Reporte Perú Sep 2011 Español

7/23/2019 Reporte Per Sep 2011 Espaol

1/11


2/11


3/11

Deteccin de cambios en el hbitat usandoDeteccin de cambios en el hbitat usandoredes neuronales y datos satelitalesredes neuronales y datos satelitalesMODIS y TRMM en PerMODIS y TRMM en Per (200!20""#(200!20""#

$arolina %r&ote D'" )ouis Reymondin"* %ndy +ar,is"2

"-entro Internacional de %&ricultura Tro.ical (-I%T# -ali -olombia2/io,ersity International Re&ional Oce 1or the %mericas -ali -olombia

*De.artment o1 eo&ra.hy $in&3s -olle&e )ondon Strand )ondone!mail4 5'a'ar&ote6c&iar'or& )ouis'reymondin6&mail'com a'7ar,is6c&iar'or&

R8S9M8:R8S9M8:

Terra-i es un modelo capaz de detectar cambios en la cobertura vegetal de un hbitat usando RedesNeuronales y datos satelitales MODIS y TRMM Su principio !undamental se basa en el comportamiento"ue tiene la intensidad verde de la vegetaci#n$ la cual cumple un ciclo natural "ue depende principalmentede !actores climticos como la precipitaci#n y la temperatura$ del tipo de vegetaci#n y de las alteracionesnaturales o antropog%nicas

&sando datos de 'ndice de vegetaci#n ND(I-MODIS con resoluci#n )*+m y !recuencia de ,d'as$ y datosde precipitaci#n TRMM con resoluci#n de )./m y !recuencia de 0d'as$ el modelo es entrenado entre losa1os )+++ y )++2 con el !in de conocer el ciclo de la vegetaci#n en estudio y con base a ello es capaz depredecir su comportamiento !uturo detectando cambios signi!icativos en el hbitat

3ste modelo !ue implementado en 4er5$ con el !in de determinar la tasa de de!orestaci#n entre el +, de3nero de )++2 y el ,+ de 6unio de )+,, Del ,++7 del rea se analiz# el 87 restando un 27 "ue nopudo ser analizado debido a ba6a calidad de las imgenes MODIS en estas reas

3n 4er5 se detecta un cambio total acumulado en los 9* a1os de estudio de *.8$*22 hectreas de lascuales 2*)$9,8 corresponden a p%rdidas de la cobertura vegetal: e"uivalente a una tasa promedio dede!orestaci#n de +$00 ha;a1o


4/11

tres a1os y luego son abandonadas para !acilitar la regeneraci#n natural y ser cultivadas nuevamente$despu%s de un periodo de descanso "ue var'a entre cinco a diez a1os @,A

De acuerdo con la Memoria Descriptiva del Mapa de la De!orestaci#n de la =mazon'a 4eruana BINR3N= CON=M$ 4RO


5/11

2'22'2 Metodolo&>a Terra!iMetodolo&>a Terra!i

3l modelo se basa en algoritmos de aprendiza6e automtico o redes neuronales para detectarautomticamente la conversi#n de hbitats naturales

2'2'"2'2'" Datos de 8ntradaDatos de 8ntrada

omo datos de entrada se utilizan

DatosNDVI BNormalized Di!!erence (egetation IndeGE y datos Quality del producto MOD13Q1del

sensor MODIS$ con una !recuencia de medici#n de , d'as y una resoluci#n de )*+m Datos de precipitaci#n del sensor TRMMBTropical Rain!all Measuring MisionE$ con una !recuencia

de medici#n de 0 horas y una resoluci#n de )./m

2'2'22'2'2 )os Modelos)os Modelos

=l recopilar los datos de entrada al modelo entre los a1os )+++ y )+,,$ se aplican diversos algoritmos$ seentrena la red neuronal y !inalmente se predice el valor ND(I "ue deber'a tener cada piGel en una

determinada !echa

Figura 2.Terra-i Methodology


6/11

omo se muestra en la !igura )$ en su primera etapa Terra-i toma los datos de entrada ND(I del sensorMODIS$ y aplicando el algoritmo de HANTSlimpia los datos$ eliminando todas las variaciones a cortoplazo Bin!eriores a tres mesesE$ y !inalmente a6usta iterativamente las curvas limpias usando los datos decalidad de MODIS$ el anlisis de Jourier y el a6uste de m'nimos cuadrados con valores de alta calidad @)A

Figura 3.Detecci#n de anomal'as en un p'Gel

= continuaci#n y despu%s de crear los cl5ster o con6untos de datos "ue alimentaran la red neuronal 6untocon los datos TRMM$ se inicia el periodo de entrenamiento de la red neuronal B)+++-)++0E$ donde elmodelo aprender p'Gel por p'Gel$ c#mo la vegetaci#n responde a una unidad de lluvia

&na vez "ue Terra-i ha aprendido c#mo cada p'Gel responde a las variaciones climticas$ se aplica elmodelo de predicci#n BBayeia! Neural Net"or#E$ en !unci#n de las precipitaciones medidas y al ND(Ide un p'Gel en !echas anteriores De esta manera$ si lo "ue se prev% tiene un mayor valor ND(I al "ue semidi#$ este piGel estar indicado una anomal'a: si el p'Gel est reportado como una anomal'a en dos!echas consecutivas$ indicara una perturbaci#n en el hbitat @)A

