Vol. 23 Núm. 2 (2017): Verano
Artículos Científicos

Evaluación de las tasas de deforestación en Michoacán a escala detallada mediante un método híbrido de clasificación de imágenes SPOT

xml pdf
  • Jean-Francois Mas,
  • Richard Lemoine Rodríguez,
  • Rafael González,
  • Jairo López Sánchez,
  • Andrés Piña Garduño,
  • Evelyn Herrera Flores
Jean-Francois Mas
Centro de Investigaciones en Geografía Ambiental Universidad Nacional Autónoma de México (UNAM)
Biografía
Richard Lemoine Rodríguez
Centro de Investigaciones en Geografía Ambiental Universidad Nacional Autónoma de México (UNAM)
Rafael González
Centro de Investigaciones en Geografía Ambiental Universidad Nacional Autónoma de México (UNAM)
Jairo López Sánchez
Escuela Nacional de Estudios Superiores, UNAM, Unidad Morelia
Andrés Piña Garduño
Escuela Nacional de Estudios Superiores, UNAM, Unidad Morelia
Evelyn Herrera Flores
Escuela Nacional de Estudios Superiores, UNAM, Unidad Morelia
DOI: https://doi.org/10.21829/myb.2017.2321472

Publicado 2017-09-21

Palabras clave

  • accuracy assessment,
  • forest inventories,
  • land use/cover maps,
  • cartographic updating,
  • image segmentation
  • actualización cartográfica,
  • cartografía de cubierta/uso de suelo,
  • evaluación de la fiabilidad,
  • inventarios forestales,
  • segmentación de imagen

Derechos de autor 2017 Madera y Bosques

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Resumen

En las últimas décadas, se han registrado altas tasas de deforestación en el estado de Michoacán. En el presente trabajo se puso en marcha un método de clasificación híbrido que combina procesos automatizados, análisis espacial e interpretación visual, el cual permitió generar cartografía de cubierta/uso de suelo para el estado de Michoacán, a escala 1:50 000, con un área mínima cartografiable de una hectárea para 2004, 2007 y 2014. Adicionalmente, se evaluó la fiabilidad de la cartografía generada. La evaluación del mapa para 2007 indicó que la fiabilidad global fue de 83.3%, con un intervalo de confianza de 3.1%. Las tasas de deforestación en Michoacán han disminuido (i.e., 2004–2007; 0.17%, 2007–2014; 0.07%). No obstante, existen dos focos principales de deforestación donde bosques de pino y pino-encino han sido sustituidos por huertas de aguacate (centro del estado) y selvas bajas y medianas han sido transformadas en pastizales (región sierra-costa) 

