MEETTOODDOOLLOOGGÍÍAA PPAARRAA EELL MMMAAPPEEOO … · metodologÍa de anÁlisis multitemporal de imÁgenes satelitales aplicable a nivel sub- nacional para los paÍses miembros

PROGRAMA DE REDUCCIÓN DE EMISIONES DE CARBONO CAUSADAS POR LA DEFORESTACIÓN Y LA DEGRADACIÓN DE LOS BOSQUES (REDD-GTZ)

PARA LOS PAÍSES DE LA COMISION CENTROAMERICANA DE AMBIENTE Y DESARROLLO (CCAD)

MMMEEETTTOOODDDOOOLLLOOOGGGÍÍÍAAA PPPAAARRRAAA EEELLL MMMAAAPPPEEEOOO DDDEEE LLLOOOSSS TTTIIIPPPOOOSSS DDDEEE BBBOOOSSSQQQUUUEEE YYY AAANNNAAALLLIIISSSIIISSS MMMUUULLLTTTIIITTTEEEMMMPPPOOORRRAAALLL DDDEEE SSSUUUSSS CCCAAAMMMBBBIIIOOOSSS

IIINNNFFFOOORRRMMMEEE FFFIIINNNAAALLL

Siguatepeque, Comayagua, Honduras, C. A, Noviembre, 2010

METODOLOGÍA DE ANÁLISIS MULTITEMPORAL DE IMÁGENES SATELITALES APLICABLE A NIVEL SUB-NACIONAL PARA LOS PAÍSES MIEMBROS DEL CCAD: BELICE, COSTA RICA, EL SALVADOR, GUATEMALA, HONDURAS, NICARAGUA, PANAMÁ, REPÚBLICA DOMINICANA,(REDD– GTZ)

INGENIERÍA, TELEDETECCIÓN Y SISTEMAS DE INFORMACIÓN GEOGRÁFICA 1

TABLA DE CONTENIDO

1 PRESENTACIÓN 5

2 PROCESO DE CONSTRUCCIÓN DE LA METODOLOGÍA DE ANÁLISIS MULTITEMPORAL DE

IMÁGENES SATELITALES APLICABLE A NIVEL SUBNACIONAL PARA LOS PAÍSES MIEMBROS DEL

CCAD (BELICE, COSTA RICA, EL SALVADOR, GUATEMALA, HONDURAS, NICARAGUA, PANAMÁ,

REPUBLICA DOMINICANA); PARA EL MAPEO Y CUANTIFICACIÓN DE LA EXTENSIÓN Y DENSIDAD

DE LOS DIFERENTES TIPOS FORESTALES Y ANÁLISIS HISTÓRICO DE SUS CAMBIOS. 7

3 ANTECEDENTES SOBRE LOS PROYECTOS REDD 14

4 PROPUESTA METODOLOGICA A SEGUIR PARA EL “ANALISIS MULTITEMPORAL DE IMÁGENES

SATELITALES PARA LA DETECCION DE CAMBIOS EN LA COBERTURA DE LA TIERRA” 16

4.1 CONCEPTOS BÁSICOS 16

4.1.1 TELEDETECCIÓN 16

4.1.2 IMÁGENES SATELITALES 16

4.1.3 ANÁLISIS MULTITEMPORAL 16

4.1.4 PERÍODO DE ADQUISICIÓN 17

4.1.5 CARACTERÍSTICAS DE ALGUNOS SENSORES. 17

4.1.6 RESOLUCIONES DE UN SENSOR 20

4.2 DEFINICIÓN DEL ÁREA DE ESTUDIO Y DEL PERIODO DE TIEMPO A ANALIZAR 21

4.2.1 ÁREA DE ESTUDIO 22

4.3 RECOLECCIÓN Y ANÁLISIS DE LA INFORMACIÓN. 22

4.3.1 ADQUISICIÓN DE DATOS. 22

4.3.2 CLASIFICAR, DEPURAR Y ESTANDARIZAR LA INFORMACIÓN COLECTADA. 22

4.3.3 ADQUISICIÓN IMÁGENES SATELITALES. 23

4.3.4 CORRECCIÓN DE IMÁGENES: GEOMÉTRICA Y RADIOMÉTRICA. 26

4.3.5 CORRECCIÓN DE EFECTO TOPOGRÁFICO. 31

4.3.6 ÍNDICE DE VEGETACIÓN 31

4.3.7 COMPONENTES PRINCIPALES 32

4.3.8 CLASIFICACION E INTERPRETACION DE IMAGENES SATELITALES 32

4.3.9 DEFINICIÓN DE SISTEMA DE CLASIFICACIÓN O LEYENDA 33

4.3.10 GIRAS DE CAMPO 48

4.3.11 CLASIFICACIÓN DE LAS IMÁGENES 49

4.3.12 LA INTRODUCCIÓN DE ÁREAS DE ENTRENAMIENTO 49

4.3.13 EVALUACIÓN DE ÁREAS DE ENTRENAMIENTO 49

4.3.14 ASIGNACIÓN DE PÍXELES 50



4.3.15 RECODIFICACIÓN Y COMPROBACIÓN DE LA CLASIFICACIÓN 50

4.3.16 FILTROS 51

4.3.17 NUBES Y SOMBRAS DE NUBES EN LAS IMÁGENES 51

4.3.18 ÁREA MÍNIMA CARTOGRAFIABLE 52

4.3.19 VALIDACIÓN DE LA CLASIFICACIÓN 52

4.3.20 COEFICIENTE KAPPA 54

4.3.21 ANÁLISIS MULTITEMPORAL DE IMÁGENES CLASIFICADAS 55

4.3.22 FÓRMULA PARA LA ESTIMACIÓN DEL PROMEDIO PONDERADO DE LA FECHA DE LAS IMÁGENES 57

4.3.23 ANÁLISIS DE SIG Y ELABORACIÓN DE MAPAS 58

5 BIBLIOGRAFIA DE CONSULTA 59



INDICE DE TABLAS

Tabla 1 Relaciones o pertenencias de las 9 clases propuestas con otros sistemas de clasificación .................................................................................................... 33

Tabla 2 Ej. Matriz de Confusión. ...................................................................... 53

Tabla 3 Valoración del índice de Kappa ............................................................... 54

INDICE DE MAPAS

Mapa 1 Ubicacion geográfica de las parcelas de muestreo –ecosistemas representativos de honduras (noviembre 2010) ................................................... 10

INDICE DE FIGURAS

Figura 1 Dibujo artístico de LANDSAT 7 ........................................................... 23

Figura 2 IMAGENES LANDSAT5, LANDSAT7 Y l5+l7 ............................................... 25

Figura 3 Imágenes Spot adquiridas por el Proyecto Biosfera del Río Plátano en Honduras para el último análisis 2002-2005. .................................................................................. 26

Figura 4 Ejemplo de proceso de georreferenciacion de una imagen de satelite a partir de hojas cartograficas. ............................................................................ 27

Figura 5 Puntos de control para la georreferenciacion ........................................ 28

Figura 6 Resultado de corrección atmosférica en imagen LANDSA7 en la cuenca del valle Jesús de Otoro, honduras utilizando el método presentado por la Dra. Hayde Karszenbaum. ................................................................................................. 30

Figura 7 Resultado de corrección atmosférica en imagen LANDSAT7 en la represa hidroeléctrica gral. Francisco Morazán, Honduras, utilizando la herramienta de Erdas Imagine. ........................................................................................................ 30

Figura 8 Distribución de Bosque Siempreverde Montano en Honduras .................. 37

Figura 9 Ejemplo de firmas espectrales para distintas coberturas de la tierra Fuente: García, V. A. LANDSAT (sin año). ........................................................................... 50

Figura 10 Ejemplo de filtro con ventana de 3x3 ................................................ 51



INDICE DE IMÁGENES

Imagen 1 Bosque Siempreverde Montano, Pico Bonito, departamento de Atlántida-Honduras ....................................................................................................... 36

Imagen 2 Bosque Siempreverde Latifoliado, Rio Amarillo, departamento de Copan-Honduras ....................................................................................................... 39

Imagen 3 Bosque Latifoliado Deciduo, Rio Guascorán, departamento de Valle-Honduras 41

Imagen 4 Bosque Mixto, Montaña Uyuca, departamento de Francisco Morazán-Honduras 42

Imagen 5 Bosque de Pino Denso, Valle de Angeles, departamento de Francisco Morazán-Honduras .......................................................................................... 43

Imagen 6 Bosque de Pino .............................................................................. 45

Imagen 7 Manglar, Laguna Cacao, departamento de Atlántida, Honduras ............. 46



1 PRESENTACIÓN

La misión de la Comisión Centroamericana de Ambiente y desarrollo (CCAD) es la de fortalecer la integración regional en materia ambiental. En el cumplimiento de esta misión, la CCAD actúa regionalmente procurando armonizar las políticas y sistemas de gestión ambiental y promoviendo posiciones comunes y concertadas ante los foros extra-regionales y mundiales.

Bajo la óptica de armonización de instrumentos y políticas, se concentran sus esfuerzos, a fin de que la región pueda avanzar de forma coordinada y a un mismo ritmo, por la senda de la sustentabilidad económica, social y ecológica.

Muchos han sido y están siendo los esfuerzos a nivel de la región en materia de conservación de la biodiversidad, los que se han acentuado a partir de los años 1992-1994, cuando los países centroamericanos firmaron y ratificaron la Convección de Diversidad Biológica.

En este marco de trabajo está siendo implementado el Programa Reducción de Emisiones de la Deforestación y Degradación de Bosques en Centroamérica y República Dominicana (REDD – CCAD – GTZ). Este programa busca apoyar a los países centroamericanos a través de un enfoque regional en la mejora de las condiciones marco y las capacidades de los actores claves para abordar el tema de la reducción de emisiones provocadas por la deforestación y degradación (conocido como REDD).

El propósito del programa es el de crear en los países miembros del CCAD las bases adecuadas para llevar a cabo mecanismos de compensación sostenibles para reducir la emisión de gases CO2, causados por la deforestación y la degradación forestal. Uno de los requerimientos claves para abordar el tema REDD, es disponer del material de datos necesario acerca de la supervisión de las emisiones de CO2 de deforestación y degradación de bosques.

Bajo esta óptica se ha propuesto desarrollar una metodología de análisis multitemporal de imágenes satelitales aplicable a nivel subnacional para los países miembros del CCAD (Belice, Costa Rica, El Salvador, Guatemala, Honduras, Nicaragua, Panamá, Republica Dominicana); para el mapeo y cuantificación de la extensión y densidad de los diferentes tipos forestales y análisis histórico de sus cambios.

Es así que el contenido del presente documento propone y describe el proceso metodológico a seguir a efecto de mapear y cuantificar la cobertura boscosa de los países miembros de la CCAD, a partir de lo cual se puedan proyectar las necesidades y oportunidades para atender el tema REDD.

La reducción de emisión de la deforestación y degradación de los bosques (REDD) es un esfuerzo internacional para crear un mecanismo financiero que valorice el carbono almacenado por los bosques. La idea es simple, pero de difícil implementación, donde los países que eviten la deforestación deben de recibir compensación por sus acciones.



Es importante recordar que la reducción de las emisiones por deforestación y degradación (REDD) es un tipo de pago por servicio ambiental. En el cual el país, estado y/o comunidad recibe recursos financieros para disminuir la deforestación, conservando los bosques y manteniendo el carbono estocado en los árboles - evitando así que él sea lanzado para la atmósfera (Forest Trends 2010).

Se espera que esta metodología sea una herramienta útil en manos de los tomadores de decisiones en cada uno de los países miembros, así como de los ejecutores de los trabajos de campo los que finalmente recogen e interpretan la información primaria que ha de servir para el monitoreo de las emisiones de CO2 de deforestación y degradación de bosques.



2 PROCESO DE CONSTRUCCIÓN DE LA METODOLOGÍA DE ANÁLISIS MULTITEMPORAL DE IMÁGENES SATELITALES APLICABLE A NIVEL SUBNACIONAL PARA LOS PAÍSES MIEMBROS DEL CCAD (BELICE, COSTA RICA, EL SALVADOR, GUATEMALA, HONDURAS, NICARAGUA, PANAMÁ, REPUBLICA DOMINICANA); PARA EL MAPEO Y CUANTIFICACIÓN DE LA EXTENSIÓN Y DENSIDAD DE LOS DIFERENTES TIPOS FORESTALES Y ANÁLISIS HISTÓRICO DE SUS CAMBIOS.

La metodología propuesta ha sido elaborada a partir del enlace de los siguientes elementos:

A. Sistematización de los procesos de análisis multitemporal llevados a cabo por la cooperación Alemana, en el Programa MASRENACE - GTZ/GFA (Nicaragua) y en el Proyecto PBRP - KFW/GTZ/GFA (Honduras).

a) Análisis multitemporal de los años 1987, 2000 y 2005; en la Reserva de la Biosfera BOSAWAS / Región Autónoma Atlántico Norte (RAAN), en Nicaragua, con el apoyo del Programa MASRENACE - GTZ/GFA.

b) Análisis multitemporal de los años 1995, 2000, 2002, 2005/2006; en la Reserva del Hombre y la Biosfera del Río Plátano, en Honduras, con el apoyo del Proyecto PBRP – KFW/GTZ/GFA.

