Herramientas Disponibles - Taller de Monitoreo REDD+ Medicion, Reporte y Verificación "Entrenando a los Capacitadores" - GOFC-GOLD
←
→
Transcripción del contenido de la página
Si su navegador no muestra la página correctamente, lea el contenido de la página a continuación
Herramientas Disponibles Taller de Monitoreo REDD+ Medicion, Reporte y Verificación “Entrenando a los Capacitadores” Sylvia Wilson USGS Eastern Geographic Science Center
PORQUE USAR SENSORES REMOTOS? • Los sensores remotos nos ayudan grandemente a mejorar la precision – incluso cuando los datos de campo son adecuados y de buena calidad (Nasset) • Los datos de campo son a veces dispersos, faltantes en algunas areas o no existen, y el uso de sensores remotos es “la mejor práctica disponible” • ……y el reporte (y REDD) se trata de cambio, no de los stocks existentes 2
PORQUE USAR SENSORES REMOTOS? MGD – Version 1 3.0 Suministro de Datos para la estimación de emisiones y absorciones 3.1 Datos de Actividad 3.2.1Datos ópticos de baja resolución 3.2.2 Datos ópticos de resolución media 3.2.3 Datos ópticos de alta resolución 3.2.4 Radar de abertura sintética 3.2.5 Lidar 3
METODOS ACTUALES EN GFOI? Los socios de GFOI a traves del dessarrollo de capacidades apoyan la implementación de diferentes metodos El Uso de Series de Tiempo utilizando imagenes Landsat Diferentes métodos desarrollados por diferentes universidades, y agencias Algunos en proceso de investigación, otros un poco más operativos Cubo de datos que facilita el mapeo a larga escala Desarrollado en un inicio por CSRIO en Australia Adoptado y adaptado por NASA CEOS dentro de GFOI SEPAL desarrollado por FAO para facilitar el uso de herramientas de acceso libre desde el procesamiento hasta el reporte de datos BEEODA, conjunto de herramientas de acceso desarrolladas por la Universidad de Boston 4
SERIES DE TIEMPO? • Tres enfoques principales: • “Mejores imagenes” – seleccionar las mejores imagenes en intervalos de pixeles – cambio de la cobertura del bosque global cada 5 años (GLS) • Compuestos – seleccionar los mejores pixeles en series de tiempo usando determinado criterios – cambio de la cobertura del bosque global cada 5 años(GLAD, LandTrendr, VCT) • “Todas las imagenes” – incluir todas las observaciones– permite el monitoreo y la conversion entre coberturas (CCDC, BFAST) Time series analysis of activity data 7/6/2016
Monitoreo Operacional de Extension de Bosques y Cambios Extension y dinamicas de la cobertura arborea del 2000 al 2014 El product de cambios anuales en cobertura arborea y ciertos compuestos anuales de Landsat estan disponibles para ser descargados: http://earthenginepartners.appspot.com/science-2013-global-forest
Monitoreo Operacional de Extension de Bosques y Cambios Perdida anual de cobertura arborea El monitoreo operacional de la extension de bosques y cambios en esta a nivel global es uno de los principales proyectos de GLAD. Este Proyecto empezo en el 2012, y es una colaboracion con Google, el World Resources Institute, y la iniciativa Global Forest Watch.
