C-16-2_3. Métodos cartográficos de la ocupación de suelo: ¿son precisos y reales nuestros mapas? - José Manuel Álvarez Martínez (UC –Inst. Hidr. Amb. Cantabria)

SEMINARIO INTERNACIONAL SOBRE

CORREDORES ECOLÓGICOS Y PLANIFICACIÓN ESPACIAL

23 de septiembre de 2016MESA PRIMERA: “La conectividad ecológica en la

planificación espacial: métodos, técnicas y perspectivas”

Intervención de Jose Manuel ÁLVAREZ‐MARTÍNEZ

Doctor en Ecología Y Tecnología Ambiental

Investigador postdoctal del Instituto de Hidráulica Ambiental“IH Cantabria” de la Universidad de Cantabria (UC) (2014‐ )

Profesor del Máster Universitario en Riesgos Naturales de laUniversidad de León. Colaborador del Área de Ecología (ULe)

La conectividad ecológica en la planificación espacial:métodos, técnicas y perspectivas

Métodos cartográficos de la ocupación del suelo: ¿son precisos y reales nuestros mapas?

Jose-Manuel Álvarez Martí[email protected]

[email protected]

A lo largo de la historia, factores ambientales y socioeconómicos (driving forces) han originado cambios en los ecosistemas y paisajes de nuestro entorno,

funcionando como motor de las grandes variaciones de su estructura y función

ESTRUCTURA DEL PAISAJE





DINÁMICA DEL PAISAJE

¿Cuáles son las fuerzas que generan los patrones paisajísticos?

Cuenca Mediterránea, áreas de montaña: mosaicos heterogéneos y dinámicos en abandono y regeneración forestal

Sucesiónsecundaria


Expansión urbana

¿Cuáles son las herramientas disponibles para el estudio de los cambios en el paisaje y la

ocupación del suelo?

¿Cuáles son las herramientas disponibles para el estudio de los cambios en el paisaje y la

ocupación del suelo?

SIG

MODELOS CARTOGRÁFICOS

Modelización vector

500

400

300

200

100600500400300200100

Río

Casa

600Árboles

Árboles

Modelización raster

AAA A

AAAA V

VR

AAA

VV

V VV

1 2 3 4 5 6 7 8 9 1012345678910

SIG


Modelización vector Modelización raster

Escala ~IncertidumbreEspacialEspectralMetodológica…


Modelos de la realidad…


¿De dónde podemos obtener estos modelos de la realidad de cara a

realizar nuestros estudios de (por ejemplo) conectividad ecológica?

1. Información estadística: encuestas, censos, etc.

2. Bases de datos vectoriales y raster de pública descarga

3. Observación directa en campo,interpretación de fotografía aéreaantigua (1956- ) y reciente, yclasificación de imagen multiespectral

4. Modelado espacial basado en teledetección: imágenes de satélite (sensores ópticos) y foto áerea,

información LiDAR (Light Detection And Ranging) y SAR (Synthetic Aperture Radar)


GLCF: Global Land Cover Facility, NOAA-MODIS (USGS, NASA) RASTERGLC: Global Land Cover 2000 y 2009 (JRC, ESA, EU) RASTER

CLC (CORINE): CoORdination of INformation of the Environment (GMES; COPERNICO) VECTORSIOSE: Sistema de Información sobre Ocupación del Suelo de España (CNIG) VECTOR

Fácilmente accesibles

Exactitud local baja

Baja resolución temporal

Objetivos generalmente diferentes a los propios de nuestro estudio

2. BASES DE DATOS PÚBLICAS

http://worldgrids.org/doku.php?id=wiki:land_cover_and_land_use

GLCF: Sistema de Información sobre Ocupación del Suelo mundial de la NASA

AVHRR Global Land Cover Classification - MODIS

MODIS Land Cover: IGBP Land Cover Type Classification5' x 5' resolution (pixel 0.083333°) 1776 rows x 4320 columns


