Aplicación de datos del mes: Mapas de cobertura del suelo

Mapa de la cubierta terrestre mundial a partir de 2015. Imagen: ESA.

¿Para qué se usan los mapas de cobertura del suelo?

Los mapas de cobertura terrestre muestran la cobertura biofísica de la superficie de la tierra. Comúnmente las clasificaciones incluyen agua, regiones áridas residenciales, bosques y matorrales, pero no se limitan solo a estas. La información sobre la cobertura del suelo es importante para muchas aplicaciones científicas y sociales, especialmente cuando se monitorea el cambio ambiental. En la gestión de desastres y respuesta a emergencias, los mapas de la cubierta terrestre se usan a menudo para observar los cambios agrícolas, para evaluar y monitorear el riesgo de sequías e inundaciones, para mapear y modelar incendios/quemaduras o riesgos futuros de cambio climático.

Los mapas de cobertura terrestre se generan clasificando los píxeles en función de su reflectancia espectral a partir de imágenes aerotransportadas o de satélite. Este proceso se describe con más detalle en la siguiente sección. Para clasificar cada pixel, se pueden aplicar varias metodologías. Estas pueden basarse en software comercial como ArcGIS o Software de código abierto como QGIS y R entre otros. Sin embargo, la información sobre la cobertura del suelo no solo está disponible a través del software, sino que también puede accederse utilizando herramientas en línea como REMAP.

La calidad o detalle del mapa depende de la resolución de la imagen utilizada durante la clasificación de píxeles. La resolución de una imagen satelital se puede referir a más de tres categorías diferentes: ancho de barrido, resolución de pixeles y resolución temporal. Estos factores de resolución definen el área que cubre una imagen aérea, por ejemplo, 1km2, el tamaño de cada pixel individual en la imagen, por ejemplo. 10m2 y la cantidad de veces que un satélite recopila imágenes, por ejemplo, cada 6 días.

Tomando como ejemplo el mapeo de inundaciones, el agua tiene una reflectancia espectral específica similar a una combinación de color en el código RGB. Esto se puede ver en la Figura 1, que muestra los diferentes valores de reflectancia espectral y longitud de onda para un rango de tipos de cobertura terrestre. Con el uso de estas propiedades específicas de longitud de onda, las imágenes podrían seleccionarse y entrenarse en las áreas de muestra para identificar pixeles con reflectancia/absorción espectral similar, para asignarlos a los grupos mencionados anteriormente (agua, bosque, etc.). Este proceso se denomina clasificación semiautomática de la cobertura del suelo. Otra forma de obtener mapas de cobertura terrestre es a través de un mapeo totalmente automatizado de la imagen, donde un algoritmo identifica independientemente las clases de cobertura terrestre en función de la reflectancia/absorción espectral de la superficie de los píxeles. El enfoque es a menudo limitado en términos de precisión, especialmente en imágenes de alta resolución.

La información sobre la cobertura del suelo es importante para muchas aplicaciones, como la modelización de inundaciones, la observación de sequías agrícolas, la modelización del cambio climático y el monitoreo de los cambios ambientales, incluida la fenología de la vegetación, las inundaciones, la ocurrencia de incendios y el monitoreo de las emisiones de carbono debido a la deforestación y la degradación de los bosques.

Las clases típicas de cobertura del suelo incluyen, por ejemplo, bosques, cultivos, pastizales, superficies de agua o cobertura artificial. La cobertura del suelo interactúa fuertemente con el ciclo del agua y el sistema climático. El tipo de cobertura terrestre determina el comportamiento de la precipitación en la Tierra. Esto incluye la tasa de infiltración, la escorrentía y la evapotranspiración del agua. La distribución espacial de los diferentes tipos de cobertura terrestre es, por lo tanto, un factor decisivo para los modelos de agua y clima. En hidrología, el llamado número de curva se usa para predecir la escorrentía y la infiltración. El valor del número de curva depende del tipo de cubierta del suelo y de la tierra. Los mapas de cobertura terrestre son necesarios para determinar la distribución espacial de diferentes valores de número de curva dentro de un área.

