Sistema de monitoreo en tiempo casi real del cambio de la vegetación natural
-
Upload
sustainable-amazonian-landscapes-project -
Category
Science
-
view
558 -
download
1
Transcript of Sistema de monitoreo en tiempo casi real del cambio de la vegetación natural
Sistema de monitoreo en tiempo casi real del cambio de la vegetación natural
Miembros del equipo : Louis Reymondin, Alejandro Coca-Castro, Jhon Jairo Tello-Dagua, Paula Paz-Garcia*, Oscar Bautista, Andy Jarvis, Carolina Navarrete-Frias and Glenn Hyman† (CIAT); Jerry Touval (TNC); Mark Mulligan (KCL); Andrés Pérez Uribe (HEIG-VD).
*Investigador del Centro Internacional de Agricultura Tropical - CIAT
Florencia, Caquetá, 29 de Enero de 2015
Foto por A. Coca (2013) - Ucayali , Perú
Limites...Características• Herramienta para detectar cambios rápidos en las coberturas
• 250 m de resolución = un alto porcentaje de eventos de cambio mayores de 5 Ha son identificados
• Ofrece un monitoreo con alta frecuencia, cada 16 días
• Cobertura continental, Latinoamérica y el Caribe (actualmente) - Actualización cada 2-3 meses
• Visualizador disponible para desplegar y descargar los datos de pérdida y ganancia de coberturas
NO es una herramienta para dar las cifras exactas y/o detectar cambios de áreas pequeñas (< 4 Ha)
Terra-i permite identificar áreas para priorizar análisis con imágenes de alta resolución
Sistema Terra-i
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
Productos Geoespaciales de Terra-i
34 Escenas MODIS13Q1
Estado de vegetación (Producto NDVI)
Datos de cambio por pixel (RASTER) cada 16 dias desde 2004
PRODUCTOS
Proyección datos: WGS 84 Geográfica
Pérdida Ganancia Inundación
Caso: Región Beni-SantaCruz, Bolivia
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
LOS GEODATOS CONTIENEN PIXELES CON NO-DATA (NUBES)
1 escena TRMM
Precipitación(3b42 v7)
+
2Etapa de detección (usando datos entre el 2004 al presente)
Metodología
Dos etapas son realizadas durante el proceso del sistema Terra-i:
Etapa de entrenamiento (usando datos entre el 2000 a 2004)
1Redes neuronales basadas en probabilidades bayesianas aprenden cómo el verdor de la vegetación (NDVI) responde a las unidades de precipitación (TRMM)
DATOS ENTRADA: Indice de Vegetation (MOD13Q1 MODIS / Producto NDVI , 16 dias, 250m)Datos precipitación: Tropical Rainfall Measuring Mission - TRMM 3B42 (3 horas, 28km)
El modelo calibrado es ejecutado para identificar fluctuaciones en el verdor y qué no son explicadas por la precipitación o estado previo de la vegetación
DATOS SALIDA: Datos de cambio de las coberturas vegetales (ganancia/pérdida, c/año o c/16 días, 250m)
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
Usuarios con conocimiento en datos espaciales pueden visualizar y descargar los archivos en formato
leible en software GIS (Raster)
Usuarios sin conocimiento en datos espaciales pueden visualizar y descargar los datos y gráficos en
forma de tabla y reporte
UNA HERRAMIENTA QUE DA SOPORTE A LA INVESTIGACIÓN Y TOMA DE DECISIONES MULTIDISCIPLINAR
http://www.terra-i.org/
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
Principal política de datos gratuitos y de libre acceso Especialistas SIGNo especialistas SIG
Estudio de caso: Minería artesanal en Madre de Dios, Perú
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
Estudio de caso: Pucallpa, Perú
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
Distribución espacial y dinámica de comunidades
ASSETS
Octubre 5, 2012Caso Tamshicayu, Perú
Detecciones Terra-i
Landsat 8
Ucayali, Perú
San Martin, Perú
Aplicación 1: Monitoreando la expansión de cultivos de grandes extensiones
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
Integrando proyectos
Basado en IPCC
Aplicación 3: Entendiendo los cambios en el campo (Validación)
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
COM
UN
IDAD
RIB
EREÑ
A Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
Aplicación 3: Entendiendo los cambios en el campo - Cercanía Rio
CO
MU
NID
AD
CA
RR
ET
ER
A
Aplicación 3: Entendiendo los cambios en el campo - Comunidad carretera
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
Aplicación 3: Entendiendo los cambios en el campo - Comunidad carretera
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
Photo: A. Coca / 2013
Detecciones de plantaciones de palma aceitera : Ejemplo Naranjal
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
Photo: A. Coca / 2013
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
Aplicación 5: Producto Ganancias / Cambios en zonas desérticas
Ecoregión del Cerrado BrasileroEcoregión del Gran Chaco
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
Aplicación 4: Datos más allá de los bosques húmedos tropicales (BTH)
http://www.terra-i.org/terra-i/data/data-terra-i_peru
Reunión Lima, Marzo 2014
IMPACTO: Terra-i Perú (Monitoreando las coberturas de un territorio)
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
IMPACTO: colaboración con medios independientes
Plataformas en diferentes formatos
aumentan la participación de la
sociedad civil basada en el uso de datos
espaciales para discutir los eventos de su región
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros
Integrar la plataforma Global Forest Watch
Contexto – Método – Aplicaciones – Impacto – Desarrollos futuros