Este ejercicio se desarrollo bajo el propósito de analizar y evaluar los aspectos metodológicos puestos en práctica en ambos país países, logrando a partir de estas dos experiencias retroalimentar y enriquecer el proceso metodológico de análisis multitemporal de imágenes satelitales a ser propuesto en el presente documento. Los resultados de este análisis y sistematización se presentan en el compendio de documentos complementarios anexos al presente informe (DOCUMENTO DE CONSULTA 1).

B. Propuesta de un sistema de clasificación de tipos forestales

Esta propuesta considera el esquema de clasificación de UNESCO que fue aplicado para elaborar el mapa de ecosistemas vegetales de Centroamérica, tiene como objeto uniformizar las clases de uso a ser analizadas. Es una realidad que existe un gradiente de variaciones estructurales en la cubertura vegetal Centroamericana. Esta variación se basa en cambios en precipitación, temperatura, edafología, fitogeografía, fitosociología e intervención. Existen muchos



sistemas para clasificar esta variación, cada uno con un nivel distinto de detalle y su propia interpretación de los parámetros importantes. Cada sistema tiene fortalezas y debilidades que impactan los usos de cada uno.

La meta del Mapa de Cobertura Vegetal de Centroamericana, es producir una herramienta para monitorear la cobertura vegetal y relacionar este con el proceso de cambio climático, lo más importante es que este sistema identifica las principales clases de vegetación con énfasis en cambios estructurales y de biomasa. La precipitación y temperatura tienen un fuerte impacto sobre la estructura de los bosques así también en la velocidad de crecimiento de la vegetación y por lo tanto en la biomasa total. Los cambios estructurales y de humedad relativa de los bosques puede ser identificados desde el espacio con las herramientas de teledetección, por esta razón la teledetección se puede utilizar para calcular las cantidades relativas de Biomasa, a través del análisis de cobertura vegetal.

Uno de los pioneros en la clasificación de la vegetación a nivel centroamericano fue Lesly R. Holdridge, quien propuso un sistema de zonas de vida, basado en cálculos de Precipitación y Biotemperatura, este sistema artificial ha sido aplicado con éxito por casi 50 años, en toda el área Centroamericana. Este sistema identifica muy bien los cambios estructurales por razones de cambios de temperatura y precipitación, pero no puede predecir cambios por intervención humana o por razones edafológicas, geográficas o fitosociológicas.

El Mapa de Eco-Regiones de Centroamericana combinó los conceptos de Holdridge para producir un sistema que toma en cuenta precipitación, temperatura, fitosociología y geografía. La debilidad de este sistema es que no toma en cuenta los efectos del impacto humano como deforestación. El Mapa de Ecosistemas de Centroamericana fue un intento de introducir las herramientas de teledetección para clasificar cobertura vegetal, su debilidad es que la gran mayoría de ecosistemas no son directamente identificados por teledetección sino por una combinación de criterios altitudinales y conocimiento local de las clases de vegetación presentes en cualquier área.

Dado que el mapa de cobertura vegetal va ser usado en el monitorio de cobertura y biomasa es importante que se límite el uso de criterios no asociados con la teledetección.

La debilidad de los Mapas de Cobertura tradicional, basados solamente en la teledetección es que algunos importantes cambios estructurales no pueden ser detectados. La razón de ello es que existe una continuidad entre las distintas clases de cobertura, por ejemplo, bosque seco es muy distinto del bosque húmedo, pero existe áreas con precipitación y bosques intermedias. Existe también continuidad en los cambios de temperatura pasando latitudinalmente al norte o verticalmente por arriba lo que hace difícil poner una línea en un mapa para separar, bosque tropical o de bajura de bosque templada o de montaña. Hasta en las clases más distintas, como por ejemplo bosque de pino y bosque latifoliado, puede existir confusión por la presencia de los bosques mixtos.

Este estudio propone un sistema de clasificación de cobertura simple que trata de priorizar las herramientas de teledetección, pero a la vez aumentar esta capacidad con 2 parámetros geográficos basados en altura y precipitación, para producir una clasificación primaria de 9 clases, Bosque de Pino denso, Bosque de Pino Ralo, Bosque Mixto, Bosque Siempreverde Latifoliado, Bosque Siempreverde



Latifoliado Montano, Bosque deciduo latifoliado, Manglar, Guamiles y Agricultura.

C. Descripción de características y densidades de los diferentes tipos de bosques que serán considerados en la metodología propuesta.

En la construcción de la propuesta metodológica se ha hecho el esfuerzo para reunir información a partir de la cual se puedan caracterizar las los tipos de bosques que han sido propuestos en el sistema de clasificación. Para tal fin se realizó un muestreo rápido y baja intensidad en la fechas del 11 de octubre al 14 de noviembre del 2010. El objetivo fue evaluar la composición y la estructura (vertical y horizontal) de las coberturas boscosas, mediante la medición de los parámetros diámetro a la altura del pecho (DAP), altura total y comercial, diámetro de copa, ubicación espacial en la unidad de muestreo, cantidad de arboles e índice de esbeltez1. La evaluación de las áreas con bosque se generó a partir de la identificación de los 4 tipos de bosque que posee Honduras (latifoliado, coníferas, mixto, manglar). Con base en el área muestreada (10, 287,608 ha) el bosque latifoliado ocupa el 24,9% de la superficie total, el de coníferas 16.3%, mixto 5.2 % y el manglar 0.5% (AFE COHFEFOR, 2006). Se muestrearon sitios que se consideraron representativos (ver mapa 1 sobre ubicación geográfica de los sitios de muestreo): Bosque de latifoliadas, (Reserva biológica de Lancetilla y Parque Nacional La Tigra), Bosque de coníferas (Bosque de ESNACIFOR), Bosque mixto (Celaque), Bosque de mangle y bosque seco (Choluteca). Los bosques fueron además clasificados por densidad como densos, medios y ralos y el bosque de latifoliadas además en montano medio y montano alto. Los detalles de los resultados del análisis para cada uno de los sitios muestreados se presentan en ANEXO 1.

1 Esbeltez: Relación altura/diámetro de los árboles La relación entre la altura (m) y el diámetro (cm), conocido también en la literatura como esbeltez, es un valor que ha sido utilizado frecuentemente como un indicador de la estabilidad de los árboles contra los daños ocasionados por fuerzas mecánicas (viento y nieve) (Arias, 2004). Valores bajos de la relación h/d están asociados con árboles más cónicos que pueden ser más resistentes al efecto de fuertes vientos; sin embargo, desde el punto de vista de rendimiento en aserrío presentan mayor desventaja con respecto a árboles de similares dimensiones pero cilíndricos. Entre más alto sea el valor de la esbeltez, menos estable es el árbol al daño mecánico (Durlo y Denardi, 1998). Otro aspecto muy importante a considerar es la relación que existe entre esbeltez y tensiones de crecimiento

en la madera (Vignote et al, 1996). Otro uso es para revisar la consistencia de los datos de mediciones de estos dos parámetros altura y diámetro si la relación de esbeltez esta muy alejada del promedio pudiera ser que hay un error de medición o de transcripción.



MAPA 1 : UBICACION GEOGRÁFICA DE LAS PARCELAS DE MUESTREO –ECOSISTEMAS REPRESENTATIVOS DE HONDURAS (NOVIEMBRE 2010)



A continuación se mencionan algunas de las principales características de estos tipos de bosques:

Bosque de latifoliados De todos los tipos de vegetación, el bosque húmedo tropical es el que presenta mayor diversidad de especies. De aproximadamente 250 especies angiospermas conocidas, cerca de dos tercios se encuentran en los trópicos, la mitad de estas en el nuevo mundo (Di Stefano et al, 1993 citado por Chávez 2002). Dosdon y Gentry (1978 citado por Chávez 2002), encontraron en rio Palenque, Ecuador 365 especies de plantas vasculares en 0.1 ha y en la zona del Chocó Colombia fueron encontradas 442 especies también en 0.1 ha. Chávez et al (2002) en su estudio sobre estructura y composición florística de la reserva biológica de Lancetilla, utilizando parcelas de 0.0625, 0.125, 0.25, 0.5 y 1 hectárea encontró que la cantidad de especies aumentaba con el tamaño de la parcela desde 32, 45, 61, 72, y 80 especies. Según el último inventario nacional forestal de Honduras, el área de bosque latifoliado es 2, 565,010 ha. Bosque de coníferas El bosque de coníferas es un bosque en el que más del 75% de la cubierta arbórea consiste en especies de coníferas. Son áreas de bosque dominadas por pino en diferentes estados de madurez. Las especies de pino son Pinus oocarpa, Pinus caribaea, Pinus tecunumanii, Pinus maximinoi, Pinus pseudostrobus, Pinus hartwegii, Pinus ayacahuite, El área del bosque de coníferas según la evaluación nacional forestal de Honduras, es la siguiente: pino explotado 113,326 ha, pino maduro 711,876 ha, Pino medio 667,146 ha Pino joven 141,145 ha, Pino reciente 46,322 ha. Bosques secos o deciduos Los bosques secos y sus productos siempre han jugado un papel esencial en la vida de la población humana, han sido y son actualmente fuente de aprovisionamiento de madera, además estos bosques proveen otros productos que en importancia, diversidad y valor son comparables con los bosques húmedos tropicales. (Lamprecht, 1990). Los bosques secos tropicales son considerados como los más frágiles debido a la lenta capacidad de regeneración y a la persistente amenaza de deforestación por causas naturales o antropogénicas (Janzen 1988 citado por Mendoza et al, 2010). Debido a las condiciones de sequía que padecen los bosques secos, el reclutamiento de plántulas y las tasas de crecimiento son afectadas y son menores a la de los bosques tropicales húmedos (Gerhardt 1994, McLaren y McDonald 2003 citado por Mendoza et al, 2010). Asimismo, los bosques secos están sujetos a incendios forestales de gran magnitud, debido a la acumulación de materia orgánica seca sin descomponer, aunque existen evidencias que estos bosques son menos susceptibles a estos eventos por las adaptaciones que tienen sus especies (Pinard & Huffman 1997, Tito et al.2003 citado



por Mendoza et al, 2010). Sin embargo, los incendios también son prácticas realizadas por agricultores para eliminar la cobertura forestal. Los bosques de mangle

Los manglares, en general, se caracterizan por su alta homogeneidad. Las extremas limitaciones del ambiente en que se desarrollan determinan un número relativamente bajo de especies, en relación con su área de distribución. En el Golfo de Fonseca (Choluteca se encuentran 6 diferentes especies arbóreas que necesitan de los humedales salinos para poder vivir. Entre estas tenemos las siguientes: Mangle rojo Rhizophora mangle, Curumo negro Avicennia germinans, curumo blanco Laguncularia racemosa, Botoncillo Conocarpus erectus, espino ruco Prosopis spp (Oyuela, 1997). Los manglares son la formación vegetal características de las costas protegidas en las zonas tropicales y subtropicales. Se les describe como bosques costeros, bosques influenciados por las mareas y bosques de mangle. Las especies conocidas como mangle pertenecen a una variedad de géneros y familias vegetales y su dependencia de su hábitat litoral es variada.

Los manglares poseen una serie de adaptaciones morfológicas, fisiológicas y reproductivas comunes que le permiten crecer en un ambiente inestable y difícil. A nivel mundial se conocen 90 especies vegetales perteneciente a 30 géneros y más de 20 familias que comparten estas adaptaciones y se les reconoce en todo el mundo como manglares (Chapman, 1976; citado por autor desconocido, 2003).

Los manglares dominan los hábitat costeros de regiones tropicales y subtropicales, y caracterizan los ecosistemas estuarinos en estas regiones; constituyendo, por miles de años, un importante recurso económico utilizado por las poblaciones costeras de los trópicos. Razón por la cual, los manglares son considerados entre los hábitat de humedal más importantes. (Meléndez et al, 2004). Según la evaluación nacional forestal el área de manglar es el siguiente: maduro 45692 ha, medio 1990 ha (AFE COHDEFOR, 2006).

De forma complementaria, se procedió al montaje de una base de datos de los mapas de cobertura de la tierra de cada uno de los países miembros de la CCAD.

Estas imágenes fueron descargadas gratuitamente del sitio http://glovis.usgs.gov/. Las imágenes recopiladas corresponden a los Satélite LANDSAT 5 y 7, y a los sensores Thematic Mapper, TM y al scaner ETM+ (Enhanced Thematic Mapper) respectivamente. Además de las imágenes próximas a la fecha de cada mapa, se descargaron y entregaron las imágenes del satélite LANDSAT 5-TM, de fechas recientes hasta el año 2010, que estaban disponibles en el mismo sitio. El contenido de la base de datos se

En resumen, la propuesta metodológica para el análisis multitemporal ha sido construida a partir la validación de procesos metodológicos puesto en práctica en países de la región, la generación de una propuesta de clasificación y una descripción de las características de las clases de uso a ser evaluadas y monitoreadas.



presenta en el compendio de documentos complementarios anexos al presente informe (DOCUMENTO DE CONSULTA 2).



