Usando un cubo de datos para rastrear la deforestación en el Amazonas

Los bosques contienen una gran cantidad de carbono sobre el suelo de la Tierra y juegan un papel importante en la compensación de las emisiones de combustibles fósiles de las actividades humanas. Desde 2015, los bosques tropicales del mundo se monitorean regularmente cada 6 a 12 días, gracias a la misión Copernicus Sentinel-1.

Se recopilan millones de gigabytes de datos de radar de apertura sintética (SAR) tanto de día como de noche, independientemente de la cobertura de nubes, la niebla, el humo o los aerosoles, lo que permite monitorear la deforestación y la degradación forestal al menos dos veces por semana.

Sin embargo, el desafío es encontrar métodos adecuados para extraer indicadores significativos de deforestación de los enormes datos de radar entrantes, de modo que las anomalías de las series temporales puedan detectarse de manera regular y consistente en los bosques tropicales.

Dichos métodos de monitoreo forestal deben ser transparentes y fáciles de entender para el público en general, lo que permite confiar en su uso en diferentes sectores públicos y privados.

El Centinela-1 para la Ciencia: Amazonas El proyecto presenta un enfoque simple y transparente para el uso de imágenes de radar satelital Sentinel-1 para evaluar la deforestación. El proyecto utiliza un cubo de datos de espacio-tiempo (también conocido como StatCubes), donde la información estadística necesaria para identificar la deforestación se extrae de cada punto de la serie temporal del radar.

Con este enfoque, el proyecto demuestra el uso de los datos de Sentinel-1 para generar un análisis dinámico de la deforestación en la cuenca del Amazonas. El equipo pudo detectar más de 5,2 millones de hectáreas de pérdida de bosques entre 2017 y 2021, aproximadamente el tamaño de Costa Rica.

La especialista en teledetección de Gisat, Neha Hunka, comentó: “Desde el espacio vemos más de un millón de hectáreas de bosques tropicales cada año en la cuenca del Amazonas, siendo el peor año 2021 en Brasil. Podemos monitorear estas pérdidas e informarlas de manera transparente y consistente cada 12 días a partir de ahora.

Miles de millones de píxeles de los satélites Sentinel-1 desde principios de 2015 hasta diciembre de 2021, cada uno de los cuales representa 20 x 20 metros de bosque, se armonizaron en el diseño de StatCubes, y en la primera versión se introdujo un método de umbral simple para detectar la deforestación. . puntaje.

El mayor desafío del proyecto fue la gran cantidad de manejo y procesamiento de datos. El equipo usó varias herramientas de software fáciles de usar para acceder de manera eficiente a los datos, procesando más de 450 TB de datos para crear mapas de deforestación.

Anca Anghelea, ingeniera de la plataforma de ciencia abierta de la ESA, agregó: “Al proporcionar datos y código de acceso abierto a través del catálogo de datos de ciencia abierta de la ESA y la plataforma openEO, nuestro objetivo es permitir que los científicos colaboren y avancen en su conocimiento de los bosques globales y el ciclo del carbono.

“Así, en la fase final del proyecto, el énfasis clave está en la Ciencia Abierta, la reproducibilidad, el mantenimiento a largo plazo y el desarrollo de los resultados alcanzados en el proyecto Sentinel-1 for Science: Amazonas”.

Como continuación del proyecto, el próximo objetivo es lograr la pérdida de carbono producto de los cambios en la cobertura del suelo en cooperación. Iniciativa de cambio climático de la ESA equipo – una meta que promueve Clúster de Ciencias del Carbono de la ESA.

Los resultados actuales del proyecto ya están disponibles. haciendo clic aquí. Sentinel-1 para Science Amazonas es implementado por un consorcio de cuatro socios: gisat, Desde Agre, Universidad Noruega de Ciencias de la Vida y Instituto de Investigaciones Geoespaciales. El equipo combina de manera única antecedentes sólidos y complementarios en silvicultura y evaluación de dióxido de carbono, análisis SAR multitemporal y fusión de datos, y capacidades de procesamiento de macrodatos.