Humedales360

Nuestra Solución Innovadora

Para enfrentar la acelerada desaparición de los humedales, hemos creado “Humedales360”, una herramienta que permite identificar y monitorear humedales en riesgo, proporcionando información clave sobre cómo la urbanización y los cambios de uso de suelo están amenazando su supervivencia.

Empleando datos satelitales del Sentinel-2 y técnicas de IA basadas en machine learning, hemos creado una aplicación SIG capaz de identificar humedales a nivel municipal, con la posibilidad de escalar su uso a otras regiones y diferentes escalas geográficas.

Esto no solo facilita la identificación de los humedales, sino que también abre la puerta a su inclusión en el mercado de carbono, donde gobiernos y empresas podrán invertir en su conservación como una medida efectiva para compensar sus emisiones. Los humedales no solo destacan por su biodiversidad, sino que juegan un papel crucial en la lucha contra el cambio climático, ya que son capaces de capturar hasta 10 veces más carbono por unidad de área que los bosques. Su destrucción no solo libera el carbono almacenado, sino que también elimina su capacidad de seguir capturándolo en el futuro.

Humedales360: Herramienta para la Identificación de Humedales no Reconocidos

Humedales360 es una herramienta desarrollada para la identificación de humedales que, hasta ahora, no han sido adecuadamente reconocidos. Esta herramienta utiliza una combinación del índice MSAVI2 (Modified Soil Adjusted Vegetation Index), el resultado de un Random Forest Classifier y la red hídrica como criterios para detectar áreas potenciales de humedales. Todas las capas y datos se generaron a partir de imágenes de Sentinel-2, las cuales fueron sometidas a un proceso de resampling en la banda 2, obteniendo así una resolución espacial de 10 metros. 

El caso de estudio: Humedal El Culebrón

Para experimentar y probar metodologías de identificación de humedales, se utilizó como referencia un humedal urbano bien documentado. El objetivo es que las herramientas técnicas empleadas en este caso puedan escalarse y aplicarse en otros contextos. El Humedal El Culebrón, ubicado en la zona urbana de la ciudad de Coquimbo, Chile, ha soportado durante décadas diversas presiones antropogénicas, como el desarrollo inmobiliario y la contaminación por residuos sólidos. A pesar de estas amenazas, el humedal ha sido objeto de múltiples esfuerzos de conservación y restauración impulsados tanto por organizaciones ciudadanas como por autoridades locales.

La metodología se diseñó cuidadosamente, comparando imágenes de satélite capturadas en dos momentos distintos, una antes y otra después de la lluvia, para evaluar las diferencias en el área de estudio. 

Este análisis inicial permite establecer cuál de las imágenes representa mejor la condición normal del humedal, considerando que el clima de la región es semiárido, lo que implica períodos prolongados de sequía interrumpidos por lluvias irregulares.

Para determinar el índice de vegetación más adecuado, se evaluaron tres opciones: MNDWI (Modified Normalized Difference Water Index), SAVI (Soil Adjusted Vegetation Index) y MSAVI2.

El MSAVI2 fue seleccionado debido a su capacidad para identificar áreas con vegetación baja o dispersa y suelos parcialmente expuestos, condiciones típicas de los humedales semiáridos, donde el agua puede estar mezclada con suelos húmedos o vegetación esparcida (Qi et al., 1994). A diferencia del MNDWI, que es más adecuado para identificar cuerpos de agua abiertos, y el SAVI, que se ajusta mejor a áreas de vegetación densa, el MSAVI2 mostró una mayor precisión en la detección de suelos húmedos con vegetación baja, representando mejor las características de los humedales en este contexto.Posteriormente, se entrenaron siete clases de cobertura: humedal puro, suelo desnudo, vegetación superficial, arena, mancha urbana, agua superficial y océano. Para este entrenamiento se establecieron polígonos de entrenamiento en lugar de píxeles individuales. Los polígonos ofrecen una representación más completa de cada clase al capturar la variabilidad espectral en un área homogénea, lo cual permite al modelo identificar patrones espectrales que un píxel aislado no podría capturar, reduciendo el riesgo de sesgo y sobreajuste (Foody et al., 2005).

Para la clasificación supervisada, se evaluaron diferentes modelos, incluyendo Máquinas de Soporte Vectorial (SVM), Clasificación por Máxima Verosimilitud y Random Forest. El modelo seleccionado fue Random Forest Classifier, ya que su capacidad de combinar múltiples árboles de decisión reduce el riesgo de sobreajuste y proporciona una mayor precisión en la clasificación de datos complejos y no lineales, como los humedales (Breiman, 2001). Además, Random Forest permite identificar la importancia de las variables, lo cual es útil para priorizar los factores más relevantes en la detección de humedales en un entorno semiárido.

La red hídrica se incluyó como una tercera variable en el análisis multicriterio, ya que la cercanía a cuerpos de agua es un factor clave en la delimitación de humedales.

Para el análisis multicriterio, se establecieron los siguientes pesos en función de la relevancia de cada variable para la detección de humedales:

• MSAVI2: 35%
• Clasificación Supervisada: 45%
• Red Hídrica: 20%

Estos pesos reflejan la influencia relativa de cada capa en la identificación de humedales, con la clasificación supervisada y el índice MSAVI2 como factores principales y la red hídrica como un criterio complementario. Posteriormente, se procedió a eliminar falsos positivos mediante la comparación con imágenes en color verdadero, permitiendo identificar las áreas con presencia real de humedales. 

