Visualización de la información

Sabemos que uno de los muchos requisitos necesarios para gestionar de manera coherente los recursos naturales es contar con información ambiental de calidad. Y también que es fundamental que esta información esté ordenada y sea fácilmente accesible a los usuarios finales. Los que trabajan en los sistemas de información de las administraciones ambientales saben mucho de esto y dedican un gran esfuerzo a ordenar dicha información. En último lugar se suele considerar (aunque con poca frecuencia y dedicando no muchos recursos) la fase de procesar la información y los datos "brutos" para generar conocimiento útil para los usuarios.

Últimamente tengo cada vez más claro que solemos olvidar un último paso en el camino que recorre la información desde que se captura o se genera hasta que llega a los usuarios finales. Me refiero al conjunto de procedimientos que hacen la información más "vistosa" y comprensible para los usuarios. Esto cobra especial importancia cuando la información tiene una fuerte componente espacial y además es relativamente compleja.

Llevo unos meses siguiendo algunos blogs que tratan sobre cómo poner vistosa la información para facilitar su comprensión. Supongo que el hecho de que sea una disciplina relativamente nueva, hace que todavía no tenga un único nombre. Pero casi siempre aparece la palabra visualización y va implícito el concepto de complejidad. De modo de estas técnicas pretenden mejorar la forma en la que se representa la complejidad implícita a cierto tipo de información.

Uno de lo que más me gusta es Visual complexity, que recopila y ordena por ámbitos temáticos distintos ejemplos de visualización de la información que el autor va encontrando en internet. La mayoría de los ejemplos tienen que ver con el concepto de red y con la complejidad inherente a la las relaciones entre los distintos nodos de esa red. Una filosofía similar sigue Infosthetic, donde el otro día me encontré una maravilla como la que se puede ver aquí. Es un buenísimo ejemplo de cómo jerarquizar el acceso a una gran cantidad de información. Nos permite visualizar de forma sencilla los ejemplares de las colecciones biológicas del museo de ciencia de Barcelona. Está hecha con Adobe Flex, que al parecer es la tecnología de moda para estas cosas ...

Y debe de ser que esto de suministrar información de forma visualmente atractiva está empezando a calar en las administraciones públicas, ya que poco a poco se van creando departamentos especializados en la visualización de la información. Probablemente el más importante (y quizás también de los más veteranos) sea el laboratorio de visualización científica de la NASA. En esta web se ponen a disposición de todo el mundo brillantes animaciones obtenidas a partir del procesamiento de las miles de imágenes de satélite con las que cuenta la NASA. Podemos ver el ritmo de las estaciones a lo largo del año en los dos hemisferios, o la dinámica del hielo en el polo norte, en el video inferior.



La ONU tiene también un departamento que se dedica a generar mapas y gráficos que resumen información de diversa naturaleza de distintos países, todo bajo el lema de "Environmental Knoweledge for Change". Se pueden encontrar trabajos tan vistosos como éste:



En definitiva, que no basta con tener mucha información bien ordenada, sino que también hay que esforzarse en ponerla bonita ;)

EGMASADA (otra más)

Pues no, esta no es la entrada que esperabas ver aquí ... Lo siento, pero la he quitado. Volverá a estar en unos meses, cuando las consecuencias mediáticas de la misma hayan pasado. La situación me ha desbordado y al final he decidido no mantenerla por dos motivos fundamentales:

Creo que todavía no entendemos bien qué es un blog y para qué sirve. Es un sitio donde uno escribe cosas. Las cosas que le apetece escribir. Y otros (casi siempre tus colegas) lo leen y ponen comentarios en relación con las chorradas que tú escribes. Es divertido. Uno conoce gente y suele aprender cosas también. El rigor de un blog es el de la persona que escribe una entrada en cada momento. Hay entradas más rigurosas que otras. La que estabas buscando aquí tiene un rigor justito. Es fruto de un enfado con una situación que afecta a muchos. Pero con mi entrada no aspiraba a tener razón. De hecho sé que se me escapan muchos matices y sé que estoy equivocado en buena medida. Pero es mi opinión. Y soy libre de formularla en este foro (=mi blog). De hecho, no es la primera vez que digo las cosas que se dicen en el blog. La diferencia en este caso es que lo escrito, escrito está. Y si además lo pones e internet (gran error por mi parte), pues te expones a lo que ha pasado... Así que, asumiendo mi (gran) parte de responsabilidad, creo que parte del exceso de trascendencia que se le ha dado a este pensamiento mal cocinado se debe a que no sabemos bien gestionar las opiniones ajenas. No debería darnos miedo (a las empresas o insitituciones) que un pelagatos como yo diera su opinión libremente (siempre que ésta no falte el respeto a nadie). Me dicen algunos que he simplificado las cosas y que no es justo lo que digo, ya que me falta visión de conjunto. Pues claro que las he simplificado. Soy libre de opinar simplificando. Podría opinar aqui (=mi blog) que no me gusta la forma de vestir de los agentes de medio ambiente, que irían mejor de amarillo chillón. Es una opinión infundada y hasta estúpida, pero tengo derecho a tenerla y a escribirla aquí. Es más, podría instigar a que se rebelaran contra el verde que llevan, reivindicando un amarillo mucho más bonito. Seguro que nadie se molestaría. El problema es que la simplificación que he hecho afecta a la buena imagen de una empresa (pública). Y claro, eso es pisar callos o tocar las narices, que para el caso es lo mismo.

