Reseña

La teledetección ha sido siempre una herramienta esencial para establecer el nivel de referencia forestal (NRF) de un país o de una región, ya que permite estimar los cambios de cobertura y uso de la tierra (CCUT) en grandes extensiones a un costo adecuado. En el contexto de la preparación de un NFR, las técnicas de teledetección proporcionan los datos actividad (DA) para calcular las emisiones o remociones forestales.

Los datos de teledetección se usan de varias formas en el establecimiento del NRF. Tres de ellas son:

1. La interpretación visual de imágenes
2. El desarrollo de mapas pared a pared, mediante clasificación de imágenes según tipos de uso
y cobertura de la tierra
3. El uso de imágenes y datos auxiliares de campo para la preparación de mapas de características
estructurales de los tipos de uso de tierra observados en las imágenes, por ejemplo: altura de la vegetación y la biomasa arriba del suelo (BAS)

En la preparación de mapas pared a pared de cambio de uso de la tierra, los países han encontrado limitaciones en disponibilidad y calidad de imágenes satelitales. Es común que presenten anomalías radiométricas (como nubes, niebla, sombras de nubes, problemas de co-registro y diferencias en el tamaño de los pixeles), lo que afecta la calidad de los mapas de cambio. La estimación de áreas de cambio de uso por sistema de monitoreo por puntos (SMP) ha sido propuesta como una alternativa y un complemento a la preparación de mapas de pared a pared. Este sistema usa la técnica de interpretación visual de uso y cobertura de la tierra en parcelas y puntos de muestreo sobrepuestos en imágenes satelitales de alta resolución. Dado que la SMP está siendo incorporada en los estándares de ARTTREE y VCS-J.N-REDD+, es posible que a futuro sea incorporada en otros estándares de REDD+ pagos basados en resultados (PBR), debido a que el sistema permite estimar DA en actividades de REDD+ de deforestación, degradación y reforestación.
Los países exitosos en establecer su NRF y recibir PBR han desarrollado sus NRF usando tanto los mapas de pared a pared (preparados con o sin algoritmos de inteligencia artificial (IA)) como el sistema de SMP. El nivel de incertidumbre en la estimación de las emisiones aumenta con la cantidad de datos requeridos para su estimación, lo cual no es sorpresa, dados los métodos de propagación del error que se usan en su cálculo. Es importante señalar que la cantidad de datos es el producto de la combinación de al menos tres variables que definen el escenario bajo el cual se construye el NRF: número de años en el periodo de referencia, número de actividades REDD+ seleccionadas y número de reservorios escogidos.
Con los avances en sensores remotos actuales, la literatura señala dos caminos para la estimación de emisiones de gases de efecto invernadero (GEI) para establecer los NRF de un país. El primero es la estimación de emisiones multiplicando DA por los respectivos factores de emisión (FE). En este caso los DA pueden obtenerse usando:

a. Interpretación visual de imágenes y SMP.
b. La comparación de mapas de uso de la tierra de dos fechas dadas.
c. Detección directa de cambios de uso de la tierra.

Para las dos últimas opciones, la tendencia es usar los nuevos algoritmos de IA con varias fuentes de
datos, incluyendo sensores remotos (ópticos-LiDAR-radar), índices de vegetación y datos de topografía
del terreno.