El resultado, además de identificar el humedal El Culebrón, nos permitió identificar otros dos humedales que también se encuentran incluidos en el Inventario Nacional de Humedales de Chile, pero que tampoco han sido declarados como protegidos.

Como paso final, se generaron buffers en torno a los humedales identificados para evaluar la proximidad de la mancha urbana y así determinar las áreas sensibles en riesgo de impacto por actividades humanas, ayudando a priorizar las zonas de conservación y mitigación de amenazas para estos ecosistemas valiosos.

Conclusión

Con nuestra aplicación, proporcionamos una herramienta innovadora que permitirá a gobiernos, organizaciones y empresas tomar decisiones informadas. Todo esto a partir del análisis territorial de los humedales no declarados como tales, ya sea como sitios Ramsar o alguna otra figura de protección. Una herramienta que facilitará la conservación de estos ecosistemas esenciales que hasta el momento no son debidamente reconocidos. 

De esta manera, no solo se preserva la biodiversidad y se protegen los mayores sumideros de carbono, sino que también se promueve un enfoque más sostenible y estratégico para la gestión ambiental y la mitigación del cambio climático.

Visor de resultados

En el siguiente link puedes interactuar con los resultados cartográficos mencionados arriba, a través de un visor de mapas web. Para ello debes 
1) Descargar la carpeta "Visor Web Humedales360_def" completa en tu pc.
2) Descomprimir la carpeta. 
3) Abrir el archivo "index.html" que está dentro de la carpeta.

https://drive.google.com/drive/folders/1NrU-WRWhOmXEYVsZTQKb_jmH0FerCZxi?usp=sharing

Especificaciones técnicas

Las imágenes fueron procesadas con el software SNAP, de la European Space Agency. Los geoprocesos, el álgebra de imágenes para los índices y el visor de mapas web se realizaron con el software QGIS.

Anexos

Funciones clave de los humedales:

Los humedales, son como una navaja Suiza, ya que “sirven para todo” o casi todo al desempeñar diversas funciones esenciales para la salud del planeta. Por ejemplo:

1. Actúan como sumideros de carbono: Los humedales almacenan entre el 20% y el 30% del carbono terrestre en suelos, a pesar de cubrir solo entre el 5% y el 8% de la superficie terrestre, según fuentes como Mitsch y Gosselink (2015) y otros estudios que confirman que los humedales tienen una capacidad significativa para almacenar carbono. 
2. Son hábitat para la biodiversidad: Aproximadamente el 40% de las especies de plantas y animales del mundo dependen de los humedales para sobrevivir o reproducirse, lo que ha sido respaldado por la Convención de Ramsar. 
3. Protegen contra inundaciones y regulan el clima: Los humedales costeros pueden reducir hasta el 60% de la energía de las olas, lo que protege a las áreas urbanas y rurales de las inundaciones, según estudios de The Nature Conservancy.
4. Conservan recursos pesqueros y alimentarios: El 70% de las pesquerías comerciales dependen de los humedales, ya que estos proporcionan áreas esenciales para la reproducción y el desarrollo de los peces.
5. Mantienen ciclos ecológicos y mejoran la calidad del agua: Los humedales pueden eliminar hasta el 80% de los sedimentos y contaminantes del agua antes de que lleguen a ríos y lagos, lo que es crucial para la calidad del agua, de acuerdo con la Environmental Protection Agency (EPA).
6. Son reservorios de plantas medicinales: Aproximadamente el 25% de las medicinas modernas derivan de plantas, algunas de las cuales se encuentran en ecosistemas de humedales, según la World Health Organization (WHO).
7. Favorecen la recarga de acuíferos: Los humedales pueden contribuir hasta el 10% de la recarga de acuíferos en zonas áridas, según la UNESCO.

Bibliografía

• Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5-32.
• Environmental Protection Agency (EPA). (2016). Wetlands: Protecting Life and Property from Flooding.
• Foody, G. M., & Mathur, A. (2005). A relative evaluation of multiclass image classification by support vector machines. IEEE Transactions on Geoscience and Remote Sensing, 42(6), 1335-1343.
• Mitsch, W. J., Bernal, B., & Hernandez, M. E. (2015). Ecosystem services of wetlands. International Journal of Biodiversity Science, Ecosystem Services & Management, 11(1), 1-4.
• Ramsar Convention on Wetlands. (2021). The Global Wetland Outlook: State of the World’s Wetlands and their Services to People.
• The Nature Conservancy. (2020). The Protective Value of Coastal Wetlands.
• Qi, J., Chehbouni, A., Huete, A. R., Kerr, Y. H., & Sorooshian, S. (1994). A modified soil adjusted vegetation index. Remote Sensing of Environment, 48(2), 119-126.
• UNESCO. (2021). Water and Wetlands: Supporting the SDGs.
• World Wildlife Fund (WWF). (2018). Living Planet Report 2018: Aiming Higher.
• World Health Organization (WHO). (2013). Traditional Medicine Strategy 2014-2023.