Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROTOCOLO
METODOLGICO PARA LA
ELABORACIN DEL MAPA DE
COBERTURA Y USO DE LA
TIERRA DEL ECUADOR
CONTINENTAL 2013 2014,
ESCALA 1:100.000
1
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Elaborado por:
Agradecimiento Especial:
Investigador Ph.D. Francisco Carreo, Universidad Rey Juan Carlos, Espaa, por su
colaboracin a lo largo del Proyecto.
La manera de citar este documento es: MAE-MAGAP, (2015): Protocolo metodolgico para la
elaboracin del Mapa de cobertura y uso de la tierra del Ecuador continental 2013 2014,
escala 1:100.000
2
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
CONTENIDO
RESUMEN ................................................................................................................................................ 7
1. INTRODUCCIN ............................................................................................................................... 8
1.1. Antecedentes .......................................................................................................................... 8
1.2. Justificacin............................................................................................................................. 9
1.3. Objetivos ............................................................................................................................... 10
1.3.1. Objetivo General ........................................................................................................... 10
1.3.2. Objetivos especficos ..................................................................................................... 10
2. CONSIDERACIONES TCNICAS ....................................................................................................... 11
2.1. Sistema de Clasificacin (Leyenda temtica)............................................................................ 11
2.2. Insumos de Informacin............................................................................................................ 13
2.2.1. LandSat 8 ............................................................................................................................. 13
2.2.2. RapidEye .............................................................................................................................. 15
2.3. Requerimientos tecnolgicos............................................................................................... 16
2.3.1. ENVI ..................................................................................................................................... 17
2.3.2. ArcGIS ............................................................................................................................ 17
2.4. Base Terica .......................................................................................................................... 17
2.4.1. Imagen de reflectancia ........................................................................................................ 17
2.4.2. Correccin atmosfrica................................................................................................. 18
2.4.3. Clasificacin automtica (definicin) .................................................................................... 19
2.4.4. Clasificacin Supervisada.............................................................................................. 20
2.4.5. Datos de entrenamiento (Regiones de Inters)........................................................... 21
3. AREA DE ESTUDIO.......................................................................................................................... 22
4. DISEO CARTOGRAFICO................................................................................................................ 23
5. DESARROLLO METODOLGICO..................................................................................................... 24
5.1. Pre-procesamiento de imgenes .............................................................................................. 24
5.1.1. Correccin Atmosfrica ....................................................................................................... 24
5.2. Clasificacin automtica................................................................................................................. 24
5.2.1. ROIs (Regiones de inters) ................................................................................................. 24
5.2.2. Anlisis de Separabilidad ................................................................................................... 27
5.2.3. Asignacin temtica Nivel II, III, y IV............................................................................ 30
3
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
INDICE DE FIGURAS
4
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
INDICE DE TABLAS
5
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
SIGLAS Y ACRONIMOS
6
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
RESUMEN
El presente documento se basa en los protocolos metodolgicos generados por MAE para la
generacin del Mapa Histrico de Deforestacin y en los protocolos metodolgicos
generados por MAGAP/CGSIN para la generacin del Mapa de Cobertura y Uso de la Tierra.
7
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
1. INTRODUCCIN
1.1. Antecedentes
Adems de convertirse en apoyo a los procesos de mitigacin del cambio climtico que se
desarrollan en el pas especialmente al Sistema Nacional de Monitoreo Forestal, el mismo
que estar integrado en la Unidad de Monitoreo de Patrimonio Natural constituido a partir
de los proyectos: Evaluacin Nacional Forestal, el Mapa Histrico de Deforestacin y Mapa
de Vegetacin del MAE. Especficamente en las mediciones de los factores de emisin para
los diferentes compartimentos de secuestro de carbono y la estimacin de datos de
actividad a travs de sensores remotos y bajo caractersticas MRV (Medicin, Reporte y
Verificacin), establecidas por la CMNUCC.
