Conferencia pronunciada en el contexto del Seminario internacional "Corredores ecológicos y planificación espacial". Organizado por el Instituto Universitario de Urbanística de la Universidad de Valladolid, los días 22 y 23 de septiembre de 2016.
2. La conectividad ecológica en la planificación espacial:
métodos, técnicas y perspectivas
Métodos cartográficos de la ocupación del suelo:
¿son precisos y reales nuestros mapas?
Jose-Manuel Álvarez Martínez
jm.alvarez@unican.es
jm.alvarez@unileon.es
3. A lo largo de la historia, factores ambientales y socioeconómicos (driving forces)
han originado cambios en los ecosistemas y paisajes de nuestro entorno,
funcionando como motor de las grandes variaciones de su estructura y función
9. DINÁMICA DEL PAISAJE
¿Cuáles son las
fuerzas que
generan los
patrones
paisajísticos?
Cuenca
Mediterránea, áreas
de montaña:
mosaicos
heterogéneos y
dinámicos en
abandono y
regeneración forestal
Sucesión
secundaria
16. ¿De dónde podemos obtener estos
modelos de la realidad de cara a
realizar nuestros estudios de (por
ejemplo) conectividad ecológica?
17. 1. Información estadística: encuestas, censos, etc.
2. Bases de datos vectoriales y raster de pública descarga
3. Observación directa en campo,
interpretación de fotografía aérea
antigua (1956- ) y reciente, y
clasificación de imagen multiespectral
4. Modelado espacial basado en teledetección:
imágenes de satélite (sensores ópticos) y foto áerea,
información LiDAR (Light Detection And Ranging)
y SAR (Synthetic Aperture Radar)
MODELOS CARTOGRÁFICOS
18. GLCF: Global Land Cover Facility, NOAA-MODIS (USGS, NASA) RASTER
GLC: Global Land Cover 2000 y 2009 (JRC, ESA, EU) RASTER
CLC (CORINE): CoORdination of INformation of the Environment (GMES; COPERNICO) VECTOR
SIOSE: Sistema de Información sobre Ocupación del Suelo de España (CNIG) VECTOR
Fácilmente accesibles
Exactitud local baja
Baja resolución
temporal
Objetivos
generalmente
diferentes a los
propios de nuestro
estudio
2. BASES DE DATOS PÚBLICAS
http://worldgrids.org/doku.php?id=wiki:land_cover_and_land_use
19. GLCF: Sistema de Información sobre Ocupación del Suelo mundial de la NASA
AVHRR Global Land Cover Classification - MODIS
MODIS Land Cover:
IGBP Land Cover Type Classification
5' x 5' resolution (pixel 0.083333°)
1776 rows x 4320 columns
2. BASES DE DATOS PÚBLICAS
20. GLC 2000: Global Land Cover 2000 (JRC, EU)
2. BASES DE DATOS PÚBLICAS
GLCGlobal Class(according to LCCSterminology)
1. TreeCover,broadleaved,evergreen
LCCS>15% tree cover, tree height>3m
(Examples of sub-classes at regional level* :
closed > 40% tree cove; open 15-40% tree cover)
2. TreeCover,broadleaved,deciduous,closed
3. TreeCover,broadleaved,deciduous,open
(open 15-40% tree cover)
4. TreeCover,needle-leaved,evergreen
5. TreeCover,needle-leaved,deciduous
6. TreeCover,mixed leaftype
7. TreeCover,regularlyflooded,fresh water (& brackish)
8. TreeCover,regularlyflooded,salinewater,
(daily variation of water level)
9. Mosaic:
Treecover/ Othernatural vegetation
10. TreeCover,burnt
11. Shrub Cover,closed-open,evergreen
(Examples of sub-classes at reg. level *: (i) sparse tree layer)
12. Shrub Cover,closed-open,deciduous
(Examples of sub-classes at reg. level *: (i) sparse tree layer)
13. HerbaceousCover,closed-open
(Examples of sub-classes at regional level *:
(i) natural, (ii) pasture, (iii) sparse trees or shrubs)
14. SparseHerbaceousorsparseShrubCover
15. Regularlyflooded Shrub and/or HerbaceousCover
16. Cultivated andmanagedareas
(Examples of sub-classes at reg. level *:
(i) terrestrial; (ii) aquatic (=flooded during cultivation), and under terrestrial: (iii) tree crop
