Your SlideShare is downloading. ×
0
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
TERRA
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

TERRA

397

Published on

Monitoreos de cambios en la habitad usando Redes Neuronales y datos MODIS

Monitoreos de cambios en la habitad usando Redes Neuronales y datos MODIS

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
397
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
4
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Terra - Monitoreo de cambios en el habitad usando Redes neuronales y datos MODIS Karolina Argote , Louis Reymondin, Alejandro Coca, Andy Jarvis International Center for Tropical AgriculturePrimer Taller Regional de Monitoreo de BosquesGEO y Servicio Geológico de los Estados Unidos (USGS)Lima, Perú14 - 19 de Agosto 2011
  • 2. Contenido• Deforestación y Cambio Climático.• La importancia de Monitorear el cambio en los ecosistemas• Metodología de Terra-i• Pasado• Presente• Proyectos en desarrollo• Futuro Foto por Peer Voss Deforestación en el Chaco Paraguayo
  • 3. El cambio en el uso de la tierra es uno de los principalesgeneradores de los gases de efecto invernadero, que incrementan su concentración con el paso de los años trayendo como consecuencia drásticos cambios en el clima global.
  • 4. Proporción de los gases de efecto invernadero (GEI) en los últimos años. (IPCC. 2007) La concentración de GEI aumenta debido a las alteraciones del hombre sobre la naturaleza.
  • 5. Temperaturas Globales y Concentración de Dióxido de Carbono, 1880-2007 Fuente: NASA GISS and NOAA/ESRL
  • 6. Como contribuye la deforestación al Cambio Climático??Mediante el secuestro de carbono se extrae CO2 de la atmósfera y se almacena en grandesdepósitos. La Biomasa aprovechable, La madera, el suelo y la materia orgánica muerta de plantas y animales de los bosques constituyen un sumidero de carbono muy importante para la tierra. CO2 CO2 CO2 CO2 La conversión de tierras forestales a agricultura o pastizales para sistemas ganaderos libera el carbono almacenado a la atmósfera contribuyendo así al Cambio Climático.
  • 7. Porqué monitorear los cambios en los ecosistemas?? Establecer sistemas de monitoreo robustos ytransparentes que puedan alertarnos a tiempo de los cambios que ocurren en nuestrosecosistemas nos permitirá tomar decisiones y ejecutar planes de acción y mitigación,uniendo esfuerzos para reducir los efectos del cambio climático.
  • 8. Que es Terra - Terra-i es un sistema de monitoreo de cambios en el hábitat que utiliza diferentes modelos matemáticos que combinan datos del estado de lavegetación (MODIS NDVI) y datos de precipitación de lluvia (TRMM) para detectar desviaciones delpatrón normal del ciclo natural de la vegetación enel tiempo y así, posibles impactos antropogénicos en los ecosistemas naturales.
  • 9. Enfoque ConceptualLa intensidad del verde de la vegetación sigue un ciclo natural que depende defactores climáticos (precipitación, temperatura), variables de sitio (tipo devegetación, características del suelo) y de las alteraciones (naturales oantropogénicas). Terra-i es un modelo capaz de predecir la evolución de la intensidad verde de la vegetación, con base a medidas del comportamiento de la vegetación enel tiempo y medidas climáticas actuales para detectar cambios significativos en el habitad.
  • 10. Datos de Entrada al Sistema1. Índices de Vegetación (Producto MODIS MOD13Q1, 16 días, 250m) Índice de vegetación de diferencia normalizada (NDVI) representa la cantidad y el vigor de la vegetación. Los valores de una zona están estrechamente relacionados con el tipo de vegetación y con las condiciones climáticas, así como con el patrón predominante de uso de la tierra.
  • 11. Datos de Entrada al Sistema2. Datos de precipitación de TRMM (3horas, 28km) Tropical Rainfall Measuring Mission (TRMM) liderado por la NASA y la Agencia de Exploración Aeroespacial Japonesa (JAXA) monitorea y estudia precipitaciones tropicales y subtropicales, entre 35º N y 35º S. Fue lanzado el 27 de noviembre de 1997 desde Japón.
  • 12. Metodología de Terra- Datos NDVI y QA MODIS MOD13Q1, Precipitación (TRMM) (2000-2009) Limpieza de Datos Algoritmo de Hants Datos de 2000 a 2004 Entrenamiento de la Clustering Red Neuronal Datos de 2004 a 2009 K-Mean Selección aleatoria de Predicción de píxeles. NDVI desde 2004 a 2009 Calibración con mapas de Mapas de las Diferencia entre el NDVI medido cambio generados con probabilidades por el sensor y el NDVI Predicho imágenes Landsat (30m) de cambio por la red neuronalEdición de Mapas de cambios Reglas por pérdidas Mapas de Cambios Clasificación Resultados Detectados del cambio Mapas de cambios por incrementos
