Tendencia anual, anomalías y predicción del comportamiento de cobertura de vegetación con imágenes Landsat y MOD13Q1, microcuenca Apacheta, Región Ayacucho

Wilmer Moncada; Bram Willems; Alex Pereda; Cristhian Aldana; Jhony Gonzales

doi:10.4995/raet.2022.15672

Authors

Wilmer Moncada Universidad Nacional de San Cristóbal de Huamanga https://orcid.org/0000-0002-1648-2361
Bram Willems Centro de Competencia del Agua https://orcid.org/0000-0002-0666-4655
Alex Pereda Universidad Nacional de San Cristóbal de Huamanga https://orcid.org/0000-0003-4381-2095
Cristhian Aldana Universidad Nacional de Frontera https://orcid.org/0000-0002-6890-5370
Jhony Gonzales Universidad Nacional de Frontera https://orcid.org/0000-0003-4551-6089

DOI:

https://doi.org/10.4995/raet.2022.15672

Keywords:

NDVI, vegetation cover, prediction, trend, anomalies

Abstract

Climate variability in the Apacheta micro-basin has an impact on vegetation behavior. The objective is to analyze the annual trend, anomalies and predict the behavior of vegetation cover (CV) with Landsat images and the MOD13Q1 product in the Apacheta micro-basin of the Ayacucho Region. For this purpose, the CV was classified and validated with the Kappa index (p-value=0,032; <0.05), obtaining a good agreement between the values observed in situ and the estimated in the Landsat images. The CV data were subjected to the Lilliefors normality test (p-value=0,0014; <0,05) indicating that they do not come from a normal distribution. CV forecasting was performed with the auto.arima, forecast and prophet packages, in R, according to the Box-Jenkins and ARIMA approaches, whose two-year future scenario is acceptable, but with higher bias. The results show an anual increasing CV trend of 3,378.96 ha with Landsat imagery and 3,451.95 ha with the MOD13Q1 product, by the end of 2020. The anomalies and the CV forecast also show a significant increase in the last 9 years, becoming higher in the forecasted years, 2021 and 2022.

Downloads

Download data is not yet available.

Author Biographies

Wilmer Moncada, Universidad Nacional de San Cristóbal de Huamanga

Docente nombrado adscrito al Departamento Académico de Matemática y Física. Miembro del equipo de investigación del proyecto Agua-Andes y del Laboratorio de Teledetección y Energías Renovables LABTELER-UNSCH, en la zona de estudio cabecera de cuenca del río Cachi – Apacheta, Región Ayacucho. Docente e investigador de la Universidad Nacional de San Cristóbal de Huamanga; con habilidad y liderazgo para pertenecer a equipos de trabajo en proyectos de investigación científica y tecnológica, orientados a la especialidad de Biofísica y Teledetección; compromiso permanente con la mejora continua en el trabajo; facilidad para establecer interpersonales a todo nivel. Actualmente trabajo en el Proyecto de “Modelamiento del comportamiento de aguas subterráneas en los ecosistemas de humedales de la cabecera de Cuenca Cachi – Apacheta, Región Ayacucho” financiado con fondos FOCAM de la Universidad Nacional de San Cristóbal de Huamanga.

Bram Willems, Centro de Competencia del Agua

Doctor en Física. Fundador y Director del Centro de Competencias del Agua (CCA). Director del MBA en Gestión Integral del Agua (CCA-UPCH). Director del Expo Agua Perú. Director del Programa Agua-Andes. Especialista en la gestión de proyectos interdisciplinarios e inter-institucionales. Investigador en la aplicación de técnicas de teledetección por satélite al estudio de los ecosistemas y recursos hídricos, modelamiento físico de procesos sociales y económicos.

Alex Pereda, Universidad Nacional de San Cristóbal de Huamanga

Docente nombrado adscrito al Departamento de Matemática y Física, con competencias para organizar y planificar diseño de experimentos, control de calidad, mejora de procesos y logística, gestión de inventario, planificación de la producción, gestión óptima series de datos estadísticos y con habilidad para pertenecer a equipos de trabajo en proyectos de investigación científica y tecnológica, orientados a los distintos campos profesionales, y vocación de servicio. Actualmente trabajo en temas de medio ambiente a través de la decodificación de imágenes satelitales y tengo a cargo el Proyecto de “Modelamiento del comportamiento de aguas subterráneas en los ecosistemas de humedales de la cabecera de Cuenca Cachi – Apacheta, Región Ayacucho” financiado con fondos FOCAM de la Universidad Nacional de San Cristóbal de Huamanga.