& shrubs (perennial), (iv) herbaceous crops (annual), non-irrigated, (v) herbaceous crops
(annual), irrigated)
17. Mosaic:
Cropland /TreeCover / Othernatural vegetation
18. Mosaic:
Cropland /Shrub orGrassCover
19. BareAreas
20. Water Bodies(natural& artificial)
21. Snowand Ice(natural & artificial)
22. Artificialsurfacesand associated areas
30. CLC06
311 – Broadleaf forests
2. BASES DE DATOS PÚBLICAS
Paisaje heterogéneo. Entorno periurbano de la Cordillera Cantábrica
31. SISOE 2005
A(55 FDP_45 FDC)
2. BASES DE DATOS PÚBLICAS
Paisaje heterogéneo. Entorno periurbano de la Cordillera Cantábrica
32. 2. BASES DE DATOS PÚBLICAS
Paisaje heterogéneo. Entorno periurbano de la Cordillera Cantábrica
33. Landsat map
> 80% overall accuracy
3. FOTO AÉREA Y TELEDETECCIÓN
Paisaje heterogéneo. Entorno periurbano de la Cordillera Cantábrica
34. ¿Cuáles son las herramientas
Digitales disponibles para el
estudio de los paisajes?
Teledetección (RS)
Fotografía aérea y
Fotointerpretación
Sistemas de
Información
Geográfica (SIG)
3. FOTO AÉREA Y TELEDETECCIÓN
35. La teledetección permite una visión sinóptica de la estructura del territorio,
facilitando información relativa a la composición y estructura de la vegetación
cryosatv2_H264.mp4
59. E. N. DE LA SIERRA DE ANCARES (LEÓN)
Ubicación: Cordillera Cantábrica
Extensión: 100000 ha
Compleja orografía
Ambientes eurosiberianos-mediterráneos
LeónEspaña
SIERRA DE
LOS ANCARES
ALTO SIL
LIC, ZEPA
Reserva Biosfera
ENP JCyl
LOS ANCARES
Álvarez‐Martínez, J. M.: Análisis y modelado multiescalar de los efectos del
cambio global sobre la dinámica y función del paisaje en espacios de
montaña. Aplicaciones en ordenación territorial., PhD, Biodiversidad y
Gestión Ambiental, University of León, León, 2010.
60.
61.
62.
63.
64.
65.
66.
67.
68.
69.
70. Identificación espacial de
áreas de máxima
incertidumbre
CLASIFICACIÓN DE IMÁGENES E INCERTIDUMBRE
Corrección geométrica,
radiométrica, atmosférica
y topográfica
Determinación de grupos
espectrales homogéneos
Clasificación no supervisada
Selección de
variables y
categorías
Imágenes y MDT,
7 categorías
Análisis de error e
incertidumbre
(CONFUSION INDEX=CI)
Clasificación
supervisada con
maximum likelihood
(MAXLIKE)
1º
2º
J.M. Álvarez‐Martínez , J.J. Stoorvogel, S. Suárez‐Seoane, E. L.
Calabuig. Uncertainty analysis as a tool for refining land dynamics
modelling on changing landscapes. A study case in a Spanish
Natural Park. Landscape Ecology. 1991 - 2010
71. REDUCCIÓN DE LA INCERTIDUMBRE
Estructura del paisaje
Todos los mapas mostraron un patrón de ocupación similar: matriz de
matorral donde se insertaron manchas y corredores del resto de categorías
MÁXIMA
INCERTIDUMBRE
MEDIA
INCERTIDUMBRE
MÍNIMA
INCERTIDUMBRE
100% pixels (CI 100) 75% pixels (CI 75)
50% pixels (CI 50)
1991-2004
72. 1991 1992 1993 1994
1995 1996 1997 1998
1999 2000 2001 2002
2003 2004 Bosque de frondosas
Paisaje de fondo de valle (sebes y pastizales)
Matorral y repoblaciones forestales
Roquedos, canchales y suelo desnudo
Improductivo artificial (incendios, minas, desbroces)
Núcleos de población
Masas de agua
Bosque y etapas seriales avanzadas
Paisajes de bocage (fondo de valle)
Matorral y repoblaciones forestales
Roquedos, canchales y suelo desnudo
(improductivo natural)
Incendios, minas, canteras y desbroces
(improductivo artificial)
Zonas urbanas
Superficies de agua
Exactitud muy buena (87.50%)
Coherencia buena (78.70%)
Hard classifiers, MAXLIKE
73. ¿Cuáles son los cambios
más importantes del área de
estudio, a la escala dada y con
las categorías descritas?
