El laboratorio Global Land Analysis and Discovery (GLAD) de la Universidad de Maryland, bajo la dirección del profesor Matt Hansen, ha creado el primer mapa global de la cubierta del dosel arbóreo. Este mapa monitorea el cambio en la cubierta del dosel de manera gradual a lo largo del tiempo usando un algoritmo para distinguir estos cambios a través de imágenes satelitales. Abarca la pérdida y ganancia de masa forestal desde el año 2000 y se actualiza anualmente. Presentamos tres casos de estudio en los que tres países utilizan el mapa de la cubierta forestal mundial para demostrar cómo las observaciones de la Tierra y los conjuntos de datos mundiales son usadas por los diferentes países para seguimiento e información.
Antecedentes
Las definiciones usadas para este producto son: los árboles son vegetación de más de cinco metros de altura; la pérdida de bosques es la perturbación o cambio en un análisis de series temporales de Landsat de 2000-2019, y la ganancia de cobertura forestal es el cambio de no bosque a bosque entre 2000 y 2012. (
Hansen et al, 2016). Este mapa ha mejorado el entendimiento de los cambios forestales inducidos por el hombre y los que se producen de forma natural. Estos datos apoyan el análisis de las implicaciones locales y globales de la pérdida de bosques en los sistemas sociales, ambientales y económicos. Las ganancias o pérdidas de cobertura forestal señalan muchos aspectos importantes de un ecosistema, como la regulación del clima y el almacenamiento de carbono. Hasta la publicación de este mapa, no se podían obtener datos detallados y precisos basados en satélites y fácilmente disponibles desde una escala local hasta una escala global. El mapa se basa en datos del Landsat (escala de 30 metros de resolución). Este mapa revela tendencias que pueden orientar los esfuerzos futuros para preservar el bosque y supervisa gradualmente los cambios en la cubierta del dosel a lo largo del tiempo, usando un algoritmo para distinguir estos cambios por medio de imágenes satelitales.
Desde que la Universidad de Maryland publicó el primer mapa mundial de la cubierta forestal, los países tropicales que trabajan en la generación de datos de actividad o pérdida de área forestal para informar a REDD+ han utilizado este mapa global en sus sistemas de monitoreo. Algunos países lo usaron para completar sus datos y otros lo usaron para mejorar su metodología de mapeo con nuevos algoritmos.
Estudio de caso de Perú
El Sistema Nacional de Monitoreo Forestal de Perú utilizó inicialmente la información provista por el laboratorio Global Land Analysis and Discovery (GLAD) de la Universidad de Maryland, específicamente en las etapas de preprocesamiento y clasificación de la cobertura. Durante estas dos etapas, se produjo un fortalecimiento en las capacidades de los investigadores de GLAD para los especialistas en Perú. La Universidad de Maryland, con el apoyo del programa estadounidense SilvaCarbon, capacitó a personal técnico del Ministerio del Ambiente del Perú (MINAM) para usar su algoritmo y generar métricas de pérdida de cobertura arbórea. El siguiente paso fue la etapa posterior a la clasificación que se realizó totalmente en Perú con la participación de varias instituciones como OTCA, SERFOR y MINAM, entre otras. Estas instituciones formaron parte de los procesos de evaluación de la incertidumbre y cuantificación de los mapas finales. Finalmente, el MINAM y el SERFOR desarrollaron el primer Nivel de Referencia de Emisiones Forestales usando la metodología GLAD en Perú.
Estudio de caso de Paraguay
En un principio, el Sistema Nacional de Monitoreo Forestal de Paraguay utilizó fuentes de datos globales sobre la cobertura y el uso de la tierra, como información de fondo sobre la deforestación en Paraguay, destacando el mapa de Hansen et al. (2013). Por último, en el marco de la fase preparatoria de REDD+, siguiendo el flujo de trabajo de la imagen, se generó el primer mapa nacional de pérdida de cobertura forestal en 15 años, que sirvió de base para la elaboración del Informe sobre Niveles de Cobertura Forestal. Referencia de emisiones forestales. La principal ventaja de disponer de datos globales es validar los resultados obtenidos a nivel nacional. Además, actualmente se utilizan datos globales como las Alertas GLAD (Universidad de Maryland/Global Forest Watch) para completar el sistema nacional de monitoreo forestal.
Estudio de caso de Guatemala
Actualmente, el Instituto Nacional de Bosques (INAB) está actualizando el mapa de cobertura forestal de Guatemala de 2018. El producto actualizado incluirá cambios de 2016 a 2018 usando la metodología del INAB y una máscara de bosque de palma derivada de los algoritmos GLAD de la Universidad de Maryland. La integración de los datos forestales con los datos de palma y la nueva clasificación se realizó en Google Earth Engine. Los datos se descargan para su limpieza y edición manual. Al editar las áreas que representaban una dificultad en la clase definida, la información se corrobora con los datos globales de GLAD para tener una referencia en la interpretación. Además, los datos GLAD se utilizan para validar la clase de bosque. Este mapa aún se encuentra en proceso de edición manual.
Impacto
Aunque el producto GLAD global no está calibrado en su totalidad con los datos de los países y a veces no representa las clasificaciones de las tierras de cada país, los algoritmos usados para el procesamiento de las imágenes de satélite para detectar el cambio de cobertura facilitan el análisis del seguimiento de los cambios forestales. En estos tres casos, vemos cómo el mapa global de la cobertura forestal puede incorporarse a las diferentes etapas de generación de datos nacionales. Otros países con retos similares pueden replicar estos tres ejemplos.
