datos de precipitación
de lluvia (TRMM) para detectar desviaciones del
patrón normal del ciclo natural de la vegetación en
el tiempo y así, posibles impactos antropogénicos en
los ecosistemas naturales.

9. Enfoque Conceptual
La intensidad del verde de la vegetación sigue un ciclo natural que depende de
factores climáticos (precipitación, temperatura), variables de sitio (tipo de
vegetación, características del suelo) y de las alteraciones (naturales o
antropogénicas).
Terra-i es un modelo capaz de predecir la evolución de la intensidad verde
de la vegetación, con base a medidas del comportamiento de la vegetación en
el tiempo y medidas climáticas actuales para detectar cambios significativos en
el habitad.

10. Datos de Entrada al Sistema
1. Índices de Vegetación (Producto MODIS MOD13Q1, 16 días, 250m)
Índice de vegetación de diferencia normalizada (NDVI) representa la
cantidad y el vigor de la vegetación. Los valores de una zona están
estrechamente relacionados con el tipo de vegetación y con las condiciones
climáticas, así como con el patrón predominante de uso de la tierra.

11. Datos de Entrada al Sistema
2. Datos de precipitación de TRMM (3horas, 28km)
Tropical Rainfall Measuring Mission (TRMM) liderado por la NASA y la
Agencia de Exploración Aeroespacial Japonesa (JAXA) monitorea y
estudia precipitaciones tropicales y subtropicales, entre 35º N y 35º S.
Fue lanzado el 27 de noviembre de 1997 desde Japón.

12. Metodología de Terra-
Datos NDVI y QA MODIS MOD13Q1,
Precipitación (TRMM)
(2000-2009)
Limpieza de Datos
Algoritmo de Hants
Datos de 2000 a 2004
Entrenamiento de la
Clustering Red Neuronal
Datos de 2004 a 2009
K-Mean
Selección aleatoria de Predicción de
píxeles. NDVI desde
2004 a 2009
Calibración con mapas de Mapas de las Diferencia entre el NDVI medido
cambio generados con probabilidades por el sensor y el NDVI Predicho
imágenes Landsat (30m) de cambio por la red neuronal
Edición de
Mapas de cambios
Reglas
por pérdidas
Mapas de Cambios Clasificación Resultados
Detectados del cambio Mapas de cambios
por incrementos

13. 1 Limpieza de datos
Algoritmo de Hants
Se aplica el algoritmo Hants (Harmonic Analysis of a Time Series) a los datos
NDVI, con el fin de eliminar los valores bajos y fluctuantes que pueden estar
relacionados con variaciones atmosféricas y no con la dinámica natural o
antrópica en las coberturas de la tierra.
Trasformada rápida de Fourier
Esta transformada convierte la señal del
dominio del tiempo al dominio de la frecuencia.

14. 2 Clustering
K-Means
i. Se asigna aleatoriamente a cada objeto
del conjunto un clúster entre 1 y K y se
calculan los centroides de cada cluster
como el valor medio de todos los
objetos.
ii. Se calcula la distancia de los objetos a
los centroides y se asignan nuevamente
a cada objeto del conjunto un cuya
distancia es mínima con respecto a
todos los centroides.
iii. Se repite el paso ii hasta que allan <1%
de objetos que han cambiado de clusters
en la nueva iteración

15. 3 Entrenamiento de la
Red Neuronal

16. 4 Detección de cambios
Para detectar los cambios, las Redes Bayesianas Neuronales
nos dan tres indicadores:
1. El valor predicho
(Para detectar los cambios)
2. La desviación estándar de las predicciones del modelo sobre la función real.
(Para medir qué tan seguros estamos de que la medida del satélite es anormal.)
3. El nivel de ruido (Gaussiano) de la medida del satélite
(Para medir qué tan seguros estamos de que la medida del satélite es anormal.)

17. Detección de cambios por zonas de análisis
irregulares entre el 2004 y el 2009.

18. Terra-i 2004-2009
En América latina
se detecta una
pérdida acumulada
en los 5 años de
estudio de 21.6
millones de ha y
una tasa anual de
4 millones de ha.
Los resultados muestra que en todos los
países de América Latina hubo pérdida de
la superficie forestal y de otros tipos de
hábitat entre los años 2004 y 2009

19. Calibración con Imagenes Landsat
2004
2009
Como Terra-i genera un mapa de
probabilidades de cambio se realiza una
calibración de los resultados obtenidos,
con el fin de seleccionar el umbral de
probabilidad más apropiado para cada
clúster de cada zona de análisis.

