Palabras clave
fenología
variables biofísicas
mapa de cobertura
datos globales
Cómo citar
Resumen
Se exploró la capacidad de los datos fenológicos de la serie LAI del proyecto CYCLOPES del año 2000, para distinguir tipos de vegetación generales (bosque de hoja perenne, de hoja caduca, cultivos y pastizal-matorral) en Michoacán, México. Con el programa TIMESAT se extrajeron 11 variables fenológicas de cada píxel de 1 km de dicha serie. El comportamiento de cada variable se analizó tomando como referencia el mapa INF2000. Las principales diferencias corresponden al carácter caducifolio o perennifolio de la vegetación. Las 11 variables se redujeron a cinco componentes principales (98 % de la varianza), para hacer una clasificación no supervisada de 250 clases o grupos fenológicos. Cada clase se asoció a uno de los tipos de cobertura, según el criterio de máxima coincidencia de área con el mapa de referencia INF2000, para construir el mapa de cobertura CYCL2000. La comparación de ambos mapas mostró exactitud total de 63 %. Los bosques de hoja caduca fueron los mejor identificados (80.1 % de píxeles identificados correctamente y 62.1 % bien clasificados), seguidos de los de hoja perenne (74.1 %, 69.9 %), cultivos (62.9 %, 61.1 %) y pastizal-matorral (16.9 %, 52.3 %). La identificación relativamente buena de los bosques permitirá utilizar este enfoque para estimar la deforestación.
Citas
Achard, F., & Hansen, M. C. (2013). Use of Earth observation technology to monitor forest across the Globe. In F. Achard, & M. C. Hansen (Eds.), Global forest monitoring from Earth observation (pp. 39–54). New York, USA: CRC Press, Taylor & Francis Group
Baret, F., Hagolle, O., Geiger, B., Bicheron, P., Miras, B., Huc, M…, Leroy, M. (2007). LAI, fAPAR and fCover CYCLOPES global products derived from VEGETATION. Part 1: Principles of the algorithm. Remote Sensing of Environment, 110, 275–286. doi: https://doi.org/10.1016/j.rse.2007.02.018
Campbell, J. B. (2002). Introduction to remote sensing (3rd. ed.). New York, USA: The Guilford Press.
Congalton, R. G. (1991). A review of assessing the accuracy of classifications of remotely sensed data. Remote sensing of Environment, 37(1), 35–46. doi: https://doi.org/10.1016/0034-4257(91)90048-B
Couturier, S., Mas, J. F., López-Granados, E., Benítez, J., Tapia, V., & Vega, A. (2010). Accuracy assessment of the Mexican National Forest Inventory map: a study in four ecogeographical areas. Singapore Journal of Tropical Geography, 31(2), 163–79. doi: https://doi.org/10.1111/j.1467-9493.2010.00399.x
DeFries, R. (2013). Why forest monitoring matters for people and the planet. In F. Achard, & M. C. Hansen (Eds.), Global forest monitoring from Earth observation (pp. 1–14). New York, USA: CRC Press, Taylor & Francis Group.
Fisher, J. A. D., Frank, K. T., & Leggett, W. C. (2010). Dynamic macroecology on ecological time-scales. Global Ecology and Bio-geography, 19, 1–15. doi: https://doi.org/10.1111/j.1466- 8238.2009.00482.x
García, M. E. (1989). Apuntes de climatología (6a ed.). México, D.F.: UNAM.
Geoland2. (2014). Dataset series catalogue. http://www.geoland2.eu
Gillespie, T. W., Foody, G. M., Rocchini, D., Giorgi, A. P., & Saatchi, S. (2008). Measuring and modelling biodiversity from space. Progress in Physical Geography, 32, 203–221. doi: https://doi.org/10.1177/0309133308093606
Houghton, R. A. (2013). Role of forests and impact of deforestation in the global carbon cycle. In F. Achard, & M. C. Hansen (Eds.), Global forest monitoring from Earth observation (pp. 15–38). New York, USA: CRC Press, Taylor & Francis Group.
Instituto Nacional de Estadística y Geografía (INEGI). (1985). Síntesis geográfica del estado de Michoacán. México: Autor.
