Autor: Ana Folhadella

MAAP #125: Detectando la Tala Ilegal con Imágenes Satelitales de Muy Alta Resolución

Posted on by Ana Folhadella
Imagen de muy alta resolucion mostrando la tala ilegal en la Amazonia peruana sur. Datos: Maxar. Análisis: MAAP/ACCA.

La tala ilegal en la Amazonía peruana es principalmente de tipo selectiva y  difícil de detectar a través de información satelital.

En este reporte, presentamos el enorme potencial de los satélites de muy alta resolución (<70 cm) para identificar la tala ilegal.

Las entidades que ofrecen este tipo de imágenes son Planet (Skysat), Maxar (DigitalGlobe) y CONIDA (PerúSAT).

Cabe enfatizar que este método puede detectar el delito en tiempo real, cuando la acción preventiva aún es posible.

Esto es importante porque cuando normalmente ocurre una intervención, deteniendo un bote o camión con madera ilegal, el daño está hecho.

A continuación, mostramos un caso concreto de una concesión forestal en la Amazonía peruana sur (región Madre de Dios) que ilustra el uso de imágenes de muy alta resolución para identificar la probable tala ilegal.

Caso Turbina SAC

El Mapa Base a continuación muestra la intensidad de la probable tala ilegal* en la concesión forestal Turbina SAC desde el año 2016 hasta el presente. Específicamente, se muestran los puntos exactos de los hallazgos de la tala selectiva al interior de la concesión, identificados a través de nuestro análisis de imágenes de muy alta-resolución. Nótese que la concesión es colindante con la Concesión para La Conservación Los Amigos, un área importante para la conservación de la biodiversidad desde hace casi 20 años.

Mapa Base. Actividades de tala ilegal en la concesión de Turbina SAC. El tamaño de los puntos es solo referencial. Datos: MAAP/Conservación Amazónica.

Imágenes de Muy Alta-Resolución

A continuación, mostramos una serie de imágenes satelitales de muy alta-resolución, cortesía de las empresas satelitales innovadoras Planet y Maxar.

La siguiente imagen muestra la identificación de probable tala ilegal entre junio del 2019 (panel izquierdo) y agosto del 2020 (panel derecho). El círculo rojo indica la zona exacta de la tala.

La identificación de tala ilegal entre junio del 2019 (panel izquierdo) y agosto del 2020 (panel derecho). Haga click para agrandar. Datos: Maxar, Planet.

La siguiente imagen muestra la identificación de la tala ilegal en marzo del 2020. El círculo rojo indica la zona exacta de la tala.

La identificación de la tala ilegal. Datos: Maxar.

La siguiente imagen muestra la identificación de un campamento maderero.

Imagen satelital de un campamento maderero ilegal. Datos: Maxar.

*Declaración sobre Legalidad

De acuerdo a la revisión de portales del Gobierno peruano, SISFOR y SIGO (OSINFOR) y GEOSERFOR (SERFOR), esta concesión se encontraría vigente pero inactiva. Asimismo, el último Plan Operativo aprobado habría sido anterior al 2009 (POA 06), es decir, la concesión no habría estado autorizada para extraer árboles en los años siguientes. Por su parte, de acuerdo a información remitida por el OSINFOR a través del Informe Informe Nº 00101-2020-OSINFOR/08.3-EE de fecha 15 de setiembre de 2020, el último plan de manejo supervisado fue el POA 06 en el año 2009, siendo que en el 2013 y 2019 solo se supervisaron obligaciones contractuales del contrato de concesión.

Asimismo, con referencia al estado actual de la concesión, en el referido informe de OSINFOR se indica que, si bien la plataforma del GEOSERFOR señala que la concesión se encuentra vigente, el GOREMAD (Servicio de mapas web) indica que el contrato de concesión se encuentra en situación inactiva, su estado es no vigente y presenta caducidad.

Al respecto, con la finalidad de contar con información para contrastar los hallazgos evidenciados y conocer el estado real de la concesión, se solicitó opinión técnica a la autoridad regional forestal y de fauna silvestre correspondiente, sin embargo, a la fecha de publicación de este reporte, no se ha obtenido respuesta.

Sin perjuicio de ello, de la información recopilada al momento, es posible presumir que la tala selectiva evidenciada correspondería a actividades de tala ilegal, pues no habría estado enmarcada dentro de un plan de manejo vigente para realizar aprovechamiento forestal.

Metodología

El análisis comprendió dos etapas principales:

La interpretación visual y digitalización de nuevos registros de tala y campamentos al interior de la concesión forestal, a partir del análisis de imágenes submétricas proporcionadas por la constelación de satélites de observación terrestre pertenecientes a las compañías Planet y Maxar/DigitalGlobe, para el periodo 2019-20. La tala es una actividad selectiva y su identificación precisa requiere de un análisis comparativo de imágenes (antes y después), de tal forma que se pueda identificar los árboles cortados durante el periodo de estudio (2019-20).

La segunda etapa se enfocó en un análisis de la legalidad, donde se superponen los hallazgos de tala y los campamentos previamente identificados con información de las concesiones forestales proporcionada por el portal GeoSERFOR (SERFOR), así como las áreas delimitadas en los planes operativos anuales de las concesiones, verificadas por OSINFOR y distribuidas a través del portal SISFOR (WMS). Se prestó especial cuidado a la delimitación espacio-temporal de dichas áreas de aprovechamiento forestal.

Cita

Novoa S, Villa L, Finer M, D Suarez (2020) Detectando la Tala Ilegal con Imágenes Satelitales de Muy Alta Resolución. MAAP: 125.

Agradecimientos

Agradecemos a A. Felix (Prevenir de USAID), M.E. Gutierrez (ACCA), H Balbuena (ACCA) y G. Palacios por sus útiles comentarios a este reporte.

Este reporte se realizó con el apoyo de USAID, a través del proyecto Prevenir. Prevenir es una iniciativa que durante 5 años trabajará con el Gobierno del Perú, la sociedad civil y el sector privado para prevenir y combatir los delitos ambientales en Loreto, Ucayali y Madre de Dios, con la finalidad de conservar la Amazonía Peruana.

Descargo de responsabilidad: Esta publicación es posible gracias al apoyo del pueblo estadounidense a través de USAID. Su contenido es responsabilidad exclusiva del autor o autores y no refleja necesariamente los puntos de vista de USAID o del Gobierno de los EE. UU.

MAAP: Fuegos en la Amazonía 2020 (Actualizado a Fines de Agosto)

Posted on by Ana Folhadella
Brazilian Amazon Major Fire #584, August 2020. Data: Planet. Analysis: MAAP.

Agosto del 2020 finalizó como un mes de incendios severos en la Amazonía.

Nuestra nueva aplicación de Monitoreo de Fuegos en Tiempo Real ha detectado 621 grandes incendios en la Amazonía brasileña en lo que va del 2020.*

De estos, 88% se dieron en agosto, y todos fueron ilegales, ocurriendo después de las moratorias sobre el uso de fuego en Brasil, establecidas en julio.

En agosto, también identificamos un notable aumento de los “fuegos forestales”, definidos aquí como fuegos en bosques por causas antropogénicas. Estos representan al 12% de los grandes incendios.

La gran mayoría de los grandes incendios (80%) continúan quemando áreas recientemente deforestadas, definidas aquí como áreas donde el bosque fue recientemente deforestado (entre el 2018-20) previamente a ser quemado.

En efecto, 453,000 hectáreas de áreas recientemente deforestadas, ardieron en el 2020. Así, los incendios son en realidad un indicador de la actual deforestación desenfrenada en la Amazonía brasileña.

La aplicación ha detectado un adicional de 52 grandes incendios en la Amazonía boliviana (ver abajo).

Mapa Base

El Mapa Base es una captura de pantalla de la capa “Major Amazon Fires 2020” de la aplicación. La mayoría de los grandes incendios en la Amazonía Brasileña se han dado en los estados de Pará (38%) y Amazonas (33%), seguido de Mato Grosso (14%), Rondônia (13%) y Acre (1%).