GLC 2000: Global Land Cover 2000 (JRC, EU)


GLC Global Class (according to LCCS terminology) 1. Tree Cover, broadleaved, evergreen

LCCS >15% tree cover, tree height >3m (Examples of sub-classes at regional level* : closed > 40% tree cove; open 15-40% tree cover)

2. Tree Cover, broadleaved, deciduous, closed 3. Tree Cover, broadleaved, deciduous, open

(open 15-40% tree cover) 4. Tree Cover, needle-leaved, evergreen 5. Tree Cover, needle-leaved, deciduous 6. Tree Cover, mixed leaf type 7. Tree Cover, regularly flooded, fresh water (& brackish) 8. Tree Cover, regularly flooded, saline water,

(daily variation of water level) 9. Mosaic:

Tree cover / Other natural vegetation 10. Tree Cover, burnt 11. Shrub Cover, closed-open, evergreen

(Examples of sub-classes at reg. level *: (i) sparse tree layer) 12. Shrub Cover, closed-open, deciduous

(Examples of sub-classes at reg. level *: (i) sparse tree layer) 13. Herbaceous Cover, closed-open

(Examples of sub-classes at regional level *: (i) natural, (ii) pasture, (iii) sparse trees or shrubs)

14. Sparse Herbaceous or sparse Shrub Cover 15. Regularly flooded Shrub and/or Herbaceous Cover 16. Cultivated and managed areas

(Examples of sub-classes at reg. level *: (i) terrestrial; (ii) aquatic (=flooded during cultivation), and under terrestrial: (iii) tree crop & shrubs (perennial), (iv) herbaceous crops (annual), non-irrigated, (v) herbaceous crops (annual), irrigated)

17. Mosaic: Cropland / Tree Cover / Other natural vegetation

18. Mosaic: Cropland / Shrub or Grass Cover

19. Bare Areas 20. Water Bodies (natural & artificial) 21. Snow and Ice (natural & artificial) 22. Artificial surfaces and associated areas

GlobCover 2009: European Space Agency Glob Cover (ESA)


GLC: Global Land Cover 2000 y 2009


CLC (CORINE)CoORdination of INformation of the Environment (GMES; COPERNICO)


SIOSE: Sistema de Información sobre Ocupación del Suelo de España (CNIG)


SPOT 5

SIOSE: Sistema de Información sobre Ocupación del Suelo de España (CNIG)


¿Todos estos mapas representan del mismo modo la realidad…?


Ortofoto de paisaje heterogéneo. Entorno periurbano de la Cordillera Cantábrica



GLCF USGS

Paisaje heterogéneo. Entorno periurbano de la Cordillera Cantábrica



GlobCover ESA

CLC06311 – Broadleaf forests



SISOE 2005A(55 FDP_45 FDC)





Landsat map> 80% overall accuracy

3. FOTO AÉREA Y TELEDETECCIÓN


¿Cuáles son las herramientas Digitales disponibles para el estudio de los paisajes?

Teledetección (RS)

Fotografía aérea yFotointerpretación

Sistemas de Información Geográfica (SIG)

3. FOTO AÉREA Y TELEDETECCIÓN

La teledetección permite una visión sinóptica de la estructura del territorio,

facilitando información relativa a la composición y estructura de la vegetación

cryosatv2_H264.mp4

RESOLUCION ESPACIAL: PIXELS

IMÁGENES DE SATÉLITE

IMAGEN GLOBAL DE VEGETRACIÓN CON MODIS 1km2

http://modis.gsfc.nasa.gov

METEOSAT 5km



MODIS ISLAS CANARIAS 250mhttp://modis.gsfc.nasa.gov

LANDSAT TM 30m

LEÓN

León, Septiembre 1999. Bandas 4,3,2


ASTER

Algeciras, 5 de Julio de 2000

Cortesía de la NASA


SPOT-4 20m


Manhattan, 11 Septiembre 2001, 11:55


Sensor Vegetation (SPOT-4) 20m 8 de Septiembrede 1999

pancromático Multiespectral: composición coloreada

Imagen Spot 5 del 23/11/2003


IKONOS imagen pancromática1mU.S. Naval Memorial, Naval Heritage Center / Washington D.C.



