Conjunto de datos sobre el cambio forestal global

El conjunto de datos Global Forest Change , también conocido como Hansen Global Forest Change o simplemente Global Forest Change , es un conjunto de datos globales de teledetección sobre la extensión y los cambios en la cubierta forestal , producido por investigadores de la Universidad de Maryland y colaboradores. Derivado del análisis de series temporales del programa Landsat , proporciona una cobertura casi global con una resolución aproximada de 30 metros por píxel . La versión mantenida abarca el período 2000-2024 e incluye capas para la cubierta forestal en 2000, la pérdida anual de cubierta forestal y el año de la pérdida, la ganancia acumulada de cubierta forestal para el período 2000-2012, composiciones de imágenes de referencia del primer y último año disponible, y una máscara de datos.

Descrito por primera vez en un artículo de 2013 en Science , el conjunto de datos se creó para proporcionar un registro anual global y consistente de los cambios en la cobertura arbórea mediante una metodología única. El estudio inicial reportó una pérdida de 2,3 millones de kilómetros cuadrados de cobertura arbórea y una ganancia de 0,8 millones de kilómetros cuadrados entre 2000 y 2012, y constató una pérdida creciente en los trópicos a pesar de la disminución en otras regiones. Su desarrollo dependió de la apertura del archivo Landsat y la computación en la nube , lo que permitió que el producto evolucionara de una publicación única a una serie de datos continua.

El conjunto de datos se popularizó en el monitoreo forestal, la conservación, la rendición de cuentas ambiental y la elaboración de informes nacionales. Amplió el acceso a datos de alta resolución sobre cambios forestales más allá de las agencias cartográficas especializadas y se convirtió en un insumo importante para plataformas posteriores como Global Forest Watch .

Su interpretación también ha sido cuestionada. Dado que mide el cambio biofísico de la cubierta arbórea en lugar del cambio de uso del suelo, la pérdida cartografiada puede reflejar la tala, los ciclos de plantación, los incendios, las tormentas, las plagas o la conversión permanente a otro uso del suelo. Poco después de su publicación, los críticos argumentaron que podría confundir los bosques naturales con las plantaciones, mientras que estudios de validación posteriores descubrieron que los umbrales predeterminados de la cubierta forestal a menudo requieren calibración antes de que los datos puedan utilizarse de forma fiable en las estadísticas nacionales o como indicador indirecto de la deforestación .

El conjunto de datos abordó un problema de larga data en el monitoreo forestal global: el cambio forestal era importante para el clima , la biodiversidad y la gobernanza del uso de la tierra , pero las mediciones existentes a menudo eran inconsistentes entre países y demasiado imprecisas para un análisis comparable año tras año. Matthew Hansen y sus colegas se propusieron producir un único registro global a partir de imágenes Landsat utilizando una metodología y una definición común de cambio de cobertura arbórea. El estudio resultante de 2013 analizó 654.000 imágenes Landsat que representan 143 mil millones de píxeles para mapear los cambios entre 2000 y 2012. Reportó pérdidas y ganancias agregadas, así como fuertes contrastes regionales, incluyendo la disminución de la deforestación en Brasil , el fuerte aumento de la pérdida en Indonesia y patrones intensivos de cosecha y regeneración en partes del sureste de los Estados Unidos . ^{[ 1 ] [ 2 ]}

Una condición previa clave fue la apertura del archivo Landsat, que hizo posible el análisis sistemático de imágenes globales sin coste directo de datos. Investigadores de la Universidad de Maryland desarrollaron los modelos utilizados para procesar y caracterizar las imágenes, mientras que el procesamiento en la nube de Google Earth Engine permitió reproducir esos modelos a escala planetaria. Con esa infraestructura, una tarea de procesamiento que antes habría llevado años se redujo a días. En aquel momento, muchos productos globales de cobertura terrestre y forestal tenían resoluciones espaciales de entre 250 y 300 metros, por lo que el nuevo conjunto de datos representó un aumento importante en el detalle, así como una mejora significativa en la comparabilidad entre países. ^{[ 2 ] [ 3 ]}

La publicación científica inicial fue seguida por una demostración pública en línea y un servicio de descarga que permitía a los usuarios explorar los mapas directamente. El sitio de demostración de 2013 evolucionó desde un intervalo fijo de 2000-2012 descrito en el artículo hasta convertirse en un producto mantenido dentro del ecosistema Global Land Analysis and Discovery, con versiones posteriores que extendieron la detección de pérdidas anuales más allá del período de estudio original. El catálogo oficial actual enumera la versión mantenida como la versión 1.12 y especifica su cobertura como 2000-2024. También señala que la pérdida anual continúa actualizándose, mientras que la capa de ganancia permanece acumulativa solo para el período 2000-2012. Este cambio de un estudio de referencia a un producto de datos actualizado periódicamente convirtió a Global Forest Change en un conjunto de datos de referencia de larga duración para sistemas y análisis de monitoreo forestal posteriores. ^{[ 4 ] [ 5 ]}

