{"id":579,"date":"2024-07-19T17:20:42","date_gmt":"2024-07-19T17:20:42","guid":{"rendered":"https:\/\/bolivia.mapbiomas.org\/?page_id=579"},"modified":"2025-07-31T20:15:50","modified_gmt":"2025-07-31T20:15:50","slug":"metodologia-mapbiomas-agua","status":"publish","type":"page","link":"https:\/\/bolivia.mapbiomas.org\/en\/metodologia-mapbiomas-agua\/","title":{"rendered":"Water surface mapping: Method summary"},"content":{"rendered":"

MAPEO DE LA SUPERFICIE DE AGUA: S\u00cdNTESIS DEL M\u00c9TODO<\/strong><\/h4>\n\n\n\n

This section presents a resume of the method developed and applied by MapBiomas Agua. For more information on the methodological details,visit ATBD<\/a> (Algorithm Theory Base Document)<\/p>\n\n\n\n

Presentation<\/strong><\/h4>\n\n\n\n

El objetivo de MapBiomas Agua es proporcionar datos anuales y mensuales sobre la din\u00e1mica de la superficie de agua y los cuerpos de agua en todo el territorio nacional desde 1985, y distinguir entre cuerpos de agua naturales y antropog\u00e9nicos (presas peque\u00f1as y grandes, agua en zonas mineras). El conjunto de datos est\u00e1n disponibles p\u00fablicamente en una platform<\/a> web para mejorar la gesti\u00f3n y el uso de los recursos h\u00eddricos.<\/p>\n\n\n\n

El mapeo de superficie de agua en Bolivia utiliz\u00f3 todas las escenas del sat\u00e9lite Landsat con una cobertura de nubes menor o igual al 70% y una resoluci\u00f3n espacial de 30 metros. El mapeo fue conducido a una escala de sub-p\u00edxel (SWSC), con An\u00e1lisis de Mixtura Espectral (SMA \u2013 por sus siglas en ingl\u00e9s) y reglas de clasificaci\u00f3n emp\u00edricas basadas en una l\u00f3gica fuzzy.  El mapeo comprendi\u00f3 el periodo de 1985 a 2024, en la escala mensual, con m\u00e1s de 396.000 escenas Landsat procesadas y analizadas en la plataforma Google Earth Engine.<\/p>\n\n\n\n

 Organization and database<\/strong><\/h4>\n\n\n\n

La coordinaci\u00f3n general de MapBiomas Agua es conducida por Imazon y RAISG mientras que la coordinaci\u00f3n t\u00e9cnica y operacional es dirigida por Geokarten. La reconstrucci\u00f3n de la serie hist\u00f3rica mensual de superficie de agua fue conducida por especialistas de todos los biomas de los pa\u00edses amaz\u00f3nicos, con el liderazgo de las siguientes instituciones: Fundaci\u00f3n Amigos de la Naturaleza -FAN- (Bolivia), Fundaci\u00f3n Gaia Amazonas -FGA- (Colombia), EcoCiencia (Ecuador), Instituto del Bien Com\u00fan -IBC- (Per\u00fa), Provita y Wataniba (Venezuela), Alliance of Bioversity International y CIAT (Guianas y Suriname). El algoritmo de mapeo de superficie de agua fue desarrollado por Imazon y adaptado por MapBiomas Agua en esta primera etapa de trabajo.<\/p>\n\n\n\n

The development of the MapBiomas Agua dashboard was led by Geodatin and has relevant contributions from the MapBiomas Agua working group and platform users in the design thinking process.<\/p>\n\n\n\n

Fueron producidos 4 tipos de productos por MapBiomas Agua:\u00a0<\/p>\n\n\n\n

    \n
  1. Monthly and annual water surface maps;<\/li>\n\n\n\n
  2. Water surface transition maps between \u201cWater\u201d and \u201cNon-Water\u201d classes. This product was processed with the annual water surface database;<\/li>\n\n\n\n
  3. Trend maps (increase and decrease) of water surface. This product was calculated from monthly water surface data in 5 km x 5 km grids.<\/li>\n\n\n\n
  4. Mapas de tipos de cuerpos de agua: naturales, antropog\u00e9nicos, hidroel\u00e9ctricos, mineros y acuicultura.\u00a0<\/li>\n<\/ol>\n\n\n\n

