Documento Base Teórico de Algoritmos

(ATBD)

RAISG - MapBiomas Amazonía - Colección 1

Versión 2

Marzo de 2019

Resumen Ejecutivo La Red Amazónica de Información Socioambiental Georreferenciada (RAISG) es un consorcio de organizaciones de la sociedad civil de los países amazónicos orientado a la sostenibilidad socioambiental de la Amazonía, con apoyo de la cooperación internacional. La RAISG genera y difunde conocimientos, datos estadísticos e informaciones socioambientales geoespaciales de la Amazonía, elaborados con protocolos comunes para todos los países de la región, enfocados en una visión integral de la región. La Red está conformada por los siguientes países: Bolivia, Brasil, Colombia, Ecuador, Guyana, Guyana Francesa, Perú, Surinam y Venezuela; e involucra a una amplia gama de especialistas en: sensores remotos, geografía, geología, ecología, ingeniería ambiental y forestal, ciencias de la computación, ciencias humanas, periodismo, diseño, entre otras profesiones. MapBiomas es la iniciativa de una red de colaboración conformada por organismos no gubernamentales, universidades y empresas de Brasil, organizadas con el objetivo de utilizar una tecnología de calidad y de menor costo para producir series anuales de mapas (de 1985 a 2017). Tras dos años de proyecto, en 2017, MapBiomas lanzó la colección completa de mapeo para los biomas brasileños. Desde el año 2009, la RAISG trabaja en la construcción de mapas de deforestación de la Amazonía aplicando cada vez herramientas de procesamiento más avanzadas. Es así que, en la búsqueda de alternativas para la automatización de los procesos y la generación de información, en marzo del 2017 se inician los acuerdos entre RAISG y la Coordinación General de la iniciativa MapBiomas. Su objetivo es el de generar los mapas anuales de cobertura y uso del suelo para toda la Pan-Amazonía con base a la metodología construida para los biomas de Brasil por la iniciativa MapBiomas. El objetivo de este Documento Base Teórico de Algoritmos (ATBD, por sus siglas en inglés) es proporcionar a los usuarios la comprensión de los pasos metodológicos y algoritmos computacionales para producir la Colección 1 de mapas MapBiomas Amazonía, que contempla el mapeo de las coberturas y usos del suelo, dentro del límite de la Pan-Amazonía, entre los años 2000 y 2017.

1. Introducción 6 1.1. Alcance y contenido del documento 6 1.2. La Colección 1 6 1.3. Identificación del área de interés 7 1.4. Aplicaciones 8

2. Información básica y antecedentes 8 2.1 Contexto institucional 8

2.1.1. Red Amazónica de Información Socioambiental Georreferenciada (RAISG) 8 2.1.2. Iniciativa RAISG para el mapeo de la deforestación 10 2.1.3 Iniciativa MapBiomas Amazonía 11 2.1.4. Distribución de biomas por país 12 2.1.5. Datos de Percepción Remota 14 2.1.6. Google Earth Engine y las aplicaciones de MapBiomas 15

2.2. Otras iniciativas de mapeo 16 2.2.1. Fuentes mundiales 16 2.2.2. Fuentes para la región Pan-Amazonía 17 2.2.3. Fuentes para la región Andina 17

3. Descripción metodológica 18 3.1 Generación de mosaicos Landsat 18

3.1.1. División del espacio de análisis en cartas 18 3.1.2. Definición de mosaicos de imágenes Landsat por carta 20 3.1.3. Evaluación de la calidad de los mosaicos para la región Pan-Amazonía 23

3.2 Clasificación 25 3.2.1. Variables 25 3.2.2. Árboles de decisión 28 3.2.3. Leyenda MapBiomas Amazonía 31 3.2.3. Temas transversales 32 3.2.4. Evaluación de la calidad de las clasificaciones para la región Pan-Amazonía 32

3.3. Pos clasificación 34 3.3.1 Filtro Espacial 34 3.3.2 Filtro Temporal 35 3.3.3. Reclasificación 36 3.3.4. Integración 37 3.3.4 Transiciones 38

4. Consideraciones prácticas y desafíos 38

5. Referencias 38

Apéndices 39

Anexos 39

Lista de Figuras Figura 1. Territorio de la región Pan-Amazónica definida por el límite biogeográfico y los países que la comprenden: BOL (Bolivia), BRA (Brasil), COL (Colombia), ECU (Ecuador), (GUF) Guayana Francesa, GUY (Guyana), PER (Perú), SUR (Suriname), VEN (Venezuela). Figura 2. Instituciones que conforman la iniciativa MapBiomas Amazonía Figura 3. Mapa de Biomas definidos en la Pan-Amazonía y los países que lo comprenden:BOL (Bolivia), BRA (Brasil), COL (Colombia), ECU (Ecuador), (GUF) Guayana Francesa, GUY (Guyana), PER (Perú), SUR (Suriname), VEN (Venezuela), para la Colección 1 MapBiomas Amazonía. Figura 4. Mapa de Regiones Operativas definidas en la Pan-Amazonía y los países que lo comprenden: BOL (Bolivia), BRA (Brasil), COL (Colombia), ECU (Ecuador), (GUF) Guayana Francesa, GUY (Guyana), PER (Perú), SUR (Suriname), VEN (Venezuela), para la Colección 1 MapBiomas Amazonía. Figura 5. Interfaz del Workspace de MapBiomas Amazonía. Figura 6. Síntesis metodológica de la Colección 1 de MapBiomas Amazonía Figura 7. Grilla de cartas de MapBiomas (negro) y límite RAISG (rojo) Figura 8. Grilla de cartas MapBiomas (negro), grilla de imágenes Landsat (azul) y límite RAISG (rojo) Figura 9. Ventana del Workspace de MapBiomas en donde se especifican los parámetros para la sección de las imágenes de un mosaico de imágenes Landsat. Figura 10. Esquema de generación de mosaicos anuales de imágenes Landsat Figura 11. Resultados de la evaluación de calidad de los mosaicos de imágenes Landsat Figura 12. Esquema de aplicación de los árboles de decisión para la clasificación de la Colección 1 MapBiomas Amazonía Figura 13. Resultados de la evaluación de calidad de las clasificaciones Figura 14. Esquema de aplicación del filtro espacial Figura 15. Esquema de la aplicación del filtro temporal Figura 16. Proceso de integración de clases para cada mapa anual de cobertura y uso del suelo Lista de Tablas Tabla 1. Área de los países de la cuenca amazónica dentro del límite RAISG Tabla 2. Biomas en los países dentro del límite RAISG. Tabla 3. Regiones operativas definidas en el marco de la iniciativa MapBiomas Amazonía con fines de mapeo. Tabla 4. Resumen del número de cartas MapBiomas por país y región operativa Tabla 5. Criterios para evaluación de la calidad del mosaico de imágenes Tabla 6. Resumen de la calidad de los mosaicos de imágenes Landsat Tabla 7. Descripción de bandas y variables disponibles empleadas para la Colección 1 MapBiomas Amazonía, según la plataforma de trabajo. Tabla 8. Variables utilizadas en el proceso de clasificación mediante árbol de decisión, por país. Tabla 9. Clases de cobertura y uso de la tierra de la Colección 1 MapBiomas Amazonía Tabla 10. Temas Transversales o clases de mapeo independiente por país Tabla 11. Criterios para evaluación de la calidad de la clasificación del mosaico de imágenes

Tabla 12. Resumen de la calidad de las clasificaciones de imágenes Landsat para la Amazonía Tabla 13. Tamaño de filtro espacial por clase para el bioma Andes Tabla 14. Procesos de reclasificación utilizados por país Tabla 15. Reglas de prevalencia para integración de los píxeles clasificados

1. Introducción

1.1. Alcance y contenido del documento

El objetivo de este documento es describir la base teórica, la justificación y los métodos aplicados para producir mapas anuales de cobertura y uso de la tierra de la Pan-Amazonía desde el año 2000 hasta 2017 de la Colección 1 de mapas MapBiomas Amazonía. Este documento cubre los métodos de clasificación de imágenes Landsat (L5, L7 y L8), la arquitectura de procesamiento de imágenes y el enfoque para integrar los biomas y regiones presente en cada uno de los países dentro del límite de la Pan-Amazonía. También se presenta un contexto histórico e información de antecedentes, así como una descripción general del conjunto de datos de imágenes satelitales y del método de evaluación de precisión aplicado. Los algoritmos y procedimientos específicos aplicados en cada país están descritos en los apéndices. En el caso de Brasil los datos provienen de la Colección 3.1, los documentos técnicos se pueden ser encontrados en: http://mapbiomas.org/ 1.2. La Colección 1

La iniciativa MapBiomas Amazonía de la RAISG comenzó en marzo de 2017, con el propósito de apoyar a entender la dinámica de la cobertura y uso de suelo (LULC, por sus siglas en inglés) en toda la Pan-amazonia. El proyecto se desarrolló gracias a: i) La plataforma Google Earth Engine que proporciona acceso a datos de imágenes Landsat, algoritmos estándar de procesamiento de imágenes y facilidad de procesamiento en la nube; ii) La plataforma MapBiomas que facilitó la implementación del método de procesamiento de imágenes; iii) las organizaciones que forman parte de la iniciativa MapBiomas Amazonía, que asesoran y comparten sus conocimientos y herramientas de mapeo; y iv) los financiadores visionarios que respaldan el proyecto.

El primer producto de este proyecto es la Colección 1 (1ra Colección de mapas), incluye:

• Mosaicos anuales de imágenes de satélite con las características óptimas para su procesamiento (corrección de ruido y eliminación de nubes y sombras) a una resolución espacial de 30 metros; con 28 capas de información conformada por 7 bandas de la imagen Landsat y 21 índices espectrales calculados a partir de ellas. En el caso del Bioma Andes son 34 capas, 27 son índices.

