1. Monitoreo de la degradación forestal asistido por
sensores remotos.
Taller sobre enfoques metodológicos para la cuantificación
de la degradación forestal.
Zapopan, Jalisco, 9-12 de Abril de 2018
Martín Enrique Romero Sánchez
Centro Nacional de Investigación Disciplinaria en Conservación y
Mejoramiento de Ecosistemas Forestales.
3. • Degradación forestal (FAO, 2001,2003,2006)
“Reducción de la cobertura de copa dentro del bosque”
.
“Cambios en el bosque que afectan negativamente la estructura
o función”
.
“La reducción a largo plazo del potencial promedio para proveer
servicios ambientales, los cuales incluyen carbón, madera,
biodiversidad y otros bienes y servicios.”
4. • Degradación forestal enfoque operativo
• Selección de indicadores “fáciles” de medir
• Metodologías verificables y reproducibles
• Uso de variables auxiliares
• Sensores remotos
6. 0.0
10.0
20.0
30.0
40.0
50.0
60.0
Tr (h) Te Tr (s) Tr (Ds) Tr (D) De Mi (For) Dr
%
Distribución de evaluación de la degradación por tipo de vegetación evaluada Tr (h): Bosque
tropical húmedo, Te: Bosque templado; Tr(s): Bosque Tropical semideciduo: Tr(D) Bosque
tropical seco; De; Bosque deciduo; Mi (For): Bosques mixtos; Dr: Zonas áridas.
7. Indicador Fuentes
Biomasa aérea/carbon
Gerwing 2002; DeFries et al. 2007; Eckert et al. 2011; Mitchard et
al. 2011; Herold et al. 2011; Ryan et al. 2012; Houghton et al. 2012;
Kronseder et al. 2012
Cobertura de copa
Achard et al. 2004; Foley et al. 2007; Panta et al. 2008; Lopez-
Garcia 2009; Matricardi et al. 2010; Nandy et al. 2011; Kolb &
Galicia 2012; Mon et al. 2012; le Polain de Waroux & Lambin 2012
Fragmentación Herold et al. 2011; Margono et al. 2012
Disturbios Gerwing 2002; Asner et al. 2010b; Matricardi et al. 2010
Biodiversidad Chidumayo 2013; Xaud et al. 2013
Métricas derivadas de
paisaje
Lu et al. 2012; Houghton 2012
Otros Ponce 2007;Tang et al. 2010; Xaud et al. 2013
Monitoreo de la degradación forestal asistido por sensores remotos
12. Diseño.
Definición
de
degradación
forestal
Mapeo y cuantifición de la
degradacion forestal
Selección de
indicadores
Datos de sensores
remotos
Estrategia
de
validación
Análisis de
trayectorias
Patrones temporales
y espaciales
Selección del
nivel de
referencia
Selección de valores
umbrales por
indicador
Comparación de los patrones temporales y
espaciales vs nivel de referencia
Estimación
de
indicadores
14. Datos
´ Sensores remotos
´ Landsat TM y ETM+ (1985-2014)
´ Modis (MOD17A).
´ LiDAR
´ Imágenes de muy alta resolución (World View-2 y Google Earth®)
´ Inventarios forestales (2004, 2009)
´ Bases de datos de variables meteorológicas
´ CONAGUA (1970-2010) e INIFAP (2007-2014)
16. 0
50
100
150
200
250
Jan Feb March April May June July August Sept Oct Nov Dec
1987
PP ETP ETP*.5 Soil moisture
LGP ends (Oct, 16th)
0
50
100
150
200
250
300
Jan Feb March April May June July August Sept Oct Nov Dec
1997
PP ETP ETP*.5 Soil moisture
LGP begins (April, 6th) LGP ends (Dec,30th )
LGP begins (May, 18th)
Calculo de la duración del periodo de crecimiento para separar las imágenes por etapa fenológica
mmmm
23. ´ Validación con datos LiDAR
´ Cobertura de copa
´ Se obtuvo una diferencia de 4.41% (RMSE) entre estimaciones de Landsat y Cobertura
de copa derivada de LiDAR.
´ Biomasa Aérea
´ Los valores de RMSE derivados de la comparación entre Landsat y Lidar estuvo en el e
rango de 32 – 53 Mg/ha
Resultados
26. ´ Productividad PrimariaNeta
NPP (gC·m2·y) Vegetation Type Location Reference
520 Bosque tropical San Carlos, Venezuela (Clark et al., 2001)
610 Bosque tropical San Eusebio, Venezuela (Clark et al., 2001)
450 Bosque seco Guanica, Puerto Rico (Clark et al., 2001)
400 Seco semi-deciduo Jalisco, Mexico (Martinez-Yrizar et al., 1992)
547 Seco semi-deciduo Yucatan, Mexico Esteestudio*
27. ´ Análisis de trayectorias
´ Bfast
El análisis de trayectorias para
el periodo 1987-2014
identifico bosques en
condiciones estables.
28. ´ Análisis de trayectoria
´ BFAST fue capaz de identificar trayectorias donde áreas forestales se
mantuvieron estables y áreas donde ocurre existió alguna alteración
Pixel Stable period selected Monitoring period assessed Break
detected
Model Fit (R2)
A 1987(267)--1999(364) 2000(1)--2014(45) 2002(204) 0.18
B 1995(17)--1999(364) 2000(1)--2014(45) 2002(204) 0.53
C 1995(17)--1999(364) 2000(1)--2014(45) 2002(204) 0.81
D 1987(267)--1999(364) 2000(1)--2014(45) No Break
detected
0.20
29. ´ Nivel de referencia relativa.
Resultados
Baseline Forest.
Carbon
Mg/ha
NPP (gC/m2/year)
min 14 205
Average 23.28 519
Max 51.84 844
St. Dev. 7.4 245
Capacidad de carga de carbono.
36. Que sigue?
• Probar y validar diferentes indicadores y metodologías a lo largo del país.
• Las torres de covarianza de flujos (The Eddy covariance) en combinación con
sensores remotos son elementos promisorios para apoyar el modelado de PPN
en diferentes tipos de vegetación a lo largo del país.
• El impacto directo que el cambio climático esta teniendo sobre procesos
fisiológicos (e.g. productividad de bosques) y sobre la distribución especial de
algunas especies son considerados elementos valiosos de futuras
investigaciones.