  • 13. 1 Limpieza de datos Algoritmo de Hants Se aplica el algoritmo Hants (Harmonic Analysis of a Time Series) a los datos NDVI, con el fin de eliminar los valores bajos y fluctuantes que pueden estar relacionados con variaciones atmosféricas y no con la dinámica natural o antrópica en las coberturas de la tierra. Trasformada rápida de Fourier Esta transformada convierte la señal del dominio del tiempo al dominio de la frecuencia.
  • 14. 2 Clustering K-Meansi. Se asigna aleatoriamente a cada objeto del conjunto un clúster entre 1 y K y se calculan los centroides de cada cluster como el valor medio de todos los objetos.ii. Se calcula la distancia de los objetos a los centroides y se asignan nuevamente a cada objeto del conjunto un cuya distancia es mínima con respecto a todos los centroides.iii. Se repite el paso ii hasta que allan <1% de objetos que han cambiado de clusters en la nueva iteración
  • 15. 3 Entrenamiento de la Red Neuronal
  • 16. 4 Detección de cambios Para detectar los cambios, las Redes Bayesianas Neuronales nos dan tres indicadores: 1. El valor predicho (Para detectar los cambios) 2. La desviación estándar de las predicciones del modelo sobre la función real. (Para medir qué tan seguros estamos de que la medida del satélite es anormal.) 3. El nivel de ruido (Gaussiano) de la medida del satélite (Para medir qué tan seguros estamos de que la medida del satélite es anormal.)
  • 17. Detección de cambios por zonas de análisis irregulares entre el 2004 y el 2009.
  • 18. Terra-i 2004-2009 En América latina se detecta una pérdida acumulada en los 5 años de estudio de 21.6 millones de ha y una tasa anual de 4 millones de ha. Los resultados muestra que en todos los países de América Latina hubo pérdida de la superficie forestal y de otros tipos de hábitat entre los años 2004 y 2009
  • 19. Calibración con Imagenes Landsat 2004 2009 Como Terra-i genera un mapa de probabilidades de cambio se realiza una calibración de los resultados obtenidos, con el fin de seleccionar el umbral de probabilidad más apropiado para cada clúster de cada zona de análisis.
  • 20. Calibración con Imagenes Landsat Usando CLASlite y ERDASCLASlite genera mapas de deforestación y perturbación de bosques tropicales medianteel análisis cuantitativo a nivel de subpixel clasificando cada pixel entres clases: % devegetación viva, % de vegetación muerta y % de superficie descubierta usando elmodelo Automated Monte Carlo y una biblioteca de datos espectrales..
  • 21. Comparación de resultados de Terra-i con modelos localesLos resultados de Terra-i fueron comparados con datos de deforestación producidos por elInstituto Nacional de Pesquisas Espaciais (INPE) entre los años 2004 y 2009 mediantesistemas de monitoreo como PRODES y DETER.PRODES(Proyecto de Estimativa de Deforestación de la Amazonia) corresponde a estimativasgeneradas a partir del año 2003 mediante un sistema de clasificación digital usandoimágenes de alta resolución LANDSAT.DETERSistema de detección de la deforestación en tiempo casi real que publica alertas dedeforestación quincenalmente para la Amazonía Brasileña usando imágenes de medianaresolución MODIS. En la comparación se observa una alta correlación entre los sistemas Terra-i y PRODES.
  • 22. Comparación de resultados de Terra-i con modelos locales
  • 23. Comparación de resultados de Terra-i con modelos locales
  • 24. Resultados de Terra-i por país Los resultados muestran que en América latina Brasil es el país que cuenta con los ecosistemas más amenazados registrando una tasa de deforestación promedio anual de 3 millones de hectáreas, ocasionado principalmente por ganadería, expansión de monocultivos de soja y explotación forestal.
  • 25. Resultados de Terra-i en la AmazoníaEn la Amazonía Brasilera Terra-i detecta un total acumulado de 16 millones dehectáreas deforestadas entre los años 2004 y 2009, equivalente a una pérdidapromedio anual de 2.96 millones de hectáreas. 3,500,000 Calculando la pérdida de hábitat por unidad de área se muestra que Brasil, Colombia y Bolivia son los 3,000,000 2,500,000 países con mayor amenaza en la 2,000,000 selva amazónica. 1,500,000 Peru Surinam Venezuela 4% 4% 3% 1,000,000 French Guyana 500,000 Guyana 3% 4% Bolivia 0 Ecuador 20% 2004 2005 2006 2007 2008 2009 3% Colombia 14% Brasil 45%
  • 26. Detección de Terra-i en Meta-Caquetá, Colombia2009 2004
  • 27. Detección de Terra-i en Caquetá, Colombia2009 2004
  • 28. En Colombia las causas depérdida de hábitat varían en cada región. En la regiónAndina la pérdida de bosquesse asocia principalmente a la expansión de la frontera agrícola, el desarrollo de nueva infraestructura eincendios forestales. Mientras que en la Amazonia y elPacífico la principal causa es la explotación maderera. (MAVDT, 2008)
