Métodos alternativos para la validación de los datos del sistema Terra-i: Evaluando las imágenes disponibles en Google Earth y Landsat Viewer

Figura 1. Factores antropogénicos como el modelo colonizador, la minería ilegal, la tala indiscriminada de árboles, y la expansión de la frontera agrícola consecuencia de los cultivos ilícitos son alguna de las causas de deforestación en la zona de estudio Caquetá, Colombia. FUENTE: Natura

Los mapas de cambio de cobertura vegetal y uso del suelo generados con la herramienta Terra-i ofrecen una información valiosa a la comunidad. Estos mapas permiten comprender y predecir los efectos de las interacciones antropogénicas que se extienden a escala local, regional y mundial [1], y que consecuentemente facilitan la toma de decisiones y diseño de políticas. Por tanto, la generación de esta información espacial debe ser consistente y precisa, permitiendo analizar fenómenos como el de la deforestación.
Según esto, es importante evaluar la precisión de los datos a partir de diferentes fuentes que permitan analizar e interpretar los datos [2]. Para la validación de estos existen diferentes métodos entre ellos las rectificaciones en campo, las cuales pueden llegar a ser dispendiosas y el objetivo puede quedar fuera de alcance, y por otro lado se encuentra el uso de fuentes de imágenes con alta y/o media resolución como lo son las QuickBird (2.4m) y Landsat (30m) las cuales permiten un método aproximadamente automatizado y de menor costo.

Metodología
Se implementó un enfoque basado en la fotointerpretación de imágenes satelitales de alta y/o media resolución como las QuickBird a través de la herramienta Google Earth y Landsat a través de LandsatViewer (http://landsatlook.usgs.gov/), respectivamente en la zona piloto Caquetá, Colombia (Figura 2). Básicamente, la metodología, apoyada del trabajo de [3], consistió en interpretar visualmente puntos “Hotspots” con cambios en cobertura en las imágenes de alta/media resolución y de los mapas del sistema Terra-i. El proceso de trabajo puede observarse en la Figura 3. 

Figura 2. Zona de estudio con las detecciones Terra-i desde Enero de 2004 a Abril 2013. Los recuadros color rojo 1 y 2 corresponden a es la zona de validación con las imágenes de Google Earth y Landsat Viewer, respectivamente.

Figura 3. Metodologia aplicada

Resultados
Imagenes Google Earth
Con las imágenes disponibles en este visualizador se concluyó que es el método más acertado y preciso, ya que gracias a la resolución espacial de las imagenes Digital Globe QuickBird permiten identificar fácilmente cambios en la cobertura vegetal, evaluando las detecciones del sistema con mayor precisión.

Figura 4. Identificación de punto Hotspot con imágenes de Google Earth que permite evaluar la detección del año 2005 del sistema Terra-i

Las ventajas de utilizar Google Earth como fuente de validación son el fácil acceso y gratuito a la herramienta la cual permite visualizar rápidamente una serie de archivos de alta resolución. Sin embargo la adquisición de estas imágenes, las cuales tienen una serie temporal mínima de 8 años , se dificulta ya que no se encuentran disponibles en todo el territorio, lo que reduce el número total de muestras e impide realizar un análisis multitemporal en una zona de alto impacto detectada por el sistema Terra-i. Adicionalmente, la serie temporal de las imágenes Digital Globe es desde el año 2002 hasta el 2010, lo que dificulta validar las detecciones de los últimos años (2011, 2012, 2013) del sistema. Finalmente, obtener una imagen de alta resolución como QuickBird para hacer un análisis más detallado en un software de percepción remota o SIG es de alto costo.

Imagenes Landsat
El uso de la herramienta Landsat Viewer permitió seleccionar las imágenes que tuvieran mayor calidad para identificar visualmente los cambios de cobertura vegetal, esta herramienta contiene imágenes Landsat con una resolución de 30 m, las cuales son el resultado de la composición de tres bandas (5,4,3) y se expone como una imagen “natural” de la superficie [4] .

El uso de datos de sensores de media resolución (10-60m) como Landsat es una fuente tradicional utilizados por muchos para el mapeo de cambios de uso de la cobertura vegetal, ya que el nivel de resolución espacial es suficiente para identificarlos y su registro de datos de 35 años permite realizar análisis multitemporales [2][5], logrando evaluar las detecciones del sistema Terra-i.

Sin embargo en algunas fechas la calidad de la imagen es muy baja ya que es afectada por nubes o específicamente las imágenes Landsat 7 ETM+ a partir de mayo del 2003 están afectadas por un bandeado. Además, la resolución espacial de estas imágenes (30m) no permite identificar visualmente la causa del cambio, sino se realiza a partir de algoritmos para la clasificación de estos.

Figura 5. Identificación de punto Hotspot con imágenes Landsat correspondiente a la detección del sistema Terra-i

Como conclusión, el método de validación a partir de la interpretación visual de imágenes de alta/media resolución debe utilizar fuentes con amplia resolución temporal y espacial, además la calidad de la imagen debe categorizarse como buena lo que permite una confiable identificación de los puntos Hotspots de cambio de cobertura vegetal y uso de suelo.

Bibliografia
[1] Clark , et al, A scalable approach to mapping annual land cover at 250 m using MODIS time series data: A case study in the Dry Chaco ecoregion of South America, Remote Sensing of Environment 114 (2010) 2816–2832, 2010 , [Online http://www.desertificacion.gob.ar/wp-content/uploads/2013/01/Clarketal2010_RSE.pdf]

[2] Olofsson , et al., A global landcover validation data set, part I: fundamental design principles, International Journal of Remote Sensing, 33:18, 5768-5788, 2012, [Online http://www.tandfonline.com/doi/abs/10.1080/01431161.2012.674230#.UjcZPz9F1Fg]

[3] Bontemps, et al, Operational Service Demonstration For Global Land- Cover Mapping: The GlobCover And GlobCorine Experiences For 2005-2009. En Giri y Weng y, Remote Sensing Of Land Use And Land Cover : Principles and Aplication(pp. 243-264). CRC Press.

[4] USGS, Landsat Missions, [Online http://landsat.usgs.gov/LandsatLookImages.php]

[5] Knorn, J., et al., Land cover mapping of large areas using chain classification of neighboring Landsat satellite images, Remote Sensing of Environment (2009).