20. Calibración con Imagenes Landsat
Usando CLASlite y ERDAS
CLASlite genera mapas de deforestación y perturbación de bosques tropicales mediante
el análisis cuantitativo a nivel de subpixel clasificando cada pixel entres clases: % de
vegetación viva, % de vegetación muerta y % de superficie descubierta usando el
modelo Automated Monte Carlo y una biblioteca de datos espectrales.
.

21. Comparación de resultados de
Terra-i con modelos locales
Los resultados de Terra-i fueron comparados con datos de deforestación producidos por el
Instituto Nacional de Pesquisas Espaciais (INPE) entre los años 2004 y 2009 mediante
sistemas de monitoreo como PRODES y DETER.
PRODES
(Proyecto de Estimativa de Deforestación de la Amazonia) corresponde a estimativas
generadas a partir del año 2003 mediante un sistema de clasificación digital usando
imágenes de alta resolución LANDSAT.
DETER
Sistema de detección de la deforestación en tiempo casi real que publica alertas de
deforestación quincenalmente para la Amazonía Brasileña usando imágenes de mediana
resolución MODIS.
En la comparación se observa una alta correlación entre
los sistemas Terra-i y PRODES.

22. Comparación de resultados de
Terra-i con modelos locales

23. Comparación de resultados de
Terra-i con modelos locales

24. Resultados de Terra-i por país
Los resultados muestran que en
América latina Brasil es el país
que cuenta con los ecosistemas
más amenazados registrando una
tasa de deforestación promedio
anual de 3 millones de hectáreas,
ocasionado principalmente por
ganadería, expansión de
monocultivos de soja y
explotación forestal.

25. Resultados de Terra-i en la
Amazonía
En la Amazonía Brasilera Terra-i detecta un total acumulado de 16 millones de
hectáreas deforestadas entre los años 2004 y 2009, equivalente a una pérdida
promedio anual de 2.96 millones de hectáreas.
3,500,000 Calculando la pérdida de hábitat por
unidad de área se muestra que
Brasil, Colombia y Bolivia son los
3,000,000
2,500,000
países con mayor amenaza en la
2,000,000 selva amazónica.
1,500,000 Peru Surinam Venezuela
4% 4% 3%
1,000,000 French Guyana
500,000 Guyana 3%
4% Bolivia
0 Ecuador 20%
2004 2005 2006 2007 2008 2009 3%
Colombia
14%
Brasil
45%

26. Detección de Terra-i en
Meta-Caquetá, Colombia
2009 2004

27. Detección de Terra-i en
Caquetá, Colombia
2009 2004

28. En Colombia las causas de
pérdida de hábitat varían en
cada región. En la región
Andina la pérdida de bosques
se asocia principalmente a la
expansión de la frontera
agrícola, el desarrollo de
nueva infraestructura e
incendios forestales. Mientras
que en la Amazonia y el
Pacífico la principal causa es
la explotación maderera.
(MAVDT, 2008)

29. Detección de Terra-i en
Rondonia, Brasil
2009 2004

30. Detección de Terra-i en
Rondonia, Brasil
2009 2004

31. Detección de Terra-i en
Mato Grosso, Brasil
2009 2004

32. Detección de Terra-i en
Mato Grosso, Brasil
2009 2004

33. Detección de Terra-i en
Para, Brasil
2009 2004

34. Detección de Terra-i en
Para, Brasil
2009 2004

35. En Brasil a nivel departamental
los estado de Mato Grosso y Pará
registran las mayores tasas de
deforestación; 1,091,816 y 713,107
hectáreas por año respectivamente.
Estados donde se ha incrementado
la actividad ganadera y así la
conversión de zonas forestales a
zonas de pasto y a explotaciones
agrícolas de monocultivos, en
particular de soja.
El rápido crecimiento de la
actividad ganadera ha acelerado la
destrucción de la selva amazónica.

