INFORME EJECUTIVO ESTIMACIÓN PRELIMINAR TASA DE DEFORESTACIÓN PARA COLOMBIA

Periodo 2000-2007

“Capacidad Institucional Técnica Científica para apoyar Proyectos REDD: Reducción de Emisiones por Deforestación en Colombia”

Bogotá D.C., Enero de 2010

INFORME EJECUTIVO

Ejercicio de estimación preliminar de la tasa de deforestación para Colombia periodo 2000-2007.

Proyecto “Capacidad Institucional Técnica Científica para apoyar Proyectos REDD:

Reducción de Emisiones por Deforestación en Colombia” EQUIPO TÉCNICO COMPONENTE PDI Edersson Cabrera M. Ing. Forestal, Esp. –Coordinador componente-. Gustavo Galindo Biólogo, Esp. -Estimación Biomasa-. Diana Vargas Ingeniera Agrícola, Msc. -Cuantificación Deforestación-. Profesionales de apoyo. Helio Carrillo. Ing. Agrólogo. Karol Ramirez. Ing. Forestal, Esp. Juan Carlos Rubiano. Economista, Esp.. Incluye comentarios del equipo CLASlite, Institución Carnegie claslite@ciw.edu claslite_support@ciw.edu http://claslite.ciw.edu/

ESTIMACIÓN DE LA DEFORESTACIÓN EN COLOMBIA PARA EL PERIODO 2000 - 2007

El IDEAM a través del proyecto “Capacidad Institucional Técnica Científica para apoyar

Proyectos REDD: Reducción de Emisiones por Deforestación en Colombia” realizó un

ejercicio para la estimación preliminar de la deforestación a escala nacional usando

imágenes de sensores remotos para el periodo 2000 - 2007. Para ello se utilizó una

definición de bosque basada en las definiciones de las unidades de coberturas de bosque

de las leyendas de CORINE Land Cover (versiones 1 y 2)que se adaptó tanto para la cuenca

Magdalena-Cauca, como para todo el país. Así, las unidades del mapa de uso y cobertura

de CORINE Land Cover que por definición estarían incluidas en la categoría de bosques

para los fines del ejercicio de deforestación son: Bosque denso, Bosque abierto, Bosque

de galería o ripario, y Bosque fragmentado.

El proyecto “Capacidad Institucional Técnica Científica para apoyar Proyectos REDD:

Reducción de Emisiones por Deforestación en Colombia” en sus lineamientos generales ha

contemplado el establecimiento de las bases para un sistema de monitoreo de la

deforestación desde 2 niveles de aproximación, uno nacional y uno Subnacional,

consecuente con los lineamientos hasta ahora publicados por la UNFCCC y el IPCC y sus

órganos subsidiarios. En consecuencia, el proyecto propuso que en este ejercicio

preliminar, que busca un dato actualizado y confiable de deforestación a nivel nacional, se

utilicen diferentes caminos para obtener la información utilizando imágenes de satélite de

resolución espacial gruesa.

Para la primera estimación de deforestación las imágenes seleccionadas corresponden al

sensor MODIS Terra, con una resolución espacial de 250m1. Esta selección obedece a

varios factores, por un lado, la disponibilidad gratuita de las imágenes y por otro, la alta

frecuencia de toma de los datos facilitó la selección y compilación de conjuntos de datos

con una calidad mínima aceptable, considerando los frecuentes problemas atmosféricos

en ciertas zonas del país.

El cálculo de la tasa de deforestación es el resultado de un estudio de cambio en la

cobertura, lo que implica un análisis multi-temporal en al menos 2 puntos en el tiempo,

cuyos datos sean comparables. Para este ejercicio el periodo de tiempo elegido para el

cálculo de la deforestación corresponde al comprendido entre los años 2000-2007. En

términos generales, se descargaron 4.416 imágenes correspondientes a los 6 cuadrantes

de escenas MODIS para el país, es decir, 2 productos, 46 escenas por año y 8 años. De este

1 El producto específico utilizado fue un sinergismo de los productos MOD09A1, Surface Reflectance 8-Day

L3 Global 500m y MOD09Q1, Surface Reflectance 8-Day L3 Global 250m

conjunto de datos se pre-procesaron 1.472 que corresponden a los años 2000 y 2007 y se

procesaron en CLASlite© 108 imágenes.

