¿Qué tan preciso es suficientemente preciso? Cómo examinar los datos sobre el cambio de cobertura arbórea a nivel mundial de GLAD (Parte 1)

La Parte 2 de este blog está disponible aquí.

En 2013, el Dr. Matt Hansen y sus colaboradores del grupo Global Land Analysis and Discovery (GLAD) de la Universidad de Maryland, Google, el Servicio de Estudios Geológicos de los Estados Unidos (USGS, por sus siglas en inglés) y la Administración Nacional de Aeronáutica y del Espacio (NASA, por sus siglas en inglés) divulgaron el primer método a escala mundial para monitorear de forma anual los cambios en la cobertura arbórea usando resolución de imagen Landsat de 30 metros, lo que revolucionó la forma en que medimos y monitoreamos los bosques. El conjunto de datos sobre el cambio en la cobertura arbórea de GLAD (anteriormente conocido como datos sobre cambio arbóreo Hansen) consiste en dos mapas: uno de la pérdida de cobertura arbórea anual desde 2001 a 2014, y el otro de la ganancia de cobertura arbórea acumulada durante el período 2000 a 2012. Global Forest Watch (GFW) permite que esta información esté disponible en Internet de manera gratuita para que todos puedan visualizar y analizar mediante su mapa interactivo fácil de utilizar. Además de la plataforma con abundante análisis, el blog de GFW tiene como objetivo ayudar a aquellas personas no expertas a que comprendan los datos al explicarles los métodos y resultados subyacentes con términos fáciles de entender. Este blog es el primero de una serie técnica de dos partes que se focaliza en la precisión de la información de GLAD sobre el cambio de la cobertura arbórea mundial. En esta parte, explicamos cómo los autores midieron la precisión de los datos, y en el segundo capítulo exploramos qué significa para quienes utilizan los datos. ¿Cómo medimos la precisión de los datos enviados de forma remota? En la detección remota, la precisión de los datos se mide al comparar el cambio detectado para áreas de muestra en un mapa con el cambio real de la cobertura de la tierra, también conocido como “datos verdaderos”, que generalmente se determina mediante el uso de otras imágenes satelitales o visitas de campo. Es una buena práctica para evaluar los “datos verdaderos” de forma independiente, o sin mirar el mapa en evaluación ya que esto garantiza que los investigadores no se vean influenciados en sus evaluaciones. La precisión general es el porcentaje de la muestra de píxeles en el que el mapa y el cambio que reflejan los datos verdaderos coinciden. Sin embargo, la precisión general se puede sobrestimar cuando la cobertura de tierra estable (en este caso, la tierra forestal sin cambios) es mucho más predominante que los cambios (pérdida y ganancia). Cualquier error en la identificación de cambios se ve afectado por la precisión con la que la computadora identifica la cobertura de tierra estable. El examen de los falsos positivos (también conocidos como errores de comisión) y los falsos negativos (también conocidos como errores de omisión) de los cambios puede brindar una mirada más útil sobre la precisión de los datos. Un falso positivo es un píxel de 30 metros etiquetado como “pérdida” o “ganancia” en el mapa, pero que no cambió en el mundo real. Un falso negativo es lo opuesto; un píxel etiquetado en los datos como “sin cambio”, pero que en realidad perdió o ganó cobertura arbórea. ¿Qué tan exactos son los datos sobre el cambio de cobertura arbórea de GLAD? Hasta la fecha, los autores de los datos publicaron dos evaluaciones sobre precisión, la primera en el artículo original Science de Hansen et. al. (2013), y la segunda en un estudio reciente de Tyukavina et. al. (2015) sobe la pérdida de carbono en los bosques. En el primer estudio, los autores evaluaron, de manera independiente, el cambio real de los 1500 bloques de muestra (120 metros en cada lado) con imágenes de Landsat, MODIS y Google Earth. Los datos verdaderos luego se compararon con los mapas de “pérdidas” y “ganancias” a nivel mundial y dentro de los cuatro biomedios principales (tropical, subtropical, templado y boreal). A una escala mundial, el mapa de “pérdidas” presentó una tasa de falsos positivos del 13 % y una tasa de falsos negativos del 12 %. El mapa de “ganancias” presentó una tasa de error significativamente mayor, con una tasa de falsos positivos del 24 % y una tasa de falsos negativos del 26 %. Los errores de “pérdidas” y “ganancias” varían significativamente entre los cuatro biomedios principales, lo que sugiere que la precisión puede ser mayor o menor según la ubicación específica.

Los autores llevaron a cabo otra prueba para determinar la precisión temporal de los datos de “pérdidas”; es decir, el grado en el que el mapa detecta pérdidas en el año correcto. Con los mismos 1500 bloques, los autores compararon el año de “pérdidas” en el mapa con el cambio más importante en los bloques de validación. Determinaron que el año asignado a la pérdida de cobertura arbórea observada era correcto en un 75,2 %, y había sido correcto dentro de un plazo de un año antes y después en un 96,7 %. Mientras que el primer estudio nos indica la precisión a escala regional y mundial, el segundo estudio se focalizó en la precisión de los datos en los trópicos y con una resolución más alta. El segundo estudio se enfocó en la precisión de 3000 píxeles individuales (30 x 30 metros) esparcidos en los trópicos de África subsahariana, el sur y sudeste de Asia y América Latina en comparación con los datos verdaderos obtenidos mediante las imágenes de Landsat y Google Earth. Se determinó que las tasas de falsos negativos y falsos positivos estaban por debajo del 20 % en todas las áreas a excepción de África subsahariana, que presentaba un 48 % de falsos negativos. Los autores sospechan que la baja precisión en África está relacionada con el predominio de obstrucciones a pequeña escala, lo que dificulta la representación en una resolución de 30 metros. Además, detectaron que más del 85 % de los falsos negativos ocurren dentro de un píxel de “pérdida” representada, lo que sugiere que la mayor parte de la pérdida omitida ocurre en los límites de otras áreas de pérdida.

¿Qué significa todo esto? Es importante comprender cómo se mide la precisión y estar atentos a los errores incorporados en los datos. Aún cuando la precisión no alcance el 100 %, ¿pueden los datos sobre el cambio de la cobertura arbórea de GLAD brindarnos percepciones valiosas? Consulte la Parte 2 de esta serie de blogs, en la que exploramos qué significan estos números para quienes usan los datos de GLAD.