Se modelaron los procesos de deforestación y degradación de las cubiertas forestales en México utilizando los mapas de la base de datos Global Forest Change 2000–2013 y mapas obtenidos del análisis de las imágenes MODIS (productos MOD44B) ası́ como las variables seleccionadas con los modelos de regresión geográficamente ponderada (RGP).
Se generó un mapa de las áreas forestales de 2000, seleccionando los pixeles del mapa de porcentaje de cobertura forestal con un porcentaje mayor a 10 %. Se generaron mapas de las áreas forestales de 2002, 2008 y 2012 eliminando respectivamente del mapa forestal del 2000 las celdas que reportan pérdida para el año 2001 y para el periodo 2000-2007. El proceso de modelación se basó en el análisis de los cambios pasados que permite evaluar la relación entre la localización de los cambios (transiciones) y variables “explicativas” que influyen en la distribución espacial de dichos cambios utilizando el método de los pesos de evidencia en el paquete DINAMICA EGO. El periodo de calibración fue 2002-2008. Las variables explicativas fueron elevación, pendiente, distancia a caminos, distancia a áreas no forestales, distancia a áreas forestales degradadas, distancia a áreas forestales conservadas, ı́ndice de marginación, ı́ndice de migración, número de cabezas de ganado bovino, número de cabezas de ganado caprino, montos de los subsidios PROCAMPO. Debido a que se observaron diferentes patrones de cambio a lo largo del territorio, con el análisis de modelos de regresión ponderada geográficamente, se utilizó el mapa de las Regiones Económicas de México de Bassols Batalla (1967) para regionalizar el modelo.
Se evaluó el desempeño del modelo con un análisis ROC (Área debajo de la curva AUC) y calculando el índice de diferencia de potencial de cambio (DPC). Utilizando los datos de entrenamiento, se obtuvieron índices AUC de 0.75 para deforestación y 0.70 para degradación (con ı́ndices de DPC de 0.22 y 0.16 respectivamente). Finalmente, se evaluó la capacidad predictiva del modelo para la pérdida forestal calculando estos dos ı́ndices con base en el mapa de pérdida forestal entre 2009 a 2013. El AUC obtenida fue de 0.70 (con un ı́ndice de DPC de 0.18).
El modelo presenta un desempeño satisfactorio (área debajo de la curva ROC de 0.70) con datos de un periodo siguiente al periodo de entrenamiento. La estratificación permitió ajustar los parámetros a cada región. Para la transición degradación forestal, la calidad de los mapas de entrada es crı́tico debido a que el mapa de degradación se obtuvo con datos de baja resolución (MODIS). A pesar de estas limitaciones, el modelo permite identificar las áreas con más probabilidad de cambio.
Más detalles en: Mas, J.F. & G. Cuevas, 2016, Identifying Local Deforestation Patterns Using Geographically Weighted Regression Models. In: C. Grueau & J.G. Rocha (Eds.), Geographical Information Systems Theory, Applications and Management, Vol. 582 of the series Communications in Computer and Information Science pp 36-49, Springer. DOI:10.1007/978-3-319-29589-3_3. (Ver PDF)
