Terra-i<br />An eye on Habitat Change<br />Monitoreo en Tiempo Real de Cambios en el Habitat usando Redes Neuronales y Dat...
Contenido<br />Una nueva mirada a la deforestacion: REDD, cambio climatico<br />Revolucion en monitoreo: Modelo Terra-i<br...
Deforestación de moda<br />El reporte Stern<br />REDD y REDD+: Mecanismo para reducir deforestación<br />Requerimientos de...
Objetivos de        <br /><ul><li>Proveer monitoreo de conversión de hábitats naturales en casi tiempo real (<2 meses de d...
Cobertura continental-global, cubriendo todo tipo de hábitat
Regularidad en actualizaciones – cada 16 días
Nueva acercamiento: usando imágenes de alta frecuencia temporal y moderado resolución espacial para llegar a tener tendenc...
Enfoque Conceptual<br />NDVI<br />NormalizedDifferenceVegetationIndex<br />Resolución de 250m<br />Frecuencia de las medid...
Metodología de Detección de Cambios<br />
Cambio<br />NDVI Pasado<br />TRMM<br />…<br />No<br />Diferencia con la predicción<br />Esta en el <br />intervalo de <br ...
w0<br />NDVI(t-1)<br />NDVI(t-2)<br />…<br />wo1<br />w1<br />NDVI(t-n)<br />wp1<br />NDVIt<br />wo2<br />Precipitation (t...
Detección de Cambios<br />Cambio<br />Para la detección de cambios, las Redes Neuronales Bayesianas generan tres indicador...
Metodología - Los Modelos<br />Predicciones<br />Bayesian Neural Network (BNN)<br />Entrenamiento y aproximación del ruido...
Limpieza de los Datos<br /><ul><li>Elimina todas las variaciones a corto plazo (< 3 meses)
Ajuste iterativo de curvas limpias usando:
Los datos de calidad de MODIS
Análisis de Fourier
Ajuste de mínimos cuadrados con valores de alta calidad</li></li></ul><li>Metodología – El Software<br />
Metodología – El Software<br />
Metodología – Conclusión<br /><ul><li>Tenemos una metodología eficiente usando tecnologías bio-inspiradas y estadísticas B...
La metodología es flexible y toda la aplicación de modelos es automática.
Es posible manejar una gran cantidad de datos, y la implementación en otras partes del mundo puede hacerse rápidamente.
Reporte continental cada 16 días, 6 semanas después de la fecha de la toma del imagen -> casi tiempo real, resolución 250m...
Calibración del Modelo en Colombia<br />
Datos de Calibración <br />     Se seleccionaron 24 ímágenespara el proceso de calibración de Colombia, teniendo en cuenta...
Los tiles seleccionadospara el año 2004 y 2009  deben ser de la mismaepoca del año, y en el caso de que sea posible la mis...
Para quesirveclaslite<br />Detección de la Deforestación usando CLASlite. <br />
Detección de Deforestation usando ERDAS Image. <br />Medianteestealgoritmoesposibleidentificardiferentestipos de cobertura...
Detección de Deforestation usando ERDAS Image. <br />Luego se utiliza el software ArcGISparamezclar la clasificacióninicia...
Decremento(-1) y
  Sin cambio(0).</li></ul>Finalmente, los resultadosobtenidos son revisados de maneradetallada, superponiendolos a lasimág...
     Al realizar la detección de cambios usando los programascomputacionalesCLASlite en el Amazonas y ERDAS en el resto de...
Puerto Concordia - Meta<br />
Resultados Terra-i<br />Tasa de Deforestacion<br />151,754 Ha/año<br />
Caqueta, Jan 2004 – May 2009<br />Date<br />
Resultados Terra-i<br />La región oriental presenta una creciente pérdida de los bosques, debido principalmente a ampliaci...
ResultadosTerra-i<br />Las prácticas de talaselectiva en el departamento de Santander, ocurrenprincipalmente en la zona de...
Parque Nacional Tinigua<br />1,300 Ha deforestado entre 2004 y 2009<br />0.5% del área total deforestado en 5 años<br />
Entre los 125 y 150km de radio influencia al parque Serranía del Chiribiquete se detecto en promedio 15,448 hectáreas anua...
Bosquestropicales son los ecosistemasmasafectadas<br />Areas protegidas no estan a salvo<br />
Validacion<br />
Chile<br />Tasa de cambio <br />promedio anual<br />91.349 Ha/año<br />
Paraguay<br />Tasa de cambio <br />promedio anual<br />149.000 Ha/año<br />
Upcoming SlideShare
Loading in …5
×