8
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
1.2. Justificacin
Al contar con datos que integren las reas de competencia de ambos ministerios, MAE y
MAGAP, y tener informacin consolidada e integrada de las dos instituciones, ser ms
eficiente la coordinacin, sobre todo en el sector del cambio del uso de la tierra y
silvicultura.
Esfuerzos como este son fundamentales para lograr los procesos MRV robustos dentro del
Sistema de Monitoreo Forestal, no solo para reportar a la Convencin Marco de las Naciones
Unidas para el Cambio Climtico sino tambin como un insumo adicional para la gestin de
poltica pblica.
9
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
1.3. Objetivos
10
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
2. CONSIDERACIONES TCNICAS
La leyenda ha sido construida de forma jerrquica, con un primer nivel general que
corresponde a las clases de cobertura/uso definido por el IPCC adaptado para el Ecuador.
Los niveles subsiguientes representan clases de cobertura/uso ms detalladas, que
mantienen coherencia con las definiciones de la clase superior (MAE, 2012).
La leyenda temtica se presenta a continuacin en dos tablas, la primera con todas las
coberturas Nivel I y II de inters para el MAE, y la segunda tabla con los niveles III y IV
nicamente de tierras agropecuarias de inters para el MAGAP.
Tabla 1. Leyenda temtica Nivel I y II
NIVEL I NIVEL II
Bosque Nativo
Bosque
Plantacin Forestal
Cultivo Anual
Cultivo Semipermanente
Tierra
Cultivo Permanente
Agropecuaria
Pastizal
Mosaico Agropecuario
Vegetacin Vegetacin Arbustiva
Arbustiva y Vegetacin Herbcea
Herbcea Pramo
Natural
Cuerpo de Agua
Artificial
Zonas Antrpica rea Poblada
11
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Infraestructura
Glaciar
Otras tierras
rea sin cobertura vegetal
Sin informacin Sin informacin
12
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Pastizal
Miscelneo de Cereales
Miscelneo de Ciclo Corto
Mosaico Miscelneo de Hortalizas
Agropecuario Miscelneo de Flores
(Asociaciones) Miscelneo de Frutales
Miscelneo de Plantas Aromticas
Miscelneo Indiferenciado
Los principales insumos utilizados para la generacin del mapa de cobertura y uso de la
tierra son:
2.2.1. LandSat 8
Es el octavo satlite del programa LandSat, el cual es una colaboracin entre la NASA y el
USGS con el objetivo de capturar informacin de la cobertura terrestre.
Las imgenes LandSat 8 son imgenes de resolucin espacial media y tienen las siguientes
caractersticas tcnicas:
Tabla 3. Caractersticas Tcnicas de imgenes LandSat 8
13
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
El Ecuador continental est cubierto por 17 escenas LandSat (path/row) como se muestra en
la siguiente figura:
14
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
2.2.2. RapidEye
El Ecuador continental est cubierto por 510 tiles (sistema de grilla RapidEye) como se
muestra en la siguiente figura:
15
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Software ENVI
Software ArcGIS
16
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
2.3.1. ENVI
ENVI es una plataforma avanzada de software que permite extraer informacin de cualquier
tipo de imagen. Este programa combina el procesamiento de las imgenes espectrales ms
recientes con la tecnologa de anlisis de imgenes mediante una interfaz intuitiva y fcil de
usar para ayudar a obtener informacin significativa de las imgenes.
2.3.2. ArcGIS
ArcGIS es una completa plataforma de sistemas de informacin geogrfica que permite
crear, analizar, almacenar y difundir datos geo-espaciales, para resolver problemas
complejos con fines geogrficos.
Para el presente estudio se cuenta con imgenes RapidEye y LandSat 8 con un nivel de
procesamiento 3A y 1T respectivamente; estos niveles de procesamiento se ofrecen por
parte de los proveedores de estas imgenes, lo que permite contar con imgenes listas para
trabajar. Los niveles de procesamiento representan las correcciones geomtricas (orto-
rectificacin) y radiomtricas (radiancia) que se han aplicado a las imgenes.
