Importancia de las estimaciones por muestreo probabilístico para analizar dinámicas forestales regionales: una evaluación de los datos de Global Forest Change en el este de México
-
-
[1] Instituto de Ecología
Instituto de Ecología
México
-
- Localización: Investigaciones geográficas, ISSN 0188-4611, ISSN-e 2448-7279, Nº. 113 (Investigaciones Geográficas), 2024
- Idioma: español
- Títulos paralelos:
- Importance of probability sampling estimates for analyzing regional forest dynamics: an evaluation of Global Forest Change data in eastern Mexico
- Enlaces
-
Resumen
- español
La base de datos de Global Forest Change (GFC) ha facilitado el acceso al análisis y monitoreo de dinámicas del suelo a distintas escalas. Sin embargo, estos datos pueden presentar imprecisiones espacio-temporales ocasionadas por las características del paisaje, las prácticas de manejo agrícola y la escala espacial de la evaluación. Para reducir dichas inexactitud es recomendable realizar evaluaciones para cada caso de estudio utilizando estimaciones por muestreo probabilístico. En México ha habido un incremento en estudios con la base de datos de GFC para calcular la pérdida de cobertura forestal; sin embargo, pocos lo han hecho usando estimaciones por muestreo. En este estudio realizamos una evaluación utilizando estimaciones por muestreo probabilístico en cuatro regiones cafetaleras del este de México con características climáticas y topográficas complejas y una alta presencia de minifundistas. Utilizamos el GFC para llevar a cabo el muestreo probabilístico, agrupando los pixeles de pérdida de cobertura anual en tres categorías: No Pérdida (NP), Posible Pérdida (PP) y Pérdida (P). Para cada región, generamos aleatoriamente 200 puntos de muestreo para P y 100 para PP y NP. Con la ayuda de series de tiempo de los valores máximos y mínimos de NDVI y EVI e imágenes de alta resolución de Google Earth, llevamos a cabo una verificación visual para identificar el año en el que hubo una pérdida de cobertura forestal en cada punto de muestreo. Posteriormente, utilizamos tres procedimientos para calcular la pérdida: una estimación basada en el mapa de GFC; una estimación por muestreo utilizando las categorías P+PP, y una estimación por muestreo utilizando las tres categorías (P+PP+NP). Adicionalmente verificamos la precisión temporal de la base de datos GFC, comparado el año en que se reportó la pérdida con el año en que se observó la pérdida en la evaluación. Encontramos que la pérdida de cobertura forestal fue detectada correctamente por la base de datos más del 90% de las veces en todas las regiones. Sin embargo, la pérdida observada en las categorías PP y NP no detectada por la base de datos fue alta (53-65% y 23-26%, respectivamente). Asimismo, encontramos que la pérdida calculada en las estimaciones por muestreo fue desde cuatro (P+PP) hasta 70 (P+PP+NP) veces mayor que la estimación basada en el mapa. Además, encontramos que la precisión temporal fue relativamente baja (59.5-77.5%), con una tendencia a reportar la pérdida de cobertura forestal uno o más años después de haber tenido lugar. Esto indica que, al realizar evaluaciones regionales en paisajes heterogéneos manejados por pequeños propietarios, la base de datos de GFC puede subestimar considerablemente la pérdida de cobertura forestal. Resaltamos la importancia de realizar evaluaciones por muestreo probabilístico para reducir imprecisiones espaciotemporales que podrían llevar a inferencias erróneas sobre los patrones de pérdida de cobertura forestal.
- English
The Global Forest Change (GFC) database has facilitated access to soil dynamics analysis and monitoring at different scales. However, these data may contain spatial-temporal inaccuracies caused by landscape characteristics, agricultural management practices, and the spatial scale of the assessment. To reduce these inaccuracies, it is recommended to evaluate each case study using probabilistic sampling estimates. The number of studies that calculate forest cover loss in Mexico using the GFC database has increased; however, few studies have used sampling estimates for this purpose. This study assessed probabilistic sampling estimates in four coffee regions of eastern Mexico with complex climatic and topographic characteristics and numerous smallholders. We used the GFC to carry out probabilistic sampling, grouping the annual coverage loss pixels into three categories: No Loss (NP), Possible Loss (PP), and Loss (P). For each region, we randomly generated 200 sampling points for P and 100 for PP and NP. Using time series of maximum and minimum NDVI and EVI values and high-resolution images from Google Earth, we carried out a visual verification to identify the year with a loss of forest cover at each sampling point. We then used three procedures to calculate the loss: an estimate based on the GFC map, a sampling estimate using the P+PP categories, and a sampling estimate using the three categories (P+PP+NP). Additionally, we validated the temporal accuracy of the GFC database by comparing the year in which the loss was reported with the year in which the loss was observed in the assessment. We found that forest cover loss was correctly detected by the database more than 90 % of the time in all regions. However, the loss observed in PP and NP and not detected by the database was high (53–65 % and 23–26 %, respectively). We also found that the loss calculated in the sampling estimates was four (P+PP) to 70 (P+PP+NP) times greater than map-based estimates. Furthermore, we found a relatively low temporal accuracy (59.5–77.5 %), showing a tendency to report the loss of forest cover one or more years after it occurred. This indicates that the GFC database can significantly underestimate the loss of forest cover by conducting regional assessments on heterogeneous landscapes managed by smallholders. This study highlights the importance of conducting probabilistic sampling assessments to reduce spatio-temporal inaccuracies that could lead to erroneous inferences about patterns of forest cover loss.
- español
