103191 by UNIGIS América Latina

Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en

Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg ǀ Universidad de Salzburg

Análisis Multitemporal de las Zonas Forestales en la Zona de INTAG – Ecuador - Período 2010 al 2013 Multi-temporal Analysis of Forest areas in the INTAG Zone – Ecuador by/por

José Raúl Guzmán Paz 1223216 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science (Geographical Information Science & Systems) – MSc (GIS)

Quito - Ecuador, Octubre de 2015

Compromiso de Ciencia Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente el resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.

Quito â&#x20AC;&#x201C; Ecuador, octubre de 2015. ____________________________________________________________________ (Lugar, Fecha) (Firma)

RESUMEN.

La presente investigación presenta una metodología para determinar, cuantificar y visualizar las coberturas de bosque y los cambios ocurridos en estas en un lapso de tres años, en la zona de Intag, provincia de Imbabura (Ecuador). La metodología se aplicó para imágenes satelitales del sensor Landsat 7 ETM+, para los años 2010 y 2013, el software a utilizar fue CLASlite en su versión 3.1. Con la determinación de las áreas boscosas, fue posible elaborar los mapas de línea base forestal (bosque año 2010 = 844,48 Km2; bosque año 2013 = 803,02 Km2), mapa de deforestación y perturbación en el período 2010 al 2013 (deforestación = 63,32 Km2 y perturbación = 15,67 Km2) representando los cambios ocurridos en las áreas forestales, obteniendo el dato promedio anual de deforestación = -1,42% y perturbación = -0,35%, a partir de imágenes satelitales de mediana resolución (30 x 30 metros cada pixel). Los resultados de la validación para la detección de cambio: deforestación y perturbación indicaron una fuerza de concordancia casi perfecta (Coeficiente Kappa = 0,92). De acuerdo a los resultados obtenidos en la investigación, la metodología CLASlite para la determinación de las áreas boscosas y los cambios ocurridos en las mismas en un período de tiempo determinado, es una alternativa viable principalmente en la implementación de proyectos de monitoreo forestal.

Palabras clave: Monitoreo, línea base forestal, deforestación, degradación, perturbación, CLASlite, multitemporal.

ABSTRACT.

This research presents a methodology to identify, quantify and visualize the coverage of forest and changes in these over a period of three years, in the Intag zone, province of Imbabura (Ecuador). The methodology was applied to satellite images from Landsat 7 ETM + sensor, for the years 2010 and 2013, the software used was CLASlite version 3.1. With the determination of forested areas it was possible to produce: Maps of forest baseline (Forest year 2010 = 844.48 km 2, forest year 2013 = 803.02 km2), map of deforestation and disturbance from 2010 to 2013 (deforestation = 63.32 km2 and disturbance = 15.67 km2), representing changes in forest areas, giving the average annual deforestation data = -1.42% and disturbance = -0.35%, based on satellite images medium resolution (30 x 30 meters each pixel). The validation for the detection of change: deforestation and disturbance indicated almost perfect agreement (Kappa coefficient = 0.92). According to the results of the research, the methodology CLASlite for determining forested areas and changes in them over a period of time, is a viable alternative mainly in the implementation of projects for forest monitoring.

Keywords: Monitoring, baseline forestry, deforestation, degradation, disturbance, CLASlite, multitemporal.

CONTENIDO RESUMEN. .............................................................................................................3 ABSTRACT.............................................................................................................4 LISTADO DE TABLAS. ..........................................................................................8 LISTADO DE FIGURAS..........................................................................................9 CAPITULO I ..........................................................................................................11 1. INTRODUCCIÓN ..............................................................................................11 1.1. ANTECEDENTES DEL PROBLEMA ........................................................ 11 1.2. OBJETIVOS ............................................................................................... 12 1.2.1. OBJETIVO GENERAL ......................................................................... 12 1.2.2. OBJETIVOS ESPECÍFICOS................................................................ 12 1.3. PREGUNTA DE INVESTIGACIÓN ............................................................ 12 1.4. JUSTIFICACIÓN ........................................................................................ 13 1.5. ALCANCE .................................................................................................. 15 CAPITULO II .........................................................................................................17 2. REVISIÓN DE LITERATURA ...........................................................................17 2.1. LA DEFORESTACIÓN ............................................................................... 17 2.1.1. LA DEFORESTACIÓN Y LA DEGRADACIÓN FORESTAL COMO FACTORES DE INCIDENCIA EN EL CAMBIO CLIMÁTICO ............................ 17 2.1.2. PROBLEMÁTICA DE LA DEFORESTACIÓN EN INTAG. ...................... 20 2.2. SISTEMAS DE INFORMACIÓN GEOGRÁFICA SIG................................. 21 2.2.1. ¿Qué significan las siglas SIG? .......................................................... 21 2.2.2. Definición de un SIG ............................................................................ 22 2.2.3. Componentes de un SIG ..................................................................... 22 2.3. TELEDETECCIÓN. .................................................................................... 23

2.3.1 LAS ONDAS ELECTROMAGNÉTICAS. .................................................. 25 2.3.2. SENSORES Y PLATAFORMAS. ............................................................ 30 2.3.3. PRINCIPALES SENSORES Y PRODUCTOS. ....................................... 32 2.3.3.1. LandSat. ........................................................................................... 32 2.3.3.2. Ikonos. .............................................................................................. 33 2.3.3.3. Spot. ................................................................................................. 34 2.3.3.4. QuikBird. ........................................................................................... 35 2.3.3.5. Aqua y Terra. .................................................................................... 36 2.3.4. PROCESAMIENTO DE IMÁGENES DIGITALES. .................................. 37 2.3.5. ANÁLISIS MULTITEMPORAL DEL CAMBIO DE USO DEL SUELO. ..... 38 2.3.6. METODOLOGÍAS PARA EL ANÁLISIS MULTITEMPORAL FORESTAL. .......................................................................................................................... 39 2.4. VALIDACIÓN DE RESULTADOS. ............................................................. 42 CAPITULO III ........................................................................................................46 3. METODOLOGÍA ...............................................................................................46 3.1. UBICACIÓN DEL ÁREA DE ESTUDIO...................................................... 46 3.2. CARACTERÍSTICAS GENERALES DE LA ZONA DE INTAG................... 48 3.3. FLUJOGRAMA DE LA METODOLOGÍA APLICADA. ................................ 51 3.3.1. Fase 1. Recopilación de Información................................................... 51 3.3.2. Fase 2. Pre-procesamiento.................................................................. 53 3.3.3. Fase 3. Procesamiento con el software CLASlite 3.1. ......................... 54 3.3.4. Fase 4. Generación de Información..................................................... 61

3.3.5. Fase 5. Validación de los resultados. .................................................. 61 3.3.6. Fase 6. Uso de la Información. ............................................................ 63 CAPITULO IV........................................................................................................64 RESULTADOS Y ANÁLISIS.................................................................................64 4. RESULTADOS..................................................................................................64 4.1. Fase 1: RECOPILACIÓN DE INFORMACIÓN........................................... 64 4.2. FASE 2: PRE-PROCESAMIENTO............................................................. 65 4.3. FASE 3: PROCESAMIENTO CON EL SOFTWARE CLASLITE 3.1. ......... 66 4.4. FASE 4: GENERACIÓN DE INFORMACIÓN. ........................................... 69 4.5. FASE 5: VALIDACIÓN DE LOS RESULTADOS........................................ 76 4.7. ANÁLISIS DE RESULTADOS.................................................................... 77 4.7.1. Validación. ........................................................................................... 77 4.7.2. Interpretación de resultados. ............................................................... 77 4.7.3. Calidad y disponibilidad de los datos. .................................................. 78 4.7.4. Pre-procesamiento............................................................................... 78 4.7.5. Procesamiento. .................................................................................... 78 CAPITULO V.........................................................................................................81 5. CONCLUSIONES. ............................................................................................81 ANEXOS. ..............................................................................................................89

LISTADO DE TABLAS. Tabla No. 1. Agentes históricos de la deforestación en la Zona de Intag .............20 Tabla No. 2. Agentes potenciales de deforestación en la Zona de Intag. .............21 Tabla No. 3. Longitud de onda de la luz visible. ....................................................27 Tabla No. 4. Principales Características de las bandas del espectro electromagnético usadas en teledetección ....................................................29 Tabla No. 5. Propiedades de las Resoluciones de un Sensor...............................31 Tabla No. 6. Características Landsat. ...................................................................33 Tabla No. 7. Características Ikonos. .....................................................................34 Tabla No. 8. Características Spot 5.......................................................................35 Tabla No. 9. Características QuikBird. ..................................................................36 Tabla No. 10. Características MODIS. ..................................................................37 Tabla No. 11. Valoración del Coeficiente Kappa. ..................................................45 Tabla No. 12. Distribución de los bosques protectores de la zona de Intag. .........49 Tabla No. 13. Información de las Imágenes Satelitales. .......................................64 Tabla No. 14. Matriz de Confusión para la verificación de la Deforestación y Perturbación...................................................................................................76

LISTADO DE FIGURAS. Figura No. 1. Deforestación y contaminación por minería ilegal. ..........................18 Figura No. 2. Perturbación forestal........................................................................18 Figura No. 3. Flujograma de causas directas y subyacentes de la deforestación. 19 Figura No. 4. Componentes de un SIG. ................................................................23 Figura No. 5. Esquema de un Sistema de Teledetección. ....................................25 Figura No. 6. Longitud de Onda. ...........................................................................26 Figura No. 7. Espectro Electromagnético. .............................................................26 Figura No. 8. Mapa de Ubicación del Área de Estudio. .........................................47 Figura No. 9. Mapa de Bosques Protectores de la zona de Intag. .......................50 Figura No. 10. Esquema Metodológico implementado para el Monitoreo de Bosques. ........................................................................................................51 Figura No. 11. Ubicación del área de interés en una imagen Landsat 7. ..............52 Figura No. 12. Corrección Imagen Landsat 7 ETM+. ............................................53 Figura No. 13. Preparación de la imagen en CLASlite. .........................................55 Figura No. 14. Metodología de procesamiento de CLASlite..................................56 Figura No. 15. Flujo de Procesamiento para el sub-modelo de Segregación Espectral Automatizada (AutoMCU) en CLASlite...........................................58 Figura No. 16. Muestra de puntos aleatorios sobre la ortofotomosaico en la zona de Intag. .........................................................................................................62 Figura No. 17. Captura de pantalla para visualizar la zona de inspección seleccionada por los puntos aleatorios. .........................................................63 Figura No. 18. Imagenes Landsat 7 de la zona de estudio. ..................................64 Figura No. 19. Imagenes Landsat 7 Corregidas....................................................65 Figura No. 20. Delimitación del Área de Estudio. ..................................................66

Figura No. 21. Imagenes Landsat 7 delimitadas ...................................................66 Figura No. 22. Imagenes en Composición RGB 4, 6, 3.........................................67 Figura No. 23. Imagenes de Reflectancia. ............................................................67 Figura No. 24. Imagenes Térmicas. ......................................................................67 Figura No. 25. Imagen de composición de color a partir de las coberturas fraccionales . ..................................................................................................68 Figura No. 26. Imagenes de Bosque, No Bosque y No Data. ...............................69 Figura No. 27. Mapa de Línea Base Forestal de Intag año 2010. .........................70 Figura No. 28. Mapa de Línea Base Forestal de Intag año 2013. .........................71 Figura No. 29. Imagen de Deforestación y Perturbación período 2010 al 2013. ...72 Figura No. 30. Área de deforestación y perturbación en Intag en el período 2010 al 2013. ..............................................................................................................72 Figura No. 31. Promedio anual de deforestación y perturbación en Intag en el período 2010 al 2013. ....................................................................................73 Figura No. 32. Mapa de Deforestación de Intag en el período del 2010 al 2013...74 Figura No. 33. Mapa de Perturbación de Intag en período del 2010 al 2013 ........75 Figura No. 34. Mapa de verificación de actividad antrópica en la zona minera de Intag período 2010 al 2013. ...........................................................................80

CAPITULO I 1. INTRODUCCIÓN 1.1. ANTECEDENTES DEL PROBLEMA Los bosques son uno de los elementos naturales esenciales para el desarrollo de los pueblos enfocados en modelos sustentables y que hacen uso de sus bondades como: la provisión de alimentos, medicinas, minerales, combustible, reguladores del ciclo del agua y erosión del suelo, fijadores de carbono y purificadores de aire, valor estético, albergue de innumerables especies de plantas y animales, son solo algunos beneficios que sirven como dinamizadores de la economía en donde estos están ubicados.

Cuando las áreas boscosas se transforman en otros usos del suelo, existe una liberación neta de carbono a la atmósfera. Este cambio puede ser súbito, y ocurrir en cuestión de horas en el caso de incendios, o tener un proceso natural y durar años en el caso de la descomposición a partir de la tala, puesto que la madera usable solo representa un porcentaje y no su totalidad. Las emisiones netas de carbono se pueden calcular mediante el análisis de la disminución o el aumento de las áreas boscosas.