• Mapas anuales de cobertura y uso de suelo con 30 metros de resolución espacial, con la posibilidad de adaptar la leyenda de estos mapas de acuerdo a las características de la información a difundir.

Además, el proyecto también produjo una plataforma de consulta pública web (http://amazonia.mapbiomas.org) con fotos, mapas y la posibilidad de generar estadísticas sobre el uso de la tierra y sus cambios a diferentes escalas espaciales, cuenca, país, departamento, municipio, áreas protegidas entre otras.

1.3. Identificación del área de interés

El ámbito geográfico de la iniciativa MapBiomas Amazonía cubre una extensión total de 8.449.319 Km2, y corresponde a los territorios de la cuenca del río Amazonas de Bolivia, Brasil, Colombia, Ecuador, Guyana, Guayana francesa, Perú, Surinam y Venezuela (Figura 1). Además de parte de la cuenca del río Orinoco y su delta, las cuencas de los ríos Cuyuní, Esequibo, Surinam y demás ríos costeros de las tres Guyanas.

Figura 1.Territorio de la región Pan-Amazónica definida por el límite biogeográfico y los países que la comprenden:

BOL (Bolivia), BRA (Brasil), COL (Colombia), ECU (Ecuador), (GUF) Guayana Francesa, GUY (Guyana), PER (Perú), SUR (Surinam), VEN (Venezuela).

Tabla 1. Área de los países de la cuenca amazónica dentro del lìmite RAISG

País Área (km2)

Bolivia 714 834

Brasil 5 238 590

Colombia 485 290

Ecuador 132 292

Guyana 211 157

Guyana Francesa 84 226

Perú 966 190

Surinam 146 523

Venezuela 470 219

Total 8 449 321

1.4. Aplicaciones

Los productos de MapBiomas Amazonía muestran un potencial en el monitoreo anual de áreas amenazadas por la conversión de la cobertura y con riesgo de deforestación. Asimismo, la serie temporal de mapas pueden ser de utilidad como complemento de estudios de estimación de emisión de gases de efecto invernadero por cambio de uso y cobertura del suelo en la región Pan-Amazónica. Otros ejemplos de aplicación son el mapeo y cuantificación de las transiciones de cobertura y uso de la tierra; la cuantificación de pérdidas y ganancias de bosques; el monitoreo de la regeneración, de recursos hídricos, de la expansión urbana y agropecuaria; la planificación regional; y la gestión de áreas protegidas.

2. Información básica y antecedentes

2.1 Contexto institucional

2.1.1. Red Amazónica de Información Socioambiental Georreferenciada (RAISG)

La Red Amazónica de Información Socioambiental Georreferenciada (RAISG) es un colectivo de organizaciones de la sociedad civil de los países amazónicos dedicado a la producción de información accesible y análisis orientados a los tomadores de decisión y a la sociedad civil, a fin de apoyar la construcción de un futuro sostenible y el fortalecimiento de la diversidad socioambiental de la Amazonía. La RAISG está compuesta por organizaciones de la sociedad civil (Figura 2). Actualmente tiene representantes institucionales en seis países amazónicos:

● Bolivia: Fundación Amigos de la Naturaleza (FAN, www.fan-bo.org)

● Brasil: Instituto Socioambiental (ISA, www.socioambiental.org) e Instituto do Homem e Meio Ambiente da Amazônia (Imazon, imazon.org.br)

● Colombia: Fundación Gaia Amazonas (FGA, www.gaiaamazonas.org)

● Ecuador: Fundación Ecuatoriana de Estudios Ecológicos (EcoCiencia, www.ecociencia.org)

● Perú: Instituto del Bien Común (IBC, www.ibcperu.org)

● Venezuela: Provita (www.provita.org.ve) y Wataniba (www.watanibasocioambiental.org )

Figura 2. Instituciones que conforman la iniciativa MapBiomas Amazonía. * Para propósitos de la iniciativa MapBiomas Amazonía, los mapas de Guyana, Guyana Francesa y Surinam fueron realizados mediante una

consultoría liderada por Instituto de Pesquisa Ambiental da Amazônia – IPAM y colaboración con Solved (para la clase de Manglar en la costa).

La RAISG no tiene una figura legal y está basada en un modelo sui generis de gobernanza. La Coordinación General cumple el papel de dinamizar la red, mantener las comunicaciones, identificar aliados, buscar financiamiento, programar las actividades rutinarias, garantizar la toma de decisiones en grupo y el establecimiento de alianzas, entre otras. La Junta Directiva (integrada por los coordinadores

en cada institución miembro) es responsable, en última instancia, de la toma de decisiones. También existe el Grupo Técnico, responsable directamente por el desarrollo de las actividades. Este equipo viene creciendo y complementandose conforme la RAISG ha abordado nuevos temas de trabajo. Actualmente sus miembros se han especializado y se dividen por grupos temáticos, además, varios de los coordinadores son también técnicos en actividades específicas.

Se destacan dos grandes acuerdos políticos que son vitales para la Red: uno es que no se separa la discusión y la decisión política de la técnica, y la otra es que el presupuesto es elaborado en conjunto, tomando como base los planes estratégicos, en un proceso transparente a todos.

A mediano plazo, se elaboran planes estratégicos (PE) que trazan metas, actividades y productos a ser desarrollados durante trienios. El primer plan fue elaborado para el período entre 2010-2012; el segundo para 2013-2015, y el tercero para 2016-2020. La planificación de actividades y la toma de decisiones se realizan en reuniones generales anuales, con la participación presencial de todos los miembros de la Red. Además, hay reuniones técnicas con propósitos específicos, generalmente para capacitación y la elaboración de los productos.

2.1.2. Iniciativa RAISG para el mapeo de la deforestación

Desde el año 2009, la RAISG ha venido trabajando en la elaboración de mapas de deforestación de la Pan-Amazonía a partir de imágenes de los satélites Landsat. El trabajo se inició con la composición de un Grupo Técnico de Deforestación conformado por un representante de cada una de las instituciones miembros de la RAISG. Se identificó al Instituto do Homem e Meio Ambiente da Amazônia (IMAZON) como el grupo tutor, quienes proporcionaron la metodología y herramientas técnicas, a través del software IMGTools. IMGTools fue utilizado para la construcción de la primera colección de mapas de deforestación de la RAISG. La metodología consideró al año 2000 como la línea base, y se analizaron los años 2005, 2010 y 2013 para detectar pérdida de bosque. Con base en los resultados obtenidos se construyeron mapas de deforestación. Posteriormente, la herramienta IMGTools migró a la plataforma Google Earth Engine (EE), donde se construyó el mapa de deforestación del periodo 2013 - 2015. Este trabajo le permitió a la RAISG brindar al público mapas de deforestación de la Pan-Amazonía generados con una sola metodología estandarizada para toda la región, apoyada en la experticia local de los técnicos/especialistas de cada país. El Grupo Técnico de Deforestación de la RAISG se ha reunido periódicamente de manera virtual y presencial con el fin de proponer mejoras y consolidar los resultados del análisis de la deforestación para todos y cada uno de los países amazónicos, reforzando dichas reuniones con talleres técnicos para elaboración de productos y mejoras de la metodología con el fin de alcanzar resultados con procesos cada vez más automatizados. Actualmente, la RAISG ha generado una serie histórica anual (2000-2017) de mapas de cobertura vegetal y uso de suelo, a partir de la cual se están generando los mapas de deforestación anuales.

A partir del año 2009, la RAISG trabaja en la detección de deforestación de la Amazonía para estimar la pérdida de bosques en toda la región, por ser un indicador de la velocidad con que se transforma el paisaje y para comprender procesos de cambio y su incidencia. Aplicando un marco común de análisis, basado en conceptos y herramientas estandarizadas, llamado Protocolo RAISG, que facilita el análisis comparativo entre los diferentes países amazónicos, se ha realizado diferentes publicaciones sobre la deforestación en la Amazonía para los periodos 2000-2005, 2005-2010, 2010-2015; los cuales pueden ser descargados de la página web de RAISG (https://www.amazoniasocioambiental.org/es/) 2.1.3 Iniciativa MapBiomas El proyecto “Mapeamento Anual de la Cobertura y Uso del Solo no Brasil” (MapBiomas, http://mapbiomas.org/) es una iniciativa de SEEG / OC (Sistema de estimaciones de las emisiones de gases de efecto invernadero del Observatorio Climático, http://plataforma.seeg.eco.br/) producida por una red de colaboración formada por ONGs, universidades y empresas brasileñas. La iniciativa abarca la totalidad de su territorio continental, dividido en 6 biomas: Amazonía, Caatinga, Cerrado, Mata Atlántica, Pampa y Pantanal. Adicionalmente se mapean temas transversales (e.g. Pastizales, Agricultura, Zonas Costeras). Para el desarrollo de cada tema hay una o dos organizaciones coordinadoras. A la fecha, han publicado la colección 3.1 (5ta colección de mapas), cada una con mejoras en relación a las que le preceden y se encuentran trabajando en una nueva y mejorada siguiente colección. De acuerdo con el portal web del proyecto MapBiomas (http://mapbiomas.org), éste busca contribuir a la comprensión de la dinámica de uso de la tierra en Brasil y otros países tropicales con base en:

● El desarrollo e implementación de una metodología de bajo costo, rápido y fiable para generar mapas anuales de cobertura y uso de la tierra en Brasil desde 1985 hasta la actualidad (y actualizaciones anuales posteriores).

● La creación de una plataforma abierta que facilite la difusión de la metodología a otros países y regiones utilizando los mismos algoritmos básicos.

● Establecer una red de colaboración de expertos para trabajar la cartografía de la cobertura de la tierra y su dinámica de cambio.