El caso es creo que no se ha entendido bien qué es opinar y el valor de las opiniones de la gente. Yo no trabajo en egmasa, y por tanto mis opiniones valen más o menos lo mismo que la reponedora del mercadona donde compro los cereales (aunque quizás haya trabajado antes en egmasa ... es una broma, no se me enfaden). Es decir, mi opinión a este respecto vale poco. Más bien nada. Otra cosa es que haya habido mucha gente que se sienta identificada con dicha opinión. Pero el caso es que esta opinión ha molestado a muchos (el que se pica ..., perdón, otra maldad. Es que me salen solas). Lo siento por ello. Hubiera preferido ver sus comentarios en el blog, promoviendo un interesante debate abierto. Pero no, no ha habido comentarios públicos. Siento que se hayan enfadado, de verdad. No he dudado nunca que en egmasa haya grandes profesionales que hacen su trabajo estupendamente. Tampoco dudo que egmasa haya hecho cosas buenas por el medio ambiente. Probablemente sin egmasa no habría planes de conservación de flora y fauna y habría muchos programas ambientales que no hubieran podido desarrollarse. Pero eso no quita que la gestión de recursos humanos de egmasa sea penosa y patética (os recuerdo que es mi opinión, la de un merluzo ajeno a la empresa).

El otro motivo por el que he decidido suprimir temporalmente la entrada es el uso que le han dado alguno de los afectados y empleados de egmasa. Me consta que la entrada ha sido enviada por correo electrónico a muchas personas y también se ha movido por redes sociales en internet. No es que me moleste eso (cuando uno pone cosas en internet, se expone a ello). Me molesta (un poco) que la han usado para reivindicar sus propios derechos personales amparados (en algunas ocasiones) en el anonimato. Y eso está feo. Digamos que adolece de valentía. Se me podría acusar de cobarde también porque no mostré mi opinión estando dentro de la empresa y tendrían razón en esa acusación. Pero eso no quita que me haya parecido mal ser usado como arma contra Goliat. Sobre todo, cuando no era ese el objetivo de mi entrada. Por lo demás, gracias a todos los que habéis comentado la entrada dando vuestro nombre.

En definitiva, que tenemos una situación subrealista: Alguien opina con poco rigor sobre una empresa en la que no trabaja, y su opinión es usada por algunos trabajadores para reivindicar sus derechos. Y encima se hace famoso por ello sin pretenderlo. A mí me suena un poco raro, la verdad.

Así que, cada cual que aguante su vela. La mía no está en este entierro...


Notas finales:

• Para el que no me conozca, diré que llevo 12 años trabajando en el contexto del medio ambiente en Andalucía. No es que sea un lumbreras, pero he hecho cosas más interesantes que escribir en un estúpido blog. Es sintomático que el sistema se dé cuenta de que una de sus hormigas existe cuando ésta grita su opinión en voz alta y no cuando trabaja denodadamente día tras día (en el fondo esto es lo que más me duele de la repercusión mediática de esto).
• No me retracto de las opiniones que expresaba en la entrada llamada "EGMASADAS". Puedo estar equivocado y si me convencen de ello, cambiaré de opinión. Vuelvo a pedir perdón si alguien se ha sentido molesto. Pero sigo opinando que egmasa gestiona tremebundamente mal sus recursos humanos.
  
• Esta entrada no admite comentarios.
  

Sed felices TODOS ;)

Nieve, fresquita nieve ...

Decir que la nieve es importante en Sierra Nevada suena un poco redundante. En realidad la presencia de nieve en esta montaña condiciona la vegetación, el caudal de los ríos y la fenología de los organismos tanto como lo hace en el resto de montañas o de lugares donde esta misteriosa agua sólida cubre el suelo con frecuencia.

