The average annual changes deforestation monitoring method in coverage using the MODIS model
Yonatan Tarazona Coronel
Laboratorio de Teledetección, Facultad de Ciencias Físicas, Universidad Nacional Mayor de San Marcos, Ciudad Universitaria, Lima-Perú
DOI: https://doi.org/10.33017/RevECIPeru2014.0007/
Resumen
La deforestación de los bosques, a través de la expansión agrícola, la conversión de áreas boscosas a pasturas, el desarrollo de infraestructura, la tala destructiva, los incendios, etc. representan casi el 20% de las emisiones de gases de efecto invernadero a nivel mundial, más que todo el sector de transporte global y sólo superada por el sector energético. Por lo tanto, con el fin de limitar los impactos del cambio climático dentro de los límites, que la sociedad razonablemente es capaz de tolerar, las temperaturas medias globales deben estabilizarse dentro de los dos grados centígrados. Este objetivo será prácticamente imposible de lograr sin reducir las emisiones del sector forestal, además de otras acciones de mitigación (REDD+).
Si bien es cierto existen metodologías para el monitoreo de la deforestación, la mayoría de estos métodos, por no decir todos, requieren la designación del usuario de una definición de umbral que permita clasificar e identificar un cambio en el uso del suelo por deforestación. La determinación de los umbrales añade un coste significativo a los esfuerzos crecientes de detección de cambios en las distintas regiones y limita el estudio en diversas regiones que sufren cambios en la cobertura y que es necesario cuantificarlo. Se necesita, entonces, un análisis histórico a partir de datos de satélite archivado para modelar el comportamiento normal y el comportamiento anormal, es decir, la perturbación (Hargrove et al. 2009). Hay una necesidad crítica que permite el análisis de series de tiempo independiente de umbrales o definiciones para detectar alteraciones específicas.
Este trabajo presenta un método que realiza, en un primer paso, un preprocesamiento de series de tiempo de índices EVI-MODIS antes de detectar y cuantificar los cambios de cobertura por deforestación. La metodología básicamente consiste en tener la serie de tiempo completa luego de interpolar los datos faltantes al filtrar los pixeles perturbados con la banda de fiabilidad del producto MOD13Q1. Luego de tener la serie completa para cualquier pixel, se promedia cada año los datos de tal manera que tengamos 13 valores desde el 2001-2013. Finalmente utilizaremos los límites de control de la estadística clásica para observar qué promedio está fuera de control y detectarlo como un cambio de uso por deforestación.
Descriptores. Perturbación, Deforestación, EVI, Annual Averages.
Abstract
The clearing of forests, through agricultural expansion, conversion of forests to pasture, infrastructure development, destructive logging, fires, etc. represent nearly 20% of emissions of greenhouse gases worldwide, more than the entire global transportation sector and second only to the energy sector. Therefore, in order to limit the impacts of climate change within limits that society can tolerate reasonably, global average temperatures must be stabilized within two degrees Celsius. This objective will be virtually impossible to achieve without reducing emissions from the forest sector as well as other mitigation (REDD +).
While there are methodologies for monitoring deforestation, most of these methods, if not all, require the user designation of a definition of threshold for classifying and identifying a change in land use from deforestation. Determining thresholds adds significantly to the increased efforts to detect changes in the regions cost and limits the study in various regions that undergo changes in coverage and the need to quantify it. Is needed, then, a historical analysis from archived satellite data to model the normal behavior and abnormal behavior, ie the disturbance (Hargrove et al. 2009). There is a critical need to allow independent analysis of time series of thresholds or definitions to detect specific abnormalities.
This paper presents a method that takes as a first step, a pre-processing time series of MODIS-EVI indexes before detecting and quantifying changes in coverage due to deforestation. The methodology basically involves having the entire time series then interpolate the missing data by filtering pixels disturbed with the band MOD13Q1 product reliability. After having the complete set for every pixel, every year averaged data so we have 13 values from 2001 to 2013. Finally use the control limits of classical statistics to see what the average is out of control and detect a change of use from deforestation.
Keywords. Disturbance, Deforestation, EVI, Box-Jenkins