Desarrollando el primer indicador del mundo de reservas y emisiones de carbono: ¡Funciona!

Aprendemos de niños que los bosques absorben bióxido de carbono, almacenan el carbono en plantas y suelos, y emiten oxígeno (que necesitamos para respirar). A pesar de un entendimiento intuitivo de este servicio esencial, no tenemos un modo práctico de contabilizar su valor en las decisiones o transacciones económicas. El resultado es que los países en desarrollo son incentivados a despejar sus bosques y transformar la tierra para la producción de diversos artículos (aceite de palma, soya, minería, ganadería) para poder crecer económicamente, y así, el depósito de carbono más grande del mundo se ha convertido en la segunda fuente más grande de emisiones de carbono causadas por el hombre.

Si queremos detener la deforestación tropical, debemos detener los incentivos económicos que dicen que los bosques no son un activo valioso de la tierra, y otorgan a los países tropicales vías más sostenibles para el desarrollo económico. Necesitamos traducir el valor de los bosques (o el verdadero costo de la deforestación) a la economía global, y hallar una manera de medir el bióxido de carbono para que éste también sea cuantificado y valorado, como lo son otros artículos en el mercado abierto. Afortunadamente, nuevos avances en teledetección y tecnologías de machine learning tienen el potencial de ayudar a lograr precisamente ello.

A fines de 2018, la Erol Foundation, el Centro de Descubrimiento Global  y Ciencia de Conservación en ASU, y Planet, anunciaron una innovadora iniciativa de investigación y desarrollo para medir directamente las reservas y emisiones de carbono en alta frecuencia en Perú. Hoy, estando a la mitad del proyecto, queremos otorgar una actualización en este esfuerzo por desarrollar el primer indicador del mundo de carbono forestal: ¡funciona!

Según los artículos 5 y 6 del Acuerdo de París de 2015, los países tropicales en desarrollo pueden medir, reportar y verificar las emisiones reducidas de la deforestación y degradación forestal (REDD+), intercambiándolas por pagos basados en desempeño. El problema es que es extremadamente difícil medir REDD+, y esto es un desafío tanto para los pagos basados en desempeño, como para traducir el valor de los servicios climáticos que dan los bosques más allá de las finanzas de desarrollo, y llevarlos a las finanzas privadas.

Las limitaciones tecnológicas requirieron un proceso en dos pasos para medir REDD+: 1) Usar las imágenes satelitales tradicionales para estimar el cambio en las áreas forestales durante 1 a 2 años, y 2) Multiplicar ese cambio por una reserva estimada de carbono, basada en tamaño y especie de árbol. Esencialmente, estamos limitados tecnológicamente a multiplicar un estimado por otro a escalas nacionales.

En los últimos años, se ha vuelto posible también el usar sensores LiDAR para medir directamente el carbono forestal. Debido a lo caro que resulta el volar este sensor a escala, sin embargo, esto realmente sólo se puede hacer una vez y/o a pequeñas escalas. (Las líneas negras en el mapa inferior muestran las rutas de vuelo LiDAR cartografiando la altura de los árboles en la Amazonía peruana).

Pero, ¿qué pasaría si los avances paralelos en teledetección y machine learning hicieran posible obtener la misma información a partir de sensores más frecuentes y menos costosos? ¿Podría ser posible tener finalmente las herramientas prácticas que necesitamos para valorar los servicios climáticos críticos que otorgan los bosques, tanto para flujos financieros públicos como privados? Eso es exactamente lo que este proyecto se propuso explorar.

Con el apoyo de la Erol Foundation, el Centro de Descubrimiento Global  y Ciencia de Conservación (GDCS) en ASU y Planet contrataron a dos investigadores para desarrollar y publicar modelos visuales computarizados que correlacionen las calidades volumétricas de los datos LiDAR aéreos de GDCS con la estructura espacial de los datos PlanetScope sobre Perú. El proyecto también utiliza las tareas frecuentes de los satélites SkySat de alta resolución de Planet sobre áreas clave de la Amazonía peruana para calibrar y validar la textura espacial del modelo y sus análisis volumétricos.

Con estos modelos implementados, las imágenes satelitales diarias de resolución de 3-5 metros de Planet pueden alimentarlos cada día desde el espacio. El resultado es la capacidad de medir y cartografiar directamente de manera automática y rentable las reservas y emisiones de carbono forestal a alta resolución y alta frecuencia. Los hallazgos del proyecto a la fecha indican que estos resultados son robustos tanto a nivel nacional como local.

Para probar la habilidad del modelo de medir cambios en las reservas y emisiones de carbono forestal en el tiempo, los investigadores pusieron dos mosaicos mensuales de PlanetScope de una región de alta degradación en el modelo visual computarizado. El resultado fue una detección y medición automática de dónde cambiaba el carbono forestal, capturando más de 110 Mg C / ha de emisiones previamente no contabilizadas, producto de la degradación durante el período de un mes.

Las implicancias de estos resultados preliminares no pueden minimizarse. La combinación de teledetección mejorada y análisis avanzado permite tener la capacidad de medir y cartografiar directamente el carbono forestal, de una manera exacta y espacialmente explícita, a escala nacional, y frecuentemente en el tiempo.

Este proyecto de investigación y desarrollo causará cambios, y con el lanzamiento reciente por parte de la NASA de la misión GEDI, podría escalar globalmente. Un agradecimiento especial a la Erol Foundation, el Centro de Descubrimiento Global  y Ciencia de Conservación en ASU, y el Ministerio del Ambiente del Perú.

Tara O’Shea

Directora de Programas Forestales en Planet

comentarios

0