Para evitar redundancias, usaremos el término que usaban los musulmanes que vivieron por estos lares durante 781 años ...: (Sulayr)

Resulta que es muy importante caracterizar la cubierta de nieve en Sulayr (jeje), por las razones antes expuestas. Además es importante porque hay un enorme negocio asociado a la nieve en la estación de esquí de Pradollano. En esta última temporada (2008-2009), la estación de esquí fue visitada por más de un millón de personas y aportó más de 200 millones de euros a la economía de la provincia. Esto supone el 1.5% del PIB provincial ... (para comparar, la universidad de Granada aporta el 4.7%). El caso es que desde el observatorio del cambio global de Sierra Nevada (perdón, de Sulayr), estamos empezando a poner en marcha un sistema de seguimiento de la cubierta de nieve. Este sistema se basa en dos pilares básicos:

• Recopilación de información sobre el estado y características de la nieve: Es importante saber la extensión, contenido en agua, espesor, estado, etc. de la nieve. Para ello utilizamos estaciones meteorológicas, fotografías oblícuas y sobre todo (y de esto va esta entrada), imágenes de satélite. Hemos empezado caracterizando la cubierta de nieve mediante el sensor MODIS de la NASA.
• Generación de un modelo de fusión de nieve: la información anterior se usará para validar los resultadoso obtenidos por un modelo hidrológico que tiene en cuenta la nieve y que está siendo desarrollado por nuestros vecinos del grupo de ríos y embalses del CEAMA. Ya hay un modelo de fusión, desarrollado por Javier Herrero, aplicable a la cuenca del río Guadalfeo, y en unos meses tendremos un válido para todo el macizo.
  

Como esto de la nieve me pareció divertido y como últimamente ando aburrido (sic), pues pensé en meterme en analizar la serie temporal de imágenes que el sensor MODIS suministra sobre la nieve. Este sensor está albergado en el satélite Terra. La NASA pone a disposición de la comunidad internacional varios productos de nieve. El que hemos utilizado es el índice (NDSI: Normalized Difference Snow Index) que permite detectar presencia de nieve en cada píxel. En concreto hemos usado las imágenes MOD10A2, que muestran la extensión máxima de la cubierta de nieve en un compuesto de 8 días. Es decir, si una de estas imágenes indica la presencia de nieve en un píxel dado, eso quiere decir que ahí hubo nieve en alguno de los 8 días considerados. Se trata por tanto de una aproximación que maximiza la presencia de nieve.

El objetivo de este primer contacto con las imágenes de nieve fue doble. Por un lado pretendíamos caracterizar la cubierta de nieve utilizando una serie de parámetros de la misma que pudieran condicionar de una forma u otra la dinámica de los sistemas naturales. Alguno de estos parámetros son la fecha de aparición de nieve, la duración de la cubierta de nieve, o el momento del año en el que se alcanza la extensión máxima. Estas variables afectan en buena medida al periodo durante el cual los sistemas naturales pueden ser productivos, y también condicionan la disponibilidad de recursos hídricos. El otro objetivo era el de analizar la serie de imágenes de MODIS utilizando las técnicas de series temporales, con objeto de identificar posibles tendencias en la dinámica de la cubierta de nieve. A pesar de que la serie temporal disponible no es demasiado larga (desde el año hidrológico 2000-2001 hasta la actualidad), y por tanto no es representativa, creímos interesante evaluar si había tendencias significativas en este periodo. El análisis de las series temporales se ha realizado aplicando el test de Mann-Kendall, que es muy útil para describir tendencias en series temporales. Para aplicar este test hemos usado R y también una aplicación gratuita suministrada por la USGS.

Teniendo en mente estos objetivos, procedimos a procesar las imágenes para a continuación generar una serie de índices sobre las mismas. Estos índices caracterizan la cubierta de nieve en todo el macizo y también en áreas que recogen otras tantas bandas altitudinales. El último paso implicó la evaluación de la serie temporal para estos índices, obteniendo tendencias significativas o no hacia un aumento o disminución de la variable en cuestión. La siguiente imagen muestra de forma más detallada la metodología seguida. Todos los procesos se realizaron con las herramientas suministradas por la NASA (Modis Reprojetion Tool), ArcGis y un bonito código escrito en R por Luis Cayuela (nuestro profe particular de R ...).



Los resultados muestran que hay algunas tendencias significativas en algunas variables, como la superficie ocupada por nieve o la duración del periodo ocupado con nieve en algunos rangos altitudinales y estaciones del año. En casi todos los casos se observa que las tendencias significativas son hacia una menor cantidad y superficie ocupada por nieve, lo cual va en consonancia con las previsiones de los escenarios climáticos regionalizados. Puedes descagar el informe completo aquí, aunque a continuación mostramos alguno de los resultados más interesantes.