. MAPEO DE PERDIDA DE BOSQUES HUMEDOS AMAZONICOS DEL PERU ENTRE LOS PERIODOS 2000 AL 2014 . MAPA BASE DE USO ACTUAL DE LA TIERRA 2011 JURISDICCIÓN AMAZONICA. PROYECTO REDD+ MINAM PROGRAMA NACIONAL DE CONSERVACIÓN DE BOSQUES Lima, Julio del 2016
OBJETIVOS: - MAPA DE BOSQUE/NO BOSQUE PARA EL AÑO 2000 - MAPA DE PÉRDIDA ANUAL DE COBERTURA BOSCOSA ENTRE LOS AÑOS 2000 - 2014
Flujo de trabajo Selección de escenas ETM (+11,000) - Años (1999 -2014) USGS EROS Centro de Datos - 70 a 80 % máximo de nubes - Producto L1T + 11,000 escenas Landsat Pre- Procesamiento in house calibración a Evaluación de la Normalización reflectancia TOA calidad basada en MODIS Banco de datos Control de calidad y enmascaramiento de Creación de métricas nubes multitemporales Banco de imágenes Fuente de datos para la interpretación y clasificación
MOSAICO DE IMAGENES MODIS Promedio de las 10 mejores vistas en un periodo (2000-2009)
Indonesia , Riau province Image Process o Raw Digital Numbers
Indonesia , Riau province Image Process o Raw Digital Numbers o Top-of-Atmosphere reflectance and Normalization
Indonesia , Riau province Image Process o Raw Digital Numbers o Top-of-Atmosphere reflectance and Normalization o Cloud masking and Compositing
Indonesia , Riau province Image Process o Raw Digital Numbers o Top-of-Atmosphere reflectance and Normalization o Cloud masking and Compositing
Indonesia , Riau province Image Process o Raw Digital Numbers o Top-of-Atmosphere reflectance and Normalization o Cloud masking and Compositing
Indonesia , Riau province Image Process o Raw Digital Numbers o Top-of-Atmosphere reflectance and Normalization o Cloud masking and Compositing
Indonesia , Riau province Image Process o Raw Digital Numbers o Top-of-Atmosphere reflectance and Normalization o Cloud masking and Compositing
Indonesia , Riau province Image Process o Raw Digital Numbers o Top-of-Atmosphere reflectance and Normalization o Cloud masking and Compositing
2000 2014
Mapa de Bosque/No Bosque para el Año 2000 Bosque No bosque Bosque ribereño, Bosque de terrazas, bosques de Bosque secundario, herbazales, sabana colina y lomadas, bosques de pacales, aguajales, hidrofílica, áreas de cultivo, presencia de suelo, bosque de varillales, palmerales área urbana, infraestructura
Mapa de Bosque/No Bosque para el Año 2000 Bosque/No
Cobertura de bosque para el año 2000
Mapa de Cambio (pérdida) en la cobertura de bosques 2000 - 2014 Data 2000 Data 2014 Clasificación Bosque Bosque secundario/suelo/áreas de cultivo/otros Pérdida Bosque Lecho de río Pérdida
Perdida de cobertura de Bosques
Perdida de cobertura de Bosques
SISTEMA NACIONAL DE MONITOREO DE LA COBERTURA DE BOSQUES PROYECCIÓN DE LA PÉRDIDA DE BOSQUES Pérdida de bosque 2001-2014 NIVEL NACIONAL 400,000 350,000 300,000 250,000 HECTAREAS 200,000 -28% 150,000 100,000 50,000 0 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 ha 83,995 79,832 72,874 93,146 147,62 74,502 106,18 105,70 152,16 136,20 123,56 149,47 150,28 177,57 Proyección de la pérdida de bosque 2015-2030 400,000 350,000 300,000 250,000 HECTAREAS 200,000 150,000 Contribuciones nacionales, para la mitigación y adaptación ante el cambio climático a ser enviado a la Convención Marco de las Naciones Unidas sobre Cambio Climático (CMNUCC). 100,000 50,000 IMPACTOS 0 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 • PBI Forestal ha 177,5 187,7 198,5 209,6 221,2 233,3 245,8 258,7 272,1 285,9 300,1 314,8 330,0 345,6 361,6 378,0 • Emisiones de GEI • Ecosistemas/ biodiversidad y servicios ecosistémicos • Delitos contra el bosque
MAPA BASE DE USO ACTUAL DE LA TIERRA 2011 JURISDICCIÓN AMAZONICA.