El proceso metodológico para la generación de la tasa preliminar de deforestación a nivel

nacional se desarrolló en tres grandes fases, a saber:

Fase I. Preparación o pre-procesamiento de las imágenes seleccionadas con el fin de

aprestarlas para su posterior procesamiento digital. Esta fase incluyó la descarga de datos,

para el caso específico de este ejercicio se utilizó el portal de información Geoespacial

dispuesto por el Servicio Geológico de los Estados Unidos -USGS2- y la NASA a través del

portal web Land Processes Distributed Active Archive Center -LPDAAC-, cuyo enlace es

https://lpdaac.usgs.gov/lpdaac/get_data. Para esta actividad se recibió el apoyo del CIAT a

través de un script que permitió agilizar el proceso de descarga.

Esta fase también comprendió los procedimientos necesarios para preparar y disponer

adecuadamente las imágenes descargadas para ser procesadas y utilizadas en el proceso

de estimación de la tasa preliminar de deforestación para Colombia, incluyendo la

conversión de formato, generación de los archivos de trabajo, selección de mejores

imágenes, y reproyección espacial. Sin embargo, lo más significativo fue la selección

rigurosa de las imágenes. Dado que el sensor MODIS Terra es un sistema pasivo de

captura de imágenes es muy sensible a las condiciones atmosféricas presentes en el

momento de la captura de la imagen. Por esto, se escogieron minuciosamente aquellas

imágenes (o sectores de las imágenes) que permitían obtener la mayor superficie posible

sin problemas atmosféricos. Esta selección permitió obtener una cobertura de nubes para

los mosaicos de los 2 periodos inferior al 12%. Finalmente, se hizo la preparación de

imágenes para el procesamiento en CLASlite. En este proceso debe asegurarse que los

datos estén dispuestos espectralmente de acuerdo a la estructura de librerías espectrales

implementadas en el algoritmo de CLASlite®3, en este caso se hace necesario una

reorganización de las bandas espectrales de acuerdo a su posición en el espectro electro-

magnético. Así entonces, los archivos de trabajo finales se estructuran en el siguiente

orden 3, 4, 1, 2, 5, 6 y 7 (estos números corresponden a la numeración original de las

bandas en los productos MODIS utilizados). Este proceso se realiza en el software de

procesamiento ERDAS Imagine 9.3.

Fase II. En esta fase se realizó el procesamiento digital de las imágenes pre-procesadas en

Fase I en el programa de clasificación a nivel de subpixel denominado CLASlite®,

desarrollado por el Instituto Carnegie, localizado en la Universidad de Stanford (USA), con

financiamiento de la Fundación Gordon y Betty Moore, y de la Fundación Jhon D. y

2 Por sus siglas en Inglés, United States Geological Service. 3 Versión ligera del Carnegie Landsat Analyst System -CLAS-.

Catherine T. MacArthur. Esta herramienta ha permite la identificación automatizada de la

deforestación y la degradación del bosque a través del uso de imágenes de sensores

remotos satelitales.

La principal versatilidad de este programa especializado de computo es determinar uno de

los componentes más importantes de la estructura del bosque tropical, como lo es la

“cobertura fraccional” del dosel de la vegetación fotosintética (VF), de la vegetación no

fotosintética (VNF) y de las superficies descubiertas (S) (Asner et al., 2009), que son los

principales conjuntos de información que pueden ser extraídos con el uso de imágenes de

sensores remotos satelitales. Los procesos de la herramienta se pueden sintetizar en:

Calibración radiométrica y corrección atmosférica de la imagen(es). Este proceso

convierte la información por pixel de niveles digitales -ND- a Radiancia captada por

el sensor. Luego, implementando la corrección atmosférica Second Simulation of

the Satellite Signal in the Solar Spectrum -6S- desarrollada a partir del trabajo

de Vermote y colaboradores en 1997, se transforma la radiancia captada a niveles

de reflectancia de las coberturas.