Ecuador es un país forestal con una diversidad biológica muy alta. Sin embargo, sus áreas boscosas están bajo presión por la deforestación a causa principalmente por la ampliación de la frontera agrícola producto de una explotación poco planificada de los recursos naturales renovables y no renovables.

Contradictorio a las propuestas políticas ambientales anunciadas por parte del Gobierno actual, la zona de Intag en el Ecuador se encuentra en una situación muy delicada, por cuanto posee una cantidad considerable de recursos minerales (principalmente cobre), en su subsuelo, característica que la ha puesto en la mira, por parte del Gobierno a ser explotada, hecho que ha enmarcado una lucha constante por parte de ciudadanos de la zona con el fin de mantener bajo tierra

estos recursos y evitar así las consecuencias inevitables que conlleva la extracción minera en relación al deterioro ambiental.

Esta situación ha puesto a la zona de Intag, con un peligro constante de extracción minera ilegal, a pequeña escala, lo cual pone en alerta a las autoridades y organizaciones no gubernamentales a la constante vigilancia para evitar dicha amenaza. Por tal razón una de las herramientas de vigilancia continua en la zona es atreves del control del área forestal, puesto que de esta manera se puede estimar la existencia de actividad extractivista ilegal por el hecho de la reducción del área forestal para la realización de este tipo de actividades.

1.2. OBJETIVOS 1.2.1. OBJETIVO GENERAL Realizar un análisis multitemporal de las superficies forestales en la zona de Intag – Ecuador, en el período 2010 – 2013

1.2.2. OBJETIVOS ESPECÍFICOS 1.

Determinar las coberturas de deforestación y degradación forestal en la zona de Intag para los años 2010 al 2013.

Crear una línea base o escenario de referencia del área boscosa en la zona de Intag para el año 2010 y 2013.

Establecer la tendencia de cambio en las superficies forestales de la zona de Intag (Detección de Cambios) para el periodo 2010 – 2013.

1.3. PREGUNTA DE INVESTIGACIÓN ¿Es posible determinar los cambios de la cobertura de bosques en la zona de Intag (Ecuador) mediante el análisis y procesamiento digital de imágenes satelitales?

1.4. JUSTIFICACIÓN El Ecuador es considerado uno de los países más mega diversos en el mundo, esta condición es gracias a una amplia cobertura boscosa y corresponden a los sistemas biodiversos más importantes como es el bosque subtropical amazónico y en el caso del presente estudio al Corredor Biológico Chocó. En este sentido el Ministerio del Ambiente del Ecuador (MAE, 2011a, p.43), manifiesta: “Los bosques son el hogar del 90% de todas las especies de plantas, animales e insectos del mundo, sobresaliendo los bosques tropicales con índices de biodiversidad muy altos”

El bosque se ha constituido en el soporte económico de comunidades, quienes implementan medios de producción desarrollados recientemente, que han puesto en riesgo la biodiversidad sin respetar los preceptos de sustentabilidad o conservación y que no aseguran la disponibilidad de recursos para futuras generaciones; entre las principales actividades de este tipo está el avance de la frontera agrícola y los proyectos extractivistas.

La zona de Intag se encuentra en un lugar privilegiado de la Sierra Norte del Ecuador, este territorio forma parte de un ecosistema muy diverso, delicado y vulnerable, el cual debe ser protegido y restaurado.

Los entes directamente involucrados como autoridades de Gobiernos Autónomos a nivel Parroquial, Municipal y Provincial, Ministerio del Ambiente, Organizaciones Sociales, buscan implementar estrategias para la toma de decisiones correctas, situación que puede ser viable con un análisis multitemporal de imágenes satelitales para el cuidado y restauración de los bosques en la zona de Intag, tratando de fomentar un modelo de desarrollo socio – económico que respete la naturaleza y generando nuevas oportunidades incentivando la preservación para el buen vivir.

La ausencia de información que permita conocer la verdadera situación de los bosques con respecto de la deforestación o por la inclusión de proyectos extractivistas mineros, deriva en acciones y resultados de bajo impacto y que

propenden a la resistencia como único medio para sostener sus principios, dejando de lado argumentos técnicos que facilitaría el dialogo consensuado.

Es así que el monitoreo constante de las áreas boscosas es de vital importancia principalmente para mantener intactos los remanentes boscosos existentes o implementar un aprovechamiento responsable y seguir siendo beneficiarios de sus bondades, además de desarrollar estrategias viables como compensación económica por conservación, bioprospección, aprovechamiento de la belleza escénica, entre otros. . Las nuevas metodologías hacen uso de imágenes satelitales y softwares específicos diseñados y probados en el tema de sistemas de información geográfica y teledetección, sumados a imágenes de alta resolución como las fotografías áreas por ejemplo para obtener resultados con un alto grado de precisión a la hora de analizar el cambio sufrido por una determinada área de superficie terrestre y sus componentes en un periodo de tiempo establecido, es así como se encuentra fácilmente en la red programas de libre uso como CLASlite que haciendo uso de imágenes satelitales Landsat que también son de libre acceso se puede obtener resultados de muy buena calidad en ámbito de monitoreo forestal o análisis multitemporal de áreas boscosas como lo corrobora la investigación de Haruna, Home y Nyadawa (2014), la cual usa CLASlite para determinar el cambio de uso de suelo de la cuenca del río Nanyuki en Kenya consiguiendo resultados exitosos.

De esta manera se fortalece la dinámica en los trabajos dedicados a la conservación y monitoreo forestal apuntando a contribuir en la vigilancia y evitar al máximo posibles fragmentaciones o asechos ilegales.

Una planificación de índole productiva, conservacionista o mixta como es el caso del manejo sostenible de bosques que implica la conservación con un enfoque productivo mediante el turismo ecológico por ejemplo, puede realizarse y mantenerse en el tiempo, tomando como estrategia el monitoreo de los bosques

que vienen a ser el ingrediente principal o la materia prima para el desarrollo de un modelo productivo sustentable y saludable a favor de todos y todas.

1.5. ALCANCE La cuantificación de la línea base del área forestal de una zona de interés permite demostrar técnicamente el área total del bosque en una fecha determinada. Esto permitirá la generación de un esquema de seguimiento efectivo de esta cobertura de manera constante y su respectivo análisis para determinar su estado actual, y de encontrarse con situaciones de cambio de la cobertura como por ejemplo por situaciones extractivitas ilegales poder actuar de manera inmediata.

Otro de los alcances que busca el presente estudio, es considerar el emprendimiento de estrategias de conservación o vigilancia en áreas susceptibles a la deforestación y degradación, implementando mecanismos como la creación de grupos locales de guarda parques o establecer rutas o puntos de vigilancia, involucrando a las autoridades locales y población en estas actividades.

El presente trabajo constituye el análisis multitemporal del área forestal de la zona de Intag en el período del 2010 al 2013 a una escala gráfica de 1: 400.000 y una escala de trabajo de 1: 50.000, tomando esta información como insumo para la realización de control y vigilancia de las áreas boscosas, que mediante la réplica de este trabajo se logre establecer constante monitoreo y emprender acciones enfocadas a la conservación y el manejo sustentable de las mismas por parte de las autoridades locales y la población civil influyentes en la toma de decisiones y resolución de problemas de la zona.

El proceso del trabajo, desde la obtención de los datos primarios (imágenes satelitales) hasta la generación de las imágenes de cambio del área forestal estará documentado orientado a servir como fuente de consulta para establecer continuos estudios de monitoreo y vigilancia forestal en la zona por parte de instituciones públicas como: 

Gobierno Autónomo Descentralizado Provincial Imbabura



Gobierno Autónomo Descentralizado Cantonal Cotacachi



Gobierno Autónomo Descentralizado Cantonal Otavalo



Gobierno Autónomo Descentralizado Rural Parroquial Apuela



Gobierno Autónomo Descentralizado Rural Parroquial Peñaherrera



Gobierno Autónomo Descentralizado Rural Parroquial Seis de Julio de Cuellaje



Gobierno Autónomo Descentralizado Rural Vacas Galindo



Gobierno Autónomo Descentralizado Rural Parroquial García Moreno



Gobierno Autónomo Descentralizado Rural Parroquial Plaza Gutiérrez



Gobierno Autónomo Descentralizado Rural Parroquial Selva Alegre

Organizaciones No Gubernamentales como: 

Defensa y Conservación Ecológica de Intag (DECOIN)



Fondo Ecuatoriano de Desarrollo Sustentable (FED)

Entre otras organizaciones o personas particulares como investigadores, estudiantes, etc., tendrán la oportunidad de acceder a este trabajo y tener de referencia en proyectos relacionados al área forestal y sus cambios en la zona de Intag.

CAPITULO II 2. REVISIÓN DE LITERATURA

2.1. LA DEFORESTACIÓN

2.1.1. LA DEFORESTACIÓN Y LA DEGRADACIÓN FORESTAL COMO FACTORES DE INCIDENCIA EN EL CAMBIO CLIMÁTICO Según Butler (2009), los bosques se los considera como el pulmón de la humanidad, estos juegan un papel importante en la producción de oxígeno y la fijación del carbono atmosférico por medio de la fotosíntesis, secuestrando el carbono del ambiente y manteniéndolo en su constitución fisiológica. Cuando los bosques sufren un incendio por ejemplo, todo el carbono almacenado se libera a la atmósfera como dióxido de carbono, siendo este uno de los gases principales que constituyen los denominados gases de efecto invernadero. Otra manera de liberación de dióxido de carbono es cuando el bosque es talado y la madera desechada como basura o la que no es usada en la industrialización, se pudre y así libera todo el carbono almacenado a la atmósfera.

Butler (2009, ¶13), argumenta también que: “Los incendios de los bosques liberan alrededor de dos mil millones de toneladas de bióxido de carbono a la atmósfera cada año, o alrededor del 22 por ciento de las emisiones antropogénicas de dióxido de carbono, lo cual representa una proporción mayor que la causada por la suma de todos los automóviles, camiones, barcos, aviones y trenes del planeta”. Esto demuestra la importancia de implementar un monitoreo constante de la cobertura vegetal para prevenir la emisión de gases contaminantes.

Según Brown (1997), la deforestación no es lo mismo que la degradación o perturbación forestal. Demasiado a menudo se confunden las nociones de deforestación y degradación forestal. Para evitar toda ambigüedad, hay que tener presentes algunos elementos distintivos:



Deforestación: Es la pérdida total de un área de bosque y de los depósitos de carbono (Figura No.1).

Figura No. 1. Deforestación y contaminación por minería ilegal. Fuente: El Comercio (2011)



Degradación o Perturbación: Es la reducción de la cantidad de árboles de un área boscosa determinada, sin eliminar totalmente el bosque (Figura No. 2).

Figura No. 2. Perturbación forestal. Fuente: Simula y Mansur (2011)

Para tener un enfoque global de las causas directas y subyacentes de la deforestación y degradación forestal, se hace el uso del siguiente flujograma (Figura No.3), que fue realizado para la Amazonía Peruana, pudiendo representar la realidad de la deforestación para toda Latinoamérica.

Figura No. 3. Flujograma de causas directas y subyacentes de la deforestaci贸n. Fuente: Carbon Decisi贸n International, Indufor (2012)

2.1.2. PROBLEMÁTICA DE LA DEFORESTACIÓN EN INTAG. Según Echeverría (1983), la problemática de la deforestación en Intag tiene su comienzo en los años 1880, cuando existe ya la colonización del sector, al momento de crearse el acceso vial y por ende la facilidad de transporte de la madera y de la población con su producción hacia los mercados principales de la provincia. Luego de este acontecimiento viene la construcción de otros accesos viales y sumándose con la reforma agraria se agudiza aún más la tala desmedida de las áreas boscosas. El Fondo Ecuatoriano de Desarrollo Sustentable FED (2011), menciona que el proceso de deforestación se ha acelerado en las últimas décadas debido a la falta de alternativas económicas y educativas, baja productividad de la agricultura, excesiva intermediación y baja rentabilidad agrícola, emigración, débil capacidad de gestión de los gobiernos locales y débil control de la tala ilegal e invasiones al patrimonio forestal. Mediante el análisis histórico y actual se hace una recopilación del problema de la deforestación en la zona de Intag identificando los agentes históricos y los posibles agentes potenciales de deforestación, las cuales se lo resume en las siguientes tablas No. 1 y 2 respectivamente.

Tabla No. 1. Agentes históricos de la deforestación en la Zona de Intag (FED, 2011).

Tabla No. 2. Agentes potenciales de deforestación en la Zona de Intag.

2.2. SISTEMAS DE INFORMACIÓN GEOGRÁFICA SIG.

2.2.1. ¿Qué significan las siglas SIG? Según el Centro de Altos Estudios de Geomática, CAEG (2014), existen muchas maneras de describir los Sistemas de Información Geográfica. Si se analizan las siglas por las cuales el término está conformado en el idioma inglés (GIS).

