{"id":455,"date":"2023-12-05T15:28:37","date_gmt":"2023-12-05T15:28:37","guid":{"rendered":"https:\/\/staging-ecuador.mapbiomas.org\/?page_id=455"},"modified":"2025-09-17T00:08:44","modified_gmt":"2025-09-17T00:08:44","slug":"metodologia-mapbiomas-agua","status":"publish","type":"page","link":"https:\/\/ecuador.mapbiomas.org\/?page_id=455","title":{"rendered":"Metodolog\u00eda MapBiomas Agua"},"content":{"rendered":"\n

MAPEO DE LA SUPERFICIE DE AGUA: S\u00cdNTESIS DEL M\u00c9TODO<\/strong><\/p>\n\n\n\n

Aqu\u00ed presentamos una s\u00edntesis del m\u00e9todo desarrollado y aplicado por MapBiomas Agua. Para mayor informaci\u00f3n de los detalles metodol\u00f3gicos, acceda al ATDB (Documento Base de la Teor\u00eda del Algoritmo) en este LINK<\/a>.<\/p>\n\n\n\n

Presentaci\u00f3n<\/strong><\/p>\n\n\n\n

El objetivo principal de MapBiomas Agua es mapear la din\u00e1mica del agua superficial en todo el territorio de los pa\u00edses amaz\u00f3nicos (Panamazon\u00eda), de forma mensual y anual desde 1985 al 2024. El conjunto de datos est\u00e1 disponible p\u00fablicamente en una plataforma web para mejorar la gesti\u00f3n y el uso de los recursos h\u00eddricos en toda la Panamazon\u00eda. <\/p>\n\n\n\n

El mapeo de superficie de agua en los pa\u00edses amaz\u00f3nicos us\u00f3 todas las escenas del sat\u00e9lite Landsat con una cobertura de nubes menor o igual al 70% y una resoluci\u00f3n espacial de 30 metros. El mapeo fue conducido a una escala de sub-p\u00edxel (SWSC), con An\u00e1lisis de Mixtura Espectral (SMA \u2013 por sus siglas en ingl\u00e9s) y reglas de clasificaci\u00f3n emp\u00edricas basadas en una l\u00f3gica fuzzy.  El mapeo comprendi\u00f3 el periodo de 1985 a 2024, en la escala mensual, con un total de 396.000 escenas Landsat procesadas y analizadas en la plataforma Google Earth Engine. <\/p>\n\n\n\n

Organizaci\u00f3n y base de datos <\/strong><\/p>\n\n\n\n

La coordinaci\u00f3n general de MapBiomas Agua es conducida por Imazon y RAISG mientras que la coordinaci\u00f3n t\u00e9cnica y operacional es dirigida por Geokarten. La reconstrucci\u00f3n de la serie hist\u00f3rica mensual de superficie de agua fue conducida por especialistas de todos los biomas de los pa\u00edses amaz\u00f3nicos, con el liderazgo de las siguientes instituciones: Fundaci\u00f3n Amigos de la Naturaleza -FAN- (Bolivia), Fundaci\u00f3n Gaia Amazonas -FGA- (Colombia), Fundaci\u00f3n EcoCiencia (Ecuador), Instituto del Bien Com\u00fan -IBC- (Per\u00fa), Provita y Wataniba (Venezuela), Alliance of Bioversity International y CIAT (Guyanas y Suriname). El algoritmo de mapeo de superficie de agua fue desarrollado por Imazon y adaptado por MapBiomas Agua en esta primera etapa de trabajo. <\/p>\n\n\n\n

El desarrollo del panel de control (dashboard) de MapBiomas Agua fue conducido por Geodatin y cuenta con relevantes contribuciones del grupo de trabajo de MapBiomas Agua y de los usuarios de la plataforma en el proceso de design thinking. <\/p>\n\n\n\n