En la siguiente gráfica podemos ver de forma resumida un año promedio en la cubierta de nieve de Sulayr. Se resaltan los índices que se han considerado más importantes y a los cuales se les han aplicado las técnicas de series temporales. Se observa claramente cómo la mayor superficie ocupada por nieve se da en invierno, mientras que a finales de primavera y durante el verano este elemento está prácticamente ausente de Sierra Nevada.


Sin embargo, si mostramos la evolución temporal de la superficie ocupada por nieve en todo el macizo durante toda la serie temporal (2000-2008), observamos notables diferencias entre años hidrológicos, que explican la gran desviación de la gráfica anterior. Al analizar estos datos con el text de Mann-Kendall, se muestra una tendencia ligeramente negativa. Es decir, en estos 8 años hidrológicos hay una tendencia a la reducción de la superficie ocupada por nieve.

Si analizamos la superficie media ocupada por nieve en cada uno de los 11 rangos altitudinales utilizados y a lo largo de la serie temporal, observamos que la tendencia a la reducción de la nieve es tanto mayor cuanto más subimos en altura. No hemos indagado mucho sobre el posible origen de esta tendencia, pero resulta curiosa. A lo mejor es un artificio debido a que al aumentar en altura se reduce la superficie potencialmente ocupable por nieve y eso podría interferir con la correcta aplicación del test de Mann-Kendall. La siguiente gráfica muestra esta tendencia.


Esta curiosa tendencia se constata si analizamos los datos píxel a píxel. En este caso, hemos analizado la tendencia en el número de "semanas" (entre comillas porque se refiere a las semanas de 8 días que nos suministra el producto MOD10A2) en el que hay nieve en cada uno de los píxeles. El mapa inferior muestra los resultados obtenidos. Se observa cómo las zonas con tendencia más negativa están por encima de los 2000 m. Los recuadros huecos que aparecen en el mapa muestran los píxeles de MODIS dondel a tendencia es estadísticamente significativa. Todos los píxeles significativos tienen una tendencia negativa, excepto dos.


En definitiva, que al parecer la tendencia predominante en Sierra Nevada es a que se vaya reduciendo progresivamente la superficie ocupada por la nieve. Pero esta tendencia se refiere sólo a los últimos 8 años hidrológicos. El presente año hidrológico termina en unos días (30 de septiembre), por lo que no lo hemos incluido en los análisis. Sospechamos que su inclusión cambiará las tendencias porque ha sido un año especialmente bueno para la nieve. De hecho ayer, 13 de septiembr, cayó la primera nevada sobre Sulayr. Esto suele ocurrir a primeros de octubre habitualmente. Para tratar de obtener tendencias más largas, estamos intentando extender la serie temporal hacia atrás, mediante el uso de imágenes AVHRR, Landsat e incluso del primer satélite espía norteamericano, el CORONA.

Guardando las recetas con las que cocinamos la información

En la Red de Información Ambiental de Andalucía (REDIAM), llevan más de 25 años recopilando información ambiental con el objetivo principal de suministrarla a los gestores que toman decisiones relevantes sobre el territorio.

En todo este tiempo hemos aprendido mucho sobre cómo gestionar la información, cómo ésta debe de estar normalizada y cómo hay que documentarla para que sea fácil acceder a ella. Hasta no hace muchos años, la información era la clave de toda la historia. Mejor dicho, la clave era organizar la información. Eran los tiempos del Arcview 2.1 (sobre win 95 ...), del llamado "SIG del olivar" y del acceso puntual (y casi prohibido) a internet (vía Netscape, por supuesto ...). A mediados-finales de los 90 uno de los principales problemas de la REDIAM era tener ordenada la ingente cantidad de información con la que contaba. Acceder a sus recursos si no trabajabas con ellos era bastante difícil ...

Todo esto ha pasado. Los sistemas de información corporativos de las administraciones ambientales ya tienen ordenada su información e incluso comienzan (tímidamente) a distribuirla gratuitamente por Internet. El Canal de la REDIAM es un buen ejemplo de ello.

Ahora la clave no es tanto ordenar la información, sino sistematizar la forma en la que dicha información es transformada en conocimiento. Es el conocimiento lo que nos permite abordar la resolución de problemas ambientales concretos: un mapa de vegetación no basta para ordenar los recursos ganaderos de un territorio. Debemos aplicarle ciertas modificaciones, ciertos algoritmos, para que obtengamos a partir de él (y de otras fuentes de datos), un "mapa de gestión" que realmente nos ayude a manejar mejor el recurso en cuestión.

