Revista Chapingo Serie Ciencias Forestales y del Ambiente 17(3): 343-360, 2011.
CONSISTENCIA ENTRE LOS MAPAS GLOBALES Y LOS MAPAS REGIONALES
DE LA CUBIERTA TERRESTRE EN EL ESTADO DE MICHOACAN, MÉXICO
CONSISTENCY BETWEEN GLOBAL AND REGIONAL LAND COVER MAPS
IN THE STATE OF MICHOACAN, MEXICO
Luis Valderrama Landeros1, Frédéric Baret2, María Luisa España Boquera1*
Instituto de Investigaciones Agropecuarias y Forestales, Universidad Michoacana de San Nicolás de Hidalgo, Posta de Veterinaria, km 4.5 Carretera
Morelia-Zinapécuaro. Morelia, Michoacán. MÉXICO.
2
INRA-CSE. Agroparc, 84914, Avignon, France. Correo-e: boquera@umich.mx (¶Autor para correspondencia)
1
Recibido: 14 de octubre 2010
Aceptado: 9 de junio de 2011
doi. 105154./r.rchscfa2010.09.075
RESUMEN
Desde hace algunos años se han realizado intentos para elaborar mapas globales utilizando diferentes tipos de imágenes, métodos y sistemas de nomenclatura. Estos mapas son difíciles de validar
y su precisión a nivel local puede ser muy variable. El objetivo del presente estudio fue contribuir a
la validación de los mapas globales de la cubierta terrestre, comparando cinco de ellos para el caso
particular del Estado de Michoacán, México. Se tomó como referencia el mapa de la Comisión Nacional para el Conocimiento y Uso de la Biodiversidad de México y como criterios, la consistencia y
el área espacial. Tomando en cuenta las leyendas iniciales, la comparación reveló incoherencias debidas en parte a las diferencias en los sistemas de clasificación. Después de establecer una leyenda
unificada con seis categorías generales, la precisión global entre los mapas varió de un 9 a un 62 %.
Solo 2 % de los pixeles coinciden en 4 mapas (principalmente ciudades y agua) y 88 % coinciden en
2 ó 3 mapas. El principal problema es la distinción entre las áreas de cultivo y otro tipo de vegetación. Los mapas más recientes, basados en la nomenclatura propuesta por la FAO, muestran mayor
exactitud pero aún no la suficiente para considerarlos como adecuados para detectar los principales
tipos de cubierta terrestre. El uso de mapas globales de cobertura terrestre debe ser adecuadamente
contextualizado en situaciones de gran diversidad.
KEY WORDS: UMD,
IGBP, MODIS, GLC2000,
GLOBCOVER
ABSTRACT
For some years attempts have been made for constructing global maps using different types of
images, methods and systems of nomenclature. These maps are difficult to validate and local-level
accuracy can be very variable. The aim of the present study was to contribute to the validation of
global land cover maps, comparing five of them for the particular case of the state of Michoacan,
Mexico. The regional land cover map produced by the National Commission for Knowledge and Use
of Biodiversity of Mexico was taken as reference, and consistency and spatial area as criteria. The
comparison considering the original legends revealed inconsistencies, due in part to differences in
classification systems. After a merged legend with six general classes was established, the overall accuracy between maps ranged from 9 to 62 %. Only 2 % of the pixels matched in 4 maps (mainly towns
and water) and 88 % agreed in 2 or 3 maps. The main problem is the discrimination between cropland
areas and other kinds of vegetation. The more recent maps based on the nomenclature proposed by
FAO had an increased accuracy, but not enough to consider them as appropriately detecting the main
land covers. The use of global land cover maps in situations of great biodiversity must be adequately
contextualized.
PALABRAS CLAVE: UMD,
IGBP, MODIS, GLC2000,
GLOBCOVER
INTRODUCCIÓN
INTRODUCTION
En los últimos siglos, las actividades humanas han modificado la faz del planeta, incluso más rápido que desde
la Revolución Industrial. El cambio climático, la desertificación, la deforestación, la pérdida de biodiversidad y,
muy recientemente, la escasez de recursos alimenticios
y la producción de materias primas son algunas de las
consecuencias de las actividades humanas que inducen
Human activities have changed the face of the planet
over the past centuries, even faster so since the industrial revolution. Climate change, desertification, deforestation, loss in biodiversity and, very recently, the scarcity
of food resources and raw material production are some
of the consequences of human activities that reciprocally induce strong constraints on their development. In
Valderrama Landeros et al.
Consistency...
recíprocamente fuertes limitaciones en su desarrollo. Un
númerosas de iniciativas regionales, nacionales y globales han proporcionado información sobre los cambios
globales en un esfuerzo por apoyar el diseño de las
políticas ambientales que ayuden a mitigar o cambiar
la tendencia actual. Este esfuerzo requiere de información de alta precisión para comprender y modelar las
modificaciones ambientales (Lambin & Geist, 2001). Las
observaciones satelitales proporcionan una descripción
frecuente y completa de la superficie terrestre que puede potencialmente mejorar la calidad, la consistencia
interna y la reproducibilidad de la información sobre la
cubierta terrestre global y sus cambios.
