Pasar al contenido principal

Datos y herramientas globales para la pérdida de cobertura forestal local y la evaluación del rendimiento de REDD +: precisión, incertidumbre, complementariedad e impacto

Inglés

Evaluar el desempeño de los esfuerzos para reducir las emisiones de la deforestación y la degradación forestal (REDD +) requiere datos sobre el cambio de la cubierta forestal. Las innovaciones en teledetección y monitoreo forestal brindan niveles cada vez mayores de cobertura, detalles espaciales y temporales y precisión. Más productos globales y algoritmos avanzados de código abierto están disponibles. Aún así, estos conjuntos de datos y herramientas no siempre son consistentes o complementarios, y su idoneidad para las evaluaciones locales de rendimiento de REDD + sigue sin estar clara. Estas evaluaciones deberían, idealmente, estar libres de factores de confusión, pero las estimaciones de rendimiento se ven afectadas por las incertidumbres de los datos de maneras desconocidas. Aquí, analizamos (1) las diferencias de precisión entre los conjuntos de datos del cambio de la cubierta forestal; (2) si y cómo las combinaciones de conjuntos de datos pueden aumentar la precisión; y demostramos (3) el efecto de (no) hacer evaluaciones de precisión para las mediciones de rendimiento de REDD +.

Nuestro estudio cubre cinco iniciativas locales de REDD + en cuatro países de los trópicos. Comparamos las precisiones de un conjunto de datos de cambio de cobertura forestal global fácilmente disponible y un algoritmo de detección de ruptura de código abierto localmente modificable. Aplicamos herramientas de validación de interpretación humana utilizando datos de la serie de tiempo Landsat e imágenes ópticas de alta resolución. A continuación, evaluamos si y cómo combinar diferentes conjuntos de datos puede aumentar la precisión utilizando varias estrategias de combinación. Finalmente, demostramos las consecuencias de usar los conjuntos de datos de entrada para las evaluaciones de desempeño de REDD + con y sin considerar sus precisiones e incertidumbres.

Estimar la cantidad de deforestación usando muestras de validación podría reducir sustancialmente la incertidumbre en las evaluaciones de desempeño de REDD +. Descubrimos que las precisiones de las diversas fuentes de datos difieren a nivel de sitio, aunque en promedio ninguno de los productos de entrada sobresalió consistentemente en precisión. El uso de una combinación de ambos productos como estratificación para la estimación del área y validado con una muestra de datos de alta resolución parece prometedor. En estos productos combinados, las compensaciones esperadas en las precisiones entre las clases de cambio (antes, después, sin cambio) y entre los tipos de precisión (precisión del usuario y del productor) fueron insignificantes, por lo que su uso es ventajoso sobre conjuntos de datos de una sola fuente . Se deben desarrollar más productos de pared a pared calibrados localmente para que sean más útiles y aplicables para los propósitos de REDD +. La dirección y el grado de rendimiento de REDD + permanecieron estadísticamente inciertos, ya que los IC se superponían en la mayoría de los casos para las estimaciones de deforestación antes y después del inicio de las intervenciones de REDD +. Dadas estas incertidumbres e imprecisiones y para aumentar la credibilidad de REDD +, se recomienda (1) ser conservador en la contabilidad de REDD + y (2) no confiar en los resultados de fuentes o herramientas de datos globales disponibles actualmente sin validación basada en muestras si los resultados Los pagos basados ​​en fondos están destinados a realizarse sobre esta base.

International Journal of Applied Earth Observation and Geoinformation 80: 295-311


Autor del documento: Bos, A.B.; de Sy, V.; Duchelle, A.E.; Herold, M.; Martius, C.; Tsendbazar, N-E.
IISBN/ISSN: 0303-2434
Ir al enlace