Embed Size (px)
Citation preview
Área de cobertura boscosa
1
Indicador 3
1. Nivel biológico: ecosistemas y ecorregiones.
Área de cobertura boscosa.
3. Definición del indicador: se refiere al área de cobertura de bosque natural en la región.
4. Justificación e importancia del indicador: hay una relación directa entre la disminución de la
cobertura de bosque y la pérdida de biodiversidad. Centroamérica tiene la segunda tasa mundial de
deforestación (Eggen-McIntosh et al., 1994). Casi todos los países de Centroamérica están clasificados
con una amenaza alta de perder sus recursos boscosos (Honduras, Nicaragua y Belice), mientras que
otros no cuentan con una evaluación exacta de la pérdida de sus recursos (Guatemala y El Salvador)
(Global Forest Watch, 2010, http://www.globalforestwatch.org/). El monitoreo apropiado es un paso
importante para determinar cuánto recurso bosque debe ser manejado y conservado. Los acercamientos
de la teledetección para determinar y supervisar recursos proporcionan los medios rentables por los
cuales los inventarios del bosque y la supervisión de la utilización del suelo puedan ser alcanzados.
5. Unidad de medida del indicador: área en km2.
6. Fórmula del indicador: SEBR = EEBRi = [(EEB1) + (EEB2)+ ... (EEBn)]
Área de cobertura boscosa
2
7. Descripción metodológica: en el proceso del cálculo de la cobertura boscosa, cada país puede utilizar
el medio que estime conveniente. En este indicador recomendaremos tres diferentes métodos para la
calificación de una imagen Modis. Todos estos métodos son apropiados; sólo hay que tomar en cuenta
que si se utilizan como línea base, siempre se debe utilizar el mismo método, a los dos años, para que
las áreas puedan ser comparables y se pueda estimar si existe un aumento o una disminución del área de
bosque. Cada método tiene sus ventajas y desventajas, dependiendo de la experiencia de cada país o
institución encargada de hacer el monitoreo. La siguiente figura muestra una imagen Modis clasificada,
con las áreas boscosas en verde:
Los métodos son explicados ampliamente en un manual adjunto a estas fichas, pero se hace un resumen
a continuación:
Una clasificación no supervisada de una imagen Modis tomada de enero a marzo de 2010 constituye el
primer método. La clasificación no supervisada debe ser de siete clases, en un proceso automático de
Erdas-Imagine llamado Isodata. Esta imagen de ser bajada, georreferenciada y almacenada en al menos
7 bandas usando la función Layer stack. Una vez clasificada en siete clases, las clases deben ser
agrupadas usando la experiencia del analista para dejar dos clases: bosque y no-bosque. El mapa que se
obtendrá debe semejarse al siguiente:
Área de cobertura boscosa
3
El segundo método consiste en bajar una imagen que contenga un producto Modis, que puede ser el
Índice Mejorado de la Vegetación (EVI, por su sigla en inglés) -izquierda- o el Índice Normalizado de
Diferenciación de la Vegetación (NDVI, por su sigla en inglés) –derecha-. Ambos índices son obtenidos
mediante una combinación de bandas espectrales que denotan o resaltan el verdor o el contenido de
clorofila de la vegetación. Los mapas de abajo muestran el verdor de la vegetación por medio de ambos
índices en Honduras, El Salvador y parte de Nicaragua y Belice. El analista puede comparar cuál de los
índices podría representar una mejor opción, siempre tomando en cuenta que será la cobertura que
deberá usar para hacer comparaciones. Es importante mencionar que en estos índices hay que establecer
el valor que divide la vegetación baja o arbustiva de la leñosa, que caracteriza los bosques.
Área de cobertura boscosa
4
El tercer método será tomar la imagen cruda de Modis y efectuar una clasificación supervisada usando
los algoritmos de Erdas. La imagen abajo muestra las áreas en verde como las áreas de vegetación. Éste
es el método más exacto, pero el más costoso porque necesita tomar bastantes muestras de campo con el
fin de entrenar al software para que “busque” las áreas de bosque y no-bosque, basado en muestras
espectrales previamente identificadas. El mapa de abajo muestra una clasificación supervisada de
Honduras, obtenida a través de muestras asignadas. Los países que cuentan con suficientes muestras
espectrales (también llamadas áreas de entrenamiento) pueden optar por este método.