La G representa el término "geográfica", e indica que se trata de describir y manejar fenómenos geográficos. Estos fenómenos tienen como característica que están localizados en el espacio, y por eso tienen un componente geométrico y un componente descriptivo.

El componente geométrico refiere a la posición del fenómeno u objeto respecto a un sistema de referencia (sus coordenadas).

El componente descriptivo refiere a las características cualitativas o cuantitativas de estos fenómenos (por ejemplo: el nombre y la longitud de una calle, la salubridad de un árbol, etc.)

La I representa el término "información", e indica que no es solo cuestión de tener un repositorio de datos sobre objetos geográficos, sino que el SIG tiene que apoyar

a que estos datos se conviertan en información válida para diferentes propósitos, por ejemplo: la toma de decisiones sobre la gestión del territorio.

Esta conversión ocurre cuando los datos son estructurados, manipulados e interpretados por los (diferentes tipos de) usuarios, así que el SIG tiene que facilitar las herramientas adecuadas para este proceso.

La S representa el término "sistema", que se define como, un conjunto de elementos que interactúan entre sí para realizar ciertos propósitos. En este contexto refiere a la capacidad de SIG de vincular el componente geométrico al componente descriptivo de los objetos espaciales, y también a la interacción de los diferentes elementos o módulos del sistema para lograr los objetivos del mismo.

2.2.2. Definición de un SIG Luego de haber conocido los términos de las siglas SIG, se puede definir a los Sistemas de Información Geográfica como: “Un conjunto de componentes que nos van a permitir las funciones de captura, almacenamiento, administración, análisis, modelamiento y representación gráfica, información geográfica para la resolución de problemas complejos de planificación y gestión” (CAEG, 2014, p.4).

2.2.3. Componentes de un SIG Un SIG se compone de cinco elementos importantes (Figura No. 4):  Hardware de la computadora  Software de un conjunto de módulos de aplicación  Datos  Métodos o geo-procesos  Personal o Talento Humano

Figura No. 4. Componentes de un SIG. Fuente: Universidad Nacional de Colombia (2014).

2.3. TELEDETECCIÓN. La teledetección es conocida también como observación remota y engloba a una dinámica existente entre la obtención de imágenes y su tratamiento para una determinada aplicación. Así Chuvieco (1996, p.24) define a la teledetección como “aquella que permite adquirir imágenes de la superficie terrestre desde sensores instalados en plataformas espaciales, asumiendo que entre la Tierra y el sensor existe una interacción energética, ya sea por reflexión de la energía solar o de un haz energético artificial, ya por emisión propia”

Este haz energético recibido por el sensor debe ser almacenado convenientemente, sea en el mismo satélite o en una estación remota, con el fin de poder interpretarlo para su determinada aplicación.

Según Chuvieco (1996), un sistema de teledetección espacial posee los siguientes elementos (Figura No. 5):

Fuente de energía, se refiere a la radiación electromagnética que llega al sensor, esta puede ser de origen natural emitida por el sol que en tal caso se denomina teledetección pasiva, o de un haz energético emitido por el sensor, origen artificial, llamado teledetección activa.

Cubierta terrestre, siendo todos los elementos físicos que ocupan el relieve terrestre como la vegetación, suelo, agua o infraestructura antrópica, mismas que reciben la señal energética proporcionada esta por el sol o el sensor, reflejándose de acuerdo a sus características físicas.

Sistema sensor, dicho este como el mismo sensor ubicado en la plataforma espacial, que tiene como objetivo captar el haz energético provisto por las cubiertas terrestres, procesarlo y grabarlo o enviarlo a su vez a un sistema de recepción.

Sistema de recepción-comercialización, sistema donde se recibe la información transmitida por la plataforma espacial, donde la procesa y graba en un formato apropiado, que luego son distribuidos a los usuarios interesados.

Interprete, talento humano que procesa la información a su interés, sea esta de manera visual o digital, tratando de mejorar su calidad técnica y usarla como insumo en el análisis y solución de problemas específicos.

Figura No. 5. Esquema de un Sistema de Teledetección. Fuente: Chuvieco (1996)

2.3.1 LAS ONDAS ELECTROMAGNÉTICAS. Las fuentes de energía, componentes principales de la teledetección, son las ondas electromagnéticas (EM), estas son producidas por la vibración de las partículas cargadas, mismas que contienen propiedades eléctricas y magnéticas, las ondas EM viajan a través del espacio vacío a la velocidad constante de la luz.

Las ondas EM poseen crestas y depresiones idéntico a las olas del mar, y la distancia que tiene entre las crestas se conoce como la longitud de onda (Figura No. 6).

Figura No. 6. Longitud de Onda. Fuente: Tabernero (2010).

Así se puede encontrar longitudes de ondas EM largas que se miden en metros, y muchas pequeñas que se miden en milmillonésimas de metro o nanómetros, la unidad de medida de estas longitudes se denomina Hertz o Hercio y vienen a ser el ciclo por segundo que un número de ondas que pasa por un punto determinado, también conocido como frecuencia de onda. Así la figura No. 7 se refiriere al espectro electromagnético y algunos ejemplos de referencia a las diferentes longitudes de onda.

Figura No. 7. Espectro Electromagnético. Fuente: SURA (2014).

Las ondas EM largas, por ejemplo son las ondas de radio, poseen menos energía y una frecuencia de onda baja. Al aumentar la energía aumenta también la

frecuencia de onda, haciendo a la longitud de onda mucho más corta, en este rango se puede encontrar a los rayos gamma que son las ondas más cortas pero con mayor energía. El ojo humano puede ver solamente una pequeña región del espectro electromagnético, detectando la energía que van entre longitudes de onda de 380 a 750 nanómetros, conocida esta región del espectro como luz visible. Todos los objetos parecen tener colores, ocurriendo este fenómeno debido a la interacción de las ondas electromagnéticas con las moléculas de los mismos, todo lo que nos rodea emite, refleja y absorbe la radiación electromagnética de manera diferente según la base de su propia composición (NASA, 2013)

Las bandas de frecuencia, que son intervalos de frecuencia del espectro electromagnético, están directamente relacionadas a la longitud de onda, y específicamente en la porción del espectro electromagnético comúnmente llamado como luz visible, que va desde los 380 hasta los 750 nanómetros del espectro electromagnético, reflectan diferentes tonalidades de colores según su longitud de onda, resumiéndolo en la tabla No. 3.

Tabla No. 3. Longitud de onda de la luz visible.

Fuente: Tabernero (2010).

Los diferentes colores y tonalidades, sus diferencias y su interpretación, son las representaciones en las imágenes satelitales de los diferentes grupos vegetativos y demás grupos de la biosfera. En este sentido Araya Morales (2009, p.4) manifiesta “que en Teledetección, las bandas del espectro electromagnético de

mayor importancia las constituyen el visible, el infrarrojo cercano, medio y lejano, así como la zona de microondas”, de las cuales se detalla sus principales características en la tabla No. 4.

Tabla No. 4. Principales Características de las bandas del espectro electromagnético usadas en teledetección

Región del

Características

espectro (380 a 750nm). Se denomina así por tratarse de la única radiación electromagnética que pueden percibir nuestros ojos, coincidiendo con las longitudes de onda donde es máxima la Visible

radiación solar. Se distinguen tres bandas que corresponden a los tres colores primarios asociados a estas longitudes

onda: azul (400 - 500 nm); verde (500 - 600 nm), y rojo (600 – 700 nm). Se extiende desde 700 hasta 1300 nm. A veces se lo denomina también

infrarrojo

reflejado

fotográfico.

Sólo

puede

Infrarrojo

detectarse con filmes dotados de emulsiones especiales. En

teledetección resulta de gran importancia por su capacidad para discriminar masas vegetales y concentraciones de humedad, permitiendo conocer el estado de la vegetación. En él se evidencia en dos ventanas: una entre 1500 y 1800 nm y la otra entre 2000 y 2500 nm. En estas longitudes se

Infrarrojo

entremezclan los procesos de reflexión de la luz solar y de

medio

emisión de la superficie terrestre. Se usa para diferenciar entre hielo y nieve, para detectar focos de alta temperatura y estudiar el contenido de humedad de los suelos. Está entre 10000 y 12500 nm. Se observa aquí la energía que

Infrarrojo lejano

emiten los objetos y no la que reflejan de la luz solar, se usa en observaciones nocturnas. Son longitudes mayores a 1 mm. Son energías no afectadas por masas nubosas, de ahí su importancia en áreas con

Microondas nubosidad permanente, ya que la cubierta de nubes es prácticamente transparente. Son independientes de la luz solar. Adaptado de Araya Morales, 2009

Los trabajos investigativos, que buscan contrastar la dinámica de la cobertura boscosa de una zona determinada, utilizan imágenes correspondientes a dos tiempos

distintos

que

electromagnético del

respaldan

preferentemente

espectro

infrarrojo (1500 a 2500 nanómetros), que según Araya

Morales (2009) se usa para discriminar masas vegetales, concentraciones de humedad, estado vegetativo, observaciones nocturnas por medio de la temperatura de los objetos, para diferenciar bloques de hielo y nieve y otros procesos.

Según la Institución Carnegie para la Ciencia (2013), desde los años 60 en materia de teledetección se pueden crear mapas de cobertura del suelo mediante la discriminación de zonas homogéneas a través de sus firmas espectrales, que con el uso de imágenes satelitales y utilizando técnicas de clasificación pixel por pixel, se puede extraer coberturas de superficie como por ejemplo bosque, roca, suelo descubierto, etc.

2.3.2. SENSORES Y PLATAFORMAS. Existen dos tipos de sensores, determinados por la señal reflejada, misma que puede ser pasiva o activa, es decir solar o haz energético artificial respectivamente, existiendo también una clasificación mediante la manera en que almacena la información captada: de antena, óptico electrónico y fotográfico. Una de las características principales de los sensores es su resolución, de la cual se agrupan cuatro propiedades: espacial, espectral, radiométrica y temporal, sus propiedades se las define en la tabla No. 5.

Tabla No. 5. Propiedades de las Resoluciones de un Sensor.

Resolución

Propiedades Medida de la distancia angular o linear más pequeña que puede captar un sensor-superficie de la tierra

Resolución Espacial

representada por un pixel. (Alta resolución: (0.5-1 metos) Media resolución: (15-30metros) y baja resolución: (250 – 1000 metros). Tamaño y número de intervalos de longitud de onda especifica del

Resolución Espectral

espectro EM que puede ser detectado por un sensor. (Número y anchura de las bandas). Define la sensibilidad de un detector a las diferencias de fuerza de la señal

Resolución Radiométrica

detectada. (Esto es cuantos tonos de grises puede discriminar el sensor ejemplo para 8-bit el rango es 0-255, para 7-bit 0- 128, etc.) Define la frecuencia con que un

Resolución Temporal

satélite puede obtener imágenes de un área en particular. (Cada cuanto toma una imagen del mismo punto).

Fuente: UNESCO RAPCA, s.f.

En el grupo de los sensores pasivos, el aparato que permite tomar la imagen es una cámara fotográfica, siendo este el medio de captura gráfico más importante, usualmente se usa película pancromática, a color e infrarroja.

De la misma manera existen dos tipos de plataformas, unas son las situadas dentro de la atmosfera terrestre como aviones, drones o globos aerostáticos (plataforma

suborbital), y las que se encuentran situadas fuera de la atmósfera, en los satélites (plataforma orbital) (Olaya, 2011).

2.3.3. PRINCIPALES SENSORES Y PRODUCTOS. En la actualidad existen muchos satélites puestos en órbita. Este capítulo se enfoca a listar los sistemas de teledetección, sus características y productos que proporcionan datos especialmente relacionados al estudio y análisis forestal o terrestre.

2.3.3.1. LandSat. Esta misión puso en órbita siete satélites, entre 1972 y 1999, teniendo un amplio volumen de datos obtenidos, poniendo como uno de los principales sensores para la adquisición de datos en la actualidad (Olaya, 2011).

Las utilidades de este sensor son:  Inventario agronómico  Previsión de cosechas  Evaluación y control de zonas regables  Planificación hidrológica de cuencas  Cartografía de los usos de suelo  Control de la contaminación de aguas y suelos, entre otros.

Las principales características de la imagen Landsat se las resume en la tabla No.6: Tabla No. 6. Características Landsat.

Fuente: INGTELSIG (2010).

2.3.3.2. Ikonos. Satélite lanzado en 1999, modos pancromático y multiespectral, escenas de 11 x 11 Km, permite la revisita de un mismo sitio en menos de tres días (Olaya, 2011).

Las utilidades de este sensor son:  Producto GEO. Fotointerpretación y análisis que no necesiten una gran exactitud posicional.  Producto Reference. Cartografía de grandes superficies y aplicaciones SIG para medios de comunicación y otros mercados comerciales.  Producto Pro. Planificación urbana, estudios de impacto etc., para administración local y regional.  Producto Precisión. Estudios de impacto ambiental, transporte y planificación urbana, etc., para la administración local y regional, la agricultura, las telecomunicaciones y servicios a los usuarios finales.  Producto Precisión Plus. Cartografía urbana, aplicaciones SIG que requieren una gran precisión de localización.