2.1.3 Iniciativa MapBiomas Amazonía

La iniciativa MapBiomas Amazonía fue creado para producir mapas anuales de uso y cobertura del suelo dentro del territorio de la Pan-Amazonía, con base a la experiencia de MapBiomas Brasil, utilizando las herramientas de procesamiento en la nube.

2.1.4. Distribución de biomas por país

La Pan-Amazonía, comprendida por el territorio dentro del límite RAISG (sección 1.3), presenta regiones con características diferenciadas de cobertura, tanto fenológicas como orográficas. Por ello, se definieron los siguientes biomas para el área de estudio (Tabla 2, Figura 3).

Tabla 2. Biomas en los países dentro del límite RAISG.

Bioma Área (km2) % País/es que lo componen

Amazonía 697 6348 82.6 Bolivia, Brasil, Colombia, Ecuador, Guyana, Guyana Francesa, Perú, Surinam, Venezuela.

Andes 264 714 3.1 Bolivia, Ecuador, Perú

Cerrado 962 968 11.4 Brasil

Chaco-Chiquitano 151 208 1.8 Bolivia

Pantanal 61 260 0.7 Brasil

Tucumano boliviano

32 821 0.4 Bolivia

Figura 3. Mapa de Biomas definidos en la Pan-Amazonía y los países que lo comprenden:BOL (Bolivia), BRA (Brasil), COL

(Colombia), ECU (Ecuador), (GUF) Guayana Francesa, GUY (Guyana), PER (Perú), SUR (Surinam), VEN (Venezuela), para la Colección 1 MapBiomas Amazonía.

Para efectos de facilitar el mapeo de la diversidad de paisajes comprendidos en el área de estudio, la iniciativa MapBiomas Amazonía definió 16 regiones de trabajo o regiones operativas (Figura 4, Tabla 3). La definición de las regiones operativas de cada país se detalla en los ATBD nacionales anexos a éste documento. Los resultados obtenidos por región operativa son posteriormente integrados en los biomas detallados anteriormente.

Tabla 3. Regiones operativas definidas en el marco de la iniciativa MapBiomas Amazonía con fines de mapeo.

Bioma Área (km2) % País/es que lo componen

Amazonía Alta 323 662 3.8 Bolivia, Colombia, Ecuador, Perú

Amazonía Baja 6 241 370 73.9 Bolivia, Brasil, Colombia, Ecuador, Guyana, Guyana Francesa, Perú, Surinam, Venezuela.

Amazonía Baja Inundable 55 667 0.7 Perú

Amazonía Baja Pacales 65 371 0.8 Perú

Amazonía Baja Tepuyes 11 952 0.1 Venezuela

Andes 230 895 2.7 Bolivia, Ecuador, Perú

Andes Bosque Seco 4 493 0.1 Perú

Andes Transición 29 326 0.3 Perú

Cerrado 962 968 11.4 Brasil

Cerrado-Sabana 200 498 2.4 Bolivia

Chaco-Chiquitano 151 208 1.8 Bolivia

Pantanal 61 260 0.7 Brasil

Sabana y Herbazales Tepuyes

265 0.003 Venezuela

Sabanas de Yari 3 252 0.038 Colombia

Sabana y Herbazales 74 308 0.9 Venezuela

Tucumano boliviano 32 821 0.4 Bolivia

Figura 4. Mapa de Regiones Operativas definidas en la Pan-Amazonía y los países que lo comprenden: BOL (Bolivia), BRA (Brasil), COL (Colombia), ECU (Ecuador), (GUF) Guayana Francesa, GUY (Guyana), PER (Perú),

SUR (Surinam), VEN (Venezuela), para la Colección 1 MapBiomas Amazonía.

2.1.5. Datos de Percepción Remota

Los datos para mapeo utilizados por la iniciativa MapBiomas Amazonía para su colección 1 fueron obtenidos de las imágenes satelitales del periodo 2000 a 2017 de los sensores Landsat Thematic Mapper (TM), Enhanced Thematic Mapper Plus (ETM+) y Operational Land Imager and Thermal Infrared Sensor (OLI-TIRS), a bordo de los satélites Landsat 5 (L5, para los años 2000-2012 de la serie), Landsat 7 (L7, año 2000 en adelante de la serie) y Landsat 8 (L8, 2013 en adelante). Las imágenes de reflectancia de superficie (Surface Reflectance) pertenecen al catálogo de datos con nivel de corrección 1

Tier 1, que fueron sometidas a calibración radiométrica, ortorrectificación basada en puntos de control en tierra y modelos de elevación digital para asegurar un co-registro a nivel de píxel y corrección atmosférica. Las colecciones de imágenes Landsat de 30 metros de resolución espacial fueron accedidas a través de la plataforma Google Earth Engine, provistas por la NASA y el Servicio Geológico de los Estados Unidos (USGS).

1 https://developers.google.com/earth-engine/datasets/catalog/landsat/

2.1.6. Google Earth Engine y las aplicaciones de MapBiomas

Google Earth Engine (GEE) es una plataforma en la nube para el análisis científico de conjuntos de datos geoespaciales a escala global. Los principales componentes de GEE son: 1) Catálogos de datos a escala petabyte públicamente disponibles, 2) Infraestructura de procesamiento computacional en la nube, 3) APIs para JavaScript y Python para hacer solicitudes a los servidores del EE, y 4) y el Code Editor . El Code Editor es un ambiente de desarrollo integrado (IDE) en línea que permite el 2

desenvolvimiento de aplicaciones del EE mediante scripts . 3

La cadena de procesamiento de MapBiomas está basada enteramente en tecnología de Google y, como tal, la iniciativa MapBiomas desarrolló aplicaciones informáticas basadas en GEE, de las cuales el consorcio RAISG-MapBiomas aplicó:

- Códigos (scripts) en Javascript y Python que permiten el uso de los API. Mediante los códigos se realiza la aplicación de algoritmos de procesamiento y clasificación de imágenes satelitales, como también el análisis estadístico de los resultados obtenidos.

- Workspace: Aplicación web abierta que mediante su interfaz (Figura 5) facilita al usuario la aplicación de la metodología MapBiomas para el procesamiento de imágenes satelitales (scripts), de modo interactivo y sin necesidad de tener conocimiento de programación.

- Dashboard: Plataforma web que presenta los resultados (mosaicos, mapas anuales de uso del suelo, análisis de transición, información metodológica, entre otros). Permite definir áreas de trabajo a escala distrital, provincial, estatal o de bioma, donde es posible administrar la información derivada de los mapas para los años de interés.

Figura 5. Interfaz del Workspace de MapBiomas Amazonía.

2 code.earthengine.google.com 3 https://developers.google.com/earth-engine/

En el caso particular la iniciativa MapBiomas, los procesos de generación de mosaicos y clasificación de todos los biomas, a excepción del bioma Andes, fueron desarrollados utilizando el workspace. Los datos del bioma Andes y de los temas transversales fueron generados aplicando la misma metodología, pero directamente en el ambiente del Code Editor. Ambos entornos de trabajo fueron adaptados para atender las necesidades y particularidades de las distintas regiones. La decisión de trabajar el bioma Andes en el Code Editor responde a la necesidad de incluir 5 variables y 1 clase adicionales a aquellas existentes en el workspace MapBiomas Amazonía (ver sección 3.2.1 “Variables”). Por su parte, algunos temas transversales requirieron migrar al Code Editor por la necesidad de incluir máscaras para delimitar un área específica de trabajo.

2.2. Otras iniciativas de mapeo

En los últimos años se ha desarrollado diversas herramientas para el análisis de la deforestación en la Amazonía, algunas de ellas inclusive a nivel mundial, con enfoques cada vez más robustos. Algunos ejemplos son el Instituto Carnegie, la Universidad de Maryland, IMAZON, entre otros. Todos tienen en común su interés en aportar en uno de los temas más urgentes actualmente: la conservación de los bosques. Sus aportes no solo se han enfocado en la detección de la deforestación, el monitoreo del bosque en pie y de cuerpos de agua, sino que además vienen avanzando en fortalecer sus herramientas para identificar también la degradación forestal, la conservación y la pérdida de biomasa/carbono forestal, la detección de focos de calor, etc. A continuación enlistamos las iniciativas más relevantes. 2.2.1. Fuentes mundiales

USGS continentales; Esri Image Service. Los organismos y los elementos no vinculantes del medio ambiente, como el clima, el suelo, y el agua están conectados a través del movimiento de los nutrientes y la energía en los ecosistemas. Ecosistemas representan las áreas específicas de las comunidades y las condiciones locales crean una red de interacción y se ven afectadas por las fuerzas como disturbancia y éxito. Esta capa proporciona acceso a un 100m de tamaño de píxel de Ecosistemas de América del Sur. Los métodos utilizados para crear esta capa se describen en la publicación Ecosistemas terrestres de América del Sur. Los datos abarcan el continente de América del Sur y fue elaborado por el Servicio Geológico de Estados Unidos, NatureServe y la Unión para la Conservación de la Naturaleza en 2008. ESA pone a disposición de los mapas de cobertura terrestre, que cubren dos períodos: Diciembre 2004 - junio de 2006 y Enero - Diciembre 2009. Intact Forest Landscapes (2000). Muestra los bosques y ecosistemas naturalmente sin árboles dentro de la zona de extensión forestal actual, que no muestra signos remotos de actividad humana o fragmentación del hábitat y es lo suficientemente grande para mantener toda la diversidad biológica nativa, incluyendo poblaciones viables de especies de hábitat amplio. Se creó como parte de la Iniciativa de Cambio Climático (CCI), una iniciativa de la Agencia Espacial Europea para crear un modelamiento a

largo plazo, coherente y global para los propósitos del clima. A finales de 2017, principios de 2018, la Universidad de Maryland, Wildlife Conservation Society, Greenpeace y Transparent World completaron la actualización del mapa global de IFL para el año 2016. Global Forest Watch (GFW) - En colaboración entre el laboratorio GLAD (Global Land Analysis & Discovery) en la Universidad de Maryland, Google, USGS y NASA, mide las áreas de pérdida de cobertura arbórea en toda la Tierra (excepto la Antártida y otras islas del Ártico) en resolución de 30 × 30 metros. Su proyecto se centra en el desarrollo de productos de datos globales de cambio de la cubierta de árboles basados en imágenes satelitales de Landsat, disponibles en la plataforma web Global Forest Watch 2.0. Incluye el cambio anual de cobertura de bosques (ganancias y pérdidas) desde el 2000 al 2017. Hugh eva et al.LAND COVER MAP OF SOUTH AMERICA. En: Global Change Biology. 2004. v. 10. p. 731-744. Paula Blanco e tal.A LAND COVER MAP OF LATINO AMERICA Y EL CARIBBEAN EN EL FRAMEWORK OF THE SERENA PROJECT. Remote Sensing of Environment. 2013. v. 132. p. 13-31. 2.2.2. Fuentes para la región Pan-Amazonía