Los primeros mapas globales de la cubierta terrestre fueron desarrollados en la Universidad de Maryland (UMD),
(2009) con una resolución de 1 grado (Defries & Townshend, 1994). Se obtuvieron mayores mejoras al utilizar
productos derivados del conjunto de datos AVHRR, también desarrollado en la Universidad de Maryland (Hansen & Reed, 2000). Al mismo tiempo, pero utilizando un
método de clasificación distinto, Loveland et al. (2000)
dentro del Programa Internacional de la Geosfera y la
Biosfera (IGBP, en inglés), diseñó el mapa global IGBPDISCover. Unos años más tarde, basados en una leyenda similar a la desarrollada dentro de la clasificación de
IGBP-DISCover, se obtuvo un nuevo conjunto de datos
globales de 1 km, los cuales derivaron de las observaciones (Friedl et al., 2002) el espectrorradiómetro de
imágenes de resolución moderada, MODIS. Utilizando
las observaciones del sensor VEGETATION, el proyecto GLC2000 obtuvo otro mapa de la cubierta terrestre
con una resolución de 1 km (Barholomé, Belward, &
GLC2000, 2005) utilizando el sistema de clasificación
de la cubierta terrestre de la FAO (LCCS) (Di Gregorio
& Jansen, 2000). Más reciente, y también basándose en
la nomenclatura del LCCS, se utilizaron observaciones
MERIS de 300 m para producir un mapa de la tierra con
mayor resolución espacial dentro del proyecto GLOBCOVER (Bicheron et al., 2006; Fefourny et al., 2006).
Evidentemente, existe la necesidad de evaluar y comparar estos productos globales de mediana resolución
(300 m a 1 km). Hansen et al. (2000) comparó los mapas de la UMD utilizando mapas existentes de alta resolución obtenidos con imágenes del Landsat. IGBP-DISCover (Scepan, 1999), MODIS (Morissette et al., 2006)
y GLC2000 (Mayaux et al., 2006) también fueron validados utilizando las imágenes Landsat. La validación de
los productos GLOBCOVER ha sido terminada recientemente (Defourny et al., 2009) siguiendo los estándares
que se obtuvieron de los ejercicios previos y que han
sido publicados en varios formatos (Muchoney, Strahler,
Hodges, & LoCastro, 1999): un proceso de validación en
el cual GOFC-GOLD y CEOS desempeñaron papeles
clave en la estandarización de los métodos.
an effort to support the design of environmental policies
that help to mitigate or reverse the current trend, a number of regional, national and global initiatives have provided reports on global changes; an endeavor which requires highly precise information for understanding and
modeling environmental modifications (Lambin & Geist,
2001). Satellite observations provide a comprehensive
and frequent description of the earth surface that potentially can enhance the quality, internal consistency and
reproducibility of information about global land cover
and its change.
The first global land cover maps were developed at the
University of Maryland UMd, (2009) at a resolution of
1 degree (Defries & Townshend, 1994). Major improvements were achieved using products derived from the
AVHRR dataset, also developed at the University of
Maryland (Hansen & Reed, 2000). At the same time,
but using a different classification method, Loveland et
al. (2000) within the International Geosphere-Biosphere
Programme (IGBP) were developing the IGBP-DISCover global land cover map. A few years later –based
on a legend similar to the one developed within the
IGBP-DISCover classification– a new set of global 1 km
data was derived from Moderate Resolution Imaging
Spectroradiometer (MODIS) observations (Friedl et al.,
2002). Using observations of the VEGETATION sensor,
the GLC2000 project derived another world map of land
cover at a resolution of 1km (Bartholomé, Belward, &
GLC2000, 2005) using the FAO land cover classification
system nomenclature (LCCS) (Di Gregorio & Jansen,
2000). More recently, also based on the LCCS nomenclature, 300 m MERIS observations were used to produce a higher spatial resolution coverage map of the earth
within the GLOBCOVER project (Bicheron et al., 2006;
Defourny et al., 2006).
Obviously, there is a need to evaluate and compare
these medium resolution (300 m to 1 km) global products. Hansen et al. (2000) compared the UMd land cover maps using existing high resolution maps derived
from Landsat images. IGBP-DISCover (Scepan, 1999),
MODIS (Morissette et al., 2006) and GLC2000 (Mayaux
et al., 2006) were also validated using Landsat images.
The validation of GLOBCOVER products has been recently completed (Defourny et al., 2009) following the
standards that were derived from previous exercises and
that had been published under various formats (Muchoney, Strahler, Hodges, & LoCastro, 1999): a validation
process in which the GOFC-GOLD and CEOS played
key roles in the standardization of methods.
GOFC-GOLD and CEOS have proposed guidelines for
improving the validation practices (Strahler et al., 2006).
One of the advised ways for better validation of global
land cover maps is their comparison with existing national or regional maps derived from data having hig-
344
Revista Chapingo Serie Ciencias Forestales y del Ambiente 17(3): 343-360, 2011.
GOFC-GOLD y CEOS han propuesto lineamientos para
mejorar las prácticas de validación (Strahler et al., 2006).
Una de las formas recomendadas es la comparación de
los mapas globales con los mapas nacionales o regionales existentes derivados de datos que tengan una alta
resolución espacial. Sin embargo, la comparación entre los distintos productos disponibles que cuenten con
aproximadamente la misma resolución espacial podría
servir sólo para producir resultados complementarios.