17
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Para transformar radiancia a reflectancia es necesario relacionar los valores de radiancia (los
valores digitales de los pxeles) con la radiancia con la que el objeto es iluminado. Esto a
menudo se lleva a cabo aplicando una correccin atmosfrica a la imagen, ya que de esta
manera el impacto de la atmsfera en los valores de radiancia es eliminado al mismo tiempo
(BLACKBRIDGE).
QUAC asume una ecuacin lineal de transporte de radiacin en el que los valores de datos se
transforman en espectros de reflectancia a travs de un espectro de desplazamiento, o lnea
base y un espectro de ganancia. Esta lnea base determina los valores mnimos de los pixeles
18
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
en cada banda espectral, que normalmente se producen con la sombra, cuerpos de agua o
la vegetacin de color verde oscuro. (EXELISVIS)
19
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Existen diversos procedimientos matemticos para analizar los patrones espectrales por
medio de la clasificacin supervisada, como son:
Paraleleppedos (Parallelepiped),
Para efectos de este mapa, luego de diversas pruebas realizadas con diferentes
clasificadores, se opt por usar el mtodo de mxima probabilidad. Este clasificador
gaussiano evala cuantitativamente (por medio de la varianza y covarianza), la probabilidad
que un pxel desconocido de las categoras de la leyenda a travs de sus patrones de
20
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
21
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
3. AREA DE ESTUDIO
El rea de estudio corresponde al Ecuador Continental con una superficie de 248.983,96 km2
(IGM), tal como se muestra en la siguiente figura:
En la actualidad el Ecuador Continental cuenta con veintitrs provincias, las cuales son:
Esmeraldas, Manab, Guayas, Los Ros, Santa Elena, El Oro, Carchi, Imbabura, Pichincha,
Santo Domingo de los Tschilas, Cotopaxi, Tungurahua, Chimborazo, Bolvar, Caar,
Azuay, Loja, Sucumbos, Napo, Orellana, Pastaza, Morona Santiago y Zamora Chinchipe.
22
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
4. DISEO CARTOGRAFICO
Sistema de Sistema de
Clasificacin Nivel I , Imagen Clasificacin Nivel II,
Imagen
Nivel II Rapideye III, Nivel IV
Landat 8
3A
Control de
calidad
Herramienta Clasificacin Biblioteca de ROIs
ROI Automtica no
Aprobado ?
Reporte de si
Divergencia Anlisis de separabilidad
Transformada separabilidad
Validacin
topolgica
Mxima Agrupacin
Protocolo
probabilidad espectral Evaluacin de la Metodolgico
precisin
Post Informe de la
Filtros MAPA DE
clasificacin evaluacin de la
COBERTURA Y USO
precisin
DE LA TIERRA
Figura 6. Diseo cartogrfico para la generacin del Mapa de Cobertura y Uso de la Tierra (MAE-MAGAP)
23
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
5. DESARROLLO METODOLGICO
La informacin de una clase o categora deben estar adecuadamente representadas por los
ROIs en el set de estadsticas usadas para clasificar la imagen LandSat o RapidEye segn el
nivel de clasificacin que corresponda, Es por ello que es importante ir observando el
24
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
comportamiento espectral de las ROI a medida que se van generando. La generacin de ROIs
es independiente para cada imagen.
Para la captura de adecuada de los ROIs se utiliz la herramienta ROI Tools en el software
ENVI, esta herramienta permite controlar la calidad de las zonas de entrenamiento mediante
algunas opciones tales como separabilidad, planos adimensionales, etc., como se muestra
en la siguiente figura:
Para determinar los ROIs, se debe desplegar la imagen a clasificar aplicndole los realces
adecuados que le permitan identificar los diferentes espacios geogrficos. Los ROIs pueden
adaptar la forma del espacio geogrfico o una forma geomtrica especfica.