PROCESO DE PRE-PROCESAMIENTO Y CLASIFICACIÓN POR OBJETOS 1. Compilación Cartografia Digital Equipos de Computo Programas de Data Satelital (Descarga, Selección de Insumos Geoprocesamiento y Recopilación) 2. Pre - Generación de Aplicación de la Normalización Elaboración de Rellenado de vacíos Generación de Información Procesamiento Máscaras Máscara Radiométrica mosaico Regionales de Información Complementaria 3. Elaboración del Árbol Generación de los Generación de Muestras de Clasificación de Uso Procesamiento de proceso Segmentos Entrenamiento del Suelo Edición de la Cruce con el límite de 4. Post- clasificación con Bosque y No Bosque Clasificación información Secundaria de la Universidad de Maryland Comparación de la 5. Evaluación Diseño de muestreo Generación de muestas clasificación con Validación del mapa Validación por expertos y de la Exactitud randomizadas imagenes satelitales de Alta Resolución de uso actual conocedores locales
LORETO
LORETO
Vegetación secundaria LORETO
ANÁLISIS DE RESULTADOS CLASES IPCC Porcentaje Clases IPCC Sub Clases Áreas IPCC (HA) ipcc Tierras Forestales Bosque 63,705,808.65 81.29 Tierras Agrícolas Áreas Agrícolas 1,408,219.28 1.80 Humedales Humedales 6,107,007.42 7.79 Asentamientos Áreas Artificial izadas 47,115.57 0.06 Cuerpos de Agua Cuerpos de Agua 1,742,955.14 2.22 Pajonal Pastizales/Herbazales Praderas Sabanas 5,289,868.87 6.75 Hidromorficas Vegetación secundaria Áreas Mineras Otras Tierras 68,056.54 0.09 Tierras Desnudas Total 78,369,031 100
ANÁLISIS DE RESULTADOS SUB CLASES Áreas IPCC Porcentaje Áreas Sub Porcentaje Clases IPCC Sub Clases (HA) ipcc Clases (HA) Sub Clases Tierras Forestales Bosque 63,705,808.65 81.29 63,705,808.65 81.29 Tierras Agrícolas Áreas Agrícolas 1,408,219.28 1.80 1,408,219.28 1.80 Humedales Humedales 6,107,007.42 7.79 6,107,007.42 7.79 Áreas Artificial Asentamientos 47,115.57 0.06 47,115.57 0.06 izadas Cuerpos de Agua Cuerpos de Agua 1,742,955.14 2.22 1,742,955.14 2.22 Pajonal 16,178.45 0.02 Pastizales/Herbaz 1,773,291.17 2.26 ales Praderas Sabanas 5,289,868.87 6.75 3,773.62 0.00 Hidromorficas Vegetación 3,496,625.62 4.46 secundaria Áreas Mineras 35,396.29 0.05 Otras Tierras 68,056.54 0.09 Tierras Desnudas 32,660.25 0.04
www.bosques.gob.pe programabosques.peru @ProgramaBosques
CONTEXTO Colombia tiene un área total de 2.070.408 km² 55,14% corresponde al área continental 44,85% a la superficie marítima Mosaico Landsat, cortesía Universidad de Maryland
Proceso de generación de compuestos temporales de Imágenes de Satélite. Costo – eficiente Semi-Automatizado Ahorro de tiempo 950 IMÁGENES LANDSAT 2014. SERIE HISTÓRICA LANDSAT 8 OLI 2014 COMPUESTO TEMPORAL 2014
COMPONENTES COMPUESTO DETECCIÓN PRINCIPALES DETEMPORAL COMPUESTO 20132014MULTITEMPORALES TEMPORAL CAMBIOS DEFORESTACIÓN (PÉRDIDA DE BOSQUE, INDICADO EN COLOR ROJO). Imagen cortesía Iniciativa GFOI
Uso imágenes de satélite
Evolución en el monitoreo de la la deforestación 2009 Escala Gruesa: 2000-2007 # de imágenes: 108 imágenes, de 828 disponibles Escala: 1:500.000 Periodo de reporte: 7 años (2000-2007) Interpretes: 3 intérpretes + 1 exp. monitoreo deforestación Almacenamiento: 17 GB (Más del 20% de la capacidad) Procesamiento: procesador 1.66 GHz, 2 núcleos, 2 GB RAM Tiempo : 6 meses 2009 2010 2011 2013 2014 2015 2016 …
Evolución en el monitoreo de la la deforestación 2010-2011 Escala Fina: 1990-2000 2000-2005, 2005-2010 # de imágenes: 539 imágenes, de 1060 disponibles Escala: 1:100.000 Periodo de reporte: 10 años y 5 años Interpretes: 5 intérpretes + 1 exp. monitoreo deforestación Almacenamiento: 1.3 TB Procesamiento: 5 estaciones 2 procesador es 3 GHz, 4 núcleos, 8 GB RAM Tiempo : 18 meses 2009 2010 2011 2013 2014 2015 2016 …
Evolución en el monitoreo de la la deforestación 2013-2015 Escala Fina: 2000-2012, # de imágenes: 2173 imágenes, de 2012-2013, 2013-2014 9484 disponibles Escala: 1:100.000 Periodo de reporte: 2 años y 1 año Interpretes: 5 intérpretes + 1 Control calidad + 1 exp. monitoreo deforestación Almacenamiento: 3.93 TB Procesamiento: Vblock, 16 Blades c/u 2 procesador es 2.8 GHz, 10 núcleos, 128 GB RAM Tiempo : 6 meses 2009 2010 2011 2013 2014 2015 2016 …
Evolución en el monitoreo de la la deforestación 2015 # de imágenes: 1532 Piloto Cubo de Datos imágenes (4 escenas L7/L8 2000-2014) Escala: 1:100.000 Periodo de reporte: según necesidad Almacenamiento: 1 TB Procesamiento: Vblock, 16 Blades c/u 2 procesador es 2.8 GHz, 10 núcleos, 128 GB RAM Tiempo : 2h por producto 2009 2010 2011 2013 2014 2015 2016 … Que es y porque un Cubo de Datos?