Tales ejercicios comparativos se han logrado entre el
sub cold. IGBP-DIS-Cover y los productos de la UMD
por Hansen y Reed (2000). En este sentido, las leyendas fueron agregadas a clases similares, despues de lo
cual se compararón las áreas totales por clase y la consistencia por pixel. Se pueden observar discrepancias
significantes para la distribución espacial (por comparación de pixel) a pesar de que la consistencia del área
se encontró en el nivel de las categorías agregadas.
No obstante, la diversidad de las definiciones utilizada
para definir las clases que impactan tanto en el área total como en la distribución espacial, como se demostró
para los bosques por Herold (2006). See y Fritz (2006)
y más recientemente Fritz y See (2007) compararon
los mapas globales de MODIS y GLC2000 utilizando
estadísticas borrosas, las cuales permitieron tomar en
cuenta las diferencias conocidas en las definiciones de
leyenda. Los autores elaboraron mapas globales de no
coincidencia que muestran grandes puntos de discrepancia en algunas regiones, los cuales pueden ser utilizados para investigar a futuro el origen del problema y
para proponer mejoras metodológicas.
Los pocos mapas disponibles para México se basan en
diferentes sistemas de leyendas, los cuales en algunas
ocasiones presentan dificultades para su comparación
(Velázquez et al., 2008); sin embargo, un mapa de la cobertura terrestre de México que pueden ser considerado
como bastante confiable, fue desarrollado por la Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO, 1998), el cual fue obtenido del mapa
de la cobertura terrestre serie II del Instituto Nacional de
Estadística y Geografía (INEGI). El mapa de CONABIO
fue utilizado como una referencia para la comparación.
El objetivo del presente estudio fue contribuir a la evaluación de los mapas globales de la superficie terrestre en una región particular: el Estado de Michoacán
de Ocampo (Michoacán), México. Esta área fue identificada por Fritz y See (2007) como un punto de discrepancias entre los productos de MODIS y GLC2000,
debido posiblemente a la amplia variedad de los tipos
y patrones de la cobertura terrestre relacionados a su
topografía compleja. Además, el Estado de Michoacán,
localizado entre la región Neotropical y la región Neártica, es uno de los 5 estados del país que cuenta con
mayor biodiversidad (SEMARNAP, 1997). Se hizo hin-
her spatial resolution. However, the comparison between
the various available global land cover products having
approximately the same spatial resolution should only serve to produce complementary results. Such comparative
exercise has been achieved between IGBP-DISCover and
UMd products by Hansen and Reed (2000). To that means,
the legends were aggregated into similar classes, after
which comparisons were made of total areas per class and
of per-pixel consistency. Although area consistency was
generally found at the aggregated classes level, significant
discrepancies can be seen for the spatial distribution (perpixel comparison). However, the diversity of definitions
used for defining classes impacts both the total area and
the spatial distribution, as was demonstrated for forests by
Herold (2006). See and Fritz (2006) and, more recently,
Fritz and See (2007) compared the MODIS and GLC2000
global maps using fuzzy statistics, which allowed to account for the known differences in legend definitions. The
authors produced global disagreement maps that in some
regions show hotspots of large discrepancies, which may
be used to further investigate the nature of the problem and
to propose methodological improvements.
The few regional land cover maps available for Mexico
are based on different legend systems that sometimes
present difficulties for their comparison (Velazquez et
al., 2008); however, a land cover map of Mexico that can
be considered as fairly reliable was developed by the
National Commission for Knowledge and Use of Biodiversity of Mexico (CONABIO, 1998), which was derived
from the series II land cover map of the National Institute
of Geography and Statistics of Mexico (INEGI). The land
cover map of CONABIO was used as a reference for
comparison.
The aim of the present study was to contribute to the assessment of global maps of Earth’s surface in a particular region: the state of Michoacan de Ocampo (Michoacan), Mexico. This area was identified by Fritz and See
(2007) as a hotspot of discrepancies between GLC2000
and MODIS products –probably due to the wide range of
land cover types and patterns associated to its complex
topography. Furthermore, the state of Michoacan –located between the Neartic and the Neotropical regions– is
one of the five Mexican states having most biodiversity
(SEMARNAP, 1997). Emphasis was put on the comparison of the main available global land cover products,
i.e., UMd, IGBP, MODIS, GLC2000 and GLOBCOVER,
and on the CONABIO regional land cover map based on
high spatial resolution data and local expertise.
MATERIALS AND METHODS
The state of Michoacan
Michoacan is one of the Mexican states having a Pacific
shore, located between 17° 54’ and 20° 23’ northern lati-
345
Valderrama Landeros et al.
Consistency...
capié en la comparación de los principales productos
globales de la cubierta terrestre disponibles; es decir,
UMD, IGBP, MODIS, GLC2000 y GLOBCOVER, y en
el mapa regional de CONABIO basado en los datos
de alta resolución y la experiencia local.