Estudio de RAISG que analiza las tendencias históricas y recientes de la deforestación se produjo en todos los países de la región amazónica. El dato de deforestación fue producido por los socios de la RAISG utilizando una metodología propia, estandarizada, que permitió elaborar análisis a nivel regional, sin dejar de lado las diferencias nacionales. El tema se analiza en diferentes recortes: toda la Amazonía, la Amazonía de cada país, las Áreas Naturales Protegidas, los Territorios Indígenas y la escala de cuencas hidrográficas. 2.2.3. Fuentes para la región Andina

Josse C., Cuesta F., Navarro G., Barrena V., Cabrera E., Chacón-Moreno E., Ferreira W., Peralvo M., Saito J. y Tovar A. 2009. Mapa de Ecosistemas de los Andes del Norte y Centro. Bolivia, Colombia, Ecuador, Perú y Venezuela. Secretaría General de la Comunidad Andina, Programa Regional ECOBONA, CONDESAN-Proyecto Páramo Andino, Programa BioAndes, EcoCiencia, NatureServe, LTA-UNALM, IAvH, ICAE-ULA, CDCUNALM, RUMBOL SRL. Lima.

3. Descripción metodológica

La cadena de procesamiento adoptada para la generación de la Colección 1 MapBiomas Amazonía se encuentra sintetizada en la Figura 6 y detallada en las secciones a continuación.

● Como punto de partida se generaron mosaicos anuales de datos de reflectancia basados en periodos preestablecidos para cada región (sección 3.1).

● A partir de los mosaicos se calcularon hasta 27 variables cuya aplicación en árboles de decisión empíricos permitieron la distinción de clases predefinidas (sección 3.2).

● Posteriormente se aplicaron filtros espaciales y temporales para la remoción de ruidos y vacíos de información. Los mapas de cada región fueron integrados junto con temas transversales siguiendo reglas de prevalencia para conformar el mapa final (sección 3.3).

● Estadísticas de transiciones de cambio de uso y cobertura del suelo fueron extraídas considerando como unidades de análisis los límites políticos administrativos, cuencas hidrográficas, áreas protegidas y territorios indígenas (sección 4.1).

● Un análisis de concordancia fue llevado a cabo con mapas de referencia regionales y fuentes nacionales (sección 5.1).

Figura 6. Síntesis metodológica de la Colección 1 de MapBiomas Amazonía.

3.1 Generación de mosaicos Landsat

3.1.1. División del espacio de análisis en cartas

La metodología de MapBiomas divide el área del proyecto en una grilla de cartas regulares, para su clasificación individual. Las cartas están definidas con base a la grilla de las Cartas Internacionales del Mundo a la Millonésima, a escala de 1:250.000. Cada carta rectangular cubre un área de 1°30' de longitud por 1° de latitud. Un total de 14882 cartas cubren el territorio de la Pan-Amazonía (Figura 7).

Figura 7. Grilla de cartas de MapBiomas (negro) y límite RAISG (rojo).

Como se menciona en la sección 2.1.6, debido a las características diferenciadas de cobertura vegetal de la Pan-Amazonía, y con el objetivo de mejorar los resultados de las clasificaciones, el espacio de estudio fue subdivido en 16 regiones operativas. En consecuencia, fue imprescindible definir en el mosaico de cartas la subdivisión por regiones. Por ello, cartas compartidas por más de un país, bioma o región operativa fueron subdivididas y procesadas por separado, facilitando la parametrización ajustada a las especificidades de cada porción. En la tabla 4 se especifican por país el número de cartas (sin subdivisión) y el número final de cartas/región procesadas en función de sus regiones operativas. Las cartas subdivididas fueron integradas posteriormente en la etapa de post-clasificación.

Tabla 4. Resumen del número de cartas MapBiomas por país y región operativa.

País Cartas Regiones Operativas Cartas/Región Operativa

Bolivia 76

Amazonía Alta Amazonía Baja

Andes Cerrado-Sabana

Chaco-Chiquitano Tucumano-Boliviano

114

Colombia 45 Amazonía Baja Amazonía Alta 52

Sabanas del Yarí

Ecuador 16 Amazonía Baja Amazonía Alta

Andes 27

Guyana 22 Amazonía Baja Cerrado-Sabana 26

Guyana Francesa 12 Amazonía Baja 12

Perú 83

Amazonía Alta Amazonía Baja

Amazonía Inundable Amazonía Pacales

Andes* Andes Bosque Seco*

Andes Transición*

145

Surinam 17 Amazonía Baja 17

Venezuela 44 Amazonía Baja

Sabanas y Herbazales Tepuyes

87

Total 315 480

*Las regiones operativas ‘Andes Transición’ y ‘Andes Bosque Seco’ en Perú no ofrecen un subproducto de descarga independiente. Sus mosaicos son los mismos que los de la región operativa ‘Andes’.

3.1.2. Definición de mosaicos de imágenes Landsat por carta

La división regular del espacio producto de la aplicación de la grilla de Cartas Internacionales, implica que cada carta del mosaico requiera de una combinación total o parcial de imágenes Landsat, dado que la grilla de imágenes Landsat es oblicua a la grilla de cartas de MapBiomas (Figura 8).

Figura 8. Grilla de cartas MapBiomas (negro), grilla de imágenes Landsat (azul) y límite RAISG (rojo).

Se generaron mosaicos anuales de píxeles de imágenes Landsat para cada carta o subdivisión. Para ello, previamente se enmascaran las nubes y sombras de nubes para que únicamente los píxeles libres de nubes sean seleccionados de las imágenes disponibles. Cada país realizó pruebas y definió el período óptimo para componer los mosaicos anuales de imágenes, optimizar el contraste espectral entre clases y evitar que se generen errores debido a características fenológicas de la cobertura vegetal en diferentes momentos del año (ver Apêndices para descripciones del procedimiento por país).

Cada mosaico fue parametrizado individualmente en un proceso iterativo donde el usuario puso a prueba diferentes combinaciones de parámetros, hasta obtener la mejor combinación de imágenes posible. Para ello, el técnico definió los siguientes parámetros (Figura 9):

● Year: año al que corresponde el mosaico en la colección de mapas (2000 a 2017) . ● Initial date / End date: Periodo del año (fecha de inicio y final) para la selección de imágenes del

catálogo de datos de imágenes Landsat de Google Earth Engine. ● Sensor: El satélite y su respectivo sensor: Landsat 5 TM, Landsat 7 ETM+, Landsat 8 OLI o una

combinación de Landsat 5 y Landsat 7.

● Cloud cover: Porcentaje máximo de cobertura de nubes aceptado de cada imágen Landsat que será usado para construir el mosaico de imágenes. Este dato proviene de la metadata de las imágenes Landsat.

Figura 9. Ventana del Workspace de MapBiomas en donde se especifican los parámetros para la sección de las imágenes de un mosaico de imágenes Landsat.

Los parámetros definidos representan los criterios de selección de las imágenes Landsat a partir de las cuales se aplicó el cálculo de la mediana de los píxeles, generando un valor único para cada píxel de la carta. La agregación de éstos píxeles genera el mosaico anual que es sometido a clasificación.

Figura 10. Esquema de generación de mosaicos anuales de imágenes Landsat.

Se buscó que la carta tenga la menor presencia de nubes e interferencias posible y la mayor extensión de cobertura de datos Landsat disponible dentro del periodo definido. En casos excepcionales se dio el caso de que no hubo imágenes disponibles para el período seleccionado, en cuyos casos se optó por extender el periodo de búsqueda de imágenes a meses próximos. .

3.1.3. Evaluación de la calidad de los mosaicos para la región Pan-Amazonía

Finalizada la generación de cada mosaico, éstos fueron evaluados visualmente en función del

porcentaje cubierto en la carta: por datos Landsat, por nubes, por bandeo (caso de Landsat 7) y por

sombras del relieve. Los criterios se presentan en la tabla 5.

Tabla 5. Criterios para evaluación de la calidad del mosaico de imágenes

Calidad Símbolo % Cubierto % Ruido Nubes % Ruido Bandeo % Ruido Sombra Relieve

Buena B > 90 < 5 < 5 < 5 Regular R 65 - 90 5 - 10 5 - 10 5 - 10

Mala M < 65 > 10 > 10 > 10

En función de estos criterios, clasificamos la calidad de cada mosaico por carta por año en una de tres

categorías: buena, regular o mala. En la Figura 11 se presentan los resultados de la evaluación de

calidad de los mosaicos por año. En la tabla 6 se presentan los resultados de calidad por región

operativa para el total de los 18 años de mosaicos. Para resultados nacionales referirse a los ATBD por

país anexos.

