El objetivo es estimar la integridad ecológica (IE) en todo el territorio Mexicano. Esta se define como la capacidad del ecosistema para mantener un sistema ecológico integrado, balanceado y adaptable, que tenga el rango completo de elementos y procesos que se esperarían en el área natural de la región.
La integridad ecológica no puede ser directamente observada, por lo que se utilizó la hemerobia como proxy, suponiendo que puede ser considerada como una medición de la integridad. Ésta representa el grado de transformación que mostró la vegetación primaria respecto a la cobertura terrestre actual, siendo una variable categórica ordinal, donde 0 es el estado intacto y 18 el de mayor degradación.
Para modelar la hemerobia se tomaron en cuenta variables relacionadas a la integridad ecológica. Se incluyeron las zonas de vida de Holdridge y la elevación, con el fin de considerar la variabilidad natural de las condiciones bioclimáticas que definen los distintos tipos de ecosistemas. La condición de la vegetación se describió mediante datos de fotosíntesis y en una primera versión del modelo, a través de datos obtenidos del INFyS (Inventario Nacional Forestal y de Suelos), que publicaba observaciones obtenidas de muestreo en campo. Sin embargo, esta última fuente ha sido descontinuada, por lo que fue sustituida con datos de radar, los cuales han sido previamente utilizados para modelar vegetación, por ejemplo, para predicción de la altura del dosel. También se consideró el uso de suelo, que identifica distintos tipos relacionados a cierta integridad ecológica, como cultivos y asentamientos urbanos. La fuente de datos de uso de suelo para la primera versión del modelo, fue MAD-Mex, sin embargo, sólo se tienen datos hasta 2018, por lo que se sustituyó por MODIS Land Cover. Por último, se probó agregar al modelo la variable distancia al borde del parche, que representó la fragmentación.
El ráster de cada una de las variables fue transformado a una misma resolución de 250m x 250m.
| Fuente de datos | Definición | Variables | Resolución de origen (m) | Transformación a resolución de 250m | Fuente |
|---|---|---|---|---|---|
| Hemerobia | Grado de transformación que mostró la vegetación primaria respecto a la cobertura terrestre actual | Hemerobia | 250 | - | Uso de suelo y vegetación, INEGI |
| Zona de vida de Holdridge | Agrupa en 28 zonas basándose en precipitación, biotemperatura y la evapotranspiración | Zona de vida de Holdridge | 260 | Interpolación con Nearest Neighbor | Portal de Geoinformación, CONABIO |
| Elevación (DEM) | Altura sobre nivel promedio del mar | Promedio | 30 | Promedio | DEM GLO-30, Copernicus |
| Mínimo | Mínimo | ||||
| Máximo | Máximo | ||||
| Fotosíntesis (Productividad primaria bruta) | Cantidad total de compuestos de carbono producidos por la fotosíntesis | Promedio anual | 500 | Interpolación bilinear | Terra Gross Primary Productivity, NASA LP DAAC |
| DE anual | |||||
| Promedio en estación de lluvias | |||||
| Promedio en estación seca | |||||
| Radar (de apertura sintética en la banda C) | Coeficiente de retrodispersión que depende de la geometría del terreno y sus características electromagnéticas | Promedio anual de banda VH y VV | 40 | Promedio | Sentinel-1, Copernicus Sentinel data |
| DE anual de banda VH y VV | |||||
| Entropía del promedio anual de banda VV y VH | |||||
| Uso de suelo (MODIS Land Cover) | Estimación basada en imágenes satelitales del tipo de uso de suelo, que incluye cultivos, asentamientos urbanos, bosques, etc. | Uso de suelo | 500 | Interpolación con Nearest Neighbor | MODIS Land Cover Type, NASA LP DAAC |
| Distancia al borde | Distancia, en metros, de cada pixel al borde del parche | Distancia al borde | 250 | - | |
| Fuentes descontinuadas | |||||
| Uso de suelo (MAD-Mex) | Estimación basada en Landsat | Proporción de cultivos y pastizales | 30 | Proporción de cada categoría | MAD-Mex, CONABIO |
| Proporción de asentamientos humanos | |||||
| Proporción de suelo desnudo | |||||
| Proporción de matorral | |||||
| Proporción de selva | |||||
| Proporción de bosque | |||||
| INFyS | Inventario Nacional Forestal y de Suelos | Número de árboles y arbustos | Muestreo en malla de 5, 10 y 20 km | Interpolación con XGBoost | INFyS |
| Presencia de daño por insectos en árboles | |||||
| Presencia de árboles muertos | |||||
| Diámetro de tronco (promedio y DE) | |||||
| Diámetro de copa (promedio y DE) | |||||
| Altura total de árbol (promedio y DE) | |||||
| Altura de fuste limpio (promedio y DE) |
DE: Desviación Estándar
Teniendo un proxy de la variable que se quiere predecir y siendo ésta una variable categórica, se puede ajustar un modelo supervisado de tipo clasificación. En este caso, se usó una red bayesiana y XGBoost.
Es un modelo probabilístico gráfico, donde cada nodo corresponde a una variable aleatoria y cada arista representa la dependencia condicional entre las variables que conecta. El modelo tiene 4 capas:
-
Detección de signos: Observaciones obtenidas de sensores remotos.
-
Contextual: Representa las condiciones fisicoquímicas dentro de las cuales, las variables de la capa de detección de signos varían.
-
Latente: Define la condición de la integridad ecológica basándose en los valores de la capa de detección de signos y contextual.
-
Intervención humana: Condiciones provocadas por el ser humano, que podrían afectar la integridad ecológica.