MATERIALES Y MÉTODOS
El Estado de Michoacán
Michoacán es uno de los estados de la República Mexicana que cuenta con una costa pacífica. Se localiza
entre la latitud norte 17° 54’ y 20° 23’ y la longitud oeste 100° 03’ y 103° 44’, con una superficie terrestre de
59,864 km2. La topografía del estado es muy compleja y comprende 5 grandes unidades naturales: la Faja
Volcánica Transmexicana, la Sierra Madre del Sur, la
Planicie Costera, la Depresión de Balsas y la Altiplanicie
Mexicana. Su elevación varía de 0 hasta casi 4,000 m
(Bocco, Mendoza, & Masera, 2001). Por ello, las condiciones climáticas son contrastantes; cálido subhúmedo
a lo largo de la costa; cálido y semicálido subhúmedo
en la parte occidental de la Sierra Madre del Sur, con
condiciones semiáridas y muy calientes en las tierras
bajas y las depresiones; semifrío y subhúmedo en la
Faja Volcánica Transmexicana; y cálido a templado en
las áreas más altas. La combinación de las altitudes y
las exposiciones influye fuertemente en la distribución
de la vegetación.
Los principales tipos de vegetación que se encuentran en Michoacán son (Inventario, 1995; GonzálezMedrano, 2004):
• Bosques, donde predomina la especie de pino o de
roble.
• Bosque caducifolio seco tropical bajo, donde predominan las especies de Bursera, Pithecellobium, Lysiloma y Lonchocarpus.
• Matorral subtropical, con especies de Acacia, Opuntia, Fouquieria, Prosopis y Mimosa.
• Agricultura, donde predomina el aguacate (Persea
americana), el sésamo (Sesamus indicus), el
limón (Citrus limón), el maíz (Zea mays), el sorgo
(Sorghum bicolor), el frijol (Phaseolus vulgaris) y
el trigo Triticum aestivum).
• Pastizales, como vegetación secundaria.
Clasificaciones de la cobertura terrestre global
consideradas
Se consideraron 5 mapas con una resolución espacial de entre 300 m y 1 km. La proyección cónica
conforme de Lambert utilizada por el INEGI fue seleccionada como el sistema de referencia, aplicando
un cuadriculado de 1000 x 1000 m para el remues-
tude and 100° 03’ and 103° 44’ western longitude, with a
surface of 59,864 km². The topography of the state is very
complex and comprises five large natural units: the TransMexican Volcanic Belt (Faja Volcánica Transmexicana),
the Sierra Madre del Sur, the coastal plain (Planicie Costera), the Balsas Depression and the Mexican Plateau
(Altiplanicie Mexicana). The elevation varies from 0 up
to almost 4,000 m (Bocco, Mendoza, & Masera, 2001).
Climatic conditions are therefore contrasting: warm sub
humid along the coast; warm and semi warm sub humid
at the western face of the Sierra Madre del Sur with semi
dry and very warm conditions in the lowlands and depressions; semi cold and sub humid in the Trans-Mexican Volcanic Belt; and warm to temperate in the highest areas.
The combinations of altitudes and expositions strongly
influence the distribution of vegetation.
The main types of vegetation encountered in Michoacan
are (Inventario, 1995; González-Medrano, 2004):
• Forest with dominant pine or oak species.
• Low tropical dry deciduous forest with dominant species of Bursera, Pithecellobium, Lysiloma and Lonchocarpus.
• Subtropical shrubland with species of Acacia, Opuntia,
Fouquieria, Prosopis and Mimosa.
• Agriculture, predominantly with avocado (Persea americana), sesame (Sesamus indicus), lemon (Citrus
limon), maize (Zea mays), sorghum (Sorghum bicolor), beans (Phaseolus vulgaris) and wheat (Triticum aestivum).
• Grassland as secondary vegetation.
Global land cover classifications considered
Five available global classification maps at a spatial resolution between 300 m and 1 km were considered. The
Lambert conformal conic projection used by INEGI was
selected as the reference projection system, applying a
1000 x 1000 m grid for resampling. These global land
cover classifications are briefly described below.
University of Maryland (UMd). It is based on NOAA
AVHRR data acquired during the time period from 1981
to 1994, using monthly maximum value composite of
NDVI. The UMd legend agrees with the scheme proposed by IGBP-DISCOVER using 14 classes. The final
product was downloaded from: http://glcf.umiacs.umd.
edu/data/landcover/ ,with a geographic (Lat/Long) projection (Hansen, et al., 2000).
Global Land Cover Characterization Version 2 (IGBP)
of North America. It was based on the same AVHRR
data set as the UMd classification but only for the time
period from April 1992 to March 1993. The IGBP land
cover classification was used to define the classes. The
final product was downloaded from: http://edc2.usgs.gov/
glcc/, with a Lambert Azimuthal Equal Area projection.
346
Revista Chapingo Serie Ciencias Forestales y del Ambiente 17(3): 343-360, 2011.
treo. A continuación se describen brevemente estas clasificaciones.
Universidad de Maryland (UMD). Se basa en los datos
NOAA AVHRR obtenidos durante el periodo de 1981 a
1994, utilizando el máximo valor compuesto mensual de
NDVI. La leyenda de la UMD concuerda con el esquema
propuesto por IGBP-DISCOVER que utiliza 14 categorías. El producto final se descargó de la página web: http://
glcf.umiacs.umd.edu/data/landcover/, con una proyección
geográfica (latitud/longitud) (Hansen, et al., 2000).