Las principales características de la imagen Ikonos se las resume en la tabla No.7:

Tabla No. 7. Características Ikonos.

Fuente: INGTELSIG (2010).

2.3.3.3. Spot. Conjunto de satélites lanzados inicialmente por la agencia espacial francesa, de los cinco satélites puestos en órbita, dos siguen en funcionamiento actualmente, siendo el Spot 5 el más usado, teniendo un campo de visión de 60 Km x 60 Km., con una gama de resolución de 20 m. a 2,5 m., para trabajos a escala nacional o regional, el período de revista es entre uno a cuatro días (Olaya, 2011).

Las utilidades de este sensor son:  Procesamiento geométrico de la imagen  Fotointerpretación  Estudios temáticos  Constitución de MDT a partir de pares estereoscópicos,

Las principales características de la imagen Spot 5 se las resume en la tabla No.8: Tabla No. 8. Características Spot 5.

Fuente: INGTELSIG (2010).

2.3.3.4. QuikBird. Satélite lanzado en el 2001 por parte de la compañía Digital Globe, imágenes pancromáticas de 60 cm de resolución, y multibanda de 2,4 m. de resolución, cubre una superficie de 16,5 x 16,5 Km de resolución, la resolución temporal varía entre tres y siete días (Olaya, 2011).

Las utilidades de este sensor son:  Producto Basic. Fotogrametría de precisión gracias a los parámetros suministrados.  Producto Standard. Para pequeñas superficies o aplicaciones que no requieren una gran precisión de localización, requiere herramientas de procesamiento de imagen. 

Producto Orthorectified. Producto directamente integrable dentro de un SIG, fondo cartográfico ideal para la creación o la actualización de mapas y bases de datos SIG. Detección de cambios y otros análisis de imagen que implican una precisión de localización muy grande.

Las principales características de la imagen QuikBird se las resume en la tabla No.9:

Tabla No. 9. Características QuikBird.

Fuente: INGTELSIG (2010).

2.3.3.5. Aqua y Terra. Satélites lanzados por la NASA dentro de un proyecto de ámbito internacional, estos satélites llevan consigo diversos sensores, destacándose el sensor MODIS (Moderate Resolution Imaging Spectroradiometer), el cual está a bordo del satélite Terra (EOS a.m.) y del Aqua (EOS p.m.), la órbita del satélite Terra viaja alrededor de la tierra de norte a sur pasando por el Ecuador en la mañana, y el satélite Aqua viaja de sur a norte pasando por el Ecuador en la tarde.

Terra-MODIS y Aqua-MODIS cubren la superficie de la tierra cada 1 a 2 días, sus datos abarcan 36 bandas espectrales, lo que proporcionan importante información para el análisis de la dinámica del planeta; los cambios de la superficie terrestre, en lo océanos y en la atmósfera, esta información cabe destacar que es de libre acceso y de manera gratuita, constituyendo una fuente de datos muy relevante, principalmente para el estudio relacionado al medio ambiente (Olaya, 2011).

Las principales características de la imagen MODIS se las resume en la tabla No.10:

Tabla No. 10. Características MODIS.

Fuente: INGTELSIG (2010).

2.3.4. PROCESAMIENTO DE IMÁGENES DIGITALES. El procesamiento o tratamiento digital de imágenes es un pilar importante en la teledetección, siendo esta una aplicación de técnicas matemáticas, estadísticas y computacionales con el objetivo de mejorar, corregir, analizar y extraer datos de las imágenes captadas por los sensores satelitales. Según Eastman (2012), existen cuatro grupos de tratamiento digital de la información de las imágenes: corrección o restauración, mejoramiento, clasificación o extracción de información y transformación. La restauración es la corrección de los errores de los datos obtenidos del sensor, los defectos pueden ser por la distorsión de la geometría relacionada entre la plataforma y el sensor con la escena y la fuente de iluminación, también por las condiciones atmosféricas, esta corrección trata de obtener una representación de la superficie pegada a la realidad, la corrección puede ser radiométrica o geométrica.

El mejoramiento está enfocado en realzar la imagen a través de tratamientos y transformación de los datos y obtener un producto con una mejor apariencia ante el sistema visual, este mejoramiento puede ser mediante la aplicación de: contraste, color, suavizado, detección de borde, multi-imagen, mascara, etc. La clasificación se refiere a la interpretación de la imagen mediante tratamientos matemáticos, con el fin de extraer información específica. La transformación de imágenes significa la creación de nuevos productos obtenidos con la ayuda de módulos computacionales los cuales alteran la información de las bandas originales de la imagen.

2.3.5. ANÁLISIS MULTITEMPORAL DEL CAMBIO DE USO DEL SUELO. El análisis multitemporal como parte de la teledetección es un aporte muy valioso en el estudio del uso del suelo y los cambios que este percibe en un determinado rango de tiempo, estos cambios pueden estar relacionados al ciclo estacional de las cubiertas vegetales, catástrofes naturales o alteraciones antrópicas o cometidas por el ser humano, este análisis de cambio se puede realizar gracias a los diferentes productos de carácter visual (imágenes satelitales), que proporcionan los sensores situados en orbitas estables y de manera repetitiva de una misma área en diferentes fechas que pueden variar de horas a meses, dependiendo de las características del sensor.

El propósito de un análisis multitemporal es la comparación de una imagen determinada y constatar los cambios ocurridos en ella en un período de tiempo determinado, con el uso de las imágenes satelitales, en el mayor de los casos estos cambios se lo mide comparando pixel a pixel los valores o números digitales de ellos y establecer la diferencia entre las imágenes, por tal razón para obtener un resultado objetivo, estas imágenes deben cumplir con especificaciones acordes entre ellas, como la georreferenciación, orto-rectificación, etc.

En el caso específico de áreas forestales, se pretende determinar el cambio ocurrido en los bosques, debido esto a la deforestación, degradación o bien puede ser también a la reforestación o aforestación, puesto que el cambio se lo puede medir por perdida o ganancia del área boscosa a una escala nacional, regional o local, evaluando el impacto ambiental en las zonas de estudio y tomando decisiones mayormente efectivas (Ruiz, Savé y Herrera, 2013).

2.3.6. METODOLOGÍAS PARA EL ANÁLISIS MULTITEMPORAL FORESTAL. En la actualidad las problemáticas ambientales como el calentamiento climático, motivo que lo atribuyen a la concentración desmedida por los gases denominados de efecto invernadero, ha motivado el interés en todo el mundo a establecer estrategias que ayuden de alguna manera a la reducción de emisión de estos gases, siendo una de estas causas la deforestación y degradación de bosques tropicales. Según

Chuvieco

(1998),

creciente

énfasis

las

aplicaciones

medioambientales de la teledetección está cobrando importancia la dimensión temporal, puesto que para prevenir y evaluar una amplia variedad de fenómenos es fundamental el seguimiento de su dinámica, pudiendo ser estos procesos esporádicos (erupciones, incendios) o continuos (deforestación) sean de carácter naturales o antrópicos. Es por esto que la comunidad científica enfocó sus esfuerzos en la creación de metodologías referente al monitoreo de bosques y sus cambios ocurridos en un período de tiempo determinado, pero en su inicio estas metodologías tornaron a ser complicadas y costosas, puesto que era indispensable la recopilación de datos insitu y el uso de programas computacionales que tenían precios elevados y la capacitación para su uso era otro inconveniente por la complejidad de los mismos. En la última década este panorama ha cambiado mucho, gracias a la aplicación de los sensores remotos o teledetección y sus productos (imágenes satelitales), que se convirtieron en los datos primarios elementales para el monitoreo forestal, por ser de fácil acceso y en algunos casos gratuitos. De igual manera los

programadores de softwares mejoraron sus interfaces y metodologías para el proceso de las imágenes satelitales y su respectivo análisis multitemporal. Sin embargo es necesario tener conocimientos técnicos y prácticos para poder realizar un trabajo de monitoreo forestal satisfactorio. Existen diferentes metodologías para el monitoreo forestal mediante el tratamiento y análisis de imágenes satelitales entre ellas se tiene: La Carnegie Institution for Science y su investigador principal Gregory Asner de la Universidad de Stanford – California, con el apoyo de la Fundación Gordon y Betty Moore, la Fundación John D. y Catherine T. MacArtur informan que el monitoreo forestal está al alcance de todos y de manera gratuita, con el lanzamiento del programa Carnegie Landsat Analysis System -lite (o CLASlite) (Mercados de Medio Ambiente, 2013). Este programa fue desarrollado específicamente para la identificación automática de la deforestación y degradación forestal de zonas tropicales y subtropicales principalmente, mediante el uso de imágenes satelitales Landsat 7 por ejemplo, utilizando las bandas 1, 2, 3, 4, 5 y 7 aplicando una corrección radiométrica con el uso del modelo “6S” para luego extraer los principales conjuntos de información de la estructura del área de un bosque, como son las coberturas fraccionales de la vegetación fotosintética (VF), vegetación no-fotosintética (VNF), lo que vendría a constituir el material vegetativo viejo o seco, y de las superficies descubiertas (S) (Asner, Knapp, Balaji , y Páez-Acosta, 2009). Otro ejemplo es el proyecto PRODES (Programa de Cálculo do Desflorestamento da Amazônia) desarrollado por el Instituto Nacional de Investigaciones Espaciales (INPE)/ DPI de Brasil con la cooperación de: EMBRAPA/CNPTIA - Agencia de Investigación Agrícola del Brasil, IBM Brasil - Centro Latino-Americano de Soluciones para Ensino Superior y Pesquisa, TECGRAF - PUC Rio - Grupo de Tecnología en Computación Gráfica de PUC-Rio, PETROBRÁS/CENPES - Centro de Pesquisas "Leopoldo Miguez". K2Sistemas desarrollo su software denominado SPRING, que es un Sistema de Información Geográfica y al mismo tiempo un sistema de tratamiento de imágenes satelitales para aplicaciones en agricultura,

bosques, gestión ambiental, geografía, geología, planeamiento urbano y regional (Camara, Souza, Freitas, Garrido y Mitsuo, 1996). La metodología del software SPRING utiliza las bandas 3, 4 y 5 de imágenes Landsat con las que genera las coberturas de suelo, vegetación y sombra mediante el modelo lineal de mezclas espectrales (LSMM), selecciona la imagen de la cobertura suelo para mapear el bosque / no bosque, y mediante comparación entre dos imágenes clasificadas con un intervalo de tiempo se obtiene la imagen de cambio (Pacheco, Suárez y Lopez, 2013). Esta metodología requiere de experticia en el manejo del software y tener conocimientos en teledetección y SIG. Otro protocolo metodológico para la generación del mapa de deforestación, es el propuesto por el Ministerio del Ambiente del Ecuador en colaboración con Socio Bosque y el Consorcio para el Desarrollo Sostenible de la Ecoregión Andina (CONDESAN), mediante la clasificación y el mapeo de clases de uso y cobertura del suelo a partir de imágenes satelitales Landsat ETM+ y ASTER, mismas que se las realiza de manera independiente para cada año en el cual se va a realizar el análisis (MAE, 2012). El pre-procesamiento incluye la ortorectificación de las imágenes y eliminación de las áreas con presencia de nubes, sombra y agua de manera visual, el proceso de segmentación define polígonos homogéneos encontrados en la imagen, mismos que son generados a partir de sus clases espectrales utilizando el método no supervisado, finalmente las coberturas se revisan y editan visualmente para resolver los problemas de mezcla espectral entre cada clase. Los mapas de deforestación se lo realizan mediante la comparación de las imágenes clasificadas de diferentes fechas y estableciendo los posibles cambios entre las coberturas, que para este caso implica principalmente la del bosque, ocurridos entre las diferentes fechas previamente establecidas (MAE, 2011b). Esta metodología puede hacer uso de diferentes programas tanto de teledetección como SIG, pudiendo ser estos: ERDAS, ENVI, ARCGIS, etc., por lo que es necesario tener conocimientos en el manejo de los mismos.