Andy j Deforestation in colombia terra-i model medellin acodal sept 2010

1,012 views
922 views

Published on

Presentation on deforestation trends and patterns in Colombia using the Terra-i monitoring tool. Presented in the 53rd ACODAL congress in Medellin 15th September 2010.

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,012
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
17
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • Foto 1: http://www.usergioarboleda.edu.co/medioambiente/deforestacion-colombia.htmFoto2:http://www.elcolombiano.com/BancoConocimiento/D/deforestacion_como_talar_854_mil_canchas_de_futbol/deforestacion_como_talar_854_mil_canchas_de_futbol.aspFoto 3: http://www.elespectador.com/impreso/cultura/vivir/articuloimpreso200962-colombia-ha-perdido-el-865-de-su-amazoniaFoto 4:http://www.absolut-colombia.com/deforestacion-en-la-amazonia-colombiana/
  • Andy j Deforestation in colombia terra-i model medellin acodal sept 2010

    1. 1. Terra-i<br />An eye on Habitat Change<br />Monitoreo en Tiempo Real de Cambios en el Habitat usando Redes Neuronales y Datos Satelitales<br />
    2. 2. Contenido<br />Una nueva mirada a la deforestacion: REDD, cambio climatico<br />Revolucion en monitoreo: Modelo Terra-i<br />Implementación del modelo en Colombia y en América latina.<br />Calibración y Validación de resultados y pasos a seguir.<br />
    3. 3. Deforestación de moda<br />El reporte Stern<br />REDD y REDD+: Mecanismo para reducir deforestación<br />Requerimientos de línea base y monitoreo de bosques<br />
    4. 4. Objetivos de <br /><ul><li>Proveer monitoreo de conversión de hábitats naturales en casi tiempo real (<2 meses de demora)
    5. 5. Cobertura continental-global, cubriendo todo tipo de hábitat
    6. 6. Regularidad en actualizaciones – cada 16 días
    7. 7. Nueva acercamiento: usando imágenes de alta frecuencia temporal y moderado resolución espacial para llegar a tener tendencias</li></li></ul><li>Enfoque Conceptual<br /> La intensidad del verde de la vegetación sigue un ciclo natural que depende de factores climáticos (precipitación, temperatura), variables de sitio (tipo de vegetación, características del suelo) y de las alteraciones.<br />Terra-ies un modelo capaz de predecir la evolución de la intensidad verde de la vegetación, con base a medidas de verde anteriores y a medidas climáticas actuales para detectar cambios significativos en el habitad.<br />
    8. 8. Enfoque Conceptual<br />NDVI<br />NormalizedDifferenceVegetationIndex<br />Resolución de 250m<br />Frecuencia de las medidas de 16 días<br />TRMM<br />Tropical RainfallMeasuringMission<br />Resolución de 28km<br />Frecuencia de las medidas de 3 horas<br />
    9. 9. Metodología de Detección de Cambios<br />
    10. 10. Cambio<br />NDVI Pasado<br />TRMM<br />…<br />No<br />Diferencia con la predicción<br />Esta en el <br />intervalo de <br />confianza ?<br />NDVI Actual <br />Si<br />Normal<br />Detección de Cambios<br />Procedimiento básico de detección: <br />
    11. 11. w0<br />NDVI(t-1)<br />NDVI(t-2)<br />…<br />wo1<br />w1<br />NDVI(t-n)<br />wp1<br />NDVIt<br />wo2<br />Precipitation (t)<br />Temperature(t)<br />…<br />wp2<br />w2<br />wp3<br />wo3<br />Metodología - Los Modelos<br /> Entradas: <br />NDVI (MODIS 13Q1)<br />Precipitación (TRMM)<br /> Temperatura (WorldClim)<br />Salida:<br />Predicción de la medida NDVI al tiempo T.<br />
    12. 12. Detección de Cambios<br />Cambio<br />Para la detección de cambios, las Redes Neuronales Bayesianas generan tres indicadores: el valor predicho , la desviación estándar de las predicciones del modelo sobre la función real, el nivel de ruido (Gausiano) de la medida del satélite.<br />