Otro ejemplo del uso de información sobre la cobertura del suelo para la reducción del riesgo de desastres es el monitoreo de sequía agrícola. La Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) extrae una máscara de información sobre la cobertura y el uso del suelo, para calcular el Índice de Estrés Agrícola (Agricultural Stress Index) en las tierras de cultivo. La Oficina de Apoyo Regional de UN-SPIDER en Irán y la Agencia Espacial de Irán, recomienda un enfoque similar. Los procedimientos detallados paso a paso sobre esta Práctica Recomendada están disponibles en el Portal de Conocimiento de UN-SPIDER.  

¿Cómo se mapea la cobertura del suelo desde el espacio?

La mayoría de los mapas de cobertura terrestre global se basan en imágenes satelitales ópticas y de radar de media a alta resolución, por ejemplo, AVHRR, MODIS, SPOT-Vegetation y MERIS. Más recientemente, se utilizan imágenes ópticas de alta resolución de las misiones Sentinel, Landsat, SPOT-4/5, IRS LISS III y RapidEye para generar mapas regionales de cobertura terrestre.

Cuando se utiliza un enfoque estándar, se adquieren imágenes satelitales y el usuario elige un tipo de método de análisis que considera el más apropiado para la información que está tratando de generar. Como se mencionó anteriormente, la reflectancia/absorción espectral de pixeles es un método que se usa a menudo para clasificar diferentes tipos de coberturas en procesos semiautomáticos o automatizados. En algunos textos, a menudo se les denomina clasificación supervisada o no supervisada, respectivamente. El mapeo semiautomático de la cobertura del suelo a menudo depende de la habilidad del usuario y del número de muestras utilizadas para entrenar el software o programa. Por otro lado, los procesos automatizados pueden dar como resultado errores en paisajes únicos donde las características específicas no caen dentro del patrón de reflexión estándar. Sin embargo, la reflexión de pixeles no es la única forma de asignar la cobertura terrestre desde el espacio. Las clasificaciones basadas ​​en objetos hacen uso de algo más que la información espectral de pixeles individuales; tienen en cuenta la relación con los objetos vecinos, la forma, la homogeneidad, el tamaño y el color del objeto. Los enfoques multitemporales se utilizan para separar clases muy similares, por ejemplo, diferentes tipos de cultivos, al observar diferentes patrones de crecimiento de plantas.

La fusión de datos multi-sensor ópticos y de radar de apertura sintética (SAR), se aplica para aumentar el número de adquisiciones dentro de un ciclo fenológico y para mejorar la precisión de la clasificación. La elección del algoritmo de clasificación más adecuado depende de diferentes factores, como la disponibilidad de los datos o el número y tipo de clases de cobertura terrestre. El inconveniente de tener tantos algoritmos de clasificación diferentes en su lugar es que los mapas de cobertura terrestre disponibles a menudo no son comparables. La comunidad internacional de sensores remotos, incluidos GEO y GTOS, han trabajado en la armonización de los productos globales de cobertura terrestre y la estandarización de los sistemas de clasificación para mejorar la interoperabilidad de los diferentes mapas de cobertura terrestre. El Sistema de Clasificación de Cobertura Terrestre (última versión: LCML - LCCS v.3; ISO 19144-1) tiene como objetivo proporcionar un esquema de clasificación aplicable a nivel mundial. También se avanza en el desarrollo de estándares de validación, por ejemplo, por el CEOS Cal/Val Working Group.

¿Cómo puedo acceder a los mapas de cobertura del suelo? 

Para uso genérico, hay muchos conjuntos de datos de cobertura terrestre disponibles de forma gratuita. Esto incluye conjuntos de datos globales basados en imágenes satelitales de resolución media a gruesa, por ejemplo:

  • Productos de cobertura terrestre MODIS: años 2001-2012; Resolución 500m-5,600m (link a los datos)
  • Productos de cobertura terrestre de la iniciativa de cambio climático de la ESA: años 1998-2012; Resolución 300m (link a los datos)
  • Cobertura mundial de la tierra por parte de las organizaciones cartográficas nacionales - (Global land cover by national mapping organisations - GLCNMO): años 2003-2008; Resolución 500-1,000m (link a los datos)
  • Cobertura global del suelo GLC2000 por el Centro Común de Investigación de la Comisión Europea (European Commission's Joint Research Center)  (link a los datos)
  • Mapa Globcover de la ESA: año 2009; Resolución 300m: año 2000; Resolución de 1.000m (link a los datos)