QUICKBIRD 20cm pancr Cortesía de DigitalGlobe

IMAGENES

RESOLUCIÓN ESPECTRAL

Visible (rojo, verde, azul)

Infrarrojo cercano (NIR)

RESOLUCIÓN ESPECTRAL

IMAGEN MULTIESPECTRAL

CLASIFICACIÓN DE IMAGEN

Visible (rojo, verde, azul)

Infrarrojo cercano (NIR)

Imagen clasificada

INCERTIDUMBRE ESPECTRAL

¿Cuál es el efecto de la heterogeneidad espacial en la clasificación de imagen de satélite?

Pixel LandsatTM-ETM (30 m)

CAMBIOS DE RESOLUCIÓN…

ESPACIAL, ESPECTRAL Y TEMPORAL

Escala de análisis

FOTOGRAFÍA AÉREA

FOTOGRAFÍA AÉREA

Ortorectificación: proceso complejo de proyectado ortogonalDimensión temporal alta, pero baja resolución

Esfuerzo de muestreo alto, baja reproducibilidad

1956 - 2016

FOTOGRAFÍA AÉREA

Análisis de los elementos del paisaje

IMAGEN DE SATÉLITE

E. N. DE LA SIERRA DE ANCARES (LEÓN)

Ubicación: Cordillera Cantábrica Extensión: 100000 haCompleja orografía Ambientes eurosiberianos-mediterráneos

LeónEspaña

SIERRA DELOS ANCARES

ALTO SIL

LIC, ZEPAReserva BiosferaENP JCyl

LOS ANCARES

Álvarez‐Martínez, J. M.: Análisis y modelado multiescalar de los efectos delcambio global sobre la dinámica y función del paisaje en espacios demontaña. Aplicaciones en ordenación territorial., PhD, Biodiversidad yGestión Ambiental, University of León, León, 2010.

Identificación espacial de áreas de máxima incertidumbre

CLASIFICACIÓN DE IMÁGENES E INCERTIDUMBRE

Corrección geométrica, radiométrica, atmosférica

y topográfica

Determinación de grupos espectrales homogéneos

Clasificación no supervisada

Selección de variables y categorías

Imágenes y MDT,7 categorías

Análisis de error e incertidumbre

(CONFUSION INDEX=CI)

Clasificación supervisada con

maximum likelihood(MAXLIKE)

1º

2º

J.M. Álvarez‐Martínez , J.J. Stoorvogel, S. Suárez‐Seoane, E. L.Calabuig. Uncertainty analysis as a tool for refining land dynamicsmodelling on changing landscapes. A study case in a SpanishNatural Park. Landscape Ecology. 1991 - 2010

REDUCCIÓN DE LA INCERTIDUMBRE Estructura del paisaje

Todos los mapas mostraron un patrón de ocupación similar: matriz de matorral donde se insertaron manchas y corredores del resto de categorías

MÁXIMA INCERTIDUMBRE

MEDIA INCERTIDUMBRE

MÍNIMAINCERTIDUMBRE

100% pixels (CI 100) 75% pixels (CI 75)

50% pixels (CI 50)

1991-2004

1991 1992 1993 1994

1995 1996 1997 1998

1999 2000 2001 2002

2003 2004 Bosque de frondosasPaisaje de fondo de valle (sebes y pastizales)Matorral y repoblaciones forestalesRoquedos, canchales y suelo desnudoImproductivo artificial (incendios, minas, desbroces)Núcleos de poblaciónMasas de agua

Bosque y etapas seriales avanzadasPaisajes de bocage (fondo de valle)Matorral y repoblaciones forestales

Roquedos, canchales y suelo desnudo(improductivo natural)Incendios, minas, canteras y desbroces(improductivo artificial)Zonas urbanasSuperficies de agua

Exactitud muy buena (87.50%)

Coherencia buena (78.70%)

Hard classifiers, MAXLIKE

¿Cuáles son los cambios más importantes del área de estudio, a la escala dada y con las categorías descritas?

