La minería ilegal en América Latina ha tenido efectos devastadores sobre los bosques y los cauces de los ríos, lo que ha provocado impactos negativos en la salud de la población local, la flora y la fauna. El aumento del precio internacional del oro ha estimulado la expansión de la minería ilegal, atrayendo a miles de personas a la región. El principal problema de la minería ilegal es el uso indiscriminado e irresponsable de elementos como el mercurio y el cianuro, que son venenosos y ponen en peligro el medio ambiente.
En Colombia, el 66% de la minería de oro aluvial es ilegal. La tasa más alta de minería ilegal se encuentra en el departamento del Chocó, según la Oficina de las Naciones Unidas contra la Droga y el Delito (ONUDD). Istmina, Colombia es un municipio ubicado en el departamento del Chocó, en medio de uno de los bosques más valiosos del mundo. Esta zona ha sido devastada por la minería ilegal.
En los últimos años, se han hecho esfuerzos para monitorear y combatir esta actividad mediante el uso de imágenes satelitales ópticas. Sin embargo, la mayoría de las áreas que se están explotando son propensas a una cobertura de nubes densa y casi constante, lo que impide que las imágenes ópticas se utilicen para mantener informadas a las autoridades locales. El uso de datos de radar de apertura sintética (SAR) se ha vuelto cada vez más popular en los últimos años debido a sus ventajas sobre los sensores tradicionales, en particular su capacidad para obtener información a través de las nubes tanto de día como de noche. Geospace Solutions en Ecuador, un distribuidor del software ENVI, realizó un estudio para evaluar el uso de datos SAR de alta resolución para monitorear y cuantificar con precisión la explotación ilícita de oro en Istmina.
MÉTODOS Y PRODUCTOS
El estudio se realizó utilizando ENVI SARscape, el software líder de procesamiento y análisis de SAR de NV5, y datos SAR de Capella Space. Capella cuenta actualmente con los datos SAR de mayor resolución de la industria y con las tasas de revisita más frecuentes. El objetivo del estudio fue monitorear los cambios a lo largo del tiempo en el área de interés para medir los impactos de la minería ilegal.
Los datos SAR de Capella utilizados en este estudio fueron productos GEO (geocodificados), adquiridos en modo Stripmap (SM) y modo Spotlight (SP), en copolarización HH obtenida por la constelación Capella, en geometría ascendente.
Los datos SAR multitemporales se adquirieron:
- 22 de octubre de 2020 (SM)
- 4 de noviembre de 2020 (SM)
- 10 de noviembre de 2020 (SM)
- 30 de noviembre de 2020 (SM)
- 14 de diciembre de 2020 (SP)
Figura 2 (izquierda): Datos SAR de Capella adquiridos en modo Spotlight sobre el área de estudio.
Figura 3 (derecha): Datos SAR de Capella adquiridos en modo Stripmap sobre el área de estudio.
Previo al procesamiento y análisis de los datos SAR, las imágenes ya muestran la devastación que ha sufrido esta zona. Es notorio el contraste entre las áreas de bosque (gris claro) y las áreas sin vegetación (gris oscuro). Debido a que Istmina ha sido explotada por muchos años, el reto era verificar si existían nuevas áreas deforestadas que indicaran actividad reciente, así como identificar la presencia de maquinaria pesada e infraestructura que se utilizan en la explotación de minerales.
CARACTERÍSTICAS MULTITEMPORALES DEL SAR
Se obtuvieron características multitemporales basadas en estadísticas de primer orden a partir de datos de intensidad SAR utilizando ENVI SARscape. El objetivo del análisis de las imágenes de Capella en modo Stripmap fue detectar y extraer cambios temporales.
Las estadísticas de primer orden calculadas a partir de los datos de entrada SAR son:
- Media: Representa el promedio calculado a partir de todos los datos de entrada.
- Desviación estándar: representa la desviación estándar calculada a partir de todos los datos de entrada.
- Mediana: Representa el valor mediano (el valor central en la serie ordenada) calculado a partir de todos los datos de entrada.
- Gradiente: Representa la variación absoluta máxima entre fechas de adquisición consecutivas.
- Valor máximo: representa el valor máximo extraído de todos los datos de entrada.
- Valor mínimo: representa el valor mínimo extraído de todos los datos de entrada.
- Diferencia de intervalo: representa la diferencia entre el valor máximo y el valor mínimo de todos los datos de entrada.
- Incremento máximo: Representa el incremento máximo entre fechas de adquisición consecutivas.
- Decremento máximo: Representa la disminución máxima entre fechas de adquisición consecutivas.
- Relación de amplitud: representa la relación calculada entre el valor máximo y el valor mínimo de todos los datos de entrada.
- Relación máxima: representa el valor máximo (incremento máximo de la retrodispersión) entre todas las relaciones calculadas entre fechas de adquisición consecutivas.
- Relación mínima: representa el valor mínimo (disminución máxima de la retrodispersión) entre todas las relaciones calculadas entre fechas de adquisición consecutivas.
- MuSigma: Representa la relación entre la media y la desviación estándar.
