Presentación Capstone
Talleres de desarrollo de capacidades en la República Dominicana
Septiembre 2023
Resumen
Herramientas/Lecciones aprendidas
ØUso de la plataforma Google Earth Engine: Big Data , herramienta de código abierto.
ØProgramación en JavaScript: Google Earth Engine utiliza JavaScript como lenguaje de programación principal. Aprendimos a escribir scripts en JavaScript para acceder y analizar datos geoespaciales en la plataforma.
ØAnálisis Espacial: Adquirimos conocimientos avanzados en análisis espacial, lo que nos permitió realizar operaciones como la detección de cambios en la cobertura terrestre, el cálculo de índices de vegetación y la identificación de patrones geoespaciales.
ØVisualización de Datos Geoespaciales: Aprendimos a crear visualizaciones impactantes y efectivas de datos geoespaciales utilizando las herramientas de visualización incorporadas en Google Earth Engine. Esto incluye la generación de mapas, gráficos de series temporales y animaciones.
ØManejo de la plataforma ArcGIS
Problema 2:
Creación de un índice de calidad de aire a partir de datos climáticos
Problema 3:
Mapeo de cobertura forestal en la Cuenca Yaque del Norte
Problema 4:
Mapeo de vegetación acuatica
Problema 5:
Seguimiento al desplazamiento de sargazo cercano a la costa
Productos / Servicios propuestos / Uso del desarrollo de capacidades
Problema 1:
Mapeo de inundaciones por imágenes de radar
Problema 1:
Mapeo de inundaciones por imágenes de radar
Carol Catheline, INDRHI
Miguel Montero, MEPyD
Josefina Espaillat, F. REDDOM
Eriberto Dishmey, F. REDDOM
Descripción del Problema 1 -
La República Dominicana por su ubicación geográfica es afectada por fenómenos hidrológicos que provocan inundaciones y por ende afecta la vida de los ciudadanos y propiedades.
Es prioritario el desarrollo de capacidades y habilidades para el procesamiento, manejo, generacion y actualizacion en el uso de imágenes satelitales, software libres e informaciones disponibles. Con el fin de generación de información rápida y confiable por parte de las instituciones para la toma de decisiones y focalizar los recursos donde son más necesarios .
Descripción del Problema 1 -
Tormentas Olga y Noel, 28-10-2007*: US$437 millones (1.2% del PIB).
Lluvias de noviembre de 2016 y abril 2017*: US$862 millones (1.1% del PIB).
Huracán Irma y María, 07-09-2017*: US$182.4 millones (0.3% del PIB).
Huracán Fiona, 14-09-2022*: US$381.74 millones (0.3% del PIB).
“De los sectores más afectados destaca el agropecuario, poniendo en riesgo la seguridad alimentaria y la economía familiar, y consecuentemente afectando la cadena productiva y alterando las dinámicas de producción y acceso.”
Metodología
Datos:
Imágenes satelitales Sentinel 1 SAR
Procesar imágenes satelitales
Elaboración de mapa de áreas afectadas.
Diagrama de flujo
Aplicaciones
Antes
Despues
Diferencia
Aplicaciones
Camino a seguir
Quién utilizará la información?
ONGs
Instituciones públicas y privadas
Problema 2:
Creación de un índice de calidad de aire a partir de datos climáticos
Alex Serafini - MIMARENA
Fernando Valerio - MIMARENA
Nataly Dominguez - MIMARENA
Descripción del Problema 2 -
A pesar de haber múltiples visualizadores en línea de libre acceso para evaluación de calidad de aire, como los visualizadores de ClimateTrace (el cual tiene visualizadores de emisión de dióxido de carbono), en muchos de estos, la información que tienen no contemplan detalladamente a República Dominicana o cuenta con información desactualizada.
Esto trae la necesidad de un visualizador de capas útiles para la evaluación de calidad de aire.