Figura 11. Resultados de la evaluación de calidad de los mosaicos de imágenes Landsat

Tabla 6. Resumen de la calidad de los mosaicos de imágenes Landsat

Región operativa % Buena % Regular % Mala

Amazonía Alta 25.6 49.7 24.6

Amazonía Baja 50.4 33.2 16.3

Amazonía Baja Inundable 63.3 34.4 2.2

Amazonía Baja Pacales 72.6 26.9 0.4

Andes 63.0 17.1 20.0

Andes Bosque Seco 66.7 16.7 16.7

Andes Transición 62.8 28.6 8.5

Cerrado-Sabana 86.6 11.6 1.9

Chaco-Chiquitano 79.2 10.8 10.0

Sabanas de Yari 44.4 27.8 27.8

Sabanas y herbazales 9.3 44.9 45.8

Tepuyes 24.1 45.8 30.2

Tucumano-Boliviano 84.9 8.7 6.3

Total 50.0 31.8 18.2

3.2 Clasificación

3.2.1. Variables

A partir de los mosaicos construidos (sección 3.1), se calcularon variables que representan los insumos del proceso de clasificación. Tanto las 7 bandas Landsat como las variables derivadas que conforman el producto integrado para descarga del “mosaico”. La tabla 7 muestra el listado completo de bandas que componen los mosaicos (bandas Landsat, fracciones espectrales de Modelos de Mezcla Espectral - MME, archivos rasters, índices). Cabe resaltar que las bandas Landsat solo sirvieron de fuente para el cálculo de índices más no como variable de clasificación directa.

Debido a particularidades del bioma Andes, se implementaron cinco (5) variables adicionales a aquellas disponibles en el Workspace para la clasificación de este bioma específicamente. Esto fue realizado directamente en Code Editor del EE.

Tabla 7. Descripción de bandas y variables disponibles empleadas para la Colección 1 MapBiomas Amazonía, según la plataforma de trabajo.

Nombre Tipo Descripción Fórmula Workspace MapBiomas

Code Editor

0 blue Banda Espectro visible azul B1 (L5 y L7); B2 (L8) + +

1 green Banda Espectro visible verde B2 (L5 y L7); B3 (L8) + +

2 red Banda Espectro visible rojo B3 (L5 y L7); B4 (L8) + +

3 nir Banda Infrarrojo cercano B4 (L5 y L7); B5 (L8 + +

4 swir1 Banda Infrarrojo de onda corta 1 B5 (L5 y L7); B6 (L8) + +

5 swir2 Banda Infrarrojo de onda corta 2 B7 (L5); B8 (L7); B7(L8)

+ +

6 thermal Banda Térmica B6 (L5 y L7); B10 (L8) + +

7 gv Fracción derivada del MME 4

Abundancia fraccional de vegetación verde dentro del píxel

+ +

4 MME = Modelo de Mezcla Espectral

8 npv Fracción derivada del MME

Abundancia fraccional de vegetación no fotosintética dentro del píxel

+ +

9 soil Fracción derivada del MME

Abundancia fraccional de suelo dentro del pixel

+ +

10 cloud Fracción derivada del MME

Abundancia fraccional de nubes dentro del pixel

+ +

11 gvs Indice Vegetación verde normalizada por sombra

gv / (gv + npv + soil + cloud)

+ +

12 shade Fracción derivada del MME

Abundancia fraccional de sombra dentro del pixel

100 - (gv + npv + soil +cloud)

+ +

13 hillshade_mask Máscara Máscara de sombra de relieve

+ +

14 water_mask Máscara Máscara de agua (GV ≤ 10) , (Shade ≥ 75) y (Soil ≤ 5)

+ +

15 ndfi Índice Índice de fracción de diferencia normalizada

(gvs - (npv + soil)) /(gvs+ (npv + soil))

+ +

16 ndvi Índice Índice de vegetación de diferencia normalizada

(nir - red)/(nir + red) + +

17 ndwi Índice Índice de agua de diferencia normalizada modificado (gao)

(nir - swir)/(nir + swir) + +

18 savi Índice Índice de vegetación ajustada al suelo

(1 + L) * (nir - red)/(nir + red + 0,5)

+ +

19 evi2 Índice Modificación del Índice de Vegetación Mejorado (EVI) que solo utiliza NIR y Red, obviando la banda azul.

(2.5 * (nir - red)/(nir + 2.4 * red + 1)

+ +

20 fci Índice Índice de dosel de bosque. Identifica las áreas con coberturas homogénea de dosel

(gv - shade)/(gv + shade)

+ +

21 ndfi3 o sefi Índice Índice de fracción del ecosistema de sabana

(gv+npvs -soil) /(gv+npvs + soil)

+ +

22 ndfi4 o wefi Índice Índice de fracciones del ecosistema de humedales

((gv+npv)-(soil+shade))/(gv+npv)+(soil+shade)

+ +

23 npvsoil Índice Vegetación no fotosintética y suelo (LABGEO, 2017)

NPV + Soil + +

24 gvnpvs Índice Vegetación verde, vegetación no fotosintética y suelo

(gv+npv)/(gv+npv+soil) + +

25 wvi Índice Índice de vegetación húmeda

NDVI + NDWI + +

26 slope Producto derivado del DEM

Pendiente + +

27 ndfi_amplitude Índice Diferencial del NDFI entre max. y min.

+ +

28 elevation DEM Modelo de Elevación Digital

+

29 snow Fracción derivada del MEM

Abundancia fraccional de nieve dentro del pixel

+

30 cloud_mask Máscara Máscara de nubes + +

31 shade_mask Máscara Máscara de sombra + +

32 shade_mask2 Máscara Máscara de sombra 2 (Andes)

+

33 ndwi_mcfeeters Índice Índice de agua de diferencia normalizada modificado (mcfeeters)

(green - nir)/(green+nir) +

34 ndfib Índice Adaptación del NDFI para los Andes

GV-(NPV+Soil+Snow)/ GV+(NPV+Soil+Snow)

+

● ELEVATION: Valor altitudinal. Componente útil para diferenciar tipos de cobertura cuya respuesta espectral es similar, según rangos de distribución altitudinal conocidos.

● CLOUD: Proporción o porcentaje de nube. ● EVI2 (Índice de vegetación mejorado, basado en 2 bandas): Es una modificación del índice de

vegetación mejorado EVI. ● FCI (Índice de dosel del bosque, por sus siglas en inglés): Este parámetro permite identificar las

áreas con coberturas homogénea de dosel. ● GV: Es la fracción de vegetación fotosintéticamente activa en un área particular. ● GVNPVs (Vegetación verde, vegetación no fotosintética y suelo): Este índice se utiliza para el

cálculo del NDFI3. ● GVs (Vegetación verde normalizada por la sombra): Fracción o componente de vegetación

fotosintéticamente activa normalizada respecto a la fracción de sombra.

● NDFI (Índice de fracción de diferencia normalizada, por sus siglas en inglés): Es un índice que combina las proporciones de vegetación verde normalizada por sombra (GVs), vegetación no fotosintética (NPV) y suelo desnudo (Soil). Mejora la detección y mapeo de bosques degradados.

● NDFIb: Es una adaptación del NDFI, que aumenta la fracción nieve, con el objetivo de detectar humedales y glaciares en el bioma Andes (bofedales).

● NDWI_MCFEETERS: (Índice de agua de diferencia normalizada, por sus siglas en inglés): índice que se usa para la detección de cuerpos de agua, basado en la normalización del verde y infrarrojo cercano.

● NDFI_amplitude: Es la diferencia entre el máximo y el mínimo NDFI en un año, para el cual se utilizó escala esta diferencia a valores entre 0 y 200.

● NDVI (Índice de vegetación de diferencia normalizada, por sus siglas en inglés): Es usado para estimar la cantidad, calidad y desarrollo de la vegetación.

● NDWI_GAO (Índice de agua de diferencia normalizada, por sus siglas en inglés): Parámetro que se usa como estimador de la cantidad de agua en la vegetación o el nivel de saturación de humedad en el suelo.

● NPV (vegetación no fotosintética): Componente útil en la detección de zonas con vegetación senescente y zonas degradadas.

● NPVSOIL (Vegetación no fotosintética y suelo): Es usado para diferenciar los bosque denso de bosque abierto.

● SAVI (índice de vegetación ajustada al suelo): Útil para eliminar la influencia de la señal que se refleja del suelo, que minimiza las influencias del brillo del suelo a partir de los índices de vegetación.

● SEFI ó NDFI3: Es una modificación del índice NDFI, que se adaptó para usarse en regiones secas.

● SHADE: Proporción o porcentaje de sombras. ● SLOPE: Valor de la pendiente del terreno en grados. ● SOIL: Fracción o proporción de suelo para una región dada. Funciona como complemento en la

detección de zonas desprovistas total o parcialmente de cobertura vegetal. ● SNOW: (Nieve) Fracción o porcentaje de nieve en un pixel, producto de la desmezcla espectral

para el cálculo de NDFIb. La fracción Snow es usado para detectar áreas con glaciar y/o nieve en la cordillera de los Andes.

● WATER_MASK: Detecta y mapea las masas de agua expuestas asociadas con ríos y cuerpos de agua.

● WVI (Índice de vegetación húmeda): Tiene el propósito específico de destacar la vegetación húmeda y densa.

● WEFI ó NDFI4 (índice de fracciones del ecosistema de humedales): Es una modificación del índice NDFI, que se adaptó para usarse en regiones húmedas (bioma Pantanal).

3.2.2. Árboles de decisión

El método de clasificación adoptado por MapBiomas contempla el uso de árboles de decisión empíricos para la clasificación píxel a píxel, donde la discriminación de clases se realizada en base al valor de la variable en relación al umbral establecido por el intérprete (proceso denominado parametrización).