3 ANTECEDENTES SOBRE LOS PROYECTOS REDD

[En 2003 en la COP-9 en Milán, Italia, un grupo de investigadores y de organizaciones no gubernamentales, presentó una propuesta de Reducción de Emisión de la Deforestación (RED). Esta propuesta estaba centrada en el concepto de ―reducción compensadaǁ13. De acuerdo con este concepto, los países en desarrollo que consiguiesen reducir sus tasas nacionales de deforestación en relación a un escenario de referencia, podrían ser compensados financieramente por la comunidad internacional o comercializar créditos de carbono en los mercados internacionales.

Esta discusión fue fortalecida en 2005, en la COP-11, en Montreal, Canadá donde el gobierno de Costa Rica y una Coalición de Países con bosques Tropicales, representada por el Gobierno de Papúa Nueva Guiñé, presentaron formalmente documentos proponiendo que proyectos de créditos de carbono a través de RED fueran incorporados en un nuevo acuerdo internacional. Estas fueron las primeras propuestas gubernamentales sometidas para análisis y discusión sobre este asunto. En este momento surge la propuesta para que el mecanismo RED también incorpore las reducciones de emisiones de proyectos o programas que contemplen la reducción de la Degradación de sus bosques (REDD).

Más recientemente, durante la Conferencia en Copenhague en 2009 (COP-15) fueron presentadas dos nuevas modalidades REDD denominadas REDD+ y REDD++. Estas nuevas modalidades tienen como finalidad incluir actividades que no solamente colaboren en la conservación del carbono almacenado en la biomasa de los bosques, mas también como, que permitan (contabilicen) el incremento de carbono oriundo de la regeneración y de la fijación y almacenamiento del carbono terrestre presente en diversos tipos de uso del tierra (no sólo en bosques).

En otras palabras, tipos de sistemas y manejo que no están contemplados por el MDL, ni en la propuesta original de REDD. El REDD+ incluye el rol de la conservación, del manejo sustentable y del aumento de los stocks de carbono de los bosques en los países en desarrollo. El REDD++ demarca también la agricultura como garantía de buenas prácticas que eviten o disminuyan la deforestación. Así, productores que utilicen sistemas productivos con la presencia de árboles como forma de contribuir con la disminución de la deforestación también pueden pasar la recibir por créditos de carbono] (tomado de Forest Trends 2010).

El escenario de referencia mencionado en el párrafo inicial de esta sección, constituye uno de los pasos iniciales para la aplicación a los proyectos REDD. En este sentido, se recomienda delimitar el estado de conservación y perturbación de los recursos naturales, tipos de usos de la tierra. Y es aquí donde las tareas de mapeo y la cuantificación de la extensión y densidad de los diferentes tipos forestales y análisis histórico de sus cambios, se hace necesario, razón por la cual la presente propuesta metodológica es esencial.



A continuación se presenta en detalle la propuesta metodológica de análisis multitemporal de imágenes satelitales aplicable a nivel sub-nacional para los países miembros del CCAD (Belice, Costa Rica, El Salvador, Guatemala, Honduras, Nicaragua, Panamá, Republica Dominicana); para el mapeo y cuantificación de la extensión y densidad de los diferentes tipos forestales y análisis histórico de sus cambios.



4 PROPUESTA METODOLOGICA A SEGUIR PARA EL “ANALISIS MULTITEMPORAL DE IMÁGENES SATELITALES PARA LA DETECCION DE CAMBIOS EN LA COBERTURA DE LA TIERRA”

4.1 CONCEPTOS BÁSICOS

4.1.1 TELEDETECCIÓN

En sentido amplio, la teledetección no engloba solo los procesos que permiten obtener una imagen, sino también su posterior tratamiento, en el contexto de una determinada aplicación, Chuvieco, 2006.

4.1.2 IMÁGENES SATELITALES

Las imágenes satelitales multi-espectrales y multitemporales son de mucha ayuda para la clasificación y la vigilancia de los cultivos y de los bosques. Estas imágenes permiten el monitoreo del estado de salud de la vegetación durante los ciclos fenológicos, y por lo tanto la detección de daños provocados por acciones humanas, Fea, 1997.

Algunos autores consideran que para realizar un Análisis Multitemporal de la cobertura de la tierra, un intervalo de tres a cinco años, es representativo para evidenciar cambios en la cobertura boscosa; sin embargo las investigaciones deben ajustarse a las características del crecimiento de la cobertura vegetal propio del área de estudio (Chuvieco, 2002, Sánchez, 2009).

4.1.3 ANÁLISIS MULTITEMPORAL

La metodología de análisis multitemporal, es una técnica de análisis que permite obtener conclusiones diferenciadas relacionadas con las transformaciones espaciales de una región. El procesamiento multitemporal implica que las series de datos provenientes de diferentes fechas, tienen que convertirse en un conjunto único de datos. Según Mehl y Peinado (1997).



4.1.4 PERÍODO DE ADQUISICIÓN

La mayor parte de los especialistas están de acuerdo en que la observación sistemática de la superficie terrestre es una de las principales ventajas de la teledetección desde el espacio. La característica orbital de un satélite permite que las imágenes sean adquiridas periódicamente y en condiciones similares de observación, facilitándose así cualquier estudio que requiera una dimensión temporal. Chuvieco, 2006.

4.1.5 CARACTERÍSTICAS DE ALGUNOS SENSORES.

A continuación se describen las características de algunos de los sensores disponibles en el mercado.

MODIS, este sensor obtiene información en 36 bandas del espectro electromagnético. De ésta información hiperespectral unas bandas están orientadas a estudio atmosféricos, otras a la tierra y otras al océano como se aprecia en la siguiente tabla.

Nº DE BANDAS

LONGITUD DE ONDA(µM)

RADIANCIA ESPECTRAL

(W/M²- µM-SR)

TAMAÑO DEL PIXEL (M)

RESOLUCIÓN RADIOMÉTRICA

USO PRINCIPAL

1 620 - 670 21.8 250

32 FLOAT BIT Límite de la tierra, nubes y aerosoles

2 841 - 876 24.7

3 459 - 479 35.3

500 12 BIT

Propiedades de la tierra, nubes, y

aerosoles

4 545 - 565 29.0

5 1230 - 1250 5.4

6 1628 - 1652 7.3

7 2105 - 2155 1.0

8 405 - 420 44.9

1000

12 BIT

Biogeoquímica, color de los océanos,

fitoplancton

9 438 - 448 41.9

10 483 - 493 32.1 11 526 - 536 27.9 12 546 - 556 21.0 13 662 - 672 9.5 14 673 - 683 8.7 15 743 - 753 10.2 16 862 - 877 6.2 17 890 - 920 10.0 Vapor de agua

atmosférico 18 931 - 941 3.6 19 915 - 965 15.0



LANDSAT y 7TM y ETM+, de tipo whisk broom, respectivamente. Toman 6 bandas multiespectrales de imagen desde el visible al infrarrojo térmico, con una resolución espacial de 30 m y 60 m. En el caso de ETM+ además se adquiere una banda pancromática de 15 m de resolución. LandSat 7 está en órbita a 705 kilómetros de distancia de la tierra. Su órbita lo lleva muy cerca del Polo Norte y del Polo Sur, de modo que la Tierra gira bajo LandSat, demora sólo 99 minutos en hacer una órbita alrededor de la Tierra y 16 días en tomar imágenes de toda la tierra del planeta.

SPOT 5, HRG, sensor tipo push broom, satélite francés que registra 3 bandas de imagen, en el visible e infrarrojo cercano a 10 m de resolución espacial, una banda en el infrarrojo de onda corta (SWIR) a 20 m de resolución y una pancromática a 5 y 2.5 m de resolución.

ASTER, surge de la colaboración entre la NASA y el Ministerio Japonés de Economía Comercial e Industria (METI).Fue lanzado en Diciembre de 1999 con una órbita síncrona solar de 705 km de altitud. La periocidad de repetición de su órbita es de 16 días. Toma 4 bandas multiespectrales en el visible de 15 m de resolución, 6 bandas en el infrarrojo de onda corta de 30 m de resolución, y 5 bandas térmicas de 90 m de resolución.



ASTER está compuesto de 3 sistemas (VNIR, SWIR y TIR) que trabajan en los siguientes rangos:

Este sensor toma datos en 14 bandas, del visible a la longitud de onda del infrarrojo, y proporciona visión estereoscópica para la creación de modelos digitales del terreno. Cada imagen cubre una zona de 61.5 km x 63 km (sensor VNIR).

IKONOS, es un satélite comercial que ofrece imágenes en blanco y negro con un metro de resolución e imágenes multiespectrales con 4 metros de resolución.

Fue lanzado con una órbita síncrona con el Sol a una altura aproximada de 680 km. Puede producir imágenes de un mismo lugar cada 3 días. Las imágenes tienen un ancho de 11,3 km en el nadir.

Trabaja en los siguientes rangos espectrales:



QuickBird, de Digital Globe es el único capaz de ofrecer imágenes por debajo de un metro de resolución:

60 cm en modo pancromático 2.4 m en modo multiespectral 60 cm en modo pansharpened (imagen en color combinando los modos

pancromático y multiespectral)

Fue lanzado el 18 de Octubre del 2001, con una órbita síncrona con el Sol y una altura de 450 km, con lo cual vuelve a pasar por un mismo lugar en un tiempo de 3 a 7 días.

El área de una única imagen cubre 16,5 km x 16,5 km, siendo capaz de adquirir de una pasada un área de 16,5 km x 165 km.

En función del modo trabaja en los siguientes anchos de banda:

Pancromático: o Blanco y negro: 445 a 900 nm

Multiespectral:

o Azul: 450 a 520 nm o Verde: 520 a 600 nm o Rojo: 630 a 690 nm o IR-cercano: 760 a 900 nm

4.1.6 RESOLUCIONES DE UN SENSOR

Los sensores presentan varios tipos de resolución, de acuerdo con algunos autores, se puede definir este término como la habilidad para discriminar información de detalle, según (Estes y Simonett citado por Chuvieco, 2006).

Resolución espacial: Es una medida del objeto de menor tamaño que puede distinguir el sensor, esto es necesario de acuerdo a la finalidad y precisión del análisis y a la disponibilidad de recursos con que se cuenta esto es sensores de alta resolución (0.5-1metos) Media resolución (15-30metros) y baja resolución 250- 1000 metros).

Resolución espectral: Hace referencia al intervalo de longitudes de onda del espectro electromagnético que un sensor puede registrar, (Número y anchura de las bandas).

Resolución temporal: Se refiere a la frecuencia de observación del sensor (cada cuanto toma una imagen del mismo punto).

Resolución radiométrica: Se refiere a la sensibilidad del sensor y su capacidad para detectar variaciones en la radiancia espectral que recibe. Esto es cuantos tonos de grises puede discriminar el sensor ejemplo para 8-bit el rango es 0-255, para 7-bit 0-128, etc.



Resolución angular: Se refiere a la capacidad de un sensor para observar la misma zona desde distintos ángulos, según Diner et al, citado por Chuvieco, 2006.

Otro aspecto importante a tomar en cuenta son:

a. Número de Imágenes: La cantidad de imágenes para un proyecto podría determinar el tipo de sensor a utilizar; si el área es pequeña aunque las imágenes de alta resolución espacial sean más costosa podrían ser factible la inversión, para ejemplificar una imagen LANDSAT cubren una superficie de 180 km x 180 km = 32,400 km² con resolución espacial de 30 metros y una QuickBird cubre 16,5 km x 16,5 km con resolución espacial en su modo multiespectral 2.4metros.

b. Cobertura de Nubes y sombras de nubes: Se deben seleccionar las imágenes preferentemente libre de nubes o que la cobertura de nubes no supere el 10% del área de la imagen, esto es muy difícil de lograr en áreas de bosque montano ya que las condiciones climatológicas predominantes en la zona mantienen nubes la mayor parte del año.

c. Intervalo de los análisis: Algunos autores consideran que para realizar un Análisis Multitemporal de la cobertura de la tierra, un intervalo de tres a cinco años es representativo para evidenciar cambios en la cobertura; sin embargo las investigaciones deben ajustarse a las características del crecimiento de la cobertura vegetal propio del área de estudio (Chuvieco, 2002, Sánchez, 2009). Otro aspecto que podría influir también en el intervalo de tiempo, es el fenómeno a estudiar, para el caso de los incendios, Huracanes, Erupciones volcánicas, inundaciones, Tsunami, etc. pueden requerir de periodos más cortos.

La metodología que propone INGTELSIG comprende diferentes etapas, que inicia con la búsqueda y adquisición de datos, procesamiento digital de imágenes, hasta llegar a los análisis de pérdidas y ganancias de la cobertura de la tierra. De la experiencia a desarrollar en esta metodología se pueden identificar las etapas siguientes: i) Recopilación y análisis de información de línea base, ii) adquisición de datos e imágenes satelitales, iii) análisis, clasificación, depuración y estandarización de la información colectada, iv) correcciones de las imágenes: geométrica y radiométrica, v) generación de índice de vegetación y componentes principales, vi) clasificación e interpretación de imágenes, vi) validación estadística de los mapas generados, vii) análisis multitemporal, viii) cálculo de la tasa anual de cambio (TAC), ix) análisis de SIG y elaboración de mapa.