Ahora, también notamos un incremento de incendios en la Amazonía Boliviana (ver abajo).

Mapa Base.

Amazonía Boliviana

Hasta la fecha, la aplicación ha detectado un adicional de 52 grandes incendios en la Amazonía boliviana. La mayoría de estos (70%) ocurrieron en ecosistemas de sabana en el departamento de Beni.

A continuación se muestra una serie de imágenes de los incendios en la Amazonía boliviana.

Bolivia Gran Incendio #7, Agosto 8. Datos: Planet.
Bolivia Gran Incendio #29, Agosto 25. Datos: Planet.
Bolivia Gran Incendio #31, Agosto 25. Datos: Planet.

*Notas y Metodología

La aplicación se especializa en filtrar las, tradicionales, miles de alertas de fuego basadas en focos de calor, para priorizar solo a las que queman amplias cantidades de biomasa (definidas aquí como incendio).

En un nuevo enfoque, la aplicación combina datos de la atmósfera (emisiones de aerosol en humo) y el suelo (alertas de calor anómalas) para efectivamente detectar y visualizar los principales incendios de la Amazonía.

Cuando el fuego arde, emite gases y aerosoles. Un nuevo satélite (Sentinel-5P de la Agencia Espacial Europea) detecta esas emisiones de aerosol. Así, la característica principal de la aplicación es detectar las emisiones de aerosol elevadas, las cuales, indican la quema de amplias cantidades de biomasa. Por ejemplo, la aplicación distingue entre los fuegos de parcelas (quema de poca biomasa) e incendios que queman áreas recientemente deforestadas o bosque (y quema de bastante biomasa).

Definimos como incendio principal, a uno que muestra elevados niveles de emisiones de aerosol en la aplicación, indicando así, la quema de altos niveles de biomasa. Típicamente, se traduce a un índice de aerosol de >1 (o verde cian a rojo en la aplicación). Para identificar el origen exacto de las elevadas emisiones, reducimos la intensidad de los datos de aerosol con el fin de ver las subyacentes alertas terrestres basadas en focos de calor. Habitualmente, para incendios, hay un grupo de alertas. Luego, los incendios principales se confirman, y las áreas quemadas se estiman, usando imágenes satelitales de alta resolución de Planet Explorer.

Ver el MAAP #118 para detalles adicionales en cómo usar la aplicación.

En el estado brasileño de Mato Grosso, no se permite el uso de fuegos desde el 1ro de julio del 2020, y en toda la Amazonía brasileña, desde el 15 de julio. Por lo tanto, definimos como “ilegal” a cualquier incendio detectado después de estas fechas.

Un incendio puede ser clasificado como quemando en varias categorías de suelo (por ejemplo, ambas áreas recientemente deforestadas y con fuego forestal circundante), entonces esos porcentajes no igualan 100%

Los datos de Sentinel-5 no estuvieron disponibles el 4, 15, ni 26 de julio.

Agradecimientos

Este análisis lo realizó Conservación Amazónica en colaboración con SERVIR Amazonía.

Cita

Finer M, Vale H, Villa L, A. Ariñez, Nicolau A, Walker K (2020) Fuegos en la Amazonía 2020. MAAP.

MAAP #124: Deforestación 2020 en la Amazonía Peruana

Posted on by Ana Folhadella
Mapa Base. Hotspots de pérdida de bosque del 2020 en la Amazonía peruana. Datos: UMD/GLAD, MAAP, SERNANP.

Ahora estamos en temporada alta de la deforestación en la Amazonía peruana, entonces es fundamental aplicar el monitoreo en tiempo real (especialidad del MAAP).

En el presente reporte, destacamos algunos de los casos más alarmantes en lo que va del año 2020 (hasta el 23 de agosto).

El Mapa Base muestra los hotspots de pérdida de bosque, indicados por los colores amarillo, naranja y rojo.

A continuación, presentamos algunos de los casos más urgentes de deforestación, enfatizando a los causados por la minería aurífera (oro), y agricultura a gran y pequeña escala, que son los principales impulsores (drivers) de la deforestación en el Perú.

Las Letras A-I en el Mapa Base corresponden a la ubicación de los casos descritos abajo.

Incluimos casos de minería aurífera como en el río Pariamanu, que se ha convertido en uno de los focos de la minería ilegal (Letra A en la Amazonía sur).
p
Otro caso es la agricultura a gran escala, donde una colonia de Menonitas continua con una deforestación alarmante (Letra C en la Amazonia central).
j
Los otros casos tratan de la agricultura a pequeña escala, que acumulativamente representa el principal driver de la deforestación en el Perú.

Casos Urgentes de Deforestación 2020

1. Minería Aurífera (Oro)

En el MAAP #121, hemos reportado que, en general, la deforestación minera ha disminuido en la Amazonía peruana sur después de la Operación Mercurio iniciado por el Gobierno Peruano en el 2019, pero sí continúa en algunas zonas críticas. Las imágenes abajo muestran dos de estas zonas críticas (Pariamanu y Araza) con nueva deforestación alarmante durante el 2020.

A. Pariamanu

La siguiente imagen muestra la deforestación minera de 21 hectáreas de bosque primario a lo largo del río Pariamanu, en la región Madre de Dios, entre enero (panel izquierdo) y agosto (panel derecho) del 2020. Cabe enfatizar que la Fiscalía Especializada en Materia Ambiental de Madre de Dios acaba de realizar un operativo contra los mineros ilegales en esta zona.

Caso Pariamanu (minería ilegal). Datos: Planet, MAAP.

B. Araza

La siguiente imagen muestra la deforestación minera de 46 hectáreas a lo largo del río Chaspa en la región Puno, entre enero (panel izquierdo) y agosto (panel derecho) del 2020.

Caso Araza (minería ilegal). Datos: Planet, MAAP.

2. Agricultura a Gran Escala

C. Menonitas de Tierra Blanca

En el MAAP #112, reportamos que los menonitas, un grupo religioso, han causado la deforestación de 1.7 mil hectáreas entre el 2017 y el 2019, abriendo una nueva colonia cerca del centro poblado Tierra Blanca en la región Loreto. La siguiente imagen muestra la deforestación adicional de 332 hectáreas entre enero (panel izquierdo) y agosto (panel derecho) del 2020.

Caso Menonita (Tierra Blanca). Datos: Planet, MAAP.

3. Agricultura a Pequeña Escala

D. Jeberos

En el MAAP #84, reportamos la construcción de una nueva carretera (65 km) atravesando bosque primario en la región Loreto, entre la ciudad de Yurimaguas y la localidad de Jeberos. La siguiente imagen muestra la deforestación agraria a lo largo de la nueva carretera. Se trata de 16 hectáreas entre enero (panel izquierdo) y agosto (panel derecho) del 2020.

Caso Jeberos. Datos: Planet, MAAP.

E. Las Piedras

La siguiente imagen muestra la deforestación de 26 hectáreas de bosque primario en una concesión no maderable (castaña) a lo largo del río Las Piedras en la región Madre de Dios, entre noviembre del 2019 (panel izquierdo) y agosto del 2020 (panel derecho).

Caso Las Piedras. Datos: Planet, MAAP.

F. Bolognesi

La siguiente imagen muestra un ejemplo de la deforestación (235 hectáreas) en una de las zonas con mayor concentración de pérdida de bosque, ubicada en la región Ucayali.

Caso Bolognesi. Datos: Planet, MAAP.

G. Santa Maria de Nieva

La siguiente imagen muestra un ejemplo de la deforestación (140 hectáreas) en otra de las zonas con mayor concentración de pérdida de bosque, ubicada en la región Amazonas.

Caso Santa Maria de Nieva. Datos: Planet, MAAP.

H. Río Mishahua

La siguiente imagen muestra la deforestación (68 hectáreas) a lo largo del río Mishahua, en la región Ucayali. Cabe enfatizar que esta deforestación está cerca (río abajo) de la Reserva Territorial Kugapakori Nahua Nanti. Al norte, en el 2019, documentamos la gran deforestación a lo largo del río Sepahua, donde parece estar retomando actividad en el 2020.