Área de cobertura boscosa
5
7.1. Proceso de cálculo general del indicador: el cálculo se hace partiendo de imágenes satelitales en las
que se identifican las formaciones boscosas mediante uno de los tres tipos de clasificaciones descritas
anteriormente.
Posteriormente se calcula la extensión de cada polígono correspondiente a cada parche de bosque
utilizando la tabla de atributos de ArcGIS. Esta tabla se puede exportar como un archivo dbf y se puede
leer en Excel y hacer los cálculos. También si se quieren tener estadísticas más completas se puede
utilizar la función de Spatial analyst denominada Zonal statistics as table.
7.2. Definición de cada variable de la fórmula:
SEBR: superficie de los parches de bosque existentes en la región.
EEBR: número de los parches ecosistema meta existentes en la región.
i: identificación de los parches 1 hasta n.
n: total de parches medidos en la muestra de la región.
EEB1: extensión del parche de bosque.
En la tabla de atributos se puede exportar a un archivo dbf, que posteriormente puede ser abierto en
Excel para hacerlos cálculos de áreas y establecer el número de polígonos. Para tener estadísticas más
completas se puede utilizar la función de Spatial analyst de Zonal statistic as table. Ver la siguiente
figura:
Área de cobertura boscosa
6
8. Limitaciones del indicador: la sumatoria de parches brinda una cifra que será interpretada como
proporcional al comportamiento de la biodiversidad en la región. Es importante recordar que el tamaño
de los parches determina la viabilidad de las poblaciones presentes; en consecuencia, para que las
poblaciones presentes en parches pequeños sobrevivan deberán encontrarse a distancias con otros
parches franqueables para mantener un flujo genético suficiente que mantenga a las especies.
Se recomienda que la interpretación de este indicador se lleve a cabo junto con los indicadores de
tamaño (ficha 7), forma (ficha 8) y distancia (ficha 9) entre los parches.
El analista puede comparar cuál de las clasificaciones propuestas podría representar una mejor opción,
siempre tomando en cuenta que será la misma clasificación que deberá usar para hacer comparaciones,
manteniendo el principio de que sólo se pueden comparar “manzanas con manzanas y naranjas con
naranjas”.
9. Cobertura: regional.
10. Fuente de datos: imágenes de satélite (Modis) de la región.
11. Disponibilidad de los datos:
Mapoteca de la CCAD: http://www.ccad.ws/mapas/mapoteca.htm, sitio web SIAM.
Google localiza el USGS Global Visualization Viewer: http://glovis.usgs.gov/.
12. Forma de presentación de los datos: tablas de Excel y mapas.
13. Periodicidad del indicador: quinquenal.
14. Entidad responsable del indicador: SIAM.
15. Documentación relacionada con el indicador:
Mapa de ecosistemas y cobertura boscosa de Centroamérica.
Eggen-McIntosh, S. K. B. Lannon y D. M. Jacobs (1994), Mapping distributions of Central America
and Mexico, USDA-USFS, Southern Experiment Station, New Orleans, Lousiana, USA. Proceeding
reprint.
Área de cobertura boscosa
7
Forest Watch (2010), http://www.globalforestwatch.org/.
FAO (2005), Forest resources assessment, FAO, Roma, Italia.
Unesco (1973), International Classification and Mapping of Vegetation, United Nations.
Congalton, R. y K. Green (1999), Assessing the accuracy of remotely sensed data: principles and
practices, Lewis Publishers, New York.
Foody, G. (2002), “Status of land-cover classification accuracy assessment”, Remote sensing of
environment, 80:185-201.
McGarigal, K.; S. A. Cushman; M. C. Neel y E. Ene (2002), Fragstats: spatial pattern analysis program
for categorical maps. Computer software program produced by the authors at the University of
Massachusetts, Amherst. Disponible en este web site:
www.umass.edu/landeco/research/fragstats/fragstats.html.
Poiani, K. A.; B. D. Richter; M. G. Anderson y H. E. Richter (2000), “Biodiversity conservation at
multiple scales: functional sites, landscapes and networks”, Bioscience, 50: 133-146.
16. Bases de datos simplificadas y salida del indicador: mapas y gráficos.
17. Observaciones:
18. Tipo según EPIR: Estado.
19. Elaborado por: Samuel Rivera.