Para la generacin de las ROI por clase, es importante que el intrprete tenga la certeza que
una determinada ROI pertenezca a la clase donde se ha ubicado. Es importante que la
muestra sea homognea, pero al mismo tiempo que incluya la variabilidad espectral de cada
clase temtica. Para el efecto se captur ms de un rea de entrenamiento por cada clase
temtica, utilizando la informacin de campo, mapas, estudios existentes, etc.
25
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Para determinar el tamao mnimo de la muestra en pxeles se utiliz el criterio que el ROI
debe ser mayor al resultado del nmero de bandas + 1, para asegurar la representatividad
estadstica de la misma. Los ROIs generados se almacenan en una biblioteca que permita
realizar futuros anlisis.
En tierras agrcolas se deben tomar las muestras tratando de seguir la forma de los
diferentes tipos de cultivos, esto ayuda a homogenizar la muestra y evita que aparezcan los
pixeles aislados dentro de la cobertura. Para la toma de muestra en vas amplias, es
aconsejable tomar ROIs lineales para una mejor definicin de las mismas. (Documento
metodolgico MAGAP / CGSIN, 2014). Como se muestra en la siguiente figura:
26
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Para aquello se realiz el anlisis de separabilidad en ENVI desde la herramienta ROI Tools,
donde una vez capturados los ROIs podemos verificar estadsticamente si tienen buena
separabilidad, es decir son diferentes las muestras de una clase con respecto a otra, o la
separabilidad es deficiente lo que implica mejorar el ROI.
ENVI genera un reporte de separabilidad donde podemos identificar cuales clases son ms
separables que otras, el resultado muestra la separabilidad de cada par de clases con valores
que van de 0 a 2. Los valor mayores a 1.9 significa que hay una buena separabilidad entre las
clases, cuando los valores son menores a 1 es necesario realizar una unin (merge ROIs)
entre las clases para obtener una sola, y cuando los valores estn entre 1 y 1.9 es necesario
revisar estas muestras ya sea para reubicar la muestra, definir mejor la muestra o
simplemente para eliminarla, un ejemplo se aprecia en la siguiente figura:
27
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
28
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Dentro del mismo proceso se generaron ROIs de nubes, sombras y vapor de agua, para
posteriormente crear mscaras. Esto se hizo con el fin de evitar confusin entre las
categoras durante el proceso de generacin de la capa de cobertura del Nivel I.
Esta mscara con vacos de informacin se complet con informacin de imgenes de aos
anteriores priorizando las imgenes RapidEye de forma independiente.
La generacin del nivel I de clasificacin permiti definir las reas de inters del MAE
(Vegetacin Natural) y las reas de inters del MAGAP (Tierras agropecuarias) donde se
realizaran las siguientes asignaciones temticas en los otros niveles cada quien en el rea de
su competencia con fines especficos.
29
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Para la asignacin temtica en estos niveles se utilizaron imgenes LandSat 8 hasta nivel II
para vegetacin natural y RapidEye para todos los niveles, el procedimiento de clasificacin
es el mismo que para el nivel I, la diferencia radica en que la captura de los ROIs es ms
detallado debido a las bondades y caractersticas de las imgenes RapidEye lo cual permiten
tener ms informacin a detalle gracias a su resolucin espacial, espectral y radiomtrica.
Para asignar los ROIs segn los niveles III y IV en la parte agrcola, se parte de lo especifico a
lo general, es decir identificar al mayor detalle y posteriormente generalizar estas unidades
temticas a nivel II mediante herramientas SIG. En las otras coberturas los ROIs se identifican
directamente tal como se lo hizo para el nivel I.
30
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Figura 15. Identificacin de Paramo y Bosque nativo con imagen Landsat (Nivel II)
Cabe mencionar que las estrategias de captura de ROIs no siempre es la misma en ciertas
zonas, especialmente para el anlisis del nivel IV, por ejemplo en reas cultivadas, donde las
parcelas son pequeas para poder representarlas se necesit tomar ROIs de menor
proporcin, incluyendo una mayor cantidad de muestras.