- Coeficiente de variación: Representa la relación desviación estándar/media.
- Moda: Representa el valor de moda (el valor que aparece con más frecuencia en la serie de entrada) calculado a partir de todos los datos de entrada.
Para representar la dinámica del cambio, el análisis multitemporal SAR de características muestra una composición de color RGB:
- R: Gradiente
- G: Valor mínimo
- B: Coeficiente de variación
En esta imagen en color, los tonos magenta indican las áreas con mayor dinámica de cambio ocurrida en la ventana de tiempo de análisis del 22 de octubre al 30 de noviembre de 2020:
Figura 4: Composición RGB basada en estadísticas SAR.
ANÁLISIS DE TEXTURA
En general, la textura se refiere a la variación espacial de los niveles de gris (tono) de la imagen en función de la escala. En el caso de los datos SAR, la textura proporciona un nuevo nivel de información para interpretar y extraer entidades de interés.
Se utilizaron métricas para aplicar un filtro de textura que se basó en una medida de ocurrencia de primer orden. Las métricas calculadas sobre los datos SAR en modo Spotlight fueron:
- Rango de datos: Representa el valor máximo menos el valor mínimo en el kernel.
- Media: Representa el valor promedio del kernel.
- Varianza: Representa una medida de la dispersión de los valores alrededor de la media.
- Entropía: Representa una medida del desorden de los valores del kernel.
- Asimetría: Representa una medida de simetría alrededor de la media.
El análisis de textura con datos SAR de alta resolución nos permitió resaltar características y detalles de los datos a través de una composición de color RGB falsa, donde:
- R: Rango de datos
- G: Media
- B: Varianza
Figura 5: Composición RGB basada en métricas de textura SAR.
En esta imagen en falso color, podemos identificar y resaltar elementos importantes, como las pozas de sedimentación en negro, y la infraestructura y maquinaria presente en la zona en la fecha de toma de la imagen (14 de diciembre de 2020) en blanco. Esto permitió conocer mejor y en detalle la dinámica que se está dando debido a la minería ilegal.
RESULTADOS
Una vez obtenida la serie temporal de intensidad SAR a partir de datos multitemporales adquiridos en modo Stripmap, se detectó nueva actividad en las siguientes coordenadas Pto1: 5° 13’29.67″ N, 76° 43’23.98″ O
Figura 6: Área deforestada identificada.
Adicionalmente se identificó la construcción de nuevas piscinas de sedimentación en la coordenada Pto2: 5° 11’56.88″ N, 76° 43’48.39″ O
Figura 8: Identificación de nuevos yacimientos de sedimentación.
Como resultado del análisis de textura de la imagen SAR en modo Spotlight, se identificaron detalles únicos de la actividad minera, como la huella de los vehículos de carga que extraen el material, como se muestra en la siguiente figura:
Figura 10: Identificación de huellas de vehículos de carga.
La comparación visual entre los datos recopilados el 22 de octubre y los datos recopilados el 30 de noviembre (38 días después), valida los resultados de identificación de deforestación, como se muestra en la siguiente figura:
Figura 7: Comparación de imágenes SAR multitemporales en áreas deforestadas.
Además, se realizó una validación visual entre los datos multitemporales donde se evidencian las actividades mineras, como se muestra a continuación:
Figura 9: Comparación de datos SAR multitemporales en áreas con actividad minera.
Los datos de Spotlight también permitieron identificar claramente elementos de infraestructura como campamentos y maquinaria, como se ve a continuación:
Figura 11: Identificación de infraestructura y maquinaria.
CONCLUSIONES
El municipio de Istmina en Colombia, al igual que muchos otros lugares de la región donde se desarrollan actividades de minería ilegal, se encuentra ubicado en una zona con condiciones climáticas complejas. Estas condiciones facilitan el desarrollo y la expansión de la actividad minera ilegal debido a la falta de sistemas de monitoreo permanente que permitan la vigilancia y el control. Los datos SAR brindan la solución adecuada a esta problemática con su capacidad de “ver” a través de las nubes y operar tanto de día como de noche.
Los datos SAR de Capella de muy alta resolución utilizados en este estudio demuestran que, con su tecnología de radiometría mejorada y su bajo nivel de ruido, es posible superar las limitaciones de los datos ópticos, eliminando el mito de la identificación de objetivos como una capacidad única de los sensores tradicionales.
Las ventajas de los datos SAR de Capella combinados con ENVI SARscape permitieron procesar un análisis de series temporales de intensidad SAR, lo que permite entender de manera muy precisa la dinámica de cambio y los fenómenos en curso en el área de minería ilegal, comprobando que en la actualidad la zona sigue siendo explotada. El análisis de textura de los datos SAR multiplica sus ventajas al identificar diferentes tipos de cobertura y resaltar elementos de interés para entender mejor el fenómeno de la minería ilegal. Esta información permitirá tomar decisiones más rápidas e informadas, así como la implementación de sistemas de monitoreo eficientes que apoyen las políticas gubernamentales para detener esta actividad que ya ha causado tanto daño a estos territorios.
Rafael Castro
Andrés Castillo
Capella Space
comentarios
0