=l !inalizar la detecci#n de cambios el modelo genera un mapa "ue muestra la probabilidad de cambio decada piGel K por ultimo con base a este mapa de probabilidades de cambio se puede establecer reglas yseleccionar as' los piGeles con una probabilidad de cambio determinada$ la cual se establece con base aal con6unto de datos de calibraci#n


7/11

*'*' R8S9)T%DOR8S9)T%DOSS? %:=)ISIS? %:=)ISIS

3n 4er5 !ueron analizadas ,)8$+9)$9.. hectreas y solo un *7 de esta rea no !ue analizada debido anubosidad y;o datos de ba6a calidad

Terra-i detecta a nivel nacional un cambio total acumulado en los 9* a1os de estudio de *.8$*22hectreas de las cuales 2*)$9,8 corresponden a p%rdidas de la cobertura vegetal: e"uivalente a una tasa

promedio de de!orestaci#n de $%&3$3 'a(a)o.

Figura *.Mapa de detecci#n de p%rdidas en la cobertura vegetal de Terra-i en el departamento de Madre de Dios

Figura +.Mapa de detecci#n de p%rdidas en la cobertura vegetal de Terra-i en el departamento de


8/11

3n las !iguras 2$ * y se observan los mapas de detecci#n de p%rdidas de cobertura vegetal en 4er5detectadas entre el , de 3nero de )++2 y el ,+ de Lunio de )+,,

Figura $.Mapa de detecci#n de p%rdidas en la cobertura vegetal de Terra-i en el departamento de &yacali

Departamento Area NoData (%) 2004 2005 2006 2007 2008 2009 2010 2011 Accum Rate

Amazonas *@2@A "BC *00 "00 B"* E0 "00E "* 2EE* *"0 "0@B "0Aancash *@ EC "A 0 "* 0 2 0 0 "* ""A "EApurimac 20@E0 0C 0 "A "A 0 E E 0 0 "00 "*Areuipa E2@AE"* 0C @" A *@ @" "A 2EA 2EA *@ "E* 20@A!acucho 2E@ *C 2 *"* "2 "00 ""* "0 *"* A "2*" "E"a#amarca *2*BE2 *C " @"* ""A 2 "* E* 2"*@ "0E *"A E"a$$ao """@0 EC 0 0 E 0 0 0 "E 0 "E* 22"usco B0*AE EC A "2A "*" "AE* 2BB 200 2A "E"A 2"Auanca&e$i 2"@B 0C 0 E 0 2 0 0 0 0 *" uanuco *BA2B"* 2C EEA EEB 2@@ *""A ""E0E "02EA "EA 2* "*@ E0"@'ca 2"A"2 "C "B *2 E0 BE BE EE* B2 *" @" A@

(unin 2A@@@ 2@C "*" @B*@ 0 *EA 2*0E "@" "2E 00 "2*" 20*")a $i*erta+ 2EA2 "C EE* "EA "0E "* E* *@ "A 0 "0EA "*)am*a!eue "2"*E 0C 20E "A 2 "*" "* 0 "0E E E@" A")ima *2@"B@" 2C E "* "* EA E A 2"* "2 E*@ @)oreto *BA02"A "C 22BA "0*@ @00 ""2"* "B*0 "@A 2"EE 20""A "*"""* "B@2,a+re +e Dios @*B*"00 0C AA *0 2E@" *BE A0E E"*@ ""*0 2"*@ *@*"* "0@

,oue-ua "0*EE* 0C 0 0 0 "* 0 0 0 0 "* 2.asco 2*@2E "*C *E A "2B "02 2"A A"A "@" BA @E*@ ""2.iura *EA *C 2E 2A "* E E* *@ 0 B"* A.uno B*A@"* "C 22 2B E* @*" E B "@B E* 2E* B02/an ,artin 2*""* 2AC *BEA BB@" EEE* @00 "2A "BB@" "B*@@ 2"A BAA "0AAacna "E0BE 0C 0 0 0 0 0 0 0 0 0 0um*es B*00 "C B2 *2 0 0 E 0 0 0 "0E ""ca!a$i "022E00 C B**@ "EA2 A2E* @@" "*@ "E@@ A@0E E"0 @B"@@ ""E2ota$ 129072788 5%39469 61481 37713 41144 71125 76338 80819 44631 452719 60363

Ta,la 1.De!orestaci#n detectada por Terra-i


9/11

omo se observa en la !igura 9$ la mayor tasa de de!orestaci#n se registra en el a1o )+,+ pasando de08$28 hectreas de p%rdida registradas en el )++2 a .+$.,8 hectreas en el a1o )+,+&n incremento del*,7

Figura -.De!orestation rate per year in 4er5


10/11

4or otra parte del cambio total detectado de *,0$082 hectreas: hay ,0$.)* hectreas correspondientesa ganancias en la cobertura vegetal omo se observa en las !iguras 8 y ,+ corresponden a zonasdes%rticas donde !ueron implementados sistemas agr'colas con tecni!icados sistemas de riego$ en losdepartamentos de =re"uipa$ 4iura$


11/11

'' -O:-)9SIO:8S ? R8-OM8:D%-IO:8S-O:-)9SIO:8S ? R8-OM8:D%-IO:8S

3l promedio anual de de!orestaci#n para el per'odo evaluado de 9* a1os B)++2 C )+,,E !ue de

+$00 ha;a1o

Reporte Perú Sep 2011 Español

Documents

Transcript of Reporte Perú Sep 2011 Español