Fueron elaborados tres tipos de productos por MapBiomas Agua: <\/p>\n\n\n\n

    \n
  1. Mapas mensuales y anuales de superficie de agua;<\/li>\n\n\n\n
  2. Mapas de transici\u00f3n de superficie de agua entre las clases de \u201cAgua\u201d y \u201cNo Agua\u201d. Este producto fue procesado con la base de datos de la superficie de agua anual;<\/li>\n\n\n\n
  3. Mapas de tendencia (aumento y disminuci\u00f3n) de superficie de agua. Este producto fue calculado a partir de los datos de superficie de agua mensual en cuadrantes de 5 km x 5 km. <\/li>\n<\/ol>\n\n\n\n

    El dashboard (link) est\u00e1 compuesto por mapas, estad\u00edsticas y herramientas de visualizaci\u00f3n, an\u00e1lisis y acceso a los datos.  Es posible visualizar los datos en escala anual y mensual, m\u00e1s all\u00e1 de obtenerlo en distintas unidades  territoriales.  Para finalizar, el dashboard tambi\u00e9n dispone un link de acceso a la API de los datos de MapBiomas Agua. <\/p>\n\n\n\n

    M\u00e9todo<\/strong><\/p>\n\n\n\n

    El siguiente diagrama ilustra las principales etapas en el proceso de clasificaci\u00f3n de la superficie de agua en los pa\u00edses amaz\u00f3nicos, y comprende de un clasificador de aguas superficiales a nivel de sub-p\u00edxel (SWSC), \u00e1rboles de decisi\u00f3n y procedimientos de post-clasificaci\u00f3n para generar un conjunto de datos anuales y mensuales de aguas superficiales. <\/p>\n\n\n\n

    Figura 1 \u2013 Etapas de clasificaci\u00f3n de la superficie de agua superficial.<\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    Descripci\u00f3n de los pasos de clasificaci\u00f3n<\/strong><\/p>\n\n\n\n

      \n
    1. Pre-procesamiento: <\/strong><\/li>\n<\/ol>\n\n\n\n

      Esta etapa consiste en la selecci\u00f3n de escenas del archivo Landsat disponibles en la plataforma Google Earth Engine de los sensores: Landsat 5 Thematic Mapper (TM), Landsat 7 Enhanced Thematic Mapper Plus (ETM+) y Landsat 8 Operational Land Imager (OLI); adem\u00e1s de la aplicaci\u00f3n de una m\u00e1scara de cobertura de nubes menor al 70%. Las bandas espectrales del espectro visible, infrarrojo cercano y medio fueron seleccionados para la aplicaci\u00f3n del SMA, que permite estimar la composici\u00f3n fraccional de p\u00edxeles puros (es decir, endmembers) de vegetaci\u00f3n verde (GV), vegetaci\u00f3n no fotosint\u00e9tica (NPV), suelo (Soil), nubes (Cloud), sombra (Shade) y nieve (Snow). La informaci\u00f3n a nivel de sub-p\u00edxel obtenida con SMA es \u00fatil para caracterizar el agua superficial con mezcla de otros componentes, por ejemplo, suelo y vegetaci\u00f3n, superando as\u00ed la limitaci\u00f3n de los clasificadores de p\u00edxeles completos, permitiendo el mapeo de humedales, llanuras aluviales, r\u00edos estrechos y peque\u00f1os cuerpos de agua. <\/p>\n\n\n\n

        \n
      1. Clasificaci\u00f3n de Superficie de Agua:<\/strong><\/li>\n<\/ol>\n\n\n\n

        El algoritmo clasificador de sub-pixel de agua superficial (SWSC) original utiliza tres reglas jer\u00e1rquicas de decisi\u00f3n binaria (ej. verdadero, falso). Debido a que el agua absorbe gran parte de la radiaci\u00f3n electromagn\u00e9tica se utiliza una imagen con fracci\u00f3n de Shade, la combinaci\u00f3n de GV y Soil y Cloud para clasificar los p\u00edxeles como agua superficial. Adicionalmente, se aplica una clasificaci\u00f3n basada en l\u00f3gica difusa (reglas fuzzy) independientes, en las que se determina el grado de verdad\/certeza (memberships) de que un p\u00edxel Landsat es clasificado como agua.  Luego se calcul\u00f3 el grado de verdad promedio para obtener un mapa continuo de memebership con valores que oscilan entre 0 y 1. En base a estos memberships se clasifican los p\u00edxeles para producir capas de agua superficiales mensuales. <\/p>\n\n\n\n

