CONOZCA LOS PASOS DE LA METODOLOGÍA DE MAPBIOMAS VENEZUELA

A continuación se describe la metodología de MapBiomas Venezuela paso a paso. Para cada clase y tema transversal tratado en el mapa existen características específicas que pueden ser consultadas en detalle en el ATBD (Documento de Base Teórica del Algoritmo) y sus anexos.

Todo comienza con imágenes del satélite Landsat, con resolución espacial de 30 metros, disponibles de forma gratuita en la plataforma Google Earth Engine, a partir de las cuales se genera una serie temporal de mosaicos anuales que inician en 1985. Cada uno de estos mosaicos agrupa información de las distintas imágenes Landsat disponibles para ese año y está compuesto por decenas de millones de píxeles. Estos píxeles constituyen las unidades de trabajo de la metodología de MapBiomas. 

Para producir cada mosaico, se seleccionan los píxeles sin nubes de las imágenes disponibles para el período seleccionado con el fin de asegurar la mayor calidad posible en la imagen final; a continuación, para cada píxel se extraen métricas que explican su comportamiento en ese año y que aportan la información necesaria para su posterior clasificación. Esto se hace para cada una de las 7 bandas espectrales del satélite Landsat, así como con fracciones e índices espectrales calculados a partir de ellas. Por ejemplo, para la banda azul visible el mosaico registra el valor de la mediana de los valores de esa banda en las distintas imágenes disponibles para el período, así como su valor máximo y mínimo y la amplitud de la variación. Al final, la imagen del mosaico de un año dado incluye hasta 141 bandas de información para cada píxel.

Para cada año de la colección se genera un mosaico que cubre todo el país y que representa el comportamiento de cada píxel a través de las diferentes métricas o bandas de información generadas al construir el mosaico. Este conjunto de mosaicos se guarda como una colección de datos (ASSET) dentro de la plataforma Google Earth Engine para luego ser utilizados: 1) como fuente de parámetros para el algoritmo de clasificación de las imágenes (ver siguiente paso) y 2) para derivar la composición RGB, que permite la visualización de la imagen de fondo en la plataforma MapBiomas. Esta composición también se usa para la recolección de muestras de entrenamiento y evaluar la precisión mediante interpretación visual.

A partir de los mosaicos, los equipos de cada región y de cada tema transversal elaboran un mapa de cada clase de cobertura y uso del suelo (Formación forestal, Agricultura, Pasto, Uso urbano, Cuerpo de agua, etc.). Para ello, los analistas de MapBiomas utilizan un clasificador automático llamado “random forest”, el cual se ejecuta en la nube de procesadores de Google Earth Engine (GEE). Este sistema se basa en el aprendizaje automático: para cada clase a clasificar, las máquinas son “entrenadas” con muestras de los objetivos a clasificar. Estas muestras pueden obtenerse a partir de mapas de referencia, de la generación de mapas de clases estables a partir de series anteriores de MapBiomas o de la recolección directa a partir de la interpretación visual de imágenes Landsat por los analistas. La clasificación se realiza para cada uno de los años de la serie, y se puede guardar como un único mapa por clase, donde cada píxel tiene un número de capas correspondiente al número de años de la serie histórica analizada.

Una vez que se ha generado la clasificación inicial, se aplica un filtro espacial, el cual tiene como objetivo aumentar la consistencia espacial de los datos, eliminando píxeles aislados o derivados del efecto de borde. Para ello, para cada región y/o clase temática se definen reglas de vecindad que pueden conducir a un cambio en la clasificación de píxeles. Por ejemplo, un píxel que tiene menos de dos de los nueve píxeles vecinos en la misma clase se reclasificará a la clase predominante en la vecindad. Cada píxel en cada año pasa por este proceso de filtro espacial.

En adición a la corrección espacial, el proceso puede incluir la aplicación de filtros temporales que permiten reducir las inconsistencias temporales en la serie histórica de mapas, especialmente aquellas asociadas a cambios “imposibles” o “no permitidos” en la cobertura y el uso del suelo (por ejemplo, el cambio en tres años consecutivos de la serie de Bosque natural > No bosque > Bosque natural). Estos filtros también permiten reducir fallas debido al exceso de nubes o falta de datos en algunos años de la serie. Cada tema o región puede tener reglas de filtro temporal específicas. 

Una vez procesados todos los filtros, los mapas de cada región y tema transversal se integran en un solo mapa que representa la cobertura y uso del suelo de todo el territorio para cada año. Para este proceso de integración se aplican reglas de prevalencia; de esta manera, si un mismo píxel fue clasificado en dos mapas de clases diferentes, es posible definir a cuál clase pertenece en el mapa final. Las reglas de prevalencia pueden variar según las peculiaridades de los temas o regiones. La integración se realiza para cada año de la serie temporal (es decir, se genera un mapa integrado para cada año) y el resultado generalmente es guardado como un único ASSET con el número de mapas anuales del período analizado (por ejemplo, 39 mapas para un período de 39 años). El mapa integrado pasa nuevamente por un filtro espacial para limpiar los bordes y los píxeles aislados que son resultado del proceso de integración.

Finalmente, para comprender los cambios en la cobertura y el uso del suelo a lo largo del tiempo, se producen mapas que muestran las transiciones de clase entre diferentes pares de años seleccionados. Esto permite visualizar el dinamismo del territorio, y responder preguntas tales como cuánto del bosque se ha convertido en pasto de un año a otro, así como preguntas similares para otros cambios en el paisaje. Los mapas de transición se producen píxel a píxel y, una vez finalizados, también se someten a un filtro espacial para eliminar píxeles de transición aislados o de borde. A partir de estos mapas se construyen matrices de transición para cada estado, municipio, tipo de área protegida, territorios indígenas y demás cortes territoriales disponibles en la plataforma MapBiomas Venezuela.