Imagen satelital extraida de Google Earth Engine
Descripción del Problema 2 -
Índice de Calidad de Aire en Puerto Plata según World's Air Pollution
Índice de Calidad de Aire según IQAir
Flujo de Trabajo / Metodología
Fuente
Datasets
Copernicus
1
Sentinel-5P TROPOMI
2
Estaciones de Material Particulado
Ministerio de�Medio Ambiente
Sensor/Instrumento
Estación de monitoreo de calidad de aire.�Ministerio de Medio Ambiente y Recursos Naturales
Sentinel-5P. TROPOMI
Flujo de Trabajo / Metodología
Creación de Capas
Recolección y preprocesamiento de datos para República Dominicana
Crear Puntaje de Calidad de Aire
Crear el índice de calidad de aire tomando en cuenta los datasets tomados de Sentinel 5P y de las Estaciones de Material Particulado.
Programar la Actualización de Capas
Para cada capa se crean assets por año, actualizando el más reciente mensualmente.
Mostrar en el Visualizador
El visualizador permite visualizar cualquier capa disponible con filtrado por año.
Aplicaciones
Aplicaciones
Monitoreo en Estaciones de calidad de aire PM10, año 2019
Monitoreo en Estaciones de calidad de aire PM10, año 2022
Levantamiento de ArcGis Pm10
Camino a seguir
Proponer el visualizador a beneficiarios
04
Optimizar la creación y servicio de las capas
03
Desarrollar mejores leyendas para las capas
02
Mejorar el índice de calidad de aire
01
Problema 3:
Mapeo de cobertura forestal en la Cuenca Yaque del Norte
Eva Mejía, Docente, INTEC
Karem Rivero, Cambio Climático, MMARN
Bepsy Morales, Información ambiental del MMARN
Santiago Hernández, Información ambiental del MMARN
Resumen
Esta capacitación nos proporcionó una base sólida en el entendimiento de los eventos hidrológicos y nos equipó con herramientas y conocimientos esenciales sobre la plataforma Google Earth Engine, que se utiliza para llevar a cabo análisis ambientales a gran escala como:
Ofrece acceso a una gran cantidad de datos de satélite y series temporales que permiten realizar un seguimiento de los cambios en la superficie de la Tierra a lo largo del tiempo. Así podremos abordar los desafíos que se nos presenten en nuestra área de manera más efectiva.
Descripción del Problema 3 -
La deforestación causada por la agricultura intensiva, producción de madera y el mal manejo de los recursos boscosos sumado a incendios forestales ha ido degradando la cobertura forestal en la zona de la Cuenca alta del Yaque del Norte.
La cuenca del río Yaque del Norte, es la cuenca más grande de la República Dominicana, está ubicada en la región norte y noroeste del país.
Flujo de Trabajo / Metodología
Atmosféricas
Radiométricas
Determinar categorías de LULC (local, 7 clases)
Comparación con el histórico de diversas fuentes. (Período 2012- 2015)
Método de Olofsson, 2014 (evaluar la fiabilidad)
Uso de Random Forest
Mapas históricos
Datos de campos
Collect Earth
Imágenes Landsat
Mapa publicado en plataforma del Ministerio
Aplicaciones
Servirá como base para la planificación (toma de decisiones, mejorar la condición de la cuenca en zonas prioritarias, principalmente cuenca alta en los nacimientos de los ríos)
Fuente de datos: European Space Agency WorldCover 2020 Land Cover. Sensors: sentinel-2, sentinel-1
Cuenca del Rio Yaque del Norte
Camino a seguir
Elaboración de un portafolio de opciones de Soluciones basadas en la Naturaleza (SbN) que permita la conservación y protección de la cobertura forestal en la Cuenca del Yaque del Norte utilizando sistemas naturales y semi-naturales (soluciones de infraestructura natural o ingenierías blandas) para impulsar la protección de los recursos hídricos y contribuir a la zona de recarga de los acuíferos.
Camino a seguir
Muchas gracias
Este proyecto piloto permitirá crear un modelo de trabajo que pueda servir como punto de partida con el último año disponible (2020) con imágenes planet del 2019, a una resolución de 5 mts, para lograr el escalonamiento en otras cuencas.