4.2 DEFINICIÓN DEL ÁREA DE ESTUDIO Y DEL PERIODO DE TIEMPO A ANALIZAR



4.2.1 ÁREA DE ESTUDIO

En este apartado se debe especificar la ubicación del área a estudiar si es nacional respecto a la región y si es sub nacional respecto al país, en esta se puede hacer referencia a la ubicación respecto a la región, se debe colocar las coordenadas de referencia en la proyección que corresponda para cada país, ejemplo:

El área de estudio se encuentra ubicadas entre las siguientes coordenadas geográficas: coordenada inferior izquierda Latitud= xxºxx’xx”, Longitud=xxºxx’xx” y superior derecha latitud = xxºxx’xx” y Longitud =xxºxx’xx”.

El área de estudio está contenida en cuatro departamentos o provincias; limita al Oeste…., al Este…, al Oeste…, y al Sur…tiene una superficie aproximada xxx km² equivalente al xx % del territorio Nacional.

4.3 RECOLECCIÓN Y ANÁLISIS DE LA INFORMACIÓN.

Como primer paso se deberá identificar y recopilará la información existente sobre el área de estudio y en particular sobre el tema en cuestión, considerar datos auxiliares de otra fuente, con información sobre la cubierta terrestre. que no proceda directamente de los datos del satélite seleccionados.

4.3.1 ADQUISICIÓN DE DATOS.

Una vez identificadas las fuentes de información se procederá a la recopilación de los datos necesarios, entre estos se incluyen:

Cartografía base Temática en formato raster y/o vectorial. Informes de otros estudios Información estadística Mapas temáticos relativos al tema de estudio Fotografías aéreas Reglamentación existente, etc.

4.3.2 CLASIFICAR, DEPURAR Y ESTANDARIZAR LA INFORMACIÓN COLECTADA.

Toda la información requerida para la realización del proyecto deberá ser sometida a un proceso de análisis, clasificación, depuración y estandarización; por tanto será necesario:

Identificar la información duplicada y la información faltante



Clasificar en imágenes (raster), coberturas (vectores) y documentos

La información geográfica, se deberá estandarizar (normalizar) particularmente en la misma proyección según cada país, todas las capas de información deberán estar en la misma proyección. Algo importante a considerar son los metadatos de la información, en lo referente a la información cartográfica es importante conocer la escala de origen.

4.3.3 ADQUISICIÓN IMÁGENES SATELITALES.

Aspectos a considerar:

Selección del Sensor (óptico o radar), los sensores ópticos como LANDSAT, SPOT y/o ASTER, MODIS, IKONOS, poseen multibandas y dada la distribución estratégica de sus bandas en el espectro electromagnético, contribuyen a facilitar la discriminación de la cobertura boscosa.

FIGURA 1 DIBUJO ARTÍSTICO DE LANDSAT 7

Fuente: NASA



Adquisición de imágenes satelitales

Una etapa importante al abordar un estudio de análisis Multitemporal es la adquisición de las imágenes satelitales, LANDSAT5 TM y LANDSAT7 ETM+ disponen de imágenes para todo el planeta y pueden ser descargadas gratuitamente del siguiente sitio. http://glovis.usgs.gov/.

Por este medio el CCAD ha creado un banco de datos de imágenes del satélite LANDSAT 5 y 7, TM y ETM+ respectivamente de los años 2009-2010, que cubre algunos países totalmente y otros parcialmente.

Como se aprecia en la figura No.2, las imágenes LANDSAT5 (Figura 2.1) no presentan ningún defecto pero algunas hay cobertura de nubes, en el caso de LANDSAT7 en algunas imágenes la cobertura de nubes es menor y viceversa, pero este sensor ETM+ presenta pérdidas de información en sus imágenes desde mayo del año 2003, como se aprecia en la Figura 2.3, las bandas blancas muestran esos vacíos.



FIGURA 2 IMAGENES LANDSAT5, LANDSAT7 Y L5+L7

Para utilizar estas imágenes y solventar la pérdida de información, existen algunos algoritmos matemáticos que llenan estos vacíos, promediando los píxeles de arriba y de debajo de la línea afectada, vale mencionar que en la medida que se aleja las línea de vacíos de información del centro de la imagen hacia los márgenes llegan hasta 15 píxeles la pérdida de información; Llenar Esos espacios con promedios nos parece que podría generar información no muy confiable, por lo que la misma debe ser usada con precaución.

Dado que se dispone de imágenes de dos sensores de fechas recientes gratis, los proyectos podrían abaratar costos utilizándolas, consideramos más conveniente para garantizar la calidad de la información clasificar las imágenes LANDSAT5 (L5) que no presenta fallas como en la figura No.2.1 y clasificar las imágenes LANDSAT7 (L7) con pérdida de información, (figura 2.2), luego llenar los vacíos de L7 con la información de la imagen L5 que no presenta nubes y las áreas de nube de L5 llenarlos con la información que contiene L7 y que no presenta nube, lo que mejorará más la clasificación resultante de L5 + L7 (figura 2.3) esto garantiza que la información sea real.

Si no se logra eliminar el efecto de las nubes de esta forma habría que buscar imágenes de otras fechas recientes o en su defecto adquirir imágenes de otros sensores para esas áreas.

Figura 2.1 Imágenes LANDSAT5 Figura 2.2 Imágenes LANDSAT7 Figura 2.3 Imágenes L5+L7



FIGURA 3 IMÁGENES SPOT ADQUIRIDAS POR EL PROYECTO BIOSFERA DEL RÍO PLÁTANO EN HONDURAS PARA EL ÚLTIMO ANÁLISIS 2002-2005.

Tanto las imágenes Aster como Spot cubren una superficie de 60 km x 60 km = 3,600 km², lo que significa que para cubrir una imagen de LANDSAT se necesitarían 9 imágenes, solo que la resolución mejora en 15 metros y 20 metros respectivamente en el modo multiespectral.

4.3.4 CORRECCIÓN DE IMÁGENES: GEOMÉTRICA Y RADIOMÉTRICA.

Los procesos de corrección de imagen buscan la eliminación de anomalías detectadas en la imagen y disponer los datos a una forma que más se aproxime a la adquisición idónea, las anomalías pueden ser de la radiometría o la localización de los pixeles, y se corrigen con operaciones de corrección corrección geométrica, o radiométrica.

Correcciones geométricas. Por lo regular las imágenes suelen venir georrefernciadas, en algunos casos vienen solo aproximadas, de ser así, se realizará la georreferenciación, que es el procedimiento mediante el cual se dota de validez cartográfica a una imagen digital, corrigiendo geométricamente la posición de las celdas y atribuyéndoles coordenadas en algún sistema de referencia. (Pinilla, C., 1995).

619-319-28/09/2005

620-319-04/04/2004

619-320-28/09/2005



Este ajuste se podrá realizar con la herramienta de que disponen casi todos los programas de procesamiento digital de imágenes, para ejemplificar en el paquete de programas Erdas Imagine 9.1, bajo la opción Raster de la ventana de ERDAS, en la opción Geometric correction, y tomando como referencia las hojas cartográficas en formato raster o podría utilizarse otra imagen de la misma fecha ya referenciada previamente.

FIGURA 4 EJEMPLO DE PROCESO DE GEORREFERENCIACION DE UNA IMAGEN DE SATELITE A PARTIR DE HOJAS CARTOGRAFICAS.

Una vez que se introducen los puntos suficientes, mediante el ajuste por mínimos cuadrados (MMCC) se obtendrá una estimación del error (error medio cuadrático, RMS) de la georreferenciación que por lo general es por debajo de tolerancia (< 1pixel).

En la parte superior en la ventana GCP TOOL se observa el control point error: se ve el error en X y el error en Y, así como el error total aceptado que fue de 37 metros, (poco más de un píxel).

Para correr el proceso de georreferenciación se pone el nombre de salida de la imagen y se especifica el método Resample, por lo general se utiliza el Nearest Neighbor (vecino más cercano), ya que es el método que menos afecta los valores originales de los pixeles, luego se correr el proceso.

Con este boto se introducen los puntos primero en la imagen a referenciar y después en la de referencia



FIGURA 5 PUNTOS DE CONTROL PARA LA GEORREFERENCIACION

Corrección radiométrica. “Se entiende por Corrección Radiométrica cualquier proceso conducente a la restauración de los niveles digitales (ND) originales de una imagen para acercarlos a los valores que hubieran tenido en condiciones de recepción ideales y en ausencia del efecto atmosférico” (Chuvieco, 2002; Pinilla, 1995).

Se realizará la Corrección Atmosférica a las imágenes a analizar, para ello se pueden utilizar las herramientas dispuesta en la mayoría de los programas especializados, pero también existen otras herramientas para realizar esta tareas como la generada por la Facultad de Ciencias Exactas y Naturales de la Universidad de Buenos Aires, Argentina, presentada por la Dra. Hayde Karszenbaum, en la cátedra Procesamiento e Interpretación Digital de Imágenes, dictada en la Maestría en Ordenamiento y Gestión del Territorio, en el Observatorio Astronómico Centro Americano de Suyapa de la UNAH, 2007), que consiste en la aplicación de Datos y Fórmulas contenidos en una hoja de cálculo o plantilla del programa Excel y varios modelos generados con el módulo “Modeler” de ERDAS IMAGINE.



Para este proceso se necesitan los metadatos de las Imágenes anexos a los ficheros de cada imagen.

Posteriormente se realizará un re-escalado o degradación de las imágenes de 32bit a 8bit: dado que al finalizar la corrección atmosférica se obtiene una imagen de 32 bit, es necesario regresar la imagen a 8 bit en algunos programas este proceso se realiza al mismo tiempo y automáticamente.

El programa ERDAS IMAGINE presenta una herramienta para realizar esta tarea para el caso de imágenes LANDSAT7



FIGURA 6 Resultado de corrección atmosférica en imagen LANDSA7 en la cuenca del valle Jesús de Otoro, honduras utilizando el método presentado por la Dra. Hayde Karszenbaum

FIGURA 7 Resultado de corrección atmosférica en imagen LANDSAT7 en la represa hidroeléctrica Gral. Francisco Morazán, Honduras, utilizando la herramienta de Erdas Imagine.

Imagen DN 2000 Imagen corregida 2000

Imagen DN 2010 Imagen corregida 2010



4.3.5 CORRECCIÓN DE EFECTO TOPOGRÁFICO.

En el caso de que la imagen presente sombras por efecto de la topografía podrá ser corregida utilizando cualquier programa especializado para este fin.

El paquete de programa Erdas Imagine posee una herramienta que consiste en un modelo de reflexión lambertiana que se pueden utilizar para reducir el efecto topográfico en las imágenes digitales.

El efecto topográfico es la diferencia en la iluminación y se debe principalmente a la pendiente y a la exposición del terreno en relación a la elevación y al azimut del sol. El producto de este proceso es una imagen con un terreno iluminada más uniformemente.

Para realizar este proceso se necesita saber el azimut solar y la elevación solar a la hora de tomar la imagen, Esta información normalmente está disponible en la cabecera de datos del archivo (metadatos).

Si no está presente, puede que tenga que obtener la información de los archivos originales o del distribuidor de las imágenes.

4.3.6 ÍNDICE DE VEGETACIÓN

El índice de vegetación se utiliza principalmente para mejorar la discriminación entre dos cubiertas con comportamiento reflectivo muy distinto en dos bandas, ej. Suelo y vegetación en el visible e infrarrojo. El índices de vegetación se incorporará como una banda de imagen más en los procesos de clasificación digital y mapeado, con el objetivo de mejorar la exactitud final obtenida en la caracterización y detección de tipos de bosque (Ranchi et al., 2001).



Índice Definición Autor

Normalized Difference

NDVI = (IRC-R)/(IRC+R) Rouse et al. (1974)

4.3.7 COMPONENTES PRINCIPALES

El Análisis de Componentes Principales (ACP), es una técnica bastante empleada en ciencias sociales y naturales. Su objetivo es resumir la información contenida en un grupo amplio de variables en un conjunto, más pequeño, sin perder una parte significativa de la información (Chuvieco, 2006). El componente principal permite sintetizar las bandas originales, creando unas nuevas bandas, los componentes principales, que recojan la parte más relevante de la información original. Esta síntesis resulta muy conveniente cuando se pretende abordar un análisis multitemporal según Joly et al., 1983, citado por Chuvieco, 2006. La componente principal se incorporar como una banda de imagen más en los procesos de clasificación.

4.3.8 CLASIFICACION E INTERPRETACION DE IMAGENES SATELITALES

La clasificación de las imágenes supone categorizar imágenes multibanda a partir del número digital de cada píxel, constituyendo éste el identificador de clase; estadísticamente implica reducir la escala de medida de una variable continua a una variable categórica. La clasificación se desarrolla en varias etapas: la caracterización inicial del área de estudio y selección del sistema de clasificación, el entrenamiento para reconocimiento de cada una de las clases, la clasificación propiamente dicha, la validación de las clases identificadas, la verificación de la clasificación realizada, y finalmente la elaboración productos tales como los mapas y las estadísticas correspondientes.



4.3.9 DEFINICIÓN DE SISTEMA DE CLASIFICACIÓN O LEYENDA

Sistema de Clasificación

El sistema de clasificación propuesto discrimina 9 clases o sistemas de cobertura, tratando de priorizar las herramientas de teledetección, pero a la vez aumentar esta capacidad con 2 parámetros geográficos basados en altura y precipitación: Estas 9 clases son:

1. Bosque siempreverde latifoliado montano 2. Bosque siempreverde latifoliado 3. Bosque deciduo latifoliado 4. Bosque mixto 5. Bosque de pino denso 6. Bosque de pino ralo 7. Manglar 8. Guamiles 9. Pastos y/o Cultivos

El tabla 1 siguiente presenta las relaciones o pertenencias de las 9 clases propuestas con otros sistemas de clasificación.