Caso Mishahua. Datos: Planet, MAAP.

I. Al Sur del Parque Nacional Sierra del Divisor

La siguiente imagen muestra un ejemplo de la deforestación (67 hectáreas) en una de las zonas con mayor concentración pérdida de bosque, ubicado al sur del Parque Nacional Sierra del Divisor en la región Ucayali.

Caso Sur de Sierra del Divisor. Datos: Planet, MAAP.

Metodología

Presentamos las alertas tempranas GLAD (Universidad de Maryland) confirmadas. También analizamos las alertas de Geobosques (MINAM).

Para identificar los hotspots de deforestación, realizamos una estimación de densidad Kernel, un análisis que calcula la magnitud por unidad de área de un fenómeno particular, en este caso: la pérdida de bosques.

Realizamos este análisis utilizando la herramienta Kernel Density dentro de la Caja de Herramientas de Analista Espacial del software ArcGIS. Se utilizaron los siguientes parámetros:

Search Radius: 15000 layer units (meters)
Kernel Density Function: Quartic kernel function
Cell Size in the map: 200 x 200 meters (4 hectares)
Everything else was left to the default setting.

Para el Mapa Base, usamos los siguientes porcentajes de concentración: Medio: 7-10%; Alto: 11-20%; Muy Alto: >20%.

Agradecimientos

Agradecemos a S. Novoa y G. Palacios por sus útiles comentarios a este reporte.

Este trabajo se realizó con el financiamiento de Erol Foundation, Norwegian Agency for Development Cooperation (NORAD) y International Conservation Fund of Canada (ICFC).

Cita

Finer M, Mamani N (2020) Deforestación 2020 en la Amazonía Peruana. MAAP: 124.

MAAP #123: Identificando Tala Ilegal en la Amazonía Peruana

Posted on by Ana Folhadella
Imagen 1. Ejemplo de un nuevo camino forestal del 2019, con indicios de ilegalidad. Datos: Planet.

La tala ilegal en la Amazonía peruana es principalmente de tipo selectiva y, en consecuencia, difícil de detectar a través de información satelital.

Sin embargo, sí se puede detectar caminos forestales.

En el presente reporte, mostramos cómo se puede identificar la posible tala ilegal combinando estos datos de caminos forestales con información espacial complementaria.

Por lo tanto, nuestro nuevo método detecta el delito en tiempo real y cuando la acción preventiva aún es posible. Esto es importante porque cuando normalmente ocurre una intervención, deteniendo un bote o camión con madera ilegal, el daño está hecho.

Este análisis tiene dos partes. Primero, identificamos los nuevos caminos forestales construidos en la Amazonía peruana en el 2019, actualizando nuestro trabajo previo del 2015-18 (ver Mapa Base).

Segundo, evaluamos los principales patrones de caminos forestales a partir de la comparación con la información espacial complementaria*, con el fin de identificar la posible ilegalidad.

Cabe enfatizar que esta información es del 2019, pero estamos aplicando esta técnica en tiempo real durante el 2020.

Mapa Base. Caminos forestales del 2019 en relación con los años anteriores. Datos: MAAP. Click para agrandar.

Caminos Forestales 2019

El Mapa Base ilustra la ubicación de los caminos forestales construidos en la Amazonía peruana durante los últimos 5 años.

Anteriormente (MAAP #99), hemos documentado la construcción de 3.3 mil kilómetros lineales de caminos forestales entre el 2015 y el 2018.

Ahora, documentamos la construcción de un adicional de 1.5 mil kilómetros lineales en el 2019 (ver color rojo).

Note que los caminos forestales están concentrados principalmente en las regiones Ucayali, Madre de Dios y Loreto.

A continuación, mostramos tres tipos de posible ilegalidad que detectamos en el 2019:

  • Caminos Forestales en Zonas sin Títulos Habilitantes (Casos 1-2).
    .
  • Caminos Forestales en Concesiones Forestales Vigentes, pero en situación No Activa/No Definida (Casos 3-5).
    .
  • Caminos Forestales en Comunidades Nativas (Caso 6).

Casos de Posible Ilegalidad

Caminos Forestales en Zonas sin Títulos Habilitantes

Caso 1. Detectamos la apertura de una red de caminos forestales de 55 km lineales en una zona sin concesiones o permisos forestales, entre los límites de las regiones Loreto y San Martín. La imagen muestra el camino forestal digitalizado (color rojo, en el panel izquierdo), y sin digitalizar (panel derecho). Las flechas proporcionan puntos de referencia entre los paneles.

Caso 1. Datos: MAAP, Planet. Click para agrandar.

Caso 2. Detectamos la construcción de una red de caminos forestales de 5.8 km lineales en la zona de amortiguamiento de la Reserva Comunal Asháninka, llegando a solo 300 metros del área protegida. La imagen muestra el camino forestal digitalizado (color rojo, en el panel izquierdo), y sin digitalizar (panel derecho). Las flechas proporcionan puntos de referencia entre los paneles.

Caso 2. Datos: MAAP, Planet, IBC, SERNANP. Click para agrandar.

 

Caminos Forestales en Concesiones Forestales Vigentes, pero en situación No Activa/No Definida

Caso 3. Detectamos la construcción de un camino forestal de 45.3 km lineales que atraviesa una comunidad nativa y llega a una concesión forestal cuya situación está como No Definida, en la región Loreto justo al norte de la Reserva Nacional Pacaya Samiria. La imagen muestra el camino forestal digitalizado (color rojo, en el panel izquierdo), y sin digitalizar (panel derecho). Las flechas proporcionan puntos de referencia entre los paneles.

Caso 3. Datos: MAAP, ESA, IBC, SERFOR. Click para agrandar.

 

Caso 4. Detectamos la construcción de una red de 53.2 km lineales de caminos forestales en esta zona, de los cuales 21.4 km atraviesan una concesión forestal cuya situación es No Activa, cerca de la localidad de Sepahua en la región Ucayali. La imagen muestra el camino forestal digitalizado (color rojo, en el panel izquierdo), y sin digitalizar (panel derecho). Las flechas proporcionan puntos de referencia entre los paneles.

 

Caso 4. Datos: MAAP, Planet, IBC, SERFOR. Click para agrandar.

Caso 5. Detectamos la construcción de 17.7 km lineales en una concesión forestal maderable cuya situación actual está como No Activa, en la región Madre de Dios. La imagen muestra el camino forestal digitalizado (color rojo, en el panel izquierdo), y sin digitalizar (panel derecho). Las flechas proporcionan puntos de referencia entre los paneles.

Caso 5. Datos: MAAP, ESA, IBC, SERFOR. Click para agrandar.

Caminos Forestales en Comunidades Nativas

Caso 6. Detectamos la construcción de un camino forestal de 23.4 km lineales al interior de una Comunidad Nativa en la región Ucayali. Sin embargo, se advirtió que sobre el área de dicha comunidad no existiría ningún permiso forestal vigente. La imagen muestra el camino forestal digitalizado (color rojo, en el panel izquierdo), y sin digitalizar (panel derecho). Las flechas proporcionan puntos de referencia entre los paneles.

Caso 6. Datos: MAAP, Planet, SERNANP, IBC, SERFOR. Click para agrandar.

 

Notas

* Información accesible a través de las plataformas tecnológicas de las autoridades nacionales y regionales, como SISFOR (OSINFOR), GEOSERFOR (SERFOR) y los IDERs (Infraestructura de Datos Espaciales Regionales). Estos recursos nos brindan una primera comprensión sobre los indicios de ilegalidad de la actividad forestal documentada. Sin embargo, pueden tener limitaciones debido a la desactualización del contenido, específicamente la información sobre elestado de las concesiones y los permisos forestales (títulos habilitantes) otorgados por los gobiernos regionales.

