Post on 11-Nov-2021
Denisse CastilloEquipo de GeoinformaciónDepartamento de Gestión de la Información23 de septiembre de 2019
Monitoreo semi-automatizado de vegetación en humedales altoandinos
Superintendencia del Medio Ambiente
Misión “Proteger el medio ambiente y la salud de las personas, asegurando
el cumplimiento de la normativa ambiental en Chile”
Visión ”Un país responsable con su medio ambiente”
Planificación estratégica 2014-2018
¿Qué fiscaliza?
Fiscalizar instrumentos de carácter ambiental
de su competencia
Agrupados en más de 14.618 Unidades
Fiscalizables diversas y complejas
16.212 27 23 16 429>100
fuentes>1.000 fuentes
UF Nivel Nacional
Origen de las Actividades
de Fiscalización
Transformación Digital
Estrategia “Cumplimiento Ambiental 2.0”
“Next Generation Compliance”. US-EPA, octubre 2014.
Programa de Monitoreo Ambiental Territorial (PMAT)Desde el año 2014
• Monitoreo Satelital
• Monitorio con dispositivos (IoT)
Programa de Monitoreo Ambiental Territorial (PMAT)
OBJETIVO
“fortalecer su capacidad fiscalizadora y aumentar su eficiencia, a través del uso de tecnologías de percepción remota, que permitan actuar anticipadamente y/o
aportar medios de prueba veraces para los procesos de fiscalización y sanción que la institución desarrolla.”
A partir de 2014
Equipo de Geoinformación
Aplicaciones discretas: Apoyo a procesos puntuales de información.
Aplicaciones profundas: Estudios, apoyo a nivel probatorio.
Monitoreo continuo: Análisis preventivo a nivel nacional.
Monitoreo de Humedales Altoandinos
¿Por qué?
• Hot Spots de Biodiversidad
• Distribución azonal: especies y comunidades que
responden fundamentalmente a condiciones locales.
• Corredores biológicos, en especial para aves migratorias.
• Regulación hídrica de cuencas.
• Sustento de comunidades indígenas.
Bofedales Pajonales Vegas
Fuente: Ahumada, M. y Faúndez, L. 2009.Ahumada et al, 2011.
¿Por qué?
Alta presión Antrópica:
• Actividades de drenaje• Pastoreo excesivo• Extracción de agua
Alta sensibilidad a la alteración del
régimen hídrico.
• Dinámica controlada fundamentalmente por aporte de aguas subterráneas y condiciones climáticas.
• Composición biológica generalmente especifica según condiciones locales de aporte hídrico, suelo y calidad de agua.
• Vegetación como indicador de estado.
Densidad de puntos de captación de agua, Regiones VX, I, II y III.
Fuente: Ahumada, M. y Faúndez, L. 2009.Ahumada et al, 2011.
Monitoreo de Humedales Altoandinos
Objeto de estudio
Control
Referencia de afectación
Caso MaricungaEjemplo de Estudios profundos
Estudio de series temporales de vegetación con imágenes Landsat.
Consecuencia: Los pozos fueron clausurados y la sanción fue confirmada por Tribunal Ambiental y Corte Suprema
Objeto de estudio
Control
Referencia de afectación
Caso MaricungaEjemplo de Estudios profundos
Estudio de series temporales de vegetación con imágenes Landsat.
Consecuencia: Los pozos fueron clausurados y la sanción fue confirmada por Tribunal Ambiental y Corte Suprema
¿Existirán mas casos como este?
Posibles limitantes:• Mas de 6000 humedales altoandinos• Alto volumen de datos• Tiempos de descarga• Capacidad de procesamiento
Oportunidades
Monitoreo de Humedales Altoandinos
Imágenes SatelitalesOpen - Larga data
Disponibilidad de datos Procesamiento en la nube
Computo de Alto Rendimiento
Oportunidades
Monitoreo de Humedales Altoandinos
Comportamiento espectral de la vegetación
Métodos de Análisis de Series Temporales
BFAST Break detection For Additive Season and Trend 1
DBEST Detecting Breakpoints and Estimating Segments in Trend 2
Verbesselt, J., R. Hyndman, G. Newnham, and D. Culvenor. 2010. “Detecting Trend and Seasonal Changes in Satellite Image Time Series.” Remote Sensing of Environment 114 (1): 106–115. doi:10.1016/j.rse.2009.08.014.Jamali S, Jönsson P, Eklundh L, Ardö J, Seaquist J (2015). Detecting changes in vegetation trends using time series segmentation. Remote Sensing of Environment, 156, 182-195. http://dx.doi.org/10.1016/j.rse.2014.09.010
Enfoques de Análisis
Monitoreo de Humedales Altoandinos
Enfoque a nivel de polígonosOmisión de comportamiento espacial heterogéneo.
Enfoque a nivel de PixelAnálisis a partir de la unidad mínima. Mayor detalle espacial.