Esta transformación de información a conocimiento se hace gracias al concepto de modelo. Se trata básicamente de simplificar la realidad para comprenderla mejor y de simular en la medida de lo posible el comportamiento de los sistemas naturales, con objeto de tratar de responder a problemas concretos de gestión. Cuando diseñamos un plan de reintroducción de una especie, o un plan de ordenación de los recursos naturales, no hacemos otra cosa que modelizar la realidad. Hacemos una copia reducida de esta realidad. Así la tenemos más "controlada"...

Si hace unos años dedicábamos mucho esfuerzo a normalizar y documentar la información, ahora parece tocarle el turno a la normalización y documentación de estos modelos ambientales que nos permiten transformar la información en conocimiento útil para la gestión.

Esto es lo que hemos intentado hacer durante el último año y medio dentro del Laboratorio de Ecología del CEAMA. Tengo el gran orgullo (no es broma) de presentar lo que hemos denominado el Repositorio de modelos ambientales de la REDIAM. La idea surgió hace unos pocos años, pero tuvimos que esperar hasta 2008 para conseguir los recursos económicos que nos han permitido llevarla a la práctica. Gracias al encargo de la REDIAM (Consejería de Medio Ambiente de la Junta de Andazulía), hemos dedicado todo un año a madurar la idea de una herramienta que permitiera documentar y ejecutar en línea los modelos ambientales que esta red de información usa para generar conocimiento útil para la gestión.

Creo que no es el lugar para hacer una descripción detalladísima del repositorio (ya lo harán en sucesivos blogs los que realmente saben cómo está hecho ...). Y está feo colgar aquí un enlace al informe final, ya que todavía no lo hemos entregado a los que lo han pagado ... Pero creo que el esquema de abajo resume bien lo que hemos hecho. Lo que más me gusta del esquema es que fue hecho en mayo de 2007, mucho antes de que empezáramos a trabajar en esto. Creo que hemos cumplido con creces lo que planeábamos...

(para ver bien el esquema, pulsa en maximizar la presentación. Haz click con el ratón para avanzar)

Repositorio de modelos

View more presentations or Upload your own.

Sólo daré un par de apuntes "técnicos" sobre cómo se ha hecho el repositorio: El corazón del repositorio es Kepler, una potente aplicación que permite ejecutar flujos de trabajo complejos, tanto en local como en un servidor. La hemos utilizado para ejecutar nuestros modelos. La aplicación ha sido realizada con Ruby on Rails, sobre una base de datos MySQL

De lo que sí es momento (y lugar) es de hablar de la gente que ha trabajado en este proyecto. Hemos sido un equipo de 4 personas humanas. Por orden alfabético: El señor Blas Benito, Raúl Casado, el Doctor Ramón Pérez y el peloncillo que escribe estas líneas. Como ya les he echado muchas flores en persona, diré algo nuevo. El repositorio de modelos es el trabajo del que me siento más orgulloso (le sigue mi tesis...). Y es sospechosamente curioso que el grueso del trabajo haya sido realizado por los otros tres miembros del equipo. Quizás por eso me gusta tanto. Para mí ha supuesto un gran esfuerzo aprender a organizar las tareas e intentar coordinar las cosas desde dentro, de verdad. Es bonito ver como una idea inicial va tomando forma y se convierte en algo más o menos tangible. Hemos funcionado genial juntos, sobre todo teniendo en cuenta que buena parte de nuestras reuniones han sido por correo electrónico. Incluso la maquetación del informe final se ha realizado usando herramientas de edición colaborativa ...

En fin, no quiero enrollarme más. Ya "sólo" nos queda convencer a la REDIAM. Seguiremos informando ... (y también seguiremos trabajando en el repositorio. Al margen de lo que la REDIAM decida hacer con él, nosotros lo usaremos intensivamente ...)

Edad de las repoblaciones forestales en Sierra Nevada II: Jugando con la incertidumbre

Partimos de una capa vectorial que muestra la edad de plantación de una serie de repoblaciones forestales en Sierra Nevada. Cada pinar tiene dos fechas probables de plantación, obtenidas mediante diversas fuentes de información. En esta entrada ensayaremos varios procedimientos para mejorar la representación gráfica de esta información. En concreto trabajaremos intentando incorporar la incertidumbre que hay asociada a cada fecha de plantación asignada a cada pinar.
Nos encontramos ante un caso particular de una situación bastante frecuente en el ámbito de la gestión del territorio: la información que utilizamos suele ser parcial, imprecisa, procedente de diversas fuentes y poco concreta en muchas ocasiones. Y con esa información es con la que se toman decisiones. Esto (entre otras cosas) hace que algunos autores consideren que la gestión del medio ambiente pueda englobarse dentro de los llamados “problemas perversos” (traducción literal de wicked). Pero esta es otra historia…

