CONOZCA LAS ETAPAS DE LA METODOLOGÍA DE MAPBIOMAS ARGENTINA
Aquí detallamos paso a paso la metodología de MapBiomas Argentina. Para cada clase tratada en el mapa existen particularidades y características específicas que se pueden consultar en detalle en el ATBD.
Se procesan imágenes satelitales Landsat, con una resolución de 30 metros, disponibles gratuitamente en la plataforma Google Earth Engine para una serie temporal de más de 25 años. Las imágenes pueden contener nubes, sombras, humo, etc. pueden “contaminarlas”. Para producir una imagen limpia, los píxeles sin nubes se seleccionan de las imágenes disponibles para el período seleccionado. Para cada uno de estos píxeles se extraen métricas que explican el comportamiento del píxel en ese año. Esto se hace para cada una de las 7 bandas espectrales del satélite, así como para las fracciones e índices espectrales calculados.
Para cada año, se crea un mosaico que cubre la totalidad del país, representando el comportamiento de cada píxel a través de 104 métricas o capas de información. Este conjunto de mosaicos se guarda como una recopilación de datos dentro de la plataforma Google Earth Engine. Estos mosaicos se utilizarán de dos formas principales. Primero como fuente de parámetros para que el algoritmo clasifique las imágenes (ver siguiente paso). También se utiliza este mosaico para generar la composición RGB que permite visualizar la imagen de fondo en la plataforma MapBiomas. Esta composición también se usa para recolectar muestras de entrenamiento y evaluar la precisión mediante interpretación visual.
A partir de los mosaicos de imágenes, se elabora el mapa de cobertura y uso del suelo (leñosa, natural no leñosa, agricultura, pastura, área no vegetada, cuerpo de agua, etc.). Para ello, los analistas de MapBiomas Argentina utilizan un clasificador automático llamado “random forest”, que se ejecuta en la nube de procesadores de Google. Este sistema se basa en el aprendizaje automático: para cada clase a clasificar, el algoritmo se “entrena” con muestras de los objetivos a clasificar. Estas muestras se obtienen a través de mapas de referencia, generación de mapas de clases estables a partir de series anteriores de MapBiomas Argentina y por recolección directa de muestras complementarias mediante interpretación visual de imágenes Landsat.
El filtro espacial tiene como objetivo aumentar la consistencia espacial de los datos, eliminando píxeles aislados o de borde. Se definen reglas de vecindad que pueden conducir a un cambio en la clasificación de píxeles. Por ejemplo, un píxel que tiene menos de dos de los nueve píxeles vecinos en la misma clase, se re-clasificará a la clase predominante en la vecindad. El filtro se aplica a todas las clases y años de la colección.
Para reducir las inconsistencias temporales, en particular cambios en la cobertura o el uso que son imposibles o no están permitidos (por ejemplo, Leñosa > No Leñosa > Leñosa) y para corregir fallas debido al desbordamiento de nubes o falta de datos, se aplica un filtro temporal. Cada clase puede tener reglas de filtrado temporales específicas. El filtro temporal se aplica a cada píxel analizando todos los años de la Colección (por ejemplo, la Colección 1 tiene 25 años).
Para comprender los cambios en la cobertura y el uso del suelo, se producen mapas con transiciones de clase entre diferentes pares de años seleccionados. Así, es posible analizar algunos cambios en el territorio y responder algunas preguntas como por ejemplo, cuánto de la clase leñosa se convirtió en pastura de un año para otro. Los mapas de transición se generan píxel a píxel y, una vez finalizados, también se someten a un filtro espacial para eliminar los píxeles aislados o en bordes. A partir de estos mapas se construyen matrices de transición para distintos recortes territoriales disponibles en la plataforma MapBiomas Argentina.