1. No category

Mapa de Cobertura Forestal para la República de Guatemala 2010 y
Dinámica de Cobertura Forestal Periodo 2006-2010
Alejandro Suarez A
Para la elaboración del mapa nacional de cobertura forestal 2010 toma como base las imágenes
satelitales obtenidas por los satélites LANDSAT 5 y 7 dependiendo la región del país( Path 21 Row
50, Path 20 Row 50 de la serie LANDSAT 7 y Path 19 Row 50 de la serie LANDSAT 5), para el
periodo de estudio. Luego de haber realizado procesos de, verificación de la Precisión geométrica
y reproyección, Conversión a reflectancia y normalización radiométrica, se procedió a realizar la
clasificación de las imágenes para posteriores ediciones manuales. Para poder realizar esta, se
tomaron en cuenta factores de ISODATAS, puntos de control y verificación y por último se evaluó
la precisión de la exactitud de la clasificación para cada imagen.
Imagen P21R50 clasificada
P21R50 primera clasificación
P21R50 imagen con ediciones manuales y AOIs
Figura No.1 imagen P21R50 recortada y clasificada.
Obtención de puntos de control y verificación
Este procedimiento permite evaluar, mediante el uso de ortofotos de alta definición, la cobertura
“real” en un determinado punto geográfico. A través de un proceso de selección aleatoria, se
distribuyó un total de 30,000 puntos sobre el territorio nacional. Estos puntos sirvieron como
medio de verificación del tipo de cobertura del suelo al evaluar cada uno de manera individual
sobre las ortofotos. Con cada punto se desplegaron en pantalla
tres circunferencias con distintos diámetros: la mayor con 350 m, la intermedia de 60 m y la
central y más pequeña con 30 m. Las circunferencias de 60 m y 30 m (también llamados “buffers”)
fueron utilizadas para determinar si un punto tenía homogeneidad de cobertura del suelo. De
existir homogeneidad en los buffers, el punto se consideró “válido” para ser utilizado y se procedió
a clasificar su tipo de cobertura.
Corte imagen P21R50 clasificada para nubes
P21R50 corte primera clasificación
P21R50 corte imagen ediciones manuales y AOIs
Figura No.2 Corte de imagen P21R50 para edición de nubes al ser del departamento.
Clasificación para edición manual
La clasificación de las imágenes satelitales se hizo con un procedimiento supervisado utilizando para
ello los puntos de control clasificados sobre las ortofotos que sirven como puntos de entrenamiento
para que la computadora pueda clasificar toda la imagen. Estos puntos de entrenamiento en efecto
definen áreas donde el uso del suelo es conocido y de donde se extrae información espectral para
definir las llamadas firmas espectrales. Estas firmas determinan de forma única el espectro de luz
reflejada de los usos del suelo a clasificar Se definieron firmas espectrales para cada uno de los usos del
suelo y con esa información se procedió a realizar la clasificación de todas las imágenes. Este proceso
de clasificación automatizado tiene sus limitantes principalmente porque tiende a confundir áreas con
firmas espectrales muy parecidas. Esto hace necesaria una edición manual del producto clasificado
para reclasificar áreas con error. Esta edición manual se hizo convirtiendo a formato vectorial las
imágenes ya clasificadas para luego revisar individualmente los vectores que tenían posibilidad de
haber sido clasificados erróneamente.
Imagen P20R50 clasificada
P20R50 primera clasificación
P20R50 imagen con ediciones manuales y AOIs
Figura No.3 Imagen P20R50 sin y con ediciones manuales.
Para el presente mapa se utilizaron las siguientes clases para las posteriores ediciones:
a)
b)
c)
d)
e)
f)
Clase 1 Bosque
Clase 2 Matorrales
Clase 3 Plantaciones Forestales
Clase 4 Plantaciones Herbáceas
Clase 5 Plantaciones Bajo Sombra (café)
Clase 6 No Bosque
Como se puede ver en las distintas imágenes, el proceso de clasificación no es del todo certero, es
por eso que se utiliza otro proceso para darle mayor precisión a la clasificación. En este proceso se
re clasifican las áreas que no fueron clasificadas correctamente por distintas razones. Estos
procesos se realizan por medio de AOI´s una herramienta del programa ERDAS. Un claro ejemplo
de esto son las imágenes dentro de este documento. Los AOI´s se relazando sobre la imagen
RASTER y no sobre la clasificada, ya que en la imagen RASTER por medio de las distintas
combinaciones de bandas y firmas espectrales, se pueden detectar y diferenciar entre las distintas
clases previamente descritas.
Imagen P19R50 clasificada
P19R50 primera clasificación
P19R50 imagen con ediciones manuales y AOIs
Figura No.4 Imagen P19R50 sin y con ediciones manuales.
A la primera clasificación que salió del proceso, se le aplico un “recode”, que es una herramienta
de ERDAS, en donde se agruparon las clases más parecidas y problemáticas para poder tener
mejor visualización de las mismas. Al final de este proceso se obtuvieron solo cuatro clases en vez
de seis, ya que de esta manera es más fácil trabajar las ediciones manuales y poder editar lo que
está confundido como bosque y viceversa.