Es posible presumir que el camino forestal es legal, si luego del análisis multitemporal correspondiente, se verifica que fue construido sobre una concesión o permiso forestal en estado “Vigente” y en situación “Activa”. En dicho momento, se infiere que su construcción se dio en el marco de actividades de aprovechamiento forestal según los títulos habilitantes vigentes. Ergo, el hecho de que el camino aparezca cuando el título habilitante figura en estado “Vigente” pero en situación “No Activa” o “No Definida,” nos brinda mayores indicios de que podría estar vinculado a actividades de tala ilegal.

Metodología

El análisis incluyó dos etapas principales.

La primera etapa consistió en evaluar los patrones lineales de pérdida de bosque y alertas tempranas del 2019, de los portales Global Forest Watch (datos de Universidad de Maryland) y de Geobosques (datos del Ministerio de Ambiente). Distinguimos entre caminos forestales y otros tipos caminos y carreteras. Los caminos forestales, son infraestructuras de patrones lineales, que se bifurcan al interior del bosque donde se encuentra la madera comercial. Generalmente se encuentran en áreas de bosques de producción permanente, comunidades indígenas y tierras de libre disponibilidad del estado. A diferencia de los caminos vecinales, estos generalmente no conectan localidades ni centros poblados. Una vez que los caminos forestales son identificados, se procede a descargar imágenes de alta-resolución (3 metros) de la empresa Planet para digitalizarlos. Durante este proceso, los caminos adicionales son detectados en las imágenes de alta resolución y también son digitalizados.

La segunda etapa se enfocó en un análisis de la legalidad, donde se superponen los nuevos caminos forestales con otras fuentes de información sobre el uso de tierra, como como las concesiones forestales del portal GeoSERFOR (SERFOR), permisos y concesiones verificadas del portal SISFOR (OSINFOR), comunidades indígenas (IBC 2019), áreas naturales protegidas  (SERNANP), centros poblados  (INEI 2019), y red vial (MTC 2018). Por ejemplo, como se muestra arriba, este proceso puede identificar caminos forestales cerca de áreas protegidas, al interior de comunidades indígenas, y al interior de concesiones forestales no activas.

Anex0 – Datos por región

REGION, Caminos Forestales (Km)

LORETO, 231.2
MADRE DE DIOS, 477.8
UCAYALI, 720.0
HUANUCO, 45.5
JUNÍN, 19.8
PASCO, 15.1
SAN MARTIN, 2.4

TOTAL, 1511.7

Referencias

Planet Team (2017). Planet Application Program Interface: In Space for Life on Earth. San Francisco, CA. https://api.planet.com

Agradecimientos

Agradecemos a R. Valle (OSINFOR), A. Felix (DAI), M.E. Gutierrez (ACCA), D. Suarez (ACCA), E. Ortiz (AAF), G. Palacios por sus útiles comentarios a este reporte.

Este reporte se realizó con el apoyo técnico de USAID, a través del proyecto Prevenir. Prevenir es una iniciativa que durante 5 años trabajará con el Gobierno del Perú, la sociedad civil y el sector privado para prevenir y combatir los delitos ambientales en Loreto, Ucayali y Madre de Dios, con la finalidad de conservar la Amazonía Peruana.

Descargo de responsabilidad: Esta publicación es posible gracias al apoyo del pueblo estadounidense a través de USAID. Su contenido es responsabilidad exclusiva del autor o autores y no refleja necesariamente los puntos de vista de USAID o del Gobierno de los EE. UU.

Cita

Finer M, Paz L, Novoa S, Villa L (2020) Identificando Tala Ilegal en la Amazonía Peruana. MAAP: 123.

MAAP #122: Deforestación en la Amazonía 2019

Posted on by Ana Folhadella
Tabla 1. Amazonía 2019. Pérdida de bosque primario del 2019 (red) comparada con el 2018 (anaranjado). Datos: Hansen/UMD/Google/USGS/NASA, MAAP.

Los recientes datos publicados para el 2019 revelan la deforestación de más 1.7 millones de hectáreas de bosque primario amazónico en nuestra área de estudio que abarca 5 países (Bolivia, Brasil, Colombia, Ecuador y Perú).*

La tabla 1 muestra la deforestación del 2019 (rojo) en relación con el 2018 (anaranjado).

La pérdida de bosque primario en la Amazonía brasileña (1,29 millones de hectáreas) fue más de 3,5 veces mayor que los otros cuatro países combinados, con un ligero aumento en el 2019 en relación con el año anterior. Muchas de estas áreas fueron deforestadas en la primera mitad del año y luego se quemaron en agosto, captando la atención global.

La pérdida de bosque primario se elevó considerablemente en la Amazonía boliviana (222,834 hectares), en gran medida por los incendios descontrolados en el bosque seco del sur de la Amazonía (ver abajo).

La pérdida de bosque primario aumentó ligeramente en la Amazonía peruana (161,625 hectares) a pesar de las efectivas medidas contra la minería aurífera ilegal, indicando a la agricultura de pequeña escala (y la ganadería) como los drivers principales.

En el lado positivo, la pérdida del bosque primario disminuyó en la Amazonía colombiana (91,400 hectares), tras un auge que se dio después del acuerdo de paz del 2016 (entre el Gobierno y las FARC). Cabe resaltar que hemos documentado la deforestación de 444,000 hectáreas de bosque primario en la Amazonía colombiana en los últimos cuatro años desde el acuerdo de paz (ver anexo).

*Dos puntos importantes sobre los datos: (1) usamos los datos de pérdida de bosque anual de la universidad de Maryland para tener una fuente consistente en los 5 países: y (2) aplicamos un filtro para solo incluir la pérdida de bosque primario (ver Metodología).

Mapa de Hotspots de Deforestación del 2019

El Mapa Base a continuación muestra los principales hotspots de deforestación en la Amazonía.

Mapa Base. Hotspots de Deforestación del 2019 en la Amazonía. Datos: Hansen/UMD/Google/USGS/NASA, MAAP.

Muchos de los principales hotspots se encuentran en Brasil. A inicios de año, en marzo, hubo incendios descontrolados en el norte, en el estado de Roraima. Mientras que hacia el sur, a lo largo de la carretera Transamazónica, gran parte de la deforestación ocurrió en la primera mitad del año, seguido de destacados incendios que iniciaron a fines de julio. Note que muchos de estos incendios ardieron en áreas recientemente deforestadas, y no se trató de incendios forestales descontrolados (MAAP #113).

La Amazonía brasileña también experimentó un aumento en la deforestación por la minería aurífera en territorios indígenas (MAAP #116).

Bolivia también tuvo una intensa temporada de incendios en el 2019. A diferencia de Brasil, muchos fueron incendios descontrolados, especialmente en los pastizales del Beni y en el bosque seco Chiquitano en el sur de la Amazonía boliviana (MAAP #108).

En Perú, a pesar de que la deforestación por minería aurífera disminuyó (MAAP #121), la agricultura a pequeña escala (incluso por ganadería) continúa siendo un driver principal en la Amazonía centro (MAAP #112) y un driver emergente en la Amazonía sur.

En Colombia hay un “arco de deforestación” al noroeste de la Amazonía. Este arco incluye cuatro áreas protegidas (los Parques Nacionales Tinigua, Chiribiquete y Sierra de La Macarena, y la Reserva Comunal Nukak) y dos Reservas Indígenas (Resguardos Indígenas Nukak-Maku y Llanos del Yari-Yaguara II) que están atravesando por una considerable deforestación (MAAP #120). El principal motor (driver) de la deforestación en la región es la conversión a pastos para el acaparamiento de tierras y la ganadería.

Anexo: Tendencia de pérdida de bosque primario en la Amazonía colombiana

Anexo 1. Pérdida de bosque primario en la Amazonía colombiana, 2015-20. Datos: Hansen/UMD/Google/USGS/NASA, UMD/GLAD. *Hasta mayo 2020

Metodología

The baseline forest loss data presented in this report were generated by the Global Land Analysis and Discovery (GLAD) laboratory at the University of Maryland (Hansen et al 2013) and presented by Global Forest Watch. Our study area is strictly what is highlighted in the Base Map.