TABLA 1 RELACIONES O PERTENENCIAS DE LAS 9 CLASES PROPUESTAS CON OTROS SISTEMAS DE CLASIFICACIÓN

Sistema de Cobertura

Variaciones Geográficas Eco-regiones Mapa de Ecosistemas

Bosque Siempreverde Montano

Bosque Montano Centroamericano

Central American Montane Forests

Bosque tropical siempreverde latifoliado montano inferior IA1c y montano superior IA1d y altimontano IA1e en todo sus variantes

Bosque Montano de Talamanca

Talamancan Montane Forests

Bosque Montano de Panama

Panamanian Dry Forests

Bosque Siempreverde Latifoliado

Bosque Siempreverde de Centroamerica

Central American American Atlantic Moist Forests

Todas las variantes de Bosque tropical siempreverde latifoliado de bajura IA1a(1) y de submontano IA1b (1), Todas las variantes de Bosque tropical siempreverde estacional de tierras bajas IA2a(1), y submontano IA2b(1)

Bosque Siempreverde Latifoliado de Costa Rica y Panamá

Costa Rica Seasonal Moist Forest, Isthmian Atlantic Moist Forests, Isthmian Pacific Moist Forests, Costa Rican Seasonal Dry Forests

Bosque Choco Darien Moist Forest





Siempreverde Latifoliado de la Darién Bosque Siempreverde Latifoliado del Peten

Petén Veracruz Moist Forest

Bosque Deciduio Latifoliado

Bosque Seco Centroamericano

Central American Dry Forests

Bosque tropical deciduo latifoliado de tierras bajas IB1 a (1), y Bosque tropical semideciduo latifoliado IA3

Bosque Seco Centroamericano Intermontano

Motagua Vally Thorn Scrub, Central American Dry Forests

Bosque tropical deciduo microfoliado IB1a(2), Arbustal deciduo latifoliado IIIB1

Bosque Seco de Panama

Panamanian Dry Forests Bosque tropical deciduo latifoliado de tierras bajas IB1 a (1)

Bosque Mixto

Bosque Mixto Montano

Central American Pine Oak Forest

Todas las variantes de Bosque tropical siempreverde mixto IA1... (½), Todas las variantes de Bosque tropical siempreverde estacional mixto IA2... (½).

Bosque Mixto de la Mosquitia

Moskito Pine Forests

Bosque Mixto de Belice

Belize Pine Forests

Bosque de Pino denso

Bosque de Pino Centroamericana


Todo las variantes de Bosque tropical siempreverde estacional aciculifolio, IA2a(2), IA2b(2) y IA2c(2)

Bosque de Pino de la Mosquitia

Moskito Pine Forests Sabanas de graminioides cortas con arboles aciculifolios VA2a(1)(2)

Bosque de Pino de Belice

Belize Pine Forests

Bosque de Pino ralo

Bosque de Pino Ralo Centroamericana


Parte del Bosque tropical siempreverde estacional aciculifolio

Bosque de Pino de la Mosquitia

Moskito Pine Forests Sabanas de graminioides cortas con arboles aciculifolios VA2a(1)(2)

Bosque de Pino Ralo de Belice

Belize Pine Forests

Manglar

Manglar Alvarado Mangroves, Belizian Coast Mangroves, Belizian Reef Mangroves, Boca de Toros Mangroves,Golf de Fonseca Mangroves, Golf of Panama Mangroves, Maya Corridor Mangroves, Mosquitia Mangroves, Northern Pacific

Bosque de Manglar IA5





Dry Mangroves, Northern Honduras Mangroves, Southern Dry Pacific Mangroves,Tepaumatec El Manchon Mangroves

Guamiles

Pastos y/o cultivos

Las diferencias entre los bosques latifoliados deciduos y siempreverdes en Centroamericana son reales y significativos, comúnmente por su distintiva distribución, bosque deciduo por la zona pacifica y bosque siempreverde en la costa norte, estas 2 clases no se mezclan y puede ser identificadas por teledetección, pero en el sur de Centroamericana existe una continuidad en la zona pacifica entre bosques deciduos y siempreverdes por lo cual se propone usar la línea propuesta por el mapa de eco-regiones para separar estas clases en Costa Rica. Los bosques montanos en Centroamericana son estructuralmente distintos de los bosques de bajura, estas diferencias son desde el nivel de especies, en las comunidades montanas las especies son muy distintas de las especies de bajura, con diferencia en tasas de crecimiento y cantidad total de biomasa. Existe tanto o más diferencias entre los bosques siempreverdes montanos y los bosques siempreverdes de bajura, que entre bosques siempreverdes y deciduos. Por esta razón se propone usar los límites geográficos del mapa de eco-regiones para separar estos bosques siempreverdes. Los bosques de pino representan una cobertura distinta, basada en una combinación única de precipitación, temperatura, fitogeografía y fitosociología. La relativa facilidad de su identificación por la teledetección hace innecesario usar otros parámetros para su identificación. Esta se puede aplicar en el mismo sentido con los bosques mixtos de Pino, la cual se consideran un clase aparte en esta clasificación. Los bosques se manglar presentan una cobertura distinta, de mucha importancia ecológica y previsto a ser impactados fuertemente por el cambio climático, dado que esta cobertura se puede identificar con facilidad por teledetección esta propuesta como una clase distinta. Los guamiles, en esta clasificación, son principalmente ecosistemas intervenidos existentes dentro de bosques latifoliado o de pino, de bajura o montano. El único tipo de matorral separado de estos grupos son los matorrales secos que se incluye en los Bosques deciduos. Los pastos y/o cultivos, son áreas destinadas a actividades agropecuarias, que pueden estar en diferente estado de desarrollo, con riego o sin riego, de uso intensivo o extensivo.



CLASE 1 BOSQUE SIEMPREVERDE MONTANO

Los bosques siempreverdes latifoliados del piso montano, se observan como bosques densos con una altura entre 25-30 metros, con precipitaciones hasta de entre 2000 y 4000 mm como promedio anual. La vegetación de esta formación es una espectacular mezcla de elementos norteños y sureños combinado con altos niveles de endemismo (Dix, 1997). Por ejemplo estos bosques son el límite sureño de muchos géneros de coníferas como Abies, Juniperus, Cupressus y Taxus, que crece por el lado norte de las montanas más altas. Este bosque se caracteriza por la dominancia de 2 familias de plantas: las Fagaceae o robles originarios de América del norte y la Lauraceae o aguacatillos de origen Suramericano.

A continuación se detallan las características generales paras las 9 clases de

bosques propuestas en el sistema de clasificación, incluyendo sus características

de estructura y composición florística a nivel de # de árboles/ha, área basal,

volumen, DAP, altura total e índice de esbeltez.

IMAGEN 1 BOSQUE SIEMPREVERDE MONTANO, PICO BONITO, DEPARTAMENTO DE ATLÁNTIDA-HONDURAS

Landsat, RGB - 453



Figura 8 Distribución de Bosque Siempreverde Montano en Honduras Las especies más frecuentes son Mauria sessiflora, Ilex chiapensis, Ilex williamsii, Oreopanax xalapensis, Weinmannia balbisina, Hieronyma guatemalensis, Hieronyma poasana, Quercus cortesii, Quercus lanciflia, Quercus laurrina y Quercus bumelioides, Homalium racemosum, Olmediella betschieriana, Calatola laevigata, Nectandra heydeana, Ocotea veraguensis, Phoebe helicterifolia, Magnolia hondurensis, Miconia argentea, Guarea pittieri, Trophis chorizantha, Ardisia paschalis, Chamaedorea pinnatifrons, Clusia rosea, Lophosoria quadripionnata, Cyathea mexicana. En las áreas más húmedas y en la parte inferior del área se encuentran especies como: Alchornea latifolia, Liquiamber struflua, Carpinus caroliniana var tropicalis, Calophyllum brasiliense, Cojoba recordii, Cyrilla racemiflora, Dendropanax arboreus, Trichospermum greviifolium, Ocotea helicterifolia, Scheflera morototoni, Ilex guianensis, Inga sp., Alibertia edulis, Magnolia hondurensis, Myrcia splendens, palmas de los generos Chamaedorea sp. Geonoma sp. Valores de estructura y composición2 Composición: La cobertura del ecosistema de bosque siempre verde montano muestreado está compuesto por 12 especies: las especies dominantes son Encino 30.5%, Roble 24.4%, Zarcil 12.2 que suman 2/3 del total las otras especies son álamo, aguacate, cafecillo, café, montón, pinabete, cuajada, hijo de limón de monte.

2 Sitio de muestreo: Reserva Biológica La Tigra-Honduras



Estructura diamétrica: En cuanto a categoría diamétrica el tipo dominante tiene un DAP de 36.9 cm, un número de árboles por ha de 354 y un área basal por ha de 66 m2/ha. La distribución de especies por clase de DAP mostró la forma típica de un bosque disetáneo o sea una J invertida (ver detalles en anexo 1). En cuanto a altura, se reporta el mayor promedio de altura con 21.1 m

Bosque siempreverde montano (promedios generales)

Árboles/ha Área basal

(m² /ha) Vol./ha

(m3) Altura total

(m) DAP (cm)

Índice esbeltez

354 66 460 21 37 0.57 Discusión a partir de los valores encontrados sobre estructura y composición en bosques siempre verdes montanos de Honduras: La cobertura del ecosistema de bosque siempreverde montano de la Reserva biológica de La Tigra está compuesto por un menor número de especies (12 especies): las especies dominantes son Encino 30.5%, Roble 24.4%, Zarcil 12.2 que suman 2/3 del total. La estructura del bosque mostro un DAP de 36.9 cm, un numero de arboles de 354 y un área basal de 66 m2/ha. La diferencia en área basal se explica por el mayor diámetro del bosque de La Tigra. La distribución de especies por clase de DAP mostró al igual que en el bosque de Lancetilla la forma típica de un bosque disetaneo o sea una J invertida. En cuanto a altura, el bosque de La Tigra tiene el mayor promedio de altura con 21.1 m. CLASE 2 SIEMPREVERDE LATIFOLIADO La altura de la cobertura de estos bosques es de aproximadamente 40-50 m, se observan como bosques densos y cerrados, sus diferencias están principalmente en el sistema de drenaje y el tipo de suelo pero también hay importantes diferencias regionales en la precipitación anual y también diferencias fitogeográficas entre el sur y el norte de Centroamérica. Tomando en consideración sus diferencias, es frecuente encontrar las siguientes especies: Arboles: Vochysia hondurensis, Brosimun alicastrum, Bursera simarouba, Calophyllum brasiliense var. rekoi, Cedrela odorata, Coccoloba anisophylla, Cordia alliodora, Ficus colubrinae, Ficus insípida, Ficus tonduzii, Guarea grandifolia, Hernandia stenura, Licania platypus, Luehea candida, Nectandra sp. Ocroma pyranidale, Pithecoellobium donnel-smithii, Pouteria campechiana, Pouteria sapota, Rinorea guatemalensis, Symphonia globulifera, Swietenia macrophilla, Tabebuia chrysantha, Terminalia amazonia, Billia columbiana, Virola koshnyi.



En Costa Rica y Panamá especies no reportadas en el norte de Centroamérica son comunes, como gavilán (Pentaclethra macroloba,) el almendro (Dipteryx panamensis) y el coco de mono (Lecythis ampla) y Bala de cañon (Couroupita guianensis) Valores de estructura y composición3 Composición: La cobertura del ecosistema de bosque siempre verde latifoliado muestreado, está compuesto por 24 especies: las especies dominantes son Corozo, Orbignia cohune 10.1%, Cuajada 8.5%, San Juan 7.0%, Jobo 6.2%, Sangre 4.7%, Virola 4.7%, Aguacatillo 3.9% Chachalaco 3.9%. Achiotillo 3.1% todas estas especies suman más de la mitad 52.1%. Las siguientes otras 15 especies suman 47.9%: Campanilla, Coloradillo, Guarumo, Guama, Higo, Indio desnudo, Masiquillo, Papachurro, Aguacate blanco, Amargoso, Cogón de burro, Lengua de vaca, sombra de pava, Almendro de montaña. Estructura diamétrica: En cuanto a categoría diamétrica los tipos dominantes son el bosque denso, bosque medio, bosque ralo con promedio de DAP se 27.8, 27 y 22.9 cm. Si se considera el área basal para evaluar la dominancia, los valores encontrados fueron 47, 17 y 18 m2/ha. Los valores para el número de árboles fueron los siguientes 508, 308 y 258 árboles por ha. En cuanto a altura, el bosque denso tiene el mayor promedio de altura con 22.8 m, seguido del bosque medio y el bosque ralo con 18 y 14 m respectivamente. La distribución de especies por clase de DAP mostro la forma típica de un bosque disetáneo o sea una J invertida (ver detalles en anexo 1).

