Detección de áreas control para estudios ecológicos en sitios disturbados, a través de la comparación de series temporales

LANDI MARCOS ALEJANDRO; DI BELLA CARLOS; OJEDA SILVIA; SALVATIERRA PAOLA

Córdoba

Simposio; V Simposio de Estadística Espacial y Modelamiento de Imágenes; 2013

Facultad de Matemática Astronomía y Física UNC, CONICET

El monitoreo de disturbios ecológicos como incendios, inundaciones, deforestación y ganadería a través de imágenes satelitales permite generar series temporales de datos, las cuales sirven para comprender los procesos de recuperación de los ecosistemas (Paruelo, 2008, Lhermitte et al., 2011). En la bibliografía consultada se han podido detectar 3 estrategias diferentes para el monitoreo de la vegetación basado en el análisis de series temporales (Lhermite et al., 2010). La primera consiste en el análisis pos-disturbio de la serie temporal del área disturbada, sin un área control de referencia con la cual comparar (Fiorella and Ripple, 1993). La segunda estrategia consiste en comparar la serie temporal de datos del área disturbada con el estado de la vegetación que tenía el mismo sitio previo al disturbio (Kushla, 1998 Hicke et al., 2003). La tercera estrategia consiste en comparar la serie temporal del área disturbada con la de un área control no disturbada adyacente, que antes del disturbio posea la misma cubierta vegetal y una serie temporal similar a la del área disturbada (Diaz-Delgado et al., 2002). El primer enfoque, sin un área de comparación, posee como principal problema que permite extraer conclusiones pobres, ya que al poder compararlo contra un control, no es posible determinar si el sitio retorna a su estado original. La segunda estrategia (temporal) posee la ventaja de que al comparar el área disturbada contra sí misma, no hay fuentes de error debidas a la variación espacial de la vegetación. Sin embargo al comparar imágenes tomadas en diferentes fechas, las diferencias en el estado de la atmosfera y las diferencias fenológicas pueden ser fuentes importantes de error. Al mismo tiempo, las condiciones climáticas en los años posteriores al incendio pueden ser diferentes a las presentes en los años previos. Con lo cual, parte de la diferencia observada entre las etapas Pre y Pos se deben al efecto del clima. La tercera estrategia (Espacial) posee la ventaja de que sí el área disturbada y el área control se hayan cerca, ambas habrán sido observado bajo las mismas condiciones atmosféricas, se hallarán en el mismo estado fenológico y estarán sometidos a las mismas condiciones climáticas. Sin embargo el área disturbada y control, no solo deben poseer la misma cobertura vegetal antes del disturbio, sino que deben poseer series temporales de datos que no presenten diferencias antes del disturbio. En anteriores investigaciones se intentó encontrar áreas control similares a través de relevamientos de campo sobre estructura, biodiversidad, medición de las condiciones ambientales, el uso de datos climáticos y controlando la distancia entre el sitio quemado y el sitio control (Riaño et al. 2002). Sin embargo este enfoque solo puede aplicarse a pequeña escala y no es apropiado para estudios a escala de ecosistemas, por otro lado la similitud en la estructura de la vegetación no garantiza la similitud en el funcionamiento del ecosistema (Paruelo 2008). Por lo tanto para detectar posibles sitios control es necesario contar con un método que permita detectar sitios que posean no solo la misma estructura vegetal si no también idéntico comportamiento en la series temporales de datos (Diaz-Delgado et al., 2002, Lhermite et al., 2010).En la actualidad existen varios métodos para comparar series temporales obtenidas a partir de sensores remotos, esto se basan principalmente en medidas de distancias entre series temporales. Entre los más comunes se hallan los métodos de regresión, correlación cruzada, los cuales permiten hacer inferencias estadísticas sobre las diferencias en el comportamiento de las tendencias de las series, pero no permiten detectar diferencia en lamagnitud de las series temporales (Lhermite et al. 2011). También se utilizan comúnmente los métodos basados en distancias, como las de Manhattan, Euclidea, Mahalanobis, las cuales no permiten hacer inferencias estadísticas sobre la similitud entre las series temporales, pero se utilizan para obtener agrupaciones de series temporales homogéneas a partir de diferentes métodos de clasificación (Debeljak et al., 2011). Estos métodos han sido utilizados generalmente para detectar cambios en las tendencias de las series o para realizar clasificaciones funcionales de la vegetación. Las distancias basadas en la distancia de Manhattan, Euclidiana y de Mahalanobis son sensibles a diferencias tanto en la magnitud como en la tendencia (Lhermite et al. 2011), pero al no permitir hacer inferencias estadísticas no permite seleccionar un área control con un criterio objetivo. Estudios realizados sobre el comportamiento del Análisis de Componentes Principales (PCA), demostraron que esta técnica es sensible a los cambios en la magnitud de las series pero mostró una sensibilidad reducida ante los cambios en las tendencias (Lhermite et al. 2011), al mismo tiempo la cantidad de componentes a tener en cuenta en el análisis varía según los tipos de datos y sistemas en estudio (Mimmack et al., 2001) mientras que las medidas basadas en el espectro de Fourier demostraron que los resultados obtenidos dependen tanto de las características de cada serie como de las componentes elegidas(Lhermite et al. 2011). Por lo tanto ninguno de los métodos antes mencionados nos permite detectar áreas control mediante un criterio objetivo y que permite ser testeado estadísticamente.