Determinación de humedales en grandes extensiones mediante GEE y algoritmos de aprendizaje automático

NAVARRO, M. F.; NAVARRO, C. S.; BARRIOS, R. A.; CALAMARI, N.; DIETA, V.; GARCÍA MARTÍNEZ, G.; ITURRALDE ELORTEGUI, M. R.; KURTZ, D. B.; MICHARD, N. J.; PAREDES, P.; SAUCEDO, G. I.; ALDAY, S.; CIANFAGNA, F.; CURCIO, M.; ENRIQUEZ, A.; LOPEZ, A.; MIRANDA, F.; PEZZOLA, A.; UMAÑA, F.; VIDAL, C.; WINSCHEL, C.; ALBARRACÍN FRANCO, S.; ALVARENGA, F.; BEHR, S.; CREMONA, M. F.; GAVIER PIZARRO, G.; MOSCIARO, M. J.; PERUCCA, A. R.; SEPULCRI, M. G.; UTRILLA, V.; ZAMORA GOMEZ, J. P.; LIVRQAGUI, E.; SICA, Y.

Ciudad Autónoma de Buenos Aires

Congreso; XXVII Congreso Nacional del Agua; 2023

Instituto Nacional del Agua

Todos los procesos de la vida dependen del agua, desde el crecimiento de las plantas y los ciclos reproductivos de algunos animales hasta la subsistencia humana. Los humedales son, por lotanto, parte de un delicado equilibrio ambiental. Según Ramsar (2018) estos ecosistemas representan aproximadamente el 8% de la superficie terrestre y, a pesar de estar entre los ecosistemas que más servicios ambientales brinda, se encuentran en un sustancial declive, con una pérdida del 35% de su superficie, desde 1970 a la actualidad. Es evidente que las consecuencias del cambio climático están ocurriendo más rápido de lo previsto y, en estemarco, el suministro adecuado de agua resulta fundamental, siendo los humedales esenciales para la seguridad hídrica. Por ello, disponer de información precisa sobre la ubicación y extensiónde los humedales permite gestionarlos adecuadamente y tomar decisiones informadas sobre su conservación y uso sostenible manteniendo o mejorando su funcionamiento. No obstante,dada la dinámica propia de estos ecosistemas, su identificación y cuantificación han presentado múltiples dificultades. Sin embargo, en las últimas décadas, los avances en teledetección y sistemas de información geográfica, con nuevas tecnologías de computación en la nube permitiendo el almacenamiento y procesamiento de grandes conjuntos de datos, hacen factible el mapeo y monitoreo de humedales en grandes regiones y a lo largo del tiempo. En este trabajo implementamos un algoritmo de aprendizaje automático en la plataforma Google Earth Engine (GEE) que nos permitió identificar y estimar la superficie de humedales en el país mediante el análisis de 20 años de imágenes satelitales de resolución espacial de 30 m.