Para intentar cumplir nuestro objetivo de albergar la incertidumbre en la representación gráfica de la edad de la plantación de los pinares, hemos probado varias aproximaciones. Abajo se describen de manera resumida (salvo la última, en la que nos explayaremos un poco más…)

• La primera idea que me surgió fue intentar mostrar la incertidumbre (expresada como la diferencia entre las dos fechas de plantación probable) de manera que al aumentar ésta lo hiciera el grado de simplificación geométrica de cada polígono. Algo así como decir que cuanta mayor incertidumbre en la fecha de plantación tiene un polígono, menos nodos tiene y por tanto más se parece a un triángulo (que es el polígono más simple posible). Para hacer esto aplicamos un algoritmo de simplificación (concretamente el que hay implementado en Arcgis 9.2) a cada uno de los polígonos. Estos algoritmos va eliminando puntos del polígono, lo cual implica su progresiva simplificación. Así, la simplificación fue mayor en los polígonos con más incertidumbre. El resultado lo puedes ver más abajo. Aunque la idea original no es mala, estamos incurriendo en un error: asumimos que la incertidumbre se manifiesta gráficamente mediante una reducción en la precisión de la delimitación del polígono. Y eso es incorrecto. La precisión geométrica de todos los polígonos es la misma, ya que han sido digitalizados según una misma metodología (mapa de vegetación a 1:10.000). Digamos que estamos haciendo pagar al contorno del polígono la incertidumbre debida a los atributos que alberga (fecha de plantación). En cualquier caso, el mapa de abajo muestra claramente que hay zonas con poca incertidumbre (polígonos bien definidos: zona norte de Sierra Nevada), frente a otras con mucha indefinición (zona sur, por ejemplo)

• Siguiendo con el mismo razonamiento anterior (tratar de representar la incertidumbre como imprecisión geométrica), intentamos generar una capa tanto más “pixelada” cuanta mayor fuera la incertidumbre de los polígonos. Sería algo así como una capa raster con una resolución espacial variable. Para hacer esto, basta con ir generando rasters con un tamaño de píxel tanto mayor cuanto mayor sea el rango de fechas de plantación para cada polígono. Así, los píxeles más pequeños (140 m) se corresponden con polígonos que tienen un rango de fechas de dos años. Los más grandes (1000 m) corresponden con un rango de 18 años. El resultado es (en mi opinión) más vistoso que el anterior, aunque magnifica ostensiblemente la superficie ocupada por pinares con fecha de plantación cargada de incertidumbre.

• Esta imprecisión alfanumérica hace que en realidad cada polígono tenga varias fechas de plantación posibles. Nos encontramos ante un buen ejemplo de aplicación de la teoría de conjuntos difusos: la llamada lógica difusa. A partir de aquí trataremos de poner en práctica un procedimiento que nos permita representar gráficamente la información que nos interesa (fecha aproximada de plantación), junto con la incertidumbre asociada (rango de fechas de plantación estimadas).
• Para ello nos basaremos en una metodología diseñada por Tomislav Hengl y descrita en su wiki personal. Se trata de representar gráficamente la pertenencia de una zona determinada (en nuestro caso un pinar) a diferentes clases (en nuestro caso diferentes fechas probables de plantación), teniendo en cuenta que la probabilidad de pertenencia a cada clase es diferente en cada caso. Así, un pinar determinado puede tener una probabilidad de 0.5 de haber sido plantado en 1960 y una de 0.1 de haber sido plantado en 1965, por ejemplo. Esta múltiple pertenencia a varias clases es difícilmente representable de forma gráfica.
• En virtud de esta metodología, cada clase se corresponde con un color concreto y cada pinar se representará con los distintos colores de las clases para las cuales su probabilidad de pertenencia es mayor que cero. El predominio de un color u otro en cada pinar dependerá de la probabilidad de pertenencia a cada clase. Así, un pinar con una probabilidad de 0.5 de pertenecer a la clase roja y con un 0.1 de probabilidad de pertenencia a otras cinco clases, tendrá la mitad de su superficie coloreada de rojo.
• Para conseguir la representación de esta pertenencia múltiple a diversas clases, Hengl ha creado un macro implementado en ILWIS. Este programa es un SIG de código abierto y gratuito inicialmente diseñado para la modelización hidrológica. El macro en cuestión toma como punto de partida una serie de capas raster que muestran la probabilidad de pertenencia de cada píxel a cada una de las clases. A partir de este conjunto de capas genera una final en la que cada píxel tiene asociado un color correspondiente a la clase a la que pertenece con mayor probabilidad. El siguiente esquema muestra con detalle los distintos pasos de este macro de ILWIS.