For our estimate of primary forest loss, we used the annual “forest cover loss” data with density >30% of the “tree cover” from the year 2001. Then we intersected the forest cover loss data with the additional dataset “primary humid tropical forests” as of 2001 (Turubanova et al 2018). For more details on this part of the methodology, see the Technical Blog from Global Forest Watch (Goldman and Weisse 2019).

For boundaries, we used the biogeographical limit (as defined by RAISG) for all countries except Bolivia, where we used the Amazon watershed limit (see Base Map).

All data were processed under the geographical coordinate system WGS 1984. To calculate the areas in metric units, the projection was: Peru and Ecuador UTM 18 South, Bolivia UTM 20 South, Colombia MAGNA-Bogotá, and Brazil Eckert IV.

Lastly, to identify the deforestation hotspots, we conducted a kernel density estimate. This type of analysis calculates the magnitude per unit area of a particular phenomenon, in this case forest cover loss. We conducted this analysis using the Kernel Density tool from Spatial Analyst Tool Box of ArcGIS. We used the following parameters:

Search Radius: 15000 layer units (meters)
Kernel Density Function: Quartic kernel function
Cell Size in the map: 200 x 200 meters (4 hectares)
Everything else was left to the default setting.

For the Base Map, we used the following concentration percentages: Medium: 7%-10%; High: 11%-20%; Very High: >20%.

Referencias

Goldman L, Weisse M (2019) Explicación de la Actualización de Datos de 2018 de Global Forest Watch. https://blog.globalforestwatch.org/data-and-research/blog-tecnico-explicacion-de-la-actualizacion-de-datos-de-2018-de-global-forest-watch

Hansen, M. C., P. V. Potapov, R. Moore, M. Hancher, S. A. Turubanova, A. Tyukavina, D. Thau, S. V. Stehman, S. J. Goetz, T. R. Loveland, A. Kommareddy, A. Egorov, L. Chini, C. O. Justice, and J. R. G. Townshend. 2013. “High-Resolution Global Maps of 21st-Century Forest Cover Change.” Science 342 (15 November): 850–53. Data available on-line from: http://earthenginepartners.appspot.com/science-2013-global-forest.

Turubanova S., Potapov P., Tyukavina, A., and Hansen M. (2018) Ongoing primary forest loss in Brazil, Democratic Republic of the Congo, and Indonesia. Environmental Research Letters  https://doi.org/10.1088/1748-9326/aacd1c 

Agradecimientos

Agradecemos a G. Palacios por sus útiles comentarios a este reporte.

Este trabajo se realizó con el financiamiento de:  Norwegian Agency for Development Cooperation (NORAD), International Conservation Fund of Canada (ICFC), NASA/USAID (SERVIR), Fundación MacArthur, Metabolic Studio, and Global Forest Watch Small Grants Fund (WRI).

Cita

Finer M, Mamani N (2020) Deforestación en la Amazonía 2019. MAAP: 122.

MAAP #121: Reducción de Minería Ilegal en la Amazonía Peruana Sur

Posted on by Ana Folhadella
Mapa Base. Deforestación por minería aurífera ilegal en las zonas de amortiguamiento de la Amazonía peruana sur, 2017- 2019. Click para agrandar imagen.

Gracias al apoyo de USAID, a través de su proyecto Prevenir, dedicado a la prevención y combate de delitos ambientales en la Amazonía, realizamos un análisis de la deforestación por minería aurífera ilegal en la Amazonía peruana sur.

Esto, con el fin de comprender las tendencias desde principios del 2017 hasta finales de mayo del 2020 (lo que incluye los dos primeros meses de la cuarentena obligatoria dictada por el gobierno peruano a partir del 16 de marzo de 2020 durante la pandemia del coronavirus).

Nuestro ámbito se centra en las zonas de amortiguamiento de dos áreas naturales protegidas en la región Madre de Dios: la Reserva Nacional Tambopata y el Parque Nacional Bahuaja Sonene (ver Mapa Base).*

Note que este ámbito incluye La Pampa, la zona con la mayor intensidad de minería ilegal en todo el país. El Gobierno peruano lanzó la Operación Mercurio en febrero del 2019 para enfrentar dicha ilegalidad.

El Mapa Base muestra que la deforestación minera en La Pampa disminuyó a más de 90% después de la Operación Mercurio.

Sin embargo, la minería ilegal sí continúa después de la Operación Mercurio, incluso durante el estado de emergencia debido al coronavirus, pero a tasas más bajas.

En el Mapa Base, las flechas rojas indican las áreas con la actividad ilegal más reciente (haga click en el Mapa Base para agrandar). Siga abajo para más detalles.

Resultados Principales

Cuadro 1. Deforestación por minería aurífera ilegal antes (amarillo) y después (rojo) la Operación Mercurio en las zonas de amortiguamiento de Madre de Dios. Datos: MAAP.

El Mapa Base y el Cuadro 1 ilustran los siguientes resultados clave:

  • En la zona de La Pampa, documentamos la deforestación minera de 173 hectáreas por mes, antes de la Operación Mercurio (enero 2017 – febrero 2019). Después de la intervención, dicha deforestación se redujo a 14 hectáreas por mes (marzo 2019 -mayo 2020), una disminución de 92%.
    .
  • Río arriba, en la zona del Alto Malinowski, documentamos la deforestación minera de 61 hectáreas por mes, antes de la Operación Mercurio. Después de la intervención, dicha deforestación se redujo a 28 hectáreas por mes, una disminución de 53%.
    .
  • Río abajo, en la zona del Apaylon, documentamos la deforestación minera de 2.9 hectáreas por mes, antes de la Operación Mercurio. Después de la intervención, dicha deforestación aumentó a 4 hectáreas por mes, un incremento de 41%. Es la única área en la zona de amortiguamiento donde la deforestación ha aumentado.
    .
  • Al interior de la Reserva Nacional Tambopata, documentamos la deforestación minera de 6.5 hectáreas por mes, antes de la Operación Mercurio. Después de la intervención, dicha deforestación se redujo a 0.5 hectáreas por mes, una disminución de 93%.
    .
  • En general, sí la actividad ilegal continúa en las zonas de amortiguamiento de Madre de Dios, pero a tasas más bajas de los dos años anteriores. Hemos documentado la deforestación minera de 797 hectáreas después Operación Mercurio.
    .
  • En cuanto a la especulación de que la actividad ilegal aumentaría durante el estado de emergencia por la pandemia del coronavirus (a partir de mediados de marzo), en los dos primeros meses de la cuarentena no hemos documentado un gran aumento en la tasa de deforestación minera en las zonas de amortiguamiento de Madre de Dios.* Sin embargo, la actividad ilegal sí continúa, con la deforestación minera de 80 hectáreas durante la cuarentena.

Disminución del 90% en La Pampa

Las siguientes imágenes muestran la disminución significativa de la deforestación minera en La Pampa después de la Operación Mercurio. La Imagen 1 muestra la rápida deforestación minera antes de la Operación Mercurio, entre enero del 2017 (panel izquierdo) y febrero del 2019 (panel derecho). La Imagen 2 muestra cómo la deforestación minera disminuyó después de la Operación Mercurio, entre febrero del 2019 (panel izquierdo) y mayo del 2020 (panel derecho). El punto rojo representa un punto de referencia entre las imágenes.

Imagen 1. La rápida deforestación minera en La Pampa antes de la Operación Mercurio, entre enero del 2017 (panel izquierdo) y febrero del 2019 (panel derecho). Datos: Planet.
Imagen 2. La deforestación minera disminuyó en La Pampa después de la Operación Mercurio, entre febrero del 2019 (panel izquierdo) y mayo del 2020 (panel derecho). Datos: Planet.

¿Mineros desplazados?

Cuadro 2. Deforestación por minería aurífera ilegal antes (amarillo) y después (rojo) la Operación Mercurio en dos otras zonas amenazadas. Datos: MAAP.