31
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Figura 16. Identificacin de cultivos de maz con imagen RapidEye (Nivel IV)
Figura 17. Identificacin de cultivos de arroz con imagen RapidEye (Nivel IV)
32
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Como complemento en la asignacin temtica para nivel III y nivel IV se necesit del
contexto geogrfico ms la informacin de campo a detalle, fotografas, mapas, ortofotos,
etc.
El mtodo de clasificacin para generar las coberturas es el mtodo supervisado con datos
de entrenamiento (ROIs) mediante el algoritmo de agrupacin de mxima probabilidad
(Maximum Likelihood).
33
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
5.2.5. Post-clasificacin
Las imgenes una vez clasificadas presentan una serie de pixeles aislados cuya
representatividad es nula. En dichos casos, es recomendable generalizar la clasificacin
mediante filtros espaciales de forma tal que las clases predominantes absorban estos
pxeles.
Al utilizar una imagen de alta resolucin puede generar muchos pixeles aislados, para
eliminarlos se utiliz ENVI que cuenta con postprocesos para la clasificacin, los filtros
espaciales utilizados son:
Smoothing (Majority) utiliza una matriz cuadrada (kernel) que se sobrepone a la imagen
clasificada para absorber pixeles bajo el promedio de sus pixeles vecinos, mientras ms
grande sea el kernel la clasificacin ser ms general.
34
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Para el caso de imgenes Landsat se utiliz un smoothing de 3*3 y para aggregation 3 pixeles
(1 hectrea aproximadamente). En el caso de imgenes RapidEye se utiliz un smoothing de
3*3 y para aggregation 20 pixeles (1 hectrea). A continuacin se muestra un ejemplo de la
aplicacin de estos filtros en la siguiente figura:
El trabajo de campo tiene como objetivo familiarizar al intrprete con la zona de estudio de
manera que pueda vincular las clases temticas generadas en gabinete con la realidad
experimentada en campo. El proceso de calibracin y validacin en campo se realiza de
forma simultnea en una misma salida, el proceso se detalla en el ANEXO 2.
En este sentido se realizaron salidas de campo a nivel nacional durante un perodo de seis
meses, las cuales contaron con el apoyo de tcnicos de campo de ambas instituciones,
adems del apoyo tcnico y logstico de las UZIs en el caso del MAGAP y de las Direcciones
provinciales del MAE, tanto para la planificacin de campo como para el trabajo y posterior
recopilacin de informacin adicional.
35
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Para efectos prcticos del trabajo de campo, se consideraron las tres regiones biogeogrficas
del Ecuador: Amazona, Sierra y Costa, adems de una subdivisin tomando en cuenta la
grilla de imgenes RapidEye por provincia para el manejo y la generacin de informacin de
forma organizada y sistemtica, con el objetivo de llegar hasta los siguientes niveles
temticos segn el sistema de clasificacin, como se muestra en la siguiente figura:
Para las salidas de campo se gener una ficha de campo conjunta entre MAE y MAGAP, esta
ficha contiene informacin de los cuatro niveles de la leyenda, y otra informacin relevante
asociada. Para mayor detalle sobre el contenido y descripcin de la ficha es necesario revisar
el ANEXO 2.
Esta ficha de campo fue estructurada en un diccionario de datos que se ingres a los
dispositivos de captura de datos.
36
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
La informacin de campo a nivel nacional se fue recopilando en una base de datos espacial
(geodatabase) estructurada en base a la ficha de campo para facilitar su extraccin y anlisis.
La edicin visual se realiz utilizando el software ArcGIS, con un tipo de estructura vector de
las imgenes clasificadas, para aquello ENVI permite exportar los resultados directamente en
formato raster y en formato shapefile, el cual es el formato nativo vector de ArcGIS, lo cual
facilit la edicin visual.