Instituto Nacional de Estadística y Geografía (INEGI) (2012). Marco geoestadístico municipal 2000, áreas geoestadísticas estatales. Consultado 12-06-2012 http://www.inegi.org.mx/geo/contenidos/geoestadistica/m_geoestadistico.aspx
Jones, H. G., & Vaughan, R. A. (2010). Remote sensing of vegetation. Principles, techniques and applications. New York, USA: Oxford University Press.
Jönsson, P., & Eklundh, L. (2004). TIMESAT: A program for analyzing time-series of satellite sensor data. Computers & Geosciences, 30, 833–845. doi: https://doi.org/10.1016/j.cageo.2004.05.006
Kandasamy, S., Baret, F., Verger, A., Neveux, P., & Weiss, M. (2012). A comparison of methods for smoothing and gap filling time series of remote sensing observations: Application to MODIS LAI products. Biogeosciences Discussions, 9, 17053–17097. doi: https://doi.org/10.5194/bgd-9-17053-2012
Kanungo, T., Mount, D. M., Netanyahu, N. S., Piatko, C. D., Silverman, R., & Wu, A. Y. (2002). An efficient k-means clustering algorithm: Analysis and implementation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24, 881–892. doi: https://doi.org/10.1109/TPAMI.2002.1017616
Mas, J. F., Velázquez, A., Palacio-Prieto, J. L., Bocco, G., Peralta, A., & Prado, J. (2002). Assessing forest resources in Mexico: Wall to wall land use/cover mapping. Photogrammetric Engineering & Remote Sensing, 68(10), 966–968. http://dialnet.unirioja.es/servlet/ejemplar?codigo=76311
Matlab, Mathematics Laboratory (2012). Matlab: The language of technical computing. Massachusetts, USA: The MathWorks, Inc.
Miranda, F., & Hernández, X. (1963). Los tipos de vegetación de México y su clasificación. Boletin de la Sociedad Botánica Mexicana, 28, 29–179. http://www.cvirtual1.uaem.mx/observatorio/cen_documen/articulos/art_ eco_1963.pdf
Palacio-Prieto, J. L., Bocco, G., Velázquez, A., Mas, J. F., Takaki- Takaki, F., Victoria, A…, González, M. F. (2000). La condición actual de los recursos forestales en México: Resultados del Inventario Forestal Nacional 2000. Investigaciones Geográficas, Boletín del Instituto de Geografía, UNAM, 43, 183–203.
Petitjean, F., Inglada, J., & Gancarski, P. (2012). Satellite image time series analysis under time warping. IEEE Transactions on Geoscience and Remote Sensing, 50(8), 3081–3095. doi: https://doi.org/10.1109/TGRS.2011.2179050
Pfeifer, M., Disney, M., Quaife, T., & Marchant, R. (2011). Terrestrial ecosystems from space: A review of earth observation products for macroecology applications. Global Ecology and Biogeography, 21(6), 603–624. doi: https://doi.org/10.1111/j.1466-8238.2011.00712.x
Rzendowsky, J. (1978). Vegetación de México. México, D.F: Editorial Limusa
Secretaría de Medio Ambiente, Recursos Naturales y Pesca (SEMARNAP). (1997). Estadísticas del Medio Ambiente. México, D.F.: INEGI. http://www.semarnat.gob.mx/archivosanteriores/informacionambiental/Documents/01_informes/informe_1997.pdf
Valderrama-Landeros, L., Baret, F., & España-Boquera, M. L. (2011). Consistency between global and regional land cover maps over Michoacán state, Mexico. Revista Chapingo, Serie Ciencias Forestales y del Ambiente, 17, 343–360. doi: https://doi.org/105154./r.rchscfa2010.09.075
Velázquez, A., Mas, J. F., Bocco, G., & Palacio‐Prieto, J. L. (2010). Mapping land cover changes in Mexico, 1976–2000 and applications for guiding environmental management policy.Singapore Journal of Tropical Geography, 31(2), 152–162. doi: https://doi.org/10.1111/j.1467-9493.2010.00398
Weiss, M., Baret, F., Garrigues, S., Lacaze, R., & Bicheron, P. (2007). LAI, fAPAR and fCover CYCLOPES global products derived from VEGETATION. Part 2: Validation and comparison with MODIS Collection 4 products. Remote Sensing of the Environment, 110, 317–331. doi: https://doi.org/10.1016/j.rse.2007.02.018
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor 2014 Revista Chapingo Serie Ciencias Forestales y del Ambiente