El producto mantenido se organiza como capas ráster que describen la cobertura arbórea de referencia, el cambio y las imágenes contextuales. La treecover2000capa registra el porcentaje de cierre del dosel para la vegetación de más de cinco metros de altura en el año 2000 en una escala de 0 a 100. La losscapa registra si se detectó pérdida de cobertura arbórea durante el período de estudio, mientras que lossyearidentifica el primer año en que se detectó dicha pérdida. La gaincapa registra la ganancia acumulada de cobertura arbórea, pero solo para 2000–2012, por lo que el producto mantenido combina un registro de pérdida actualizado anualmente con una capa de ganancia fija al intervalo original. Una datamaskcapa distingue la superficie terrestre cartografiada del agua permanente y las áreas sin datos. ^{[ 5 ]}

Las estadísticas nacionales descargables están disponibles en varios umbrales mínimos de cobertura de dosel, y los agregados globales derivados de esas tablas cambian sustancialmente dependiendo del umbral elegido. ^{[ 6 ]}

El conjunto de datos también incluye composiciones de imágenes de referencia comúnmente descritas como firsty last. Estas son composiciones multiespectrales del primer y último año disponible, utilizando bandas Landsat en los rangos rojo, infrarrojo cercano e infrarrojo de onda corta . En la versión actual, lossyearse codifica de 1 a 24, lo que corresponde a la pérdida detectada principalmente en los años calendario 2001 a 2024, mientras que 0 indica que no hay pérdida mapeada. Cada banda tiene un tamaño de píxel nominal de 30,92 metros. Juntas, estas capas permiten a los usuarios comparar la cobertura del dosel de referencia, el momento de la pérdida detectada e imágenes representativas del principio y el final del período de observación. ^{[ 7 ] [ 5 ]}

El producto se basa en el análisis de series temporales de observaciones Landsat, en lugar de una simple comparación de imágenes antes y después. En el estudio original, la cobertura arbórea se definió como toda la vegetación de más de cinco metros de altura, la pérdida forestal como una perturbación que provoca la sustitución de la masa forestal o un cambio de un estado forestal a uno no forestal, y la ganancia forestal como la transición opuesta. Esto permitió aplicar la misma lógica analítica a nivel global, en lugar de depender de sistemas de clasificación nacionales separados. ^{[ 1 ]}

La versión mantenida utiliza observaciones Landsat de calidad evaluada e imágenes compuestas para caracterizar tanto la cobertura del dosel inicial como el cambio posterior. Las capas de imágenes de referencia son composiciones medianas obtenidas del primer y último año disponible, ensambladas a partir de observaciones de la temporada de crecimiento en lugar de escenas arbitrarias de una sola fecha. Este diseño ayuda a reducir la contaminación por nubes y hace que las capas de cambio sean interpretables en comparación con imágenes representativas de referencia y del estado final. ^{[ 5 ] [ 7 ]}

Metodológicamente, el producto es más eficaz para detectar la eliminación abrupta de la cubierta forestal que la ganancia gradual. La capa anual de pérdida-año registra solo el primer evento de pérdida posterior al año 2000 detectado para cada píxel, lo que se ajusta a las perturbaciones de reemplazo de la cubierta forestal, pero dificulta la codificación de eventos de menor intensidad o repetidos. Por el contrario, la ganancia sigue siendo una capa acumulativa de 2000-2012 en lugar de una serie anual, lo que refleja la mayor dificultad de mapear el rebrote gradual de forma consistente a escala global. ^{[ 5 ] [ 8 ]}

Una implicación crucial de la metodología es que el producto mide la dinámica biofísica del dosel en lugar de las categorías forestales legales o administrativas. La cubierta arbórea en este marco incluye bosques naturales, plantaciones forestales, plantaciones de fibra de madera, cultivos arbóreos, sistemas agroforestales y cubierta arbórea urbana. Por esa razón, los análisis posteriores a menudo combinan el Cambio Forestal Global con capas adicionales sobre el uso de la tierra, el bosque primario, las reservas de carbono o el estado de las áreas protegidas cuando intentan aislar fenómenos más específicos, como la pérdida de bosque primario o la deforestación aproximada. ^{[ 8 ] [ 7 ]}