La base de datos de la Cobertura terrestre Global Versión 2 (IGBP) para Norte America, se basa en el mismo conjunto de datos AVHRR que la clasificación de la
UMD, para solo por el periodo de abril de 1992 a marzo
de 1993. La clasificación del IGBP fue utilizada para definir las categorías. El producto final se descargó de la
página web: http://edc2.usgs.gov/glcc/ , con una proyección equidistante azimutal de Lambert.
MODIS, Fue derivado de los datos del sensor MODIS
TERRA obtenidos entre enero del 2004 y diciembre del
2004. El producto Clasificación de Cobertura Terrestre
MOD12Q1 utilizó 17 clases de cobertura del esquema
de clasificación global de la vegetación de IGBP (Friedl,
et al., 2002). El producto final se descargó de la página
web: http://edcdaac.usgs.gov/modis/mod12q1v4.asp,
con una proyección Sinusoidal.
GLC2000, derivó del sensor VEGETATION con 1 km de
muestreo espacial para el periodo de noviembre de 1999
a diciembre del 2000. El año 2000 fue considerado como
una referencia para la evaluación ambiental, por la Convención Internacional de las Naciones Unidas relacionada con el ecosistema (Latifovic, Zhu, Cihlar, Beaubien, &
Fraser, 2000). La clasificación resulto de la compilación
de mapas regionales de clasificación de mapas regionales, que fueron armonizados utilizando 29 clases basadas en la nomenclatura LCCS de la FAO. El producto
final se descargó de la página web: http://www-gvm.jrc.it/
glc2000/ , con un sistema de proyección geográfica (latitud/longitud).
GLOBCOVER. Se utilizó la resolución espacial (300m)
de MERIS para el periodo de diciembre del 2004 a enero del 2006. El mundo fue dividido en 22 ecorregiones
con normas específicas, y para cada una de ellas se
establecieron algoritmos de clasificación automática a
partir de conocimiento experto que derivan del conocimiento especializado, estas normas fueron utilizadas
para una clasificación automática. La leyenda se basó
en la nomenclatura de LCCS con 25 categorías. El producto final se descargó de la página web: http://postel.
mediasfrance.org/fr/PROJECTS/PRE-operationnelsGMES/GLOBCOVER/, en formato vectorial, cónica conforme la proyección geográfica (latitud/longitud).
MODIS. It was derived from MODIS TERRA sensor data
captured between January 2004 and December 2004.
The MOD12Q1 Land Cover Classification product used
17 classes of land cover in the IGBP global vegetation
classification scheme (Friedl, et al., 2002). The final product was downloaded from: http://edcdaac.usgs.gov/
modis/mod12q1v4.asp, with a Sinusoidal projection.
GLC2000. It was derived from the VEGETATION sensor with 1 km spatial sampling for the time period from
November 1999 to December 2000. The year 2000 was
considered as a reference for environmental assessment
by the United Nation’s Ecosystem-related International
Conventions (Latifovic, Zhu, Cihlar, Beaubien, & Fraser,
2000). The classification resulted from the compilation of
regional classification maps that were harmonized using
29 classes based on FAO’s LCCS nomenclature. The final product was downloaded from: http://www-gvm.jrc.it/
glc2000/ with a geographic (Lat/Long) projection system.
GLOBCOVER. MERIS full spatial resolution (300 m) was
used for the time period from December 2004 to January
2006. The globe was decomposed into 22 eco-regions
for which specific rules derived from expert knowledge
were used for automatic classification. The legend was
based on the LCCS nomenclature with 25 classes. The
final product was downloaded from: http://postel.mediasfrance.org/fr/PROJETS/Pre-operationnels-GMES/GLOBCOVER/, with geographic (Lat/Long) projection system.
The CONABIO regional land cover classification map
The CONABIO map in vector format at a 1:1,000 000
scale with a Lambert conformal conic projection is available for download from: http://www.biodiversidad.gob.mx/
region/geoinformacion.html. In addition, different sources
of data covering the 1990 to 1996 time period including
Landsat images, aerial photographs and field information were also used. The classification was mainly based
on photo interpretation techniques and the legend system was highly detailed (Miranda and Hernández, 1963;
Rzedowski, 1978). A simplification of CONABIO’s legend
was thus proposed to increase the consistency with the
five global classification legends considered. Merging the
original CONABIO classes was driven by prior knowledge
on the seasonal characteristics associated to vegetation
types (Table 1). Therefore, in the present study only the
resulting simplified (L1) land cover map was used.
Metrics used
The metrics proposed for the comparison of land cover
classification maps were derived from the GOFC-GOLD
(Strahler, et al., 2006) guidelines for best practices in
validation processes, which are mainly based on evaluation of area and spatial consistency. In addition, an
agreement map was also investigated to locate places
of agreement/disagreement among the classifications.
347
Valderrama Landeros et al.
Consistency...
La clasificación del mapa regional de la cobertura
terrestre de CONABIO
El mapa de CONABIO con formato vectorial a una escala de 1:1,000 000 con proyección cónica conformal de
Lambert está disponible para ser descargado de la página web: http://www.biodiversidad.gob.mex/region/geoinformacion.html. Además, se utilizaron diferentes fuentes de
datos que abarcan el periodo de 1990 a 1996, incluyendo
imágenes Landsat, así como fotos aéreas e información
de campo. El sistema de leyenda fue altamente detallado
y la clasificación se basó principalmente en las técnicas
de interpretación fotográfica (Miranda y Hernández, 1963;
Rzedowski, 1978). Se propuso una simplificación de la
leyenda de CONABIO para aumentar la consistencia con
las 5 leyendas globales de clasificación consideradas. La
fusión de las categorías iniciales de CONABIO fue impulsada por el conocimiento previo sobre las características
de la temporada relacionadas con los tipos de vegetación
(Cuadro 1). Por ello, en el presente estudio sólo se utilizó
el mapa simplificado resultante.