También se ha especulado en varios medios de comunicación que el enfoque de la Operación Mercurio en La Pampa conduciría a que los mineros ilegales se desplacen a otras zonas.* El Mapa Base 2 muestra dos de las áreas más amenazadas: Camanti y Pariamanu.

Estos son los resultados principales para estas dos áreas:

  • En Camanti (ubicado en la zona de amortiguamiento de la Reserva Comunal Amarakaeri), documentamos la deforestación minera de 13.3 hectáreas por mes, antes de la Operación Mercurio. Después de la intervención, dicha deforestación se redujo a 6.1 hectáreas por mes, una disminución de 54%.
    .
  • Mientras que en Pariamanu, documentamos 2.5 hectáreas de deforestación minera por mes, antes de la Operación Mercurio. No obstante, después de la intervención, se incrementó a 4.2 hectáreas por mes, un incremento de 70%.
    .
  • En resumen, la actividad ilegal sí continúa en estos dos áreas fuera de La Pampa. Hemos documentado la deforestación minera de 175 hectáreas en estas dos zonas después de la Operación Mercurio (incluso 22 hectáreas durante los dos primeros meses de la cuarentena obligatoria). Hay evidencia de que los mineros están siendo desplazados a Pariamanu, pero no ha habido un aumento en Camanti.
Mapa Base 2. Principales zonas mineras en el sur de la Amazonía peruana. Click para agrandar imagen.

Declaración del Servicio Nacional de Áreas Naturales Protegidas (SERNANP)

El Servicio Nacional de Áreas Naturales Protegidas por el Estado (SERNANP) nos ha comunicado lo siguiente:

  • La actividad de control y vigilancia en la Reserva Nacional Tambopata es permanente y las autoridades (SERNANP, Policía Nacional del Perú, Fiscalías Especializadas en Materia Ambiental, y Marina de Guerra del Perú) continúan interviniendo a todas las actividades de minería ilegal, manteniendo el 100%.
  • Las zonas de amortiguamiento son espacios que están sujetos a la intervención de las autoridades de la Operación Mercurio (no del SERNANP). Se han realizado intervenciones continuas e interdicciones tanto en  las zonas indicadas en el reporte, como en Apaylon y Camanti.
    ,
  • Cabe mencionar que la Operación Mercurio, durante el 2019 y sobre todo en el 2020 (Incluyendo el período de cuarentena) ha ampliado sus operativos mas allá de la Pampa, lo cual explica porque en Camanti las cifras también se ha reducido.  En el segundo semestre de 2020 y en el 2021, se espera que los operativos es amplíen a otras zonas de Madre de Dios.

*Notas

Agradecimientos

Agradecemos a R. Segura, M. Castro, M. Arenas, E. Ortiz, M. Silman, M. E. Gutierrez, S. Novoa, H. Balbuena, M. Allemant, G. Palacios por sus útiles comentarios a este reporte.

Este reporte se realizó con el apoyo técnico de USAID, a través del proyecto Prevenir. Prevenir es es una iniciativa que durante 5 años trabajará con el Gobierno del Perú, la sociedad civil y el sector privado para prevenir y combatir los delitos ambientales en Loreto, Ucayali y Madre de Dios, con la finalidad de conservar la Amazonía Peruana.

Descargo de responsabilidad: Esta publicación es posible gracias al apoyo del pueblo estadounidense a través de USAID. Su contenido es responsabilidad exclusiva del autor o autores y no refleja necesariamente los puntos de vista de USAID o del gobierno de los EE. UU.

Cita

Finer M, Mamani N (2020) Reducción de Minería Ilegal en la Amazonía Peruana Sur. MAAP: 121.

MAAP #120: Deforestación en la Amazonía Colombiana – 2020

Posted on by Ana Folhadella
Cuadro 1. Deforestación de bosque primario en la Amazonía colombiana, 2015-20. Datos: Hansen/UMD/Google/USGS/NASA, UMD/GLAD. *Hasta junio del 2020.

En el presente reporte, presentamos un primer vistazo del 2020 a la deforestación de bosque primario en la Amazonía colombiana, en relación con los nuevos datos anuales del 2019.*

Los datos confirman que la deforestación disminuyó en el 2019 (91.4 mil hectáreas) después de un pico en el 2018 (153.9 mil hectáreas).

El Cuadro 1 muestra la tendencia reciente: un gran incremento después del acuerdo de paz del 2016 (entre el Gobierno colombiano y las FARC) con un pico en el 2018, seguido de una disminución en el 2019.

En nuestro primer vistazo al 2020, estimamos la deforestación de 76.2 mil hectáreas hasta junio.

Note que hemos documentado la deforestación de 444 mil hectáreas de bosque primario en la Amazonía colombiana en los últimos cuatro años desde el acuerdo de paz.

*Global Forest Watch acaba de publicar los datos anuales de pérdida de bosques para el 2019.

Hotspots de Deforestación – 2020

Mapa Base. Hotspots de deforestación en la Amazonía colombiana. Datos: UMD/GLAD, RUNAP, RAISG.

El Mapa Base muestra los hotspots de deforestación en el 2020.

Como en años anteriores, están concentrados en un «arco de deforestación» al noroeste de la Amazonía colombiana.

Este arco incluye cuatro áreas protegidas (los Parques Nacionales Tinigua, Serranía de Chiribiquete y Sierra de la Macarena, y la Reserva Nacional Nukak) que perdieron 7.7 mil hectáreas de bosque primario en lo que va del 2020 (ver el Cuadro 2).

El Parque Nacional Tinigua es el área protegida más impactada con una deforestación de 5.1 mil hectáreas. Note la rara ocurrencia de un gran hotspot de deforestación, en medio del parque nacional.

El Parque Nacional Chiribiquete perdió 510 hectáreas en las zonas de la nueva expansión del parque.

El arco de deforestación también incluye dos Resguardos Indígenas (Nukak-Maku y Llanos del Yari-Yaguara II) que perdieron 4 mil hectáreas de bosque primario en lo que va del 2020.

Para ver un mapa detallado de la deforestación en la Amazonía Colombiana 2019-20, haga click aquí.

Deforestación en Áreas Protegidas – 2020

A continuación, mostramos ejemplos de la deforestación en las áreas protegidas de la Amazonía colombiana durante el 2020.

La Imagen 1  ilustra la deforestación extensiva al interior del Parque Nacional Tinigua en los últimos cinco años persistiendo en el 2020.

La Imagen 2 muestra un ejemplo de la deforestación al interior del Parque Nacional Serranía de Chiribiquete (sector oeste), entre enero (panel izquierdo) y abril (panel derecho) del 2020.

La Imagen 3 muestra un ejemplo de la deforestación al interior del Resguardo Indígena Llanos del Yari-Yaguara II entre, enero (panel izquierdo) y abril (panel derecho) del 2020.

Imagen 1. La deforestación extensiva al interior del Parque Nacional Tinigua. Datos: Hansen/UMD/Google/USGS/NASA, UMD/GLAD.
Imagen 2. Deforestación al interior del Parque Nacional Serranía de Chiribiquete (sector oeste). Datos: ESA, Planet, MAAP.
Imagen 3. Deforestación al interior del Resguardo Indígena Llanos del Yari-Yaguara II. Datos: ESA, Planet, MAAP.

Deforestación en Áreas Protegidas, 2015-20

El Cuadro 2 muestra la pérdida de bosque primario en cuatro áreas protegidas ubicadas en el arco de deforestación de la Amazonía colombiana, entre el 2015 y 2020.

Cuadro 2. Pérdida de bosque primario en las áreas protegidas de la Amazonía colombiana, 2015-20. *Hasta junio del 2020. Datos: Hansen/UMD/Google/USGS/NASA, UMD/GLAD.

Metodología

Utilizamos los datos generados por el laboratorio GLAD de la Universidad de Maryland, disponibles en el sitio web de Global Forest Watch. Los datos de los años 2015-18 son de pérdida anual. Los datos de los años 2019-20 son una estimación basada en alertas tempranas. Cabe mencionar que algunos datos registrados a principios del año pueden ser consecuencia de la deforestación a fines del año anterior.

