En este artículo vamos a mostraros un plugin para QGIS llamado MOLUSCE, que nos permite generar modelos de evolución de los usos del suelo.
MOLUSCE es un plugin que Asia Air Survey desarrolló para las versiones 2.x de QGIS, pero con el salto a Python3 quedó desactualizado. Ha sido recientemente cuando, NextGIS, ha actualizado el plugin para que vuelva a estar disponible en las versiones recientes del software.
Cuando analizamos los cambios en el paisaje a lo largo del tiempo nos enfrentamos a incógnitas como:
- ¿Cuáles son los cambios y dónde se han producido?
- ¿Qué factores pueden explicar los cambios y cuál es su poder explicativo?
- ¿Qué cambios se esperan en el futuro y dónde?
La respuesta a la primera incógnita puede obtenerse mediante una estimación visual pero, para dar respuesta al resto, será necesario establecer hipótesis, verificarlas, extraer conclusiones y ver cómo se ajustan a la realidad.
Índice
Pero, ¿qué es realmente MOLUSCE?
MOLUSCE (Modules for Land Use Change Evaluation) está diseñado para analizar, modelar y simular los cambios de usos o cobertura de los suelos. Incorpora algoritmos que pueden emplearse en el análisis de usos del suelo y sus variaciones, análisis urbano, así como aplicaciones forestales.
MOLUSCE nos permite:
- Analizar los usos del suelo y sus cambios en la cubierta forestal entre diferentes periodos de tiempo
- Modelar la potencial transición de los usos del suelo o áreas en riesgo de deforestación
- Simular el futuro uso del suelo y los cambios en la cubierta forestal
Descarga e instalación del plugin MOLUSCE
Para acceder a las herramientas que proporciona el plugin MOLUSCE debemos de descargarlo e instalarlo desde el repositorio oficial de plugins de QGIS, a través del Administrador e instalador de complementos….
Por ello, en primer lugar, abre un proyecto en blanco en QGIS y accede al menú Complementos → Administrar e Instalar complementos…..
Introduce en el buscador la palabra MOLUSCE para localizar rápidamente el plugin y haz clic en Instalar complemento.
Una vez instalado, podrás localizarlo dentro del menú Ráster.
Para poder trabajar con MOLUSCE de forma efectiva y realizar una predicción fiable de los cambios en los usos del suelo debemos seguir un flujo de trabajo que describiremos a continuación.
Entradas del modelo
En primer lugar, debemos de contar con mapas de cobertura terrestre para intervalos de tiempo de, aproximadamente, cada 5 años. Por ejemplo, imágenes de nuestra zona de estudio para los años 2012, 2017 y 2022.
Además, una serie de datos referentes a variables explicativas de la zona de estudio, como son la red viaria, las construcciones y las masas de agua.
Por último, un Modelo Digital de Elevaciones (MDE) a partir del cuál podremos calcular la pendiente, otra variable a tener en cuenta.
Toda esta información la introduciremos en la pestaña Datos de entrada del plugin:
Análisis de cambios de superficie
Con esta información, el plugin será capaz de darnos la información acerca de los cambios que se produjeron entre los años analizados en la pestaña Area Changes.
La tabla de estadísticas muestra el área inicial y final para cada año, el incremento o decremento, el porcentaje sobre el total de superficie que representaba el uso en el año inicial y el final y, por último, el incremento o decremento de su superficie en porcentaje.
Por otro lado, la matriz de transición (Transition matrix) muestra las proporciones de píxeles que cambian de uso de un año a otro.
Además, podemos crear un mapa con los cambios de usos del suelo con el botón Create changes map.
Modelado del potencial de transición
El siguiente paso, sería calcular las probabilidades de transiciones de una clase a otra de los usos del suelo.
El plugin MOLUSCE nos ofrece cuatro métodos para realizar el modelado de transición potencial que el usuario puede seleccionar a través de un desplegable:
- Red Neuronal Artificial (ANN).
- Evaluación Multi-Criterio (MCE).
- Pesos de Evidencia (WoE).
- Regresión Logística (LR).
La línea verde refleja la fase de entrenamiento del modelo y la línea roja la validación de dicho entrenamiento.
Modelado de la previsión de cambios
Una vez que hemos realizado el modelado de transición potencial de cara a conocer los cambios futuros, ya podemos realizar la simulación que nos otorgue el resultado visual de cómo evolucionarían los usos del suelo con el aprendizaje del modelo anterior desde la pestaña Celular Automata Simulation.
Con la simulación se producen las siguientes salidas:
- Función de certeza. Genera un mapa que evalúa la probabilidad de acierto en la predicción de los cambios en los usos del suelo.
- Resultado de la simulación. Genera un mapa con la simulación de los cambios que se producirán en el futuro siguiendo la tendencia indicada a través de los parámetros en el modelo de transición potencial.
Validación de resultados
Mediante la pestaña Validation (Validación) del plugin MOLUSCE podemos verificar, validar y comparar los resultados de la simulación, siendo este el paso final tras realizar la simulación de cambios futuros en los usos del suelo del área de estudio.
Esta validación nos permite realizar una comparación entre el mapa de cambios de usos del suelo generado con la simulación del modelo de transición potencial, todo ello de cara a analizar la previsión y comportamiento futuro en los usos del suelo.
Además, la herramienta generará un gráfico en la interfaz de la pestaña Validation que refleja la bondad del proceso a lo largo de las iteraciones indicadas como parámetro.
¿Te interesa este plugin? ¿Quieres aprender a simular cambios de usos del suelo? Te leemos en los comentarios.
Tutor de los cursos de QGIS, QGIS avanzado, QGIS aplicado a Urbanismo y Catastro, PostGIS, Teledetección con QGIS y Google Earth Engine, PostGIS y ArcGIS. Licenciado en Geografía y Master en SIG y Ordenación del Territorio. Echa un vistazo a todos nuestros cursos de SIG online.
Previa clasificación supervisada de las imágenes tanto sentinel como landsat, se puede hacer dicho proceso
Hola Jose,
Para realizar el análisis debes de emplear las imágenes con datos sobre cobertura de suelo que suministra el producto del satélite MODIS, MCD12Q1, que pueden descargarse gratuitamente, por ejemplo, desde https://search.earthdata.nasa.gov/search?q=C2484079608-LPCLOUD
Por otro lado, la información acerca de las variables como red viaria, edificaciones, masas de agua, etc.. son de tipo vectorial y puedes obtenerlas de servidores de descarga como OpenStreetMap.
Todos los datos para el análisis deben de encontrarse en el mismo Sistema de Coordenadas.
Saludos!
Buenos días
Cordial saludos, cuando indicas imágenes te refieres a imágenes Landsat o Sentínel, y datos sobre red ferroviaria, construcciones de que tipo vectorial? Y algún DEM en específico o con el Alos Palsar trabaja. Quedo atento, gracias.