3 Sitio de muestreo: Jardín Botánico Lancetilla-Honduras

IMAGEN 2 BOSQUE SIEMPREVERDE LATIFOLIADO, RIO AMARILLO, DEPARTAMENTO DE COPAN-HONDURAS

Landsat, RGB - 453



Bosque siempre verde latifoliado (promedios generales)


(m² /ha) Vol./ha

(m3) Altura total

(m) DAP (cm)

Índice esbeltez

358 27 188 18 26 0.71 Bosque siempre verde latifoliado denso

508 47 332 23 28 0.82 Bosque siempre verde latifoliado ralo

258 18 103 14 27 0.52 Discusión a partir de los valores encontrados sobre estructura y composición: Composición y estructura. Los resultados encontrados en el bosque latifoliado siempreverde de Lancetilla acerca de la composición en este estudio y por Chávez, concuerdan en dos aspectos importantes, uno es el numero de arboles por ha, según Chávez es 368 árboles por ha y en este estudio es 358 árboles por ha. En cuanto al número de especies se encontraron 32 especies en el tamaño de parcelas más pequeño usado en su estudio (625 m2 o 0.0625 ha), este estudio encontró 23 especies en parcelas de tamaño de 300 m2 0.03 ha. Debido a que Chávez estudio 5 tamaños donde encontró un número creciente de especies a medida que aumentaba el tamaño. Los valores encontrados fuero 80, 72, 61, 45, 32, 21 especies, para tamaños de 1 ha, 0.5 ha, 0.25, 0.125 ha, 0.0625 ha, 0.030 ha. El último valor de 21 especies fue estimado, para compararlo con el valor promedio encontrado en la parcela de 0.03 ha de este estudio y que fue de 22 especies sin considerar la especie Corozo. En resumen para estimar la densidad en arboles por ha o área basal por hectárea se permite usar parcelas de tamaños pequeños (0.03 ha) que son más eficiente desde el punto de vista económico, en cualquier ecosistema. Sin embargo en ecosistemas más complejos y con mayor diversidad de especies (latifoliado, seco, mangle) se recomienda el uso de parcelas de de mayor área (0.25 ha) y en conglomerado o clúster de 4 unidades. CLASE 3 BOSQUE DECIDUO LATIFOLIADO Se caracteriza porque la mayoría de los árboles pierden sus hojas simultáneamente en la época seca de cada año. Hay especies siempreverdes en el sotobosque, por ejemplo: pequeños árboles de los géneros Eugenia y Clusia, así como varias especies suculentas. Se presentan árboles de tronco abombado, hay lianas o bejucos ocasionales. Hay mucha variación estructural según los niveles de precipitación con áreas más secos siendo más bajas y abiertas. En algunos de los valles interiores como Valle del Motagua, en Guatemala y El valle de Aguan, en Honduras. Son arbustales abiertos dominados por cactáceas arborescentes. En toda el área, el piso de herbáceas está generalmente dominado por graminoides. Se distribuye en tierras bajas en terrenos planos o cerros con pendientes leves que permite un buen drenaje. Se observan especies como Enterolobium cyclocarpun, Bursera simarouba, Bursera graveolens, Ceiba pentandra, Cordia alliodora, Calycophyllum candidissimum, Lysiloma auritum,



Swetenia microphylla, Thouinidium decandrum, Tabebuia neochrysanta, Samanea saman, Spondian mombin, Lonchocarus minimiflorus, Guazuma ulmifolia, Phyllostylon brasiliensis, Zanthoxylum setulosum.

Los bosques deciduos de Centroamérica tienen alto nivel de endemismo, casi tan alto como los Bosques Montanos, este endemismo es aún más alto en los bosques deciduos intermontanos. En las zonas semiáridas se encuentran las cactáceas arbóreas como, Stenocereus ehichlamii, Stenocereus yunckeri, Stenocereus priunosus, Stenocereus aragonii, Pilosocereus lecuocephalus, Pilosocereus chysacanthus, Pachycereus lepidanthus, Napolea lutea Napolea hondurensis y Myrtillocactus geometrizans. Muchas especies útiles ahora están consideradas amenazadas como: Laurel Negro Cordia gerascanthum, "cristobal" Platymiscium parviflorum, "Tempisque" Sideroxylon capiri, Caoba Swietenia humilis,, "lignum vitae" Guaiacum sanctum, "granadilla" Dalbergia retusa, "ronrón" Astronium graveolens, "guachipelín blanco" Myrospermum frutescens, brazilwood Haematoxylon brasiletto,, Cedro Cedrela odorata and Cedro macho Bombacopsis quinatum (Dinerstein et al. 1995; Bullock 1995; Jiménez et al. 1997). Valores de estructura y composición4 Composición: La cobertura del bosque deciduo latifoliado muestreado, está compuesto por 15 especies siendo las dominantes las siguientes: Quebracho 16.9%, Verbenilla 13.8%, nancescolo 12.3%, jícaro 10.8%, laurel 10.8%, salamo 9.2%, bambayan 4.6%, pescadillo 4.6% que suma 83%. Las demás especies son Carbón blanco 3.1%, Cortes 31%, Brasil 1.5%, Guacimo 1.5%, Guarumo 1.5%, Indio desnudo 1.5%, Matriar 1.5%, Piñon 1.5%. Estructura diamétrica: La característica diamétrica del bosque seco es de ser achaparrado con un índice de esbeltez de 0.39 en el bosque ralo o abierto y 0.47 en el bosque denso. El índice de esbeltez es la relación entre la altura y el diámetro.

4 Bosques secos, departamento de Choluteca-Honduras

IMAGEN 3 BOSQUE LATIFOLIADO DECIDUO, RIO GUASCORÁN, DEPARTAMENTO DE VALLE-HONDURAS

Landsat, RGB - 453



El bosque seco abierto o ralo y el bosque seco denso presentan características muy parecidas en cuanto a la estructura horizontal y vertical sus diámetros promedios son 17.5 y 16.1 cm y sus alturas promedias son 6.9 y 7.5 m. La diferencia entre ambos está en la densidad expresada en el numero de arboles por ha, el bosque abierto tiene 142 y el denso 383 árboles por ha. En área basal el bosque denso triplica al bosque seco abierto con 142 y 383 m2 por ha respectivamente (ver detalles en anexo 1).

Bosque deciduo latifoliado (promedios generales)


(m² /ha) Vol./ha

(m3) Altura total

(m) DAP (cm)

Índice esbeltez

262 7.8 36 7.2 17 0.43 Bosque deciduo latifoliado denso

383 12 59 7.5 16 0.47 Bosque deciduo latifoliado ralo

142 4 14 6.9 17.5 0.39 CLASE 4 BOSQUE MIXTO Los bosques mixtos están asociados con las anteriores formaciones. En las Montañas de Nicaragua, Honduras y Guatemala forman parte de las Ecoregiones de Bosques de Pino y Roble Centroamericano. La mezcla principales de Pinus oocarpa y Pinus maximinoi con varias especies del género Quercus, Liquidamber struflua y Carpinus carolinensis. Pero los bosques mixtos pueden ser formaciones mucho más diversas tanto en las montañas como en formaciones en la bajura de la Mosquitia y Belice. Especies más típicas de las montanas, Arbutus xalapensis, Agave oppascidens, Brahea dulcis, Byrsinoma crassifolia, Comocladia guatemalensis, Desmodium angustifolium, Dyphisa floribunda, Inga leptaloba, Juniperus comitana, Liquidámbar styraciflua, Myrica cerifera, Pachyrrizus erosus, Pinus maxoninoii, Pinus oocarpa, Pinus tecunumanii, Rhus vestita, Saurauia sp., Senecio deppeanus, Stillingia sanguinolenta, Quercus eliptica, Quercus pedunculatus, Quercus sapotifolia, Quercus tristis.

IMAGEN 4 BOSQUE MIXTO, MONTAÑA UYUCA, DEPARTAMENTO DE FRANCISCO MORAZÁN-HONDURAS

Landsat, RGB - 453



Valores de estructura y composición5 Composición: La cobertura del bosque mixto está compuesto por 3 especies: Pino, Roble y Liquidámbar. Estructura diamétrica: La característica diamétrica del bosque mixto es de ser de una esbeltez media con un índice de esbeltez de 0.59 en el bosque denso y 0.60 en el bosque ralo. El bosque mixto denso o ralo presentan características muy parecidas en cuanto a la estructura horizontal y vertical sus diámetros promedios son 27.9 y 29.1 cm y sus alturas promedias son 16.4 y 17.2 m. En la densidad presentan valores de 556 y 333 árboles por ha.

Bosque mixto (promedios generales)


(m² /ha) Vol./ha

(m3) Altura total

(m) DAP (cm)

Índice esbeltez

444 36 357 16.8 28.5 0.60 Bosque mixto denso

556 43 428 16.4 28 0.59 Bosque mixto ralo

333 30 285 17.2 29 0.60

CLASE 5 BOSQUE DE PINO DENSO Esta formación se define por la signatura espectral única del género Pinus. La principal formación en esta clase de vegetación tiene una precipitación promedio de menos de 2500 mm por año con un estación seca desde Febrero a Mayo. Se encuentra principalmente arriba de 500m en las montañas de Nicaragua, Honduras, Belice y Guatemala. El fuego, juega un papel importante en la formación y mantenimiento de este ecosistema. Posiblemente antes del impacto antropológico esta formación estaba restringida a los filos montañosos. La especie dominante es Pinus oocarpa.

IMAGEN 5 BOSQUE DE PINO DENSO, VALLE DE ANGELES, DEPARTAMENTO DE FRANCISCO MORAZÁN-HONDURAS

Landsat, RGB - 453



En Guatemala, Sur central de Honduras y Nicaragua en alturas por debajo de 600msnm esta formación pasa a Bosque deciduo latifoliado, pero en el norte de Honduras y Belice por debajo de 600msnm se encuentra un bosque de Pino similar pero con Pinus caribaea como especie dominante. En territorio con altitudes menores de 1000msnm, el sotobosque es muy abierto y dominado por especies de zacates, muchos de los cuales son especies introducidas como Hyparrhenia rufa, pero arriba de 1000msnm Pinus oocarpa comparte dominancia con Pinus maximinoi y el sotobosque se vuelve más cerrado con especies de arbustos latifoliados. Otra especie de Pino Pinus tecunumanii se encuentra ocasionalmente disperso en esta formación. Especies latifoliadas asociadas son Agarista sp., Byrsonima crassifolia, Clethra occidentalis, Clusia massoniana, Brahea salvadorensis, Myrica cerifera, Lysiloma auritum, Dyphisa floribunda, Schippia concolor, Agave seemaniana, y varias especies de Quercus.. Valores de estructura y composición5 Composición: La cobertura del bosque de pino muestreado, está compuesta en un 100% por Pinus oocarpa. Estructura diamétrica: La estructura en este caso de una especie en cuanto al DAP se establece por densidad y son bosque denso 22.6. Las áreas basales y el numero de arboles por ha para bosque de pino denso son 17, 7 m2/ha. y 400 árboles/ha respectivamente. En cuanto a altura promedio, estas son para bosque de pino denso medio y ralo las siguientes 19.6 m. La distribución en el pino denso sigue una tendencia a la normalidad con excepción de la clase 22 cm. (ver detalles en anexo 1).

Bosque pino denso

Arboles/ha Área basal (m²/ha)

Vol./ha (m³)

Altura total (m) Índice esbeltez

400 17 124 22.6 0.87 CLASE 6 BOSQUE DE PINO RALO Esta formación es muy similar a la anterior pero con una marcada reducción en la densidad de Pino, a tal punto de esta formación ha sido considerada una forma de Sabana de pino con zacate corto. Se encuentra en Nicaragua, Honduras, Guatemala y Belice, normalmente asociada con áreas de Bosque de Pino denso. Es producto de una combinación de factores edafológicos y antropológicos. En las montañas de la zona central y sur de Honduras esta formación está asociada con suelos volcánicos llamados lajas que forma un subsuelo impenetrable, creando suelos delgados y pobres. En las partes bajas de Belice y la Mosquitía los suelos son antiguas playas de piedras con una capa mineralizada e impenetrable.

5Sitio muestreado: bosques ESNACIFOR-Honduras



Valores de estructura y composición Composición: La cobertura del bosque de pino ralo muestreado, está compuesta en un 100% por Pinus oocarpa Estructura díamétrica: La estructura en este caso de una especie en cuanto al DAP se establece por densidad siendo de 19.6 cm. Las áreas basales y el numero de arboles por ha para bosque de pino ralo es de 7 m2/ha. y 225 árboles respectivamente. En cuanto a altura promedio, estas son para bosque de pino ralo 11.1 m. Vale decir que la distribución en el pino denso sigue una tendencia a la normalidad con excepción de la clase 22 cm. La distribución del pino medio y ralo no muestra ninguna tendencia definida (ver detalles en anexo 1).