Las zonas analizadas se encuentran estrictamente dentro del límite Amazónico biogeográfico en el área resaltada en el Mapa Base.

Las cifras estimadas como pérdida de bosque son el resultado de la multiplicación del área de los datos anuales de “pérdida de cobertura forestal” (forest cover loss) por el porcentaje de densidad de “cobertura arbórea” (tree cover) del año 2000 (valores > 30%). La incorporación de los datos de cobertura arbórea 2000 permite mirar el área precisa de cada píxel, mejorando los resultados y haciéndolos más precisos.

Para estimar las cifras de la pérdida de bosque primario (Turubanova et al 2018), se intersectó los datos de “bosque primario húmedo tropical” (primary humid tropical forests) del año 2001 con los datos de “pérdida de cobertura forestal” (forest cover loss).

Todos los datos fueron procesados bajo el sistema de coordenadas geográfico Dátum WGS 1984. Para calcular las áreas en unidades métricas se utilizó la proyección MAGNA-Bogota.

Para identificar los hotspots de deforestación realizamos una estimación de densidad kernel, un análisis que calcula la magnitud por unidad de área de un fenómeno particular, en este caso la pérdida de cobertura forestal. Se utilizó la herramienta Densidad Kernel del software ArcGis y se consideró los siguientes parámetros:

Radio de búsqueda: 15000 unidades de estrato (metros).
Función de Densidad de Kernel: kernel de cuarto grado.
Tamaño de celda en el mapa: 200 x 200 metros (4 hectáreas).
Todo lo demás lo dejamos en la configuración predeterminada.

Para el Mapa Base, usamos los siguientes porcentajes de concentración: Medio: 10%-25%; Alto: 25%-50%; Muy Alto: >50%.

Agradecimientos

Agradecemos a R. Botero (FCDS), E. Ortiz (AAF), y G. Palacios por sus útiles comentarios a este reporte.

Este trabajo se realizó con el financiamiento de:  Norwegian Agency for Development Cooperation (NORAD), International Conservation Fund of Canada (ICFC), NASA/USAID (SERVIR), Fundación MacArthur, Metabolic Studio, y Global Forest Watch Small Grants Fund (WRI).

Cita

Finer M, Mamani N (2020) Deforestación en la Amazonía Colombiana – 2020. MAAP #120.

MAAP #119: Pronosticando los Fuegos del 2020 en la Amazonía Brasileña

Posted on by Ana Folhadella
Incendios de 2019 ardiendo en áreas recientemente deforestadas de la Amazonía brasileña, no incendios forestales descontrolados. Datos: Planet; Analysis: MAAP.

El año pasado, los incendios de la Amazonía brasileña encabezaron los titulares internacionales.

Al analizar un archivo de imágenes satelitales (de Planet Explorer), descubrimos que muchos de los incendios estaban quemando áreas recientemente deforestadas y que no se trataba de incendios forestales descontrolados (MAAP #113).

Por ejemplo, documentamos que extensos incendios que cubrieron 298,000 hectáreas quemaron áreas que fueron deforestadas ese mismo año (2019).

De este modo, podemos pronosticar dónde es probable que se den los incendios del 2020, basándonos en identificar las áreas más recientemente deforestadas de este año.

A continuación, ilustramos este proceso.

Pronosticando los incendios del 2020

En el Mapa Base, los puntos amarillos indican los nuevos eventos de deforestación más extensos, y dónde pronosticamos la probable ubicación de los incendios del 2020. Vea a continuación ejemplos de imágenes satelitales (letras A-G.)

Mapa Base. Datos: Grandes eventos de deforestación 2020 (puntos amarillos) como predictores de eventos de incendios 2020. Data: Hansen/UMD/Google/USGS/NASA, UMD/GLAD, RAISG, MAAP. Click to Enlarge.

Ejemplos de los Principales Eventos de Deforestación del 2020

A continuación, una serie de imágenes mostrando los principales eventos de deforestación del 2020 que identificamos como áreas potenciales para incendios (ea las letras A-G en el Mapa Base arriba para el contexto). Las flechas rojas apuntan a los principales eventos de deforestación.

Zoom A (Mato Grosso)

El Zoom A muestra la deforestación de 775 hectáreas entre enero (panel izquierdo) y mayo de 2020 (panel derecho), en el estado de Mato Grosso.

Zoom A. Click para agrandar.

Zoom B (Mato Grosso)

El Zoom B muestra la deforestación de 205 hectáreas entre enero (panel izquierdo) y mayo de 2020 (panel derecho), en el estado de Mato Grosso.

Zoom B. Click para agrandar.

Zoom C (Mato Grosso)

El Zoom C muestra la deforestación de 395 hectáreas entre enero (panel izquierdo) y mayo de 2020 (panel derecho), en el estado de Mato Grosso.

Zoom C. Click para agrandar.

Zoom D (Mato Grosso)

El Zoom D muestra la deforestación de 300 hectáreas entre enero (panel izquierdo) y mayo de 2020 (panel derecho), en el estado de Mato Grosso.

Zoom D. Click para agrandar.

Zoom E (Rondônia)

El Zoom E muestra la deforestación de 840 hectáreas entre enero (panel izquierdo) y abril de 2020 (panel derecho), en el estado de Rondônia.

Zoom E. Click para agrandar.

Zoom F (Amazonas)

Zoom F muestra la gran deforestación de 2.4 mil hectáreas entre enero (panel izquierdo) y mayo de 2020 (panel derecho), en el estado de Amazonas.

Zoom F. Click para agrandar.

Zoom G (Pará)

El Zoom G muestra la gran deforestación de 6 mil hectáreas entre enero (panel izquierdo) y mayo de 2020 (panel derecho), en el estado de Pará.

Zoom G. Click para agrandar.

Coordenadas

World Eckert IV (Decimal Degrees) (X,Y)

Zoom A: -54.862624, -11.971904
Zoom B: -55.087026, -11.836788
Zoom C: -56.999405, -11.979054
Zoom D: -57.128192, -11.896948
Zoom E: -62.658907, -8.477944
Zoom F: -58.892358, -6.567775
Zoom G: -54.948419, -7.853721

Pronóstico 2020

El pronóstico de condiciones de sequía para la ocurrencia de incendios indica que para los meses de julio a septiembre de 2020 se prevee una temporada activa de incendios en la mayor parte en el oeste de la Amazonía, gran parte del centro y sur del Perú, el norte de Bolivia, así como en los estados brasileños de Acre y Rondônia.

Este pronóstico, indica una temporada activa de incendios de magnitud similar a las de los años 2005 y 2010, cuando se observaron 02 de las peores temporadas de incendios en la región.

Ver: https://firecast.cast.uark.edu/

Agradecimientos

Agradecemos a  J. Beavers, S. Novoa, K. Fernandes, y G. Palacios por sus útiles comentarios a este reporte.

Este trabajo se realizó con el financiamiento de: NASA/USAID (SERVIR), Norwegian Agency for Development Cooperation (NORAD), Gordon and Betty Moore Foundation, International Conservation Fund of Canada (ICFC), Metabolic Studio, Erol Foundation, MacArthur Foundation, and Global Forest Watch Small Grants Fund (WRI).

*Notas

DETER

Cita

Finer M, Mamani N (2020) Pronosticando los Fuegos del 2020 en la Amazonía Brasileña. MAAP: 119.

MAAP #118: Monitoreo de Fuegos en la Amazonía en Tiempo Real

Posted on by Ana Folhadella
Fuego detectado en un área recién deforestada en la Amazonía brasileña en julio del 2019. Imagen: Planet.

A tiempo para la siguiente temporada de fuegos en la Amazonía, estamos relanzando una mejorada versión de nuestra aplicación (app) de Monitoreo de Fuegos en Tiempo Real, desde Google Earth Engine.

Cuando los incendios arden, emiten gases y aerosoles.* Un nuevo satélite (Sentinel-5P de la Agencia Espacial Europea) detecta estas emisiones de aerosoles.