Iniciativa Cubo de Datos a nivel internacional. GEO: Group on Earth Observations GFOI: Global Forest Observation Initiative CEOS: Commite on Earth Observation Satellites • Cubo de Datos Australiano: CSIRO • Cubo de Datos de Kenia: NASA • Piloto de Cubo de Datos Colombia
55 CEOS Agencias operan 134 Satélites de OT (más de 300 sensores) Sentinel 2 Landsat 8
PARADIGMA DE LAS 3 V’S
Cubo de Datos y t(λ) x Herramienta que permite la exploración interactiva multidimensional de los datos basada en capacidades de análisis de técnicas SOLAP. Capacidad de procesar diferentes programas satelitales (Landsat, MODIS, Sentinel, RapidEye, etc.) Permite maximizar el uso de datos mediante la centralización y estandarización mejorando la disponibilidad, administración, almacenamiento y análisis de grandes volúmenes y variedad de datos
RESULTADOS POR COMPONENTE Componente conceptual y montaje de la plataforma informática Análisis del problema y de las aplicaciones posibles del Cubo de Datos Como se hace el procesamiento digital de imágenes tradicionalmente? Como se hace el procesamiento digital de imágenes con el Cubo de Datos?
DISEÑO CDCOL Componente conceptual y montaje de la plataforma informática
Componente desarrollo aplicativo Piloto L7 L5 Bn B2 B1 y 2012 2013 2014 t (λ) x 1532 escenas ingestadas 2 sensores (Landsat 7 y Landsat 8) 4 escenas (7-59, 7-58, 8-59, 8-58) 20 tiles 15 años (2000-2014) 500 GB apróx (imágenes) + 500 GB productos Mosaico Landsat, cortesía Universidad de Maryland
Componente desarrollo aplicativo Piloto L7 L5 Bn B2 B1 y 2012 2013 2014 t (λ) x Compuesto temporal 2000-2014 (Mediana) 2 horas de procesamiento x Tile Mosaico Landsat, cortesía Universidad de Maryland
Componente desarrollo aplicativo Piloto Pixel 1 - Reflectancia de Superficie Pixel 2 - Reflectancia de Superficie 7000 8000 6000 7000 6000 5000 5000 4000 4000 3000 3000 2000 2000 1000 1000 0 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 BANDA 4 Infrarojo Cercano BANDA 5 Infrarojo Medio BANDA 3 Rojo BANDA 4 Infrarojo Cercano BANDA 5 Infrarojo Medio BANDA 3 Rojo
RESULTADOS POR COMPONENTE Componente conceptual y montaje de la plataforma informática • Análisis del problema y de las aplicaciones posibles del Cubo de Datos Monitoreo de frecuencias de Monitoreo de biodiversidad Ordenación del territorio inundación Monitoreo de ecosistemas Monitoreo de cultivos Índices de humedad y vegetación Monitoreo de la deforestación Agricultura de precisión Hidrología Monitoreo de uso/cobertura de la Niveles de elevación de zonas Tierra Información catastro-rural marinas Monitoreo de la superficie de bosques Identificación de procesos de Monitoreo de áreas de interés remoción en masa prioritario Monitoreo de ecosistemas Desarrollo de la línea base del vulnerables (páramos, humedales, Monitoreo de riesgos proyecto entre otros)
GRACIAS POR SU ATENCIÓN Mayor información smbyc@ideam.gov.co ecabreram@ideam.gov.co
Mayor información: smbyc@ideam.gov.co, ecabreram@ideam.gov.co GRACIAS!
También puede leer