xml pdf

Citas

  1. Aitchison, J. y Aitken, C. G. G. (1976). Multivariate binary discrimination by the kernel method. Biometrike, 63(3), 413-420. doi: 10.1093/biomet/63.3.413
  2. Berkeley Image Segmentation. (2015). BIS Cloud. Disponible en línea: http://www.imageseg.com
  3. Bocco, G., Mendoza, M. y Masera, O. (2001). La dinámica del cambio del uso del suelo en Michoacán: Una propuesta metodológica para el estudio de los procesos de deforestación. Investigaciones Geográficas, 44, 18-38.
  4. Camacho-Sanabria, J. M., Pérez, J., Isabel, J., Pineda-Jaimes, N. B., Cadena-Vargas, E. G., Bravo-Peña, L. C. y Sánchez,
  5. M. (2015). Cambios de cobertura/uso del suelo en una porción de la Zona de Transición Mexicana de Montaña. Madera y Bosques, 21(1), 93-112. doi: 10.21829/ myb.2015.211435
  6. Câmara, G., Souza, R. C. M., Freitas, U. M. y Garrido, J. (1996). SPRING: Integrating Remote Sensing and GIS by objectoriented data modelling. Computers and Graphics, 20(3), 395-403. doi: 10.1016/0097-8493(96)00008-8
  7. Card, D. H. (1982). Using known map category marginal frequencies to improve estimates of thematic map accuracy. Photogrammetric Engineering & Remote Sensing, 48(3), 431-439. Recuperado de https://www.asprs.org/wp-content/uploads/pers/1982journal/mar/1982_mar_431-439.pdf
  8. España-Boquera, M. L. y Champo-Jiménez, O. (2016). Proceso de deforestación en el municipio de Cherán, Michoacán, México, (2006-2012). Madera y Bosques, 22(1), 141-153. doi: 10.21829/myb.2016.221482
  9. Organización de las Naciones Unidas para la Alimentación y la Agricultura [FAO]. (1995). Evaluación de los recursos forestales mundiales 1990 (Informe Principal). Roma, Italia: FAO.
  10. Organización de las Naciones Unidas para la Alimentación y la Agricultura [FAO]. (1996). Forest resources assessment 1990. Survey of tropical forest cover and study of change processes. FAO Forestry Papers. Roma, Italia: FAO
  11. Organización de las Naciones Unidas para la Alimentación y la Agricultura [FAO]. (2010). Evaluación de los recursos forestales mundiales 2010 (Informe Principal 163). Roma, Italia: FAO.
  12. Organización de las Naciones Unidas para la Alimentación y la Agricultura [FAO]. (2015). Evaluación de los recursos forestales mundiales 2015. Compendio de datos. Roma, Italia: FAO.
  13. Gopar-Merino, L. F., Velázquez, A. y de Azcárate, J. G. (2015). Bioclimatic mapping as a new method to assess effects of climatic change. Ecosphere, 6(1), 1-12. doi: 10.1890/ ES14-00138.1
  14. Grimm, N. B., Faeth, S. H., Golubiewski, N. E., Redman, C. L., Wu, J., Bai, X. y Briggs, J. M. (2008). Global change and the ecology of cities. Science, 319(5864), 756-760. doi: 10.1126/science.1150195
  15. Hayfield, T. y Racine, J. S. (2008). Nonparametric Econometrics: The np Package. Journal of Statistical Software, 27(5). doi: 10.18637/jss.v027.i05
  16. Hussain, M., Chen, D., Cheng, A., Wei, H. y Stanley, D. (2013). Change detection from remotely sensed images: From pixel-based to object-based approaches. ISPRS Journal of Photogrammetry and Remote Sensing, 80, 91-106. doi: 10.1016/j.isprsjprs.2013.03.006
  17. Keenan, R. J., Reams, G. A., Achard, F., de Freitas, J. V., Grainger, A. y Lindquist, E. (2015). Dynamics of global forest area: results from the FAO Global Forest Resources Assessment 2015. Forest Ecology and Management, 352, 9-20. doi: 10.1016/j.foreco.2015.06.014
  18. Li, Q. y Racine, J. S. (2003). Nonparametric estimation of distributions with categorical and continuous data. Journal of Multivariate Analysis, 18, 69-100. doi: 10.1016/S0047259X(02)00025-8
  19. Manakos, I. y Braun, M. (2014). Land use and land cover mapping in Europe. Holanda: Springer. doi: 0.1007/978-94007-7969-3.
  20. Mas, J.-F., Velázquez-Montes, A. y Fernández-Vargas, T. (2005). Monitoreo de los cambios de cobertura del suelo en Michoacán. En L.E. Villaseñor G. La biodiversidad en Michoacán: Estudio de Estado (204-206). Morelia, Mich. :Conabio.
  21. Mas, J.-F. y Gutiérrez, I. G. (2006). Evaluación de Imágenes MODIS para el monitoreo de la deforestación en México/
  22. Evaluation of modis images to monitor deforestation in Mexico. Ambiência, 2(3), 19-27. Recuperado de http://revistas.unicentro.br/index.php/ambiencia/article/view/254/330
  23. Mas, J.-F., Pérez-Vega, A., Ghilardi, A., Martínez, S., LoyaCarrillo, J. O. y Vega, E. (2014). A Suite of Tools for Assessing Thematic Map Accuracy. Geography Journal, 2014, 10. doi: 10.1155/2014/372349
  24. Mas, J.-F., Couturier, S., Paneque-Gálvez, J., Skutsch, M., Pérez-Vega, A., Castillo-Santiago, M. A. y Bocco, G. (2016). Comment on Gebhardt et al. MAD-MEX: automatic wall-to-wall land cover monitoring for the Mexican REDD-MRV Program using all Landsat data. Remote Sens. 2014, 6, 3923–3943. Remote Sensing, 8(7), 533. doi: 10.3390/rs6053923
  25. Millington, A. C. y Alexander, R. W. (2000). Vegetation mapping in the last three decades of the twentieth century. En R. Alexander y A. C. Millington. Vegetation Mapping, (321-331). Chochester, England: John Wiley & Sons.
  26. Olofsson, P., Foody, G. M., Herold, M., Stehman, S. V., Woodcock, C. E. y Wulder, M. A. (2014). Good practices for estimating area and assessing accuracy of land change. Remote Sensing of Environment, 148, 42-57. doi:
  27. 1016/j.rse.2014.02.015 Programa de la Naciones Unidas para los Asentamientos Humanos. (2011). El estado de las ciudades de México 2011. México: Programa de la Naciones Unidas para los Asentamientos Humanos.
  28. QGIS Development Team. (2015). QGIS Geographic Information System [Software de cómputo]. Recuperado de http://www.qgis.org/
  29. Quinlan, R. (1993). C4.5: Programs for machine learning. San Mateo. CA: Morgan Kaufmann Publishers.
  30. R Core Team. (2014). R: A language and environment for statistical computing. Viena, Austria: R Foundation for Statistical Computing.
  31. Soares-Filho, B. S., Cerqueira, G. C. y Pennachin, C. L. (2002). Dinamica - a stochastic cellular automata model designed to simulate the landscape dynamics in an amazonian colonization frontier. Ecological Modelling, 154(3), 217–235. doi: 10.1016/S0304-3800(02)00059-5
  32. Rosete-Vergés, F. A., Pérez-Damián, J. L., Villalobos-Delgado, M., Navarro-Salas, E. N., Salinas-Chávez, E. y RemondNoa, R. (2014). El avance de la deforestación en México 1976-2007. Madera y Bosques, 20, 21-35. doi: 10.21829/ myb.2014.201173
  33. RStudio Team. (2015). RStudio: Integrated Development for R. Boston, MA: RStudio, Inc. Recuperado de L http://www. rstudio.com/.
  34. Thenkabail, P. S. (2015). Remotely sensed data characterization, classification, and accuracies. Florida, EUA: CRC Press.
  35. Velázquez, A., Mas, J.-F., Mayorga-Saucedo, R., Díaz, J. R., Alcántara, C., Castro, R., Fernández, T., Palacio, J. L., Bocco, G., Gómez-Rodríguez, G., Luna-González, L., Trejo, I., López-García, J., Palma, M., Peralta, A., PradoMolina, J. y González-Medrano, F. (2002). Estado actual y dinámica de los recursos forestales de México, Biodiversitas, 41, 8-15. Recuperado de http://www.biodiversidad.gob.mx/Biodiversitas/Articulos/biodiv41art2.pdf