Además, existen diferentes estudios relacionados al tema de análisis multitemporal de áreas boscosas y sus cambios en el tiempo, utilizando metodologías como CLASlite, teniendo diferentes conclusiones; entre ellas se tienen: Pacheco et al. (2013, p.8), presentaron la comparación de los métodos utilizados en el monitoreo de la deforestación tropical, para la implementación de estrategias REDD+, caso de estudio los Llanos Occidentales Venezolanos, la cual en su conclusión dice: “La cartografía de bosque de 2007 y 2009, fue mejor clasificada por la metodología FRA RSS – TREES 3, seguida por el método CLASlite, PRODES y FSI.” Haruna et al. (2014, p.1167), en su estudio “Land use changes across river Nanyuki catchment, Kenya”, hacen uso de CLASlite y ENVI, para determinar el cambio de uso de suelo de la cuenca del río Nanyuki en Kenya y que en su conclusión dice: “Con la detección de la pérdida de bosques corroborado por ENVI y CLASlite por el Instituto Carnegie para la Ciencia, ha demostrado ser importante en la identificación de áreas de deforestación, incluso para los bosques que no son totalmente tropicales”

2.4. VALIDACIÓN DE RESULTADOS. En la fase de validación es necesario implementar un mecanismo de auditoría de los resultados obtenidos del monitoreo del área forestal, misma que pude ser mediante uso de imágenes de alta resolución (fotografía aérea), o supervisiones de campo, que mediante una comparación con los resultados obtenidos en la clasificación de las áreas bosque y no bosque establecer su precisión y validarla para su correspondiente uso. La unidad de muestreo puede utilizar el método de puntos aleatorio simple, sistemático, estratificado o estratificado no alineado (Chuvieco, 1996), para realizar una comparación de un mismo punto (localización), entre la capa de deforestación y perturbación con la imagen de alta resolución. El tamaño de la muestra se refiere al número de puntos a utilizarse en el análisis de validación, y mientras la muestra es más grande, la evaluación será más precisa (Ministerio del Ambiente de Perú, 2014). Según Chuvieco (1996), un valor mínimo

de muestras para obtener una estimación fiable de error es de 50 muestras por cada clase temática. Según El Ministerio del Ambiente del Perú (2014), la muestra aleatoria se la obtiene teniendo en cuenta el número de puntos a crear y el tipo de capa que utilizará (líneas, polígonos o puntos), pretendiendo que la muestra sea heterogénea y distribuidos en toda el área de validación. Luego de la obtención de los puntos bien distribuidos y con un número razonable se procede a extraer los datos de la clasificación en los puntos de muestreo. Los puntos de muestreo se superponen a la capa de uso de suelo y a la imagen de alta resolución para comenzar con la verificación de las clases deforestación y perturbación. Para la tabulación de la verificación, se deben crear algunos campos en la tabla de atributos como: Código: para cada punto. Cobertura Obtenida en Procesamiento: deforestación, perturbación Cobertura en la imagen de alta resolución: deforestación, perturbación. Verificación: si los campos coinciden entre las coberturas se puede llenar con una V y F si no coinciden. Observaciones: pudiendo explicar las observaciones pertinentes. Luego de tabular las observaciones, se realiza el análisis de los datos mediante una “matriz de confusión”, la cual establecerá la confiabilidad del mapa y los errores de omisión y comisión, y por último el análisis con el “coeficiente Kappa”. (Ministerio del Ambiente del Perú, 2014) Matriz de confusión. La matriz de confusión establece una comparación entre dos clasificaciones, siendo una la establecida por el usuario que viene hacer las clases referenciales que generalmente son las filas de la matriz y la otra la que se desea evaluar ubicadas en las columnas de la matriz, así se realiza una comparación en una matriz para

cada clase, ubicada generalmente en diferentes sectores del mapa, la diagonal de esta matriz representa el número de sitios verificados en los cuales existe concordancia entre los datos referenciales y los datos a evaluar, siendo los datos marginales de la matriz los errores de asignación. (Li, Wu y Zhang, 2009; Santos, 2007). Medidas de precisión en la matriz de confusión. Exactitud del usuario.- Dato clasificado de manera correcta de una clase en relación al total de dicha clase en las filas. Exactitud del usuario = número de coincidencias/total. Error de comisión.- Dato que demuestra la probabilidad en que el usuario del mapa encuentre información errónea durante la evaluación. Error de comisión = 1 - Exactitud del usuario. Exactitud del productor.- Dato que indica el porcentaje de una clase clasificada correctamente en las columnas. Exactitud del productor = número de coincidencias/total. Error de omisión.- Dato que representa el porcentaje en que el productor del mapa clasifico incorrectamente los atributos del terreno. Error de omisión = 1 - Exactitud del productor. Coeficiente Kappa. El coeficiente Kappa es un coeficiente estadístico propuesto por Cohen (1968), mide la similitud entre dos clasificaciones de imágenes, una realizada con un software y la concordancia de esta con una clasificación visual en campo o con imágenes de alta resolución, realizado por medio de la siguiente ecuación:

Donde: N = Total de pixeles de la matriz r = número de filas en la matriz Xii = número de pixeles de la fila i, columna i (diagonal mayor) El coeficiente Kappa puede variar entre 0 a 1, significando 1 una concordancia exacta entre los métodos de clasificación, y de acuerdo al valor el índice puede ser categorizado de la siguiente manera. (Tabla No. 11) Tabla No. 11. Valoración del Coeficiente Kappa (Landis y Koch, 1977).

CAPITULO III 3. METODOLOGÍA 3.1. UBICACIÓN DEL ÁREA DE ESTUDIO. Intag se encuentra ubicada al norte del Ecuador, al sur este de la provincia de Imbabura. Su posición geográfica es: 0º 30´ y 0º 20´ de latitud norte; y, 79º 0´ y 78º 20´ de longitud Oeste, limitando al norte con la provincia de Esmeraldas, al sur con la provincia de Pichincha, al este con las parroquias: Imantag, Quiroga y las parroquias urbanas el Sagrario y San francisco del cantón Cotacachi, la parroquia San José de Quichinche del cantón Otavalo y al oeste con el límite entre las provincias de Esmeraldas y Pichincha. La zona de Intag está integrada por seis parroquias rurales del cantón Cotacachi, siendo estas: Plaza Gutiérrez, Apuela, Peñaherrera, Vacas Galindo, Seis de Julio de Cuellaje y García Moreno; sumándose a estas una parroquia rural del cantón Otavalo: Selva Alegre (Figura No. 8).

Figura No. 8. Mapa de Ubicación del Área de Estudio.

Intag se extiende desde las estribaciones de la Cordillera Occidental de los Andes (Cordillera del Toisan), formando parte de la zona de amortiguamiento de la Reserva Ecológica Cotacachi-Cayapas y de la Bioregión “El Chocó”, caracterizada por su alta biodiversidad a nivel mundial, con aproximadamente 147.730,67 hectáreas, equivalente al 0.52% del territorio nacional (Cazares, 2010). Sus altitudes van desde los 1200 msnm hasta los 2900 msnm. Según Cisneros (2005), Intag contiene once de las veinticinco zonas de vida identificadas en Ecuador.

3.2. CARACTERÍSTICAS GENERALES DE LA ZONA DE INTAG. La zona de Intag se distingue por su distribución geográfica que va desde los páramos andinos hasta la región subtropical, su topografía es muy accidentada lo que genera una serie de microclimas que caracterizan la riqueza biológica y la abundancia de productos agrícolas. El clima de Intag corresponde al semi-humedo tropical, con una temperatura que oscila entre 25 y 30 grados centígrados para todo el año, una pluviosidad anual aproximada de 2000 milímetros y humedad relativa entre el 80% y 85% (Cisneros, 2005). Una condición singular de Intag es el contraste existente entre la amplia gama de biodiversidad y la presencia de yacimientos minerales cuya explotación puede afectar considerablemente a la flora, fauna y a la población local. La zona de Intag posee una superficie de 37.481 hectáreas de bosques protegidos tanto a nivel público y privado, resumidos en la tabla No. 12 (Cazares, 2010), y la figura No. 9:

Tabla No. 12. Distribuci贸n de los bosques protectores de la zona de Intag.

Fuente: Cazares (2010).

Figura No. 9. Mapa de Bosques Protectores de la zona de Intag.

3.3. FLUJOGRAMA DE LA METODOLOGÍA APLICADA. El flujograma de la metodología aplicada en el presente trabajo de investigación resume todo el proceso del análisis multitemporal de áreas boscosas, empezando desde la recopilación de la información (imágenes satelitales) hasta culminar con la

VALIDACIÓN

elaboración de los mapas temáticos y su información alfa numérica (Figura No. 10).

Figura No. 10. Esquema Metodológico implementado para el Monitoreo de Bosques.

3.3.1. Fase 1. Recopilación de Información. 

El primer paso para realizar el monitoreo forestal, es la recopilación de información base de la zona de estudio, como es el mapa de división político - administrativa en

sus

diferentes

niveles.

www.ecuadorencifras.gov.ec

Esta

información

está

disponible

en:



Selección del sensor Orbital

Luego del análisis específico del tipo de imágenes satelitales que utiliza el software CLASlite 3.1, se optó por utilizar los productos del sensor Landsat 7 ETM+ (Figura No. 11), por tener un tamaño de pixel adecuado para un estudio a escala sub-nacional (30 x 30 metros de pixel). Las imágenes satelitales se las descarga del portal web espacial del USGS, (United States Geological Survey). http://earthexplorer.usgs.gov/

Figura No. 11. Ubicación del área de interés en una imagen Landsat 7. Fuente: U.S. Geological Survey (2014)



Descarga de imágenes satelitales

La etapa de adquisición de las imágenes satelitales es de vital importancia, puesto que la calidad de las mismas reflejara el resultado final del análisis. Las imágenes satelitales, que en este caso son las del sensor Landsat 7 ETM+, son las elegidas para el presente estudio puesto que: se pueden obtener de diferentes portales de información espacial en forma gratuita, ubicando el área de interés y tratando de conseguir imágenes con el menor porcentaje posible de nubosidad en las fechas predefinidas para el análisis multitemporal (2010 – 2013). Al ser un análisis forestal de Intag, que se encuentra ubicado en una zona tropical, no influye la época del año, puesto que su masa vegetativa no caduca, como sucede en zonas templadas.

3.3.2. Fase 2. Pre-procesamiento. En esta fase incluyen los procesos de tratamiento que necesitan las imágenes descargadas para optimizar su calidad y corregir sus errores., como son:



Corrección del bandeo con el software ENVI 5.0

Según Ríos y Ríos (2012), el sensor Landsat 7 ETM+, desde mayo del 2003, presenta pérdidas de información en sus imágenes, por lo que las escenas de este sensor, desde que se produjo la falla, contiene franjas con información inválida. Luego de haber probado algunas extensiones para programas SIG y de Teledetección como ArcGis, ERDAS y ENVI, que realizan la corrección del bandeo en las imágenes Landsat 7, se optó por utilizar la extensión para el programa ENVI, llamada Landsat gapfill por tener mejores resultados en la calidad de la imagen final y por su facilidad de uso. (Figura No. 12).

Figura No. 12. Corrección Imagen Landsat 7 ETM+; (izq) imagen sin corrección, (der) imagen corregida.



Delimitación del área de estudio

El siguiente paso de pre-procesamiento de las imágenes es realizar una delimitación del área de estudio específica, esto con el propósito de acelerar el proceso en el software CLASlite, puesto que lo que se hace es reducir el área de trabajo, al área de interés. 3.3.3. Fase 3. Procesamiento con el software CLASlite 3.1. CLASlite es un software que fue diseñado específicamente para identificar automáticamente la deforestación y degradación de un bosque tropical y subtropical principalmente, haciendo uso de imágenes provistas por satélites, con una interfaz en español y de muy fácil comprensión, teniendo el usuario como única tarea el cargar las imágenes satelitales al software y el resto del proceso es de manera automática. Para el caso de este estudio el área de trabajo es la zona de Intag, la cual consta de 6 parroquias rurales de la provincia de Imbabura, ubicadas en una zona subtropical, adaptándose perfectamente para trabajar con el software CLASlite. 

Preparación de imágenes Landsat crudas.

Este proceso se realiza para cada imagen satelital Landsat (2010 y 2013), cargando la imagen cruda con sus respectivas bandas (Landsat 7 = 6 bandas), para luego seguir fácilmente la interfaz del programa, que automáticamente apila todas las bandas. (Figura No. 13)

Figura No. 13. Preparaci贸n de la imagen en CLASlite.

La figura No. 14 incorpora el flujo metodol贸gico que realiza CLASlite en el procesamiento de las im谩genes satelitales.

Figura No. 14. Metodología de procesamiento de CLASlite. Fuente: Carnegie Institution for Science (2010).



Paso 1.- Calibración de las Imágenes.- En este paso se realiza una calibración radiométrica y una corrección atmosférica de la imagen(es), convirtiendo la información del pixel que viene en niveles o números digitales (ND), a radiancia captada por el sensor, para luego implementar la corrección atmosférica utilizando el Second Simulation of the Satellite Signal in the Solar Spectrum -6S- que fue desarrollado en base al trabajo de Vermote, Tanré, Deuzé, Hernan y Morcrette en

1997, lo que hace es transformar la radiancia captada en niveles de reflectancia de las coberturas. 

Paso 2.- Mapa de Cobertura Fraccional.- Este paso determina la vegetación fotosintética (VF o PV), vegetación no-fotosintética (VNF o NPV), las superficies descubiertas (S) y las estimaciones de incertidumbre para cada fracción de cobertura y el error total para cada pixel en la imagen, aplicando el algoritmo Automated Monte Carlo Unmixing (AutoMCU), mismo que realiza un análisis cuantitativo de la cobertura fraccional de 0 a 100% de la VF, VNF y S que puede contener cada pixel de la imagen satelital en análisis (Asner et al., 2009).