Clase 1: Bosque y plantación forestal
Clase 2: No bosque
Clase 3: Agua
Clase 4: Matorral
Al tener ya las imágenes con sus cuatro clases principales, se procedió a hacer los cortes de cada
imagen con un “buffer” de 500m para cada una. Luego de tener ya les imágenes recortadas para el
país, se procedió a editar manualmente y cambiar lo que estaba confundido en la primera versión de la
clasificación. A partir de esto se fueron haciendo ediciones manuales en donde se cambio el matorral
(color amarillo Figura No.4) ya se bosque o no bosque (color verde “bosque” o amarillo pálido “no
bosque”) dependiendo lo que diga la firma espectral de la imagen RASTER, luego de varios procesos a
los cuales fue sometida con anterioridad.
Evaluación de exactitud de la clasificación
Se hizo la evaluación de la exactitud de la clasificación de las imágenes usando el segundo grupo
de puntos de control que fueron clasificados sobre las ortofotos independientemente por un
grupo externo. Comparando estos puntos contra el mapa clasificado se generaron estadísticas
para estimar el error del mapa, incluyendo matrices de contingencia con porcentaje de
coincidencia entre la clasificación de las imágenes y la clasificación independiente de las ortofotos.
Figura No.5 Ejemplo de evaluación de exactitud para la imagen P20R50
A todas las imágenes que se clasificaron se les realizo este procesos de evaluación de exactitud,
dependiendo si la imagen clasificada no llegaba a un 80% de precisión con respecto a los puntos
de control, se tuvo que revisar que proceso no se realizo correctamente o si enserio la imagen
había tenido mucha dinámica (cambio en la cobertura donde se encuentran los puntos de control)
y de ser este el caso, se reevaluaron los puntos y se procedió a realizar la clasificación y
verificación correspondiente. Se trato del que el porcentaje de la primera clasificación cruda
estuviese arriba de 80%. Ya que con eso se tiene mayor certeza para empezar con las ediciones
manuales. Esta evaluación de exactitud también se realiza al final de las ediciones manuales
tratando de que este arriba de un 95%.
Bibliografía

Gonzalez, Rafael C. and Paul Wintz. 1977. Digital Image Processing. Reading,
Massachusetts: Addison-Wesley Publishing Company.

Hodgson, M. and B. Shelley. 1994. “Removing the Topographic Effect in Remotely Sensed
Imagery.” The ERDAS Monitor, Vol. 6, No. 1: 4-6.

Pratt, William K. 1991. Digital Image Processing. New York: John Wiley & Sons, Inc.

Sabins, Floyd F., Jr. 1987. Remote Sensing Principles and Interpretation. New York: W. H.
Freeman and Co.

Schowengerdt, Robert A. 1983. Techniques for Image Processing and Classification in
Remote Sensing. New York: Academic Press

Universidad del Valle de Guatemala, Instituto Nacional de Bosques, Consejo Nacional de
Áreas Protegias, Universidad Rafael Landivar. 2011. Mapa de Cobertura Forestal de
Guatemala 2006 y Dinámica de la Cobertura Forestal 2001-2006. Guatemala, 97pp.