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

Roitberg, Esteban Gabriel

Registro:

Documento:	Tesis Doctoral
Título:	Desarrollo de metodologías para la detección de deforestación en tiempo casi-real en el Parque Chaqueño Argentino
Título alternativo:	Development of methodologies for the detection of deforestation in near-real time in the Argentine Chaco Forest
Autor:	Roitberg, Esteban Gabriel
Editor:	Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
Filiación:	Universidad de Buenos Aires - CONICET. Instituto de Astronomía y Física del Espacio (IAFE)
Publicación en la Web:	2023-05-09
Fecha de defensa:	2022-04-25
Fecha en portada:	2022
Grado Obtenido:	Doctorado
Título Obtenido:	Doctor de la Universidad de Buenos Aires en el área de Ciencias Físicas
Director:	Grings, Francisco Matías
Consejero:	Calzetta, Esteban Adolfo
Jurado:	Torrusio, Sandra Edith; Torrella, Sebastián Andrés; Gambini, María Juliana
Idioma:	Español
Palabras clave:	DEFORESTACION ; DETECCION EN TIEMPO CASI-REAL; PARQUE CHAQUEÑODEFORESTATION; NEAR REAL-TIME DETECTION; GRAN CHACO
Formato:	PDF
Handle:	http://hdl.handle.net/20.500.12110/tesis_n7176_Roitberg
PDF:	https://bibliotecadigital.exactas.uba.ar/download/tesis/tesis_n7176_Roitberg.pdf
Registro:	https://bibliotecadigital.exactas.uba.ar/collection/tesis/document/tesis_n7176_Roitberg
Ubicación:	Dep.FIS 007176
Derechos de Acceso:	Esta obra puede ser leída, grabada y utilizada con fines de estudio, investigación y docencia. Es necesario el reconocimiento de autoría mediante la cita correspondiente. Roitberg, Esteban Gabriel. (2022). Desarrollo de metodologías para la detección de deforestación en tiempo casi-real en el Parque Chaqueño Argentino. (Tesis Doctoral. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de http://hdl.handle.net/20.500.12110/tesis_n7176_Roitberg

Resumen:

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.

Abstract:

Monitoring native forests is extremely important for the conservation of biodiversity, the fight against climate change, and the quantification of their ecosystem services, to name just a few of the reasons. However, the native forests of the Argentine Gran Chaco experience a process of deforestation and degradation whose rates are among the highest in the world. Since the enactment of the Forest Law in 2007 (National Law 26.331), various efforts have aimed at monitoring the state of the native forests. This is, in addition, to international commitments that Argentina has assumed to reduce greenhouse gas emissions in the fight against climate change. The existing early warning systems (DETER, SAD, FORMA, Terra-i, GLAD) are designed with the aim of detecting deforestation in humid tropical forests, so their applicability in subtropical forests - such as those of the Argentine Gran Chaco - has not been established. In addition, these systems involve visual interpretation by qualified operators (DETER, SAD) or great processing capabilities (FORMA, Terra-i, GLAD), so their application can be costly, both in economic and human resources. Methodologies inspired by time-series structural change detection techniques from econometrics (BFAST monitor, NRT-CCDC ) have been successfully applied in various areas of remote sensing, including the detection of deforestation in near-real time. These methodologies are promising, given that they require minimal oversight, their reported performance is promising, and their operating cost is low. However, its feasibility in the Argentine Gran Chaco has not been established either. In this context, this thesis aimed to study the feasibility of existing methodologies and the development of new ones for the detection of deforestation in near-real time on the Argentine Gran Chaco. In particular, the focus was on evaluating these methodologies taking into account operational characteristics, in order to arrive to an early warning product. In Chapter 1 we describe the characteristics of this forest and the deforestation process ongoing in this region, paying attention to its drivers and its consequences. Then we turn to remote sensing and why it is the appropriate tool to monitor this process. In Chapter 2 we explore the most relevant operational early warning systems for this thesis and the pre-existing methodologies. To do this, we introduce some concepts of Time Series that will be necessary for its understanding. We also study its applicability to the Argentine Gran Chaco under certain operational conditions (data availability, cost of implementation, characteristics of the generated alerts, etc.). The evaluation of any methodology, both developed in this thesis and pre-existing, requires a ground truth database, indicating the place and date of deforestation of different regions of native forest. Chapter 3 describes the database developed in this thesis for this purpose, together with its creation and curation process. This database consists of geolocated information in vector format with deforestation dates at monthly resolution for six pilot sites in the Gran Chaco of approximately 2,500 km² each. This database, however, does not have physical information on the terrain. In Chapter 4 we combined the monthly deforestation database with the MODIS image cube to obtain undisturbed and disturbed native forest time series of surface reflectances and vegetation indices(NDVI and EVI). This new database is used to train, execute and evaluate different methodologies, both supervised and unsupervised. In Chapter 5 we describe the protocol implemented for the execution and evaluation of the methodologies, emphasizing the statistical metrics that we consider appropriate for this task. We apply this protocol on BFAST monitor and NRT-CCDC methodology to evaluate its performance on the Argentine Chaqueño Park. In Chapter 6 we develop and test a set of models based on deep neural networks; in particular, we use convolutional neural networks (CNNs). A common criticism of models based on neural networks is that they are poorly interpretable. Using class activation maps, we study their operation to get out of the black box paradigm. Finally, in Chapter 7 we present the conclusions of this thesis. We compare the pre- existing methodologies and those developed in this thesis, commenting on the advantages and disadvantages of each of them. Aspects considered include statistical performance, generalizability, interpretability, and computational cost. Other qualitative aspects, such as communication and understanding of the model in a transfer environment, are also discussed.

Citación:

---------- APA ----------

Roitberg, Esteban Gabriel. (2022). Desarrollo de metodologías para la detección de deforestación en tiempo casi-real en el Parque Chaqueño Argentino. (Tesis Doctoral. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/tesis_n7176_Roitberg

---------- CHICAGO ----------

Roitberg, Esteban Gabriel. "Desarrollo de metodologías para la detección de deforestación en tiempo casi-real en el Parque Chaqueño Argentino". Tesis Doctoral, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2022.https://hdl.handle.net/20.500.12110/tesis_n7176_Roitberg

Estadísticas:

Descargas totales desde :

Navegar

Colección

Tesis Doctoral