Según la Institución Carnegie para la Ciencia (2013), las bandas de una imagen de cobertura fraccional son:

Banda 1: Cobertura fraccional de sustrato expuesto (S), expresado en porcentaje (0-100%) Banda 2: Cobertura fraccional de vegetación fotosintética (VF o PV), expresada en porcentaje (0-100%) Banda 3: Cobertura fraccional de vegetación no fotosintética (VNF o NPV), expresada en porcentaje (0-100%) Banda 4: Incertidumbre de la fracción S, expresada como la desviación estándar de las iteraciones de AutoMCU Banda 5: Incertidumbre de la fracción PV, expresada como la desviación estándar de las iteraciones de AutoMCU Banda 6: Incertidumbre de la fracción NPV, expresada como la desviación estándar de las iteraciones de AutoMCU

Banda 7: Error total, expresado como RMSE de la firma de reflectancia modelada vs. observada.

Las técnicas de clasificación han venido perfeccionándose, y en el caso de CLASlite, el corazón de su trabajo automatizado es el análisis de cobertura fraccional o porcentual que, mediante el uso del algoritmo AutoMCU, tiene la capacidad de realizar un monitoreo rápido de las áreas boscosas, haciendo uso de bibliotecas espectrales de bosques tropicales, teniendo un flujo de procesamiento resumido en la figura No. 15, donde PV = Vegetación Fotosintética (por su siglas en inglés), NPV = Vegetación No Fotosintética y S = Sustrato.

Figura No. 15. Flujo de Procesamiento para el sub-modelo de Segregación Espectral Automatizada (AutoMCU) en CLASlite Fuente: Carnegie Institution for Science (2013).



Paso 3.- Mapa de Cobertura de Bosque.- El tercer paso de procesamiento con CLASlite es el de establecer y mapear la cobertura del bosque a partir de una imagen satelital, el producto resultante son las áreas definidas como boscosa y no boscosa, pudiendo identificar áreas de tala o perturbación pasadas. Por ejemplo al observar un área bien definida como no boscosa en medio de un área boscosa, o también por ejemplo un área de vegetación o pastizales (no boscosa), en expansión con bordes de bosque.

CLASlite usa un árbol de decisiones simple el cual convierte los resultados corridos con el algoritmo AutoMCU y realiza una estimación de la cobertura forestal.

Se ajustan los umbrales de acuerdo a los resultados que estos ofrecen. En este caso, luego de haber hecho diferentes pruebas los umbrales se ajustaron a los recomendados por el mismo software para áreas boscosas tropicales de >=80% para la cobertura fraccional de la vegetación fotosintética VF, y todo lo demás que sea <80% se considera como no bosque, teniendo el siguiente umbral de <20% para la cobertura fraccional de superficie S. La imagen resultante de cobertura boscosa contiene tres clases: Clase 0 (Pixeles enmascarados a nubes, sombras, agua y sin datos), Clase 1 (Coberturas de bosque) y Clase 2 (Coberturas de no bosque), esta imagen se puede trabajar en otros softwares de información geográfica (como ArcGis), para el cálculo geoestadístico y para la elaboración de mapas. Ahora para establecer el grado de deforestación o perturbación es necesario tener dos imágenes de cobertura boscosa, puesto que esta medida se la trata al comparar el cambio existente entre dos o más imágenes con un determinado periodo de tiempo entre ellas. 

Paso 4.- Mapa de Cambio de Bosque.- Este es el último paso que realiza CLASlite, donde, de manera automática, detecta el cambio sufrido por el área boscosa mediante la comparación de una serie de imágenes de la misma área de estudio con un lapso de tiempo determinado entre ellas, los resultados son dos tipos de cambio, creando dos imágenes: perdida de bosque (deforestación) y degradación del bosque (perturbación).

Según la Institución Carnegie para la Ciencia (2013), el resultado de estas imágenes puede variar según los umbrales de decisión que se utilicen. En este caso particular se utilizó los umbrales que vienen por defecto en el programa, mismos que permiten que el algoritmo AutoMCU se ajuste a una amplia variedad de bosques tropicales, evidenciándolo en el ajuste de los valores de los umbrales

y obteniendo mejores resultados con los sugeridos por defecto, siendo estos los siguientes: bosque: PV ≥ 80 S ˂ 20 y área no boscosa: PV ˂ 80 S > 20, donde PV es la fracción de cobertura de vegetación fotosintética expuesta en el pixel y S es la fracción de sustrato expuesto en el pixel.

CLASlite utiliza los siguientes arboles de decisiones para el mapeo del cambio de bosque, donde los subíndices 1 y 2 significan las imágenes de una fecha a la siguiente (2010 a 2013 en el presente estudio).

Deforestación: ((PV1 – PV2) ≥ 25%)

La disminución de PV captura la mayor parte de la deforestación.

ó ((S ≤ 5%) y ((S2 – S1) ≥ 15%))

incremento

deforestación

seguida

captura

por

crecimiento secundario temprano. ó(PV2 < 80%) y ((NPV2 – NPV1)≥ 20%)) Incremento de NPV.

Perturbación: ((NPV2 – NPV1) ≥ 10%) y ((PV1 – PV2) > 10%) ó (S1 ≤ 5%) y ((S2 – S1) > 10%) y (S2 ≤ 15%)

Los resultados obtenidos son dos imágenes, una denominada por defecto ‘deforestación’ indicando las áreas con cambios abruptos por lo que el programa las detecta como deforestación y otra imagen denominada ‘perturbación’ que detalla los cambios ocurridos con menos intensidad en los bosques. Estos resultados se pueden exportar a un programa SIG y realizar los cálculos respectivos y su mapeo final.

3.3.4. Fase 4. Generación de Información. En esta fase se hace uso de resultados obtenidos en diferentes etapas de la fase de procesamiento, como es la imagen obtenida al final del paso 3 “Mapa de cobertura de bosque” la cual indica el área total de bosque existente en la zona tratada de la imagen satelital en la fecha en la cual fue obtenida la misma, así mediante el uso de un software SIG (ArcGis 10.1) se puede realizar un mapa temático del área forestal de la zona de estudio, siendo esta información la denominada “Mapa de Línea Base Forestal” puesto que expone el área total forestal en una fecha específica. El otro insumo usado para la generación de información es el generado en la fase de procesamiento del paso 4 “Mapa de cambio de bosque” donde se genera dos imágenes una es la imagen de deforestación y la otra de perturbación en un período de tiempo determinado (2010 al 2013), con las cuales se puede cuantificar la deforestación multitemporal o histórica de la zona en estudio, estableciendo los cambios ocurridos en el área forestal comprendidos entre el período inicial y final, a esta superficie de cambio cuantificada se la divide para el número de años existente entre los dos períodos, obteniendo el valor anual promedio de deforestación y degradación. 3.3.5. Fase 5. Validación de los resultados. Las imágenes obtenidas (bosque, no bosque, deforestación y perturbación) sirven de insumos importantes en el análisis y monitoreo de los bosques, pudiendo determinar la existencia o no de una intervención antrópica en el lugar de estudio a la fecha establecida de la última imagen en comparación (2013). Sin embargo la información generada a partir de estas imágenes debe ser validada por un proceso de auditoría. 

Auditoría a partir de fotografía aérea.

La validación compara la deforestación y perturbación forestal entre el año 2010 al 2013, resultado obtenido a partir del análisis multitemporal de imágenes Landsat ETM+ 7, con el software Claslite con una ortofotomosaico de alta resolución del área de estudio del año 2010 proporcionada por SIGTIERRAS (2010).

El número de puntos aleatorios para la validación fue de 150 para las dos clases (deforestación y perturbación), de los cuales 8 puntos fueron eliminados por la falta de imágenes de alta resolución en su ubicación, quedando un total de 142 puntos para la validación, a través de medidas de exactitud, precisión y error.

Se realizó un buffer de 15 metros a cada punto para la obtención de un área relacionada al tamaño del pixel de la imagen Landsat 7, que es de 30 metros por 30 metros, y establecer su concordancia o no con la ortofotomosaico (Figuras No. 16 y 17).

Figura No. 16. Muestra de puntos aleatorios sobre la ortofotomosaico en la zona de Intag. (SIGTIERRAS, 2010)

Figura No. 17. Captura de pantalla para visualizar la zona de inspección seleccionada por los puntos aleatorios.

La auditoría se realiza a través de una matriz de confusión y del coeficiente kappa, en donde se comparan las dos imágenes de la zona de Intag, siendo una de ellas la creada por el presente estudio (clasificación: bosque y perturbación) y la ortofotomosaico (SIGTIERRAS, 2010), siendo esta la imagen de referencia para la evaluación. 3.3.6. Fase 6. Uso de la Información. En esta fase, finalmente se puede hacer uso de la información resultante del estudio, y elaborar los mapas temáticos definitivos y hasta con una escala gráfica máxima de 1: 100.000 por tratarse de imágenes Landsat 7 (Chuvieco, 1996).

CAPITULO IV RESULTADOS Y ANÁLISIS 4. RESULTADOS. 4.1. Fase 1: RECOPILACIÓN DE INFORMACIÓN. El presente trabajo hizo uso de información del portal web espacial del USGS como se lo explica en el capítulo metodológico, de donde se realizó la selección de dos imágenes satelitales: una del año 2010 y la otra del año 2013. (Tabla No. 13 y Figura No. 18) Tabla No. 13. Información de las Imágenes Satelitales.

Sensor Landsat 7 ETM+ Landsat 7 ETM+

Path y Row

Fecha

% Nubes

P010R060 09/09/2010

35%

LE70100602010252ASN00

P010R060 26/04/2013

24%

LE70100602013116EDC00

Figura No. 18. Imagen Landsat 7 de la zona de estudio del año 2010 izq. y 2013 der.

4.2. FASE 2: PRE-PROCESAMIENTO. El primer paso en la fase de pre-procesamiento es la corrección de las fallas de las imágenes escogidas y descargadas Landsat 7 ETM+, mediante el uso del programa ENVI 5.0 como lo detalla la metodología, (Figura No. 19), obteniendo los siguientes resultados:

Figura No. 19. Imagen Landsat 7: 2010 izq. y 2013 der. (Corregidas)

El siguiente paso en la fase de pre-procesamiento es la delimitación de la imagen satelital corregida, con el propósito de procesar solamente el área de interés, en este caso la zona de Intag, como lo demuestra la figura No. 20.

Figura No. 20. Delimitación del Área de Estudio.

Quedando las imágenes de la siguiente manera (Figura No. 21):

Figura No. 21. Imagen Landsat 7 delimitada (2010 izq. y 2013 der.)

4.3. FASE 3: PROCESAMIENTO CON EL SOFTWARE CLASLITE 3.1. A partir de las imágenes fragmentadas y pre procesadas de los años 2010 y 2013 se aplica el protocolo de procesamiento digital de imágenes satelitales automatizado CLASlite, obteniendo los siguientes subproductos: El primer subproducto conseguido es la imagen satelital agrupada con todas sus bandas (7 bandas), mediante la cual se pueden realizar las diferentes mezclas o

composiciones de sus bandas para la obtención de distintas tonalidades de color en la imagen. (Figura No. 22).

Figura No. 22. Imagen en Composición RGB 4, 6, 3 (2010 izq. – 2013 der.)

Las imágenes de reflectancia generaron un nuevo archivo digital con 7 bandas, transformando la información de resolución radiométrica que viene en números digitales a radiancia, información relevante para la comparación de cambios entre 2 o más imágenes. (Figura No. 23).

Figura No. 23. Imagen de Reflectancia (2010 – 2013).

Otro subproducto es la imagen térmica para cada año (2010 y 2013). (Figura No. 24).

Figura No. 24. Imagen Térmica (2010 – 2013).

El resultado de la aplicación del algoritmo AutoMCU de CLASlite genera una imagen de 7 bandas, que contienen información sobre la cobertura fraccional de la superficie descubierta (S), la vegetación fotosintética (VF o PV), vegetación no fotosintética (VNF o NPV), 3 imágenes de error en la estimación de incertidumbre para cada cobertura fraccional y el erro total para cada pixel en la imagen resultado o RMSE. (Figura No. 25).

Figura No. 25. Imagen de composición de color a partir de las coberturas fraccionales (La escala RGB incluida representa los valores de S, PV y NPV, el color negro corresponde a la nubosidad) – (2010 – 2013).

La imagen de cobertura fraccional muestra una composición de colores de las bandas 1, 2 y 3, siendo la banda 1 (R), en color rojo otorgada a la cobertura fraccional de S o superficie descubierta, la banda 2 (G), en color verde en relación a la cobertura fraccional PV o vegetación fotosintética, y la banda 3 (B), en color azul relacionada a la cobertura fraccional NPV o vegetación no fotosintética, el color negro representa a las nubosidades presentes en la imagen. Las diferentes intensidades de cada color indican la presencia en porcentaje de cada tipo de cobertura por pixel, así por ejemplo los pixeles verdes intensos poseen un mayor porcentaje de vegetación fotosintética que los pixeles amarillentos, que indican presencia de superficie descubierta y vegetación fotosintética, en cambio los pixeles azules indican una mayor cobertura fraccional de vegetación no fotosintética.