CAMBIO DE OCUPACIÓN DEL SUELO
Álvarez‐Martínez, J.‐M., Suárez‐Seoane, S., and De Luis Calabuig, E.:
Modelling the risk of land cover change from environmental and socio‐
economic drivers in heterogeneous and changing landscapes: The role of
uncertainty, Landscape Urban Plan, 101, 108‐119
74. ¿Fueron consistentes los
cambios tras la reducción de
la incertidumbre?
Episodios de máxima
ocurrencia cada 2-4 años
Recuperaciones rápidas e
intensas durante los 2 años
siguientes al incendio
CAMBIO DE USO Y COBERTURA DEL SUELO
INCENDIOS
MATORRAL
RECUPERACIÓN
Matorral Suelo descubierto
75. ANÁLISIS DE LA DINÁMICA DEL PAISAJEOutputs de los modelos para
el área de estudio (ejemplo)
Matorral
Suelo descubierto
76. CAMBIO DE ESCALA EN LOS ANÁLISIS
CUENCAS
NATURALES
- bosque>50%
- abandono
- uso forestal
desde mediados
del siglo pasado
CUENCAS
ANTRÓPICAS
- brezales>80%
- uso antrópico
intenso
- incendios
desde mediados
del siglo pasado
Cambio
de escala
Álvarez‐Martínez, J. M., Suárez‐Seoane, S., Stoorvogel, J.
J., and de Luis Calabuig, E.: Influence of land use and
climate on recent forest expansion: a case study in the
Eurosiberian–Mediterranean limit of north‐west Spain,
Journal of Ecology, 102, 905‐919
¿1991 – 2010?...
77. 1956 1974 1983 1990 2010
CAPÍTULO IV
Digitalización
manual de la
ocupación del
suelo.
Cartografía de
alto detalle
CUENCAS : Naturales - Antrópicas
LADERAS : Solana - Umbría
Radiación solar
acumulada (2004)
Ortorrectificación de
348 fotografías aéreas
ANÁLISIS A ESCALA LOCAL
78.
79.
80.
81.
82.
83.
84.
85.
86.
87.
88.
89.
90. 4. MODELADO ESPACIAL Y TELEDETECCIÓN
¿Y si necesito no solo
estructura, sino
composición de la
vegetación u otro tipo de
ocupación del suelo?
¿Puedo descargarme esa
información?
¿Si no puedo, cómo la
puedo desarrollar?
¿Cómo interpretarla?
91. • Superficie: 120 000 hectáreas.
• Elevación: desde el nivel del
mar hasta 2650 msnm (1.000 ±
420 metros), Topografía:
accidentada, sobre todo en la
zona central (el ángulo medio de
inclinación es de 21 ± 13º).
• Dos regiones "biogeográficas":
clima atlántico (1.160 ± 275 mm
y 9,5 ± 2,2 ° C), con propiedades
sub-mediterráneas en latitudes y
altitudes más bajas.
• Vegetación: una mezcla de
bosques templados al norte y
comunidades esclerófilas al sur.
Las hayas (Fagus sylvatica),
robles (Quercus petraea, Q.
robur) y abedules (Betula spp)
dominan en ambientes más fríos
y húmedos del norte y otras
especies de robles (Q. pyrenaica,
Q. rotundifolia) en zonas más
continentales y secas al sur.
