Upload
others
View
5
Download
0
Embed Size (px)
Citation preview
Metodología basado en los factores espaciales (GEOMOD): Calakmul
Myrna Hall SUNY College of Environmental Science and [email protected]
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