Área de Estudio
Monitoreo de Humedales Altoandinos
1. Catastro de Humedales 2015 del Ministerio del Medio Ambiente.
2. Regiones de Arica y Parinacota, Tarapacá, Antofagasta y Atacama.
3. Filtro de Altura (sobre los 2000 m.s.n.m.*)
4. Buffer de 100 metros a su alrededor.
*CIREN, 2013. Caracterización de Humedales Altoandinos para una gestión sustentable de las actividades productivas del sector norte del país.
Flujo de Trabajo
Monitoreo de Humedales Altoandinos
Método: Insumo Satelital
Monitoreo de Humedales Altoandinos
Landsat 5 y 7 Surface Reflectance Tier 1
“pixel_qa” Filtro de nubes (con adición de umbral de temperatura)
“radsat_qa” Filtro de pixeles saturados
Selección de todas las imágenes disponibles entre diciembre y marzo para
cada año.
Enmascaramiento
Método: Construcción de Series Temporales
Monitoreo de Humedales Altoandinos
1. Calculo de Índice de Vegetación de Diferencia Normalizada (NDVI)
2. Calculo de Mediana de NDVI por Temporada
3. Construcción de Series Temporales de NDVI
Método: Selección de Área a Analizar
Monitoreo de Humedales Altoandinos
1. Suficiencia de datos con al menos 10 datos para periodo 1985 – 1999 (periodo base o histórico).
2. Presencia de vegetación en periodo base: con una mediana superior a 0.08 NDVI.
Método: Análisis de Series Temporales
Monitoreo de Humedales Altoandinos
Índ
ice
de
Veg
etac
ión
de
Dif
eren
cia
No
rmal
izad
a
• Modelo de Tendencia Lineal (1 imagen al año)
• Mediante sumas móviles de los residuos entre el modelo y la realidad se evalúa si los datos aun se ajustan.
BFAST Monitor
Near Real-Time Disturbance Detection Based
On BFAST-Type Models
Verbesselt J, Zeileis A, Herold M (2012). Near real-time disturbance detection using satellite image time series. Remote Sensing Of
Environment, 123, 98--108. http://dx.doi.org/10.1016/j.rse.2012.02.022
Método: Resultados a nivel de pixel
Monitoreo de Humedales Altoandinos
Magnitud de Cambio Año de cambio
Monitoreo de Humedales Altoandinos
Método: Resultados a nivel de pixel
Monitoreo de Humedales Altoandinos
Método: Categorización de Pixeles
Categorización por Pendientes
Categorización por magnitud
Monitoreo de Humedales Altoandinos
Método: Categorización de pixeles
Men
or
a M
ayo
r im
po
rtan
cia
Pixeles de mayor
importancia
Monitoreo de Humedales Altoandinos
Método: Resultados a nivel de humedal
Recopilación de antecedentes que permitan conocer su estado (información de sus pixeles) y el contexto territorial.
Aspectos considerados
AfectaciónRelacionada a la cantidad y porcentaje de pixeles de cambio.
CausalidadCriterios de cercanía a puntos de captación de aguas.
RelevanciaIntersección con áreas bajo Protección Oficial (SEA), Áreas de Desarrollo Indígena (ADI), y/o Áreas de Restricción o Prohibición.
Monitoreo de Humedales Altoandinos
Método y Resultados Priorización de Humedales
Afectación
1. Por área afectada: se ordena de mayor a menor.2. Se filtra por porcentaje de Cambio (superior al 20%).3. Se quitan las clases Ríos y Sistemas Antropizados.
Causalidad y Relevancia
Se filtran los humedales que no cumplan con criterios de causalidad y relevancia.
Priorización de casos de Humedales según antecedentes generados.
Río Valle Ancho 2 – N° 6 en lista de priorización
Generación de ranking para priorización
Monitoreo de Humedales Altoandinos
Teniendo la lista de humedales priorizados, es necesario contextualizarlos y realizar análisis mas profundos que permitan demostrar una posible causalidad antrópica de los procesos observados.
Post Priorización
Monitoreo de Humedales Altoandinos
App R Shiny (desarrollo 2018) Visualización de resultados a nivel de pixel
Conclusiones
• Uno de los primeros sistemas de monitoreo de vegetación y en especial de humedales altoandinos a nivel de estado.
• Gracias a esta herramienta, podemos llegar a casos de afectación de humedales que podrían no estar siendo visibilizados por la población, dada la dificultad de acceso de muchos de ellos.
• El monitoreo de humedales altoandinos podría servir, además, como efecto disuasivo sobre los regulados de la zona.
• La gran disponibilidad de herramientas de computo de alto rendimiento en la nube y disponibilidad de base de datos satelitales abren un nuevo mundo de posibilidades en el desarrollo de herramientas BigData satelital.
Denisse CastilloEquipo de GeoinformaciónDepartamento de Gestión de la Información23 de septiembre de 2019
denisse.castillo@sma.gob.cl
Monitoreo semi-automatizado de vegetación en humedales altoandinos