Desarrollo de metodologías para la detección de deforestación en tiempo casi-real en el Parque Chaqueño Argentino

Institución otorgante:

Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales

Fecha:

2022-04-25

Tipo de documento: 

info:eu-repo/semantics/doctoralThesis
 

Formato:

application/pdf

Idioma:

spa

Temas:

DEFORESTACION - DETECCION EN TIEMPO CASI-REAL - PARQUE CHAQUEÑO - DEFORESTATION - NEAR REAL-TIME DETECTION - GRAN CHACO

Descripción:

El monitoreo de los bosques nativos es sumamente importante para la conservación de la biodiversidad, la lucha contra el cambio climático, y la cuantificación de sus servicios ecosistémicos, por nombrar solamente algunas de las razones. Sin embargo, los bosques nativos del Parque Chaqueño argentino experimentan un proceso de deforestación y degradación cuyas tasas están entre las más altas del mundo. Desde la sanción de la Ley de Bosques en 2007 (Ley Nacional 26.331), diversos esfuerzos han apuntado a monitorear el estado de los bosques nativos. Esto se suma a compromisos internacionales que la Argentina asumió para reducir emisiones de gases de efecto invernadero en la lucha contra el cambio climático. Los sistemas de alertas tempranas de deforestación existentes (DETER, SAD, FORMA, Terra-i, GLAD) están diseñados con el objetivo de detectar deforestación en los bosques tropicales húmedos, por lo que su aplicabilidad en bosque subtropicales como los del Parque Chaqueño argentino no ha sido establecida. Además, estos sistemas involucran interpretación visual de operadores calificados (DETER, SAD) o gran capacidad de procesamiento (FORMA, Terra-i, GLAD), por lo que su aplicación puede ser costosa, tanto en recursos económicos como humanos. Metodologías inspiradas en técnicas de detección de cambios estructurales en series de tiempo de la econometría (BFAST monitor, NRT-CCDC ) han sido aplicadas con éxito en diversas áreas de la teledetección, incluso para la generación de alertas de deforestación en tiempo casi-real. Estas metodologías son prometedoras ya que requieren mínima supervisión, su desempeño reportado es alentador y el costo operativo, bajo. Sin embargo, su factibilidad en el Parque Chaqueño argentino tampoco ha sido establecida. En este contexto, esta tesis tuvo como objetivo el estudio de la factibilidad de metodologías existentes y el desarrollo de nuevas metodologías para la detección de deforestación en tiempo casi-real sobre el Parque Chaqueño argentino. En particular, se hizo foco en la evaluación de estas metodologías teniendo en cuenta características operativas, con el fin de llegar a un producto de alerta temprana. En el Capítulo 1 describimos las características de este bosque y del proceso de deforestación que allí ocurre, mencionando sus drivers y sus consecuencias. Luego, nos volcamos hacia la teledetección y por qué es la herramienta apropiada para monitorear este proceso. En el Capítulo 2 exploramos los sistemas de alerta temprana operativos más relevantes para esta tesis y las metodologías preexistentes. Para ello, introducimos algunos conceptos de Series de Tiempo que serán necesarios para su comprensión. Estudiamos también su aplicabilidad sobre el Parque Chaqueño argentino bajo ciertos condicionamientos operativos (disponibilidad de datos, costo de implementación, características de las alertas generadas, etc.). La evaluación de cualquier metodología, tanto desarrollada en esta tesis como preexistente, requiere de una base de datos de verdad del terreno donde se indique lugar y fecha de deforestación de distintas regiones de bosque nativo. En el Capítulo 3 se describe la base de datos desarrollada en esta tesis con ese fin, junto con su proceso de creación y curado. Esta base de datos consiste en información geolocalizada en formato vectorial con fechas de deforestación a resolución mensual para seis sitios pilotos en el Parque Chaqueño de aproximadamente 2500 km² cada uno. Esta base de datos, sin embargo, no posee información física del terreno. En el Capítulo 4 combinamos la base de datos de deforestación mensual con el cubo de imágenes de MODIS para obtener series de tiempo de bosque nativo no disturbado y disturbado de reflectancias superficiales e índices de vegetación (NDVI y EVI). Esta nueva base de datos sirve para entrenar, ejecutar y evaluar distintas metodologías, tanto supervisadas como no supervisadas. En el Capítulo 5 describimos el protocolo implementado para la ejecución y evaluación de las metodologías, haciendo énfasis en las métricas estadísticas que consideramos apropiadas para esta tarea. Aplicamos este protocolo sobre la metodología BFAST monitor y NRT-CCDC para evaluar su desempeño sobre el Parque Chaqueño argentino. En el Capítulo 6 desarrollamos y evaluamos modelos basados en redes neuronales profundas; en particular, utilizamos redes neuronales convolucionales. Una crítica usual a los modelos basados en redes neuronales es que son poco interpretables, por lo que, utilizando técnicas de interpretación de modelos - en particular, mapas de activación, estudiamos su funcionamiento para salir del paradigma de caja negra. Finalmente, en el Capítulo 7 exponemos las conclusiones de esta tesis. Comparamos las metodologías preexistentes y las desarrolladas en esta tesis, comentando las ventajas y desventajas de cada una de ellas. Entre los aspectos considerados se incluyen desempeño estadístico, poder de generalización, interpretabilidad y costo computacional. Otros aspectos cualitativos, como es la comunicación y comprensión del modelo en un entorno de transferencia, también son comentados.

Identificador:

https://hdl.handle.net/20.500.12110/tesis_n7176_Roitberg