Crear una base de datos de cobertura de uso de suelo dentro de la plataforma del Ministerio y publicar los productos.
Problema 4:
Mapeo de vegetación acuática flotante en la cuenca baja del río Ozama, año 2022
Rafael Garcia - MMARN
Winston Gonzalez - MMARN
Descripción del Problema 4 -
La vegetación es una trampa potencialmente significativa de escombros macroplásticos. Los desechos macroplásticos pueden quedar atrapados por la vegetación acuática (aguas arriba) y por la vegetación cercana al arroyo que sobresale del canal del río.
La capacidad de una trampa para capturar y retener escombros macroplásticos (efectividad de la trampa) depende de las características de la vegetación.
La vegetación acuática entorpece en gran medida los esfuerzo de reducir las emisiones de plásticos hacia al mar ya que sirve de transporte para los mismo.
Situación actual
El afluente principal de la cuenca baja del Ozama es impactada por la descarga constante de los drenajes sanitario y pluviales de la ciudad de Santo Domingo.
A consecuencia a esto el río Ozama e Isabela sufre de los efectos de eutrofización, fenómeno que permite la sobre producción de vegetación acuática flotante.
Flujo de Trabajo / Metodología
Área de estudio
Diagrama de flujo
Process
Dataset
Intermediate Product
Final Product
Mapa de vegetación acuática
Validación con datos de referencia
Grado de certeza del producto
Exactitud/ Precisión: %
Imagen satelital año 2022
(Optical: Planet NICFI)
Procesamiento de imágenes
Training &
Validation Points
Collect Reference Samples
(Drone, puntos de campo)
Train & Evaluate Modelo clasificador (Random forest)
Imágenes Procesadas
Mapa de vegetación acuática cortado con el polígono del rio
Clases:
Vegetación acuática.
cuerpos de agua
Maps de clasificacón de vegetación acuática
Flujo de Trabajo / Metodología
Datos de referencia
Levantamiento con drone
Coordenadas de referencia
Imagenes Ortorectificación
Fotografias y observaciones de campo
Aplicaciones
Quién va emplear esta información?
Cómo se puede utilizar?
Pasos a seguir
5
Comparar y cuantificar datos de vegetación acuática
4
Clasificar imágenes de acuerdo a la línea temporal más conveniente
3
Tomar puntos de muestreos
Limpiar y procesar datos
2
1
Recolectar imágenes 2022 NICFI vía GEE
Problema 5:
Seguimiento al desplazamiento de sargazo cercano a la costa
Ivan Jimenez
Edwin Sanchez
Descripción del Problema 5 -
Sargazo:
Monitoreo y predicción:
Situación actual
Misión | Sensor | Res. temporalidad | Res. espacial |
Landsat8 | OLI | 16 días | ~30 m |
Landsat9 | 16 días | ~30 m | |
Sentinel-3 | OLCI | 27 días | ~300 m |
TERRA (des) | MODIS | 16 días | ~1000 m |
AQUA (asc) | 16 días | ~1000 m |
Se utilizan los sensores identificados en referencias bibliográficas
Sentinel-1 es SAR (en proceso de estudio para detección de sargazo)
Sentinel-2 MSI no es referenciado cómo un sensor principal para detección del sargazo, pero pudiera ser utilizado
Flujo de Trabajo / Metodología
Caracterización
•Analizar los cambios del sargazo en serie temporal�
•Comparar con datos de mediciones locales y modelos de corriente superficial y viento
Identificación
•Usar Landsat 8 y 9 para identificar del sargazo en la costa, aplicando FAI y un método de clasificación
Rastreo
•Buscar imágenes de 7 días anteriores en AQUA y TERRA �
•Generar AFAI para resaltar el estado previo del sargazo identificado con Landsat
Labores automáticas
Aplicaciones
●Monitoreo de la evolución de balsas de sargazo�
●Estimación de puntos de intercepción del sargazo en el mar
Camino a seguir