Bosque pino ralo

Arboles/ha Área basal (m²/ha)

Vol./ha (m³)

Altura total (m) Índice esbeltez

225 7 34 11.1 0.57 CLASE 7 MANGLAR Este ecosistema se presenta en las zonas con influencia marina que le permite una característica salina significativa. Está formado por árboles y arbustos esclerófilos siempreverdes de raíces fúlcreas o zancos, con neumatóforos. La presencia de epifitas es rara pero se observa la presencia de líquenes en los troncos. Es muy evidente la presencia de algas en las partes bajas de los árboles. La altura de la cobertura puede

IMAGEN 6 BOSQUE DE PINO RALO, DEPARTAMENTO DE NOMBRE DE DIOS, HONDURAS

Landsat, RGB - 453



variar entre 5- 30 m. Están exclusivamente dominados por Rhizophora mangle y/o Avicenia germinans y pueden tener otras especies de árboles o arbustos asociados. Otras especies de mangle que se pueden encontrar son Conocarpus erectus y Laguncularia racemosa. En el área de pantano de los manglares aparecen los helechos Acrostichum aureum, Blechnum sp., y otras especies como Bactris sp., Coccoloba sp., Desmoncus orthacanthos, Mendoricia retusa, y Pachira aquatica. En el Caribe el manglar se presenta en pequeños parches poco densos y su estructura es menos conspicua. Aparecen a la orillas de las lagunas, desembocaduras de ríos, en fajas de varios metros de largo pero con 2 a 4 metros de ancho. Se observa Rhizophora mangle como especie dominante pero aparecen con menos abundancia Avicenia germinan y Laguncularia racemosa. Asociadas aparecen algunas especies como Acrostichum aureum, Cecropia spp. y Coccoloba uvifera.

Valores de estructura y composición6 Composición: La cobertura del ecosistema de mangle del sitio muestreado de Bahia Chismuyo está compuesto por las dos especies más representativas: Rizophora sp con 57% y Avicennia sp con 43% de ocurrencia. Estructura diamétrica: La especie dominante en cuanto a categoría diametrica es el Rizophora con DAP medio de 30.6 cm , en cambio la Avicennia tiene un dap medio de 12.5 cm. Si se considera el área basal para evaluar la dominancia, la situación se repite con 17 .1 m2/ha. y 4.2 m2/ha. En resumen la especie Avicennia es más pequeña en diámetro pero de de mayor densidad 333 árboles por ha. que la especie Rizophora con 200 árboles por ha. En cuanto a altura, la especie dominante es Rizhophora con una altura promedio de 20.2 m, la especie Avicennia tiene una altura promedio de 39.3 m.

6 Sitio muestreado: bosque de mangle bahía de Chismuyo -Honduras

IMAGEN 7 MANGLAR, LAGUNA CACAO, DEPARTAMENTO DE ATLÁNTIDA, HONDURAS

Landsat, RGB - 453



Composición: La cobertura del ecosistema de mangle del sitio muestreado está compuesto por las dos especies más representativas: Rizophora sp con 57% y Avicennia sp con 43% de ocurrencia. Estructura diametrica: La especie dominante en cuanto a categoría diametrica es el Rizophora con DAP medio de 30.6 cm , en cambio la Avicennia tiene un dap medio de 12.5 cm. Si se considera el área basal para evaluar la dominancia, la situación se repite con 17 .1 m2/ha. y 4.2 m2/ha. En resumen la especie Avicennia es más pequeña en diámetro pero de de mayor densidad 333 árboles por ha. que la especie Rizophora con 200 árboles por ha. En cuanto a altura, la especie dominante es Rizhophora con una altura promedio de 20.2 m, la especie Avicennia tiene una altura promedio de 39.3 m. (ver detalles en anexo 1).

Manglar (promedios generales) Árboles/ha Área basal

(m² /ha) Vol./ha

(m3) Altura total

(m) DAP (cm)

Índice esbeltez

267 10 99 14.7 21.6 0.70 Bosque manglar denso

333 4 19 9 13 0.74 Bosque manglar ralo

200 17 179 20 31 0.66 Las especies de mangle encontradas fueron 2, Curumo, Avicennia sp, Rizophra sp. CLASE 8 GUAMILES Los guamiles son principalmente áreas de regeneración de varios ecosistemas distintas pero con floras pioneras similares. Esta formación típicamente asociada con áreas agrícolas está dominada por arbustos y árboles pioneros de rápido crecimiento. CLASE 9 PASTOS Y/O CULTIVOS La zona agrícola consiste principalmente de áreas de monocultivos tales como maíz, caña, palma africana y áreas de pasto.

Landsat, RGB - 453

Landsat, RGB - 453



4.3.10 GIRAS DE CAMPO

Como preparación previa para la toma de los datos de campo, se procederá al cálculo del número de muestra necesaria para obtener un error de muestreo tolerable al momento de validar la clasificación.

Se deberán levantar datos de campo de las diferentes coberturas de la tierra, que sean estadísticamente representativo para realizar la clasificación como para validar la misma, los puntos que servirán para validar la clasificación no deberán participar en ella, o sea no deberán ser usados para clasificar la imagen.

La ecuación utilizada para determinar el número de muestra será la siguiente:

Fórmula No. 1 Cálculo del número de puntos necesarios para clasificar la imagen y para validar la clasificación.

2

4

E

pqn

Donde:

n= número de puntos

p= Proporción de aciertos o éxitos en la clasificación

q= proporción de desaciertos

E= Error de muestreo como fracción

Z= valor de la ordenada para una probabilidad de 95%

El error de muestreo dependerá de la precisión requerida y del tamaño del área a estudiar en muchos casos se utiliza un error de muestreo de 10% esto dependerá de la intensidad de muestreo a realizar.

Cuando se desconoce el valor de p, el medio más conservador para determinar el tamaño de la muestra es usar un p de 0.5 que es el máximo valor posible, por lo que en algún momento se podría sobreestimar el tamaño de la muestra y elegir más muestras de las necesarias (Ferreira, 2009).



4.3.11 CLASIFICACIÓN DE LAS IMÁGENES

Existen dos métodos conocidos para abordar la clasificación de una imagen de satelital: el método de Clasificación No Supervisada y el de Clasificación Supervisada, ambos pueden arrojar buenos resultados si se tiene un conocimiento del área de estudio. Para efecto de este trabajo vamos a sugerir el último “Supervisado”.

La clasificación supervisada es el método utilizado para un análisis cualitativo de los datos en teledetección. Es un proceso controlado por el usuario, que identifica zonas representativas en la imagen. Karszenbaum (2007) resume el método de la siguiente forma:

a. Seleccionar las clases de información. b. Elegir muestras de cada clase. Una muestra es un determinado número de

pixeles que sean representativos de la clase en cuestión. c. Utilizar las muestras de entrenamiento para estimar los parámetros espectrales

de las clases seleccionadas. d. Mediante el clasificador se asigna cada pixel a una de las clases de información

seleccionadas. e. Generar el mapa temático y la tabla de atributos correspondiente (resultado de

la clasificación).

4.3.12 LA INTRODUCCIÓN DE ÁREAS DE ENTRENAMIENTO

Con los datos que se levantarán en campo, previo a la clasificación, se dispondrá de un número de puntos georreferenciados geográficamente, que permitirá entrenar al programa de clasificación utilizado ERDAS IMAGINE, en el reconocimiento de las distintas clases o categorías, o se caracterizaran cada una de las clases, para asignar más tarde el resto de los pixeles de la imagen a una de esas categoría en base a la similitud de los valores digitales con los extraídas como referencia.

4.3.13 EVALUACIÓN DE ÁREAS DE ENTRENAMIENTO

Posteriormente se evaluaran las áreas de entrenamiento utilizando la herramienta de ERDAS Evaluate Separability, que permite calcular la distancia estadística entre pares de firmas espectrales, ofreciendo una combinación entre bandas que mejor separa las categorías generadas por estas áreas.



FIGURA 9 EJEMPLO DE FIRMAS ESPECTRALES PARA DISTINTAS COBERTURAS DE LA TIERRA FUENTE: GARCÍA, V. A. LANDSAT (SIN AÑO).

4.3.14 ASIGNACIÓN DE PÍXELES

En este proceso, se asignan los píxeles de la imagen a cada una de las categorías previamente definidas, esto es un proceso automático en que el programa reparte todos los pixeles de la imagen entre los valores espectrales promedio de las áreas de entrenamiento. Las clasificación se realizará sobre las bandas originales más el índice de vegetación (NDVI) agregado y el componente principal, el criterio empleado para definir los límites entre las clases será el de máxima verosimilitud, en donde los pixeles se asignará a aquella clase con la que posee mayor probabilidad de pertenencia.

4.3.15 RECODIFICACIÓN Y COMPROBACIÓN DE LA CLASIFICACIÓN

Una vez que se evalúa la clasificación y se concluye que corresponde a las clases definidas, se agruparan todas las muestras que correspondan a la misma clase y así al final se obtendrán el número de clases definidas previamente en la leyenda, este procedimiento es conocido como recodificación. Como producto final se obtiene una cobertura con el número de clases establecidas para la leyenda.



4.3.16 FILTROS

Posteriormente a la recodificación, se les aplicará un filtro Neighborhood Function (Vecino más cercano) 3x3 a las clasificaciones para eliminar pixeles dispersos en las clasificación y con ello eliminar el denominado efecto “Sal y Pimienta”.

FIGURA 10 EJEMPLO DE FILTRO CON VENTANA DE 3X3

4.3.17 NUBES Y SOMBRAS DE NUBES EN LAS IMÁGENES

Es frecuente que algunas imágenes presenten cantidades considerables de nubes y sombras de nubes, debido a las características propias de los países tropicales, el intérprete tiene que definir como tratar esas imágenes. Por ejemplo, se puede emplear el procedimiento de enmascarar las nubes, este procedimiento puede realizarse antes o después de la clasificación.

Con la máscara de nubes y sombras, podrá cortar estas áreas de otra imagen de fecha reciente o de otro mapa de cobertura con el mismo sistema de clasificación y la misma proyección, esta mascara podrá ser insertada en el mapa final, por esta razón si el corte se realiza al mapa contra el cual se hará el análisis multitemporal, estas áreas serán consideradas como áreas de no cambio en el mapa de ganancias y pérdidas.

Clasificación re-codificada Clasificación filtrada 3x3



4.3.18 ÁREA MÍNIMA CARTOGRAFIABLE

El principio de Área mínima cartografiable, permite lograr coherencia en la representación espacial y eficiencia en la lectura y utilidad del mapa en formato impreso. Indica que a partir de determinada área espacial, los polígonos y sus correspondientes contenidos deben ser generalizados; de lo contrario, dificultarían la distinción por parte del usuario cuando se lea en formato analógico. Estas áreas deberán ser tomadas en cuenta para definir la composición de las unidades superiores, inferiores y básicas del mapa.

Según el criterio norteamericano, área mínima cartografiable se ha definido en 0.4cm² a la escala del mapa 1: 50,000, esto equivale a 4 ha. Pero dada las características propias de los países de la región, donde existe una alta fragmentación del bosque generado por la ganadería y la agricultura de subsistencia, se recomienda elegir un área mínima cartografiable de 0.2cm² equivalente a 1ha.

4.3.19 VALIDACIÓN DE LA CLASIFICACIÓN

La matriz de confusión, llamada también tabla de contingencia o matriz de error es una herramienta, que en el caso de mapas temáticos, permite evaluar la exactitud de dichos mapas para conocer su precisión, fundamentalmente consiste en estimar el número de puntos correctamente cartografiados dentro de un conjunto de datos. Esta matriz es construida de muestras de puntos de un mapa. También se debe contar con datos de referencia, verificación o valores verdaderos de campo, que son representados en columnas y que son comparados con la interpretación representada en las filas dentro de la matriz. A lo largo de la diagonal principal, se indican las muestras que fueron correctamente interpretadas (ITC, 1999, citado por Flores, 2002).

Con los datos tomados en campo y la clasificación finalizada, se procederá a evaluarla mediante la utilización de las herramientas: Matriz de Confusión y el Índice de Kappa, con la finalidad de determinar la precisión obtenida en la misma.



TABLA 2 EJ. MATRIZ DE CONFUSIÓN.

El interés de esta tabla de confusión proviene de su capacidad para plasmar conflictos entre categorías. De esta forma no solo conocemos la fiabilidad global de la clasificación, sino también la exactitud conseguida para cada una de las clases, así como los principales conflictos entre ellas. (Chuvieco, 2006).

La interpretación de esta matríz es como sigue:

1. La diagonal amarilla expresa el número de puntos verificados en campo en donde hubo coincidencia con la información del mapa.

2. La exactitud global del mapa es la relación entre el número de puntos asignados correctamente y el total de los puntos por cobertura se expresa en porcentaje.

3. Los errores de omisión lo conforman los residuales de las columnas ubicados en la parte inferior de la matriz en color rojo, estos indican las coberturas que no se incluyeron en el mapa.

4. Los errores de comisión explican las coberturas del mapa que no coincidieron con la realidad, estos se observan en color rojo a la derecha de la matriz.

Coberturas B.lat Pino-d Pino-r Gua /café Matorral-r Arab-p-

cult Total

Exact mapa

Error comisión

1 Bosque latifoliado 6 1 1 8 75.0 25.0

2 Pino denso 30 1 1 32 93.8 6.3

3 Pino ralo 9 4 1 14 64.3 35.7

4 Café y/o Guamiles 1 28 3 32 87.5 12.5

5 Matorral y/o robledal 20 4 24 83.3 16.7

6 Arbustos- pastos y/o cultivos 1 1 17 19 89.5

10.5

Total 7 31 10 29 26 26 129

Exactitud de campo (%) 85.71 96.77 90.00 96.55 76.92 65.38 110

Error de Omisión 14.29 3.23 10.00 3.45 76.92 34.62 Índice Kappa = 0.817

Fuente: Sánchez, 2009



4.3.20 COEFICIENTE KAPPA

El coeficiente KAPPA es otra forma, altamente difundida, de medir la exactitud de un mapa. Conocida también como “k” puede medir la exactitud de manera más precisa que la matriz de confusión porque incluye dentro del cálculo todos los valores de la matriz y no solamente sus extremos.