Cristhian Aldana, Universidad Nacional de Frontera

Doctor en Administración, Maestría en Ingeniería de Sistemas y estudios de maestría en Matemática Aplicada. Docente nombrado de la UNF, Jefe de la Oficina de Gestión de la Calidad Académica en la Universidad Nacional de Frontera – UNF – Sullana – Piura. Enfocado al manejo de las principales herramientas informáticas a nivel de usuario. Así mismo con la capacidad de trabajar en equipo y bajo presión, orientado al logro de metas y objetivos de la organización, iniciativa y creatividad para innovar y mejorar la eficiencia de la institución. Capacidad para aportar al desarrollo estratégico de la organización e implementar estrategias de mejora de la productividad enmarcadas dentro del proceso metodológico de la investigación científica y la gestión eficiente y eficaz de las finanzas públicas enmarcados en el enfoque de las normas ISO.

Jhony Gonzales, Universidad Nacional de Frontera

Médico veterinario, Magister en Ciencias para el Desarrollo Sustentable, Candidato a Doctor en Ciencias para el Desarrollo Sustentable, con estudios complementarios en producción bovina sustentable para la pequeña y mediana ganadería en el Centro Nacional de Inseminación Artificial, Capacitación y Entrenamiento en Reproducción y Manejo Animal (CIA/CENEREMA) de la Universidad Austral de Chile. Con estudios especializados nacionales e internacionales en producción, sanidad y reproducción bovina, lo que me ha permitido estar a cargo de Laboratorios y programas de investigación. Experiencia en la planificación, diseño, formulación y ejecución de proyectos de inversión pública de desarrollo económico y para Universidades públicas en temas relacionados a creación y mejoramiento de laboratorios de investigación e innovación, me desempeñé como profesor visitante en la Universidad Nacional Toribio Rodríguez de Mendoza, coordinador e investigador principal de proyectos de investigación con fondos concursables, coordinador de proyectos de inversión pública para la creación de laboratorios de investigación en sanidad animal, biotecnología, tecnología de alimentos, inversiones en optimización, ampliación marginal, reposición y rehabilitación de equipamiento de laboratorios y de gestión de investigación e innovación. Actualmente me desempeño como jefe de la Unidad de proyectos de investigación y capacitación, y director del Instituto de investigación en Desarrollo Sostenible y Cambio Climático de la Universidad Nacional de Frontera.

References

Abujayyab, S. K., Karaş, İ. R. 2019. Automated Prediction System for Vegetation Cover Based on MODIS-NDVI Satellite Data and Neural Networks. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII-4/W19, 9-15. https://doi.org/10.5194/isprs-archives-XLII-4-W19-9-2019

Aguilar, H., Mora, R., Vargas, C. 2014. Metodología para la corrección atmosférica de imágenes Aster, Rapideye, Spot 2 y Landsat 8 con el módulo Flaash del software Envi. Revista Geográfica de América Central, 2(53), 39-59. https://doi.org/10.15359/rgac.2-53.2

Cairns, D. M. 2001. A Comparison of Methods for Predicting Vegetation Type. Plant Ecology, 156(1), 3-18. https://doi.org/10.1023/A:1011975321668

Ceroni, M., Achkar, M., Gazzano, I., Burgeño, J. 2015. Estudio del NDVI mediante análisis multiescalar y series temporales utilizando imágenes SPOT, durante el período 1998-2012 en el Uruguay. Revista de Teledetección. Asociación Española de Teledetección, 43, 31-42. https://doi.org/10.4995/raet.2015.3683

Dallal, G. E., Wilkinson, L. 1986. An Analytic Approximation to the Distribution of Lilliefors's Test Statistic for Normality. The American Statistician, 40(4), 294-296. https://doi.org/10.1080/00031305.1986.10475419

Forzieri, G., Castelli, F., Vivoni, E. R. 2010. A Predictive Multidimensional Model for Vegetation Anomalies Derived From Remote-Sensing Observations. IEEE Transactions on Geoscience and Remote Sensing, 48(4), 1729-1741. https://doi.org/10.1109/TGRS.2009.2035110

Han, J., Huang, Y., Zhang, H., Wu, X. 2019. Characterization of elevation and land cover dependent trends of NDVI variations in the Hexi region, northwest China. Journal of Environmental Management, 232, 1037-1048. https://doi.org/10.1016/j.jenvman.2018.11.069

Hoek van Dijke, A. J., Mallick, K., Teuling, A. J., Schlerf, M., Machwitz, M., Hassler, S.K., Blume, T., Herold, M. 2019. Does the Normalized Difference Vegetation Index explain spatial and temporal variability in sap velocity in temperate forest ecosystems? Hydrology and Earth System Sciences, 23(4), 2077-2091. https://doi.org/10.5194/hess-23-2077-2019

Huete, A., Didan, K., Miura, T., Rodriguez, E. P., Gao, X., Ferreira, L. G. 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83(1), 195-213. https://doi.org/10.1016/S0034-4257(02)00096-2

Hyndman, R., Athanasopoulos, G., Bergmeir, C., Caceres, G., Petropoulos, F., Chhay, L., O'Hara- Wild, M., Yasmeen, F. 2020. Package «Forecast». Forecasting functions for time series and linear models. https://pkg.robjhyndman.com/forecast/