    13. 13. Metodología - Los Modelos<br />Predicciones<br />Bayesian Neural Network (BNN)<br />Entrenamiento y aproximación del ruido<br />Scaled Conjugate Gradient (SCG)<br />Bayesian evidence function<br />Gaussian noise<br />Selección de las entradas del modelo<br />Automatic relevance determination (ARD)<br />Clustering <br />Algoritmo de K-Means modificado, para ser distribuido en varios procesadores.<br />De cada uno de los clústers se selecciona aleatoriamente 1000 pixeles con los cuales se entrenan 10 modelos….Reduciendo así el tiempo de proceso.<br />
    14. 14. Limpieza de los Datos<br /><ul><li>Elimina todas las variaciones a corto plazo (< 3 meses)
    15. 15. Ajuste iterativo de curvas limpias usando:
    16. 16. Los datos de calidad de MODIS
    17. 17. Análisis de Fourier
    18. 18. Ajuste de mínimos cuadrados con valores de alta calidad</li></li></ul><li>Metodología – El Software<br />
    19. 19. Metodología – El Software<br />
    20. 20. Metodología – Conclusión<br /><ul><li>Tenemos una metodología eficiente usando tecnologías bio-inspiradas y estadísticas Bayesianas.
    21. 21. La metodología es flexible y toda la aplicación de modelos es automática.
    22. 22. Es posible manejar una gran cantidad de datos, y la implementación en otras partes del mundo puede hacerse rápidamente.
    23. 23. Reporte continental cada 16 días, 6 semanas después de la fecha de la toma del imagen -> casi tiempo real, resolución 250m</li></li></ul><li>Terra-i<br />An eye on Habitat Change<br />Monitoreo en Tiempo Real de Cambios en el Hábitat usando Redes Neuronales y Datos Satelitales<br />Colombia <br />
    24. 24. Calibración del Modelo en Colombia<br />
    25. 25. Datos de Calibración <br /> Se seleccionaron 24 ímágenespara el proceso de calibración de Colombia, teniendo en cuentaqueestascumplieran con lassiguientescaracterísticas:<br /><ul><li>Para garantizarunabuenadetección se seleccionaronimágenes con un máximo de 10% de cobertura de nubes.
    26. 26. Los tiles seleccionadospara el año 2004 y 2009 deben ser de la mismaepoca del año, y en el caso de que sea posible la mismafecha del año. </li></li></ul><li>Detección de la Deforestación usando CLASlite. <br />1. Calibración radiométrica y correcciónatmosférica de lasimágenessatelitáles usando información MODIS de areosoles y vapor de agua y usando el modelo Second Simulation of the Satellite Signal in the Solar Spectrum model (6S).<br />2. Análisiscuantitativo a nivel de sub-pixel pixel dondeclasificacada pixel en tresclases: porcentaje de vegetación viva, vegetaciónmuerta y superficiedescubierta usando el modelo Monte Carlo Automated y unabiblioteca de datos espectrales.<br />3. Enmascaramiento de nubes y cuerpos de agua<br />4. Mapas de cambio en el bosque, donde se obtienen dos mapasuno de deforestación y otro de perturbaciónforestal.<br />Amazonas Colombiano<br />
    27. 27. Para quesirveclaslite<br />Detección de la Deforestación usando CLASlite. <br />
    28. 28. Detección de Deforestation usando ERDAS Image. <br />Medianteestealgoritmoesposibleidentificardiferentestipos de coberturas, tales como: nubes, cuerpos de agua, vegetaciónprimaria, vegetaciónsecundaria, areas sin cobertura vegetal, sombra de nubes, sombra de montañas y areas urbanas.<br />
    29. 29. Detección de Deforestation usando ERDAS Image. <br />Luego se utiliza el software ArcGISparamezclar la clasificacióninicial en tresgrandesclases: Vegetaciónprimaria, areas sin cobertura vegetal y NoData. <br />Y se calcula la diferencia entre la parejade imágenesclasificadas, obteniendoasiunaimágen final con tresvalores:<br /><ul><li>Incremento(+1),