Descomposición de los pixeles de la imagen en coberturas fraccionales a nivel de

subpixel de la vegetación fotosintética, vegetación no-fotosintética o senescente y

las superficies descubiertas. CLASlite® cuenta con tres librerías espectrales para

convertir los niveles de reflectancia por pixel de las coberturas captadas por el

sensor en información ecológicamente relevante que represente la variación

general de las propiedades del dosel de la vegetación y el suelo (Asner et al.,

2009). De igual forma, el aplicativo incluye un submodelo central denominado

Automated Monte Carlo Unmixing -AutoMCU- (Asner y Heidebrecht, 2002; Asner

et al., 2004) el cual permite realizar un análisis cuantitativo de la cobertura

fraccional (0-100%) de la VF, VNF y S contenida en cada pixel de la imagen

analizada.

Enmascaramiento de nubes y cuerpos de agua. Permite sustraer de la imagen

errores causados por nubes, neblina atmosférica, cuerpos de agua y otros

artefactos muy comunes en imágenes satelitales.

Clasificación de la imagen(es) en coberturas de Bosque/No-Bosque, deforestación

y perturbación. A partir de un umbral determinado en las coberturas fraccionales

de VF, VNF y S el sistema de clasificación obtiene mapas de Bosque/No-Bosque

para la imagen(es) analizada. Específicamente, CLASlite® está configurado para

utilizar un umbral ≥80% en la cobertura fraccional de VF para identificar áreas

boscosas, considerándose todo lo demás como áreas de No-Bosque, esta

particularidad se debe a que este programa fue desarrollado para bosques

tropicales amazónicos, es decir, de tierras bajas, donde este umbral permite

identificar satisfactoriamente casi la totalidad de las áreas boscosas. Sin embargo,

este último procedimiento no podría aplicarse directamente para otros tipos

diferentes de bosques tropicales, ya que sus respuestas espectrales no estarían

incluidas en las librerías espectrales incorporadas en el programa. Debido a esta

situación, esta etapa del sistema de procesamiento de CLASlite® no fue tenida en

cuenta para este ejercicio como se explicará en detalle más adelante.

Fase III. Esta fase incluyó varios procedimientos necesarios a fin de generar información

sobre la extensión total de las coberturas de bosque para los años 2000 y 2007. A partir de

estos resultados se estimó la tasa de deforestación para Colombia. Los procesos realizados

en esta fase se pueden sintetizar en:

Conversión de formato. Se utilizaron Los mapas de cobertura fraccional generados

por CLASlite®. Estos están originalmente en formato ENVI® (ya que la aplicación

fue desarrollada en lenguaje de programación IDL®). Para ser posible su

manipulación deben ser convertidos a formatos compatibles con los programas

SIG disponibles, en este caso fueron transformados a formato TIFF

georreferenciado que puede ser desplegado y manipulado en programas como

ERDAS Imagine 9.3® ó ArcGIS 9.3®.4

Ajustes a los umbrales de detección de bosque. A partir de los productos obtenidos

de CLASlite® (mapas de cobertura fraccional), el equipo del componente PDI del

proyecto IDEAM a través de la modificación manual de los umbrales entre las

clases Vegetación Fotosintética (Bosque) y Vegetación No Fotosintética / Suelo

desnudo (No Bosque), obtiene mapas de Bosque/No bosque para el 88% de la

superficie continental del país. Esta modificación se realiza puesto que la biblioteca

espectral que utiliza CLASlite® se concentra principalmente en los bosques

tropicales de tierras bajas amazónicas, presentando dificultades para la

clasificación de otros tipos de bosques (p.e. Bosques Andinos. Bosque de tierras

bajas del Pacífico). Este proceso se realiza en el software de procesamiento ArcGIS

9.3®(figura 1).

4 La versión actual CLASlite V 2.2 ya permite guardar las imágenes producto en formato GeoTIFF. Ver más en la sección de consideraciones finales.