Objetivo: Cartografía, diagnóstico y
planificación de los habitat terrestres
en Red Natura 2000 de Cantabria (LICs)
4. MODELADO ESPACIAL Y TELEDETECCIÓN
92. Escena Landsat 202/30 (path/row)
La imagen incluye toda la CCAA de Cantabria
y los LIC incluidos en la Red Natura 2000
ASTURIASESPAÑA
CASTILLA y LEÓN
PAÍS
VASCO
CANTABRIA
Encaje en extensión y a nivel de pixel con las imagenes Landsat: 30 metros
Área de trabajo amplia para un mayor número de zonas de entrenamiento
4. MODELADO ESPACIAL Y TELEDETECCIÓN
93. Las técnicas SDM generan mapas continuos de idoneidad, con valores
de salida [0-1] en función de las relaciones estadísticas establecidas
(Grinnell, 1917; Hutchinson, 1957, 1978; Peterson et al, 2012)
¿Qué necesitamos para crear los modelos?
1
2 MODELADO
ESPACIAL
DATOS DE
OCURRENCIA
PREDICTORES
PREDICCIONES
ESPACIALES
CARTOGRAFÍA
3
4. MODELADO ESPACIAL Y TELEDETECCIÓN
94. Mapas vectoriales de vegetación a escalas detalladas
Búsqueda en las Universidades de Asturias, León y Cantabria
Jardín Botánico de Gijón (Asturias) y Gobierno de Cantabria
Mapas de vegetación tipos de hábitats (Directiva Hábitats, Anexo I)
J. A. Prieto (Universidad de Oviedo)
1. DATOS DE ENTRENAMIENTO
95. PROBLEMAS: * recogida toda la variabilidad ambiental y geográfica?
* sesgos de muestreo? * nicho truncado/extrapolación?
DATOS DE ENTRENAMIENTO
Algunos habitats mostraron datos de ocurrencia bien distribuidos
Otros mostraron sesgo especial o ambiental en los datos
96. PROBLEMAS: * Autocorrelación espacial
Número de hábitats con datos: 30/41
DATOS DE ENTRENAMIENTO
Muestreo completo de las unidades de vegetación a cartografiar
Consideración espacialmente explícita de la estructura y composición
97. VARIABLES TOPOGRÁFICAS: MDT 5 metros (CNIG, 2014)
Remuestreado a 30 metros de pixel
2. PREDICTORES AMBIENTALES
100. PREDICTORES AMBIENTALES
VARIABLES CLIMÁTICAS: 200 metros (Ninyerola, 2005)
Reinterpolado a 30 metros de pixel (natural neighbour)
Temperatura media, mínima y máxima y precipitación anual y estacional
106. INDICES DE VEGETACIÓN (NDVI, Tasseled Cap, LAI, etc.)
Obtenidos del mosaic MVC de Landsat 8OLI (USGS, 2015)
Escena Landsat 202/30 (path/row) en falso solor RGB-543
NDVI [-1,1], derivado del mosaic MVC, libre de errores en los datos
PREDICTORES AMBIENTALES
107. LiDAR (Light Detection And Ranging) is a remote sensing technology that measures distance by illuminating a
target with a laser and analyzing the reflected light. Lidar is popularly used as a technology to make high-
resolution maps, with many applications in physical, environmental science and mapping. Canopy
heights, biomass measurements, and leaf area can all be studied using airborne lidar systems.
• 3D structure
• Fuel models
• Biomass, canopy
• Composition
DATOS LiDAR
108. LiDAR (Light Detection And Ranging) is a remote sensing technology that measures distance by illuminating a
target with a laser and analyzing the reflected light. Lidar is popularly used as a technology to make high-
resolution maps, with many applications in physical, environmental science and mapping. Canopy
heights, biomass measurements, and leaf area can all be studied using airborne lidar systems.
• Estructura 3D
• Modelos de
combustible
• Biomasa, etc.