CUADRO 1. Leyendas original (L0) y unificada (L1) de CONABIO.
Los números asignados a las leyendas unificadas L1
(#) fueron seleccionados de acuerdo con los de otras
clasificaciones.
TABLE 1. CONABIO original (L0) and merged (L1) legends. The
numbers assigned to the L1 merged legends (#) were
selected to agree with those of other classifications.
#
CONABIO L1
Oak forest
1
Mesophyll mountain forest
Evergreen broadleaf
forest
Forest gallery
2
4
6
Métricas utilizadas
7
Las métricas propuestas para la comparación de la
clasificación de los mapas de la cobertura terrestre se
obtuvieron de los lineamientos de GOFC-GOLD para
mejores prácticas en los procesos de validación, que
se basan principalmente en la evaluación del área y la
consistencia espacial. Además, también se investigó un
mapa de coincidencias para localizar lugares que coinciden o no, entre las clasificaciones.
Deciduous and semi deciduous low
tropical forest
Deciduous broadleaf
forest
Coniferous forest other than pine
Evergreen needle
forest
Pine forest
Evergreen and semi evergreen thorny
seasonal low forest
Semi evergreen and deciduous seasonal
forest
Tamaulipeco thorny and sub tropic
shrubland
Mixed Forest
Shrubland
Sarcocrasicaule shrubland
Grassland
9
Flooded grassland
Grassland
Halophyte and gipsofile vegetation
Consistencia del área. El primer criterio para comparar
clasificaciones con leyendas similares se basa en la extensión del área de cada clase, sin importar la distribución espacial. Esto se logra después de transformar las
leyendas iniciales en una leyenda unificada.
Consistencia espacial. Se utilizó una matriz de confusión (tabla de contingencia) para evaluar la consistencia
espacial para clasificaciones duras (Rossiter, 1994). Se
utilizan generalmente tres parámetros importantes, derivados de la matriz de confusión, para evaluar la consistencia espacial entre dos mapas, según lo indicado por
Strahler et al. (2006) y más tarde por Liu et al. (2008).
La precisión global (Oa) es el porcentaje de pixeles que
comparte la misma leyenda. Se utilizaron dos parámetros
adicionales para evaluar la realización de las clasificaciones para las categorías individuales (Congalton, 1991).
Para una categoría determinada, la precisión del productor (Pa) es el porcentaje de pixeles de referencia clasificados prósperamente. Pa se relaciona con el error de
omisión, es decir, el porcentaje de pixeles excluidos de
forma incorrecta de una clase particular. Por el contrario,
la precisión del usuario (Ua) es el porcentaje de pixeles,
de la categoría considerada en el mapa, que están bien
clasificados de acuerdo al mapa de referencia. Ua se re-
CONABIO L0
11
Forestry (plantation) and farming land use Croplands
12
Principal cities
Urban
14
Water bodies
Water
Prosopis spp. and Acacia spp. Shrublands
21
Palmer
Woodland
Savanna
27
32
Bare soil
Bare soil
Mangrove
Closed (>40 %)
broadleaved semideciduous and/or
evergreen forest
regularly flooded,
saline water
Area consistency. The first criterion to compare classifications with similar legends is based on the area extent of each
class, regardless of the spatial distribution. This is achieved
after transforming the original legends into a merged legend.
Spatial consistency. A confusion matrix (contingency table) was used to evaluate the spatial consistency
for hard classifications (Rossiter, 1994). As advised by
Strahler et al. (2006) and later by Liu et al. (2008) three
main metrics derived from the confusion matrix are generally used to evaluate the spatial consistency between
348
Revista Chapingo Serie Ciencias Forestales y del Ambiente 17(3): 343-360, 2011.
laciona con el error de comisión; es decir, cuando un pixel
está comprometido a una clase incorrecta.
Mapa de coincidencia. Con base en la leyenda unificada, se generó un mapa de coincidencias asignando a
cada pixel un valor igual al número de mapas que coinciden en la misma clase (McCallum, Obersteiner, Nilsson,
& Shvidenko, 2006). El índice de coincidencias varía entre 0 (cuando ninguno de los mapas globales coincide) y
5 (cuando los 5 mapas globales concuerdan).
Metodología de la comparación
Se realizó una primera comparación de acuerdo a las
leyendas iniciales de los mapas estudiados. En una segunda fase, primero se propuso una leyenda unificada
capaz de reunir y reemplazar las leyendas iniciales, de
lo cual se obtiene un mapa equivalente con una leyenda fusionada para cada uno de los mapas estudiados.
Finalmente, se repite la comparación con los nuevos
mapas generados.