Figura 1 Modificación de los umbrales de detección de Bosque para un sector de la escena h11v08

del 11 de diciembre de 2000 en límites de los departamentos de Vichada y Guainía.. Empalme de resultados por escena. A partir de las modificaciones a los umbrales de

detección de bosque realizados para cada escena se procede a realizar un empalme de

estos resultados, es decir, por cada escena se cuenta con varias imágenes a partir de las

cuales se genera una cobertura de Bosque/No Bosque por escena. Este proceso se realiza

en el software de procesamiento ERDAS Imagine 9.3®.

Mosaicos de coberturas de Bosque/No Bosque para los años 2000 y 2007. A partir de las

coberturas de Bosque/No Bosque por escena se genera un mosaico de Bosque /No Bosque

para todo el país. Este proceso se realiza en el software de procesamiento ERDAS Imagine

9.3®.

Revisión y ajustes de los mosaicos generados. Una vez se han elaborado los mosaicos de

cobertura para 2000 y 2007 se realiza una verificación de los resultados. En esta etapa se

utiliza la información del mapa de coberturas CORINE Land Cover a escala 1:100.000 para

eliminar de los mosaicos áreas que no correspondan a coberturas de bosque y que hayan

sido clasificadas por CLASlite® como bosque, esta situación se puede presentar por

ejemplo con cultivos de Palma africana, plantaciones forestales y cultivos de frutales. Este

proceso se realiza en el software de procesamiento ERDAS Imagine 9.3®.

Una vez elaborados los mosaicos de cobertura para 2000 y 2007, se realizó una verificación de los

resultados. En esta etapa se utilizó la información del mapa de coberturas CORINE Land Cover a

escala 1:100.000 para eliminar de los mosaicos áreas que no correspondían a coberturas de

bosque y que habían sido clasificadas por CLASlite® como bosque. Esta situación se presentó por

ejemplo, con cultivos de Palma africana, plantaciones forestales y cultivos de frutales. Después de

revisar y ajustar los mosaicos de cobertura para 2000 y 2007 se realizó una depuración de los

resultados utilizando como base las imágenes pre-procesadas, recodificándose algunos pixeles

erróneamente clasificados.

Finalmente con los productos depurados de cobertura para los años 2000 y 2007 se realizó un

proceso de superposición temática de estas dos capas para obtener la superficie de cambio de la

cobertura de bosque en el periodo 2000-2007 (figura 2).

RESULTADOS

Los principales resultados obtenidos de la aplicación del proceso metodológico aquí descrito son:

Selección de productos MODIS con baja cobertura nubes para los años 2000 y 2007 (en

promedio <12% para el área continental).

Mapas de cobertura fraccional 2000 y 2007.

Mapas Bosque / No Bosque 2000 y 2007.

Mapa de cambio en coberturas boscosas 2000-2007 y tasa de deforestación preliminar.

Figura 2 Mapa de cambio de coberturas Bosque/No-Bosque para el periodo 2000-2007.

CONSIDERACIONES FINALES

1. Baja resolución espacial (250m) de los insumos utilizados. Por lo tanto el nivel de

detalle corresponde a una escala 1:500.000. En este sentido, este tipo de aproximación

permite un acercamiento general al estado de las coberturas boscosas del país, siendo

una metodología orientada a la identificación de "Hotspots" de deforestación.

2. Los diferentes tipos de coberturas boscosas presentes en las regiones del país,

comportan retos adicionales para su identificación de manera automatizada. Es necesario

tener en cuenta, factores atmosféricos, climatológicos y fenológicos para ajustar las

metodologías. El uso de la herramienta CLASlite permite obtener datos de deforestación y

perturbación pero requiere de un proceso de calibración y ajuste con base en las

especificidades del área de interés.

3. Se requiere una validación de los resultados obtenidos en este ejercicio preliminar

de estimación de la tasa de deforestación, bien sea vía datos obtenidos en campo, o

validaciones mediante la utilización de imágenes de sensores remotos de mayor

resolución espacial en áreas previamente identificadas.