    The dashboard<\/a> est\u00e1 compuesto por mapas, estad\u00edsticas y herramientas de visualizaci\u00f3n, an\u00e1lisis y acceso a los datos. Es posible visualizar los datos en escala anual y mensual, m\u00e1s all\u00e1 de obtenerlo en distintas unidades  territoriales.  Para finalizar, el dashboard tambi\u00e9n dispone un link de acceso a la API de los datos de MapBiomas Agua. <\/p>\n\n\n\n

    Method<\/strong><\/h4>\n\n\n\n

    El siguiente diagrama ilustra las principales etapas en el proceso de clasificaci\u00f3n de la superficie de agua en los pa\u00edses amaz\u00f3nicos, y comprende de un clasificador de aguas superficiales a nivel de subp\u00edxel (SWSC), \u00e1rboles de decisi\u00f3n y procedimientos de post-clasificaci\u00f3n para generar un conjuntos de datos anuales y mensuales de aguas superficiales. <\/p>\n\n\n\n

    Figure 1. <\/strong> Classification steps of the water surface and water bodies<\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    Description of classification steps:<\/strong><\/h4>\n\n\n\n
      \n
    1. Pre-processing<\/strong><\/li>\n<\/ol>\n\n\n\n

      Consists in the selection of Landsat scenes from the sensors: Landsat 5 Thematic Mapper (TM), Landsat 7 Enhanced Thematic Mapper Plus (ETM+), and Landsat 8 Operational Land Imager (OLI); applying cloud and shadow masking to each scene and excluding scenes with more than 70% cloud cover. The visible, near and mid-infrared spectral bands were selected for the application of the Mixture Spectral Model (MEM). The result of the MEM is a set of compositional bands for each pixel of the Landsat image, for the Vegetation, Non-Photosynthetically Active Vegetation (NPV), Soil, Shade, and Cloud components. Water behaves as a dark body (i.e. low reflectance) in Landsat images and therefore has a high percentage of the Shadow component in the pixel. The edges of lakes, rivers, and humid environments, such as floodplains, present a mixture of Shadow (water), Vegetation, and Soil, which allows the detection of water in environments with these types of materials.<\/p>\n\n\n\n

        \n
      1. Water Surface Classification<\/strong><\/li>\n<\/ol>\n\n\n\n

        El algoritmo clasificador de sub-pixel de agua superficial (SWSC) original utiliza tres reglas jer\u00e1rquicas de decisi\u00f3n binaria (ej. verdadero, falso). Debido a que el agua absorbe gran parte de la radiaci\u00f3n electromagn\u00e9tica se utiliza una imagen con fracci\u00f3n de Shade, la combinaci\u00f3n de GV y Soil y Cloud para clasificar los p\u00edxeles como agua superficial. Adicionalmente, se aplica una clasificaci\u00f3n basada en l\u00f3gica difusa (reglas fuzzy) independientes, en las que se determina el grado de verdad\/certeza (memberships) de que un pixel Landsat es clasificado como agua. Luego se calcul\u00f3 el grado de verdad promedio para obtener un mapa continuo de membership con valores que oscilan entre 0 y 1. En base a estos memberships se clasifican los p\u00edxeles para producir capas de agua superficiales mensuales. <\/p>\n\n\n\n

        By calculating the median pixel memberships among available Landsat scenes for each month, pixels were classified as water based on defined thresholds. Procedures were then applied to restore false negatives and remove false positives, based on temporal metrics. Gap filling was then applied to reclassify as water those pixels that were eventually covered by clouds or within areas where no Landsat scenes existed during a given month, using a combination of two rules: within-year median probability and the decadal median. of the corresponding month. Finally, the presence of cloud shadows or other dark objects in the Landsat scene can also produce false positives in the water classification, so a removal filter was applied to reclassify those pixels as non-water.<\/p>\n\n\n\n

        Annual surface water maps include an identification between permanent and seasonal water, this classification is based on thresholds corresponding to the number of months in which a pixel is classified as water. For the first case, a frequency >= 6 months is considered, and for the second, a frequency between 1 to 5 months. <\/p>\n\n\n\n

        Figure 2. <\/strong>Monthly classification process.<\/p>\n\n\n\n

        \"\"<\/figure>\n\n\n\n
          \n
        1. Clasificaci\u00f3n de Cuerpos H\u00eddricos<\/strong><\/li>\n<\/ol>\n\n\n\n