37
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Es muy importante revisar los vectores minuciosamente con la finalidad de revisar toda el
rea efectiva de forma sistemtica.
Para realizar una buena edicin visual es importante contar con insumos adecuados que
permitan asegurar la consistencia de las unidades temticas para corregir la mezcla de clases
al momento de correr el proceso automtico, esto significa que debemos valernos de toda la
informacin disponible para realizar una buena edicin, adems de los mismos datos que
nos proporciona la imagen utilizando realces radiomtricos y combinacin de bandas
espectrales.
Para apoyar este proceso se utiliz informacin secundaria como puntos de campo,
imgenes de alta resolucin, fotografa area, mapas oficiales (mapas de cobertura y uso de
la tierra histricos, mapa de ecosistemas, mapa de bosque potencial) y no oficiales que han
pasado por una validacin, as como tambin coberturas de referencia como son mapa de
vas, poblados, reas protegidas o bajo conservacin, puntos donde se han registrado
incendios, etc.
En esta fase la edicin debe enmarcarse dentro de la escala establecida para lo cual se
deber tomar en cuenta que la escala visual sobre la cual se debe hacer las ediciones no
debe ser menor a: 1:100.000.
Estas capas temticas y los puntos de calibracin de campo, permitieron una adecuada
edicin visual que permiti reasignar el nombre de la unidad temtica donde se encontr
inconsistencias. Tal como se muestra en el siguiente ejemplo:
38
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Una vez culminada la edicin visual se unificaron las coberturas segn la divisin inicial de
trabajo (Grilla RapidEye Provincias), este proceso utiliz una geodatabase desde ArcGIS
donde se cargaron todas las imgenes clasificadas. En este punto se encontr zonas
sobrepuestas entre las escenas colindantes (imgenes) por lo que se utiliz la herramienta
Erase de ArcGIS para eliminar estas zonas de conflicto al momento de unir las capas, una vez
depuradas las coberturas se volvi a cargar en la geodatabase, para posteriores anlisis.
5.5. Topologa
39
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Esta validacin se realiz utilizando herramientas SIG dentro de ArcGIS, donde se detect
fcilmente estas anomalas como se muestra en la siguiente figura:
Posteriormente estas fueron corregidas para tener una consistencia geomtrica de los
polgonos que representan el mapa.
Se emple un diseo de muestreo aleatorio estratificado, este tipo de muestreo se recomienda por
sus caractersticas de precisin en los protocolos y resultados obtenidos, as como por la facilidad de
implementar, analizar y adaptar a cambios en el tamao de la muestra (Olofsson, P. et al. (2013).
Para calcular el tamao total de la muestra (n), se sigui la aproximacin simplificada de la Ecuacin
de Neyman, esta permite localizar un tamao de n mnimo de entre 50-100 muestras para todos y
cada uno de los estratos y posteriormente continuar con una localizacin proporcional basndose en
proporcin de rea entre todas las clases.
En la siguiente figura se observa la localizacin del diseo final, con las 3168 muestras que
representan las unidades de evaluacin de la precisin. Se muestran en diferentes colores las
unidades de evaluacin de la precisin de las diferentes regiones (Costa, Sierra y Amazona).
40
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
La clasificacin de las muestras se realiz en base a la leyenda a nivel 1; a cada unidad de evaluacin
se le asign una clase, a travs de la interpretacin visual de las imgenes Rapideye y Landsat.
Las muestras fueron clasificadas manualmente por 2 intrpretes independientes, ajenos al personal
tcnico que realiz la edicin visual del mapa de cobertura y uso de la tierra. Para realizar esta
clasificacin se establecieron claves de interpretacin homogneas (instrucciones) para los
intrpretes participantes, para asegurar consistencia en los resultados. En los casos que hubieron
desacuerdos entre ambos intrpretes, intervino un tercer intrprete independiente.
Para la fase de anlisis de la estimacin de la precisin se utiliz una matriz de confusin, que
consiste en el cruce de las clases de los datos del mapa de cobertura (expresado en conteo de
muestras de esa clase, situados en las filas) con las clases de los datos de referencia (expresado en
conteo de muestras por clase, situados en las columnas).