4. El IDEAM continuará trabajando este tipo de ejercicios en el marco de la

conformación de un Sistema de monitoreo de la deforestación mediante la prueba con

otras imágenes de sensores remotos de mayores resoluciones espaciales y espectrales

(p.e. imágenes tipo Landsat), o realizando el mismo ejercicio de detección de cambios

aplicado en este ejercicio para periodos anuales o bienales.

5. Se debe continuar con la generación de series temporales de productos MODIS con

bajos niveles de coberturas de nubosidad y otros efectos atmosféricos no deseados que

permitan la observación de procesos de cambio de las coberturas de la Tierra a través de

un cubrimiento continuo del territorio nacional, minimizando artefactos. Para esto se

sugiere utilizar los productos diarios del sensor MODIS (Terra y Aqua).

6. Se debe evaluar el uso de imágenes de sensores remotos de similares

características técnicas de las imágenes MODIS, como es el caso de imágenes MERIS,

CBERS-2, para reducir las coberturas de nubosidad y obtener productos de mayor calidad.

LIMITACIONES TÉCNICAS DEL EJERCICIO

A continuación se presentan las limitaciones técnicas más relevantes en cuanto al ejercicio

avanzado así como de manera específica la aplicación de CLASlite a nivel nacional

Variaciones radiométricas en el sinergismo entre los productos MOD09A1 y

MOD09Q1. Por la forma en que se generan los productos MODIS utilizados para el

ejercicio (productos resumen para cada 8 días) se generaron variaciones

radiométricas en el sinergismo propuesto, tal y como se presenta en la figura 3.

Figura 3. Variaciones radiométricas en el sinergismo generado para el ejercicio. Limite

Amazonia-Orinoquia, Imagen MODIS H11V08 de diciembre de 2007 RGB=463.

Presencia de áreas sin información (Bandeamiento) en el sinergismo entre los

productos MOD09A1 y MOD09Q1. Esta situación se presenta en algunas de las

escenas del producto MOD09Q1 y éstas podrían influenciar los resultados finales.

Sin embargo, según se observó, esto no fue un problema en la imagen de

cobertura fraccional generada por CLASlite y la posterior generación del mapa de

Bosque/No Bosque (figura 4).

Figura 4. Bandeamiento en el sinergismo generado para el ejercicio. Limite Amazonia-

Orinoquia, Imagen de cobertura fraccional de la MODIS H11V08 de diciembre de 2007

RGB=S/VF/VNF.

Interoperabilidad entre CLASlite con otros programas comerciales de

Procesamiento Digital de Imágenes. La metodología que se siguió implicó realizar

procesos alternos fuera de la plataforma de CLASlite© (modificación de los

umbrales de detección de bosque) en programas comerciales tales como ENVI©,

ArcGIS© y ERDAS Imagine©. Estos procesos pueden generar problemas con el

adecuado reconocimiento de los sistemas de proyección y alteración de los valores

de niveles digitales.

Posterior a este estudio, CLASlite V 2.2 ya permite guardar los resultados

productos de todos los pasos en formato GeoTIFF, con lo cual se subsanan los

problemas presentados durante el presente ejercicio.

Los efectos atmosféricos en una imagen causados por alto niveles de humedad en

cualquiera de sus formas: nubes, niebla, neblina, etc. son una de las limitaciones

principales del uso de sensores ópticos. Entonces, áreas con mucha variación en

las niveles de humedad de una imagen pueden generar resultados variables. Para

tratar esto, CLASlite proporciona varias opciones, incluyendo la corrección de

neblina y tres momentos de enmascaramiento. La corrección neblina no puede

usarse con MODIS por lo cual no pudo ser aplicada en este ejercicio, pero sí podría

usarse en un futuro ejercicio con Landsat, tal y como está planteado por IDEAM.

Ésta opción puede ayudar a generar resultados con una menor variación por causa

de altos niveles de humedad. Adicionalmente, para minimizar ésta variación, es

recomendable usar imágenes de la misma época en caso que éstas estén

disponibles.