Figura 12. Esquema de aplicación de los árboles de decisión para la clasificación de la Colección 1 MapBiomas

Amazonía

La identificación de las variables más idóneas para la discriminación de clases se apoyó de un proceso de colecta espectral ejecutado por cada país directamente en el Code Editor del EE. Los países utilizaron las siguientes variables en sus diferentes árboles de decisión de acuerdo a las necesidades de clasificación de sus coberturas (ver Apendices nacionales para obtener mayor detalle).

Tabla 8. Variables utilizadas en el proceso de clasificación mediante árbol de decisión, por país

Cod Nombre Bolivia Colombia Ecuador Guyana

Guyana Francesa

Perú Venezuela Surinam

7 gv

8 npv

9 soil

10 cloud

11 gvs

12 shade

13 hillshade_mask

14 water_mask

15 ndfi

16 ndvi

17 ndwi

18 savi

19 evi2

20 fci

21 ndfi3 o sefi

22 ndfi4 o wefi

23 npvsoil

24 gvnpvs

25 wvi

26 slope

27 ndfi_amplitude

28 elevation

29 snow

30 cloud_mask

31 shade_mask

32 shade_mask2

33 ndwi_mcfeeters

34 ndfib

3.2.3. Leyenda MapBiomas Amazonía

A continuación se presenta la Leyenda General usada por la RAISG para MapBiomas (Tabla 9). Una descripción de cada clase se adjunta en el Anexo 1 y se detalla en los Apéndices por país. Durante el proceso de clasificación se buscó identificar las clases al nivel más detallado posible.

Tabla 9. Clases de cobertura y uso de la tierra de la Colección 1 MapBiomas Amazonía ID CLASE COBERTURA / USO

1 1. Formación Forestal Cobertura

2 1.1. Bosque Natural Cobertura

3 1.1.1. Bosque / Formación Forestal Cobertura

4 1.1.2. Bosque Abierto / Formación Sabánica Cobertura

5 1.1.3. Manglar Cobertura

6 1.1.4. Bosque Inundable Cobertura

9 1.2. Bosque Plantado Cobertura

10 2. Formación Natural No Forestal Cobertura

11 2.1. Formación Natural No Forestal Inundable Cobertura

12 2.2. Formación Campestre o Sabana Cobertura

13 2.4. Otra Formación Natural No Forestal Cobertura

14 3. Uso agropecuario Uso

15 3.1. Pasto Uso

16 3.1.1. Pasto en Campos Naturales Uso

17 3.1.2. Otros Pastos Uso

18 3.2. Agricultura Uso

19 3.2.1. Cultivo Anual Perenne Uso

20 3.2.2. Cultivo Semi-Perenne Uso

28 3.2.3. Mosaico de Cultivos Uso

21 3.3 Mosaico de Agricultura y/o Pasto Uso

22 4. Área sin Vegetación Cobertura / Uso

23 4.1. Playa o Duna Cobertura

24 4.2. Infraestructura Urbana Uso

25 4.3. Otra Área sin Vegetación Cobertura/Uso

29 4.5. Afloramiento Rocoso Cobertura

30 4.4. Minería Uso

26 5. Cuerpo de agua Cobertura / Uso

33 5.1. Río, Lago u Océano Cobertura / Uso

31 5.2. Acuicultura Uso

34 5.3. Glaciar Cobertura

27 6. No Observado

3.2.3. Temas transversales

Con la construcción de cada árbol de decisión los países podían definir las múltiples clases que serían incluidas en ellos. Sin embargo, a lo largo del proceso se vio la necesidad de mapear ciertas clases por separado. A estas clases se les denomina Temas transversales y son mapeados con árboles de decisión que incluyen únicamente la clase de interés. Esta estrategia fue utilizada por cada país para las clases que se indican en la tabla 10 y el detalle de su clasificación se muestra en la sección ‘Integración’ de los Apéndices por país.

Tabla 10. Temas Transversales o clases de mapeo independiente por país

País Tema Transversal ID Método

Bolivia Ninguno

Colombia Río, Lago u Océano 33 Árbol de decisión

Ecuador Ninguno

Guyana Cuerpo de Agua Formación Natural No Forestal Inundable

26 11 Análisis de frecuencia

Guayana Francesa Cuerpo de Agua Formación Natural No Forestal Inundable

26 11 Análisis de frecuencia

Perú Río, Lago u Océano Bosque Inundable Formación Natural No Forestal Inundable

33 6

11 Árbol de decisión

Surinam Cuerpo de Agua Formación Natural No Forestal Inundable

26 11 Análisis de frecuencia

Venezuela Ninguno

3.2.4. Evaluación de la calidad de las clasificaciones para la región Pan-Amazonía

Al igual que en los mosaicos, las clasificaciones pasaron por una evaluación visual en función de cuatro

criterios: Ocurrencia del efecto sal y pimienta (ruido por píxeles aislados cuya clase difiere a aquella de

los píxeles circundantes), confusión entre 2 clases; confusión entre 3 clases y confusión entre 4 clases o

más.

Tabla 11. Criterios para evaluación de la calidad de la clasificación del mosaico de imágenes

Calidad Símbolo Sal y Pimienta

Confusión entre 2 clases

Confusión entre 3 clases

Confusión entre 4 clases a más

Buena B Sí/No < 5% No No Regular R Sí/No 5 - 10% < 5% < 5% Mala M Sí/No > 10% > 5% > 5%

Figura 13. Resultados de la evaluación de calidad de las clasificaciones

Tabla 12. Resumen de la calidad de las clasificaciones de imágenes Landsat para la Amazonía

Región operativa % Buena % Regular % Mala

Amazonía Alta 59.0 37.3 3.3

Amazonía Baja 30.3 59.1 10.7

Amazonía Baja Inundable 84.4 15.0 0.6

Amazonía Baja Pacales 80.3 19.7 0.0

Andes 71.3 24.6 4.1

Andes Bosque Seco 78.3 18.7 3.0

Andes Transición 89.7 6.0 4.3

Cerrado-Sabana 85.4 11.6 3.0

Chaco-Chiquitano 70.3 29.7 0.0

Sabanas de Yari 66.7 33.3 0.0

Sabanas y herbazales 7.4 88.2 4.4

Tepuyes 39.9 57.9 2.1

Tucumano-Boliviano 17.5 82.5 0.0

Total 60.0 37.3 2.7

3.3. Pos clasificación

3.3.1 Filtro Espacial

El filtro espacial pretende ampliar la consistencia espacial de los datos eliminando píxeles aislados o de borde. Se definen reglas de vecindad que pueden llevar a cambiar la clasificación del píxel (Figura 14). La Colección 1 MapBiomas Amazonía utiliza dos tamaños de filtro espacial de acuerdo a la clase y el bioma a ser aplicado.

Figura 14. Esquema de aplicación del filtro espacial

Para todas las clases mapeadas en el Bioma Amazonía de todos los países se utilizó un filtro espacial de 5 píxeles; es decir, se identifican las áreas menores a media hectárea (aprox. 5 píxeles) para reclasificarlas según la clase mayoritaria de los píxeles vecinos. En cuanto al Bioma Andes, existió diferenciación entre el tamaño de filtro a utilizar de acuerdo a las clases mapeadas. El detalle se presenta en la Tabla 13.

Tabla 13. Tamaño de filtro espacial por clase para el bioma Andes N° Clase ID clase Tamaño 1 Formación Forestal 3 5 2 Formación Natural No Forestal Inundable 11 3 3 Formación Campestre 12 3 4 Otra Formación No Forestal Natural 13 3 5 Mosaico de Agricultura y/o Pasto 21 5 6 Área no vegetada 22 5 7 Río, Lago u Océano 33 3 8 Glaciar 34 3 9 No Observado 27 5

3.3.2 Filtro Temporal

Los filtros temporales tienen el propósito de reducir inconsistencias temporales o cambios en la cobertura y el uso que no son posibles o no están permitidos (por ejemplo, Formación Forestal > Área No Vegetada > Formación Forestal) y para corregir fallas debido a la bruma de nubes o a vacíos de información. Cada bioma, región y tema transversal puede tener reglas de filtro temporal específicas. En la Colección 1 MapBiomas Amazonía, para todos los países de la cuenca amazónica, se han aplicado más de cien reglas (ver los documentos de Apéndices por país para obtener una lista detallada de las reglas aplicadas por país).

Figura 15. Esquema de la aplicación del filtro temporal

El filtro temporal se aplica a cada píxel de todos los años de la Colección. Dependiendo del año que la regla modificará, existen tres tipos:

● reglas de primer año (aplicadas a la clasificación del año 2000), ● reglas generales (aplicadas a las clasificaciones entre los años 2001 al 2016), y ● reglas de último año (aplicada al año 2017).

Las reglas pueden considerar un filtro de 3 o 5 años consecutivos. La decisión de elegir el tamaño del filtro fue de cada país de acuerdo a las necesidades y características de sus coberturas y usos del suelo. En los ejemplos de la figura 15 se observan dos reglas generales de 5 años.

