Metodología basado en los factores espaciales (GEOMOD): Calakmul

Myrna Hall SUNY College of Environmental Science and Forestrymhhall@esf.edu

US AID y Gobierno de MéxicoModelaje de la Deforestación en México e

Implicaciones para los Proyectos de Secuestrode Carbono, Marzo 19, 2003

2

3

GEOMOD: Sequencia de pasos§ Análizar la tasa de cambio de uso suelos§ Análizar el patron de factores (bio-socio-

físico) espaciales – un proceso iterativo buscando por simulación/ validación la mejor conformidad entre el mapa ‘real’ y el mapa simulado§ Simular el cambio de uso de suelos al futuro§ Calcular las emisiones de carbono

potenciales

41995 2000

Usos de Suelos Clasificados

Proveniente de Imágenes Satélites (TM)

5

Determinar las celdas ‘candidatas’ paradesforestarse

Categorias de tipos de vegetación del mapa de la Selva Maya (Juhn 2000)

Cat_ID Uso/Cobertura Escenario 1 2

0 – Sin datos 0 0

1 – Selva Alta (High Evergreen Forest): 1 1

2 – Selva Baja (Low Evergreen Forest): 1 1

4 – Areas inundables (lowland flood areas, herb. veg.): 1 2

8 – Sabana (savannah): 2 2

9 – Vegetación Secundaria (secondary vgetation): 1 2

10 – Urbano/Agricultura/Potrero (urban/agriculture/pasture): 2 2

12 – Cuerpos de agua (water): 0 0

6

Vegetación secundaria como

candidata para desforestarse

Vegetación secundaria como

selva degrada

7

1,587,580 ha

34,462 ha

4,514 ha (2.87%)

74,690 ha

1,540,736 ha

1,540,736 ha

1,540,736 ha

72,148 ha

121,535 ha48,821 ha

20,834 ha

27, 986 ha

39,102 ha

74,691 ha

6,512 ha

74,691 ha13,627 ha46,845 ha

33,046 ha

46,845 ha

Cambios de cobertura vegetal Campeche 1995 – 2000

Selva Alta y Baja

Vegetación Secundaria

Urbano/Agric/Potrero

8

TIPO USO SUEL 1 TASARGNVAL MUNICIPIO # CELDAS 1995 2000 CELDAS/ANO HA/ANO

1 HOPELCHEN 1072890 1052971 978906 14813 13332 CHAMPOTON 4075411 3838169 3550112 57611 51853 CALAKMUL 3821643 12675743 12531548 28839 25964 ESCARCEGA 73164 72898 72391 101 9

TOTAL 101365 9123

Determinar la tasa dedeforestación empírica para 4

municipios de Campeche 1995 2000

sin incluir las celdas reforestadas

9

Proyecciones de la superficie desforestada

Año 2030Hopelchen = 39,995 ha

Champoton = 155,551 ha

Calakmul = 77,865 ha

Escarcega = 274 ha

Total = 273,685 ha

10

Buscando la mejor congruencia..

Mapa De Riesgo

celdas deforestedas = y

T2 Mapa Simulado

Proceder de Validación

Kappa deUbicación

De CalibraciónProceder

T1 Mapa de Uso de Suelos

Driver 4

Driver 3

Driver 2

Driver 1

T2 Mapa de Uso de Suelos

celdas deforestedas = y

11

Los Datos Empleados y la fuentes de origen• Caminos (con y sin pavimento) (fuente INEGI hojas 1:50,000)

• Hidrografía – perenne y intermitente (INEGI hojas 1:50,000 and 1:250,000 )

• Todas fuentes de agua (hojas INEGI 1:50,000)

• Cuerpos de agua perennes (INEGI 1:50,000)

• Areas inundables – perennes y intermitentes (INEGI 1:50,000)

• Elevación creada en formato TIN con curvas de nivel (INEGI 1:50,000) y valores del

MDE INEGI 1:250,000 acesado por convenencia entre los. Gobs. EU y EU Mexico • Ubicacion de Localidades (INEGI 1:50,000)

• Limites de los Municipios (varios – ECOSUR, UNAM Morelia)

• Limites de los Ejidos (B. Turner, Clark University)

• Ubicación de sitios arqueologicos (INEGI 1:50,000)

• Terrenos Agrícolas y Pastorales 1970 (Gob. Mexico).