• Para aplicar esta metodología a nuestros datos, necesitamos asignar una probabilidad de pertenencia de cada pinar a cada clase de edad. Partimos de que cada pinar tiene asignados dos años extremos de plantación probable. Se trata de los límites de un intervalo en cuyo interior está la fecha de plantación con total seguridad. Asumimos que la probabilidad de que un pinar haya sido plantado realmente en estas fechas extremas es mínima (0.1), mientras que es máxima en el año medio de ambas fechas (0.5). Entre este valor medio y los extremos, la probabilidad de ocurrencia baja linealmente. Mediante diversas consultas SQL podemos ir creando los campos necesarios en la tabla de atributos de nuestra capa vectorial original, los cuales contienen la probabilidad de pertenencia a cada clase.
• Cuando ejecutamos el macro, obtenemos una capa como la inferior. Con esta forma de representar la información sí hemos conseguido compatibilizar la precisión geométrica de los polígonos con la incertidumbre en sus atributos. Los polígonos que tienen píxeles con distintos colores son aquellos que tienen una fecha de plantación más incierta, que oscila entre los dos colores considerados.

• Si ejecutamos el macro en varias ocasiones, obtenemos una distribución diferente de los píxeles pertenecientes a distintas clases. Al representar gráficamente las diversas simulaciones (ejecuciones del macro), se observa un curioso efecto: los píxeles que cambian de color con más frecuencia pertenecen a pinares con una mayor incertidumbre a la hora de definir su fecha de plantación. Podemos ver este efecto en el video inferior y en este kmz (ojo, ocupa 5 megas. Para visualizar, basta con ejecutar el desplazamiento temporal).Tanto en el video como en el kml vemos perfectamente cómo los pinares cuya edad está delimitada con más precisión son los de la comarca del Marquesado. El resto de los pinares tienen una información muy difusa.
  

Edad de las repoblaciones forestales en Sierra Nevada I: recopilando información

Esta es la primera entrada de este blog que tiene que ver con el trabajo que desarrollo. Y no es que acabe de empezar a trabajar ;), sino que por fin me he animado a usar este blog a modo de cuaderno de notas. Se trata de tener almacenado en un lugar único las tareas más interesantes (o más aburridas ...) que desarrollo en mi día a día ... Han sido Luis Cayuela y Blas Benito los que me ha animado con sus respectivos blogs a retomar el mío; ¡¡Gracias!!.

Bueno, al grano:

En uno de los proyectos que estamos desarrollando, GESBOME (Gestión sostenible del bosque mediterráneo), nos hemos pasado un año digitalizando la información procedente de proyectos de actuaciones forestales en el monte (ha sido Nacho Villegas el que ha hecho este trabajo). Estos proyectos incluyen tratamientos silvícolas en pinares de repoblación, resalveos en encinares y también repoblaciones. Después de este (arduo) trabajo de digitalización, estamos en la fase de análisis de la misma. La idea final es hacer un repaso de cómo se ha realizado la gestión forestal en Sierra Nevada por parte de la administración pública. Esto es especialmente interesante en un año en el que se cumplen 10 de la existencia del Parque Nacional de Sierra Nevada y 20 del Parque Natural.

Uno de los aspectos en los que estamos trabajando en este análisis es la fecha en la que se realizaron las repoblaciones forestales. Esto es muy importante de cara a analizar los procesos ecológicos que ocurren bajo éstas. Sobre todo en lo relativo a la regeneración observada bajo el dosel de pinos. Pues bien, aunque parezca extraño, no sabemos bien la edad de estas repoblaciones. En toda Sierra Nevada hay unas 40.000 Has de pinares de repoblación, que se realizaron entre los años 30 y los 80 del siglo XX. Los motivos del desconocimiento exacto de las fechas de los trabajos son diversos. Pero entre ellos podemos citar la amnesia crónica que suelen sufrir las administraciones públicas (al menos las ambientales...), en lo que a actuaciones pasadas se refiere. El conocimiento sobre estas actuaciones recae en personas concretas y no en otros soportes (físicos o digitales), con lo que la memoria desaparece al hacerlo el individuo. También hay que tener en cuenta que la precariedad de medios y de recursos con los que se abordaron las repoblaciones dificultó en buena medida que se tomaran “metadatos” de las tareas realizadas.