Hyndman, R. J., Khandakar, Y. 2008. Automatic Time Series Forecasting: The forecast Package for R. Journal of Statistical Software, 27(1), 1-22. https://doi.org/10.18637/jss.v027.i03

ITT Visual Information Solutions. 2009. ENVI Atmospheric Correction Module: QUAC and FLAASH User's Guide, Version 4.7, pp. 44. http://www.harrisgeospatial.com/portals/0/pdfs/envi/ Flaash_Module.pdf

Katchanov, Y. L., Markova, Y. V., Shmatko, N. A. 2019. The distinction machine: Physics journals from the perspective of the Kolmogorov-Smirnov statistic. Journal of Informetrics, 13(4), 100982. https://doi.org/10.1016/j.joi.2019.100982

Lilliefors, H. W. 1967. On the Kolmogorov-Smirnov Test for Normality with Mean and Variance Unknown. Journal of the American Statistical Association, 62(318), 399-402. https://doi.org/10.1080/01621459.1967.10482916

Moncada, W., Willems, B. 2020a. Spatial and temporal analysis of surface temperature in the Apacheta micro-basin using Landsat thermal data. Revista de Teledetección, 0(57), 51-63. https://doi.org/10.4995/raet.2020.13855

Moncada, W, Willems, B. 2020b. Tendencia anual del caudal de salida, en referencia al caudal ecológico en la microcuenca Apacheta / Ayacucho / Perú, del 2000 al 2018. Ecología Aplicada, 19(2), 93-102. https://doi.org/10.21704/rea.v19i2.1560

Moncada, W, Willems, B., Rojas, J. 2020. Estimación de estadíos estacionales a partir de parámetros climáticos medidos en la estación meteorológica de la microcuenca Apacheta, Región Ayacucho, 2000 al 2018. Revista de Investigación de Física. UNMSM, 23(2), 17-25. https://doi.org/10.15381/rif.v23i2.20296

Nanzad, L., Zhang, J., Tuvdendorj, B., Nabil, M., Zhang, S., Bai, Y. 2019. NDVI anomaly for drought monitoring and its correlation with climate factors over Mongolia from 2000 to 2016. Journal of Arid Environments, 164, 69-77. https://doi.org/10.1016/j.jaridenv.2019.01.019

Neinavaz, E., Skidmore, A. K., Darvishzadeh, R. 2020. Effects of prediction accuracy of the proportion of vegetation cover on land surface emissivity and temperature using the NDVI threshold method. International Journal of Applied Earth Observation and Geoinformation, 85, 101984. https://doi.org/10.1016/j.jag.2019.101984

Olivo, A. 2017. Clasificación de la vegetación del Karst de Sierra de las Nieves, utilizando imágenes Landsat (Sierra de las Nieves, Málaga, Andalucía, España) [Masters, E.T.S.I de Minas y Energía]. http://oa.upm.es/48286/

Pereda, A., Moncada, W., Verde, L. 2018. Respuesta nival de la cabecera de cuenca Cachi-Apacheta de Ayacucho: Vol. I. Editorial Académica Española. https://www.morebooks.shop/store/es/book/ respuesta-nival-de-la-cabecera-de-cuenca-cachi- apacheta-de-ayacucho/isbn/978-620-2-12620-5

Qiu, B., Zeng, C., Cheng, C., Tang, Z., Gao, J., Sui, Y. 2014. Characterizing landscape spatial heterogeneity in multisensor images with variogram models. Chinese Geographical Science, 24(3), 317-327. https://doi.org/10.1007/s11769-013-0649-y

Rashmi, M. K., Lele, N. 2010. Spatial modeling and validation of forest cover change in Kanakapura region using GEOMOD. Journal of the Indian Society of Remote Sensing, 38(1), 45-54. https://doi.org/10.1007/s12524-010-0011-0

Sánchez, J. M. 2016. Análisis de Calidad Cartográfica mediante el estudio de la Matriz de Confusión. Pensamiento Matemático, 6(2), 9-26. Disponible en https://dialnet.unirioja.es/servlet/ articulo?codigo=5998855

Spiegel, M., Stephens, L. 2009. Estadística (4a. edición). McGraw-Hill. Interamericana Editores, S.A. https://www.academia.edu/36241872/Estad%C3%ADstica_Serie_Schaum_4ta_edici%C3%B3n_Murray_R_Spiegel_pdf_1_1_

Taylor, S., Letham, B. 2017. Forecasting at scale. PeerJ Preprints 5, 25. https://doi.org/10.7287/peerj.preprints.3190v2

Tornero, J. 2017. Introducción al Forecasting con R Statistics [Estadística]. Doctor Metrics. https://www. doctormetrics.com/introduccion-al-forecasting-con-r-statistics/

Zaraza, M. A., Manrique, L. M. 2019. Generation of change data of land cover in the Bogotá savannah using time series with Landsat images and MODIS-Landsat synthetic images between 2007 and 2013. Revista de Teledetección, 0(54), 41-58. https://doi.org/10.4995/raet.2019.12280