Monitoreo De Incendios Forestales Y La Deforestación

Detección De Incendios Forestales Y Evaluación De Daños

El cambio climático provocó intensas sequías con el fenómeno de El Niño, unido a la histórica deforestación de la cuenca amazónica y a las técnicas de tala y quema de tierras por parte del hombre, fueron la chispa que prendió la mecha. Con un rápido vistazo a las imágenes del incendio forestal del Amazonas de 2017 se aprecia que los incendios provocados por el hombre representaron más de una cuarta parte de las pérdidas de árboles en Brasil ese año.

Según estadísticas e imágenes satelitales de los incendios forestales, estos, en los bosques de la Amazonia, se inician con mayor frecuencia entre julio y octubre, alcanzando su punto máximo en septiembre. En 2017, los incendios de septiembre y octubre fueron especialmente graves. Para estimar los daños de uno de los incendios otoñales de 2017, que quemó 54.000 hectáreas en el Parque Nacional de Chapada dos Veadeiros y sus alrededores, usamos un par de imágenes Landsat 8 antes y después del incendio y calculamos el Índice de Calcinación Normalizado (NBR) utilizando la herramienta de combinación de bandas personalizada de EOSDA LandViewer.

En las imágenes de los incendios forestales, las zonas quemadas aparecen en tonos anaranjados y el rojo indica los puntos en los que todavía hay fuego activo. Los valores altos del NBR (en tonos verdes) representan zonas con vegetación superviviente.

Las imágenes satelitales de incendios forestales pueden ser analizadas con el NBR siempre y cuando contengan las bandas del infrarrojo cercano (NIR) y del infrarrojo de onda corta (SWIR), por ejemplo, las de satélites como Landsat 8, Landsat 7, Sentinel-2 , etc. EOSDA LandViewer proporciona acceso a todas estas colecciones de imágenes y permite cargar imágenes propias a través de la nube EOSDA Storage. Estos datos pueden utilizarse además para crear un mapa de gravedad del fuego o para medir el área exacta de los daños. Para supervisar la recuperación de la vegetación y estimar su mortalidad, es importante repetir el análisis del NBR en la zona afectada durante las siguientes temporadas de crecimiento.

Además del NBR, se pueden crear varias composiciones RGB para visualizar los incendios forestales y la huella del fuego. Esta imagen infrarroja de onda corta muestra la zona carbonizada en negro y los restos del incendio en curso en rojo brillante. La combinación de bandas de falso color es otra buena alternativa.

Monitorización De La Deforestación Y Cambios En El Uso Del Suelo

La ganadería, la agricultura, la tala y la construcción de la autopista transamazónica han sido históricamente las principales causas de la deforestación en Brasil. Cuando las tasas de deforestación se dispararon en los años 90, se convirtió en un problema mundial debido a los efectos perjudiciales que la quema de bosques y el dióxido de carbono liberado tienen en el clima mundial.

Para encontrar soluciones al problema de la deforestación de la Amazonia es necesario identificar y cartografiar a tiempo las zonas sometidas a desbroce, tala o quemas ilegales. La falta de fondos y de personal para controlar eficazmente el uso de las tierras forestales en millones de hectáreas puede solucionarse mediante la observación remota por satélite, que puede capturar imágenes de las consecuencias de la deforestación con facilidad. Gracias a EOSDA Forest Monitoring, un producto de EOSDA lanzado recientemente, la monitorización de la deforestación en la Amazonia brasileña se convierte en una tarea menos compleja.

Las imágenes de la deforestación de la selva amazónica pueden ayudar a mostrar la tendencia de la deforestación con un análisis multitemporal, es decir, comparando dos imágenes de la deforestación del Amazonas en la misma zona tomadas en momentos diferentes. La función de comparación de EOSDA LandViewer puede ser útil para visualizar las diferencias entre ellas y estimar a ojo la magnitud de la deforestación o cualquier otro daño.

Sin embargo, para cartografiar y evaluar con precisión los daños forestales causados por la tala, los incendios o la degradación natural, la detección automática de cambios usando imágenes de la deforestación ambiental ha demostrado ser más eficaz. Todos los análisis pueden realizarse en un breve espacio de tiempo, gracias a la integración mutua de todas las herramientas de la plataforma EOS: basta con encontrar las imágenes de la deforestación en EOSDA LandViewer y calcular el índice, guardarlas en EOSDA Storage y pasar directamente a EOSDA Processing para extraer los análisis.

Estas son imágenes de la deforestación en el Amazonas del Landsat 8 del área de protección ambiental Triunfo Xingú en el estado de Pará, uno de los territorios más afectados de la cuenca amazónica, donde se encuentra el infame “arco de deforestación”. Brasil, que llegó a ser el país con el mayor índice de pérdida de bosques del mundo, consiguió frenar la deforestación en la Amazonia durante una década, desde 2005, gracias a la mano dura del gobierno. Sin embargo, las últimas estadísticas muestran que la tendencia se ha invertido, y que desde verano de 2017 se han talado ilegalmente enormes áreas.

Las unidades de conservación de la cuenca del Xingú fueron las más dañadas, en menos de un año. Se puede ver claramente con imágenes de la deforestación de los bosques en color natural: en comparación con julio de 2017, en junio de 2018 han aparecido muchas zonas de color verde claro y marrón, indicativas de la pérdida parcial o total de la cobertura arbórea.

Con la ayuda del algoritmo de detección de cambios de EOSDA Processing, que identifica los cambios de las imágenes en los espectros RGB y NIR, obtuvimos la tercera imagen, que destaca las zonas exactas de deforestación de la selva amazónica en Brasil.