Después de que la publicación original describiera los resultados para 2000–2012, el producto continuó como un conjunto de datos mantenido en lugar de un suplemento fijo del artículo de 2013. Las versiones posteriores extendieron la detección de pérdidas anuales más allá del intervalo original, y la versión oficial actual es la 1.12, que cubre 2000–2024. Por lo tanto, el producto ha evolucionado de un conjunto de mapas retrospectivos únicos a una serie de datos actualizada regularmente, pero sus capas no han avanzado todas en paralelo: la pérdida anual se ha extendido hasta 2024, mientras que la capa de ganancia sigue siendo acumulativa solo para 2000–2012. La versión mantenida también refleja cambios metodológicos a lo largo del tiempo, incluido el reprocesamiento desde 2011 en adelante, y la documentación oficial advierte que las partes más antiguas y más nuevas del registro deben compararse con precaución. ^{[ 9 ] [ 5 ]}

La agregación de las estadísticas descargables de países y territorios en el umbral 0, sin un límite mínimo de cobertura de dosel, proporciona una serie anual mantenida de pérdida de cobertura arbórea global para el período 2001-2024. Sobre esta base, la pérdida acumulada de cobertura arbórea global alcanza aproximadamente 6,13 millones de km² ^para 2024; para el período 2001-2012, la misma agregación da aproximadamente 2,36 millones de km² ^, cerca de los 2,3 millones de km² ^mencionados en el artículo original de 2013. ^{[ 1 ] [ 6 ]}

El conjunto de datos se distribuye a través del catálogo de Google Earth Engine, un servicio de descarga dedicado y un visor web GLAD para la exploración de mapas. También se reutiliza en plataformas posteriores de monitoreo forestal: las capas anuales de pérdida de cobertura arbórea derivadas del conjunto de datos se publican a través del mapa interactivo y el portal de datos abiertos de Global Forest Watch, y las actualizaciones anuales del conjunto de datos sobre la pérdida y ganancia de cobertura arbórea se describen como un insumo fundamental para la Revisión Forestal Global. ^{[ 10 ] [ 9 ] [ 6 ] [ 8 ]}

• 
  Borneo
• 
  Parte de la Amazonía brasileña
• 
  Parte del sureste de los Estados Unidos
• 
  región de la República del Congo

Global Forest Watch es una plataforma de monitoreo forestal más amplia que combina muchas capas geoespaciales, mientras que Global Forest Change es uno de sus insumos clave, no un sinónimo de la plataforma en sí. En la práctica, el conjunto de datos se suele encontrar a través de Global Forest Watch y Global Forest Review, en lugar de como una descarga independiente. Global Forest Review describe el mapa global de 30 m del cambio de cobertura arbórea como el conjunto de datos clave que sustenta la mayor parte de su análisis, y sus páginas de métodos se basan en gran medida en los datos geoespaciales proporcionados a través de Global Forest Watch. En ese contexto, generalmente se prefiere el término más neutral " pérdida de cobertura arbórea" cuando se describe el conjunto de datos en sí, mientras que "deforestación" se suele reservar para los casos en los que la información adicional respalda la inferencia de una conversión permanente, causada por el ser humano, a otro uso de la tierra. ^{[ 11 ] [ 8 ] [ 6 ] [ 7 ]}

También existen estadísticas relacionadas descargables por país sobre la pérdida de bosques primarios tropicales húmedos y las emisiones de carbono forestal, que son indicadores más específicos o derivados que las bandas nativas de la publicación principal de Global Forest Change . ^{[ 12 ] [ 13 ] [ 5 ]}

Más allá de su importancia metodológica, el conjunto de datos modificó quiénes podían participar en el monitoreo de los cambios en la cubierta forestal. Al poner a disposición datos globales de alta resolución, contribuyó a que la supervisión forestal pasara de ser una tarea dominada por agencias cartográficas especializadas a una compartida por investigadores, activistas, empresas, ONG y funcionarios públicos. Se le atribuye haber inaugurado una nueva era de monitoreo forestal en la que se podía recopilar evidencia comparable con la suficiente rapidez para fundamentar el escrutinio público y la intervención práctica, en lugar de limitarse al análisis académico retrospectivo. ^{[ 14 ]}

En la práctica, el conjunto de datos y los sistemas de alerta derivados han apoyado el monitoreo de respuesta rápida de la tala ilegal , la minería y otras incursiones forestales. Las alertas basadas en Landsat, creadas a partir del mismo enfoque analítico, se utilizaron para señalar nuevas carreteras y pequeños claros en Perú , la República del Congo y Kalimantan , lo que permitió a los administradores de tierras, grupos de la sociedad civil y empresas que intentan reducir la pérdida de bosques en sus cadenas de suministro reaccionar con mayor rapidez. El efecto más amplio no fue meramente técnico: al visibilizar nuevas evidencias de pérdida de cobertura arbórea ante un público más amplio, los datos también fortalecieron los esfuerzos de rendición de cuentas en lugares donde la información oficial había sido previamente tardía, fragmentada o de difícil acceso. ^{[ 15 ] [ 14 ]}