4.4. FASE 4: GENERACIÓN DE INFORMACIÓN. A partir de los subproductos obtenidos (coberturas fraccionales), con el software CLASlite, se procede a la detección de las coberturas de bosque / no bosque y sin datos o enmascarados (Figura No. 26).

Figura No. 26. Imagen de Bosque, No Bosque y No Data (2010 – 2013).

En estas imágenes se presenta la clasificación con las coberturas boscosas identificadas en color gris, las coberturas de no bosque en color blanco y las coberturas enmascaradas en color negro, que mediante el uso de programas de sistemas de información geográfica (SIG) se pueden mapear y realizar los diferentes cálculos de estadísticas espaciales. Mediante el uso de la información Bosque / No Bosque se genera el mapa temático de Línea Base Forestal de la zona de Intag para los años 2010 y 2013. (Figuras No. 27 y 28) Los resultados obtenidos sobre los escenarios de referencia o línea base forestal en la zona de Intag son de 844,48 Km2 de área forestal para el año 2010, lo que representa al 57,13% del área total y, para el año 2013, de 803,02 Km2 de área forestal equivalente al 54,33% del área total.

Figura No. 27. Mapa de Línea Base Forestal de Intag año 2010.

Figura No. 28. Mapa de Línea Base Forestal de Intag año 2013.

La comparación entre las imágenes de bosque/no bosque entre los años 2010 al 2013 que realiza CLASlite da como resultado 2 imágenes: Deforestación y Perturbación en este período de tiempo (3 años) (Figura No. 29).

Figura No. 29. Imagen de Deforestación color claro (izq) y Perturbación color claro (der), período 2010 al 2013.

En estas imágenes se compilan todos los pixeles que fueron identificados ya sea como deforestación (izquierda), color claro o perturbación (derecha) color claro. El área total de deforestación es de 63.32 Km 2 equivalente al 4.28% del área total y perturbación de 15.67 Km2 equivalente al 1.06 % del área total entre el período de tiempo 2010 al 2013. (Figura No. 30).

Figura No. 30. Área de deforestación y perturbación en Intag en el período 2010 al 2013.

La tasa promedio anual de deforestación para la zona de Intag en el período 2010 al 2013 es de 21.10 Km2 equivalente al 1.42 %, y de perturbación de 5.22 Km 2 equivalente al 0,35%. (Figura No. 31).

Figura No. 31. Promedio anual de deforestación y perturbación en Intag en el período 2010 al 2013.

Una observación que se debe tomar en cuenta es la ampliación de la carretera Cuicocha – Apuela que empezó a realizarse a mediados del año 2012, por tal motivo hubo áreas boscosas taladas para tal obra que se evidenció en el análisis multitemporal, aunque cabe recalcar que el área total deforestada para la obra fue mínima. A partir de las imágenes de deforestación y perturbación de la zona de Intag se generan los mapas temáticos de las mismas del período 2010 al 2013. (Figuras No. 32 y 33).

Figura No. 32. Mapa de Deforestaci贸n de Intag en el per铆odo del 2010 al 2013.

Figura No. 33. Mapa de Perturbaci贸n de Intag en per铆odo del 2010 al 2013

4.5. FASE 5: VALIDACIÓN DE LOS RESULTADOS. Los resultados de los productos obtenidos (mapa de deforestación y perturbación) se los valida mediante la matriz de confusión, (Tabla No. 14) y el coeficiente Kappa.

Tabla No. 14. Matriz de Confusión para la verificación de la Deforestación y Perturbación.

MEDIDAS DE PRECISIÓN. FIABILIDAD GLOBAL

92,25%

FIABILIDAD DEL USUARIO PARA CLASE DEFORESTACIÓN

99,08%

FIABILIDAD DEL PRODUCTOR PARA CLASE DEFORESTACIÓN

93,10%

ERRORES POR COMISIÓN CLASE DEFORESTACIÓN

0,92%

ERRORES POR OMISIÓN CLASE DEFORESTACIÓN

6,90%

FIABILIDAD DEL USUARIO PARA CLASE PERTURBACIÓN

85,19%

FIABILIDAD DEL PRODUCTOR PARA CLASE PERTURBACIÓN

88,46%

ERRORES POR COMISIÓN CLASE PERTURBACIÓN

14,81%

ERRORES POR OMISIÓN CLASE PERTURBACIÓN

11,54%

El resultado de la matriz de confusión da una fiabilidad del productor en la clase deforestación de 93,10% lo que significa que casi la totalidad de los puntos de validación concordaron entre la clasificación y la ortofotomosaico de alta resolución, teniendo un 99,08% de fiabilidad del usuario para la clase deforestación, pudiendo el usuario del mapa confiar en los datos producidos. Para la clase de perturbación forestal se obtuvo un 88,46% de fiabilidad del productor del mapa siendo también un porcentaje alto en la clasificación y concordancia de esta clase en relación a la ortofotomosaico, teniendo el usuario del mapa un 85,19% de fiabilidad del mapa producido para su uso.

El resultado de fiabilidad global en la matriz de confusión es de 92,25%, equivalente a una total garantía del proceso de clasificación. Para interpretar el valor del coeficiente Kappa (K), se utiliza la tabla No. 11 referida en el Capítulo II - Revisión de Literatura. El resultado del coeficiente Kappa es de 0,92, equivalente a una fuerza de concordancia casi perfecta, este resultado demuestra la gran capacidad de la metodología implementada por CLASlite en el procesamiento de imágenes satelitales multitemporal en el monitoreo de áreas forestales, obteniendo resultados satisfactorios y confiables al momento de implementar proyectos de vigilancia y monitoreo en lugares amenazados por la deforestación o degradación.

4.7. ANÁLISIS DE RESULTADOS. 4.7.1. Validación. Para la validación de los resultados obtenidos se puede realizar visitas a campo o comparar la clasificación con otra fuente (en este caso la ortofotmosaico). La validación a partir de visitas de campo es más confiable ya que se compara con la realidad del terreno, Sin embargo cuando no se pueden realizar, el uso de la ortofotomosaico queda como una buena alternativa para validar el trabajo de investigación (Bustillos y Ferreira, 2010). 4.7.2. Interpretación de resultados. Según MAE (2012), Imbabura en el periodo 2000 – 2008, tenía una deforestación anual promedio de 12,4 Km2, lo que refleja un incremento casi del doble de área deforestada para el período 2010 – 2013 con 21,1 Km2 de promedio anual, esto pone en alerta a las autoridades para emprender mecanismos de control y mitigación de la deforestación, principalmente en la zona de Intag, que es en donde se encuentra la mayor cantidad de bosques subtropicales de la provincia de Imbabura. Los resultados obtenidos en el análisis multitemporal del área forestal en la zona de Intag en el período 2010 al 2013 con la metodología CLASlite fueron satisfactorios, teniendo una exactitud en la validación casi perfecta del 92,25%,

demostrando la eficacia de la metodología que, en consecuencia, se considera como la mejor alternativa en la implementación de proyectos de monitoreo forestal. Para el período de análisis multitemporal, (2010 al 2013), no se evidencio algún tipo de invasión ilegal (deforestación, perturbación) en la zona minera, puesto que, como es una zona de conflicto, existe vigilancia continua, tanto por parte de ecologistas como de pro-mineros (Figura No. 34). 4.7.3. Calidad y disponibilidad de los datos. La información principal para este estudio fueron las imágenes satelitales Landsat ETM+ 7 para los años 2010 y 2013, afrontando la problemática de la presencia de un gran porcentaje de nubes en las imágenes del área de estudio, en consecuencia, reduciendo el área total de análisis, teniendo un 32,11% de nubosidad para la imagen del año 2010 y 36,25% para la imagen del año 2013. Para poder obtener imágenes libre de nubosidad se debe trabajar con áreas menores, como por ejemplo a nivel de parroquia o comunidad, puesto que así se puede realizar mosaicos, integrando partes del área de estudio de las imágenes Landsat ETM+ 7 libre de nubes de diferentes fechas de un mismo año y a la vez también se puede validar la información con visitas de campo con mayor facilidad y menor presupuesto.

4.7.4. Pre-procesamiento. En el pre-procesamiento se pudo reducir el área de toda la imagen al área de interés (zona de Intag), teniendo que realizar los cortes de la imagen por cada banda, que para este estudio fueron 6. Para el pre-procesamiento de imágenes que vendrían a ser desde el año 2014, se utilizarían imágenes del sensor Landsat 8, el cual trabaja correctamente, eliminando la problemática del bandeo o pérdida de información en la imagen. 4.7.5. Procesamiento. El software CLASlite 3.1, realiza de manera automática todo el proceso de clasificación de las áreas deforestadas y perturbadas, siguiendo los cuatro pasos de su interfaz, teniendo que cargar solamente las bandas pre-procesadas de la

imagen Landsat ETM+ 7, obteniendo los resultados finales (dependiendo del tamaño del área de análisis y de la memoria RAM del computador), en unos 45 minutos por cada imagen (caso particular de este estudio de la zona de Intag con una laptop de 4 GB de memoria RAM). Bustillos y Ferreira (2010, p.116), dicen “El sistema de Análisis CLASlite de la Institución Carnegie se constituye en una herramienta de manejo sencillo, desarrollada para usuarios no especializados en el manejo de imágenes, facilitando de esta manera el mapeo automatizado de la cobertura boscosa, la deforestación y la perturbación”, evidenciándolo en este trabajo, al usar el programa sin ningún problema en todos los pasos establecidos en la interfaz. La característica del programa CLASlite, en su facilidad de uso, es muy importante a la hora de realizar trabajos de monitoreo forestal a niveles sub-nacionales, con el uso de imágenes satelitales, siendo suficiente tener conocimientos básicos de computación para manejar el programa, también Bustillos y Ferreira (2010), manifiestan que los productos generados por CLASlite pueden ser fácilmente procesados en otros programas comerciales SIG, facilitando así su interpretación y manipulación final, como se lo hizo en el presente estudio, que luego de obtener las imágenes resultado (cobertura boscosa, deforestación y perturbación), se las trabajó si ningún problema en un programa SIG, para el mapeo final.

Figura No. 34. Mapa de verificación de actividad antrópica en la zona minera de Intag período 2010 al 2013, zona minera y mapa final deforestación y perturbación 2010-2013 (arriba), zona minera y mapa-ortofotomosaico con puntos de control de la deforestación y perturbación 2010-2013 (abajo).

CAPITULO V 5. CONCLUSIONES. Se alcanzaron los objetivos planteados, teniendo determinadas las coberturas de deforestación y degradación forestal en la zona de Intag para el período 2010 al 2013 (63,32 Km2 deforestación y 15,67 Km2 de perturbación), así como también se crearon los escenarios de referencia del área forestal o línea base en la zona de Intag para los años 2010 y 2013 (844,48 Km2 de área forestal año 2010 y 803,02 Km2 de área forestal año 2013), estableciendo la tendencia de cambio anual del área forestal en la zona de Intag (deforestación 21.10 Km 2 equivalente al 1.42 % y perturbación de 5.22 Km2 equivalente al 0,35%). El resultado de la matriz de confusión en la clase deforestación es un 99,08% de fiabilidad del usuario para la clase deforestación, pudiendo concluir que el usuario del mapa puede confiar en los datos producidos. Para la clase de perturbación forestal se obtuvo un 85,19% concluyendo que el mapa producido tiene la total fiabilidad para su uso. El resultado de fiabilidad global en la matriz de confusión es de 92,25%, equivalente a una total garantía del proceso de clasificación. El resultado del coeficiente Kappa es de 0,92, equivalente a una fuerza de concordancia casi perfecta, pudiendo hacer uso de la información con total seguridad. La pregunta de investigación establecida fue ¿Es posible determinar los cambios de la cobertura de bosques mediante el análisis y procesamiento digital de imágenes satelitales? Se demuestra en la presente investigación que si es posible determinar los cambios de la cobertura de bosques mediante el análisis multitemporal y procesamiento digital de imágenes satelitales a través de la utilización de softwares especializados como CLASlite 3.1, obteniendo resultados satisfactorios y confiables.

Los resultados obtenidos reflejan actividades antrópicas en áreas forestales de la zona de Intag, principalmente se notó mediante el análisis de evaluación con la ortofotomosaico que las áreas deforestadas en periodos de tiempo anteriores del 2010 a 2013, se están incrementando por actividades agropecuarias y explotación

maderera ilegal principalmente, es decir que la frontera agrícola sigue expandiéndose y la cobertura forestal se reduce cada año. En los Anexos se puede consultar capturas de pantallas de unos puntos utilizados para la validación. La información del presente estudio ayudará a las autoridades competentes en el área ambiental y a las diferentes entidades no gubernamentales, así como a personas dedicadas o involucradas en temas ambientales en la zona de Intag a la identificación de las áreas deforestadas y degradadas en el período de tiempo entre 2010 y 2013, pudiendo establecer las posibles causas y emprender mecanismos de control y mitigación de esta problemática. En la actualidad el gobierno implemento el proyecto a nivel nacional denominado: “Programa de restauración forestal con fines de conservación ambiental y protección de cuencas hídricas”, pudiendo tener como insumo para este proyecto la información creada en el presente estudio, y establecer las áreas a reforestar en la zona de Intag.