3.3.3. Reclasificación

Se utilizaron tres tipos de reclasificación de acuerdo a las necesidades de cada país: la reclasificación para homologación regional del nivel de leyenda, la reclasificación con máscaras de referencia y reclasificación para llenado de vacíos. El uso de cada reclasificación por país se presenta en la tabla 14 y el detalle de cada procedimiento se muestra en los apéndices de cada país. Reclasificación para homologación regional del nivel de leyenda: Este proceso homologa las clases y el nivel de leyenda para todos los países, con el fin de que al momento de integrar los productos nacionales en un solo producto regional Pan-Amazónico, obtener un producto cartográfico regional estandarizado. Reclasificación con máscaras de referencia: Proceso que mejora la clasificación en ciertas zonas de interés con la ayuda de información vectorial de mapas oficiales nacionales o regionales, que reciben el nombre de máscaras. Con las máscaras es posible indicar cambios de una clase cuando se encuentre dentro o fuera de la misma. Por ejemplo, áreas de deslizamiento de suelo por eventos naturales (“Área No Vegetada” ID 22) pudo ser clasificada erróneamente como “Mosaico de agricultura o pasto” (ID 21) por sus características espectrales similares. Para estas áreas se consigue una máscara construida a partir de un mapa de referencia o un cruce de varios mapas de referencia que favorezcan su delimitación. Así, se asigna una regla de programación que reclasifique los ID 21 por ID 22 dentro de la máscara construida. Reclasificación para remoción de vacíos residuales: Proceso que complementa la etapa de filtro temporal para el llenado de vacíos. Si bien en el filtro temporal se utilizaron reglas de tres y cinco años que consideren la clase “No Observado” (ID 27) en sus diferentes posibles ubicaciones dentro de la serie, existieron casos particulares que no presentaban la secuencia asignada. Es decir persistían los vacíos de información al visualizar los resultados de clasificación filtrada. Con el uso de esta reclasificación de vacíos, se obtuvo resultados más consistentes para el análisis estadístico.

Tabla 14. Procesos de reclasificación utilizados por país

Proceso de reclasificación

Bolivia Colombia Ecuador Guyana Guyana Francesa

Perú Venezuela Surinam

Nivel de leyenda

Máscaras

Remoción de vacíos residuales

3.3.4. Integración

Los resultados obtenidos de clasificación a nivel de regiones operativas y de temas transversales requieren ser integrados como un único mapa por cada año de análisis como se muestra en la Figura 16. Las reglas de prevalencia u orden de integración son aplicadas para obtener buenos resultados en casos de superposición de datos y se presentan en la Tabla 15.

Figura 16. Proceso de integración de clases para cada mapa anual de cobertura y uso del suelo

Tabla 15. Reglas de prevalencia para integración de los píxeles clasificados Clase ID Fuente Orden

Mosaico de Agricultura y/o Pasto 21 Biomas 1 Pastos 15 Biomas 2

Área No Vegetada 22 Biomas 3 Formación Forestal 3 Biomas 4

Formación Campestre 12 Biomas 5 Otra Formación Natural No Forestal 13 Biomas 5

Formación Natural No Forestal Inundable 11 Biomas 6 Bosque Inundable 6 Biomas 7

Manglar 5 Tema transversal 8 Río, Lago u Océano 33 Tema transversal 9 Río, Lago u Océano 33 Biomas 9

Glaciar 34 Biomas 9

3.3.4 Transiciones

Las diferencias de clase píxel a píxel entre los mapas fueron publicados para los siguientes períodos: (A) años consecutivo (por ejemplo, 2001-2002) (B) períodos de cinco años 2000-2004 / 2005-2009 / 2010-2014 / 2015-2017 (C) 2000-2017 Las transiciones de clase representan cambios en el uso del suelo de los mapas que están disponibles en la plataforma de descarga

4. Consideraciones prácticas y desafíos

El desarrollo de este proyecto, de alcance espacial y temporal inédito para la región, consideró una metodología estandarizada. El uso de las plataformas de trabajo de Google Earth Engine y la tecnología de código abierto resultó prometedor respecto a la accesibilidad y procesamiento de datos a gran escala. La replicación de este tipo de proyecto es viable para otras áreas del planeta. Gracias a la experiencia de MapBiomas en el mapeo de Brasil fue posible lograr la eficiencia en tiempos y procesos; respaldado en la participación de especialistas de cada país involucrado para el mapeo de sus propios límites políticos, y fortalecido en el intercambio de ideas y el trabajo en red para desarrollar una metodología ajustada a las necesidades. Aun cuando el límite del área de interés de la RAISG tuvo una ampliación con respecto a las iniciativas previas a este proyecto. El siguiente paso de este proyecto es expandir el mapeo y monitoreo de la superficie restante de los países integrantes de la RAISG, considerando un nivel de leyenda más específico en las categorías que no pudieron ser detalladas en esta Colección. Además, se prevé la mejora de la Colección 1 que contempla un aumento en la serie temporal de mapeo (de 1985 a 1999 y 2018) bajo el algoritmo de Random Forest y la aplicación del análisis de precisión de los productos generados. 5. Referencias

● Google (2019, Marzo 01). Landat Collections. Accedido en https://developers.google.com/earth-engine/datasets/catalog/landsat/

● Google (2019, Marzo 01). Google Earth Engine API. Accedido en https://developers.google.com/earth-engine/

● Gorelick, Noel; Hancher, Matt; Dixon, Mike; Ilyushchenko, Simon; Thau, David; Moore, Rebecca. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, Vol. 202, 18-27.

● Olson, David; Dinerstein, Eric; Wikramanayake, Eric; Burgess, Neil; V. N. Powell, George; C. Underwood, Emma; A. D'amico, Jennifer; Itoua, Illanga; E. Strand, Holly; Morrison, John; J. Loucks, Colby; F. Allnutt, Thomas; Ricketts, Taylor; Kura, Yumiko; Lamoreux, John; W. Wettengel, Wesley; Hedao, Prashant ; Kassem, Kenneth. (2001). Terrestrial Ecoregions of the World: A New Map of Life on Earth. BioScience. Vol 51, No 11. 933-938.

● Souza, Carlos; Roberts, Dar A.; Cochrane Mark A. (2005). Combining spectral and spatial information to map canopy damage from selective logging and forest fires. Remote Sensing of Environment, Vol. 98, p329-343.

● Souza, Carlos; Siqueira, J.V.(2013). ImgTools: a software for optical remotely sensed data analysis. Anais XVI Simpósio Brasileiro de Sensoriamento Remoto. 1571-1578.

● Wulder, M. A., White, J. C., Loveland, T. R., Woodcock, C. E., Belward, A. S., Cohen, W. B., Fosnight, E. A., Shaw, J., Masek, J. G., and Roy, D. P. (2016). The global Landsat archive: Status, consolidation,and direction. Remote Sensing of Environment, Vol. 185, 271-283.

Apéndices

Apéndice 1 - Bolivia Apéndice 2 - Colombia Apéndice 3 - Ecuador Apéndice 4 - Guyana, Guyana Francesa y Surinam Apéndice 5 - Perú Apéndice 6 - Venezuela Anexos

Anexo 1: Referencia cruzada de las clases de cobertura / uso del suelo para MapBiomas Amazonía con las clases de las referencias locales y FAO

Clase Nivel 1

Clase

Nivel 2

Clase Nivel 3

País Bioma Descripción

Formación Forestal

Bosque Natural

Bosque / Formación Forestal

Bolívia

Amazonia

Corresponden a bosques perennifolios, los cuales forman un dosel continuo y denso. Hasta los 1000 m de elevación (bosques amazónicos) el dosel arbóreo se distribuye entre 30 y 35 m, pudiendo los bosques desarrollarse sobre suelos bien drenadas (bosques de tierra firme) o mal drenados (bosques de inundación). Por encima de los 1000 m de elevación (bosques yungueños), en la porción oriental de los Andes Tropicales (hasta 4200 m), el dosel arbóreo va disminuyendo, alcanzando alturas entre 15 y 25 m, generalmente creciendo siempre en suelos no inundados.

Andes

Los bosques de esta región ocupan una baja extensión de superficies, pudiendo distinguirse dos principales grupos, los bosques secos interandinos (i. bosques bajos, deciduos y espinosos, con dosel arbóreo arbustivo de 3 a 5 m de altura, con árboles y cactus columnares emergentes de hasta más de 10 m; y ii. bosques semideciduos, con dosel arbóreo de 10 a 15 m, y emergentes de hasta 20 m) y los bosques de Polylepis (kewiñales,

distribuidas por encima de los 2500 m de altitud y formando manchas dispersas en medio de fisionomías campestres).

Chaco-Chiquitano

En esta región existen dos principales formaciones boscosas, siendo estos: i. bosque chiquitanto, de carácter mesofoliado, deciduo o semideciduo, con dosel arbóreo distribuido entre 15 a 20 m de altura y creciendo sobre el escudo precámbrico; y ii. bosque chaqueño, distribuido sobre sedimentos del cuaternario, es de carácter deciduos, microfoliados y espinosos, con arbóreo arbustivo de entre 3 a 5 m de altura, con emergentes que llegan a sobrepasar los 10 m, siendo frecuente la presencia de cactus columnares.

Tucumano-Boliviano

Los bosques de esta región varían en estructura, composición y peridiosidad según su distribución altitudinal en los andes tropicales. Generalmente, por debajo de 2000 m (±) de altitud (piso inferior), ocupa la porción oriental del subandino, siendo de tipo semideciduo, con dosel arbóreo distribuido entre 15 y 20 m de altura, y árboles emergentes que alcanzan poco más de 25 m. Por encima de los 2000 m (±) de altitud (piso superior), los bosques son húmedos y siempre verdes, esto gracias a la humedad proveniente de los vientos alisios, formando así, un dosel arbóreo distribuido entre los 20 y 25 m de altura, con emergentes de hasta 30 m.

Colombia Amazonia

Cobertura forestal que se extiende por más de 0.5 Hectáreas que tiene árboles de altura superior a 5 metros y una cubierta de dosel de 5% a 10%. Se pueden encontrar en zonas inundables o de tierra firme.

Ecuador

Guyana Guyana Francesa

Perú

Amazonia

Incluye todo tipo de bosque denso, con follaje perenne o semideciduo, de porte predominantemente arbóreo que puede alcanzar los 45 m de altura en la zona baja oriental (hasta los 500 msnm) y va disminuyendo en altura conforme la altitud alcanza los 3800 msnm. Ubicados en terrazas, colinas y montañas. Incluye bosques con paca y pacales puros; así como plantaciones forestales. Excluye los bosques densos sometidos a inundaciones permanentes o estacionales establecidas en suelos de mal drenaje.