La leyenda unificada propuesta se basa en el enfoque
semántico utilizado por Herold et al. (2008). Para los
mapas basados en LCCS, esto se facilitó por el carácter
jerárquico de la clasificación. El proceso de agregación
fue perfeccionado eventualmente para las escasas categorías marginales y para las situaciones en las cuales
la asignación semántica no fue clara o conducía a errores evidentes considerando su ubicación. El proceso de
simplificación semántica es complejo y tedioso y puede
dar lugar a varias soluciones posibles, según la interpretación semántica o los criterios espaciales utilizados.
Sin embargo, la leyenda unificada propuesta permitió
una comparación más rigurosa y cuantitativa.
RESULTADOS Y DISCUSIÓN
Comparación basada en las leyendas iniciales
El número inicial de las categorías utilizadas para
Michoacán varia entre 12 (CONABIO L1, UMD) y 17
(GLOBCOVER). De la recopilación de las leyendas
a partir de las clasificaciones iniciales se obtuvieron
33 categorías distintas (Cuadro 2). De éstas, solo
8 categorías fueron comunes, incluyendo a los 4
principales tipos de bosque cerrado, “matorral siempre
verde de hoja ancha”, “pastizal”, “tierras de cultivo”, “área
urbana”, “masas de agua,” las cuales representaban
de un 27.8 % (UMD) hasta un 85.2 % (IGBP) del área
total del estado. Por el contrario, 17 categorías fueron
especificas a una sola clasificación de la cubierta
terrestre, algunas de ellas correspondieron a una gran
parte del área, como la “sabana leñosa” en el caso de
MODIS (48.6%). Se observó que algunas categorías
representadas marginalmente parecen ser erráticas, tal
como las categorías de IGBP la “tundra arbolada” (0.07
%) y la “tundra mixta” (0.01 %), que eran inesperadas en
esta área de clima templado a tropical.
two maps. The overall accuracy (Oa) is computed as the
percentage of pixels sharing the same legend. The two
additional metrics are used to evaluate classification
performances for individual classes (Congalton, 1991).
For a given class, the producer accuracy (Pa) is the
percentage of reference pixels successfully classified.
Pa is linked to the omission error, i.e., the percentage
of pixels incorrectly excluded from a particular class.
Conversely, the user accuracy (Ua) is the percentage
of pixels of the considered class in the map that are well
classified according to the reference map. Ua is linked
to the commission error, i.e., when a pixel is committed
to an incorrect class.
Agreement map. Based on a merged legend, a map
was generated where each pixel was assigned a value
equal to the number of maps agreeing in the same class
(McCallum et tal., 2006). The index of agreement ranges from 0 –where none of the global maps agree– to 5
when the 5 global maps are in agreement.
Comparison methodology
A first comparison is performed according to the original
legends of the studied maps. In a second stage, first a
merged legend is proposed that is capable of collecting
and replacing the original legends, after which an equivalent map with the merged legend is obtained for each
of the studied maps. Finally, the comparison is repeated
with the newly generated maps.
The herein proposed merged legend is based on the semantic approach used by Herold et al. (2008). For LCCS
based maps this was facilitated by the hierarchical character of the classification. The aggregation process was
eventually refined for scarce marginal classes and for
cases in which semantic assignment was not clear or
it led to obvious errors considering their location. The
semantic simplification process is complex and tedious
and might lead to several possible solutions, depending
on semantic interpretation and on the weight assigned
to the semantic or spatial criterions used. However, the
proposed merged legend allowed for a more rigorous
and quantitative comparison.
RESULTS AND DISCUSSION
Comparison based on the original legends
The original number of classes used for Michoacan ranged from 12 (CONABIO L1, UMd) to 17 (GLOBCOVER).
Compilation of legends from the original land cover classification resulted in 33 distinct classes (Table 2). Among
them, only 8 classes were common, including the four
main types of closed forest, the “Broadleaved evergreen
shrubland,” “Grassland,” “Cropland,” “Urban” and “Water
Bodies,” which represented from 27.8 % (UMd), up to
85.2 % (IGBP) of the total state’s area. Conversely, 17
349
Valderrama Landeros et al.
Consistency...
Las tres categorías dominantes en cada clasificación representan entre 75.5 % (UMD) y el 86.1 % (GLC2000)
del área total del estado. Inspecciones más cercanas revelan que las leyendas de las 3 categorías dominantes
difieren considerablemente entre las seis clasificaciones. Además, incluso si dos clasificaciones comparten
la misma leyenda, el área correspondiente puede ser
muy distinta. Las categorías dominantes en el mapa de
referencia de CONABIO son: “bosque latifoliado”, “bosque de hoja aciculada”, “bosque mixto” y “tierra de cultivo”, siendo este último el dominante. En los tres mapas
globales basados en la leyenda de IGBP (UMD, IGBP
y MODIS), los tipos de vegetación dominantes son las
arboleadas dispersas o los matorrales. Las categorías
dominantes en el mapa de la UMD son los “bosques” y
los “pastizales arbolados” y en el mapa de IGBP son: los
“matorrales latifoliados”, los “bosques mixtos” y “las tierras de cultivo;” mientras que en el mapa de MODIS más
de la mitad del territorio está clasificado como “sabana”.