• Densidad de población empleada en el Sector 1 (CENSO 1990 and 2000)

12

NombreMapa # Clases Rango/Clase Descripción

Hstst 22 3000 m Dist. de Sitios Arqueológicos

Dem 19 20 m Elevación

Towns 19 2000 m Distancia de Localidades

Ag70 25 3000 m Distancia de Agric. 1970

Strmp 28 1000 m Dist. de Corrientes Perennes

Sect1 10 10 pers/km2 1990 Dens. de Población. Agric/Forestal

Rds 25 1000 m Distancia De Caminos

Ejido 115 Ejidos

Allwtn 21 1000 m Dist. de todos fuentes de agua

Watp 25 1000 m Dist. de fuentes perennes de agua

Wetlt 2 Wetl/Non_Wetl Todos areas inundables

Wetls 2 Wetl/Non_Wetl Areas inundables intermitentes

Wetlp 2 Wetl/Non_Wetl Areas inundables perennes

13

Los ‘Determinantes

del Patron Espacial’

14

R = (C2 + (N – C) 2) / N

donde:

R = la tasa de éxito expectada por selección casual

C = la cantidad de celdas que se cambian

N = la cantidad total de celdas

La cuestión importante es quanto peude aprovechar la tasa de éxitoGEOMOD? Ésta se refiere como la coeficiente ‘Kappa.’ Es un indicede conformidad y se calcula en esta manera:

K = (el éxito de GEOMOD – el éxito casual)

100% - el éxito casual

15

Total Region Hopelchen Champoton Calakmul%Correcto Kappa %Correcto Kappa %Correcto Kappa %Correcto Kappa

DRIVERS

Sitios 93.7404 0.2307 88.3283 0.0907 90.9781 0.2993 98.1115 0.0029

Arqueol.

MDT 93.2479 0.1702 87.7421 0.0450 90.0365 0.2261 98.1153 0.0049

Localid. 93.2351 0.1686 89.2283 0.1608 89.6001 0.1922 98.1325 0.0140

Agric. 92.9321 0.1314 88.3934 0.0957 89.1697 0.1588 98.1093 0.0017

1970

Corr. 92.8640 0.1230 89.6282 0.1919 88.6867 0.1213 98.1170 0.0058

Per.

16

Vulnerabilidad Baja

VulnerabilidadAlta

17

Area Forestal 2000 - 2030

0

0.5

1

1.5

2

2000 2005 2010 2015 2020 2025 2030

Mil

lon

es

Ano

Ha

Selva Alta

Selva Baja

Veg. Sec.

Total

Proyección à 285,000 ha desforestada

183.09634.43VegetaciónSecundaria

3.83442.62Selva Baja

5.98566.51Selva Alta

Ton. C /30x30 m CELDA

Ton. C / HA

CAT_ID

VEGETACIONTIPO DE

Proyección à 14,200,000 T Carbono Perdido 13.1 +/- ajustado por

reforestación

Emisiones incrementales por tipo de vegetacion

0.00.51.01.52.02.53.0

2005 2010 2015 2020 2025 2030

Mil

lon

es

Ano

To

nel

adas

C Selva Alta

Selva Baja

Veg. Sec.

Total

19

Emisiones de Carbono (+) y reduciones (-)

-2.0

-1.0

0.0

1.0

2.0

3.0

Mil

lon

es

Ano

To

nel

ada

C

Selva Alta

Selva Baja

Veg. Sec.

Emisions Totales

Reforestacion

Emisiones totales ajustadas

20

Simulación Dinámica

21

Conclusiones

Ventajas de la modelización espacial con GEOMOD:

• Basada en analisis empírico;

• Validación; “scientifically rigorous”

• Ubicación especifica de areas de cambio de uso;

entonces mejor estimación de flujos potenciales de carbono

Desventajas

• El costo de clasificación de imagenes satelitarias

• Disponibilidad de datos

• Proceso bastante complicado; “steep learning curve”

22

ReconicimientosDr. Sandra Brown, Winrock

Dr. Charles Hall, SUNY College of Environmental Science and Forestry

David Antonioli, US AID, Mexico

Alejandro Flamenco Sandoval, ECOSUR

Miguel Angel Castillo, ECOSUR

Michael Cairns, Patti Haggerty, US EPA

Kim Batchelder, The Nature Conservancy

Jenny Ericson, The Nature Conservancy

Larry Gorenflo, Argonne National Laboratories, US

Dr. Betty Faust, CINVESTAV, Mérida, Yucatán

Stephen Ambagis, Clark University (ahora en Niger)

Dr. Gil Pontius, Dr. Billie Turner, Clark University

Russell Aicher, SUNY College of Environmental Science and Forestry