El rasgo principal de esta app es la rápida y fácil identificación de los principales incendios en la Amazonía, a partir de la detección de emisiones de aerosol provenientes de la quema de biomasa, capturada por el satélite Sentinel-5P.

Dada la baja resolución espacial de las imágenes registradas por el satélite Sentinel-5P (7.5 km2), la app se especializa en detectar fuegos provenientes de incendios o quemas grandes, para priorizar los esfuerzos.

En la app, el usuario puede combinar estos nuevos datos de la atmósfera con los datos tradicionales de la superficie (focos de calor, que se basan en anomalías de temperatura) para localizar fácilmente los principales incendios en  la Amazonía.

Debido a que los datos se actualizan a diario (antes de medianoche) y no son impactados por la nubosidad, el monitoreo en tiempo real es posible.

Esperamos que los actores relevantes, incluyendo al gobierno y a las cuadrillas de bomberos, puedan usar esta información en tiempo real para lograr una mejor respuesta a los incendios forestales durante este 2020.

Instrucciones para la App

  1. Ejemplo de cómo aparece un incendio principal en la app.

    Siga el siguiente enlace para la app: bit.ly/fuegos_app
    .

  2. Escanee el mapa de emisiones de aerosoles para identificar los principales incendios o quemas en la Amazonía, indicados en tonos de amarillo, anaranjado, y rojo (ver a la derecha).
    .
  3. Haga click en “Layers”, en la parte superior derecha para ver las capas. Aquí puede:
    • Revisar la fecha de la imagen de aerosol más reciente (Sentinel-5P)
      .
    • Agregar las alertas de focos de calor («Fire Alerts-VIIRS») para detectar la ubicación exacta de los incendios principales.
      .
    • Para contexto, agregue “Protected Areas” para Áreas Protegidas y “Departmental Boundaries” para límites políticos.
      .
    • Note que puede ajustar la intensidad del color de cada capa para una mejor visualización de los datos.
      .
  4. Para obtener las coordenadas de un punto exacto, haga click en el mapa y vea la barra de coordenadas a la izquierda.

Ejemplo de cómo usar la App

Aquí hay un ejemplo basado en los datos del agosto de 2019, en la Amazonía brasileña. La imagen superior muestra las emisiones de aerosol de un gran incendio en el estado de Mato Grosso. La segunda imagen muestra cómo el usuario puede ajustar la transparencia de los datos de aerosol para una mejor visualización de los datos de anomalía térmica. La tercera imagen muestra cómo, al combinar ambos datos, se puede identificar la presunta ubicación exacta del incendio (ver el círculo rosado para un ejemplo). La imagen inferior confirma este hallazgo en una imagen de alta resolución de Planet.

Imagen superior. Las emisiones de aerosol de un gran incendio en el estado de Mato Grosso en agosto del 2019.
Segunda imagen. El usuario puede ajustar la transparencia de los datos de aerosol para una mejor visualización de los datos de anomalía térmica.
Tercera imagen. Al combinar ambos datos, se puede identificar la presunta ubicación exacta del incendio (círculo rosado).
Imagen inferior. Confirmación de este hallazgo en una imagen de alta resolución de Planet.

Nuevos Ejemplos de 2020

Ver: https://www.maapprogram.org/2020/amazon-fire-app/

Ver: https://www.maapprogram.org/2020/brazil_fire2_june8/

*Notas

  • Definición de aerosol: Una suspensión de partículas sólidas finas o gotas líquidas en el aire u otro gas.
  • Los altos valores en los índices de aerosol (AI) pueden deberse también a otras razones como las emisiones de cenizas volcánicas o al polvo del desierto.  Por tal motivo, algunas zonas, como el Salar de Uyuni, al oeste de Bolivia, a menudo se presentan tonos en anaranjado o rojo.

Referencias

Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment.»

Agradecimientos

Agradecemos a E. Ortiz y G. Palacios por sus útiles comentarios a este reporte.

Este trabajo se realizó con el financiamiento de:  Norwegian Agency for Development Cooperation (NORAD), International Conservation Fund of Canada (ICFC), NASA/USAID (SERVIR), Fundación MacArthur, Metabolic Studio, and Global Forest Watch Small Grants Fund (WRI).

Cita

Villa L, Finer M (2020) Monitoreo de Fuegos en la Amazonía en Tiempo Real. MAAP: 118.

MAAP #118: Real-Time Fire Monitoring in the Amazon

Posted on by Ana Folhadella
Image 1. First Major Amazon fire of 2020, in Mato Grosso, Brazil. Data: Planet.

In time for the next fire season, we are relaunching an improved version of our Amazon real-time fire monitoring app, hosted by Google Earth Engine.

When fires burn, they emit gases and aerosols.* A new satellite  (Sentinel-5P from the European Space Agency) detects these aerosol emissions.*

The major feature of the app is user-friendly and real-time identification of major fires across the Amazon, based on the aerosol emissions detected by Sentinel-5P.

The app also contains the commonly-used «fire alerts,» which are satellite-based data of temperature anomalies.*
.
Thus, the user combine data from the atmosphere (aerosol) with data from the ground (temperature) to pinpoint the source of major fires.

Since the data updates daily and is not impacted by clouds, real-time monitoring really is possible. Our goal is to upload each day’s new image by midnight.

Using the app, we recently identified the first major Amazon fire of 2020 on May 28, in the state of Mato Grosso in Brazil. It was burning an area recently deforested in July 2019.

Below, we provide instructions on how to use the app, with the May 28 fire as an example.

Instructions &
How We Identified First Major Brazilian Amazon Fire of 2020

Step 1. Open real-time fire monitoring app, hosted by Google Earth Engine. Scan the Amazon for aerosol emissions of major fires (indicated in yellow, orange, and red). In this case, we spotted elevated emissions in the southeast Brazilian Amazon (on May 28, 2020).


Step 2. Click the “Layers” menu in the upper right for more options. For example, clicking «State/Department Boundaries» we see the emissions are coming from Mato Grosso. Note you can also add «Protected Areas» and check the dates of the images and alerts.

Step 3. Zoom in on the aerosol emissions.

Step 4. Adjust (slide down) the transparency of the emissions layer to see the underlying fire alerts. We use the alerts to pinpoint the source of emissions (see purple circle). Obtain coordinates of the alerts by clicking on the map and then checking the «Coordinates» bar on the left  (below  Instructions).

Step 5. We entered the coordinates into Planet Explorer and found a high-resolution image for that same day (May 28), confirming the first major Amazon fire of 2020.

Predicting 2020 Brazilian Amazon Fires

Using the  Planet archive, we discovered that this exact area was deforested between July and August 2019, and then burned in May 2020. This fits our recent major finding that many Brazilian Amazon fires are actually burning recently deforested areas (MAAP #113). For more on how to predict upcoming fires based on recent deforestation, see MAAP #119.

*Notes

  • Aerosol definition: Suspension of fine solid particles or liquid droplets in air or another gas.
  • The high values in the aerosol indices (AI) may also be due to other reasons such as emissions of volcanic ash or desert dust. Hence, some areas, such as the Salar de Uyuni, in western Bolivia, often have orange or red tones.
  • The spatial resolution of the aerosol data is 7.5 sq km
  • The fire alerts are satellite-based data of temperature anomalies on the ground at 375 m resolution.
  • Coordinates of first major 2020 Amazon fire: 11.92° S, 54.06° W

References

Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment.»
https://earthengine.google.com/faq/

Acknowledgements

We thank E. Ortiz and G. Palacios for helpful comments to earlier versions of this report.

This work was supported by the following major funders: USAID/NASA (SERVIR), Global Forest Watch Small Grants Fund (WRI), Norwegian Agency for Development Cooperation (NORAD),  International Conservation Fund of Canada (ICFC), Metabolic Studio, and Erol Foundation.

Citation

Finer M, Villa L, Mamani N (2020) Real-time Amazon Fire Monitoring App. MAAP: #118.