Consistencia entre los mapas globales y los mapas regionales de la cubierta terrestre en el estado de Michoacán, México

 

Consistency between global and regional land cover maps in the state of Michoacan, Mexico

 

Luis Valderrama Landeros¹, Frédéric Baret², María Luisa España Boquera¹*

 

¹ Instituto de Investigaciones Agropecuarias y Forestales, Universidad Michoacana de San Nicolás de Hidalgo, Posta de Veterinaria, km 4.5 Carretera Morelia-Zinapécuaro. Morelia, Michoacán. MÉXICO.

² INRA-CSE. Agroparc, 84914, Avignon, France. Correo-e: boquera@umich.mx (*Autor para correspondencia).

 

Recibido: 14 de octubre 2010
Aceptado: 9 de junio de 2011

 

RESUMEN

Desde hace algunos años se han realizado intentos para elaborar mapas globales utilizando diferentes tipos de imágenes, métodos y sistemas de nomenclatura. Estos mapas son difíciles de validar y su precisión a nivel local puede ser muy variable. El objetivo del presente estudio fue contribuir a la validación de los mapas globales de la cubierta terrestre, comparando cinco de ellos para el caso particular del Estado de Michoacán, México. Se tomó como referencia el mapa de la Comisión Nacional para el Conocimiento y Uso de la Biodiversidad de México y como criterios, la consistencia y el área espacial. Tomando en cuenta las leyendas iniciales, la comparación reveló incoherencias debidas en parte a las diferencias en los sistemas de clasificación. Después de establecer una leyenda unificada con seis categorías generales, la precisión global entre los mapas varió de un 9 a un 62 %. Solo 2 % de los pixeles coinciden en 4 mapas (principalmente ciudades y agua) y 88 % coinciden en 2 ó 3 mapas. El principal problema es la distinción entre las áreas de cultivo y otro tipo de vegetación. Los mapas más recientes, basados en la nomenclatura propuesta por la FAO, muestran mayor exactitud pero aún no la suficiente para considerarlos como adecuados para detectar los principales tipos de cubierta terrestre. El uso de mapas globales de cobertura terrestre debe ser adecuadamente contextualizado en situaciones de gran diversidad.

Palabras clave: UMD, IGBP, MODIS, GLC2000, GLOBCOVER.

 

ABSTRACT

For some years attempts have been made for constructing global maps using different types of images, methods and systems of nomenclature. These maps are difficult to validate and local-level accuracy can be very variable. The aim of the present study was to contribute to the validation of global land cover maps, comparing five of them for the particular case of the state of Michoacan, Mexico. The regional land cover map produced by the National Commission for Knowledge and Use of Biodiversity of Mexico was taken as reference, and consistency and spatial area as criteria. The comparison considering the original legends revealed inconsistencies, due in part to differences in classification systems. After a merged legend with six general classes was established, the overall accuracy between maps ranged from 9 to 62 %. Only 2 % of the pixels matched in 4 maps (mainly towns and water) and 88 % agreed in 2 or 3 maps. The main problem is the discrimination between cropland areas and other kinds of vegetation. The more recent maps based on the nomenclature proposed by FAO had an increased accuracy, but not enough to consider them as appropriately detecting the main land covers. The use of global land cover maps in situations of great biodiversity must be adequately contextualized.

Key words: UMD, IGBP, MODIS, GLC2000, GLOBCOVER.

 

INTRODUCCIÓN

En los últimos siglos, las actividades humanas han modificado la faz del planeta, incluso más rápido que desde la Revolución Industrial. El cambio climático, la desertificación, la deforestación, la pérdida de biodiversidad y, muy recientemente, la escasez de recursos alimenticios y la producción de materias primas son algunas de las consecuencias de las actividades humanas que inducen recíprocamente fuertes limitaciones en su desarrollo. Un númerosas de iniciativas regionales, nacionales y globales han proporcionado información sobre los cambios globales en un esfuerzo por apoyar el diseño de las políticas ambientales que ayuden a mitigar o cambiar la tendencia actual. Este esfuerzo requiere de información de alta precisión para comprender y modelar las modificaciones ambientales (Lambin & Geist, 2001). Las observaciones satelitales proporcionan una descripción frecuente y completa de la superficie terrestre que puede potencialmente mejorar la calidad, la consistencia interna y la reproducibilidad de la información sobre la cubierta terrestre global y sus cambios.

Los primeros mapas globales de la cubierta terrestre fueron desarrollados en la Universidad de Maryland (UMD), (2009) con una resolución de 1 grado (Defries & Town-shend, 1994). Se obtuvieron mayores mejoras al utilizar productos derivados del conjunto de datos AVHRR, también desarrollado en la Universidad de Maryland (Hansen & Reed, 2000). Al mismo tiempo, pero utilizando un método de clasificación distinto, Loveland et al. (2000) dentro del Programa Internacional de la Geosfera y la Biosfera (IGBP, en inglés), diseñó el mapa global IGBP-DlSCover. Unos años más tarde, basados en una leyenda similar a la desarrollada dentro de la clasificación de IGBP-DISCover, se obtuvo un nuevo conjunto de datos globales de 1 km, los cuales derivaron de las observaciones (Friedl et al., 2002) el espectrorradiómetro de imágenes de resolución moderada, MODIS. Utilizando las observaciones del sensor VEGETATION, el proyecto GLC2000 obtuvo otro mapa de la cubierta terrestre con una resolución de 1 km (Barholomé, Belward, & GLC2000, 2005) utilizando el sistema de clasificación de la cubierta terrestre de la FAO (LCCS) (Di Gregorio & Jansen, 2000). Más reciente, y también basándose en la nomenclatura del LCCS, se utilizaron observaciones MERIS de 300 m para producir un mapa de la tierra con mayor resolución espacial dentro del proyecto GLOBCOVER (Bicheron et al., 2006; Fefourny et al., 2006).

Evidentemente, existe la necesidad de evaluar y comparar estos productos globales de mediana resolución (300 m a 1 km). Hansen et al. (2000) comparó los mapas de la UMD utilizando mapas existentes de alta resolución obtenidos con imágenes del Landsat. IGBP-DIS-Cover (Scepan, 1999), MODIS (Morissette et al., 2006) y GLC2000 (Mayaux et al., 2006) también fueron validados utilizando las imágenes Landsat. La validación de los productos GLOBCOVER ha sido terminada recientemente (Defourny et al., 2009) siguiendo los estándares que se obtuvieron de los ejercicios previos y que han sido publicados en varios formatos (Muchoney, Strahler, Hodges, & LoCastro, 1999): un proceso de validación en el cual GOFC-GOLD y CEOS desempeñaron papeles clave en la estandarización de los métodos.

GOFC-GOLD y CEOS han propuesto lineamientos para mejorar las prácticas de validación (Strahler et al., 2006). Una de las formas recomendadas es la comparación de los mapas globales con los mapas nacionales o regionales existentes derivados de datos que tengan una alta resolución espacial. Sin embargo, la comparación entre los distintos productos disponibles que cuenten con aproximadamente la misma resolución espacial podría servir sólo para producir resultados complementarios. Tales ejercicios comparativos se han logrado entre el sub cold. IGBP-DIS-Cover y los productos de la UMD por Hansen y Reed (2000). En este sentido, las leyendas fueron agregadas a clases similares, después de lo cual se compararón las áreas totales por clase y la consistencia por pixel. Se pueden observar discrepancias significantes para la distribución espacial (por comparación de pixel) a pesar de que la consistencia del área se encontró en el nivel de las categorías agregadas. No obstante, la diversidad de las definiciones utilizada para definir las clases que impactan tanto en el área total como en la distribución espacial, como se demostró para los bosques por Herold (2006). See y Fritz (2006) y más recientemente Fritz y See (2007) compararon los mapas globales de MODIS y GLC2000 utilizando estadísticas borrosas, las cuales permitieron tomar en cuenta las diferencias conocidas en las definiciones de leyenda. Los autores elaboraron mapas globales de no coincidencia que muestran grandes puntos de discrepancia en algunas regiones, los cuales pueden ser utilizados para investigar a futuro el origen del problema y para proponer mejoras metodológicas.

Los pocos mapas disponibles para México se basan en diferentes sistemas de leyendas, los cuales en algunas ocasiones presentan dificultades para su comparación (Velázquez et al., 2008); sin embargo, un mapa de la cobertura terrestre de México que pueden ser considerado como bastante confiable, fue desarrollado por la Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO, 1998), el cual fue obtenido del mapa de la cobertura terrestre serie II del Instituto Nacional de Estadística y Geografía (INEGI). El mapa de CONABIO fue utilizado como una referencia para la comparación.

El objetivo del presente estudio fue contribuir a la evaluación de los mapas globales de la superficie terrestre en una región particular: el Estado de Michoacán de Ocampo (Michoacán), México. Esta área fue identificada por Fritz y See (2007) como un punto de discrepancias entre los productos de MODIS y GLC2000, debido posiblemente a la amplia variedad de los tipos y patrones de la cobertura terrestre relacionados a su topografía compleja. Además, el Estado de Michoacán, localizado entre la región Neotropical y la región Neártica, es uno de los 5 estados del país que cuenta con mayor biodiversidad (SEMARNAP, 1997). Se hizo hincapié en la comparación de los principales productos globales de la cubierta terrestre disponibles; es decir, UMD, IGBP, MODIS, GLC2000 y GLOBCOVER, y en el mapa regional de CONABIO basado en los datos de alta resolución y la experiencia local.

 

MATERIALES Y MÉTODOS

El estado de Michoacán

Michoacán es uno de los estados de la República Mexicana que cuenta con una costa pacífica. Se localiza entre la latitud norte 17° 54' y 20° 23' y la longitud oeste 100° 03' y 103° 44', con una superficie terrestre de 59,864 km². La topografía del estado es muy compleja y comprende 5 grandes unidades naturales: la Faja Volcánica Transmexicana, la Sierra Madre del Sur, la Planicie Costera, la Depresión de Balsas y la Altiplanicie Mexicana. Su elevación varía de 0 hasta casi 4,000 m (Bocco, Mendoza, & Masera, 2001). Por ello, las condiciones climáticas son contrastantes; cálido subhúmedo a lo largo de la costa; cálido y semicálido subhúmedo en la parte occidental de la Sierra Madre del Sur, con condiciones semiáridas y muy calientes en las tierras bajas y las depresiones; semifrío y subhúmedo en la Faja Volcánica Transmexicana; y cálido a templado en las áreas más altas. La combinación de las altitudes y las exposiciones influye fuertemente en la distribución de la vegetación.

Los principales tipos de vegetación que se encuentran en Michoacán son (Inventario, 1995; González-Medrano, 2004):

• Bosques, donde predomina la especie de pino o de roble.

• Bosque caducifolio seco tropical bajo, donde predominan las especies de Bursera, Pithecellobium, Lysiloma y Lonchocarpus.

• Matorral subtropical, con especies de Acacia, Opuntia, Fouquieria, Prosopis y Mimosa.

• Agricultura, donde predomina el aguacate (Persea americana), el sésamo (Sesamus indicus), el limón (Citrus limón), el maíz (Zea mays), el sorgo (Sorghum bicolor), el frijol (Phaseolus vulgaris) y el trigo Triticum aestivum).

• Pastizales, como vegetación secundaria.

Clasificaciones de la cobertura terrestre global consideradas

Se consideraron 5 mapas con una resolución espacial de entre 300 m y 1 km. La proyección cónica conforme de Lambert utilizada por el INEGI fue seleccionada como el sistema de referencia, aplicando un cuadriculado de 1000 x 1000 m para el remuestreo. A continuación se describen brevemente estas clasificaciones.

Universidad de Maryland (UMD). Se basa en los datos NOAA AVHRR obtenidos durante el periodo de 1981 a 1994, utilizando el máximo valor compuesto mensual de NDVI. La leyenda de la UMD concuerda con el esquema propuesto por IGBP-DISCOVER que utiliza 14 categorías. El producto Anal se descargó de la página web: http://glcf.umiacs.umd.edu/data/landcover/, con una proyección geográfica (latitud/longitud) (Hansen, ef al., 2000).

La base de datos de la Cobertura terrestre Global Versión 2 (IGBP) para Norte América, se basa en el mismo conjunto de datos AVHRR que la clasificación de la UMD, para solo por el periodo de abril de 1992 a marzo de 1993. La clasificación del IGBP fue utilizada para definir las categorías. El producto Anal se descargó de la página web: http://edc2.usgs.gov/glcc/, con una proyección equidistante azimutal de Lambert.

MODIS, Fue derivado de los datos del sensor MODIS TERRA obtenidos entre enero del 2004 y diciembre del 2004. El producto Clasificación de Cobertura Terrestre MOD12Q1 utilizó 17 clases de cobertura del esquema de clasificación global de la vegetación de IGBP (Friedl, et al., 2002). El producto final se descargó de la página web: http://edcdaac.usgs.gov/modis/mod12q1v4.asp, con una proyección Sinusoidal.

GLC2000, derivó del sensor VEGETATION con 1 km de muestreo espacial para el periodo de noviembre de 1999 a diciembre del 2000. El año 2000 fue considerado como una referencia para la evaluación ambiental, por la Convención Internacional de las Naciones Unidas relacionada con el ecosistema (Latifovic, Zhu, Cihlar, Beaubien, & Fraser, 2000). La clasificación resulto de la compilación de mapas regionales de clasificación de mapas regionales, que fueron armonizados utilizando 29 clases basadas en la nomenclatura LCCS de la FAO. El producto final se descargó de la página web: http://www-gvm.jrc.it/glc2000/, con un sistema de proyección geográfica (latitud/longitud).

GLOBCOVER. Se utilizó la resolución espacial (300m) de MERIS para el periodo de diciembre del 2004 a enero del 2006. El mundo fue dividido en 22 ecorregiones con normas específicas, y para cada una de ellas se establecieron algoritmos de clasificación automática a partir de conocimiento experto que derivan del conocimiento especializado, estas normas fueron utilizadas para una clasificación automática. La leyenda se basó en la nomenclatura de LCCS con 25 categorías. El producto final se descargó de la página web: http://postel.mediasfrance.org/fr/PROJECTS/PRE-operationnels-GMES/GLOBCOVER/, en formato vectorial, cónica conforme la proyección geográfica (latitud/longitud).

La clasificación del mapa regional de la cobertura terrestre de CONABIO

El mapa de CONABIO con formato vectorial a una escala de 1:1,000 000 con proyección cónica conformal de Lambert está disponible para ser descargado de la página web: http://www.biodiversidad.gob.mex/region/geoinformacion.html. Además, se utilizaron diferentes fuentes de datos que abarcan el periodo de 1990 a 1996, incluyendo imágenes Landsat, así como fotos aéreas e información de campo. El sistema de leyenda fue altamente detallado y la clasificación se basó principalmente en las técnicas de interpretación fotográfica (Miranda y Hernández, 1963; Rzedowski, 1978). Se propuso una simplificación de la leyenda de CONABIO para aumentar la consistencia con las 5 leyendas globales de clasificación consideradas. La fusión de las categorías iniciales de CONABIO fue impulsada por el conocimiento previo sobre las características de la temporada relacionadas con los tipos de vegetación (Cuadro 1). Por ello, en el presente estudio sólo se utilizó el mapa simplificado resultante.

Métricas utilizadas

Las métricas propuestas para la comparación de la clasificación de los mapas de la cobertura terrestre se obtuvieron de los lineamientos de GOFC-GOLD para mejores prácticas en los procesos de validación, que se basan principalmente en la evaluación del área y la consistencia espacial. Además, también se investigó un mapa de coincidencias para localizar lugares que coinciden o no, entre las clasificaciones.

Consistencia del área. El primer criterio para comparar clasificaciones con leyendas similares se basa en la extensión del área de cada clase, sin importar la distribución espacial. Esto se logra después de transformar las leyendas iniciales en una leyenda unificada.

Consistencia espacial. Se utilizó una matriz de confusión (tabla de contingencia) para evaluar la consistencia espacial para clasificaciones duras (Rossiter, 1994). Se utilizan generalmente tres parámetros importantes, derivados de la matriz de confusión, para evaluar la consistencia espacial entre dos mapas, según lo indicado por Strahler et al. (2006) y más tarde por Liu et al. (2008). La precisión global (Oa) es el porcentaje de pixeles que comparte la misma leyenda. Se utilizaron dos parámetros adicionales para evaluar la realización de las clasificaciones para las categorías individuales (Congalton, 1991). Para una categoría determinada, la precisión del productor (Pa) es el porcentaje de pixeles de referencia clasificados prósperamente. Pa se relaciona con el error de omisión, es decir, el porcentaje de pixeles excluidos de forma incorrecta de una clase particular. Por el contrario, la precisión del usuario (Ua) es el porcentaje de pixeles, de la categoría considerada en el mapa, que están bien clasificados de acuerdo al mapa de referencia. Ua se relaciona con el error de comisión; es decir, cuando un pixel está comprometido a una clase incorrecta.

Mapa de coincidencia. Con base en la leyenda unificada, se generó un mapa de coincidencias asignando a cada pixel un valor igual al número de mapas que coinciden en la misma clase (McCallum, Obersteiner, Nilsson, & Shvidenko, 2006). El índice de coincidencias varía entre 0 (cuando ninguno de los mapas globales coincide) y 5 (cuando los 5 mapas globales concuerdan).

Metodología de la comparación

Se realizó una primera comparación de acuerdo a las leyendas iniciales de los mapas estudiados. En una segunda fase, primero se propuso una leyenda unificada capaz de reunir y reemplazar las leyendas iniciales, de lo cual se obtiene un mapa equivalente con una leyenda fusionada para cada uno de los mapas estudiados. Finalmente, se repite la comparación con los nuevos mapas generados.

La leyenda unificada propuesta se basa en el enfoque semántico utilizado por Herold et al. (2008). Para los mapas basados en LCCS, esto se facilitó por el carácter jerárquico de la clasificación. El proceso de agregación fue perfeccionado eventualmente para las escasas categorías marginales y para las situaciones en las cuales la asignación semántica no fue clara o conducía a errores evidentes considerando su ubicación. El proceso de simplificación semántica es complejo y tedioso y puede dar lugar a varias soluciones posibles, según la interpretación semántica o los criterios espaciales utilizados. Sin embargo, la leyenda unificada propuesta permitió una comparación más rigurosa y cuantitativa.

 

RESULTADOS Y DISCUSIÓN

Comparación basada en las leyendas iniciales

El número inicial de las categorías utilizadas para Michoacán varía entre 12 (CONABIO L1, UMD) y 17 (GLOBCOVER). De la recopilación de las leyendas a partir de las clasificaciones iniciales se obtuvieron 33 categorías distintas (Cuadro 2). De éstas, solo 8 categorías fueron comunes, incluyendo a los 4 principales tipos de bosque cerrado, "matorral siempre verde de hoja ancha", "pastizal", "tierras de cultivo", "área urbana", "masas de agua," las cuales representaban de un 27.8 % (UMD) hasta un 85.2 % (IGBP) del área total del estado. Por el contrario, 17 categorías fueron especificas a una sola clasificación de la cubierta terrestre, algunas de ellas correspondieron a una gran parte del área, como la "sabana leñosa" en el caso de MODIS (48.6%). Se observó que algunas categorías representadas marginalmente parecen ser erráticas, tal como las categorías de IGBP la "tundra arbolada" (0.07 %) y la "tundra mixta" (0.01 %), que eran inesperadas en esta área de clima templado a tropical.

Las tres categorías dominantes en cada clasificación representan entre 75.5 % (UMD) y el 86.1 % (GLC2000) del área total del estado. Inspecciones más cercanas revelan que las leyendas de las 3 categorías dominantes difieren considerablemente entre las seis clasificaciones. Además, incluso si dos clasificaciones comparten la misma leyenda, el área correspondiente puede ser muy distinta. Las categorías dominantes en el mapa de referencia de CONABIO son: "bosque latifoliado", "bosque de hoja aciculada", "bosque mixto" y "tierra de cultivo", siendo este último el dominante. En los tres mapas globales basados en la leyenda de IGBP (UMD, IGBP y MODIS), los tipos de vegetación dominantes son las arboleadas dispersas o los matorrales. Las categorías dominantes en el mapa de la UMD son los "bosques" y los "pastizales arbolados" y en el mapa de IGBP son: los "matorrales latifoliados", los "bosques mixtos" y "las tierras de cultivo;" mientras que en el mapa de MODIS más de la mitad del territorio está clasificado como "sabana". Esto parece significar que, de acuerdo con el criterio de la clasificación de los proyectos antes mencionados, las áreas arboladas del Estado de Michoacán no están incluidas dentro de la categoría de "bosques", ya que estas áreas no son parecidas a las áreas arboladas más homogéneas y densas en otras partes del planeta. En el mapa de GLC2000 se presentaron más áreas de "bosque de hoja aciculada" (bosque de pino) y "bosque mixto" y menos áreas de "bosque latifoliado" y ligeramente más áreas de "tierras de cultivo", con respecto al mapa de CONABIO. Sin embargo, a pesar de basarse en la misma leyenda, el mapa de GLOBCOVER considera que más de la mitad del territorio de Michoacán está cubierto por "bosque latifoliado" y que cuenta con una superficie ligeramente más pequeña cubierta por "bosque de hoja aciculada" y un pequeño porcentaje de "tierras de cultivo", en relación con el mapa de CONABIO; una discrepancia que podría ser explicada en parte por la inclusión de huertos dentro de los bosques latifoliados. En general, las discrepancias anteriormente mencionadas se deben al mosaico complejo y a la mezcla de patrones entre estos tipos de vegetación, así como de la enorme variabilidad de la dinámica estacional observada en estas categorías.

Comparación basada en una leyenda fusionada

El proceso de agregación generó seis clases unificadas principales comunes a las seis clasificaciones: "bosque latifoliado" (BLF), "bosque de hoja aciculada" (NLF), "tierra de cultivo" (CL), "pastizal y matorral" (GL&SL), "área urbana" (UR) y "masas de agua" (WB) (Cuadro 3, celdas gris oscuro). Se realizó la asignación por criterios estrictamente semánticos, es decir, solo las categorías explícitamente etiquetadas como bosques en la leyenda inicial fueron incluidas en una de las dos categorías de bosques en la legenda fusionada (BLF y NLF). Como consecuencia, la categoría GL&SL contiene todos los tipos de arboleadas dispersas y matorrales tales como la "sabana" y los "pastizales leñosos." El proceso de agregación fue eventualmente refinado para las clases marginales representadas escasamente y para los casos en los que la asignación semántica no fue clara o condujo a errores evidentes, tomando en cuenta su ubicación (Cuadro 3, celdas gris oscuro), tales como, por ejemplo, los incluidos en la clase unificada "tierra de cultivo", de las clases "matorral templado o subpolar de hoja aciculada perenne de dosel abierto" (clase unificada #8 en el Cuadro 3), del "matorral templado o subpolar con un nivel arbóreo disperso" (#10), "bosque caducifolio de hoja aciculada" (#23) y "humedales permanentes" (#26). La comparación del Cuadro 4 y la Figura 1 muestra una buena consistencia en la medida de las dos clasificaciones marginales "área urbana" y "cuerpos de agua", que confirman las observaciones previas (Fritz & See, 2007). No obstante, en las otras cuatro clasificaciones fusionadas se observaron grandes discrepancias. Los mapas de UMD, IGBP y MODIS reportaron grandes fracciones de "pastizal y matorral" y pequeñas fracciones de "bosque latifoliado," que es una consecuencia de la asignación semántica de los tipos de cobertura incluidos en la clase "pastizal y matorral." El mapa de UMD muestra poco bosque de hoja aciculada, que está sobrerepresentado en el mapa de IGBP. Las áreas de tierras de cultivo son mínimas en los mapas UMD y MO-DIS, mientras que están totalmente mal ubicadas en el mapa de IGBP. El mapa de GLC2000 y CONABIO reportaron áreas más grandes de "tierras de cultivo" que la otra clasificación aquí comparada, pero la distribución espacial de la clase en los dos mapas originales es distinta, debido tanto a que el mapa GLC2000 identifica como tierras de cultivo grandes áreas que en el mapa de referencia aparecen como bosque latifoliado, porque los cultivos del norte del estado aparecen como "bosques latifoliados". Como se hizo con la leyenda inicial, el mapa GLOBECOVER asignó más del 50 % del área del estado mejora el "bosque latifoliado," mientras que las "tierras de cultivo" está escasamente representada debido a que las huertas de aguacate y otros árboles frutales están incluidos en los "los bosques latifoliados." Sin embargo, los bosques de hoja aciculada parecen ser representados adecuadamente.

La exactitud total claramente muestra dos grupos distintos (Cuadro 5): el primero, incluyendo los mapas de cobertura de UMD, IGBP y MODIS, todos con leyendas similares a las de IGBP; el segundo grupo contiene los mapas de GLC2000 y GLOBCOVER, ambos derivaron del sistema de leyendas de LCCS. El primer grupo tiene los valores más altos de exactitud total alcanzados entre los mapas comparados (UMD y MODIS).

Por el contrario, cuando comparamos el mapa global con el mapa regional de CONABIO, el primer grupo mostró un desempeño pobre, mientras que el segundo grupo alcanzó los valores más altos de exactitud en general. No obstante, el mejor valor (Oa = 45.6 %) observado para GLOBCOVER es más bajo que el resultado de validación global del mapa GLOBCOVER (Oa = 75 %), calculado en 3,167 muestras de referencia distribuidas en todo el mundo con una resolución espacial de 300 m (Bicheron et al., 2006, Defourny et al., 2009).

En el Cuadro 6 se muestra la matriz de confusión para los cinco mapas globales de clasificación. Los errores de omisión o comisión aparecen marcados en negrita (cuando el valor de la célula es mayor que la diagonal).

En el Cuadro 7 se muestran los valores de Pa y Ua, los cuales se obtuvieron a partir de la matriz de confusión.

La inspección de los valores de Pa y Ua por clase, y de los errores de omisión y comisión en la matriz de confusión, muestran los siguientes hechos:

Bosque latifoliado (BLF). Ua es relativamente baja para UMD, IGBP y MODIS, debido a la confusión con el NLF y el CL. Pa es aún peor debido a la omisión de pixeles clasificados como GL&SL. Los mejores desempeños de Ua se observan para GLC2000 y GLOBCOVER, pero con algo de confusión con CL. Pa para GLOBCOVER es muy bueno, mientras que se alcanzaron resultados muy malos para GLC2000 ya que la mayoría de los pixeles de BLF están clasificados como CL.

Bosque de hoja aciculada (NLF). Ua alcanzó valores moderados, con el más bajo rendimiento para IGBP y GLC2000 debido a la confusión con CL. Se observaron valores bajos de Pa para UMD y MODIS, debido a los pixeles clasificados como GL&SL, y en menor medida, como BLF.

Tierra de cultivo (CL). Se obtuvieron valores altos de Ua para UMD, MODIS y GLOBCOVER; sin embargo, con valores más bajos para IGBP y GLC2000, debido a la confusión con BLF. Se observaron valores muy bajos de Pa para UMD, IGBP y MODIS, debido a los pixeles clasificados como GL&SL, y para GLOBCOVER, debido a los pixeles mal clasificados como BLF.

Pastizal y matorral (GL&SL). Se observaron valores muy bajos de Ua, debido principalmente a la confusión con BLF y CL, y en menor medida, con NLF. En cambio, los valores de Pa para UMD y MODIS son muy altos, y en menor medida para IGBP. Se observaron valores muy bajos de Pa para GLC2000 y GLOBCOVER, debido principalmente a los pixeles clasificados como BLF.

Área urbana (UR). Las áreas urbanas representan una fracción muy pequeña del área total (Cuadro 6) y pueden ser sensibles a las incertidumbres geométricas. Se obtuvieron valores bajos de Ua para MODIS y GLC2000, debido a la confusión con LC.

Cuerpos de agua (WB). Se observaron valores medios de Ua para la mayoría de la clasificación de los mapas debido a la confusión con CL y BLF. Los valores más altos de Pa están relacionados con todos los mapas de las clasificaciones, a excepción de IGBP, en el cual faltan los pixeles clasificados como GL&SL.

En el grupo de mapas basados en la leyenda de IGBP la clasificación fusionada GL&SL está casi distribuida por igual entre "bosque latifoliado," "tierras de cultivo," y en menor medida, "bosque de hoja aciculada". Es decir, las áreas clasificadas como sabanas en el mapa de MODIS o como "arboleadas dispersas" en el mapa de UMD, ambas siendo clasificadas como GL&SL en la leyenda unificada, muestran mayor coincidencia espacial con la clase BLF y CL que con las áreas GL&SL en el mapa de CONABIO. Por ello, existe un error en la etiqueta inicial de estas áreas en el mapa inicial que derivó en un error de clasificación al aplicar el criterio semántico para establecer la leyenda unificada. Pero el error más grave se observa en la confusión de matorral (BLF o GL&SL) y zonas agrícolas (CL) en una sola clase. Este problema es una consecuencia tanto de las características de la vegetación en el área de estudio como de su distribución espacial en relación a la resolución espacial de los mapas.

Tanto los resultados de las extensiones de la zona como la consistencia espacial mostraron diferencias claras entre los mapas globales de clasificación, lo que confirma que Michoacán es un punto de discrepancias (Fritz & See, 2007). Para un mejor entendimiento de estas diferencias, se realizó un mapa de coincidencias entre todos los mapas globales de la cubierta vegetal (Figura 2). Los lugares donde existe una concordancia total en todos los mapas representan sólo 2 % del área y corresponden principalmente a los cuerpos de agua (WB), áreas urbanas (UR) bosques de hoja aciculada (BLF) y tierras de cultivo (CL). En general, existe una concordancia entre los mapas de las leyendas tipo IGBP (UMD, IGBP, MODIS) o tipo LCCS (GLC2000, GLOBCOVER). Son pocos los pixeles (0.1 % del total) que son asociados a diferentes clases en cada uno de los mapas globales.

 

CONCLUSIONES

Este estudio presenta el resultado de la comparación entre mapas globales disponibles generados a partir de datos obtenidos de sensores con resolución media. Se utilizó como referencia un mapa regional de cobertura (CONABIO, 1998), generado a partir de datos de alta resolución espacial y experiencia local.

La diversidad de las leyendas explica el bajo nivel de consistencia entre los mapas comparados. Cada uno de los mapas comparados fue elaborado de acuerdo a criterios globales de clasificación debido a lo cual los matorrales predominan en algunos mapas (UMD, IGBP y MODIS; todos basados en la leyenda tipo IGBP), mientras que los bosques predominan en otros (GLC2000 y GLOBCOVER, basados en la leyenda tipo LCCS).

Para reducir la inconsistencia entre los mapas y para permitir una mejor comparación, se propuso una leyenda unifica con 6 clasificaciones ("Bosque latifoliado," "bosque de hoja aciculada," "tierras de cultivo," "pastizal y matorral," "área urbana" y "cuerpos de agua"). El uso de un criterio semántico estricto para la asignación de las clases estableció una diferencia notable entre los mapas basados en IGBP y el mapa de referencia, debido al predominio excesivo de la clase "Pastizal y Matorral". El error en la asignación de una clase determinada es provocado por el criterio de clasificación del mapa inicial y por la leyenda unificada. Con el fin de evitar tal problema, es necesario contar con un sistema global de clasificación objetivo y muy general que provenga del debate en grupos de trabajo que tomen en cuenta la experiencia local y la información de la mayoría de las regiones biodiversas, como es el caso del estado de Michoacán. Sin embargo, el mayor problema emergente en todos estos mapas analizados es la confusión en la distinción entre las clases "tierra de cultivo" (y huerto) y "bosque latifoliado", un problema que se debe tanto a las características del área de estudio como a la baja resolución espacial de los datos.

El territorio del Estado de Michoacán combina grandes mosaicos hechos de áreas naturales y de cultivo y la presencia de contrastes notables de la topografía, características que desafían cualquier asignación difícil de clasificar, a partir de las observaciones espaciales con resolución media. Cuando la elevada resolución espacial y los sensores de alta frecuencia están en órbita, y cuando el acceso libre a las imágenes ocurre de forma operativa y constante, su conjunto de datos mejoraran la realización de los mapas actuales derivados del conjunto de datos disponibles de los sensores con resolución media. Tales sensores podrían llevar a cabo los requerimientos necesarios no solo para los mapas locales y globales sino también para otros asuntos mayores relacionados con el cambio de la cubierta terrestre.

La elaboración de mapas globales de la cubierta terrestre parece ser una tarea complicada, como se demuestra por las grandes discrepancias entre los productos actualmente disponibles. No obstante, la información contenida en estos mapas permite preparar el camino hacia el estudio de procesos ambientales en curso, incluyendo los cambios en la distribución de la cubierta terrestre; por ello, es más importante conocer la intensidad y las limitaciones de estos mapas.

 

LITERATURA CITADA

Bartholomé, E., Belward, A. S., & GLC2000. (2005). GLC2000: a new approach to global land cover mapping from Earth observation data. International Journal of Remote Sensing, 26(9), 1959-1977. doi: 10.1080/01431160412331291297        [ Links ]

Bicheron, P., Leroy, M., Brockmann, C., Krämer, U., Miras, B., Hue, M., & Gross, D. (2006). GLOBCOVER: a 300 m global land cover product for 2005 using ENVISAT MERIS time series. Retrieved Jun 2008, 2006, from http://postel.mediasfrance.org/fr/PROJECTS/Pre-operationnels-GMES/GLOBCOVER/        [ Links ]

Bocco, G., Mendoza, M., & Masera, O., R. (2001). La dinámica del cambio de uso de suelo en Michoacán. Una propuesta metodológica para el estudio de los procesos de deforestación. Investigaciones Geográficas, Boletín del Instituto de Geografía, UNAM (44), 18-38.         [ Links ]

CONABIO. (1998). Comisión Nacional para el Conocimiento y Uso de la Biodiversidad. Retrieved September 2008, from http://www.conabio.gob.mx/informacion/gis/        [ Links ]

Congalton, R. G. (1991). A review of assesing the accuracy of clasifications of remotely sensed data. Remote Sensing of Environment (37), 35-46.         [ Links ]

Defourny, P., Bicheron, B., Brockmann, C., Bontemps, S., Bogaert, V. E., Vancutsem, C., & Arino, O. (2009). The first 300m global land cover map for 2005 using ENVISAT MERIS time series: a product of the GlobCover system.         [ Links ]

Defourny, P., Vancutsem, C., Bicheron, P., Brockmann, C., Nino, F., Schouten, L., & Leroy, M. (2006). GLOBCOVER: a 300 m global land cover product for 2005 using Envisat MERIS time series.         [ Links ]

Defries, R., & Townshend, J. R. G. (1994). NDVI-derived land cover classification at global scale. International Journal of Remote Sensing, 75(17), 3567-3586. doi: 10.1080/01431169408954345        [ Links ]

Di Gregorio, A., & Jansen, L. J. M. (2000). Land cover classification system: LCCS: classification concepts and user manual: Food and Agriculture Organization of the United Nations.         [ Links ]

Friedl, M. A., Mclver, D. K., Hodges, J. C., F., Zhang, X. Y., Muchoney, D., Strahler, A. H., . . . Cooper, A. (2002). Global Land Cover Mapping from MODIS: algorithms and early results. Remote Sensing of Environment, 83 (1-2), 287-302.         [ Links ]

Fritz, S., & See, L. (2007). Identifying and quantifying uncertainty and spatial disagreement in the comparison of Global Land Covers for different applications. Global Change Biology, 14(5), 1057-1075. doi: 10.1111/j.365-2486.2007.01519.x        [ Links ]

González-Medrano, F. (2003). Las comunidades vegetales de México. Propuesta para la unificación de la clasificación y nomenclatura de la vegetación de México. Instituto Nacional de Ecología, México, DF.         [ Links ]

Hansen, M. C., DeFries, M., R, Townshend, J. R. G., & Sohlberg, R. (2000). Global Land Cover Classification at 1 Kilometer spatial resolution using a classification tree aproach. International Journal of Remote Sensing, 21 (6/7), 1331-1364.         [ Links ]

Hansen, M. C., & Reed, B. (2000). A Comparison of the IGBP-DISCover and University of Maryland 1km global land cover products. International Journal of Remote Sensing, 21 (6&7), 1365-1373.         [ Links ]

Herold, M. (2006). A joint initiative for harmonization and validation of land cover data sets. Geoscience and Remote Sensing, IEEE Transactions on, 44(7), 1719-1727. doi: 10.1109/ TGRS.2006.871219        [ Links ]

Herold, M. (2008). Some challenges in global land cover mapping: An assessment of agreement ans accuracy in existing 1 km data sets. Remote Sensing of Environment(112), 2538-2556.         [ Links ]

IGBP. (2009). International Geosphere-Biosphere Program. Retrieved May 2009, from http://glcf.umiacs.umd.edu/data/landcover/        [ Links ]

INEGI. (2009). Instituto Nacional de Estadística y Geografía Retrieved May 2009, from http://www.inegi.gob.mx        [ Links ]

Inventario, F. (1995). Memorias Regionales 1995. Morelia. Gobierno del Estado de Michoacán.         [ Links ]

Lambin, E. F., & Geist, H. J. (2001). Global land-use and land-cover change: what have we learned so far? Global Change News Latter (46), 27-30.         [ Links ]

Latifovic, R., Zhu, Z., Cihlar, J., Beaubien, J., & Fraser, R. (2000). The Land Cover Map for North America in the Year 2000, from http://www-term.jrc.it/glc2000/Products/northamerica/MetadataLC35_NA2000.pdf        [ Links ]

Liu, D., Song, K., Townshend, J. R. G., & Gong, P. (2008). Using local transition probability models in Markov random fields for forest change detection. Remote Sensing of Environment (112), 2222-2231.         [ Links ]

Loveland, T. R., Reed, B. C., Brown, J. F., Ohlen, O., Zhu, J., Yang, L., & Merchant, J. W. (2000). Development of a Global Land Cover Characteristics Database and IGBP DISCover from 1-km AVHRR Data. International Journal of Remote Sensing, 21 (6/7), 1303-1330.         [ Links ]

Mayaux, P., Eva, P., Gallego, H., Strahler, J., Herold, A. H., Agrawal, M., . . . Roy, P. (2006). Validation of the global land cover 2000 map. Geoscience and Remote Sensing, IEEE Transactions on, 44(7).         [ Links ]

McCallum, I., Obersteiner, M., Nilsson, S., & Shvidenko, A. (2006). A Spatial comparison of four satellite derived 1 km global land cover datasets. Internationa Journal of Applied Earth Observations and Geoinformation 8 (8), 246-255.         [ Links ]

Miranda, F., & Hernández, X. (1963). Los tipos de vegetación de México y su clasificación. Boletin de la Sociedad Botánica Mexicana(28).         [ Links ]

Morissette, J. T., Baret, F., Privette, J. L., Myneni, R. B., Nickeson, J. E., Garrigues, S., . . . Cook, R. (2006). Validation of Global Moderate Resolution LAI products: a framework proposed within the CEOS Land product validation subgroup. Geoscience and Remote Sensing, IEEE Transactions on, 44(7), 1804-1817. doi: 10.1109/TGRS.2006.872529        [ Links ]

Muchoney, D., Strahler, A. H., Hodges, J. C., F., & LoCastro, J. (1999). The IGBP discover confidence sites and the System for Terrestrial Ecosystem parameterization: Tool for validating global land cover data. Photogrammetric Engineering & Remote Sensing, 65(9).         [ Links ]

POSTEL.(2009). Pole d'observation des surfaces continentales par teledétéction Retrieved May 2009, 2009, from http://postel.mediasfrance.org/fr/PROJETS/Pre-operationnels-GMES/GLOBCOVER/        [ Links ]

Retrieved May 2009, 2009, from http://postel.mediasfrance.org/fr/PROJETS/Pre-operationnels-GMES/GLOBCOVER/        [ Links ]

Rossiter, D. G. (1994). Lectures Notes: "Land Evaluation". Cornell University, College of Agriculture and Life Science, Department of Soil, Crop and Atmospheric Science. Retrieved from http://www.itc.nl/personal/rositter/Docs/Scas494/s494ch6.pdf        [ Links ]

Rzedowski. (1978). Vegetación de México. México D.F: Editorial Limusa.         [ Links ]

Scepan, J. (1999). Thematic Validation of High Resolution Global Land Cover Data Sets. Photogrammetric Engineering & Remote Sensing, 65, 1051-1060.         [ Links ]

See, & Fritz. (2006). Towards a global hybrid land cover map for the year 2000. Geoscience and Remote Sensing, IEEE Transactions on, 44(7), 1740, 1746.         [ Links ]

SEMARNAP. (1997). Estadísticas del Medio Ambiente. México D.F.: INEGI.         [ Links ]

Strahler, A., Boschetti, L., Foody, G., Friedl, M. A., Hansen, M. C., Herold, M., ... Woodcock, C. E. (2006). Global Land cover Validation: Recommendations for Evaluation and Accuracy Assessment of Global Land Cover Maps. Retrieved from http://nofc.cfs.nrcan.gc.ca/gofc-gold/Report%20Series/GOLD_25.pdf        [ Links ]

UMd. (2009). University of Maryland Retrieved May 2009, from http://glcf.umiacs.umd.edu/data/landcover/        [ Links ]

Velazquez, A., Mas, J. F., Díaz-Gallegos, J. R., Mayorga-Saucedo, R., Alcántara, P. C., Castro, R., & Palacio, J. L. (2008). Patrones y Tasas de Cambio de Uso de Suelo en México. Retrieved September 2008, from http://www.ine.gob.mx/ueajei/publicaciones/gacetas/62/velasquez.html        [ Links ]