En la siguiente figura se visualiza la matriz resultado con el conteo de muestras para todas las clases
analizadas.
41
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
DATOS DE REFERENCIA
DATOS MAPA 1 2 3 4 5 6 0 TOTAL AREA MAPA (Has) Wi
1 0,468 0,030 0,019 0,001 0,001 0,000 0,000 0,519 12.919.641 0,519
2 0,033 0,284 0,027 0,001 0,004 0,000 0,000 0,349 8.690.948 0,349
3 0,007 0,011 0,079 0,000 0,000 0,002 0,000 0,099 2.468.432 0,099
4 0,001 0,001 0,000 0,010 0,000 0,000 0,000 0,012 298.843 0,012
5 0,000 0,002 0,000 0,000 0,013 0,000 0,000 0,016 401.778 0,016
6 0,000 0,001 0,002 0,000 0,000 0,002 0,000 0,005 115.959 0,005
0 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 2.025 0,000
TOTAL 0,509 0,328 0,126 0,013 0,019 0,005 0,000 1 24.897.627 1
En la tabla 5 se muestran los resultados obtenidos a nivel nacional, de acuerdo a los niveles de la
leyenda y en la figura 27 el mapa obtenido.
42
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
43
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Adicionalmente este mapa no debe ser utilizado directamente para calcular datos de
deforestacin, debido a que es necesario realizar un anlisis de las transiciones entre los
mapas de cobertura y uso histricos del perodo en estudio.
44
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
7. CONCLUSIONES Y RECOMENDACIONES
El contar con una metodologa documentada, sistematizada y estructurada para
generar el mapa de cobertura y uso de la tierra, permiti generar el mapa de manera
eficiente, rpida y de calidad.
Tanto el MAE como el MAGAP han realizado un gran esfuerzo para que el mapa se
realice en el trmino de un ao, con un equipo completo conformado por tcnicos
especialistas en diferentes reas.
45
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
46
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
8. REFERENCIAS BIBLIOGRFICAS
Abreu, L., & Anderson, G. (1996). The MODTRAN 2/3 Report and LOWTRAN 7 model. Phillips Laboratory,
Geophysics Directorate, PL/GPOS, Hanscom AFB, MA. Contract F19628-91-C-032.
Akay, A. E., Karas, I. R., & Gundogan, R. (2007). Classification of Tree and Shrub Species in KSU Research
Application Forest Kahramanmaras. En M. Schaepman, S. Liang, N. Groot, & M. Kneubhler (Ed.), Symposium
on Physical Measurements and Spectral Signatures in Remote Sensing, XXXVI, pgs. 334-337. Turkey.
Atkinson, P. (1985). Preliminary Results of the Effect of Resampling on Thematic Mapper Imagery. ACSM-ASPRS
Fall Convention Technical Papers. American Society for Photogrammetry and Remote Sensing and American
Congress on Surveying and Mapping. Falls Church, Virginia.
Chander, G., Markham, B., & Helder, D. (2009). Summary of current radiometric calibration coefficient for
Landsat MSS, TM, ETM+, and EO-1 sensors. En Remote Sensing of the Environment (pgs. 893-903).
Chuvieco Salinero, E. (2010). Teledeteccin Ambiental: La Observacin de la Tierra desde el Espacio (Tercera
ed.). Espaa: Ariel.
Chuvieco, E., Riao, D., & Salas, J. (2000). Correccin atmosfrica y topogrfica, informacin multitemporal y
auxiliar aplicadas a la cartografa de modelos de combustible con imgenes de Landsat-TM. Tecnologas
geogrficas para el desarrollo sostenible: IX Congreso del Grupo de Mtodos Cuantitativos, Sistemas de
Informacin Geogrfica y Teledeteccin. Alcal de Henares: Universidad de Alcal : Asociacin de Gegrafos
Espaoles.