        Calculando la mediana de los memberships de los p\u00edxeles entre las escenas Landsat disponibles para cada mes, se clasificaron los p\u00edxeles como agua con base a umbrales definidos. Luego se aplicaron procedimientos para restaurar falsos negativos y remover falsos positivos, basados en m\u00e9tricas temporales. Seguido, se aplic\u00f3 un relleno de vac\u00edos para reclasificar como agua aquellos p\u00edxeles que eventualmente fueron cubiertos por nubes o dentro de \u00e1reas donde no exist\u00edan escenas Landsat durante un mes determinado, usando una combinaci\u00f3n de dos reglas: probabilidad mediana dentro del a\u00f1o y la mediana decenal del mes correspondiente. Por \u00faltimo, la presencia de sombras de nubes u otros objetos oscuros en la escena Landsat tambi\u00e9n puede producir falsos positivos en la clasificaci\u00f3n de agua, por lo que se aplic\u00f3 un filtro de remoci\u00f3n para reclasificar como no agua aquellos p\u00edxeles. <\/p>\n\n\n\n

        Los mapas anuales de agua superficial incluyen una identificaci\u00f3n entre agua permanente y estacional, esta clasificaci\u00f3n se basa en umbrales correspondientes al n\u00famero de meses en que un p\u00edxel se clasifica como agua. Para el primer caso se considera una frecuencia >= 6 meses, y para el segundo, una frecuencia entre 1 a 5 meses. <\/p>\n\n\n\n

        Figura 2 \u2013 Proceso de clasificaci\u00f3n mensual.<\/p>\n\n\n\n

        \"\"<\/figure>\n\n\n\n
          \n
        1. Clasificaci\u00f3n de cuerpos h\u00eddricos<\/strong><\/li>\n<\/ol>\n\n\n\n

          Figura 3 \u2013 Proceso de clasificaci\u00f3n de cuerpos h\u00eddricos.<\/p>\n\n\n\n

          \"\"<\/figure>\n\n\n\n

          Para la clasificaci\u00f3n de cuerpos h\u00eddricos se utilizaron las siguientes informaciones extra\u00eddas del mapeo anual de superficie de agua (permanente): i) la primera y la \u00faltima ocurrencia del cuerpo h\u00eddrico del a\u00f1o, ii) la frecuencia total de la superficie de agua de la serie hist\u00f3rica y iii) la frecuencia anual. Esta informaci\u00f3n fue organizada en datos matriciales y utilizados en un algoritmo de segmentaci\u00f3n de objetos.<\/p>\n\n\n\n

          Posteriormente, se extrajeron atributos de mapas auxiliares de hidroel\u00e9ctricas y miner\u00eda de las siguientes entidades:<\/p>\n\n\n\n

          Mapa de cobertura y uso de la tierra 2022 \u2013 MAATE (2022) (Ecuador)<\/p>\n\n\n\n

          Cartograf\u00eda b\u00e1sica 1:50.000 y 1:100.000 \u2013 IGM (2020) (Ecuador)<\/p>\n\n\n\n

          MapBiomas Amazon\u00eda Colecci\u00f3n 6 <\/p>\n\n\n\n

          MapBiomas Ecuador Colecci\u00f3n 3<\/p>\n\n\n\n

          Los segmentos de cuerpos h\u00eddricos fueron clasificados mediante el algoritmo Random Forest en cinco categor\u00edas: natural, otros artificiales, hidroel\u00e9ctrica, miner\u00eda y acuicultura.  Adicionalmente, se incluy\u00f3 una clase de \u201cfalsos positivos\u201d para eliminar sobreestimaciones persistentes en los mapas de superficie anual y mensual. Posteriormente, se aplicaron filtros espaciales y de frecuencia; adem\u00e1s, se tomaron muestras adicionales y se delinearon pol\u00edgonos manuales para mejorar el resultado.<\/p>\n\n\n\n

