- Data & Tools
Evaluación de las tendencias relativas a la pérdida de cobertura arbórea a partir de datos recopilados durante 20 años
![satellite data image of amazon rainforest](https://content.globalforestwatch.org/wp-content/uploads/2021/04/51051705677_98ec6a2e9d_k.jpg)
Amazon Rainforest as seen from satellite imagery. ESA/Flickr
Los datos sobre la pérdida de cobertura arbórea de Hansen et al. (2013) presentados en Global Forest Watch (GFW) constituyen la mejor información geoespacial disponible para analizar cómo están cambiando los bosques en todo el mundo. Estos datos son de una calidad inigualable, pues presentan una amplia cobertura mundial, abarcan varias décadas, se actualizan anualmente y cuentan con una resolución de píxeles de 30 metros. Así pues, constituyen una herramienta de gran valor para mapear la pérdida reciente de cobertura arbórea a escala mundial y su uso se ha extendido entre gobiernos, el mundo académico, el sector privado y la sociedad civil a fin de identificar y abordar la deforestación.
Uno de los motivos por los que estos datos siguen siendo muy populares consiste en que su calidad mejora a medida que evolucionan los métodos y las tecnologías pertinentes. En este documento, describimos los cambios a lo largo del tiempo, exploramos las posibles repercusiones sobre cómo debería interpretarse y utilizarse esta información, y presentamos una perspectiva de nuestro plan para mejorar la consistencia de los datos en el futuro.
¿Cómo y por qué han cambiado los datos sobre la pérdida de cobertura arbórea a lo largo del tiempo?
Existen varios factores que causan inconsistencias en los datos durante sus 20 años de uso (puede obtener más información en la página de descargas de la Universidad de Maryland):
- Ajustes del algoritmo: El algoritmo original utilizado para mapear la pérdida de cobertura arbórea entre 2001-2012 a partir de imágenes satelitales se ha mejorado con sucesivas actualizaciones. Gracias a estas mejoras, se pudieron hacer análisis anuales a partir de 2013 —con pequeñas incorporaciones a los datos de 2011 y 2012— y han permitido mejorar la detección de las pérdidas, especialmente a partir de 2015.
- Mejores datos satelitales: El algoritmo utiliza todas las imágenes obtenidas mediante los satélites Landsat disponibles para detectar la pérdida de cobertura arbórea (de los satélites Landsat 5, 7 y, desde 2013, del Landsat 8). La resolución del Landsat 8 es la misma que la de misiones Landsat anteriores, pero cuenta con un sensor mejorado que ofrece imágenes del terreno de mayor calidad. Desde 2013, la incorporación de los datos del Landsat 8 al algoritmo de pérdidas ha mejorado la detección de las pérdidas de cobertura arbórea de un tamaño menor al de un píxel individual (como la tala selectiva).
- Variaciones en la disponibilidad de imágenes satelitales: En general, el número de imágenes Landsat disponibles ha aumentado con el tiempo, lo que nos ha permitido visualizar mejor los cambios sobre el terreno. En 2012, el número de imágenes disponible fue bajo debido a la brecha entre el retiro del Landsat 5 en 2011 y el lanzamiento del Landsat 8 en 2013. Asimismo, las nubes y el humo pueden retrasar la detección de las pérdidas de cobertura arbórea si no se dispone de imágenes nítidas recabadas entre el momento en el que se produjo dicha pérdida y el final del año en cuestión. Esto es especialmente relevante en el caso de los incendios que se producen a finales de año, puesto que a menudo no se detectan hasta el comienzo del siguiente año calendario.
Por lo general, los dos primeros factores han aumentado la sensibilidad a la hora de detectar la pérdida de cobertura arbórea, lo que nos permite un mejor entendimiento de los cambios que suelen ser difíciles de mapear, como los incendios, la tala selectiva y la agricultura itinerante. En ciertas zonas, estas mejoras han tenido una mayor repercusión: la deforestación a gran escala está muy extendida en la Amazonía Brasileña e Indonesia, por lo que el algoritmo original ya había documentado gran parte de estas pérdidas; por el contrario, las mejoras tuvieron más impacto en África Occidental y Central y el sudeste de Asia, así como en otras zonas en las que la deforestación se produce a menor escala. En los bosques templados de Europa y América del Norte, los datos de mayor calidad sobre la pérdida de cobertura arbórea registrados a partir de 2015 son más sensibles a la tala selectiva. Además, los datos más recientes detectan mejor los incendios superficiales que degradan parcialmente el dosel forestal, en comparación con los recabados para el período 2000 y 2012.
La desventaja resultante de detectar mejor las pérdidas es la aparición de inconsistencias en las series cronológicas. Esto es inevitable hasta cierto punto, ya que la ciencia y los datos mejoran con el tiempo y no siempre es posible o deseable mantener una consistencia total. Un ejemplo son las cifras de casos de COVID-19: ahora hay una mayor disponibilidad de pruebas y entendemos mejor cómo usarlas que a principios de 2020, pero ello no implica que los recuentos de casos efectuados al comienzo de la pandemia carezcan de utilidad.
¿Cómo podemos usar los datos para analizar las tendencias?