En definitiva resulta que obtener un mapa continuo en el que cada pinar de repoblación tenga asignada su fecha de plantación, no es algo inmediato. Para trata de obtener uno lo más “preciso” posible, partimos de las siguientes fuentes de información:

• Conocimiento de expertos: mantuvimos entrevistas con dos profesionales forestales ya retirados que estuvieron implicados en las tares de repoblación. Ellos nos dieron algunas pistas muy generales sobre la forma en la que se realizó el trabajo (marcos de plantación, preparación del terreno, etc.). Al margen de la valiosa información que nos aportaron, fue un lujo compartir un café con ellos, ¡gracias!

• Bibliografía: algunos compañeros (sobre todo geógrafos), han realizado un análisis similar, pero sin plasmar los resultados en un mapa detallado. Como ejemplo valga el análisis realizado por Camacho et al., donde se hace una descripción literal de los diversos cambios de uso a los que ha estado sometida Sierra Nevada desde principios del siglo XX. Las repoblaciones forestales fueron, probablemente, el hito más importante de la segunda mitad del siglo.

• Revisión de proyectos forestales: Leímos (bueno, esto también lo hizo Nacho Villegas) unas pocas decenas de proyectos en formato árbol muerto, con objeto de extraer la información relativa a la fecha de plantación y otras características similares.

Como se observa, se trata de fuentes muy diversas, lo que dificulta considerablemente la obtención de un producto homogéneo para toda Sierra Nevada. En nuestras fuentes de datos coexisten elementos del estilo de: "en la década de los 50 se repobló con Pinus sylvestris la ladera oriental del barranco de Poqueira", o "en los primeros años 70 se iniciaron los trabajos de repoblación del Marquesado", o "en este polígono concreto se plantaron encinas en 1945". En definitiva, que nos enfrentamos a un típico problema en el que la incertidumbre es considerable, tanto que lidiar con ella se convierte en un objetivo básico del trabajo. De todas formas sigue resultando interesante intentar generar un mapa con la fecha de plantación de los pinares. Por muy ambiguo que sea el resultado y por mucha incertidumbre que contenga, será mejor que no tener nada...

Así que, al ataque. Describiremos de manera bastante telegráfica los pasos que hemos ido dando.

• Partimos de la distribución de los pinares de repoblación en Sierra Nevada. Según el mapa de vegetación a escala 1:10.000 editado por la Consejería de Medio Ambiente de la Junta de Andalucía, en Sierra Nevada hay unas 38.000 Has ocupadas por pinares de repoblación.

• A partir de esta cobertura vectorial, comenzamos el trabajo de asignación de fecha de plantación a cada uno de los polígonos (o grupo de polígonos). De esta forma, consideramos que cada pinar tendrá una fecha mínima y otra máxima de plantación. La diferencia entre ambas será utilizada como el valor de incertidumbre de cada polígono. Según las fuentes que utilicemos para cada polígono (bibliografía, proyectos o fotografías aéreas), podremos afinar más o menos en el rango de fechas asignadas. Así, por ejemplo, si vemos que un pinar no estaba en la foto de 1956, pero sí en la de 1977, podremos estimar su edad entre ambas fechas. Sabemos con casi total certeza que ese pinar fue plantado entre ambas fechas, pero no sabemos exactamente en qué año ocurrió el suceso. Supondremos que al fecha más probable es la media entre ambos valores. Por otro lado, hemos de tener en cuenta que desconocemos la fecha exacta de vuelo para la foto de 1977, lo cual es otra fuente de incertidumbre. En realidad lo que estamos haciendo es un trabajo de interpretación de la realidad con una considerable dosis de subjetividad. Pero desgraciadamente es lo máximo que podemos hacer por ahora ...

• Tras unas cuantas horas (repartidas en muchos días gracias al "falso efecto multitarea") asignando fechas, viendo fotografías antiguas y consultando legajos históricos, podemos considerar que todos los polígonos tienen asignada su fecha. Abajo tenemos una muestra de lo que sale. El mapa de abajo muestra la edad media de plantación de los distintos pinares de repoblación.

• A priori no tiene mala pinta, pero si observamos las diferencias entre las dos fechas de plantación probables para cada pinar, veremos que hay diferencias de hasta 18 años en algunos casos. Esto equivale a decir que un pinar fue plantado entre 1950 y 1968. Esta afirmación contiene casi más incertidumbre que afirmación, la verdad. En el mapa de abajo vemos que los pinares que tienen menos incertidumbre a la hora de asignarle una fecha de plantación son los de la zona norte (comarca del Marquesado).
  

• En la siguiente entrada veremos cómo incorporar en un único mapa la edad de cada pinar y su incertidumbre asociada…