    30. 30. Decremento(-1) y
    31. 31. Sin cambio(0).</li></ul>Finalmente, los resultadosobtenidos son revisados de maneradetallada, superponiendolos a lasimágenessatelitalescrudas de los años 2004 y 2009, con el fin de encontrarerrores en la deteccion, ocasionadosprincipalmenteporagriculturaintensiva y mal enmascaramiento de nubes.<br />
    32. 32. Al realizar la detección de cambios usando los programascomputacionalesCLASlite en el Amazonas y ERDAS en el resto del territorionacional, se obtiene un mapa final con el cual se hara la primeracalibración de los datos en Colombia.<br />
    33. 33. Puerto Concordia - Meta<br />
    34. 34. Resultados Terra-i<br />Tasa de Deforestacion<br />151,754 Ha/año<br />
    35. 35.
    36. 36.
    37. 37. Caqueta, Jan 2004 – May 2009<br />Date<br />
    38. 38. Resultados Terra-i<br />La región oriental presenta una creciente pérdida de los bosques, debido principalmente a ampliación de la frontera agrícola, colonización en las riberas de los ríos, ganadería y explotación maderera.<br />Tasa de Deforestación<br />21,300 Ha/año<br />
    39. 39. ResultadosTerra-i<br />Las prácticas de talaselectiva en el departamento de Santander, ocurrenprincipalmente en la zona del Magdalena Mediosantandereano y el bajoRionegro. Estadeforestación pone en peligrolasfuenteshídricas de muchosmunicipios de estedepartamento.<br />Deforestation Rate<br />12,600 Ha/año<br />
    40. 40. Parque Nacional Tinigua<br />1,300 Ha deforestado entre 2004 y 2009<br />0.5% del área total deforestado en 5 años<br />
    41. 41. Entre los 125 y 150km de radio influencia al parque Serranía del Chiribiquete se detecto en promedio 15,448 hectáreas anualmente con una tendencia creciente. <br />Se observa el acercamiento de los eventos de deforestación al parque natural, detectando en el 2009 6,825 hectáreas con cambios en la cobertura vegetal entre los 50 y 75km de distancia.<br />
    42. 42. Bosquestropicales son los ecosistemasmasafectadas<br />Areas protegidas no estan a salvo<br />
    43. 43. Validacion<br />
    44. 44. Chile<br />Tasa de cambio <br />promedio anual<br />91.349 Ha/año<br />
    45. 45. Paraguay<br />Tasa de cambio <br />promedio anual<br />149.000 Ha/año<br />
    46. 46. Terra-i Results <br />Deforestation Rate<br />3,062,064 Ha/año<br />
    47. 47. http://www.terra-i.org/<br />
    48. 48.
    49. 49.
    50. 50.
    51. 51. Lo que PARASID es….<br />Primeranivelherramienta de monitoreoparaanalisis de patrones de conversion a escalagruesa<br />Plataformaparamedida a nivelesnacional y regional, consistente, y capaz de entregarunalinea base<br />Sistema de alertatempranopor ser de casitiempo real<br />Importanteparainfluripoliticaspublicas y privadas<br />
    52. 52. Lo que no es…..<br />Herramienta de monitoreodetallado, nivel local, paraimplementacion de REDD se requieremonitoreo de segunda y terceranivel<br />Un sistemaparamonitoreardegradacion<br />
    53. 53. Conclusiones<br /><ul><li>Terra-i es una metodología robusto para monitoreo a escalas gruesas la deforestación
    54. 54. Para Colombia, la tasa de deforestación va en aumento:
    55. 55. Promedio 150,000Ha/año 2004-2009
    56. 56. Duplico la tasa anual durante ese época (actualmente 200,000Ha/año)
    57. 57. Gran frente de deforestación en el Caquetá y Meta
    58. 58. Resultados de detecciones en Latino-América disponibles de manera gratuita en nuestro sitio web www.terra-i.org</li></li></ul><li>Gracias!<br />

    ×