          Las clases mencionadas anteriormente se describen como:<\/p>\n\n\n\n

          Natural: Extensi\u00f3n de agua superficial de origen natural. Comprende r\u00edos, lagos, humedales y otros cuerpos de agua.<\/p>\n\n\n\n

          Otros artificiales: Cuerpos de agua artificiales construidos como peque\u00f1os embalses, reservorios, canales o piscinas, destinadas a la producci\u00f3n agr\u00edcola, tratamiento de agua, recreaci\u00f3n, agua potable, entre otros.<\/p>\n\n\n\n

          Hidroel\u00e9ctrica: Extensi\u00f3n de agua artificial o seminatural destinada a la recolecci\u00f3n de agua para la generaci\u00f3n de hidroelectricidad. Comprenden otro tipo de embalses h\u00eddricos multiprop\u00f3sito.<\/p>\n\n\n\n

          Miner\u00eda: Cuerpos de agua artificiales que comprenden \u00e1reas superficiales de extracci\u00f3n de materiales p\u00e9treos o minerales. No se diferencia si es industrial o artesanal, legal o ilegal, met\u00e1lica o p\u00e9trea. La mayor\u00eda es aluvial.<\/p>\n\n\n\n

          Acuicultura:  Extensi\u00f3n de agua superficial de origen artificial dedicados a actividades productivas como piscinas de agua salada para cr\u00eda de camar\u00f3n en cautiverio; o piscinas de agua dulce destinadas a la cr\u00eda de peces.<\/p>\n","protected":false},"excerpt":{"rendered":"

          MAPEO DE LA SUPERFICIE DE AGUA: S\u00cdNTESIS DEL M\u00c9TODO Aqu\u00ed presentamos una s\u00edntesis del m\u00e9todo desarrollado y aplicado por MapBiomas Agua. Para mayor informaci\u00f3n de los detalles metodol\u00f3gicos, acceda al ATDB (Documento Base de la Teor\u00eda del Algoritmo) en este LINK. Presentaci\u00f3n El objetivo principal de MapBiomas Agua es mapear la din\u00e1mica del agua superficial […]<\/p>\n","protected":false},"author":2,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_uag_custom_page_level_css":"","footnotes":""},"class_list":["post-455","page","type-page","status-publish","hentry"],"acf":[],"uagb_featured_image_src":{"full":false,"thumbnail":false,"medium":false,"medium_large":false,"large":false,"1536x1536":false,"2048x2048":false,"trp-custom-language-flag":false,"infographic":false,"team":false},"uagb_author_info":{"display_name":"Adriel Fernandes","author_link":"https:\/\/ecuador.mapbiomas.org\/?author=2"},"uagb_comment_info":0,"uagb_excerpt":"MAPEO DE LA SUPERFICIE DE AGUA: S\u00cdNTESIS DEL M\u00c9TODO Aqu\u00ed presentamos una s\u00edntesis del m\u00e9todo desarrollado y aplicado por MapBiomas Agua. Para mayor informaci\u00f3n de los detalles metodol\u00f3gicos, acceda al ATDB (Documento Base de la Teor\u00eda del Algoritmo) en este LINK. Presentaci\u00f3n El objetivo principal de MapBiomas Agua es mapear la din\u00e1mica del agua superficial…","_links":{"self":[{"href":"https:\/\/ecuador.mapbiomas.org\/index.php?rest_route=\/wp\/v2\/pages\/455","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ecuador.mapbiomas.org\/index.php?rest_route=\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/ecuador.mapbiomas.org\/index.php?rest_route=\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/ecuador.mapbiomas.org\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/ecuador.mapbiomas.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=455"}],"version-history":[{"count":10,"href":"https:\/\/ecuador.mapbiomas.org\/index.php?rest_route=\/wp\/v2\/pages\/455\/revisions"}],"predecessor-version":[{"id":989,"href":"https:\/\/ecuador.mapbiomas.org\/index.php?rest_route=\/wp\/v2\/pages\/455\/revisions\/989"}],"wp:attachment":[{"href":"https:\/\/ecuador.mapbiomas.org\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=455"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}