A continuación, de acuerdo con Congalton (1991) citado por Flores (2002), se muestra como podrá

calcularse el coeficiente KAPPA:

Donde:

r : es el número de filas

xi; es el número de observaciones en una fila i y una columna i,

xi+ y x+i son los totales marginales de una fila i y una columna i respectivamente.

N: es el total de número de observaciones

A la hora de interpretar el valor de k fue útil disponer de la escala como la siguiente:

TABLA 3 VALORACIÓN DEL ÍNDICE DE KAPPA

Valor de K Fuerza de la concordancia

< 0.21 Pobre

0.21 - 0.40 Débil

0.41 - 0.60 Moderada

0.61- 0.80 Buena

0.81 – 1.0 Muy buena

Fuente: López y Fernández, 1999, citado por Sánchez, 2009



4.3.21 ANÁLISIS MULTITEMPORAL DE IMÁGENES CLASIFICADAS

Este es un proceso de identificar diferencias en el estado de un objeto o fenómeno a través de observaciones en tiempos diferentes con datos de Teledetección, donde los cambios ocurren en variaciones de los valores de radiación, o de texturas distinguibles, de los cambios causados por otros factores, tales como diferencias en las condiciones atmosféricas (Chuvieco, 2002; Hayes y Sader, s.a.)

Este estudio presentará un Análisis Multitemporal para generar una tabla Multitemporal de detección de cambios de cobertura de la tierra, esta se abordará empleando las técnicas de clasificación, en este caso la comparación Multitemporal se realizará entre categorías. Se compararán imágenes previamente clasificadas por separado, se cuidará de emplear la misma leyenda temática en las dos fechas, con el propósito de que puedan compararse posteriormente. El Análisis Multitemporal permitirá determinar los cambios sucedidos en el período estudiado, para las diferentes coberturas identificadas en el estudio.



Ejemplo: Resultados de Análisis Multitemporal Biosfera Río Plátano 2002-2005

La Tasa de Anual de Cambio para un período de 2.52 años, fue = -0.7%.

Mapa de Cambios 2002-2005

Mapa de Cobertura de la Tierra 2002

Mapa de Cobertura de la Tierra 2005



4.3.22 FÓRMULA PARA LA ESTIMACIÓN DEL PROMEDIO PONDERADO DE LA FECHA DE LAS IMÁGENES

Dado que por lo general, las imágenes no son de la misma fecha, sino que algunas tienen diferencias de días, meses y hasta años, para poder aplicar la ecuación la tasa anual de cambios se necesita conocer previamente la fecha de las imágenes para poder estimar el intervalo, por lo tanto, se calculara la fecha ponderada de la imagen para lo cual se aplicará la siguiente Ecuación:

Cuando las imágenes utilizadas son de diferentes fechas, se calcula el porcentaje con respecto a ésta, se enumeran en orden cronológico y se multiplican por la fecha correspondiente, la suma de este producto es el intervalo calculado, el cual se obtiene aplicando la ecuación:

PPI =∑ (PFi X No. días Fi) / ∑ PFi Donde:

PPI = Promedio ponderado de la fecha de las imágenes PFi = Proporción de la imagen Fi = Número de días transcurridos desde la imagen más vieja

i) Tasa Anual de Cambio (TAC) Con los datos de superficie obtenidos en cada área protegida, se calculará la Tasa Anual de Cambio (TAC), para cada uno de los períodos de los analizados y para cada cobertura. Para estimar la TAC se utiliza la ecuación aplicada por FAO, 1996 (en Velásquez et al., a), que expresa el cambio de la cobertura en porcentaje de la superficie al inicio de cada año y que está basada en la siguiente fórmula:

¹/n

TAC = [(A2/A1) -1] x 100%

En donde:

A1 = Superficie del año de inicio del período

A2 = Superficie al final del período

n = es el intervalo de los años en estudio (de las dos fechas)

Para entender mejor la Tasa Anual de Cambio si la tasa es = -0.7%

Significa que de cada 100 has 0.7 ha. cambio de esa cobertura a otra.



4.3.23 ANÁLISIS DE SIG Y ELABORACIÓN DE MAPAS

Una vez que se obtienen las clasificaciones de cobertura del suelo de los diferentes años, se sobrepone esta información con las coberturas de límites municipales, zonas núcleo y de amortiguamiento, límites de territorios indígenas etc., según sea el caso, así. Posteriormente se elaboran una serie de mapas y se realizan los respectivos cálculos de superficie.



5 BIBLIOGRAFIA DE CONSULTA

AFE COHDEFOR, 2006. Evaluación Nacional Forestal Bullock, S., H. Mooney, and E. Medina, editors. 1995. Seasonally dry tropical forests.

Cambridge University Press, Cambridge, U.K. CHAVEZ M GOMEZ R FERREIRA O. 2002. Estudio sobre estructura y composición

florística de la reserva biológica de Lancetilla utilizando cinco tamaños de parcelas. Escuela Nacional de Ciencias Forestales.

CRUZ M, FERREIRA O. 2003. Tablas de volumen para especies latifoliadas del litoral

atlántico.. Tatascan. Vol 15 No 2 (67-73). Escuela Nacional de Ciencias Forestales

Dinerstein E., D. Olson, D. Graham, A. Webster, S. Primm, M. Bookbinder & G. Ledec

.(1995). A Conservation Assessment of the Terrestrial Ecoregions of Latin America and the Caribbean. WWF, THE WORLD BANK. Pág. 129.

Dix, M.A. 1997. Sierra de las Minas Region and Biosphere Reserve, Guatemala. Finegan, B; Hayes, J; Delgado, D; Gretzinger, S. 2004. Monitoreo ecológico en

Bosques de Alto Valor para la Conservación manejados certificados por el FSC: Una guía para certificadores y manejadores de bosques en el trópico húmedo. WWF Centroamérica.

Ghazoul, J; Hellier, A. 2000. Setting critical limits to ecological indicators of sustainable tropical forestry. International Forestry Review 2:243-253.

Holdridge, L.R. 1962. Mapa ecológico de Honduras. Map 1:1,000,000. OAS, Washington, D.C., USA.

Jennings, S; Nussbaum, R; Judd, N; Synnott, T; Azevedo, T; Brown, N; Colchester, M;

Iacobelli, T. Jiménez, Q., Poveda L. 1997. Lista actualizada de los principales árboles maderables

nativos de Costa Rica. Aportes al desarrollo sostenible #2. Universidad Nacional, Heredia, Costa Rica.

LAMPRECTH H. 2003. Silvicultura tropical Lindenmayer, DB; Margules, CR; Botkin, DB. 2000. Indicators of biodiversity for

ecologically sustainable forest management. Conservation Biology 14: 941-951.

Mejía, T. M. & P. R. House (2002) Manual del Mapa de Ecosistemas Vegetales de

Honduras. Proyecto de administración de áreas rurales (PAAR), SAG, Banco Mundial, AFE-COHDEFOR, Tegucigalpa M. D. C.



MELENDEZ M FERREIRA O 2003. Estudio de la estructura y composición florística del bosque de mangle en Guanaja, Honduras. Escuela Nacional de Ciencias Forestales.

Noon, BR; Spies, TA; Raphael, MG. 1999. Conceptual basis for designing an

effectiveness monitoring program. In Mulder, B.S; Welsh, H.H; Spies, T.A; Reeves, G.H.

Noss, RF. 1990. Indicators for monitoring biodiversity: a hierarchical approach.

Conservation Biology 4:355-364.

Sheil, D. 2001. Conservation and biodiversity monitoring in the tropics: realities, priorities and distractions. Conservation Biology 15 (4): 1179-1182.

OYUELA O. 1997. Uso y manejo de los manglares del golfo de Fonseca, Honduras Tatascan. Vol 9 No 2 (37-48). Escuela Nacional de Ciencias Forestales.

Forest Trends 2010. Aprendiendo sobre Pagos por Servicios Ambientales. Fundamentos para la elaboración de proyectos de carbono forestal. 54 p.

Baules Aguilar, A. 1997. Introducción en ERDAS Imagine. En: Aplicación de la teledetección y de los sistemas de información geográfica en la gestión de recursos naturales. Parte I: Fundamentos teóricos y prácticos. Harald Mehel y Erich Mies Editores.

Chuvieco, E. 2002. Teledetección Ambiental. La observación de la Tierra desde el Espacio. Editorial Ariel, Barcelona, España.

Corrales Andino, R. 2010. Caracterización de la Alteración Hidrotermal y Dinámica de Cobertura de Suelos mediante métodos de teledetección, en el Valle de Choluteca, Honduras. Tesis de Maestría, Universidad Nacional Autónoma de Honduras.

Fea, Maurizio . 1997. La percepción remota, Una técnica metodológica de origen antiguo. En: Aplicación de la teledetección y de los sistemas de información geográfica en la gestión de recursos naturales. Parte I: Fundamentos teóricos y prácticos. Harald Mehel y Erich Mies Editores.

Flores Cartagena, D. 2002. Identificación y Análisis de Cambios en Bofedales de la Cordillera Occidental y del Altiplano de Bolivia. Tesis Maestría en Ciencias, Conservación de Cuencas.

Gallardo de Parada, Y.; Moreno Garzón, A. 1999. Serie Aprender a Investigar. Módulo 3 Recolección de la Información. ICFES, Santa Fe de Bogotá.

Hayes,D.; Sader, S. (s.a). Change Detection Techniques for Monitoring Forest Clearing and Regrowth in a Tropical Moist Forest. Documento en formato PDF.

INGTELSIG. 2003. Evaluación de la Cobertura de la Tierra en la Reserva del Hombre y la Biosfera del Rio Plátano: Análisis Multitemporal de Imágenes del Satelite Landsat-Tm, entre los años 2001-2002. AFE-COHDEFOR/KFW/GTZ/GFA.



INGTELSIG. 2008. Análisis Multitemporal de Imágenes Satelitales para la Detección de Cambio en la Cobertura de la Tierra para los períodos (1986-89/1999-2000) (1999-2000/2000-2005-06) en BOSAWAS/IRAAN y los Departamentos de Rivas, Carazo y Granada. Nicaragua, C.A. MASRENACE/GTZ/GFA.

Karszenbaum, H. 2007. Apuntes de Procesamiento e Interpretación Digital de Imágenes. Laboratorio de Ecología Regional, Departamento de Ecología Genética y Evolución Facultad de Ciencias Exactas y Naturales, Univ. de Buenos Aires Argentina.

Martínez, P.; Arbiol, L. (s.a.). Sistema de Corrección Atmosférica en Espectro Solar por Métodos Físico-Estadístico. Instituc Cartografic de Catalunya (ICC) Unitat de Teledeteccio.

Mehl, H.; Peinado, O. 1997. Fundamentos del Procesamiento Digital de Imágenes. En: Aplicación de la teledetección y de los sistemas de información geográfica en la gestión de recursos naturales. Parte I: Fundamentos teóricos y prácticos. Harald Mehel y Erich Mies Editores.

Pinilla, C. 1995. Elementos de Teledetección. RaMa, Madrid.

Priego, A.; Bocco, G.; Mendoza, M.; Garrido, A. 2008. Propuesta para la Generación Semiautomatizada de Unidades de Paisaje. Fundamentos y Métodos. SEMARNAT, INE-SEMARNAT, Centro de Investigaciones en Geografía Ambiental – UNAM.

Ranchin, T., Wald, L. and Mangolini, M., 2001. Improving spatial resolution of images by means of sensor fusion. A general solution: the ARSIS method. Remote Sensing and Urban Change, GISDATA 9. Edited by J.-P. Donnay, M.J. Barnsley and P.A. Longley. Published by Taylor & Francis, London, ISBN 0-7484-0860-6, 224 p. Chapter 2, pp. 21-37.

Sánchez, A. 1997. Aspectos relevantes en el uso de ERDAS Imagine. En: Aplicación de la teledetección y de los sistemas de información geográfica en la gestión de recursos naturales. Parte I: Fundamentos teóricos y prácticos. Harald Mehel y Erich Mies Editores.

Sánchez Ramos, A. 2009. Análisis Multitemporal de la Cobertura de la Tierra en la Cuenca del Valle de Jesús de Otoro entre los años 2000-2006, aplicando técnicas de teledetección. Tesis de Maestría Universidad Nacional Autónoma de Honduras.

Velásquez, A. et al. Patrones y tasas de cambio de uso del suelo en México. En: http://www.igeograf.unam.mx/ua_morelia/_private/Patrones_y_tasas_de_cambio.pdf.

http://www.ifeva.edu.ar/~paruelo/evrecfor/claseSRb.pdf

Documents

MEETTOODDOOLLOOGGÍÍAA PPAARRAA EELL MMMAAPPEEOO … · metodologÍa de anÁlisis multitemporal de imÁgenes satelitales aplicable a nivel sub- nacional para los paÍses miembros