Identificación de perturbaciones en el bosque húmedo tropical colombiano usando series temporales de imágenes satelitales Landsat mediante el algoritmo Landtrendr

• Main Authors: L. Hurtado, I. Lizarazo
• Format: Article
• Language: English
• Published: Universitat Politécnica de Valencia 2019-12-01
• Series: Revista de Teledetección
• Subjects: deforestación; landtrend; series temporales; perturbación del bosque
• Online Access: https://polipapers.upv.es/index.php/raet/article/view/12285

El análisis de series temporales de imágenes satelitales para la detección de deforestación o perturbaciones en bosques en un momento específico del tiempo ha sido motivo de investigación a lo largo de los últimos años. Son muchas las limitaciones en la identificación del momento exacto de la deforestación debido principalmente al gran volumen de datos y a los criterios requeridos para su correcta caracterización. Una segunda limitación en el análisis de series temporales de datos multiespectrales es la identificación de una verdadera deforestación teniendo en cuenta que la vegetación boscosa puede sufrir diferentes cambios a lo largo del tiempo. En este estudio se analizó la deforestación en una zona de la Amazonia colombiana usando series temporales del índice de vegetación de diferencia normalizada (NDVI) obtenido a partir de mosaicos semestrales de mediana generados a partir de imágenes Landsat obtenidas entre los años 2000 y 2017. Se extrajeron diferentes muestras que representan la tendencia de cambio a lo largo de la serie temporal y se clasificaron según su grado de cambio y persistencia en la serie, usando cuatro categorías: (i) deforestación, (ii) degradación, (iii) plantación forestal y (iv) regeneración. Las muestras específicas de deforestación se analizaron de igual manera usando el índice de vegetación ajustado al suelo (SAVI) para reducir el efecto de las variaciones de respuesta espectral debido a cambios en la reflectancia del suelo. Se concluye como los dos índices empleados, junto con las bandas espectrales del infrarrojo cercano (NIR) e infrarrojo de onda corta (SWIR 1) permiten extraer valores e intervalos donde se identifica el cambio producido por deforestación con un nivel aceptable de exactitud. El análisis de la serie temporal haciendo uso del algoritmo Landtrendr corroboró una detección acertada de cambios en cada una de las categorías de perturbaciones de la cobertura boscosa.