Se utilizaron las herramientas de Collect Earth/Collect Earth Online (CE/CEO) con el propósito de implementar una red de parcelas para:

– la evaluación y monitoreo de cambios de cobertura y uso de suelo en la Península de Yucatán, iniciando desde 2015 hasta 2023, y con la intención de actualizar los datos cada año.

– proveer una base de datos de sitios de entrenamiento para la clasificación de las imágenes satelitales, y para la validación de los resultados obtenidos de la cobertura forestal y deforestación.

 Se efectuó una malla de mil puntos distribuidos aleatoriamente en cada uno de los estados de Campeche, Quintana Roo y Yucatán generando 3,000 puntos en total. Para cada punto se le asigno su cobertura de vegetación o uso de suelo de acuerdo con 13 categorías: agua, agricultura de temporal, selva mediana subperennifolia, zona urbana, selva baja subperennifolia, humedal, ganadería, acahual, selva mediana subcaducifolia, selva baja caducifolia, suelo desnudo y arena, manglar y cultivos perennes.

La asignación de categorías se realiza de manera visual mediante una inspección detallada imágenes de muy alta-resolución (< 1m) accesibles por Google Earth Pro y que se pueden visualizar en múltiples fechas en la plataforma CEO con imágenes Planet NICFI.

Estas imágenes permiten diferenciar y categorizar los usos de suelo (e.g. ganadero y agrícola), así como la cobertura forestal en los sitios de muestreo. La inspección y categorización de cada sitio o parcela de monitoreo se hizo para cada año entre 2015 y 2023.

Para el desarrollo del SICAMFOR, se emplearon imágenes de alta-resolución (4.77 m) Planet Labs del programa Norway’s International Climate & Forests Initiative (NICFI).

Se utilizó la plataforma Google Earth Engine (GEE) para:

– la descarga, procesamiento y análisis “pared a pared” de las imágenes Planet de la Península de Yucatán (Campeche, Quintana Roo y Yucatán).

– para clasificar la cobertura forestal y uso de suelo y evaluar los cambios Con la integración de datos vectoriales, se calculó la cobertura forestal y deforestación para cada municipio y ejido en los tres estados de la Península de Yucatán.

Se crearon una serie de aplicaciones (Earth Engine Apps) accesibles en línea que permite al usuario a visualizar y obtener datos a nivel municipal y ejidal de la cobertura y proceso de cambio forestal.

Se realizó una clasificación supervisada de las imágenes Planet, para lo cual se emplearon las cuatro bandas de las imágenes Planet  y se añadió una banda del índice de vegetación NDVI. De los 3,000 sitios de validación obtenidos con CEO se eliminaron 20 que se ubicaban en zonas marinas y se utilizó el 70% de los 2,980 sitios restantes, 2,086, seleccionados al azar para su uso como sitos de entrenamiento; el 30% sobrante se destinaron como sitios para la validación o análisis de certeza de los datos de cobertura forestal y deforestación.

Para la clasificación supervisada de las imágenes Planet se aplicó el enfoque semiautomático con bosque aleatorio (random forest) como clasificador del conjunto de datos de los sensores remotos de Planet (bandas azul, verde, rojo e infrarrojo cercano, NDVI) produciendo imágenes clasificadas de cobertura de vegetación y uso de suelo.

La clasificación de los mapas de cobertura y uso de del 2016, 2019 y 2023 comprendió de las 13 categorías de firmas espectrales derivados de las categorías capturadas en CEO para los sitios de entrenamiento: agua, agricultura de temporal, urbano/infraestructura, pastizal, vegetación secundaria joven (acahual), selva mediana subperennifolia, selva mediana subcaducifolia, selva baja subperennifolia, selva baja caducifolia, humedal, manglar, arena/suelo, cultivo perenne (plantación). Estas clasificaciones sirvieron de base para categorizar la cobertura forestal y evaluar el cambio de cobertura forestal por la deforestación entre el 2016 y 2023.

Para el análisis de los cambios en la cobertura forestal y los procesos de deforestación y recuperación de la cobertura arbórea, se reclasificaron las imágenes de vegetación y uso de suelo del 2016, 2019 y 2023 a las categorías de cobertura arbórea, deforestado y sin datos (vegetación no forestal, agua y pixeles sin datos); siendo denominados datos de “bosque-no bosque”.

Una vez elaborado las capas de bosque-no bosque para los años 2016, 2019 y 2023, se combinaron las imágenes de fechas 2016-2019, 2019-2023 y 2016-2023 para obtener las imágenes de cambio temporales con las siguientes categorías: deforestado sin cambios, deforestación, recuperación forestal, forestal sin cambios y sin datos.

Se calcularon las superficies forestadas y deforestadas (bosque-no bosque) en cada año (2016, 2019 y 2023) y los cambios temporales entre 2016 y 2023 de la Península de Yucatán, integrando los datos vectoriales de los límites administrativos y usando la función Image.pixelArea en GEE, a su vez GEE calcula y permite exportar las tablas de las superficies por estado, municipio y ejido, y posteriormente se calcularon las tasas de deforestación para los periodos 2016-2019, 2019-2023 y 2016-2023 usando la fórmula de tasa adoptada por la Organización de las Naciones Unidas para la Alimentación y la Agricultura, [q=((A2/A1)1/(t2−t1)) −1] (Puyravaud, 2003).

Para el análisis de certeza del SICAMFOR se emplearon las imágenes clasificadas de bosque-no bosque del 2023. Se generaron las matrices de confusión, utilizando 699 puntos de prueba, 30% de los sitios de validación obtenidos con CEO, comparados a los valores correspondientes de las clasificaciones en cada punto de prueba. Se determinó la certeza con el cálculo de precisión y la estadística Cohen´s

Kappa. Estas estadísticas se calculan de acuerdo con la matriz de confusión. Esto permite estimar la precisión imparcial del usuario y la precisión del productor (Congedo, 2021).

Para la comparación de la precisión entre el SICAMFOR y los datos de GFC y SAMOF, se descargaron los datos raster de los sitios: CONAFOR (https://snmf.cnf.gob.mx/cobertura-del-suelo/), Global Forest Change (https://glad.earthengine.app/view/global-forest-change). Con los datos de cobertura forestal y cambios en la cobertura arbórea (ganancia y pérdida) se produjeron las imágenes correspondientes a bosque no-bosque para la fecha más reciente.

En el caso de SAMOF los datos estaban disponibles hasta el año 2021 y para GFC hasta el 2022. De esta forma evaluamos cual sistema era más efectivo en detectar la cobertura forestal y áreas deforestadas. De igual manera que los datos producidos para el SICAMFOR, se generaron las matrices de confusión y se calcularon las estadísticas de precisión para los datos de SAMOF y GFC, aplicando los mismos sitios de prueba o validación.

De esta manera se pudo comparar la efectividad de los tres sistemas en detectar la deforestación y monitorear la cobertura forestal.