  • 29. Detección de Terra-i en Rondonia, Brasil2009 2004
  • 30. Detección de Terra-i en Rondonia, Brasil2009 2004
  • 31. Detección de Terra-i en Mato Grosso, Brasil2009 2004
  • 32. Detección de Terra-i en Mato Grosso, Brasil2009 2004
  • 33. Detección de Terra-i en Para, Brasil2009 2004
  • 34. Detección de Terra-i en Para, Brasil2009 2004
  • 35. En Brasil a nivel departamentallos estado de Mato Grosso y Paráregistran las mayores tasas dedeforestación; 1,091,816 y 713,107hectáreas por año respectivamente.Estados donde se ha incrementadola actividad ganadera y así laconversión de zonas forestales azonas de pasto y a explotacionesagrícolas de monocultivos, enparticular de soja. El rápido crecimiento de laactividad ganadera ha acelerado la destrucción de la selva amazónica.
  • 36. Detección de Terra-i en Bolivia2009 2004
  • 37. Detección de Terra-i en Bolivia2009 2004
  • 38. En Bolivia el Sector Forestal representa el 3% del PIB del país y es el segundo más importante dentro de lasexportaciones no tradicionales,después de las oleaginosas, en7 de los 9 departamentos del país y productos como la castaña y el palmito, sonimportantes en la región norte amazónica del país. (Camara Forestal de Bolivia 2008)
  • 39. Detección de cambios por zonas de análisis regulares (a nivel de tile MODIS) entre el 2004 y el 2011.
  • 40. Análisis a nivel de Tiles MODISEsto nos da mayor automatización del proceso, sincronizando las etapasdescarga, pre-procesamiento de datos MODIS , procesamiento en Terra- i y próximamente la carga de resultados finales en el servidor de mapas y en el ftp.
  • 41. Mejorar cada vez más nuestro sistema desarrollando metodologías para el análisis de la información generada.
  • 42. Determinación de patrones de Deforestación en la Amazonía usando Terra-i• El área de estudio es subdividida en celdas regulares (25x25km), en las cuales se pueden evaluar métricas a nivel de objeto, clase o célula que permiten diferenciar estructuralmente cada uno de los patrones.• Terra-i logra diferenciar visualmente los tipos de patrones descritos por sistemas de monitoreo de alta resolución (PRODES) en la Amazonia Legal.• Para la determinación de patrones se utilizan los software Fragstat y TerraView.• Se han evaluado dos algoritmos matemáticos (Arboles de decisión y Redes Neuronales). Ambos algoritmos exigen inicialmente que se realice un entrenamiento con zonas ejemplo que describan estructuralmente (con métricas) cada tipo de patrón, por lo cual se está seleccionando cual será el mapa base a utilizar.
  • 43. Determinación de patrones de Deforestación en la Amazonía usando Terra-i
  • 44. Caracterización métrica de zonas de entrenamiento para cada patrón: usando Fragstat y TerraView Arboles de decisión Red Neuronal Variables 6 patrones (metricas)
  • 45. Perspectivas…Análisis del cambio en los patrones de deforestación desde un mapa base Saito et al. (2011)
  • 46. Definiendo el mapa base … Clusters Vegetation – Terra-I 2000-2003 Spatial Resolution: 250m Bosque humedo y seco tropical de baja altitud (TNC) Corine Land Cover / Classified 2000 Spatial Resolution: 1km
  • 47. 1. Automatización de los procesos2. Divulgación de los resultados3. Análisis de los resultados y mejoras metodológicas.
  • 48. Terra-i en el futuro Automatización• Automatizar el proceso de detección desde la descarga de los nuevos datos disponibles en el ftp de MODIS hasta la divulgación de los resultados en nuestro portal de datos.• Creación de una interfaz web que permita monitorear y configurar los diferentes procesos sin conocimientos avanzados de script y shell.
  • 49. Terra-i en el futuro Automatización
  • 50. Terra-i en el futuro Divulgación• Una de nuestras metas a medio plazo es poner a disposición de todos los resultados de Terra-i para América latina mediante un portal de datos permitiendo así: – Descargar datos en un formato compatible con los software GIS. – Explorar los resultados mediante una interface de mapas. – Descargar sub-productos (inundaciones, áreas de incremento de NDVI) – Descargar tablas con las cifras de pérdida de hábitat a nivel nacional, departamental, por áreas protegidas y tipos de ecosistemas. – Acceder a reportes, presentaciones y publicaciones del equipo terra-i.
  • 51. Terra-i en el futuroAnálisis de resultados y mejoras metodológicas• Trabajamos continuamente en la metodología para mejorar la cualidad de nuestros resultados.• Se implementarán herramientas que permitan agregar información a nuestros resultados, incluyendo: la detección de la dinámica de inundaciones y sequias, y el reconocimiento dinámico de diferentes patrones de cambios.
  • 52. Contactanosk.a.argote@cgiar.orgkaroargote@gmail.comwww.terra-i.org

×