DATOS LiDAR
109. ESTRUCTURA DE LA VEGETACIÓN (LiDAR) (CNIG 2015)
DTM, DSM y CHM
PREDICTORES AMBIENTALES
0 100
110. Un procedimiento estadístico o algoritmo de modelado que relacione los
datos de ocurencia y background con las variables predictoras seleccionadas
Las técnicas SDM generan mapas continuos de idoneidad, con valores
de salida [0-1] en función de las relaciones estadísticas establecidas
(Grinnell, 1917; Hutchinson, 1957, 1978; Peterson et al, 2012)
Técnicas avanzadas de modelado espacial
3. MODELADO DE HÁBITATS
1
2 ALGORITMO DE
MODELADO
ESTADISTICO
DATOS DE
OCURRENCIA
PREDICTORES
PREDICCIONES
ESPACIALES
CARTOGRAFÍA…
111. Teselado de la
vegetación en unidades
fisionómicas (manchas
homogéneas mayores
de 5hectáreas)
E 1:50 000
Totalmente automático y objetivo: depende del modelo
MAPA DE HÁBITATS (VEGETACIÓN)
112. Ejemplo de cliserie con el resultado de los modelos
Patrones espaciales
correctos (latitudinales,
altitudinales) de variación
de la vegetación de la
Cordillera Cantábrica
MAPA DE HÁBITATS (VEGETACIÓN)
114. La base cartográfica es el
modelo de la realidad. Si el
modelo falla, nuestros cálculos
serán erróneos o poco fiables
115. GLCF: Global Land Cover Facility, NOAA-MODIS (USGS, NASA) RASTER
GLC: Global Land Cover 2000 y 2009 (JRC, ESA, EU) RASTER
CLC (CORINE): CoORdination of INformation of the Environment (GMES; COPERNICO) VECTOR
SIOSE: Sistema de Información sobre Ocupación del Suelo de España (CNIG) VECTOR
EJ. PRÁCTICO: LIC TERR. CANTABRIA
116. EJ. PRÁCTICO: LIC TERR. CANTABRIA
GLCF: Global Land Cover Facility, NOAA NASA RASTER
Pixel
km
117. EJ. PRÁCTICO: LIC TERR. CANTABRIA
GLCF: Global Land Cover Facility, NOAA NASA RASTER
Pixel
km
118. EJ. PRÁCTICO: LIC TERR. CANTABRIA
GLCF: Global Land Cover Facility, MODIS NASA RASTER
Pixel
km
119. EJ. PRÁCTICO: LIC TERR. CANTABRIA
GLCF: Global Land Cover Facility, MODIS NASA RASTER
Pixel
km
120. EJ. PRÁCTICO: LIC TERR. CANTABRIA
GLC: Global Land Cover 2000 y 2009 (JRC, ESA, EU) RASTER
Pixel
km
121. EJ. PRÁCTICO: LIC TERR. CANTABRIA
GLC: Global Land Cover 2000 y 2009 (JRC, ESA, EU) RASTER
Pixel
km
122. EJ. PRÁCTICO: LIC TERR. CANTABRIA
CLC (CORINE): CoORdination of INformation of
the Environment (GMES; COPERNICO) VECTOR
Pixel
m
123. EJ. PRÁCTICO: LIC TERR. CANTABRIA
CLC (CORINE): CoORdination of INformation of
the Environment (GMES; COPERNICO) VECTOR
Pixel
m
124. EJ. PRÁCTICO: LIC TERR. CANTABRIA
SIOSE: Sistema de Información sobre
Ocupación del Suelo de España (CNIG) VECTOR
Pixel
m
125. EJ. PRÁCTICO: LIC TERR. CANTABRIA
SIOSE: Sistema de Información Geográfica de
Parcelas Agrícolas (Magrama) VECTOR
Pixel
m
126. 4030 - Brezales secos
europeos
0 1E 1:50 000
EJ. PRÁCTICO: LIC TERR. CANTABRIA
MODELADO DE HÁBITATS
127. 4030 - Brezales secos
europeos
0 1E 1:25 000
EJ. PRÁCTICO: LIC TERR. CANTABRIA
MODELADO DE HÁBITATS
128. 9120 - Hayedos
acidófilos atlánticos
son sotobosque de Ilex
y a veces de Taxus
0 1E 1:50 000
EJ. PRÁCTICO: LIC TERR. CANTABRIA
MODELADO DE HÁBITATS
129. 9120 - Hayedos
acidófilos atlánticos
son sotobosque de Ilex
y a veces de Taxus
0 1E 1:25 000
EJ. PRÁCTICO: LIC TERR. CANTABRIA
MODELADO DE HÁBITATS