Recomendaciones.

Para complementar el trabajo de clasificación de áreas deforestadas y perturbadas, se recomienda realizar una clasificación de uso de suelo, complementando así la información del área de estudio, y actualizando a su vez este tipo de información, que por lo general es muy dinámica en el tiempo.

El monitoreo forestal en la zona de Intag es recomendable realizarlo continuamente, pudiendo estimar un monitoreo anual, puesto que el índice de deforestación es alto, siendo urgente la intervención de las autoridades competentes para el control de la deforestación y perturbación.

Se recomienda a la vez establecer áreas de amortiguamiento entre las zonas agrícolas y las forestales, con el propósito de definir la frontera agrícola y su respectivo control.

El software CLASlite tiene la capacidad de usar imágenes Landsat 8, pudiendo realizar estudios actuales de deforestación y perturbación con bajo presupuesto, actualizando el monitoreo constantemente.

REFERENCIA BIBLIOGRÁFICAS:

Araya Morales E. J. (2009). Manual de Procesos en fotografías aéreas e imágenes satelitales, Instituto Nacional de Innovación y Transferencia de Tecnología Agropecuaria (INTA), San José - Costa Rica. Recuperado de: http://www.mag.go.cr/bibliotecavirtual/a00171.pdf [consulta: 10-05-2014].

Asner, G.P., Knapp, D.E., Balaji, A., y Paez-Acosta, G. (2009) “Automated mapping of tropical deforestation and forest degradation: CLASlite. Journal of Applied Remote Sensing”, JOURNAL OF APPLIED REMOTE SENSING, 3:033543.

Brown, S. (1997). Estimating Biomass and Biomass Change of Tropical Forests: a Primer. (FAO Forestry Paper - 134). FAO, Roma. Recuperado de: http://www.fao.org/docrep/w4095e/w4095e00.htm#Contents [consulta: 1104-2014].

Bustillos E. y Ferreira W. (2010). Estimación preliminar de la deforestación en el departamento de Cochabamba, Bolivia entre 2005 – 2009 mediante CLASlite. 28: 111-118 Recuperado de: http://www.cedsip.org/rebeca/index.php/rebeca/article/view/23/23 [consulta: 20-04-2015].

Butler R. A. (2009). Los bosques lluviosos: Oportunidades en desaparición. Recuperado de: http://es.mongabay.com/rainforests/0907.htm [consulta: 16-05-2014].

CAEG, Centro de Altos Estudios en Geomática (2014). Curso Gestión y Mapeo del Territorio, lectura 01 Lima –Perú.

Camara G, Souza RCM, Freitas UM, Garrido J, Mitsuo Li F., (1996). SPRING: Integrating remote sensing and GIS by object-oriented data modelling. Image Processing Division (DPI), National Institute for Space Research (INPE), Brazil. 20: (3) 395-403. Recuperado de: http://www.dpi.inpe.br/geopro/trabalhos/spring.pdf [consulta: 19-09-2014].

Carnegie Institution for Science (2010). CLASlite Sistema amigable de monitoreo de la deforestación y perturbación de bosques tropicales. Guía del usuario – Versión 2. Recuperado de: http://claslite.carnegiescience.edu/.static/themes/claslite/documents/es/Gu ia_del_Usuario_CLASlite.pdf [consulta: 19-09-2014].

Carnegie Institution for Science (2013). CLASlite Tecnología para el monitoreo de bosques. Recuperado de: ftp://dge.stanford.edu/pub/clas/docs/Espa%F1ol/CLASlite%20Guia%20del %20Usario%20ESPA%D1OL.pdf [consulta: 19-09-2014].

Carbon Decisión International, Indufor, (2012), Elementos para la identificación de áreas con mayor potencial para reducir emisiones de GEI en el sector forestal, Lima, Perú/ Helsinki, Finlandia. Recuperado de: http://www.minam.gob.pe/cambioclimatico/wpcontent/uploads/sites/11/2014/03/Elementos-para-la-identificacion-deareas-con-mayor-potencial-para-reducir-emisiones-de-GEI-en-el-sectorforestal.pdf [consulta: 29-07-2014].

Cazares L. (2010). Producción y comercialización asociativa de leche en la zona de Intag-Imbabura. Tesis de maestría, Universidad politécnica Salesiana, Quito, Ecuador. Recuperado de: http://dspace.ups.edu.ec/bitstream/123456789/4916/1/UPS-QT02576.pdf [consulta: 30-07-2014].

Chuvieco E. (1996). Fundamentos de Teledetección Espacial, tercera edición revisada, RIALP, S.A., Madrid.

Chuvieco E. (1998). El factor temporal en teledetección: evolución fenomenológica y análisis de cambios. Revista de teledetección, 10, 3948.

Cisneros V. (2005). Creación de una hostería ecológica en el valle de Intag, para potencializar el turismo en la zona, Tesis de Ingeniería, Universidad Tecnológica Equinoccial, Quito, Ecuador.

Cohen, J. (1968). Weighted kappa: Nominal scale agreement provision for scaled disagreement or partial credit. Psychological bulletin, 70(4), 213.

Eastman R. J. (2012). IDRISI Selva Guía para SIG y Procesamiento de Imágenes. Manual versión 17. Clark Labs – Clark University. Worcester, MA, USA.

Echeverría P. (1983). Síntesis Monográfica del Cantón Cotacachi. Otavalo. El Comercio (2011), Deforestación y contaminación por minería ilegal en Esmeraldas. Recuperado de: http://www.elcomercio.com/actualidad/seguridad/deforestacion-ycontaminacion-mineria-ilegal.html [consulta: 27-09-2014].

FED, Fondo Ecuatoriano de Desarrollo Sustentable (2011). Análisis de Diagnóstico Participativo en la zona de Intag, para la implementación de la iniciativa REDD+, Cotacachi.

Haruna S., Home P., y Nyadawa M. (2014). Land use changes across river nanyuki catchment, Kenya using CLASlite and ENVI. International Journal of Advances in Engineering & Technology, Sept. 2014, ISSN: 22311963 Recuperado de: http://www.e-ijaet.org/media/5I22IJAET0722562_v7_iss4_1161-1169.pdf [consulta: 27-08-2014].

INGTELSIG (2010). Metodología para el mapeo de los tipos de bosque y análisis multitemporal de sus cambios, informe final Recuperado de: http://www.reddccadgiz.org/documentos/doc_1441494642.pdf [consulta: 6-07-2014].

Institución Carnegie para la Ciencia (2013), Departamento de Ecología Global, CLASlite Tecnología para el monitoreo de Bosques, Stanford, California, USA.

Landis J. y Koch G. (1977). The measurement of observer agreement for categorical data. Biometrics; 33:159-74.

Li, M., Wu, Y., y Zhang, Q. (2009). SAR image segmentation based on mixture context and wavelet hidden - class - label Markov random field. Computers and Mathematics with Applications. V.57, n.6, p.961-969.

MAE, Ministerio del Ambiente de Ecuador (2011a). REDD+ en Ecuador. Una Oportunidad para Mitigar el Cambio Climático y Contribuir a la Gestión Sostenible de los Bosques. Quito, Ecuador.

MAE, Ministerio del Ambiente de Ecuador (2011b). Protocolo Metodológico para la generación del Mapa de Deforestación Histórica en el Ecuador continental. Quito, Ecuador.

MAE, Ministerio del Ambiente de Ecuador (2012): Línea Base de Deforestación del Ecuador Continental, Quito-Ecuador. Recuperado de: http://sociobosque.ambiente.gob.ec/files/Folleto%20mapa-parte1.pdf [consulta: 7-08-2014].

Mercados de Medio Ambiente (2013). ¿Quieres convertirte en guardián de los bosques? CLASlite Classroom te forma gratuitamente en la monitorización forestal. Recuperado de: http://www.mercadosdemedioambiente.com/actualidad/quieresconvertirte-en-guardi-n-de-los-bosques-claslite-classroom-te-formagratuitamente-en-la-monitorizaci-n-forestal/ [consulta: 15-08-2014].

Ministerio del Ambiente de Perú (2014). Protocolo: Evaluación de la Exactitud Temática del Mapa de Deforestación. Dirección General de Ordenamiento Territorial. Lima, Perú.

NASA (2013), El espectro electromagnético 01 – Introducción [Vídeo]. Recuperado de: https://www.youtube.com/watch?v=ixwxOQf50kc [consulta: 10-08-2014].

Olaya V. (2011). Sistemas de Información Geográfica versión 1.0, Recuperado de: http://volaya.es/libro.htm [consulta: 5-08-2014].

Pacheco E., Suárez I., y Lopez J. (2013). Comparación de los métodos utilizados en el monitoreo de la deforestación tropical, para la implementación de estrategias REDD+, caso de estudio los Llanos Occidentales Venezolanos. Anais XVI Simpósio Brasileiro de Sensoriamento Remoto SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE. Recuperado de: http://www.dsr.inpe.br/sbsr2013/files/p0445.pdf [consulta: 21-09-2014].

Rios V.H. y Ríos E.A. (2012). Rellenado de los gaps provocados por la falla del Scan Line Corrector en las imagenes Lanzat 7 ETM+, Jornada; III Jornadas de Sistemas de Información Geográfica y Teledetección; 2012. San Miguel de Tucumán. Recuperado de:

http://www.conicet.gov.ar/new_scp/detalle.php?keywords=&id=20478&con gresos=yes&detalles=yes&congr_id=1637552 [consulta: 20-01-2015].

Ruiz, V., Savé, R., y Herrera, A. (2013). Análisis multitemporal del cambio de uso del suelo, en el Paisaje Terrestre Protegido Miraflor Moropotente Nicaragua, 1993 – 2011. Ecosistemas 22(3):117-123. Nicaragua.

Santos, J.C. (2007).Extração de atributos de forma e seleção de atributos usando algoritmos genéticos para classificação de regîões. Tesis de maestría. Instituto Nacional de Pesquisas Espaciais (INPE), Brasil, p.1-102.

SIGTIERRAS (2010), Programa Sistema Nacional de Información y Gestión de Tierras Rurales e Infraestructura Tecnológica del Ministerio de Agricultura, ortofotografía disponible por cantones, Quito – Ecuador. Recuperado de: http://www.sigtierras.gob.ec/Servicios/avance_orto/avance.htm [consulta: 19-09-2014].

Simula M. y Mansur E. (2011), Medir la degradación del bosque. Unasylva – FAO, vol. 62, Recuperado de: http://www.fao.org/docrep/015/i2560s/i2560s.pdf [consulta: 19-10-2014].

SURA (2014). Cuadro del espectro electromagnético, Recuperado de: http://www.oocities.org/telecomuft/images/SURA_Electromagnetic_Spectr um_Full_Chart.jpg [consulta: 19-10-2014].

Tabernero V. (2010). Filtro Guardián de la luz, Recuperado de: http://victortabernero.wordpress.com/2010/05/24/filtros-guardianes-de-laluz/ [consulta: 12-12-2014].

UNESCO RAPCA, (s.f.) Correcciones radiométricas, Recuperado de: http://www.itc.nl/external/unescorapca/Presentaciones%20Powerpoint/02 %20Introduccion%20Sensores%20Remotos/Introduccion%20Sensores% 20Remotos.pdf [consulta: 21-11-2014].

Universidad Nacional de Colombia (2014). Estructura de un SIG, Recuperado de: http://www.ciencias.unal.edu.co/unciencias/web/dependencia/?itpad=1423 &niv=1&itact=1766&ti=false&itroot=1423&dep=33 [consulta: 30-11-2014].

U.S. Geological Survey (2014), Landsat Missions. Recuperado de: https://landsat.usgs.gov/tools_wrs-2_shapefile.php [consulta: 22-11-2014].

Vermote E.F., TanrĂŠ D., DeuzĂŠ J.L., Hernan M. y Morcrette J.J.,. (1997). Second Simulation of the Satellite Signal in the Solar Spectrum, 6S: An Overview. Recuperado de: http://www2.geog.ucl.ac.uk/~mdisney/teaching/PPRS/papers/vermote_etal _IEEE_1997.pdf [consulta: 19-09-2014].

ANEXOS. Capturas de pantalla de los puntos aleatorios de las clasificaciones deforestación y perturbación para su respectiva validación mediante la comparación con la ortofotomosaico de la zona de Intag para el período 2010 al 2013.

Captura de pantalla No. 1.

Captura de pantalla No. 2.

Captura de pantalla No. 3.

Captura de pantalla No. 4.

Captura de pantalla No. 5.