CAMBIO DE OCUPACIÓN DEL SUELO

Álvarez‐Martínez, J.‐M., Suárez‐Seoane, S., and De Luis Calabuig, E.:Modelling the risk of land cover change from environmental and socio‐economic drivers in heterogeneous and changing landscapes: The role ofuncertainty, Landscape Urban Plan, 101, 108‐119

¿Fueron consistentes los cambios tras la reducción de la incertidumbre?

Episodios de máxima ocurrencia cada 2-4 años

Recuperaciones rápidas e intensas durante los 2 años siguientes al incendio

CAMBIO DE USO Y COBERTURA DEL SUELO

INCENDIOSMATORRAL

RECUPERACIÓN

Matorral Suelo descubierto

ANÁLISIS DE LA DINÁMICA DEL PAISAJEOutputs de los modelos para el área de estudio (ejemplo)

Matorral

Suelo descubierto

CAMBIO DE ESCALA EN LOS ANÁLISIS

CUENCAS NATURALES- bosque>50%- abandono - uso forestal

desde mediados del siglo pasado

CUENCAS ANTRÓPICAS- brezales>80%- uso antrópico

intenso- incendios

desde mediados del siglo pasado

Cambio de escala

Álvarez‐Martínez, J. M., Suárez‐Seoane, S., Stoorvogel, J.J., and de Luis Calabuig, E.: Influence of land use andclimate on recent forest expansion: a case study in theEurosiberian–Mediterranean limit of north‐west Spain,Journal of Ecology, 102, 905‐919

¿1991 – 2010?...

1956 1974 1983 1990 2010

CAPÍTULO IV

Digitalización manual de la ocupación del

suelo.Cartografía de

alto detalle

CUENCAS : Naturales - Antrópicas

LADERAS : Solana - Umbría

Radiación solaracumulada (2004)

Ortorrectificación de348 fotografías aéreas

ANÁLISIS A ESCALA LOCAL

4. MODELADO ESPACIAL Y TELEDETECCIÓN

¿Y si necesito no solo estructura, sino composición de la vegetación u otro tipo de ocupación del suelo?

¿Puedo descargarme esa información?

¿Si no puedo, cómo la puedo desarrollar?

¿Cómo interpretarla?

• Superficie: 120 000 hectáreas.• Elevación: desde el nivel del

mar hasta 2650 msnm (1.000 ±420 metros), Topografía: accidentada, sobre todo en la zona central (el ángulo medio de inclinación es de 21 ± 13º).

• Dos regiones "biogeográficas": clima atlántico (1.160 ± 275 mm y 9,5 ± 2,2 ° C), con propiedades sub-mediterráneas en latitudes y altitudes más bajas.

• Vegetación: una mezcla de bosques templados al norte y comunidades esclerófilas al sur. Las hayas (Fagus sylvatica), robles (Quercus petraea, Q. robur) y abedules (Betula spp) dominan en ambientes más fríos y húmedos del norte y otras especies de robles (Q. pyrenaica, Q. rotundifolia) en zonas más continentales y secas al sur.

Objetivo: Cartografía, diagnóstico y planificación de los habitat terrestresen Red Natura 2000 de Cantabria (LICs)


Escena Landsat 202/30 (path/row)La imagen incluye toda la CCAA de Cantabriay los LIC incluidos en la Red Natura 2000

ASTURIASESPAÑA

CASTILLA y LEÓN

PAÍSVASCO

CANTABRIA

Encaje en extensión y a nivel de pixel con las imagenes Landsat: 30 metrosÁrea de trabajo amplia para un mayor número de zonas de entrenamiento


Las técnicas SDM generan mapas continuos de idoneidad, con valoresde salida [0-1] en función de las relaciones estadísticas establecidas

(Grinnell, 1917; Hutchinson, 1957, 1978; Peterson et al, 2012)

¿Qué necesitamos para crear los modelos?