El método más fiable para analizar las tendencias de las pérdidas en una zona concreta y un periodo de tiempo específico es llevar a cabo un ejercicio de muestreo mediante los modelos estadísticos adecuados. El mapa de la pérdida de cobertura arbórea resultante puede emplearse para identificar los puntos en los que es probable que se produjeran cambios cada año, y se puede estudiar una muestra de puntos tanto dentro como fuera de dichas zonas por medio de las series cronológicas de datos Landsat —por ejemplo, datos listos para su análisis y proporcionados por el laboratorio Global Land Analysis and Discovery de la Universidad de Maryland— e imágenes de alta resolución. Los datos de referencia recopilados en este tipo de muestreo pueden servir para desarrollar una estimación no sesgada de la zona de pérdida de cobertura arbórea, así como una medida de la incertidumbre de dicha estimación. Los cálculos basados en muestras son independientes de los cambios metodológicos aplicados a los datos resultantes del mapeo.
Sin embargo, ese enfoque no puede aplicarse a cada proyecto o análisis si tenemos en cuenta los plazos, el número de zonas que han de evaluarse o el presupuesto. A continuación, se enumeran algunos consejos para utilizar los datos sobre la pérdida de cobertura arbórea directamente en la evaluación de las tendencias:
- A partir del 2015 ha habido modificaciones mínimas a los métodos o los datos satelitales, por lo que es menos probable que haya inconsistencias si se hace un análisis de un periodo más reciente.
- Utilice un promedio móvil de tres años para compensar las inconsistencias interanuales causadas por la disponibilidad de imágenes Landsat y para integrar mejor los retrasos en la detección de los incendios de finales de año y otras pérdidas.
- Cuando compare periodos anteriores o posteriores a 2011 ó 2015, tenga en cuenta que los periodos comparados utilizan versiones distintas del modelo.
- Tenga cautela al evaluar las tendencias a lo largo del tiempo en zonas con una mayor probabilidad de verse afectadas por los cambios (por ejemplo, África Central) y preste atención especial a los cambios que se produjeron en las tendencias cuando se introdujeron modificaciones metodológicas (como un repunte pronunciado que empiece en 2013 y que tal vez se deba a la incorporación del Landsat 8).
- Póngase en contacto con el equipo de GFW o de la Universidad de Maryland si tiene preguntas sobre cambios en el rendimiento del modelo en una región específica.
¿Influyen los cambios en otros usos de los datos?
No hay impactos para quienes utilicen el mapa de pérdida de cobertura arbórea para entender dónde se está produciendo la pérdida de bosques. Los cambios en el modelo han repercutido en la sensibilidad de los datos para detectar la pérdida de cobertura arbórea, por lo que deberíamos captar los cambios de forma aún más exhaustiva que antes.
Los cambios tampoco afectarán de manera significativa a quienes usen los datos para calcular estadísticas de superficie de un año determinado sin analizar su evolución. Los datos pueden utilizarse para formular una indicación relativa de la magnitud de la pérdida de cobertura arbórea en diferentes zonas geográficas.
¿Qué cambios influirán en los datos de pérdida de cobertura arbórea en el futuro?
La Universidad de Maryland y GFW están desarrollando una versión actualizada del algoritmo de pérdida de cobertura arbórea para aplicarlo a partir de 2001, lo que daría lugar a un registro más consistente de las pérdidas a lo largo de toda la serie cronológica. Esta “versión 2.0” de los datos no solo mejorará la detección de las pérdidas de años anteriores, sino que también nos permitirá detectar múltiples pérdidas en el mismo píxel a lo largo del tiempo (por ejemplo, en lugares en los que la agricultura o la silvicultura son cíclicas) y diferenciar las zonas en las que el dosel se ha eliminado por completo de las zonas que presentan perturbaciones parciales (como las originadas por la tala selectiva o los incendios del sotobosque).
La “versión 2.0” solucionará las inconsistencias de los datos relacionadas con el algoritmo; no obstante, la mejora de los datos satelitales y la disponibilidad de las imágenes siempre será un factor que propicie variaciones en la minuciosidad de la detección. Desde el lanzamiento del Landsat 8 en 2013, la cantidad de imágenes generadas ha sido constante, al igual que su calidad; se espera que la situación continúe así con la presentación del Landsat 9, prevista para finales de 2021.
Sin embargo, los datos satelitales y los métodos seguirán mejorando, por lo que es probable que siempre existan conflictos entre detectar, de forma óptima, los cambios actuales y garantizar la consistencia a lo largo del tiempo.
Los datos relativos a la pérdida de cobertura arbórea siguen constituyendo una de las mejores fuentes de información sobre los bosques que existen debido a su cobertura, resolución espacial y actualizaciones periódicas. Ser conscientes de las limitaciones y los cambios en los datos a lo largo del tiempo ayuda a asegurar que este recurso tan valioso sea aprovechado debidamente.
Explore More Articles
![Planet satellite imagery of primary forest removal in Kalimantan Barat, Indonesia on GFW map](https://content.globalforestwatch.org/wp-content/uploads/2022/03/image-1.png)
Looking for the Quickest Signal of Deforestation? Turn to GFW’s Integrated Alerts
GFW’s integrated deforestation alerts layer combines the analytical power of GLAD, GLAD-S2 and RADD deforestation alerts to provide a faster, more confident view of forest disturbances than any one individual system.