Andes

Incluye tres tipos de bosque: los bosques muy húmedos de la zona norte del país, los relictos del centro y sur, y los bosques secos interandinos. Los primeros son siempre verdes, densos y con árboles que alcanzan hasta los 20 m. Los relictos se caracterizan por árboles dispersos, de porte bajo (hasta 10 m) y se ubican en laderas montañosas casi inaccesibles entre los 2800 y 3800 msnm o en zonas límites de actividad agrícola. Los secos también son dispersos pero se distribuyen en profundos valles interandinos, son de porte arbustivo (< 8 m de alto) y de follaje caducifolio durante el largo periodo seco del año.

Surinam

Venezuela Amazonía

Incluye todo tipo de bosque denso, con follaje perenne o semideciduo, de porte predominantemente arbóreo que puede alcanzar los 45 m de altura en la zona baja oriental (hasta los 500 msnm) y va disminuyendo en altura conforme la altitud alcanza los 3800 msnm. Ubicados en terrazas, colinas y montañas. Incluye

bosques con paca y pacales puros; así como plantaciones forestales. Excluye los bosques densos sometidos a inundaciones permanentes o estacionales establecidas en suelos de mal drenaje.

Manglar Formaciones forestales, densas, siempre verdes, a menudo inundadas por la marea y asociadas al ecosistema costero de Manglares

Bosque Inundable Perú Amazonia

Cobertura boscosa ubicada en la gran llanura aluvial y ocupan las llanuras y terrazas periódicamente o permanentemente inundadas. Crece en suelos de pobre drenaje y abundante materia orgánica con lenta descomposición. En este bosque dominan palmeras, acompañadas de árboles como “renacales” y “pungales”.

Formación Natural no Forestal

Formación Natural No Forestal Inundable

Perú

Amazonia

Cobertura vegetal ubicada en la llanura aluvial inundable, como herbazales y sabanas hidrofíticas. Caracterizada por suelos de sustratos hidromórficos, los cuales se inundan por un largo periodo del año y que al descender el nivel de inundación, aflora un denso tapiz herbáceo de porte bajo.

Andes

Vegetación siempreverde, compacta y almohadillada, ubicada en los fondos de valles fluvio-glaciales, conos volcánicos y planicies o terrazas altoandinas. Se encuentran a partir de los 3800 msnm, sobre suelos permanentemente inundados y de mal drenaje.

Venezuela Amazonía

Arbustales inundable permanente; arbustales ribereño; sabanas arbustiva y/o con palmas, inundable periódico; sabanas abiertas con palmares ribereños; sabanas abiertas, inundable periódico; sabanas abiertas con palmas, inundable periódico; herbazales de hoja ancha, en pantanos sobre turba, inundable permanente; herbazales de hoja ancha, en pantanos, inundable permanente; Herbazales de hoja ancha, arbustivo, anegadizo sobre arena blanca, inundable periódico; Vegetación acuática

Formación Campestre

Colombia Amazonia

Cobertura natural compuesta en su mayoría por vegetación de tipo herbácea, se caracteriza por tener bosques de galería. Se pueden encontrar coberturas de herbazales densos, de arbustales, de pastos limpios y parcelas de cultivo

Perú

Amazonia Pajonales graminosos propios de las laderas abiertas y expuestas a vientos del páramo y la jalca, zonas transitorias hacia los Andes de fuertes gradientes de humedad y temperatura

Andes Pajonales compuestos por vigorosas gramíneas y césped de puna de poca altura o casi al raz del suelo. Esta cobertura se encuentra aproximadamente entre 3000 y 4800 msnm.

Venezuela Amazonía

Arbustales; Sabanas arbustivas mixtas con chaparrales; Sabanas abiertas; Sabanas arboladas; Sabanas arbustivas con palmas y chaparrales; Sabanas arbolada y arbustiva, no inundable; Sabanas arbustivas; Sabanas abiertas secundarias

Otra Formación no Forestal

Bolívia

Amazonia

Corresponde a fisionomías sabánicas y campestres que están dominadas por pastos y hierbas, con la presencia de árboles y arbustos dispersos en las formaciones sabanicas. Paisajísticamente forman un mosaico de vegetación. Gran parte de las fisionomías campestres son inundadas estacionalmente (hasta 3 meses) producto del rebalse de los grandes ríos que atraviesan por esta región.

Andes

La fisionomía dominante en esta región corresponde a las campestres (denominado como Puna en Bolivia), las cuales se desarrollan favorablemente por encima de 4000 m de elevación, sobre suelos bien drenados, aunque existen zonas que se

encharcan y se mantienen húmedos durante todo el año (bofedales).

Chaco-Chiquitano

Corresponde a fisionomías sabánicas y campestres incluidas dentro del complejo denominado como cerrado sensu lato (más usado en Brasil), las cuales están distribuidas en manchas dispersas e inmersas dentro del bosque chiquitano, creciendo sobre el escudo precámbrico, en suelos bien drenados, rocosos (afloramientos rocosos, inselberg o cimas de serranías) y/o lateríticos.

Tucumano-Boliviano

Están conformados por fisionomías predominantemente campestres (pajonales), las cuales se limitan a las cimas de las serranías y/o zonas con suelos poco profundos, o con afloramientos rocosos, generalmente por encima de los 2000 m de elevación. La presencia de leñosas es bastante escasa.

Colombia

Ecuador

Guyana

Guyana Francesa

Perú

Amazonia

Cobertura vegetal con predominancia de arbustos y algunos árboles enanos de hojas coriáceas, ubicada en las mesetas ubicadas en la cima de la Cordillera El Cóndor, arriba de los 1800 msnm. Incluye también arbustos en zonas altimontanas, arriba de los 3500 msnm, en contacto con el pajonal andino.

Andes Cobertura vegetal con predominancia de arbustos y herbáceas, ubicada en bosques altimontanos al límite del pajonal andino, desde los 1500 hasta 3800 msnm.

Venezuela Amazonía

Arbustales sobre arena y rocas; Arbustales y herbazales sobre turba y roca, altotepuyano; Arbustales sobre roca y turba, altimontanos; Arbustales sobre roca y turba; Arbustales sobre bauxita; Arbustales sobre arena blanca; Arbustales sobre turba, altotepuyano; Herbazales de hoja ancha, arbustivo sobre turba; Vegetación pionera;

Surinam

Uso agropecuario

Mosaico de Agricultura y/o Pasto

Bolívia

Áreas donde se realiza actividad agrícola y ganadera, pudiendo ser estas activas y/o en descanso (barbechos). Las áreas de agricultura pueden ser de tipo anual o perenne. En las tierras bajas los principales cultivos anuales son la soya, girasol, sorgo, arroz y caña de azúcar. En la Amazonia las actividades económicas que tradicionalmente han sido desarrolladas son la extracción de productos forestales maderables y no maderables (castaña, cacao, así, copoazú, etc.), y actualmente se ha incrementado la ganadería e introducción de pasturas introducidas. En los Andes, se desarrolla la ganadería de ovinos, caprinos y camélidos, aunque también se practica el cultivo estacional de quinua (Chenopodium quinoa) y otros productos a pequeña escala, y en ciertos sectores la agricultura mecanizada. En el bioma Chaco-Chiquitano, se practica fuertemente la ganadería y la agricultura de pequeña (comunidades campesinas) y gran escala (empresas agrícolas y colonias menonitas). Con referente al Tucumano-Boliviano, debido a la topografía accidentada, las actividades económicas

tradicionalmente practicadas están, la ganadería de ramoneo, extracción selectiva de especies con valor forestal, y las actividades agrícolas a pequeña escala.

Colombia

Áreas que en su mayoría han sido trasformadas que comprenden cultivos permanentes o transitorios de agricultura y/o pastos. Áreas con cultivos agrícolas, en los que no se identifica el tipo de cultivo o si este es un plantío de pasto para ganaderia intensiva o extensiva

Ecuador

Guyana Guyana Francesa

Perú

Áreas de cubierta vegetal de origen antrópico. Comprende áreas que fueron deforestadas y hoy convertidas en cultivos agrícolas y pastos cultivados en actividad y en descanso. En el bioma Amazonía predomina el cambio de uso hacia la ganadería y cultivos de cereales y palma aceitera; mientras que en el bioma Andes predomina la ganadería y el cultivo de cereales, tubérculos y hortalizas, ubicados en el fondo y laderas de valles interandinos hasta el límite del pajonal altoandino.

Surinam

Venezuela Amazonía Áreas donde la vegetación natural ha sido modificada, eliminada o reemplazada por otros tipos de cubiertas vegetales de origen antrópico

Área sin Vegetación

Bolivia

Zonas con afloramientos rocosos, tales como lajas, inselberg y cimas de serranías, así como áreas cubiertas por sedimentos aluvio-eolicos (Dunas, márgenes de grandes ríos), donde la presencia de plantas es mínima.

Colombia

Amazonia Áreas urbanas, suelo expuesto, afloramientos rocosos, zonas quemadas

Cuerpo de agua

Río, Lago u Océano Rios, lagos, represas, reservatórios e outros corpos d'água

Glaciar

Bolivia

Masa de hielo que se va formando con el paso del tiempo debido a la acumulación y a la compactación de la nieve que se va transformando en hielo. Se encuentran en la Cordillera de los Andes a partir de los 5000 msnm.

Colombia Amazonia Cuerpos de agua, ríos, lagos.

Ecuador

Perú Andes

Cobertura de hielo que se genera en la Cordillera de los Andes a partir de los 4800 hasta los 6768 msnm. Es una gran masa de hielo producto de la acumulación, compactación y recristalización de la nieve por miles de años. Es la principal fuente de recursos hídricos para las cuencas hidrográficas del país.

No Observado Comprende aquellas coberturas que no fueron identificadas por la presencia de nubes o falta de datos por vacíos en la imagen satelital.