A escala nacional, las evaluaciones han demostrado que el conjunto de datos puede ser útil para los sistemas nacionales de monitoreo forestal y la elaboración de informes relacionados, pero solo cuando se calibra a las condiciones locales y se compara con datos de referencia independientes. En Guyana , los investigadores descubrieron que el umbral predeterminado del 30 % de cobertura arbórea sobreestimaba la superficie forestal en relación con el sistema nacional, mientras que un umbral mucho mayor producía una concordancia mucho más precisa. Tras esta calibración, el conjunto de datos proporcionó una buena primera aproximación de la pérdida de cobertura arbórea, pero los autores concluyeron que en países con abundantes bosques y bajas tasas de deforestación no debería considerarse un instrumento de auditoría anual preciso sin datos de referencia de mayor calidad. Esto lo ha convertido en un valioso insumo para los flujos de trabajo nacionales de monitoreo y elaboración de informes, al tiempo que subraya que es mejor utilizarlo en combinación con métodos validados localmente en lugar de como un sustituto directo de las estadísticas nacionales. ^{[ 16 ]}

La guía oficial enfatiza que el conjunto de datos es un mapa de la dinámica de la cubierta arbórea, no un mapa completo del estado del bosque o del uso de la tierra. No toda la cubierta arbórea es bosque, no toda pérdida de cubierta arbórea es deforestación, la cubierta arbórea en sí misma es solo una descripción unidimensional de un bosque, y la ganancia de cubierta arbórea es más difícil de detectar que la pérdida porque es gradual en lugar de abrupta. Estas asimetrías también significan que las capas de pérdida y ganancia no se pueden simplemente restar para producir una medida confiable del cambio neto del bosque. Muchos tipos de perturbación del dosel también pueden aparecer en el producto como cambio de cubierta arbórea. Incendios, tormentas, plagas, manejo forestal sostenible y cosecha rotacional pueden registrarse como cambio, lo cual es útil cuando el objetivo es detectar perturbaciones del dosel de manera amplia, pero potencialmente engañoso cuando los datos se utilizan como un indicador directo de la conversión permanente de bosques impulsada por el ser humano. ^{[ 8 ] [ 7 ] [ 3 ]}

Las críticas surgieron poco después de su publicación. Un comentario de 2014 argumentaba que el producto no distinguía adecuadamente los bosques tropicales de las plantaciones e incluso de algunos cultivos herbáceos, lo que podría subestimar sustancialmente la pérdida de bosques y limitar el valor del conjunto de datos para la toma de decisiones políticas locales. Los autores originales respondieron que esta crítica reflejaba en parte una mala interpretación de la definición y validación de bosque del producto, y argumentaron que el conjunto de datos es más informativo cuando se combina con capas auxiliares como el tipo de bosque, las reservas de carbono y el estado de área protegida. ^{[ 17 ] [ 18 ]}

Estudios de validación posteriores a escala nacional reforzaron la necesidad de calibración a las definiciones locales. En Gabón , los investigadores encontraron que el umbral predeterminado del 30 % de cobertura arbórea sobreestimaba claramente la proporción de bosque, mientras que un umbral del 70 % combinado con un filtro de área mínima produjo estimaciones mucho más cercanas al mapa nacional. En Guyana, el umbral predeterminado del 30 % sobreestimó el área forestal en aproximadamente 483 000 hectáreas, o un 18,15 %, mientras que un umbral del 94 % se correspondía mucho más con el conjunto de datos MRV nacional. Ambos estudios concluyeron que el producto puede respaldar los informes nacionales, pero solo cuando se ajusta a las definiciones locales y se verifica con datos de referencia independientes en lugar de usarse como un sustituto directo de las estadísticas nacionales. ^{[ 19 ] [ 16 ]}

Un estudio de 2022 centrado en complejos de áreas protegidas en la Amazonía encontró fuentes de discrepancia más específicas. Identificó píxeles mixtos, discrepancias sobre la cobertura terrestre de referencia, ganancia forestal no detectada, bosque secundario y problemas de rango temporal como las principales categorías de desajuste entre el conjunto de datos y los mapas de comparación generados por los autores. Los píxeles mixtos fueron la principal fuente de disimilitud, y los autores argumentaron que el tratamiento limitado del rebrote después de 2012 y la confusión en torno al bosque secundario podrían causar que algunas áreas en regeneración o parcialmente boscosas se cartografiaran como deforestadas. Concluyeron que el conjunto de datos tendía a sobreestimar la deforestación en sus estudios de caso, mientras que los mapas de comparación tendían a subestimarla, lo que sugiere que las tasas más plausibles se encuentran entre los dos productos. ^{[ 20 ]}

• Entrada del catálogo de Google Earth Engine
• Página de descarga de datos
• visor web GLAD