Publicado:
2022-06-01Número:
Vol. 9 Núm. 2 (2021): Julio-Diciembre-2021Sección:
InvestigaciónModelo de fácil y económica implementación para evaluación de pérdida de bosques naturales
Easy and inexpensive to implement model for natural forest loss assessment
Palabras clave:
Monitoring; Deforestation; Geographic Information Systems; Forest cover assessment. (en).Palabras clave:
Monitoreo; Deforestación; Sistemas de Información Geográficos; Evaluación de coberturas boscosas. (es).Descargas
Resumen (es)
La degradación de los bosques naturales es un problema que amenaza la vida en el planeta y que debe ser entendida y atendida en todas las escalas de análisis territorial, especialmente en el ámbito municipal o a pequeña escala, escenario donde se pueden desarrollar las intervenciones de mitigación y recuperación de mayor impacto. No obstante, los reportes de deforestación disponibles se presentan en una escala de aproximación nacional y regional, los cuales se convierten en instrumentos informativos más que operativos. Por otro lado, en Colombia el 87% de los municipios cuentan con pocos recursos para inversión, lo que implica que tienen restricciones de acceso para la compra de imágenes satelitales, así como para la contratación de recurso humano especializado para su procesamiento. El artículo desarrolla un modelo de fácil y económica implementación, para la estimación de procesos de deforestación a pequeña escala (1:10000), y de manera indirecta de estimación de emisiones atmosféricas de CO2 equivalente asociadas a este fenómeno, mediante un análisis multitemporal utilizando imágenes satelitales adquiridas en la plataforma Google Earth Engine® de carácter gratuitas. El proceso de deforestación se describe utilizando la clasificación supervisada por el método de máxima verosimilitud, se cuantifican las áreas de bosque y no bosque.
Resumen (en)
The degradation of natural forests is a problem that threatens life on the planet and must be understood and addressed at all scales of territorial analysis, especially at the municipal or small-scale level, where the most impactful mitigation and recovery interventions can be developed. However, the available deforestation reports are presented on a national and regional approximation scale, which become informative rather than operative instruments. On the other hand, in Colombia, 87% of the municipalities have few resources for investment, which implies that they have access restrictions for the purchase of satellite images, as well as for the hiring of specialized human resources for their processing. The article develops a model of easy and economic implementation, for the estimation of deforestation processes at small scale (1:10000), and indirectly for the estimation of atmospheric emissions of CO2 equivalent associated to this phenomenon, by means of a multitemporal analysis using satellite images acquired in the Google Earth Engine® platform, free of charge. The deforestation process is described using the supervised classification by the maximum likelihood method, forest and non-forest areas are quantified.
Referencias
Abburu, S., & Babu Golla, S. (2015). Satellite Image Classification Methods and Techniques: A Review.
International Journal of Computer Applications, 119(8), 20–25. https://doi.org/10.5120/21088-3779
Appiah Mensah, A., Akoto Sarfo, D., & Partey, S. T. (2019). Assessment of vegetation dynamics using
remote sensing and GIS: A case of Bosomtwe Range Forest Reserve, Ghana. Egyptian Journal of Remote
Sensing and Space Science, 22(2), 145–154. https://doi.org/10.1016/j.ejrs.2018.04.004
Belgiu, M., & Drăgu, L. (2016). Random forest in remote sensing: A review of applications and future
directions. ISPRS Journal of Photogrammetry and Remote Sensing, 114, 24–31. https://doi.org/10.1016/J.
ISPRSJPRS.2016.01.011
Chuvieco, E., & Huete, A. (2009). Fundamentals of satellite remote sensing. In Fundamentals of Satellite
Remote Sensing. https://doi.org/10.1201/b18954
Fernández, T., Pérez-García, J. L., Gómez-López, J. M., Cardenal, J., Moya, F., Delgado, J., Bardi, F.,
Dotta, G., Martire, D. Di, Meng, Q., & Confuorto, P. (2011). Multitemporal Landslide Inventory and
Activity Analysis by Means of Aerial Photogrammetry and LiDAR Techniques in an Area of Southern
Spain. https://doi.org/10.3390/rs13112110
Fitts, L. A., Russell, M. B., Domke, G. M., & Knight, J. K. (2021). Modeling Land use Change and Forest
Carbon Stock Changes in Temperate Forests in the United States. Carbon Balance and Management,
(20), 1–20. https://doi.org/10.1186/s13021-021-00183-6
Fortin, J. A., Cardille, J. A., & Perez, E. (2020). Multi-sensor detection of forest-cover change across
years in Mato Grosso, Brazil. Remote Sensing of Environment, 238(June), 111266. https://doi.
org/10.1016/j.rse.2019.111266
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Visitas
Descargas
Licencia
Derechos de autor 2022 Tecnología Investigación y Academia

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Reconocimiento – NoComercial – CompartirIgual (by-nc-sa): No se permite el uso comercial de la obra original, las obras derivadas deben circular con las mismas condiciones de esta licencia realizando la correcta atribución al autor.
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional