Anexo A Protocolo Procesamiento Digital PDF

PROTOCOLO DE PROCESAMIENTO DIGITAL DE IMAGENES
PARA LA CUANTIFICACIN
DE LA DEFORESTACIN EN COLOMBIA V.2
JUAN MANUEL SANTOS CALDERN
Presidente de la Repblica de Colombia
GABRIEL VALLEJO LPEZ

Ministro de Ambiente y Desarrollo Sostenible
PABLO ABBA VIEIRA SAMPER

Viceministro de Ambiente
MAR FRANCO TORRES

Director General - IDEAM
Instituto de Hidrologa, Meteorologa y Estudios Ambientales IDEAM
MARA SARALUX VALBUENA

Subdirectora de Ecosistemas e Informacin Ambiental IDEAM
EDITORES
Natalia Crdoba Camacho
Lina Ma. Carreo Correa
DISEO DE LA CARTULA
Grupo de Comunicaciones IDEAM
DISEO, DIAGRAMACIN E IMPRESIN

Editorial Scripto Gmez y Rosales Asociados Cia. Ltda
Calle 76 Bis N 20C 19
Telfono: (57-1) 7562003
http://www.scripto.com.co
ARCHIVO FOTOGRFICO
Sebastin Ramrez Echeverry
Archivo IDEAM
CTESE DENTRO DE UN TEXTO COMO:
Galindo et al. IDEAM 2014
CTESE COMO
Galindo G., Espejo O. J., Rubiano J. C., Vergara L. K., Cabrera E., 2014. Protocolo de procesamiento digi-
tal de imgenes para la cuantificacin de la deforestacin en Colombia. V 2.0. Instituto de Hidrologa,
Meteorologa y Estudios Ambientales IDEAM. Bogot D.C., Colombia., xx pg.
Publicacin aprobada por el Comit de Comunicaciones y Publicaciones del IDEAM, octubre de

2014, Bogot D.C., Colombia.
ISBN: 978 958 8067 63 6 - Distribucin Gratuita
2014, Instituto de Hidrologa, Meteorologa y Estudios Ambientales IDEAM. Todos los derechos
reservados. Los textos pueden ser usados parcial o totalmente citando la fuente. Su reproduccin
total o parcial debe ser autorizada por el IDEAM.
Este trabajo fue financiado por la Fundacin Gordon y Betty Moore, proyecto Consolidacin
de un Sistema de Monitoreo de Bosques y Carbono (SMBYC), como soporte a la Poltica Am-
biental y de Manejo en Colombia, Instituto de Hidrologa, Meteorologa y Estudios Ambientales
(IDEAM), Ministerio de Ambiente y Desarrollo Sostenible (MADS), Patrimonio Natural.
Impreso en Colombia Printed in Colombia

Ministerio de Ambiente y Desarrollo Sostenible
Instituto de Hidrologa, Meteorologa y Estudios Ambientales - IDEAM
OMAR FRANCO TORRES

Director General IDEAM
CLEMENTINA DEL PILAR GONZLEZ PULIDO

Secretaria General IDEAM
CONSEJO DIRECTIVO
GABRIEL VALLEJO LPEZ MARA LORENA GUTIRREZ BOTERO

Ministro de Ambiente Secretara General
y Desarrollo Sostenible Presidencia de la Repblica
NATALIA ABELLO VIVES RAMN LEAL LEAL

Ministra de Transporte Director General Asociacin
de Corporaciones Autnomas Regionales
SIMN GAVIRIA MUOZ y de Desarrollo Sostenible ASOCARS
Director General
Departamento Nacional YANETH GIHA TOVAR
de Planeacin- DNP Directora General
Departamento Administrativo de Ciencia,
MAURICIO PERFETTI DEL CORRAL Tecnologa e Innovacin -COLCIENCIAS
Director General
Departamento Nacional CLEMENTINA DEL PILAR GONZLEZ PULIDO
de Estadsticas-DANE Secretaria Tcnica del Consejo
DIRECTIVAS
MARA SARALUX VALBUENA LPEZ JAIRO CSAR FUQUENE RAMOS

Subdirectora de Ecosistemas e Informacin Jefe Oficina Asesora de Planeacin
Ambiental
BIBIANA LISSETTE SANDOVAL PAEZ
MAX ALBERTO TORO BUSTILLO Jefe (E) Grupo de Comunicaciones
Subdirector (E) de Estudios Ambientales
LEONARDO CRDENAS CHITIVA
NELSON OMAR VARGAS MARTNEZ Jefe Oficina de Informtica
Subdirector de Hidrologa
ADRIANA PORTILLO TRUJILLO
MARA TERESA MARTNEZ GMEZ Jefe Oficina Asesora Jurdica
Subdirectora de Meteorologa
MARA EUGENIA PATIO JURADO
CHRISTIAN FELIPE EUSCATEGUI COLLAZOS Jefe Oficina Control Interno
Jefe Oficina Pronsticos y Alertas
AUTORES
Gustavo Galindo Garca

Oscar Javier Espejo Valero
Juan Carlos Rubiano Rubiano
Lina Katherine Vergara
Edersson Cabrera Montenegro
COORDINACIN Y SUPERVISIN

Coordinador General
Natalia Crdoba Camacho
Asistente de Coordinacin
Lina Mara Carreo Correa
Apoyo equipo coordinacin
Carlos Noguera
Asistente administrativo
Mara Saralux Valbuena Lpez
Subdirectora de Ecosistemas e Informacin Ambiental
Adriana Paola Barbosa Herrera
Coordinadora Grupo de Bosques
Subdireccin de Ecosistemas e Informacin Ambiental
COLABORADORES
Juan Pablo Ramrez Delgado

Cesar Augusto Valbuena Caldern
Kattia Vargas Jurado
Adriana Palacios Manrique
Rosa Helena Lozano Cuevas
Santiago Palacios Noguera
Carol Andrea Franco Aguilera
Edwin Ivn Granados
GRUPO DE BosqueS
Adriana Paola Barbosa Herrera

Claudia Patricia Olarte Villanueva
Luis Mario Moreno Amado
Carolina Rozo Mora
AGRADECIMIENTOS
El Instituto de Hidrologa, Meteorologa y Estudios Ambientales - IDEAM, agradece al Ministerio de

Ambiente y Desarrollo Sostenible, a la Fundacin Gordon y Betty Moore y a Patrimonio Natural, y a
las siguientes entidades que contribuyeron al logro de esta publicacin, por el apoyo e informacin
suministrada:
Programa SilvaCarbon. Especialmente a Sylvia Wilson, Craig Wayson, Ana Maria Planas y Coral Roig-
Sillva por su constante y sincero apoyo.
Universidad de Maryland Departamento de Ciencias Geogrficas. Matt Hansen Peter Potatov.
Woods Hole Research Center -WHRC. Especialmente a Josef Kellndorfer y Carol Franco por su cons-
tante apoyo.
Universidad de Boston. Especialmete a Pontus Olofson (verificar nombre) por constante apoyo.
USAID. Especial agradecimiento a Evan Notman y Daniel Lopez.
Instituto Geogrfico Agustn Codazzi, Centro de Investigacin y Desarrollo en Informacin Geogrfi-

ca, CIAF - Elena Posada y Mauricio Ramirez.
Proyecto Consolidacin de un Sistema de Monitoreo
de Bosques y Carbono (SMBYC), como soporte a la Poltica Ambiental
y de Manejo en Colombia
COMIT TCNICO Coordinacin General

Rodrigo Surez Castao Natalia Crdoba Camacho
Director de Cambio Climtico Lina Ma. Carreo Correa
Ministerio de Ambiente y Desarrollo Carlos Alberto Noguera Cruz
Sostenible
Equipo Tcnico Carbono
Mara Claudia Garca Dvila Juan Fernando Phillips Bernal
Direccin de Bosques, Biodiversidad Miguel ngel Pea Hernndez
y Servicios Ecosistmicos
Ministerio de Ambiente y Desarrollo Equipo Tcnico Procesamiento
Sostenible Digital de Imgenes
Gustavo Galindo Garca
Mara Saralux Valbuena Lpez Oscar Javier Espejo
Subdirectora Ecosistemas e Informacin Juan Carlos Rubiano Rubiano
Ambiental Instituto de Hidrologa, Adriana Palacios Manrique
Meteorologa y Estudios Ambientales Kattia Vargas Jurado
IDEAM Rosa Helena Lozano Cuevas
Santiago Palacios Noguera
Max Alberto Toro Bustillo Cristian Fabin Forero
Subdirector (E) de Estudios Ambientales Cesar Augusto Valbuena Caldern
Instituto de Hidrologa, Meteorologa y Estu- Juan Pablo Ramrez
dios Ambientales IDEAM Carol Franco Aguilera
Edwin Ivn Granados
Paulina Arroyo Sonia Ortiz
Oficial Program Andes Amazon Initiative
Fundacin Gordon y Betty Moore Equipo Tcnico Componente
Tecnolgico
Francisco Alberto Galn Sarmiento Mara Liseth Rodrguez Montenegro
Director Ejecutivo Xavier Corredor Llano
Patrimonio Natural Fondo para la Emilio Jos Barrios Crdenas
Biodiversidad y reas Protegidas Nelly Novoa Castro
SIGLAS, ACRNIMOS Y CONVENCIONES
C: Grados centgrados
BA: Biomasa rea
C: Carbono
cm: Centmetros
D: Dimetro normal medido a 1,30 cm del suelo
e.g.: Significa por ejemplo; del latn exempli gratia
et al.: Significa ca y colaboradores, y otros; del latn et all
Exp: Funcin exponencial
ha: Hectrea
i.e.: Significa esto es; del latn id est
IDEAM: Instituto de Hidrologa, Meteorologa y Estudios Ambientales
kg: Kilogramo
ln: Logaritmo neperiano
mm: Milmetro
REDD: Reduccin de Emisiones por Deforestacin y Degradacin de Bosques
t: Tonelada
CONTENIDO
INTRODUCCIN................................................................................................... 11
1.OBJETIVO Y ALCANCES DEL PROTOCOLO ...................................................... 15
2. LINEAMIENTOS TCNICOS DEFINIDOS PARA EL PROCESAMIENTO DE IMGE-

NES DE SENSORES REMOTOS Y EL REPORTE DE LOS RESULTADOS................. 17
2.1 Enfoque a deteccin directa de cambio vs. comparacin de mapas de reas de
Bosque y No Bosque .....................................................................................................................17
2.3 Manejo de reas sin informacin para la cuantificacin de la deforestacin.....18
2.4 Control de calidad constante...............................................................................................18
2.5 Evaluacin de la exactitud temtica de los resultados...............................................18
2.6 Preferencia de uso de Software gratuito y/o libre........................................................19
2.6 Prelacin a mtodos automticos y semi-automticos.............................................19
3. CONCEPTOS GENERALES PARA LA APLICACIN DEL PROTOCOLO Y EL PRO-

CESAMIENTO DE LAS IMGENES........................................................................ 21
3.1 Definicin de Bosque y deforestacin para el sistema de monitoreo..................21
3.3 Herramientas de procesamiento digital de imgenes para la aplicacin del pro-
tocolo...................................................................................................................................................23
4. PROCESO METODOLGICO............................................................................. 27
4.1 Seleccin y descarga de imgenes....................................................................................27
4.2 Pre-procesamiento.................................................................................................................28
4.2.1 Apilamiento de las bandas................................................................................................29
4.3 Procesamiento...........................................................................................................................33
4.4 Evaluacin de la exactitud temtica del mapa de cambio........................................39
4.5 Reporte de los datos de superficies de Bosque y deforestacin...........................44
LITERATURA CITADA............................................................................................ 47
GLOSARIO............................................................................................................. 51
PROTOCOLO DE PROCESAMIENTO DIGITAL
DE IMAGENES PARA LA CUANTIFICACIN
DE LA DEFORESTACIN EN COLOMBIA V. 2 INTRODUCCIN
INTRODUCCIN
Los Bosques cumplen una funcin importante en la regulacin del clima global
gracias a que almacenan una mayor cantidad de carbono que cualquier otro bio-
ma terrestre (Houghton, 2005) acumulando aproximadamente 650 billones de to-
neladas (FAO, 2010); se estima que tan solo las reas boscosas tropicales de Sur
Amrica puede contener 150 a 200 t C/ha1 (Chave et al., 2008; Saatchi, et al., 2007).
Sin embargo, en las ltimas dcadas la deforestacin y degradacin de estos eco-
sistemas ha contribuido significativamente al aumento de emisiones de carbono y
otros gases de efecto invernadero - GEI (IPCC, 2007); es as como se calcula que en
la dcada de 2000s, entre el 10 y 20% de las emisiones anuales mundiales de GEI de
origen antropognico pueden ser atribuibles a la deforestacin y degradacin de
los Bosques tropicales (GOFC-GOLD, 2014; Houghton, 2012, Harris et al., 2012; Pan
et al., 2011). Adicionalmente, la prdida y degradacin del Bosque conlleva a una
reduccin en los dems bienes y servicios ambientales que prestan, incluidos la re-
gulacin hdrica, la produccin de materias primas y alimentos, el mantenimiento
y conservacin de la biodiversidad, el uso como hbitat y la relacin cultural que
muchas sociedades han establecido con los Bosques alrededor del mundo (Hassan
et al., 2005; Olander et al., 2007; Potapov et al., 2008).
La Convencin Marco de las Naciones Unidas sobre Cambio Climtico CMNUCC

durante las Conferencias de las Partes de 2009 y 2010 (COP 15 y 16, respectivamen-
te), y recientemente en Varsovia (COP 19), decidi que los pases en desarrollo de-
ben establecer sistemas nacionales de monitoreo forestal que permitan cuantificar
las emisiones/absorciones de GEI y los cambios en la superficie de los Bosques y las
reservas forestales de Carbono. As mismo ha dado un reconocimiento especial al
rol crtico que juegan los Bosques en la lucha contra el cambio climtico; es por esta
razn que las partes reunidas en 2005 (COP11) acordaron poner en marcha una ini-
ciativa para mitigar las emisiones potenciales de GEI generadas por los procesos de
deforestacin y degradacin, iniciativa que recibe el nombre de Reduccin de Emi-
siones por Deforestacin y Degradacin REDD+. En el contexto de esta iniciativa,
uno de los grandes desafos que se tiene, es el desarrollo de un Sistema Nacional de
Monitoreo Forestal, que sea transparente, robusto y confiable, y consistente con el
Inventario Nacional de Emisiones (INGEI), ya que esto implica un sistema que realice
1 Toneladas de carbono por hectrea.
11
DE LA DEFORESTACIN EN COLOMBIA V. 2
el seguimiento continuo de lo que tcnicamente se denomina: i) los datos de acti-

vidad (cantidad y ubicacin de la deforestacin y la degradacin), ii) los factores de
emisin (contenidos de carbono) y iii) la estimacin y manejo de la incertidumbre
que dichas estimaciones presenten.
Como parte de este mecanismo resulta fundamental el uso de imgenes y datos

provenientes de sensores remotos (GOFC-GOLD, 2014), gracias a que brindan la
posibilidad de obtener informacin de las superficie terrestre con un amplio cubri-
miento espacial y en algunos casos temporal. Desde la aparicin de las primeras
imgenes de sensores remotos hasta la fecha, se han incrementado notoriamente
las aplicaciones para el seguimiento de las coberturas de la tierra, incluido el Bos-
que (Achard & Hansen, 2012) y cada vez se cuenta con mayor nmero de programas
satelitales y aerotransportados que toman y distribuyen los datos de imgenes, as
como mtodos de procesamiento, programas computacionales y recursos tecnol-
gicos encaminados al monitoreo de las coberturas.
Por otro lado, es necesario contar con informacin cartogrfica, inventarios fores-
tales, metodologas estandarizadas para el procesamiento de datos de sensores re-
motos y de campo, adems, con una capacidad tcnica y cientfica a nivel de pas,
que responda a las necesidades de las discusiones internacionales, que permita
adoptar un manejo adaptativo en todo este proceso, para obtener resultados cada
vez ms consistentes y costo-eficientes. De esta forma, se busca que estos sistemas
de monitoreo, al mismo tiempo que permiten cumplir con los requerimientos de
la CMNUCC, se conviertan en una herramienta que apoye la toma de decisiones
relacionadas con las polticas ambientales, proporcionando informacin vital para
la planificacin y ordenacin forestal a nivel nacional y subnacional, y permitiendo
generar informacin para acceder a pagos por resultados REDD+.
Teniendo en cuenta estos antecedentes y en el cumplimiento de las funciones mi-

sionales de realizar estudios e investigaciones sobre recursos forestales y efectuar
el seguimiento de los recursos biofsicos de la Nacin, IDEAM con el apoyo de la
Fundacin Gordon and Betty Moore puso en marcha en el 2009 el Proyecto Ca-
pacidad Institucional Tcnica y Cientfica para apoyar proyectos de Reduccin de
Emisiones por Deforestacin y Degradacin REDD- en Colombia. Como parte de
los objetivos, el Proyecto se propuso establecer las bases para implementar un sis-
tema de monitoreo de la deforestacin desde dos niveles de aproximacin, uno
Nacional y otro Sub-nacional, consecuente con los lineamientos definidos por la
Convencin Marco de las Naciones Unidas sobre Cambio Climtico -CMNUCC- y
el Panel Intergubernamental de Cambio Climtico -IPCC- y sus rganos subsidia-
rios. En el proyecto se evaluaron diferentes tcnicas de procesamiento de datos de
sensores remotos para la deteccin de los cambios de cobertura del Bosque, ge-
nerando como resultado el Protocolo de procesamiento digital de imgenes para
la cuantificacin de la deforestacin en Colombia a Nivel Nacional - Escala gruesa
y fina (Cabrera, Galindo, & Vargas, 2011). A partir de la propuesta metodolgica de
12
DE LA DEFORESTACIN EN COLOMBIA V. 2 INTRODUCCIN
este protocolo se cuantific la deforestacin histrica nacional a escala fina para los
periodos 1990-2000, 2000-2005 y 2005-2010 (Cabrera et al., 2011).
Para dar continuidad al proceso, en 2012 se da inicio al Proyecto Consolidacin

del Sistema de Monitoreo de Bosques y Carbono en Colombia en el cual se busc
afianzar los lineamientos tcnicos, cientficos y tecnolgicos para implementar un
Sistema de Monitoreo para el pas. A partir de la experiencias adquiridas y teniendo
en cuenta que la implementacin de un sistema de monitoreo requiere de ajustes
constantes para optimizar los procesos y lograr resultados cada vez ms consisten-
tes y oportunos, se plante una revisin y ajuste de la primera versin del Protocolo.
Como resultado de la revisin se probaron e implementaron nuevos enfoques me-
todolgicos para el procesamiento de las imgenes, mejorando la eficacia y exac-
titud en la deteccin de los cambios en la cobertura del Bosque, y reduciendo los
tiempos de produccin de datos.
Este documento constituye la segunda versin del Protocolo de Procesamiento

Digital de Imgenes para la Cuantificacin de la Deforestacin en Colombia a Ni-
vel Nacional y se enfoca nicamente en la Escala fina del protocolo inicial. En la
primera parte se define el objetivo del protocolo y se presentan los lineamientos y
consideraciones a tener en cuenta para su implementacin. Seguidamente se de-
finen los principales aspectos tcnicos que han sido incorporados en esta segunda
versin y que constituyen el eje central de la nueva propuesta metodolgica. Igual-
mente y como ayuda para la comprensin y aplicacin de la metodologa se rese-
an algunos conceptos tcnicos de los datos y procesos planteados en el protocolo.
Finalmente se esquematizan los pasos metodolgicos de pre-procesamiento y pro-
cesamiento de las imgenes para la deteccin de las reas de cambio del Bosque, el
control de calidad y la evaluacin temtica de los resultados.
13
OBJETIVO
DE LA DEFORESTACIN EN COLOMBIA V. 2 Y ALCANCES
1. OBJETIVO Y ALCANCES DEL PROTOCOLO

El objetivo del protocolo en su segunda versin es establecer los pasos metodolgi-
cos mnimos necesarios para generar cartografa temtica y reportes estadsticos a
nivel nacional sobre la extensin, distribucin y cambios de la cobertura de Bosque
a escala 1:100.000, a partir del procesamiento digital de imgenes de sensores re-
motos, optimizando los procesos tcnicos necesarios para producir la informacin
de una manera ms eficaz y oportuna.
Teniendo en cuenta el objetivo del protocolo y el marco tcnico en el que fue con-
cebido es necesario tener en cuenta sus alcances, as como algunas consideracio-
nes para su aplicacin:
1. El protocolo est diseado como una herramienta que permite detectar y mo-
nitorear los cambios en la extensin de la cobertura de Bosques a nivel nacional
a escala 1:100.000, de manera que sea posible identificar las prdidas de rea
de esta cobertura por deforestacin y, en los casos en que sea detectable, la ga-
nancia por regeneracin. En este sentido, el presente protocolo no es en s una
metodologa para el seguimiento de las coberturas de la Tierra, sin embargo, su
estructura y operatividad permiten su integracin con el proceso nacional para
la generacin de este tipo de informacin.
2. El pblico objetivo son los funcionarios de entidades pblicas y privadas res-
ponsables de la generacin de informacin oficial sobre la distribucin, exten-
sin y cambios en la cobertura boscosa a nivel nacional, regional y/o depar-
tamental. Su aplicacin requiere de profesionales con experiencia en el uso y
aplicacin de sistemas de informacin geogrfica -SIG- y teledeteccin.
3. El protocolo se ha diseado y evaluado para generar informacin a nivel nacio-
nal en una escala 1:100.000, obteniendo resultados satisfactorios. La funciona-
lidad y eficiencia en otras escalas no est probada y, en caso de implementarse,
requiere de validacin y ajuste.
4. La aplicacin del presente protocolo no se recomienda para las reas insulares
del pas, debido a la escala espacial.
5. El Protocolo no se encuentra supeditado al uso especfico de ciertos programas
computacionales de procesamiento digital de imgenes, se hacen recomen-
15
daciones de acuerdo con las herramientas disponibles en el momento de la

elaboracin y de los resultados obtenidos, pero puede implementarse con otro
tipo de programas siempre y cuando sean sometidos a prueba con resultados
satisfactorios.
6. El protocolo est concebido para el procesamiento de imgenes provenientes
de sensores pticos multiespectrales. Las pruebas y aplicacin de la metodolo-
ga se realizaron con imgenes del programa Satelital Landsat, dada la dispo-
nibilidad histrica, la resolucin temporal y espacial adecuada para la escala y
la facilidad de acceso a los datos. Por estas caractersticas y las posibilidades de
permanencia de este programa satelital se recomienda su uso en la implemen-
tacin del protocolo. Sin embargo la propuesta metodolgica planteada no
est supeditada al uso exclusivo de ese tipo de imgenes, siendo factible el uso
de datos de otros sensores que cumplan con la resolucin espacial y temporal
adecuada para la escala y la aplicacin de la metodologa. La mayora de los
pasos metodolgicos del protocolo pueden y deben ser aplicados a cualquier
tipo de imgenes provenientes de sensores remotos pticos; no obstante se re-
comienda realizar pruebas preliminares cuando se opte por el uso de otro tipo
de imgenes, realizando los ajustes requeridos.
7. El protocolo fue diseado teniendo en cuenta las herramientas disponibles y
mtodos de procesamiento de imgenes desarrollados para la deteccin de
cambio a la fecha. Esto significa que puede y debe ser mejorado y modificado
peridicamente en la medida en que se cuente con herramientas y mtodos
que mejoren la eficiencia y exactitud en la generacin de resultados.
16
PROTOCOLO DE PROCESAMIENTO DIGITAL LINEAMIENTOS
DE LA DEFORESTACIN EN COLOMBIA V. 2 TCNICOS
2. LINEAMIENTOS TCNICOS DEFINIDOS PARA EL

PROCESAMIENTO DE IMGENES DE SENSORES
REMOTOS Y EL REPORTE DE LOS RESULTADOS
2.1 Enfoque a deteccin directa de cambio vs. comparacin

de mapas de reas de Bosque y No Bosque
Para lograr el objetivo de identificar los cambios de la cobertura del Bosque, el Pro-
tocolo de Procesamiento Digital de Imgenes para la Cuantificacin de la Defores-
tacin en Colombia a Nivel Nacional en su primera versin (Cabrera, Galindo, & Var-
gas, 2011) propuso una metodologa basada en la comparacin post-clasificacin
de los mapas de coberturas de Bosque y No Bosque en las fechas de inters. Estos
mapas se obtienen de manera independiente para cada fecha a partir del procesa-
miento de imgenes de satlite y posteriormente se comparan entre s; los eventos
de deforestacin corresponden a las reas clasificadas en la primera fecha como
Bosque y en la siguiente como rea sin Bosque.
Este protocolo propone una metodologa orientada a la deteccin directa de cambios,

en la que se procesan y comparan simultneamente las imgenes de satlite de las dos
fechas de monitoreo, identificando los cambios en la repuesta espectral que puedan
corresponder a una prdida o ganancia de la cobertura del Bosque. De esta forma se
comparan directamente las imgenes y no los mapas de Bosque y No Bosque.
Con este nuevo enfoque se buscan minimizar las falsas detecciones debidas a erro-
res en la interpretacin de la cobertura de Bosque de fechas anteriores, ya que es
posible verificar directamente sobre las imgenes si ocurri o no el cambio. Igual-
mente se disminuyen los errores debidos a procesos cartogrficos que pueden lle-
var a que la coincidencia espacial entre los mapas de las dos fechas no sea exacta,
generando falsas detecciones al momento de superponer y cruzar la informacin.
2.2 Construccin de compuestos de imgenes y series de tiempo
Otra de las modificaciones a la primera versin del protocolo (Cabrera, Galindo, &
Vargas, 2011) es la construccin de series de tiempo y compuestos de imgenes en
17
lugar de seleccionar algunas imgenes individuales de cada fecha para identificar el

Bosque. Estos compuestos se obtienen al integrar los datos de las imgenes dispo-
nibles para el intervalo de tiempo analizado, que se recomienda sea anual, dispo-
nibilidad que depende de la periodicidad programada por las agencias espaciales
para la toma de imgenes y de la facilidad para acceder a estos datos.
Este nuevo enfoque disminuye las reas sin informacin, ya que existe la posibilidad
de que al menos una de las imgenes disponibles en el catlogo o en la serie est libre
de nubes para un pixel dado. Por otro lado, al tener los datos de una serie de tiempo
se incluye en el anlisis la variabilidad en la respuesta espectral debida a la estaciona-
lidad, de tal forma que los cambios detectados se deban a prdida de Bosque y no a
diferencias en las condiciones de humedad o poca del ao a la que pertenecen las
imgenes seleccionadas; lo anterior resulta especialmente til en las coberturas bos-
cosas con mayor estacionalidad, tales como Bosques secos o Bosques inundables.
2.3 Manejo de reas sin informacin

para la cuantificacin de la deforestacin
Para calcular la superficie de cambio en la cobertura de Bosque y la tasa de defores-
tacin entre dos fechas se tendr en cuenta nicamente los eventos en los cuales
se tiene informacin de la existencia de Bosque en la primera fecha y de prdida de
Bosque en la segunda, de manera que exista la certeza de que el evento ocurri en
el periodo de tiempo analizado. Las prdidas de Bosque detectadas luego de una
o varias fechas sin informacin no sern incluidas en el clculo con el fin de evitar
tasas sobrestimadas luego de periodos en los que aumentan las reas sin informa-
cin por diferentes factores, como por ejemplo pocas climticas de alta nubosidad
o fallas en los sensores de los programas satelitales que toman las imgenes.
2.4 Control de calidad constante

Durante todo el proceso de generacin de los mapas de cambio de la cobertura
de Bosque se debe seguir un protocolo de control de calidad temtico que evale
constantemente los productos intermedios que se van generando, con el fin de
detectar errores e inconsistencias y verificar su ajuste antes de obtener el producto
final que ser sometido a la evaluacin de exactitud temtica.
2.5 Evaluacin de la exactitud temtica de los resultados

El mapa de cambio de la cobertura de Bosque para cada periodo debe ser evaluado
y el resultado reportado junto con el dato de deforestacin y regeneracin.
18
PROTOCOLO DE PROCESAMIENTO DIGITAL LINEAMIENTOS
DE LA DEFORESTACIN EN COLOMBIA V. 2 TCNICOS
2.6 Preferencia de uso de Software gratuito y/o libre

Para el monitoreo de la deforestacin se recomienda priorizar el uso de programas
de procesamiento de imgenes de carcter libre, de cdigo abierto y/o gratuito2,
de acuerdo con la disponibilidad y aplicabilidad de los mismos. Los programas li-
bres de cdigo abierto permiten optimizar las tareas de procesamiento, adecuar
algoritmos para las necesidades particulares del sistema de monitoreo, mejorando
la calidad y tiempo de los procesos computacionales. Estas ventajas traen como re-
sultado un sistema de monitoreo cada vez ms eficiente en el reporte de los datos
y ubicacin de los eventos de deforestacin.
Por su parte el uso de programas gratuitos sean o no de libre distribucin reducen

la dependencia institucional de las licencias de tipo propietario con los costos y
limitaciones de uso que conlleva, garantizando la sostenibilidad econmica del sis-
tema de monitoreo en el tiempo.
En todo caso los programas seleccionados debern ser puestos a prueba antes su
adopcin para el sistema de monitoreo, de forma que se obtengan los resultados
esperados sin causar detrimento en la calidad, el tiempo de procesamiento y el es-
fuerzo necesario para realizar la tarea.
2.6 Prelacin a mtodos automticos y semi-automticos

Los mtodos de pre-procesamiento y procesamiento automtico reducen los erro-
res aleatorios causados por desatencin y falta de experiencia del intrprete. Tam-
bin facilitan el mejoramiento continuo de los resultados de manera estandarizada.
Aunque todo procesamiento requiere un proceso de revisin y edicin manual, se
dar prelacin a los procesos que reduzcan la intervencin manual.
2 Se entiende por programas de cdigo abierto aquellos cuyo cdigo de programacin est disponible para ser modifica-
do o mejorado por cualquier persona, junto con otros criterios de distribucin, accesibilidad, usuarios y licenciamiento
no restringido que hacen parte de su definicin (Open Source Initiative). Los programas libres se definen como aquellos
en el que el usuario tiene libertad para ejecutar, copiar, distribuir, estudiar, modificar y mejorar el programa, lo que im-
plica un cdigo de programacin disponible (Free Software Foundation). La diferencia entre ambos radica en algunas
consideraciones filosficas. En ambos casos no necesariamente son gratuitos. Po su parte los programas gratuitos en
muchos casos no son de cdigo abierto.
19
CONCEPTOS
DE LA DEFORESTACIN EN COLOMBIA V. 2 GENERALES
3. CONCEPTOS GENERALES PARA LA APLICACIN

DEL PROTOCOLO Y EL PROCESAMIENTO DE LAS
IMGENES
3.1 Definicin de Bosque y deforestacin para el sistema

de monitoreo
Al igual que con la primera versin, en el contexto del protocolo la cobertura de Bos-
que se define como: Tierra ocupada principalmente por rboles que puede conte-
ner arbustos, palmas, guaduas, hierbas y lianas, en la que predomina la cobertura
arbrea con una densidad mnima del dosel de 30%, una altura mnima del dosel
(in situ) de 5 m al momento de su identificacin, y un rea mnima de 1,0 ha. Se
excluyen las coberturas arbreas de plantaciones forestales comerciales, cultivos
de palma, y rboles sembrados para la produccin agropecuaria. Esta definicin es
consecuente con los criterios definidos por la CMNUCC en su decisin 11/COP.7, con
la definicin adoptada por Colombia ante el Protocolo de Kyoto (MAVDT, 2002), as
como con la definicin de la cobertura de Bosque natural incluida en la adaptacin
para Colombia de la leyenda de la metodologa CORINE Land Cover -CLC Colombia-.
Para el presente protocolo la deforestacin est definida como: La conversin di-

recta y/o inducida de la cobertura de Bosque a otro tipo de cobertura de la Tierra
en un periodo de tiempo determinado (DeFries et al., 2006; GOFC-GOLD, 2009). Por
su parte la regeneracin se define como: La recuperacin de la cobertura de Bos-
que de zonas donde no estaba presente en fechas anteriores.
3.2 Datos provenientes de sensores remotos Programa

Satelital Landsat
Dentro de las imgenes multiespectrales pticas disponibles a la fecha para la esca-
la del protocolo, con una resolucin espacial de 10 a 60 m. y permitiendo unidades
de mapeo de 0.5 a 5 ha se encuentran las tomadas por los sensores Landsat 5, 7 y 8,
21
Terra Aster, IRS AWiFs o LISS III, CBERS, DMC, SPOT HRV y Alos AVNIR 2; en el caso de
Landsat y CBERS las imgenes se adquieren sin ningn costo (GOFC-GOLD, 2014).
Sin embargo, gracias a la disponibilidad y continuidad en el tiempo del programa,
Landsat existe un amplio campo en investigacin para el procesamiento y aplica-
cin de metodologas de identificacin y deteccin de cambio de las cobertura con
datos de los sensores Landsat, siendo estas imgenes las ms utilizadas en el moni-
toreo de los Bosques.
Las caractersticas de resolucin espectral, espacial y temporal de las imgenes

Landsat, la disponibilidad de datos histricos, las facilidades para su adquisicin y la
poltica de toma continua y a largo plazo del programa convierten a estas imgenes
en una alternativa adecuada para el sistema de monitoreo de cambio de la cobertu-
ra de Bosque, de acuerdo a la escala y mtodos de procesamientos propuestos en
este protocolo. Las pruebas realizadas para construir este protocolo fueron desarro-
lladas enteramente con imgenes Landsat.
El propsito del programa Landsat es proveer imgenes de sensores remotos para el

monitoreo y gestin de los recursos de la Tierra, adquieriendo imgenes de manera
casi ininterrumpida desde 1972. Las plataformas satelitales que han registrado las
imgenes de las ltimas dcadas incluyen: Landsat 5 con los sensores Multispectral
Scanner System MSS y el Thematic Maper TM en funcionamiento desde 1984, en
el caso de MSS fue apagado en 1995 y reactivado en diciembre de 2012, mientras
que el sensor TM tom datos hasta Noviembre de 2011. Landsat 7 con el sensor
Enhanced Thematic Maper Plus ETM+ fue lanzado en 1999 aunque present fallas
en la toma de imgenes desde Mayo de 2003. El ms reciente es el satlite Landsat
8 puesto en rbita en Febrero de 2013 con el sensor Operational Land Imager - OLI
, todos con un periodo de revisita de 16 das. Las caractersticas de las imgenes
tomadas por cada uno de estos sensores se resumen en la Tabla 1.
Tabla 1 Caractersticas de las imgenes de satlite adquiridas por los sensores del programa Landsat 1 a 8
Longitud Resolucin Resolucin
Sensor Misin Banda
de Onda () espacial (m) radiomtrica
0.475-0.575 80 6 bit
1, 2 0.58-0.68 80 6 bit
RBV
0.69-0.83 80 6 bit
3 0.505-0.750 30 6 bit
4 Azul 0.5-0.6 79/82 8 bit
5 Verde 0.6-0.7 79/82 8 bit
15
MSS 6 Rojo 0.7-0.8 79/82 8 bit
7 IR 0.8-1.1 79/82 8 bit
3 8 TIR 10.4-12.6 240 8 bit
22
CONCEPTOS
Longitud Resolucin Resolucin

Sensor Misin Banda
de Onda () espacial (m) radiomtrica
1 Azul 0.45-0.52 30 8 bit
2 Verde 0.52-0.60 30 8 bit
3 Rojo 0.63-0.69 30 8 bit
TM 45 4 NIR 0.76-0.90 30 8 bit
5 SWIR 1 1.55-1.75 30 8 bit
6 TIR 10.4-12.5 120 8 bit
7 SWIR2 2.8 -2.35 30 8 bit
1 Azul 0.45-0.515 30 8 bit
2 Verde 0.52-0.60 30 8 bit
3 Rojo 0.63-0.69 30 8 bit
4NIR 0.76-0.90 30 8 bit
ETM+ 7
5 SWIR 1 1.55-1.75 30 8 bit
6 TIR 10.4-12.5 60 8 bit
7 SWIR-2 20.9-2.35 30 8 bit
8 Pan 0.5 - 0.90 15 8 bit
1Costa/Aero- 0.435-0.451 30 12 bit
sol
2 Azul 0.452-0.512 30 12 bit
3 Verde 0.533-0.590 30 12 bit
4Rojo 0.636-0.673 30 12 bit
8 5NIR 0.851-0.879 30 12 bit

OLI
6 SWIR 1 1.566-1.651 30 12 bit
10 TIR 1 10.60-12.36 100 12 bit
11TIR 2 11.5-12.51 100 12 bit
7 SWIR-2 2.107-2.294 30 12 bit
8 Pan 0.503 1.384 15 12 bit
9 Cirrus 1.363-1.384 30 12 bit
Fuente: Recopilado de NASA. Landsat Scients. http://landsat.gsfc.nasa.gov/
3.3 Herramientas de procesamiento digital de imgenes

para la aplicacin del protocolo
3.3.1 Series de tiempo y compuestos de imgenes
Las imgenes de satlite adquiridas peridicamente permiten detectar la ocurrencia

de tres tipos de variaciones en los ecosistemas: i) cambios estacionales o cclicos (p.ej.
debidos a poca de lluvias y pocas secas) que afectan la fenologa de las plantas
y por ende la respuesta espectral en las imgenes, ii) cambios graduales dados por
variaciones en la precipitacin media o eventos climticos interanuales y iii) cambios
23
abruptos naturales o de origen antrpico tales como inundaciones, incendios o even-

tos de deforestacin (Verbesselt et al., 2012); estas variaciones son captadas simul-
tneamente por los sensores, a la vez que se registran otros efectos originados por
errores geomtricos, condiciones climticas y efectos de nubes que pueden afectar
las observaciones (Verbesselt, et al., 2010). Particularmente la presencia de nubosidad
es uno de los mayores inconvenientes que presentan el uso de datos de sensores re-
motos pticos en las zonas hmedas tropicales (Asner, 2001).
Parte de la eficacia de cualquier sistema de monitoreo radica en la capacidad de di-

ferenciar los cambios debidos a estos factores (Verbesselt et al., 2012), en el caso del
sistema de monitoreo de Bosques, este debe ser capaz de discriminar las diferen-
cias debidas a cambios fenolgicos de los eventos de deforestacin, lo cual resul-
ta clave en Bosques estacionales como los Bosques secos. Igualmente importante
es el hecho de contar con la menor cantidad posible de reas sin informacin, as
como disminuir el error asociado a las condiciones atmosfricas. El uso de series de
tiempo densas para el anlisis de datos de sensores remotos permite incluir estas
fuentes de variacin y mejorar la disponibilidad de informacin con la menor can-
tidad de nubes posible.
Una serie de tiempo puede definirse como una coleccin de observaciones orde-
nadas a travs del tiempo (Chatfield, 2003), en el caso de las imgenes satelitales
dichas observaciones corresponden a valores de reflectancia de las bandas espec-
trales o valores derivados, tales como los ndices de vegetacin. De esta forma para
cada pixel se tienen los datos de todas las imgenes multiespectrales disponibles
en el intervalo de tiempo de la serie.
A partir de la serie construida es posible obtener un compuesto de imgenes median-

te la seleccin o el clculo de un valor derivado de los datos de la serie original (Colditz
& Ressl, 2013); este compuesto es una nueva imagen o raster donde cada pixel tiene
un valor asignado segn el proceso o funcin estadstica aplicada. De esta manera se
disminuye la cantidad de rea sin informacin puesto que cada pixel tendr un valor
s al menos una de las imgenes de la serie no tena nubes o ruido en dicho pixel.
En el caso de la construccin de un compuesto para detectar cambios en la cobertura

del Bosque, es necesario seleccionar un mtodo o estadstico que permita condensar
la informacin de la serie de tal forma que el valor asignado represente el conjunto de
los datos, incluida la variacin por factores estacionales, permitiendo discriminar los
eventos de cambios atribuibles a procesos de deforestacin o regeneracin.
3.3.2 Normalizacin radiomtrica
Cuando se realizan anlisis multitemporales con series de tiempo y compuestos

de imgenes de satlite es posible que las respuestas espectrales para una mis-
24
CONCEPTOS
ma cobertura varen entre las fechas, limitando la efectividad en la clasificacin o

deteccin de cambio. Esta variabilidad es debida a diferencias en las condiciones
atmosfricas, en la iluminacin del objeto (geometra sol sensor), la calibracin
del sensor, distorsiones radiomtricas y geomtricas durante la adquisicin, con-
diciones de humedad, entre otras(Caprioli, Figorito & Tarantino, 2005; Helmer &
Ruefenacht, 2007). El objetivo principal de la normalizacin es ajustar las seales
radiomtricas de las imgenes utilizadas de manera que sean consistentes entre s
(Olthof, Pouliot, Fernandes, & Latifovic, 2005; Potapov et al., 2012). Los mtodos de
normalizacin pueden ser absolutos o relativos. Los mtodos absolutos pocas ve-
ces son aplicables ya que requiere de mediciones de las propiedades pticas de la
atmsfera adquiridas in situ en el momento en que el sensor toma la imagen. Por
su parte la normalizacin relativa se aplica bajo la premisa de que la relacin entre
las radiancias registradas por el sensor en dos fechas distintas es espacialmente ho-
mognea y puede ser aproximada por funciones lineales (Caprioli, Figorito & Taran-
tino, 2005) o por otro tipo de mtodos como el ajuste de histogramas, rboles de
regresin (Helmer & Ruefenacht, 2007) y tcnicas de regresin ms robustas (Olthof
et al., 2005).
3.3.3. Deteccin directa de cambio a partir de datos

de sensores remotos
Un mtodo de uso comn en la deteccin de cambios de coberturas de la Tierra (in-

cluida el Bosque) con imgenes de satlite es el de la comparacin post-clasificacin
(tambin llamado clasificacin delta), aqu las reas de cambio se obtienen compa-
rando y comparado los mapas de cobertura obtenidos de manera independiente
para cada fecha (Coppin & Bauer, 1996; Hansen & Loveland, 2012; Thau, 2012). Si
bien en este mtodo las diferencias radiomtricas de las imgenes generan menos
impacto, los errores en la deteccin pueden aumentar ostensiblemente, debido a
que la exactitud del mapa de cambio depende de la exactitud de cada mapa por
separado, y es aproximadamente igual al producto de la exactitud de cada uno, ra-
zn por la cual puede ser considerada como intrnsecamente baja (Coppin & Bauer,
1996; Hansen & Loveland, 2012; Thau, 2012). Aplicar este enfoque para varios pe-
riodos de anlisis sucesivos en un monitoreo a largo plazo, requiere de una altsima
exactitud en la identificacin de los objetos (bosque, no Bosque) del mapa de cada
fecha, puesto que los errores en la clasificacin y registro que estn presentes en
los datos iniciales resultan crticos (Coppin & Bauer, 1996), y se acumulan paulatina-
mente a medida que se incluye el anlisis de un nuevo periodo.
En contraste con el anterior, la deteccin directa de cambios identifica variaciones

en la radiancia de las imgenes de dos o ms fechas mediante el uso de algoritmos
que permiten comparar directamente la informacin radiomtrica y espectral de
las imgenes. Existen diversos mtodos documentados para detectar cambios de
25
manera directa: Clculo de la diferencia o cociente entre valores de las imgenes

de una o ms bandas o de ndices de vegetacin derivados (Coppin & Bauer, 1996;
Hayes & Sader, 2001; Muchoney & Haack, 1994; Thau, 2012); anlisis de vectores de
cambio; regresin de imgenes; transformaciones lineales tales como Tasseled cap
y anlisis de componentes principales con matrices de varianza/covarianza o co-
rrelacin (Coppin & Bauer, 1996; Fung & Ledrew, 1987; Hayes & Sader, 2001; Thau,
2012); clasificacin directa multifecha que incluye anlisis de compuestos, clasifi-
cacin de cambio espectral-temporal y anlisis de cambio de patrones espectrales,
entre otras. Incluso es posible combinar dos o ms mtodos para mejorar los resul-
tados.
Debido a que el mtodo directo se enfoca en detectar cambios en los valores de ra-
diancia, es necesario aplicar procesos de correccin atmosfrica, calibracin y ajus-
te radiomtrico para minimizar las diferencias entre las imgenes debidas acondi-
ciones atmosfricas, de brillo, iluminacin, efectos de la topografa y distorsiones de
otro tipo (Coppin & Bauer, 1996; Hansen & Loveland, 2012; Thau, 2012).
3.3.4 Evaluacin de la Exactitud temtica
La exactitud temtica a nivel cartogrfico es definida como el grado en el cual el

mapa producido concuerda con la referencia usada para la clasificacin. Se han
desarrollado diferentes aproximaciones para esta evaluacin, entre ellas la cons-
truccin de matrices de confusin y clculos de exactitud total derivados de las
matrices, estimacin de la exactitud de usuario y exactitud del productor, ndices de
exactitud media, ndice de clasificacin exitosa CSI Estadstico Kappa y versiones
modificadas del estadstico, entre otras (Liu, Frazier, & Kumar, 2007; Olofsson, Foody,
Stehman, & Woodcock, 2013). El estadstico Kappa, que es uno de los ms utiliza-
dos, ha sido cuestionado al punto que algunos autores recomiendan no emplear
este coeficiente para reportar la exactitud temtica de mapas de cambio (Olofsson
et al., 2013).
Debido a que la exactitud se determina a partir de una muestra, esta se encuentra

sujeta a una incertidumbre que puede ser representada por el error estndar o un
intervalo de confianza. Olofsson et al (2013) recomiendan que una evaluacin de
exactitud para un mapa de cambio de coberturas debe incluir tres aspectos, o al
menos la informacin necesaria para calcularlos: i) estimaciones de la exactitud del
cambio, ii) estimaciones del rea de cambio ajustada para eliminar el sesgo produ-
cido por errores de clasificacin y iii) intervalos de confianza asociados a la estima-
cin de los parmetros de exactitud y rea de cambio de cobertura.
INCLUIR FOTO : PAG_13 <<< De qu documento

o de qu archivo?
26
PROCESO
DE LA DEFORESTACIN EN COLOMBIA V. 2 METODOLGICO
4. PROCESO METODOLGICO
La propuesta metodolgica del protocolo (Figura 1) presenta los pasos mnimos a
seguir para detectar los cambios en el rea del Bosque ocurridos entre dos fechas.
La metodologa integra herramientas de pre-procesamiento y procesamiento tra-
dicionales y semi-automatizadas siguiendo los lineamientos tcnicos sealados en
el Captulo 3.
El procesamiento se realiza a nivel de escenas y una vez se obtiene el mapa de cam-

bio de cobertura del Bosque de cada escena se integran para generar un mosaico
de cubrimiento nacional.
La metodologa est diseada para realizar un seguimiento anual del cambio en la

cobertura del Bosque, en este caso cada periodo de anlisis incluir la informacin
de los dos aos consecutivos (p.eg 2012-2013; 2013-2014; etc.)
4.1 Seleccin y descarga de imgenes

Las imgenes Landsat pueden ser seleccionadas y descargadas de manera gratuita
del servidor del Earth Resources Observation and Science Center - EROS del Servi-
cio Geolgico de los Estados Unidos USGS a travs del visualizador Glovis (http://
glovis.usgs.gov/); igualmente se pueden obtener datos Landsat del programa Glo-
bal Land Cover Facility de la Universidad de Maryland (http://glcf.umd.edu/data/).
Para la generacin del compuesto de imgenes se debe descargar la mayor canti-
dad de escenas disponibles con menor cobertura de nubes para los aos en los que
se identificar el cambio de la cobertura de Bosque.
27
Seleccin y descarga de Imgenes

Ao 2
Preparacin de bandas espectrales
Bandas normalizadas
Ao 1:
Almacenar Almacenar
Calibracin Radiomtrica y Rojo (0.6 26-0.693m)
siguiente periodo siguiente periodo
correccin atmosfrica NIR (0.776-0.904 m)
Control de calidad
de anlisis de anlisis
SWIR2 (1.567-1.784 m)
Enmascaramiento de nubes y
agua
Normalizacin de las bandas Construccin serie de tiempo

espectrales del Rojo (0.6 26- anual para cada banda
Valores 0.693m), NIR (0.776-0.904 m)
Negativos No y SWIR2 (1.567-1.784 m)
con respecto a las imgenes Construccin del compuesto
normalizadas del ao 1 anual de la mediana para cada
S banda
Control de calidad
Asignar valor de No Data a
pixeles con valores negativos Unin de las 6 bandas (3 del
Ao 1 y 3 del Ao 2)
Compuesto de la
mediana para cada banda
del Ao 1:
Rojo (0.6 26-0.693m) Anlisis de Componentes
NIR (0.776-0.904 m ) Principales
SWIR2 (1.567-1.784 m)
Vericacin y ajuste manual del
resultado
Control de calidad
Informacin
cartogrca y datos No
para consulta No Cumple
S
S
Cumple Mapa de cambio de la
cobertura del bosque
Reporte de por escena
resultados
Construccin del
Evaluacin de la exactitud
mosaico
temtica
nacional
Eliminacin
Mapa de cambio de la reas menores a
cobertura del bosque 9 pixeles (1 ha
nacional aprox.)
Figura 1. Diagrama del procesos metodolgico
4.2 Pre-procesamiento
Las tareas de pre-procesamiento indicadas se implementan para el primer y ltimo
ao del periodo en el que se identifica el cambio; sin embargo, luego del segundo
periodo de monitoreo es necesario procesar nicamente la informacin del ltimo
ao, puesto que la del primero se habra generado en el periodo anterior. As por
ejemplo, si se aplica el protocolo por primera vez para el periodo 2012 -2013 ser
28
PROCESO
necesario aplicar todo el proceso a las imgenes de los dos aos, mientras que para
el periodo 2013 2014 la referencia ser el compuesto normalizado de 2013 y se
debern procesar todas las imgenes de 2014.
4.2.1 Apilamiento de las bandas

Una vez descargados los datos es necesario reconstruir cada imagen mediante la
unin de todas las bandas, descartando las que corresponden a la longitud de onda
del Infrarrojo trmico; en el caso de Landsat 8 OLI las capas de Aerosoles y Cirrus
pueden tambin ser excluidas.
Debido a la gran cantidad de imgenes que se requiere para construir el compues-

to, se recomienda buscar un mecanismo de automatizacin, ya sea utilizando las
funciones de procesamiento en lotes de los programas especializados o desarro-
llando cdigos de programacin en herramientas como Python o R.
4.2.2 Correccin Geomtrica
Para la construccin de la serie de tiempo y los compuestos es indispensable tener

un co-registro exacto a nivel de pixel entre todas las imgenes adquiridas para cada
escena. Los productos Landsat suministrados por el Earth Resources Observation
and Science Center (EROS) suelen tener una correspondencia exacta de los pixeles,
sin embargo se recomienda hacer una revisin de cada imagen y ajustar aquellas
que no cumplan esta condicin. Este ajuste puede hacerse midiendo la diferencia
entre los pixeles y re-proyectando las coordenadas de los extremos de la imagen
desplazada en esta misma magnitud (teniendo en cuenta que las imgenes descar-
gadas estn en un sistema de proyeccin con unidades mtricas).
Resulta til mantener el sistema de referencia geogrfico UTM con el que se ad-
quieren las imgenes durante todo el proceso hasta llegar al producto final, con
el fin de evitar la prdida del co-registro entre pixeles al aplicar los ajustes geom-
tricos de los modelos de re-proyeccin cartogrfica. El resultado final del proceso,
denominado Mapa final de Cambio de la superficie de Bosque es el producto que se
re-proyecta al Sistema de Referencia oficial del pas MAGNA-SIRGAS.
4.2.3 Conversin de los datos a Superficie de reflectancia
Los valores de los pixeles de las imgenes se encuentran generalmente en unida-

des de niveles digitales y se deben transformar en unidades de energa reflejada, lo
que se conoce como calibracin radiomtrica (Asner et al., 2013). Adicionalmente,
debido a que los datos radiomtricos contienen informacin tanto de la superficie
29
terrestre como de la atmosfera, se requiere aplicar una correccin que minimice los
efectos atmosfricos en los valores de cada pixel, obteniendo una imagen de super-
ficie de reflectancia. Esta superficie tiene una mayor consistencia en las respuestas
radiomtricas dentro y entre imgenes, permitiendo la aplicacin de procesos y
modelos estndar para todas las escenas y fechas analizadas (Hansen & Loveland,
2012).
Existen diferentes algoritmos y modelos que pueden ser utilizados para la calibra-
cin radiomtrica y correccin atmosfrica, algunos se encuentran incluidos en los
programas de procesamiento digital de imgenes o pueden ser implementados
por los usuarios mediante tareas de programacin. Uno de los modelos de correc-
cin atmosfrica ms utilizados y que viene incluido en varias herramientas de pro-
cesamiento es el de transferencia radiativa S6. Este modelo se utiliz en las pruebas
del protocolo con buenos resultados (Figura 2), sin embargo es una buena prctica
probar y comparar con otros algoritmos.
Para realizar la conversin de los datos a una superficie de reflectancia resulta

til usar la herramienta gratuita LEDAPS Preprocessing desarrollada por NASA
para imgenes Landsat (http://ledaps.nascom.nasa.gov/tools/tools.html), la cual
implementa el modelo de correccin 6s; sin embargo a la fecha no se encuentra
disponible para el procesamiento de imgenes Landsat 8. Para estas ltimas se
recomienda usar el programa Carnegie Landsat Analysis System Lite- CLASLite,
programa gratuito para entidades gubernamentales, no gubernamentales y aca-
dmicas dedicadas al monitoreo de Bosques cuya licencia debe ser solicitada a la
Institucin Carnegie para la Ciencia ( http://precoursesurvey.class.claslite.carne-
giescience.edu/).
Figura 2. Izquierda: Imagen Landsat Path 7- Row 56 original en combinacin RGB 453 vs la imagen reflectancia
(Derecha) en la misma combinacin de banda con enmascaramiento de las nubes (zonas en color Negro).
30
PROCESO
4.2.4 Enmascaramiento de nubes y agua
Las imgenes de superficie de reflectancia deben ser depuradas de tal forma que
cada escena conserve nicamente los pixeles que contienen informacin de la
cobertura de la Tierra, enmascarando y eliminando las reas de nubes, bandea-
miento, sombras o bruma. Para garantizar la eliminacin de estos pixeles resulta
apropiado combinar los resultados de las mscaras producidas con diferentes he-
rramientas. Se recomienda el uso de la funcin Masking del mdulo Calibrate Ima-
gen de CLASlite, el programa de procesamiento Fmask (Zhu & Woodcock, 2012)
diseado para imgenes Landsat sobre plataforma MatLab y que pueden ser des-
cargada del sitio http://ftp-earth.bu.edu/public/zhuzhe/ e ImgTools 1.0(versin
beta), desarrollado por el Instituto IMAZON de Brasil (Souza Moreira & Siquieria
Nascimento, 2013); los resultados combinados de los tres algoritmos mostraron
resultados ms satisfactorios que cuando se utiliz un solo algoritmo para en-
mascarar. (Figura 2).
Tambin puede ser conveniente remover los pxeles de los cuerpos de agua para
evitar las falsas detecciones de cambio debidas a las variaciones estacionales del
nivel del agua en Bosques inundables; p.ej. CLASlite enmascara simultneamente
las nubes y los cuerpos de agua, mientras que en ImgTools se generan las mscaras
de manera independiente.
4.2.5 Normalizacin radiomtrica
La normalizacin radiomtrica entre las imgenes de los dos aos de anlisis ajusta
las seales radiomtricas de un ao respecto al otro, de forma que sean consisten-
tes y se reduzca la variabilidad debida a diferencias atmosfricas, de iluminacin,
calibracin del sensor, distorsiones geomtricas, etc.; permitiendo as que las im-
genes sean realmente comparables y los cambios detectados no se deban a este
tipo de factores (Olthof et al., 2005; Potapov et al., 2012).
A menos que se cuente con la informacin de la atmosfera y de la geometra del

sensor en el momento de la toma, se debe aplicar un mtodo de normalizacin
relativa entre las imgenes de cada fecha (Caprioli, Figorito & Tarantino, 2005). Una
forma de normalizar es ajustando la media y desviacin estndar de cada banda
de la imagen del segundo ao a los valores de la banda respectiva del compuesto
de referencia de la primera fecha, para lo cual se recomienda generar cdigos de
programacin o modelos en los programas de procesamiento de imgenes. No es
necesario normalizar todas las bandas ya que se ha demostrado que la informacin
relevante de la vegetacin para el anlisis de cambio se encuentra principalmente
en las bandas de la longitud de onda del Infrarrojo cercano NIR, del rojo e Infrarrojo
medio de onda corta SWIR (Figura 3).
31
Para un segundo periodo de anlisis en el que se aplique este protocolo se utiliza

como referencia el compuesto normalizado generado en el primer periodo. As por
ejemplo, para el periodo 2013 -2014 las imgenes de 2014 se normalizaran toman-
do como referencia el compuesto normalizado de 2013.
Imagen normalizada del ao 1 (referencia) Imagen normalizada del ao 2 respecto
a la imagen normalizada del ao 1
Imgenes
normalizadas
Banda
NIR
Banda
SWIR2
Banda
Rojo
Figura 3. Histogramas de las bandas espectrales de la imagen de referencia para la normalizacin,

correspondiente al primer ao del anlisis vs. histogramas de la imagen normalizada correspondiente al
segundo ao de anlisis
32
PROCESO
4.2.6 Obtencin de los compuestos de imgenes
Con las imgenes normalizadas se construye una serie de tiempo anual de cada una de
las bandas por separado (Rojo, NIR, SWIR2), uniendo todas las fechas anuales disponi-
bles para cada banda mediante una funcin de apilado (Layer stack). Tambin es nece-
sario construir estas series de manera independiente para cada sensor Landsat 5, 7, u 8.
El compuesto de imgenes se genera para cada banda y sensor obteniendo un va-

lor nico de cada serie; se recomienda emplear la mediana de la serie, puesto que al
ser una medida de tendencia central, elimina los sesgos debidos a valores extremos
por cambios estacionales o ruido. En caso de tener compuestos para una misma
banda de sensores diferentes, estos se promedian con el objeto de tener un nico
compuesto de la banda.
De esta forma al finalizar el pre-procesamiento de cada escena se obtiene un com-

puesto anual de cada banda que corresponde a la mediana de los valores de reflec-
tancia normalizados incluidos en la serie de tiempo (Figura 4).
Figura 4. Resultado del compuesto anual de la mediana para la escena Landsat Path 7 Row 56, en combinacin
RGB (Rojo, NIR, SWIR2), bandas requeridas para el anlisis de cambio.
4.3 Procesamiento
4.3.1 Deteccin de cambio
Para identificar el cambio de la cobertura de Bosque se debe seleccionar un mtodo

de deteccin directa teniendo en cuenta que existe una cantidad notable de pro-
cesos y algoritmos ya documentados (ver seccin 4.3.3). Los ejercicios realizados
33
durante el diseo del protocolo mostraron un buen resultado aplicando un anlisis

de componentes principales con matrices de correlacin a los datos fusionados de
las dos fechas; en este caso, generalmente los componentes superiores al grado 3
resultaron tiles en la deteccin de cambio (Figura 5).
Es necesario hacer la salvedad de que el protocolo no supedita la deteccin de cam-

bio a la aplicacin de anlisis de componentes principales, por el contrario se reco-
mienda realizar pruebas antes de seleccionar un mtodo o incluso combinar dos o
ms si esto mejora los resultados.
Una vez se aplica el mtodo seleccionado hay que definir el umbral o rango de va-
lores que sern considerados como cambio en la cobertura de Bosque, tanto para la
ganancia como para la prdida. Estos rangos dependen del mtodo seleccionado,
de las coberturas presentes en la escena, del tipo de cambio ocurrido (deforesta-
cin a pasto, cultivo, etc.), por lo que no es posible generalizar un rango para todas
las escenas. La seleccin del umbral debe realizarse comparando los resultados con
las imgenes de superficie de reflectancia (Figura 5). Estos umbrales se definen para
Bosque estable, no Bosque estable, deforestacin y eventualmente regeneracin.
Figura 5. Deteccin del cambio. Arriba izquierda: Ejemplo del resultado del algoritmo de deteccin, en este
caso anlisis de componentes principales. Arriba derecha: Definicin de umbral de valore correspondientes
a cambio, las reas rojas corresponden a posibles cambios de la cobertura del Bosque. Abajo: Resultado
del mapa de cambio luego de revisar y editar manualmente las reas identificadas como posible cambio.
Las clases de este mapa son Bosque estable (verde), No Bosque estable (marfil), Sin informacin (naranja) y
Deforestacin (rojo)
34
PROCESO
Luego de definir los umbrales se reclasifican los valores de los pixeles al valor de la
clase o categora correspondiente, obteniendo as el mapa preliminar de cambio. La
leyenda y los valores asignados en la reclasificacin para cada clase son los siguien-
tes (Figura 5):
1. Bosque Estable
2. No Bosque Estable
3. Deforestacin
4. Regeneracin
5. Sin Informacin (corresponde a los datos enmascarados)
4.3.2 Verificacin visual de los cambios detectados por parte del

intrprete
Una vez generado el mapa de cambio el intrprete debe verificar y ajustar los re-
sultados, contrastando el mapa resultante con las imgenes de superficie de reflec-
tancia de las dos fechas. Los errores encontrados se reclasifican a la clase correspon-
diente.
4.3.3 Control de calidad y ajustes durante el proceso
El proceso de control de calidad implica el seguimiento a cada una de las tareas y

productos intermedios requeridos para generar el mapa de cambio. Se recomienda
realizar este seguimiento mediante un formulario de control en el que cada intr-
prete reporte peridicamente las tareas realizadas para cada escena. De esta forma
es posible monitorear constantemente el avance de todo el proceso, y, si es el caso,
detectar las tareas que estn requiriendo ms tiempo del estimado, con el objeto
de tomar las medidas necesarias para generar el resultado oportunamente. El se-
guimiento se hace para cada una de las etapas:
1. Descarga de imgenes.
2. Pre-procesamiento de imgenes.
3. Generacin del Mapa de cambio primera versin.
4. Procesamiento Digital.?
5. Recepcin de ajustes y observaciones de control de calidad.
6. Entrega del Mapa de cambio segunda versin.
7. Entrega del mapa final de cambio.
35
Control de calidad del mapa de cambio por escena: El control de calidad debe
ser un proceso iterativo de revisin y ajuste hasta obtener un producto final sa-
tisfactorio. Inicialmente se revisa a nivel de escena, de manera que cada versin
del Mapa de Cambio entregada por el intrprete debe ser evaluada, generando
reportes grficos, estadsticos y espaciales en los que se muestren los posibles
errores en la deteccin de cambio. Para los reportes se recomienda disear proce-
sos automatizados o semi-automatizados que permitan identificar los siguientes
aspectos (Figura 6):
1. reas de cambio por deforestacin y regeneracin de la escena evaluada.
2. Polgonos de cambio menores a una hectrea tanto en deforestacin como en
regeneracin, de acuerdo con el rea mnima cartografiable y la definicin de
Bosque.
3. reas de revisin, es decir sectores con polgonos de cambio cercanos que de-
bern ser examinados. Esta agrupacin se hace con el propsito de enfocar la
revisin hacia las zonas donde se reportan los cambios sin tener que revisar
toda la escena.
4. Anlisis y reporte estadstico y espacial (mapas) de cada una de las reas de
revisin.
Teniendo en cuenta que el protocolo est orientado a la implementacin de un

sistema de monitoreo, es necesario verificar la consistencia de los cambios respecto
a los reportes de la serie histrica. Algunos ejemplos de las inconsistencias se mues-
tran en la (Tabla 2).
Tabla 2. Ejemplo de algunas inconsistencias en la generacin del mapa de cambio y la serie histrica.
Dato reportado
Serie histrica Resultado
en el periodo de anlisis
No Bosque Estable Deforestacin Inconsistencia

Bosque Estable No Bosque Estable Inconsistencia
Las inconsistencias deben ser revisadas y corregidas. En caso de que el error se en-
cuentre en la serie histrica, este deber quedar registrado para realizar los ajustes
necesarios en los mapas de las fechas anteriores.
En aras de reducir el sesgo del resultado segn el criterio del intrprete, se puede
implementar un ejercicio de verificacin cruzada en el que la escena es revisada por
un intrprete diferente al que la proces, identificando inconsistencias tanto en las
clases de cambio como en las clases estables. Los errores reportados en este ejer-
cicio debern ser validados por la persona encargada del control de calidad antes
de realizar el ajuste definitivo. El mapa de cambio revisado y ajustado a este punto
corresponde a la versin final de cada escena.
36
PROCESO
Mapa entregado
por el intrprete a
revisin
Polgono
de deforestacin
y regeneracin
Denicin de los
cluster de
Delimitacin de
anlisis. Grupos de
los polgonos de
plgonos
deforestacin y
(deforestacin y
regeneracin
regeneracin) de
menores a 1
ms de 1 hectrea
hectrea, que se
cercanos entre
deben revisar
ellos
Determinacin de
los grupos de
cluster prximos
para la denicin
del rea de
anlisis
Delimitacin de
las reas de
anlisis
REPORTES
El rea reportada de regeneracin en reas de menos de 1 ha son 512.46 has en 2088 polgonos
El 86% de la regeneracin reportada, es en reas menores a 1 hectrea
El 97% de los polgonos de regeneracin son de menos de 1 hectrea
El rea regenerada revisada en este reporte (reas mayores a 1 ha) son 79.92 has en 54 polgonos
El 13% de la regeneracin reportada, es en reas mayores a 1 hectrea
El 2% de los polgonos de regeneracin son de ms de 1 hectrea
El rea reportada de deforestacin en reas de menos de 1 ha son 1014.84 has en 3345 polgonos
El 48% de la deforestacin reportada, es en reas menores a 1 hectrea
El 87% de los polgonos de deforestacin son de menos de 1 hectrea
El rea deforestada revisada en este reporte (reas mayores a 1 ha) son 1085.85 has en 498 polgonos
El 51% de la deforestacin reportada, es en reas mayores a 1 hectrea
El 12% de los polgonos de deforestacin son de ms de 1 hectrea
Reporte de reas por imagen
Mapa de la deteccin por rea de revisin
Figura 6. Esquema del proceso de generacin de reportes de Control de calidad al mapa de cambio.
Control de calidad del mosaico de cambio: Para construir el mapa de cambio a nivel
nacional es necesario comparar y ajustar las reas comunes entre las escenas veci-
nas y realizar el empalme de manera que los mapas sean consistentes entre las dos
escenas (Figura 7).
Finalmente, se recomienda generar un modelo o cdigo de programacin que defi-

na el orden en el cual se deben unir las escenas al construir el mosaico, modelo que
debe ser aplicado en cada nuevo periodo de anlisis. Esta recomendacin se hace
37
teniendo en cuenta que, dependiendo del algoritmo utilizado por el programa de

procesamiento, la posicin de cada pixel en el mosaico puede variar ligeramente
segn del orden en el que se adicionen las escenas.
Final
Vericacin
Mosaico
Estado del
mapa de
QC cambio
Pendiente
Entrega
Sin realizar Estado del

En vericacin Empalme
Vericado para Mosaico
Figura 7. Esquema del proceso de revisin y construccin del mosaico nacional de cambio en las coberturas
boscosas.
38
PROCESO
4.4 Evaluacin de la exactitud temtica

del mapa de cambio
Dentro del rango de ndices y mtodos documentados para la evaluacin, se
seleccion el enfoque propuesto por Olofsson et al (2013), en el cual, adems
de una evaluacin de exactitud estadsticamente robusta, se incluye el clculo
de la incertidumbre de los estimadores generando tres resultados: i) estima-
ciones de la exactitud del cambio, ii) estimaciones del rea de cambio ajustada
para eliminar el sesgo producido por errores de clasificacin y iii) intervalos de
confianza asociados a la estimacin de los parmetros de exactitud y rea de
cambio de cobertura; de esta forma el resultado de cambio reportado se hace
ms transparente y confiable. Para aplicar esta metodologa se recomienda te-
ner en cuenta la gua de buenas prcticas asociada al diseo e implementacin
de un protocolo de evaluacin temtica de Olofsson et al. (2014), dentro de las
cuales se incluye:
Indicar el diseo de muestreo utilizado para la toma de los datos de evaluacin
Implementar un diseo de muestreo probabilstico para dar bases rigurosas a la
inferencia basada en muestreos.
Se recomienda estratificar el muestreo al menos por clases del mapa de
cambio para reducir el error estndar de las estimaciones de exactitud de
cada clase.
Utilizar datos de referencia para la evaluacin que sean consistentes y repre-
sentativos del periodo del mapa de cambio. Igualmente utilizar informacin de
mayor calidad que la utilizada para el generar el mapa, o si es la misma garan-
tizar que los procesos de interpretacin del muestreo sean mejores que los de
generacin del mapa.
Resumir los resultados en una matriz de error expresada en trminos de la pro-
porcin de rea.
Estimar el rea o proporcin de la superficie de cada clase del mapa de cambio
de acuerdo con los resultados de interpretacin del muestreo.
Estimar los indicadores descriptivos generales: Exactitud total, exactitud de
usuario (error de comisin) y productor (error de omisin) del mapa de cambio.
Usar estimadores de exactitud y rea estratificados, donde cada estrato es una
clase del mapa de cambio.
Documentar problemas o limitaciones del mtodo empelado que puedan afec-
tar sustancialmente los resultados.
La evaluacin de la exactitud temtica deber ser realizada por una entidad o equi-
po externo que no est involucrado en la produccin del mapa. El proceso de eva-
luacin de cambio se aplica en tres etapas principales:
39
MUESTREO
Definicin del tamao de la muestra Construccin de la muestra
INTERPRETACIN
Metodologa de la evaluacin Recoleccin de datos
RESULTADOS
Consolidacin Control de Calidad Clculo de estimadores
Figura 8. Proceso de evaluacin temtica del cambio de la cobertura de Bosque.
4.4.1 Muestreo
1. Definicin del tamao de muestra: El tamao de muestra total para la eva-

luacin del mapa se puede calcular utilizando la Ecuacin 1. Se sugiere utilizar
un muestreo estratificado en el que el tamao se distribuya para cada una de
las categoras segn el rea que ocupan en el mapa de cambio, obtenien-
do as una adecuada representatividad de cada clase.
Ecuacin 1
Donde,
= Error estndar esperado de la exactitud general esperada. Atendiendo
los principios de robustez, confiabilidad y transparencia requeridos en el esta-
blecimiento de un sistema de monitoreo de la cobertura de Bosque, se sugiere
usar un error estndar esperado de 0.01.
= Proporcin de rea cartografiada de la clase , definida por la Ecuacin 2
Ecuacin 2
Siendo, como el rea cartografiada de la clase y el rea total cartogra-
fiada.

= Desviacin estndar de la clase , definida por la Ecuacin 3
Ecuacin 3
Siendo la exactitud esperada de usuario para la clase . Para definir esta exac-
titud resulta conveniente tomar en cuenta que en los mapas de cambios de las
coberturas de la tierra, los errores de comisin para las clases de cambio suelen
ser ms altos que los de las clases estables (Olofsson et al. 2014, 2013).
40
PROCESO
Para el muestreo estratificado, a partir de la muestra total se determinar

el nmero de muestras de cada clase . Se recomienda que la asignacin
de se haga de manera balanceada, de forma que las clases de cambio
(deforestacin y regeneracin) tengan un tamao de muestra lo suficiente-
mente grande para obtener un error estndar pequeo en la estimacin de la
exactitud del usuario, distribuyendo el resto de la muestra proporcionalmen-
te en las clases estables (no Bosque y Bosque estable) en funcin de su rea
(Ramirez et al., 2014).
2. Construccin de la muestra. Se generan puntos aleatorios sobre la superficie de
cada clase de acuerdo al tamao definido para cada una, con una distan-
cia mnima de separacin para garantiza el supuesto de independencia de la
muestra, el cual no se cumple si existe autocorrelacin espacial.
4.4.2 Interpretacin de cambios en los puntos de muestreo
Mediante la revisin visual de imgenes correspondientes a la fecha inicial y final

del mapa de cambio, se interpreta la categora a la que pertenece cada punto y
se asigna el valor correspondiente segn las cinco clases definidas para el mapa
de cambio. Esta interpretacin debe ser realizada de manera independiente por al
menos tres intrpretes con el fin de cotejar los resultados. Durante este proceso se
deben tener en cuenta los siguientes criterios:
Los intrpretes reciben la capa de puntos, pero esta no incluye el valor asignado
en el mapa de cambio.
Los intrpretes no usan el mapa de cambios como elemento para la evalua-
cin, nicamente emplean las imgenes satelitales de las fechas de monito-
reo, de esta manera no conocen el valor asignado y por tanto no sesgan su
interpretacin.
Las imgenes satelitales para la evaluacin deben tener al menos la misma re-
solucin espacial de las imgenes con las que se construy el mapa base, sin
embargo es deseable que sean de una mayor resolucin espacial.
La interpretacin de la clase de un nico pixel correspondiente al punto de
muestro resulta difcil, por tanto la interpretacin se realiza para una zona cua-
drada de 1 ha cuyo centro es el punto de muestreo.
Se estandariza la combinacin de bandas RGB para el despliegue de las imge-
nes y el nivel de mejoramiento. Se sugiere dos desviaciones estndar emplean-
do el histograma local.
Durante esta fase es posible incorporar herramientas que faciliten la recopilacin

de datos y el uso de condiciones estndar para la interpretacin. La aplicacin Wid-
Life Works Toolbar (http://www.wildlifeworks.com/redd/resources.php) que funcio-
41
na sobre ArcGIS 10x resulta til para esta tarea. Esta herramienta permite crear una
Geodatabase con la capa de puntos y hace un recorrido secuencial para garantizar
una interpretacin ordenada, completa y con una escala de visualizacin fija. Esta
herramienta tiene incorporadas unas clases predeterminadas que no pueden ser
modificadas por lo que se debe estandarizar para todos los intrpretes su equiva-
lencia en las cinco clases del mapa de cambio de Bosque.
4.4.3 Estimacin de resultados
1. Consolidacin: Los resultados se integran para identificar la coincidencia de la

interpretacin y determinar el valor final del punto. Una clase es asignada a un pun-
to si al menos dos de los tres interpretaciones coinciden. La clase de los puntos en
los que no hubo acuerdo es reasignada por la persona encargada del control de
calidad. En este punto se puede construir una matriz de error preliminar para deter-
minar las clases con mayor confusin.
2. Control de calidad de la interpretacin: Permite verificar la asignacin realizada

por los intrpretes, y en caso de ser necesario la redefinicin de la clase de un punto;
incluso puede resultar til para identificar inconsistencias sistemticas en los crite-
rios de interpretacin. Adicionalmente con este control es posible realizar un an-
lisis posterior de las reas con mayor dificultad en la interpretacin de los cambios
en la cobertura de Bosque.
Con los resultados se determina la necesidad de remplazar los puntos de la muestra

por alguna de las siguientes razones.
No acuerdo entre los intrpretes.
reas sin informacin en cualquiera de los periodos de evaluacin.
Puntos no clasificados
En consecuencia, los puntos a verificar debern incluir aquellos sin informacin,

puntos de no consenso en la interpretacin, y puntos correspondientes a las clases
con mayor confusin segn la matriz. (Figura 8).
Durante este proceso de control se reclasifican los puntos interpretados errnea-

mente y se determina cuales son descartados para la estimacin de la exactitud
temtica. Estos puntos descartados deben ser remplazados por nuevos puntos a los
que se aplica todo el proceso de interpretacin y control de calidad.
42
PROCESO
Revisin Ao 1 Ao 2
El punto se report
por dos intrpre-
tes como sin infor-
macin y por un ter-
cero como Bosque.
En el control se con-
firma que la clase es
Sin informacin
Punto con desacu-

erdo por parte de los
tres intrpretes.
El control de calidad
determina que es no
Bosque estable
Este punto se in-

terpret como De-
forestacin,
En el control de cali-
dad se determin que
corresponde a No
Bosque estable por
lo cual es un error de
comisin
Figura 9. Ejemplos del proceso de control de calidad de la interpretacin para generar la estimacin de la exactitud
temtica.
3. Matriz de confusin: Una vez realizado el control y ajustes de la interpretacin del

muestreo, se construye nuevamente la matriz de error convencional, mediante el
conteo del nmero de correspondencias entre cada clase del mapa de cambio
vs la clase de referencia asignada en la interpretacin . Posteriormente se constru-
ye una matriz de error ajustada al rea, calculando la proporcin de superficie en la
celda , mediante el estimado , de acuerdo a la Ecuacin 4.
Ecuacin 4
43
4. Clculo de estimadores e intervalos de confianza: Se calculan los estimadores

de exactitud temtica y rea ajustada, as como sus respectivos intervalos de
confianza.
A partir de la matriz de error ajustada a la proporcin del rea se estiman los valores
de exactitud del usuario , exactitud del productor y la exactitud general del
mapa , segn las Ecuaciones 5,6 y 7 .
Ecuacin 5
Ecuacin 6
Ecuacin 7
4.5 Reporte de los datos de superficies de Bosque

y deforestacin
Para el clculo y reporte de la cobertura y cambio del Bosque se propone seguir
los lineamientos definidos en los indicadores ambientales del Ministerio del Medio
Ambiente y Desarrollo Sostenible e IDEAM versin 5 (2014), correspondientes a la
Proporcin de la superficie cubierta por Bosque natural, Cambio en la superficie cubier-
ta por Bosque natural y tasa de deforestacin.
Proporcin de la superficie cubierta por Bosque natural: Se refiere a la superficie

cubierta por Bosque natural observada para cada ao a partir de las imgenes
de satlite. En este reporte es necesario tener en cuenta que los datos excluyen
la superficie sin informacin (debido a la presencia de nubes y otros factores
que impiden su interpretacin), de manera que es posible que para cada perio-
do se registre una superficie menor a la superficie que en realidad est cubierta
por Bosque.
Cambio en la superficie cubierta por Bosque natural (CSBN): Hace referencia a la di-
ferencia entre la superficie de Bosque regenerada y la superficie de Bosque defo-
restada. Valores negativos representan prdidas netas de superficie cubierta por
Bosque natural, en tanto que valores positivos representan ganancias netas de esta.
Se calcula con la Ecuacin 8:
. Ecuacin 8
44
PROCESO
Donde,
es la superficie de Bosque que ha sido regenerada entre los momentos de
tiempo y .
es la superficie deforestada entre los momentos de tiempo y .
Tasa de deforestacin: Para estimar la tasa anual de deforestacin del periodo es

necesario calcular la extensin del Bosque en el primer y ltimo ao de anlisis,
a partir de los resultados del Mapa de Cambio de la Cobertura de Bosque, el cual
tendr 5 clases definidas: 1) Bosque Estable, 2) No Bosque Estable, 3) Deforestacin,
4) Regeneracin y 5) Sin Informacin. El clculo del rea del Bosque para cada fecha
(At) se realiza de la siguiente manera:
Ecuacin 9
Ecuacin 10
Donde,
es la superficie de Bosque que ha permanecido estable entre los mo-
mentos de tiempo y .
es la superficie deforestada entre los momentos de tiempo y .
Para calcular la tasa de deforestacin se propone el uso de las ecuaciones de la tasa

anual de cambio propuestas por Puyravaud, (2003), la cual resulta intuitiva ya
que se deriva de la tasa media anual de cambio y tiene una mejor correspondencia
matemtica con la regla del inters compuesto.
Ecuacin 11
Donde, y corresponden al ao inicial y final respectivamente del periodo de

anlisis.
y son las reas de Bosques del ao inicial y final respectivamente del periodo
de anlisis.
45
LITERATURA
DE LA DEFORESTACIN EN COLOMBIA V. 2 CITADA
LITERATURA CITADA
Achard, F., & Hansen, M. (2012). Global Forest Monitoring from Earth Observation.
(356 pp.) Florida, EEUU: CRC Press Taylor & Francis.
Asner, G. P. (2001). Cloud cover in Landsat observations of the Brazilian Amazon.

International Journal of Remote Sensing, 22(18), 38553862.
Asner, G., Tasar, E., Sousan, S., & Knapp, D. (2013). CLASlite Forest monitoring techno-
logy. Version 3.1 Use Guide. Standford: Carnegie Institution for Science.
Cabrera, E., Galindo, G., & Vargas, D. (2011). Protocolo de procesamiento digital de
imgenes para la cuantificacin de la deforestacin en Colombia nivel nacional es-
cala gruesa y fina. Instituto de Hidrologa, Meteorologa, y Estudios Ambientales-
IDEAM (p. 44). Bogot D.C. , Colombia.
Cabrera, E., Vargas, D., Galindo, G., Garcia, M., Ordoez, M., Vergara, L. K., Pacheco,
A.M., Rubiano, J.C. & Giraldo, P. (2011). Memoria tcnica de la cuantificacin de la de-
forestacin histrica nacional escalas gruesa y fina (p. 106). Bogot C.D., Colombia
Caprioli, M., Figorito, B., & Tarantino, E. (2005). Radiometric normalization of Landsat
ETM+ data for multitemporal analysis. The International Archives of the Photogram-
metry, Remote Sensing and Spatial Information Sciences, 34.
Chatfield, C. (2003). The Analysis of Time Series: An Introduction. Florida, E.E.U.U.:

Chapman & Hall/CRC Press.
Chave, J., Olivier, J., Bongers, F., Chtelet, P., Forget, P.-M., van der Meer, P., Norden, N.,
Rira, B., Charles-Dominique, P. (2008). Above-ground biomass and productivity in
a rain forest of eastern South America. Journal of Tropical Ecology, 24(04), 355366.
Colditz,R. & Ressl, R.(2013). The impact of the day of observation of image com-
posites on adequate time series generation. En Michel , U., Civco, D. L. & Schulz, K
(Comps.). Earth Resources and Environmental Remote Sensing/GIS Applications IV.
Proceedings of SPIE Vol. 8893. Bellingham, E.E.U.U: SPIE. doi:10.1117/12.2029498.
Coppin, P., & Bauer, M. E. (1996). Change detection in forest ecosystems with remote
sensing digital imagery digital change detection in temperate forests. Remote Sen-
sing Reviews, 13, 207234.
47
DeFries, R., Achard, F., Brown, S., Herold, M., Murdiyarso, D., Schalamadinger, B., & De
Souza, C. (2006). Reducing greenhouse gas in temperate forests. Remote Sensing
Reviews, 13, 207234.Emissions from Deforestation in developing countries: Consi-
derations for monitoring and measuring, report of the Global Terrestrial Observing
System (GTOS) Number 46, GOFC-GOLD report 26 (p. 23). Roma, Italia.
FAO. (2010). Global forest ressources assessment 2010. Main Report. Fao Forestry
Paper 163 (p. 378). Roma, Italia.
Free Software Foundation. What is free Software. Recuperado de: http://www.fsf.

org/about/what-is-free-software.
Fung, T., & Ledrew, E. (1987). Application of Principal Components Analysis to change
detection. Photogrammetric Enginnering and Remote Sensing, 53(12), 16491658.
GOFC-GOLD. (2009). Reducing Greenhouse gas emissions from deforestation and
degradation in developing countries: A sourcebook of methods and procedures
for monitoring, measuring and reporting, GOFC-GOLD Report version COP14-2. (F.
Achard, S. Brown, R. De Fries, G. Grassi, M. Herold, D. Mollicone , Pandey, D. &C. J.
Souza, Eds.) (p. 185). Alberta, Canada.
GOFC-GOLD. (2014). A sourcebook of methods and procedures for monitoring and

reporting anthropogenic greenhouse gas emissions and removals associated with
deforestation, gains and losses of carbon stocks in forests remaining forests, and fo-
restation. GOFC-GOLD Report version (p. 243). Paises Bajos: Wageningen University
Hansen, M. C., & Loveland, T. R. (2012). A review of large area monitoring of land co-
ver change using Landsat data. Remote Sensing of Environment, 122, 6674.
Harris, N. L., Brown, S., Hagen, S. C., Saatchi, S. S., Petrova, S., Salas, W., Hansen, M.,
Potapov, P. & Lotsch, A. (2012). Baseline map of carbon emissions from deforestation
in tropical regions. Science, 336(6088), 15731575.
Hassan, R., Scholes, R., & Ash, N. (2005). Ecosystems and Human Well-being: Current
State and Trends , Millennium Ecosystem Assessment Series, Volume 1. Ecosystems
and Human Well-being: Current State and Trends (p. 47). Washington, D.C., EEUU.:
Island Press.
Hayes, D. J., & Sader, S. A. (2001). Comparison of changedetection techniques for

monitoring tropical forest clearing and vegetation regrowth in a time series. Photo-
grammetric Enginnering and Remote Sensing, 67(9), 10671075.
Helmer, E. H., & Ruefenacht, B. (2007). A comparison of radiometric normalization

methods when filling cloud gaps in Landsat imagery. Canadian Journal of Remote
Sensing, 33(4), 325340.
48
LITERATURA
DE LA DEFORESTACIN EN COLOMBIA V. 2 CITADA
Houghton, R. a. (2005). Aboveground Forest Biomass and the Global Carbon Balan-
ce. Global Change Biology, 11(6), 945958.
Houghton, R.A. (2012). Carbon emissions and the drivers of deforestation and fo-
rest degradation in the tropics. Current Opinion in Environmental Sustainability,
4(6):597603
IPCC, (2007). Climate Change 2007 The Physical Science Basis. Contribution of Wor-
king Group I to the Fourth Assessment Report of the Intergovernmental Panel on Cli-
mate Change. (S. Solomon, D. Qin, M. Manning, M. Marquis, K. Averyt, M. Ti gnor, Mi-
ller, H. & Z. Chen, Eds.) (p. 996). Cambridge, Reino Unido: Cambridge University Press.
Liu, C., Frazier, P., & Kumar, L. (2007). Comparative assessment of the measures of
thematic classification accuracy. Remote Sensing of Environment, 107(4), 606616.
Ministerio de Medio Ambiente, Vivienda y Desarrollo Territorial - MAVDT. 2002. De-
finicin de Bosque para proyectos de uso del suelo, cambio de uso del suelo y silvi-
cultura para el primer perodo de compromiso. (19 p). Bogot D.C., Colombia.
Muchoney, D. M., & Haack, B. N. (1994). Change Detection for Monitoring Forest De-
foliation. Photogrammetric Engineering and Remote Sensing, 60(10), 12431251.
NASA, ( 2014). Landsat Scients Recuperado de: http://landsat.gsfc.nasa.gov/ .
Olander, L., Gibbs, H., Steininger, M., Swenson, J., & Murray, B. C. (2007). Data and
methods to estimate national historical deforestation baselines in support of UN-
FCC REDD. Durham, USA: Duke University. Recuperado de: http://nicholasinstitute.
duke.edu/sites/default/files/publications/data-and-methods-to-estimate-national-
historical-deforestation-baselines-in-support-of-unfccc-redd-paper.pdf
Olofsson, P., Foody, G. M., Herold, M., Stehman, S. V., Woodcock, C. E., & Wulder, M. a.
(2014). Good practices for estimating area and assessing accuracy of land change.
Remote Sensing of Environment, 148, 4257.
Olofsson, P., Foody, G. M., Stehman, S. V., & Woodcock, C. E. (2013). Making better use
of accuracy data in land change studies: Estimating accuracy and area and quanti-
fying uncertainty using stratified estimation. Remote Sensing of Environment, 129,
122131.
Olthof, I., Pouliot, D., Fernandes, R., & Latifovic, R. (2005). Landsat-7 ETM+ radiome-
tric normalization comparison for northern mapping applications. Remote Sensing
of Environment, 95(3), 388398.
Open Source Initiative (2014). The Open Source Definition. Recuperado de: http://
opensource.com/resources/what-open-source.
49
Pan, Y., Birdsey, R. a, Fang, J., Houghton, R., Kauppi, P. E., Kurz, W., Phillips, O, Shvi-
denko, A., Lewis, S., Canadell, J., Ciais, P., Jackson, R., Rautiainen, A., Sitch, S. & Ha-
yes, D. (2011). A large and persistent carbon sink in the worlds forests. Science,
333(6045), 98893.
Potapov, P., Yaroshenko, A., Turubanova, S., Dubinin, M., Laestadius, L., Thies, C., Ak-
senov, D., Egorov, A., Yesipova, Y., Glushkov, I., Karpachevskiy, M., Kostikova, A., Ma-
nisha, A. & Tsybikova, E. (2008). Mapping the World s Intact Forest Landscapes by
Remote Sensing. Ecology and Society, 13(2), 51.
Potapov, P. V., Turubanova, S. a., Hansen, M. C., Adusei, B., Broich, M., Altstatt, A.,
Mane, L. & Justice, C. O. (2012). Quantifying forest cover loss in Democratic Repu-
blic of the Congo, 20002010, with Landsat ETM+ data. Remote Sensing of Environ-
ment, 122, 106116.
Puyravaud, J.-P. (2003). Standardizing the calculation of the annual rate of defores-
tation. Forest Ecology and Management, 177(1-3), 593596.
Ramrez, S., Ramrez, M., Galindo, G. & Espejo, O. (2014). Evaluacin de la exactitud
temtica del mapa de cambio de Bosque para la regin amaznica colombiana en
el periodo 2010-2012. En: Memorias XVI Simposio Internacional SELPER (Septiem-
bre 29 octubre 3 de 2014). Medelln, Colombia: SELPER.
Saatchi, S. S., Houghton, R. a., Dos Santos Alval, R. C., Soares, J. V., & Yu, Y. (2007).
Distribution of aboveground live biomass in the Amazon basin. Global Change Bio-
logy, 13(4), 816837.
Souza Moreira, C., & Siquieria Nascimento, J. (2013). ImgTools: a software for optical
remotely sensed data analysis Carlos. In Anais XVI Simpsio Brasileiro de Sensoria-
mento Remoto - SBSR (pp. 15711578). Foz do Iguau - Brasil: INPE.
Thau, J. (2012). Change Detection. In W. Kresse & D. M. Danko (Eds.), Springer Han-
dbook of Geographic Information (Vol. 1, pp. 7594). Springer.
Verbesselt, J., Hyndman, R., Newnham, G., & Culvenor, D. (2010). Detecting trend
and seasonal changes in satellite image time series. Remote Sensing of Environ-
ment, 114(1), 106115.
Verbesselt, J., Zeileis, A., & Herold, M. (2012). Near real-time disturbance detection
using satellite image time series. Remote Sensing of Environment, 123, 98108.
Zhu, Z., & Woodcock, C. E. (2012). Object-based cloud and cloud shadow detection
in Landsat imagery. Remote Sensing of Environment, 118, 8394.
50
DE LA DEFORESTACIN EN COLOMBIA V. 2 GLOSARIO
GLOSARIO
Banda. Cada uno de los intervalos en los cuales el sensor remoto divide el espectro
electromagntico para generar una imagen multi-espectral. Este concepto es apli-
cado generalmente a imgenes de tipo ptico.
Escena. Porcin de las imgenes tomadas por el sensor delimitada por un rea ge-
neralmente rectangular y fija definida por el distribuidor. Ya que los datos de sen-
sores remotos se toman para grandes reas o franjas alrededor dela tierra, cada
sistema satelital define una grilla que subdivide la superficie terrestre en zonas rec-
tangulares. Cada una de estos rectngulos corresponde a una escena y en muchos
tipos de imagen tienen un cdigo establecido que identificar a esa porcin de la
superficie terrestre. Las imgenes tomadas por el sensor son cortadas y distribuidas
siguiendo los lmites definidos por estas grillas.
Imagen de satlite. Representacin visual de la informacin capturada por un sensor

montado en un satlite artificial. Estos sensores recogen informacin reflejada para la
superficie de la tierra que luego es enviada a la Tierra y que procesada conveniente-
mente entrega valiosa informacin sobre las caractersticas de la zona que cubre.
Imagen multi-espectral. Se produce por la combinacin de imgenes que regis-

tran diferentes longitudes de onda o bandas espectrales.
Nivel Digital ND. Se trata del valor numrico discreto asignado por el sistema
formador de imgenes a cada celda, en respuesta a la irradiancia recibida sobre el
plano focal del sensor. Se le conoce as mismo como nivel de gris, luminancia, n-
mero digital, valor de pixel, etc. Existe una relacin lineal entre el ND grabado y la
radiancia correspondiente a cada celda de terreno.
Nivel de Reflectancia. Valor numrico que representa una medida de la energa

radiante o flujo radiante que es reflejado por un material o una superficie como
funcin de la longitud de onda de dicha energa o flujo.
Pxel. Unidad bsica de informacin grfica que se refiere a cada uno de los puntos
indivisibles que conforman una imagen, es decir, la mnima rea de captura en el
formato Raster.
51
Resolucin. Nivel de detalle con el que se es posible identificar los elementos sobre
las imgenes y se relaciona con la unidad mnima de almacenamiento de datos o
pxel.
Resolucin espacial. Este concepto designa al objeto ms pequeo que puede ser
distinguido sobre la imagen; suele medirse como la mnima separacin a la cual los
objetos aparecen distintos y separados en la imagen. Se mide en unidades de lon-
gitud definida como el nmero de pxeles por unidad de medida (milmetros sobre
la imagen o metros sobre el terreno) y depende de la longitud focal de la cmara y
de su altura sobre la superficie.
Resolucin espectral. Longitudes de onda en las cuales un sensor es capaz de ad-

quirir informacin. La fotografa puede ofrecer pelculas pancromticas, infrarrojo
blanco negro, color natural o infrarrojo color.
Resolucin radiomtrica. Cantidad de energa que se puede medir en una esca-

la radiomtrica en el sensor. En el caso de los sistemas fotogrficos, la resolucin
radiomtrica del sensor se indica por el nmero de niveles de gris recogido por el
mismo. Para evaluar la calidad radiomtrica se evala un parmetro denominado
bit number.
Resolucin temporal. Es una medida de la frecuencia con la que un satlite es ca-

paz de obtener imgenes de una determinada rea. Tambin se denomina periodo
de revisita. Es til cuando se quieren realizar estudios multitemporales o evolutivos.
Valores radiomtricos. Radiacin electromagntica reflejada por un elemento de
superficie terrestre en un determinado rango del espectro, y se convierte en un
valor numrico que depende de la resolucin radiomtrica.
52

Anexo A Protocolo Procesamiento Digital PDF

Cargado por

Copyright:

Formatos disponibles

Anexo A Protocolo Procesamiento Digital PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Anexo A Protocolo Procesamiento Digital PDF

Cargado por

Copyright:

Formatos disponibles

PROTOCOLO DE PROCESAMIENTO DIGITAL DE IMAGENES

GABRIEL VALLEJO LPEZ

PABLO ABBA VIEIRA SAMPER

MAR FRANCO TORRES

MARA SARALUX VALBUENA

DISEO, DIAGRAMACIN E IMPRESIN

Publicacin aprobada por el Comit de Comunicaciones y Publicaciones del IDEAM, octubre de

ISBN: 978 958 8067 63 6 - Distribucin Gratuita

Impreso en Colombia Printed in Colombia

OMAR FRANCO TORRES

CLEMENTINA DEL PILAR GONZLEZ PULIDO

GABRIEL VALLEJO LPEZ MARA LORENA GUTIRREZ BOTERO

NATALIA ABELLO VIVES RAMN LEAL LEAL

MARA SARALUX VALBUENA LPEZ JAIRO CSAR FUQUENE RAMOS

Gustavo Galindo Garca

Edersson Cabrera Montenegro

Juan Pablo Ramrez Delgado

Adriana Paola Barbosa Herrera

El Instituto de Hidrologa, Meteorologa y Estudios Ambientales - IDEAM, agradece al Ministerio de

Universidad de Maryland Departamento de Ciencias Geogrficas. Matt Hansen Peter Potatov.

USAID. Especial agradecimiento a Evan Notman y Daniel Lopez.

Instituto Geogrfico Agustn Codazzi, Centro de Investigacin y Desarrollo en Informacin Geogrfi-

COMIT TCNICO Coordinacin General

BA: Biomasa rea

D: Dimetro normal medido a 1,30 cm del suelo

e.g.: Significa por ejemplo; del latn exempli gratia

et al.: Significa ca y colaboradores, y otros; del latn et all

Exp: Funcin exponencial

i.e.: Significa esto es; del latn id est

IDEAM: Instituto de Hidrologa, Meteorologa y Estudios Ambientales

ln: Logaritmo neperiano

REDD: Reduccin de Emisiones por Deforestacin y Degradacin de Bosques

1.OBJETIVO Y ALCANCES DEL PROTOCOLO ...................................................... 15

2. LINEAMIENTOS TCNICOS DEFINIDOS PARA EL PROCESAMIENTO DE IMGE-

3. CONCEPTOS GENERALES PARA LA APLICACIN DEL PROTOCOLO Y EL PRO-

La Convencin Marco de las Naciones Unidas sobre Cambio Climtico CMNUCC

1 Toneladas de carbono por hectrea.

el seguimiento continuo de lo que tcnicamente se denomina: i) los datos de acti-

Como parte de este mecanismo resulta fundamental el uso de imgenes y datos

Teniendo en cuenta estos antecedentes y en el cumplimiento de las funciones mi-

Para dar continuidad al proceso, en 2012 se da inicio al Proyecto Consolidacin

Este documento constituye la segunda versin del Protocolo de Procesamiento

1. OBJETIVO Y ALCANCES DEL PROTOCOLO

daciones de acuerdo con las herramientas disponibles en el momento de la

2. LINEAMIENTOS TCNICOS DEFINIDOS PARA EL

2.1 Enfoque a deteccin directa de cambio vs. comparacin

Este protocolo propone una metodologa orientada a la deteccin directa de cambios,

lugar de seleccionar algunas imgenes individuales de cada fecha para identificar el

2.3 Manejo de reas sin informacin

2.4 Control de calidad constante

2.5 Evaluacin de la exactitud temtica de los resultados

2.6 Preferencia de uso de Software gratuito y/o libre

Por su parte el uso de programas gratuitos sean o no de libre distribucin reducen

2.6 Prelacin a mtodos automticos y semi-automticos

3. CONCEPTOS GENERALES PARA LA APLICACIN

3.1 Definicin de Bosque y deforestacin para el sistema

Para el presente protocolo la deforestacin est definida como: La conversin di-

3.2 Datos provenientes de sensores remotos Programa

Las caractersticas de resolucin espectral, espacial y temporal de las imgenes