Congalton, R. y. (2008). Assessing the Accuracy of Remotely Sensed Data: Principles and Practices. (Segunda ed.
ed.). Washington, DC, Estados Unidos: Hoboken CRC. 183 EPA 2002.
Cihlar, J., Xiao, Q., Chen, J., Beaubien, J., Fung, K., & Latifovic, R. (1998). Classification by progressive
generalization: a new automated methodology for remote sensing multi-chanel data. International Journal of
Remote Sensing , 2685-2704.
Colby, J. D. (1991). Topographic Normalization in Rugged Terrain. Photogrammetric Engineering & Remote
Sensing 57 (5) , 531-537.
Cushnie, J., & Atkinson, P. (1985). The effect of spatial filtering on scene noise and boundary detail in Thematic
Mapper Imagery. En Photogrammetric Engineering and Remote Sensing (pgs. 51:1483-1493).
Eastman, R. (2006). Idrisi Andes guide to GIS and image processing. Worcester, USA: Clark University.
47
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Eva, H., & Lambin, E. F. (1998). Burnt Area mapping in Central Africa using ATRS data. International Journal of
Remote Sensing 19 (18) , 3473-3497.
Haack, B., Bryant, N., & Adams, S. (1987). An assessment of Landsat MSS and TM data for Urban and ear-urban
land-cover Digital Classification. En Remote Sensing of Environment (pgs. 21:201-213).
Kaufman, Y. J., Wald, A. E., Remer, L. A., Gao, B. C., Li, R. R., & Flynn, L. (1997). The MODIS 2.1 mm Channel -
Correlation with visible reflectance for use of Remote Sensing Aerosol. IEEE Transactions on Geoscience and
Remote Sensing Vol. 35 , 1286-1298.
Lillesand, T. M., Kiefer, R. W., & Chipman, J. W. (2008). Remote Sensing and Image Interpretation - 6th ed.
United States of America.
Ministerio del Ambiente, (2013) / Protocolo Metodolgico Mapa de Uso y Cobertura 2013 2014
Ministerio del Ambiente, (2012): / Mapa Histrico de Deforestacin del Ecuador Continental.
Organizacin de las Naciones Unidas para la Alimentacin y la Agricultura / Trminos de referencia para
consultor/PSA EDI
Smith, J. A., Lin, T. L., & Ranson, K. J. (1980). The Lambertian Asumption and Landsat Data. Photogrametric
Engineering & Remote Sensing 46 (9) , 1183-1189.
Toxopeus, A. G., & Bakker, X. (1992). Modelling vulnerability of primary forest in the Cibodas Biosphere Reserve
West Java, Indonesia. En Demonstration Package for ILWIS 1.3, phase 2 (pg. 75). Enschede ; Paris ITC;
UNESCO.
Verburg, P. H., Overmars, K. P., & Witte, N. (2004). Accessibility and land-use patterns at the forest fringe in the
northeastern part of the Phillippines. Geographical Journal 170(3) , 238-255.
Ysel, A., Akay, A. E., & Gundogan, R. (2008). Using ASTER imagery in land-use/land-cover classification of
eastern mediterranean landscapes according to CORINE Land Cover Project. Sensors 8 , 1237-1251.
ITT Visual Information Solutions. (2009). Atmospheric Correction Module: QUAC and FLAASH
48
Proyecto Mapa de Cobertura y Uso
de la Tierra del Ecuador Continental
2013-2014, escala 1:100.000
Chuvieco, E. (2010). Teledeteccin Ambiental: La observacin de la Tierra desde el espacio (Novena edi., p. 590).
Espaa.
Ministerio del Ambiente del Ecuador, M. (2010). ANEXO 10: PROTOCOLO DE VALIDACIN (pp. 119).
Olofsson, P. et al. (2013) Good Practices for Assessing Accuracy and Estimating Area of Land Change. Remote
Sensing of Environment, In Review,
49