Detección de cambios en el uso del suelo en el Corredor Ecológico Río Tea (NO España)

Abstract

Los cambios de uso del suelo y de la cobertura terrestre (LULCC) tienen una fuerte interrelación entre ellos, llegando a alterar los servicios ecosistémicos y contribuir negativamente al cambio climático. El objetivo general de este estudio es analizar diferentes fuentes de información para cuantificar el LULCC en el LIC Río Tea (NO de España) en el periodo 2015-2023. El área de estudio presenta múltiples coberturas con muy baja variabilidad espectral entre ellas y con una gran fragmentación del territorio, lo que dificulta la obtención de altos niveles de precisión. La clasificación de las coberturas del suelo se realizó mediante metodologías de Clasificación por Análisis de Imágenes Basadas en Objetos (OBIA) y Redes Neuronales Artificiales (ANN) a partir de imágenes de las plataformas de satélites multiespectrales Sentinel-2 y Planet Labs (RapidEye y PlanetScope). La precisión en la clasificación de las coberturas terrestres obtenida para los datos de Planet Labs y la metodología OBIA fue de un 80%, mientras que Sentinel-2 proporcionó una precisión de un 70%, empleando la metodología de ANN con los datos de Planet Labs, la precisión se sitúa en torno al 55%. Así pues, los datos utilizados y la metodología seguida influyen en los niveles de precisión obtenidos en las clasificaciones. Por último, se concluye que los datos geoespaciales disponibles son muy útiles para detectar y cuantificar los cambios en la ocupación del suelo. No se detectan grandes cambios en las coberturas terrestres, el principal cambio detectado es una transición de las coberturas vinculadas a los cultivos, las cuales en períodos de barbecho se detectan como suelo desnudo. Se confirma que la metodología utilizada contribuye a la planificación territorial y a la gestión forestal sostenible, facilitando futuras decisiones y planes de acción en la gobernanza de la región

Land use and land cover change (LULCC) is strongly interrelated, altering ecosystem services and contributing negatively to climate change. The overall objective of this study is to analyse different sources of information to quantify LULCC in the Río Tea SCI (NW Spain) in the period 2015-2023. The study area has multiple land covers with very low spectral variability between them and with a high fragmentation of the territory, which makes it difficult to obtain high levels of accuracy. Land cover classification was carried out using Object Based Image Analysis Classification (OBIA) and Artificial Neural Network (ANN) methods based on images from the Sentinel-2 and Planet Labs multispectral satellite platforms (RapidEye and PlanetScope). The accuracy of land cover classification obtained using Planet Labs data and the OBIA method was 80%, while Sentinel-2 gave an accuracy of 70% and the ANN method with Planet Labs data gave an accuracy of around 55%. Thus, the data used and the methodology applied influence the accuracy of the classifications. Finally, it is concluded that the available geospatial data are very useful for detecting and quantifying land cover changes. No major changes in land cover are detected; the main change detected is a transition of land cover associated with crops, which in fallow periods are detected as bare soil. It is confirmed that the methodology used contributes to spatial planning and sustainable forest management, facilitating future decisions and action plans in the governance of the region