          Figura 3. <\/strong>Proceso de clasificaci\u00f3n de cuerpos h\u00eddricos.<\/p>\n\n\n\n

          <\/p>\n\n\n\n

          Para la clasificaci\u00f3n de cuerpos h\u00eddricos se utilizaron las siguientes informaciones extra\u00eddas del mapeo anual de superficie de agua (permanente): i) la primera y la \u00faltima ocurrencia del cuerpo h\u00eddrico del a\u00f1o, ii) la frecuencia total de la superficie de  agua de la serie hist\u00f3rica y iii) la frecuencia anual. Esta informaci\u00f3n fue organizada en datos matriciales y utilizados en un algoritmo de segmentaci\u00f3n de objetos.<\/p>\n\n\n\n

          Posteriormente, se extrajeron atributos de mapas auxiliares de hidroel\u00e9ctricas y miner\u00eda de las siguientes entidades:<\/p>\n\n\n\n

            \n
          • MapBiomas Amazon\u00eda Colecci\u00f3n 6<\/li>\n\n\n\n
          • MapBiomas Bolivia Colecci\u00f3n 2<\/li>\n<\/ul>\n\n\n\n

            Los segmentos de cuerpos h\u00eddricos fueron clasificados mediante el algoritmo Random Forest<\/em> en cinco categor\u00edas: natural, otros artificiales, hidroel\u00e9ctrica, minera y de acuicultura.  Adicionalmente, se incluy\u00f3 una clase de \u201cfalsos positivos\u201d para eliminar sobreestimaciones persistentes en los mapas de superficie anual y mensual. Posteriormente, se aplicaron filtros espaciales y de frecuencia; adem\u00e1s, se tomaron muestras adicionales y se delinearon pol\u00edgonos manuales para mejorar el resultado.<\/p>","protected":false},"excerpt":{"rendered":"

            MAPEO DE LA SUPERFICIE DE AGUA: S\u00cdNTESIS DEL M\u00c9TODO Aqu\u00ed presentamos una s\u00edntesis del m\u00e9todo desarrollado y aplicado por MapBiomas Agua. Para mayor informaci\u00f3n de los detalles metodol\u00f3gicos entre al ATBD (Documento Base de la Teor\u00eda del Algoritmo) Presentaci\u00f3n El objetivo de MapBiomas Agua es proporcionar datos anuales y mensuales sobre la din\u00e1mica de la […]<\/p>","protected":false},"author":2,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_uag_custom_page_level_css":""},"acf":[],"uagb_featured_image_src":{"full":false,"thumbnail":false,"medium":false,"medium_large":false,"large":false,"1536x1536":false,"2048x2048":false,"trp-custom-language-flag":false,"infographic":false,"team":false},"uagb_author_info":{"display_name":"Adriel Fernandes","author_link":"https:\/\/bolivia.mapbiomas.org\/en\/author\/adriel-fernandes\/"},"uagb_comment_info":0,"uagb_excerpt":"MAPEO DE LA SUPERFICIE DE AGUA: S\u00cdNTESIS DEL M\u00c9TODO Aqu\u00ed presentamos una s\u00edntesis del m\u00e9todo desarrollado y aplicado por MapBiomas Agua. Para mayor informaci\u00f3n de los detalles metodol\u00f3gicos entre al ATBD (Documento Base de la Teor\u00eda del Algoritmo) Presentaci\u00f3n El objetivo de MapBiomas Agua es proporcionar datos anuales y mensuales sobre la din\u00e1mica de la…","_links":{"self":[{"href":"https:\/\/bolivia.mapbiomas.org\/en\/wp-json\/wp\/v2\/pages\/579"}],"collection":[{"href":"https:\/\/bolivia.mapbiomas.org\/en\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/bolivia.mapbiomas.org\/en\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/bolivia.mapbiomas.org\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/bolivia.mapbiomas.org\/en\/wp-json\/wp\/v2\/comments?post=579"}],"version-history":[{"count":9,"href":"https:\/\/bolivia.mapbiomas.org\/en\/wp-json\/wp\/v2\/pages\/579\/revisions"}],"predecessor-version":[{"id":1028,"href":"https:\/\/bolivia.mapbiomas.org\/en\/wp-json\/wp\/v2\/pages\/579\/revisions\/1028"}],"wp:attachment":[{"href":"https:\/\/bolivia.mapbiomas.org\/en\/wp-json\/wp\/v2\/media?parent=579"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}