El modelo estima la probabilidad de pertenecer a cada clase de la hemerobia para cada uno de los pixeles. Para estimar un índice de integridad ecológica (IIE), se calculó el promedio de las clases ponderado por la probabilidad de cada una de ellas, obteniendo un valor continuo del 0 al 18. Para obtener un índice del 0 al 1, se dividió entre 18. Y para que el 0 represente el estado con mayor degradación y el 1 el estado intacto, se restó este valor a la unidad. A continuación se muestra un ejemplo:
| pixel | Clase 0 | Clase 1 | ... | Clase 18 | Predicción |
|---|---|---|---|---|---|
| x | 0.1 | 0.1 | 0.7 | 0.2 |
La transformación anterior se realizó con el fin de obtener un valor continuo a partir de un valor categórico. Este método supone que existe el mismo espacio entre categorías de la hemerobia, por ejemplo, pasar del estado 3 al 4, representa la misma degradación que pasar del 14 al 15. De ser esto correcto, sería más adecuado que la conversión se hiciera antes de entrenar el modelo y que éste fuera una regresión, ya que así el modelo tomaría en cuenta el orden de las categorías, lo que no ocurre con un modelo de clasificación. Otro inconveniente de la transformación es la pérdida de interpretabilidad, pues no se sabe qué categoría de la hemerobia se predice para cada pixel, esto a su vez representa un problema al analizar la precisión del modelo, pues la predicción no puede ser directamente comparada con la hemerobia.
Otra manera de asignar los valores del mapa con el modelo de clasificación, es tomar la clase que tiene mayor probabilidad, como en el ejemplo de la siguiente tabla. De esta forma la precisión del modelo puede ser evaluada, comparando la predicción con la verdadera categoría (hemerobia).
| Pixel | Clase 0 | Clase 1 | ... | Clase 18 | Predicción |
|---|---|---|---|---|---|
| x | 0.1 | 0.1 | 0.7 | 18 |
La estructura del grafo de la red bayesiana debe ser definida previamente al entrenamiento. En este caso, se definió de manera conjunta por expertos y por un algoritmo que aprende la estructura a partir de los datos1. En el grafo cada arista representa la dependencia condicional entre las variables que conecta (padre 🡒 hijo), por lo que cada variable es independiente de las variables no hijas dado el valor de sus variables padres, por ejemplo, la variable fotosíntesis es independiente de la variable de radar VH, dado el valor de la hemerobia. Esto podría ser una desventaja, pues el modelo solo aprende de las relaciones que se definieron en el grafo, al contrario de otros modelos que pueden aprender cualquier patrón presente en los datos, como XGBoost.
Es un modelo que combina modelos débiles, es decir modelos con baja precisión, comúnmente árboles de decisión, para que en conjunto se obtenga una predicción mucho más exacta. El entrenamiento es iterativo, agregando en cada paso un nuevo árbol de decisión que predice el error de los árboles anteriores. Al final, se combinan las predicciones de los árboles en una predicción total.
Para entrenar el modelo se tomaron de manera aleatoria el 70% de los datos, el 30% restante se usó para su validación. Con este modelo de clasificación, al igual que con la red bayesiana, se obtiene la probabilidad de que cada pixel pertenezca a cada clase de la hemerobia, se asignó el valor con la de mayor probabilidad.
Los mapas generados con modelos de clasificación presentan un efecto sal y pimienta, derivado de la naturaleza de estos, pues predicen el valor pixel por pixel. La hemerobia no tiene este efecto, ya que la integridad ecológica no suele cambiar de un cuadrante de 250m x 250m a otro, por el contrario, las regiones con una integridad similar suelen ser más extensas, como los son bosques, cultivos, ciudades.
Para eliminar este efecto, se usó el algoritmo SLIC, que crea agrupaciones de pixeles, llamadas superpixeles, con características similares de acuerdo a las variables deseadas. En este caso, se utilizaron las bandas VV y VH del radar Sentinel-1, así como la fotosíntesis anual media y su desviación estándar, ya que estas representan el estado de la vegetación.
En la siguiente tabla se muestra la precisión (proporción de pixeles con la clase de hemerobia correcta) de cada modelo probado.
| Total | Training | Testing | |
|---|---|---|---|
| Red bayesiana* | 20.2% | ||
| Red bayesiana** | 48.0% | ||
| XGBoost*** | 75.1% | 77.2% | 70.2% |
| XGBoost con distancia al borde*** | 75.9% | 77.9% | 71.3% |
| XGBoost-SLIC*** | 70.5% | 73.9% | 62.5% |
| XGBoost-SLIC con distancia al borde*** | 70.8% | 73.8% | 63.7% |
* Usando INFyS en vez de radar y MAD-Mex en vez de MODIS Land Cover
** Usando MAD-Mex en vez de MODIS Land Cover
*** Ignorando fuentes descontinuadas
Nota: Para la red bayesiana con INFyS como variables predictoras, sólo se contaba con los valores convertidos a IIE (0 a 1), por lo que para poder comparar contra la hemerobia, se estimó la clase de cada pixel revirtiendo la fórmula de IIE, obteniendo el promedio ponderado y asignando la clase resultado de redondear este valor.
Observando los mapas, las 3 predicciones son parecidas a la hemerobia, lo cual es congruente con los resultados presentados en la tabla. La integridad ecológica, estimada mediante la red bayesiana con INFyS y calculando el IIE, da un mapa suavizado, no hace diferencia entre ciertas zonas con integridad similar. El modelo XGBoost sí lo hace, sin embargo, presenta un efecto sal y pimienta. Por último, se observa que el modelo que utiliza superpixeles, es el más parecido a la hemerobia.
[!NOTE] Si se quiere conocer los detalles de la implementación, se puede encontrar la documentación en la carpeta de cada modelo
scripts/bn_modelyscripts/xgb_model.