Con el mapa GLC-SHARE, la FAO proporciona un mapa global de cobertura del suelo. A través de la armonización y estandarización de los sistemas de clasificación, la FAO ha fusionado los mejores mapas de cobertura terrestre disponibles para todas las regiones para producir este producto global, que se lanzó en octubre de 2014 (link a los datos). China lanzó en verano de 2014 el primer mapa global de cobertura terrestre basado en datos de Landsat a 30m de resolución. (link a los datos)

Para muchos países, los mapas nacionales de cobertura del suelo están disponibles según imágenes Landsat o SPOT-5 de alta resolución. Los datos nacionales de cobertura terrestre se incluyen en la base de datos de UN-SPIDER sobre fuentes de datos, que pueden ser filtrados por países (link a los datos). Por ejemplo, la Comisión de Investigación del Espacio y la Atmósfera Superior (Space and Upper Atmosphere Research Commission, SUPARCO), Oficina Regional de Apoyo de UN-SPIDER en Pakistán, ha publicado dos atlas de cobertura terrestre en Pakistán basados ​​en imágenes SPOT-5 de 5m de resolución, que están disponibles para descargar en formato pdf (link a los datos). Para muchos países africanos, los datos sobre la cobertura del suelo están disponibles en el proyecto Africover de la FAO, incluidos Sudán, Kenia, Senegal, Libia, Egipto, Eritrea y la República Democrática del Congo (link a los datos).

For many countries, national land cover maps are available based on high-resolution Landsat or SPOT-5 imagery.  National land cover data are included in the UN-SPIDER database on data sources, which can be filtered by countries (link to the data). For example, the Space and Upper Atmosphere Research Commission (SUPARCO), Regional Support Office of UN-SPIDER in Pakistan, has published two land cover atlases in Pakistan based on 5m resolution SPOT-5 imagery, which are available for download in pdf format (link to the data). For many African countries, land cover data are available from FAO's Africover project including Sudan, Kenya, Senegal, Libya, Egypt, Eritrea, and DR Congo (link to the data).

Mapeo de cobertura del suelo en línea usando REMAP

El Programa de Monitoreo y Evaluación Remota de Ecosistemas (REMAP, por sus siglas en inglés) permite a los usuarios que no cuenten con la capacitación, hardware o software necesario crear mapas de cobertura del suelo. Es una herramienta web gratuita, de código abierto y disponible globalmente. Para que un usuario pueda crear mapas de cobertura terrestre, se debe seguir un progreso basado en 7 pasos mediante en el mapeo semiautomático. Una vez que se selecciona la región de interés, los usuarios deben entrenar al clasificador de bosques aleatorios o (random forest) que utiliza REMAP para crear mapas de cobertura de la tierra; este proceso está bien explicado en el tutorial que se proporciona en la aplicación web (https://remap-app.org). Actualmente está limitado a áreas de alrededor de 100,000 km2, sin embargo, según REMAP (2017), esta área podría aumentar en el futuro. REMAP también ofrece a los usuarios cargar observaciones de campo u otros datos basados ​​en puntos en formato de archivo .csv. Se recomienda que los usuarios con poca o sin experiencia en el mapeo de la cubierta terrestre deberían crear sus mapas de la cubierta terrestre en base a las normas ISO mencionadas anteriormente. Una vez que se entrena al clasificador de bosques, la aplicación web crea automáticamente el mapa de cobertura del suelo deseado. El mapa se puede descargar en una variedad de formatos para su uso posterior en análisis más complejos.

Lectura adicional: (Brice Mora et al, 2014), han publicado una revisión reciente del estado actual y las tendencias futuras de los mapas globales de cobertura terrestre. (dx.doi.org/10.1007/978-94-007-7969-3_2). ¿Para qué se usan los mapas de cobertura del suelo?


Los conjuntos de datos de cobertura del suelo están incluidos en la base de datos UN-SPIDER en fuentes de datos. Si le falta un conjunto de datos o si tiene alguna sugerencia con respecto a la base de datos, contáctenos a través del botón de contacto en la parte superior derecha de esta página, por favor.

Downloads: 

AttachmentSize
Image icon Figure 1. Landcover.jpg76.88 KB
Zircon - This is a contributing Drupal Theme
Design by WeebPal.