1

2 MODELADO ESPACIAL

DATOS DE OCURRENCIA

PREDICTORES

PREDICCIONES ESPACIALES

CARTOGRAFÍA

3


Mapas vectoriales de vegetación a escalas detalladasBúsqueda en las Universidades de Asturias, León y CantabriaJardín Botánico de Gijón (Asturias) y Gobierno de Cantabria

Mapas de vegetación tipos de hábitats (Directiva Hábitats, Anexo I)J. A. Prieto (Universidad de Oviedo)

1. DATOS DE ENTRENAMIENTO

PROBLEMAS: * recogida toda la variabilidad ambiental y geográfica?* sesgos de muestreo? * nicho truncado/extrapolación?

DATOS DE ENTRENAMIENTO

Algunos habitats mostraron datos de ocurrencia bien distribuidosOtros mostraron sesgo especial o ambiental en los datos

PROBLEMAS: * Autocorrelación espacial

Número de hábitats con datos: 30/41

DATOS DE ENTRENAMIENTO

Muestreo completo de las unidades de vegetación a cartografiarConsideración espacialmente explícita de la estructura y composición

VARIABLES TOPOGRÁFICAS: MDT 5 metros (CNIG, 2014)Remuestreado a 30 metros de pixel

2. PREDICTORES AMBIENTALES

PREDICTORES AMBIENTALES

VARIABLES TOPOGRÁFICAS: MDT 5 metros (CNIG, 2014)CAPA DE PENDIENTES a 30 metros de pixel


VARIABLES TOPOGRÁFICAS: MDT 5 metros (CNIG, 2014)CAPA DE INSOLACIÓN (W/m2/año) a 30 metros de pixel


VARIABLES CLIMÁTICAS: 200 metros (Ninyerola, 2005)Reinterpolado a 30 metros de pixel (natural neighbour)

Temperatura media, mínima y máxima y precipitación anual y estacional

DIGITAL SOIL MAPPING

pH


TEXTURA: % de arena del suelo (limo, arcilla)



Profundidad del topsoil (20-30cm hA)



INFORMACIÓN ESPECTRAL: Landsat 8OLI (USGS, 2015)Imagenes con nubes, sombras y nieve

Escena Landsat 202/30 (path/row) en falso solor RGB-543Marzo 2015


CORRECCIONES:RadiométricaAtmosféricaTopográfica*

NORMALIZACIÓN

Escena Landsat 202/30 (path/row) en falso solor RGB-543Imagen compuesta de 8 imágenes del periodo 2014-2015


INFORMACIÓN ESPECTRAL (IMAGEN LANDSAT)Mosaico MVC (filtro de nubes, sombras y nieve) de Landsat 8OLI (USGS, 2015)

INDICES DE VEGETACIÓN (NDVI, Tasseled Cap, LAI, etc.)Obtenidos del mosaic MVC de Landsat 8OLI (USGS, 2015)

Escena Landsat 202/30 (path/row) en falso solor RGB-543NDVI [-1,1], derivado del mosaic MVC, libre de errores en los datos


LiDAR (Light Detection And Ranging) is a remote sensing technology that measures distance by illuminating a target with a laser and analyzing the reflected light. Lidar is popularly used as a technology to make high-

resolution maps, with many applications in physical, environmental science and mapping. Canopy heights, biomass measurements, and leaf area can all be studied using airborne lidar systems.

• 3D structure• Fuel models• Biomass, canopy• Composition

DATOS LiDAR

LiDAR (Light Detection And Ranging) is a remote sensing technology that measures distance by illuminating a target with a laser and analyzing the reflected light. Lidar is popularly used as a technology to make high-

resolution maps, with many applications in physical, environmental science and mapping. Canopy heights, biomass measurements, and leaf area can all be studied using airborne lidar systems.