36. Detección de Terra-i en
Bolivia
2009 2004

37. Detección de Terra-i en
Bolivia
2009 2004

38. En Bolivia el Sector Forestal
representa el 3% del PIB del
país y es el segundo más
importante dentro de las
exportaciones no tradicionales,
después de las oleaginosas, en
7 de los 9 departamentos del
país y productos como la
castaña y el palmito, son
importantes en la región norte
amazónica del país.
(Camara Forestal de Bolivia 2008)

39. Detección de cambios por zonas de análisis regulares
(a nivel de tile MODIS) entre el 2004 y el 2011.

40. Análisis a nivel de Tiles MODIS
Esto nos da mayor automatización del proceso, sincronizando las etapas
descarga, pre-procesamiento de datos MODIS , procesamiento en Terra-i y
próximamente la carga de resultados finales en el servidor de mapas y en el ftp.

41. Detección de Terra-i en Perú
Ver video aquí: (Detección en Perú desde el Enero de 2004 a Julio de 2011)
http://www.youtube.com/user/Terraiproject?feature=mhsn

42. Mejorar cada vez más nuestro sistema desarrollando
metodologías para el análisis de la información
generada.

43. Determinación de patrones de Deforestación
en la Amazonía usando Terra-i
• El área de estudio es subdividida en celdas regulares (25x25km), en las cuales se
pueden evaluar métricas a nivel de objeto, clase o célula que permiten diferenciar
estructuralmente cada uno de los patrones.
• Terra-i logra diferenciar visualmente los tipos de patrones descritos por sistemas de
monitoreo de alta resolución (PRODES) en la Amazonia Legal.
• Para la determinación de patrones se utilizan los software Fragstat y TerraView.
• Se han evaluado dos algoritmos matemáticos (Arboles de decisión y Redes Neuronales).
Ambos algoritmos exigen inicialmente que se realice un entrenamiento con zonas
ejemplo que describan estructuralmente (con métricas) cada tipo de patrón, por lo
cual se está seleccionando cual será el mapa base a utilizar.

44. Determinación de patrones de Deforestación
en la Amazonía usando Terra-i

45. Caracterización métrica de zonas de entrenamiento
para cada patrón: usando Fragstat y TerraView
Arboles de decisión Red Neuronal
Variables 6 patrones
(metricas)

46. Perspectivas…
Análisis del cambio en los patrones de
deforestación desde un mapa base
Saito et al. (2011)

47. Definiendo el mapa base … Clusters Vegetation – Terra-I 2000-2003
Spatial Resolution: 250m
Bosque humedo y seco
tropical de baja altitud (TNC)
Corine Land Cover / Classified 2000
Spatial Resolution: 1km

48. 1. Automatización de los procesos
2. Divulgación de los resultados
3. Análisis de los resultados y mejoras metodológicas.

49. Terra-i en el futuro
Automatización
• Automatizar el proceso de detección desde la descarga de
los nuevos datos disponibles en el ftp de MODIS hasta la
divulgación de los resultados en nuestro portal de datos.
• Creación de una interfaz web que permita monitorear y
configurar los diferentes procesos sin conocimientos
avanzados de script y shell.

50. Terra-i en el futuro
Automatización

51. Terra-i en el futuro
Divulgación
• Una de nuestras metas a medio plazo es poner a disposición de
todos los resultados de Terra-i para América latina mediante un
portal de datos permitiendo así:
– Descargar datos en un formato compatible con los software GIS.
– Explorar los resultados mediante una interface de mapas.
– Descargar sub-productos (inundaciones, áreas de incremento de
NDVI)
– Descargar tablas con las cifras de pérdida de hábitat a nivel
nacional, departamental, por áreas protegidas y tipos de
ecosistemas.
– Acceder a reportes, presentaciones y publicaciones del equipo
terra-i.

52. Terra-i en el futuro
Análisis de resultados y mejoras metodológicas
• Trabajamos continuamente en la metodología para mejorar
la cualidad de nuestros resultados.
• Se implementarán herramientas que permitan agregar
información a nuestros resultados, incluyendo: la detección
de la dinámica de inundaciones y sequias, y el reconocimiento
dinámico de diferentes patrones de cambios.

53. Contactanos
k.a.argote@cgiar.org
karoargote@gmail.com
www.terra-i.org