• Estructura 3D• Modelos de

combustible• Biomasa, etc.

DATOS LiDAR

ESTRUCTURA DE LA VEGETACIÓN (LiDAR) (CNIG 2015)DTM, DSM y CHM


0 100

Un procedimiento estadístico o algoritmo de modelado que relacione los datos de ocurencia y background con las variables predictoras seleccionadas

Las técnicas SDM generan mapas continuos de idoneidad, con valoresde salida [0-1] en función de las relaciones estadísticas establecidas

(Grinnell, 1917; Hutchinson, 1957, 1978; Peterson et al, 2012)

Técnicas avanzadas de modelado espacial

3. MODELADO DE HÁBITATS

1

2 ALGORITMO DE MODELADO ESTADISTICO

DATOS DE OCURRENCIA

PREDICTORES

PREDICCIONES ESPACIALES

CARTOGRAFÍA…

Teselado de la vegetación en unidades fisionómicas (manchas homogéneas mayores

de 5hectáreas)

E 1:50 000

Totalmente automático y objetivo: depende del modelo

MAPA DE HÁBITATS (VEGETACIÓN)

Ejemplo de cliserie con el resultado de los modelos

Patrones espacialescorrectos (latitudinales,

altitudinales) de variación de la vegetación de la Cordillera Cantábrica

MAPA DE HÁBITATS (VEGETACIÓN)

¿Pero…, cómo afecta esto a los

estudios de conectividad?

La base cartográfica es el modelo de la realidad. Si el

modelo falla, nuestros cálculos serán erróneos o poco fiables

GLCF: Global Land Cover Facility, NOAA-MODIS (USGS, NASA) RASTERGLC: Global Land Cover 2000 y 2009 (JRC, ESA, EU) RASTER

CLC (CORINE): CoORdination of INformation of the Environment (GMES; COPERNICO) VECTORSIOSE: Sistema de Información sobre Ocupación del Suelo de España (CNIG) VECTOR

EJ. PRÁCTICO: LIC TERR. CANTABRIA


GLCF: Global Land Cover Facility, NOAA NASA RASTER

Pixel km


GLCF: Global Land Cover Facility, NOAA NASA RASTER

Pixel km


GLCF: Global Land Cover Facility, MODIS NASA RASTER

Pixel km


GLCF: Global Land Cover Facility, MODIS NASA RASTER

Pixel km


GLC: Global Land Cover 2000 y 2009 (JRC, ESA, EU) RASTER

Pixel km


GLC: Global Land Cover 2000 y 2009 (JRC, ESA, EU) RASTER

Pixel km


CLC (CORINE): CoORdination of INformation of the Environment (GMES; COPERNICO) VECTOR

Pixel m


CLC (CORINE): CoORdination of INformation of the Environment (GMES; COPERNICO) VECTOR

Pixel m


SIOSE: Sistema de Información sobre Ocupación del Suelo de España (CNIG) VECTOR

Pixel m


SIOSE: Sistema de Información Geográfica de Parcelas Agrícolas (Magrama) VECTOR

Pixel m

4030 - Brezales secos europeos

0 1E 1:50 000


MODELADO DE HÁBITATS

4030 - Brezales secos europeos

0 1E 1:25 000



9120 - Hayedos acidófilos atlánticos

son sotobosque de Ilexy a veces de Taxus

0 1E 1:50 000



9120 - Hayedos acidófilos atlánticos

son sotobosque de Ilexy a veces de Taxus

0 1E 1:25 000



EJ. PRÁCTICO: CONECTIVIDAD

Objetivos

Escala

Datos disponibles Conocimiento técnico

Gracias

Jose-Manuel Álvarez Martí[email protected]@unileon.es

Grupo de Ecología del Paisaje