Esto parece significar que, de acuerdo con el criterio de
la clasificación de los proyectos antes mencionados, las
áreas arboladas del Estado de Michoacán no están incluidas dentro de la categoría de “bosques”, ya que estas áreas no son parecidas a las áreas arboladas más
homogéneas y densas en otras partes del planeta. En el
mapa de GLC2000 se presentaron más áreas de “bosque de hoja aciculada” (bosque de pino) y “bosque mixto” y menos áreas de “bosque latifoliado” y ligeramente
más áreas de “tierras de cultivo”, con respecto al mapa
de CONABIO. Sin embargo, a pesar de basarse en la
misma leyenda, el mapa de GLOBCOVER considera
que más de la mitad del territorio de Michoacán está cubierto por “bosque latifoliado” y que cuenta con una superficie ligeramente más pequeña cubierta por “bosque
de hoja aciculada” y un pequeño porcentaje de “tierras
de cultivo”, en relación con el mapa de CONABIO; una
discrepancia que podría ser explicada en parte por la inclusión de huertos dentro de los bosques latifoliados. En
general, las discrepancias anteriormente mencionadas
se deben al mosaico complejo y a la mezcla de patrones
entre estos tipos de vegetación, así como de la enorme
variabilidad de la dinámica estacional observada en estas categorías.
Comparación basada en una leyenda fusionada
El proceso de agregación generó seis clases unificadas
principales comunes a las seis clasificaciones: “bosque
latifoliado” (BLF), “bosque de hoja aciculada” (NLF), “tierra de cultivo” (CL), “pastizal y matorral” (GL&SL), “área
urbana”” (UR) y “masas de agua” (WB) (Cuadro 3, celdas gris oscuro). Se realizó la asignación por criterios
estrictamente semánticos, es decir, solo las categorías
explícitamente etiquetadas como bosques en la leyenda
inicial fueron incluidas en una de las dos categorías de
bosques en la legenda fusionada (BLF y NLF). Como
classes were specific to only one land cover classification, some of them corresponding to a large fraction
of the area, such as “woody savannas” in the case of
MODIS (48.6 %). It was noticed that some marginally
represented classes seemed to be erratic, such as the
“wooded tundra” (0.07 %) and “mixed tundra” (0.01 %)
classes of IGBP, which were unexpected in this temperate to tropical area.
The three dominant classes in each classification represented between 75.5 % (UMd) and 86.1 % (GLC2000) of
the total state’s area. Closer inspection reveals that the
legends of the three dominant classes differ considerably
among the six classifications. Moreover, even if the same
legend is shared between two classifications, the corresponding area can be very different. The dominant classes
in the CONABIO reference map are: “Broadleaf forest,”
“Needleleaf forest,” “Mixed forest” and “Cropland,” the latter being dominant. In the three global maps based on the
IGBP legend (Umd, IGBP and MODIS), the dominant vegetation types are sparse tree layer vegetation or shrubland.
The dominant classes in the UMd map are “Woodlands”
and “Wooded Grasslands;” in the IGBP map, “Broadleaf
shrubland,” “Mixed forests” and “Croplands;” while in
the MODIS map over half of the territory is classified as
“Savanna.” This appears to mean that –according to the
classification criteria of the above-mentioned projects– the
wooded areas of the state of Michoacan are not included
in the “Forest” class because these areas are not similar
to the more homogeneous and dense wooded areas in
other parts of the planet. More areas of “Needleleaf forest”
(pine forest) and “Mixed forest,” less areas of “Broadleaf
forest” and slightly more areas of “Cropland” are present
in the GLC2000 map relative to the same in the map of
CONABIO. However –despite being based on the same
legend– the GLOBCOVER map considers over half of the
territory of Michoacan as covered by “Broadleaf forest” and
as having a slightly smaller surface of “Needleleaf forest”
and a small percentage of “Cropland” relative to the CONABIO map; a disagreement that could be in part explained by the inclusion of orchards within broadleaf forests.
In general, the above-mentioned discrepancies are due to
the complex mosaic and mixing patterns between these
types of vegetation, as well as to the great variability of the
seasonal dynamics observed in these classes.
Comparison based on a merged legend
The aggregation process resulted in six major “merged”
classes common to the six classifications: “Broadleaf forest” (BLF), “Needleleaf forest” (NLF), “Cropland” (CL),
“Grassland and Shrubland” (GL&SL), “Urban” (UR) and
“Water Bodies” (WB) (Table 3, dark gray cells). Assignment was made by strictly semantic criteria, i.e., only
classes explicitly labeled as forest in the original legend
were included in one of the two forest classes in the
merged legend (BLF and NLF). As a consequence, the
350
Revista Chapingo Serie Ciencias Forestales y del Ambiente 17(3): 343-360, 2011.
CUADRO 2. Distribución del área de los 6 mapas de clasificación investigados (%). Celdas vacías corresponden a leyendas específicas no representadas en la clasificación considerada. B. Latifoliado, D. Caduco, E. Perenne, F. Bosque, G. Pastizal, N. Hoja
aciculada, S. Matorral.
TABLE 2. Area distribution of the 6 classification maps investigated (%). Empty cells correspond to specific legends not represented
in the considered classification. B. Broadleaved, D. Deciduous, E. Evergreen, F. Forest, G. Grassland, N. Needleleaf, S. Shrubland.
UMd
IGBP
MODIS
GLC2000
GLOBCOVER
CONABIO
Land Cover Maps
1
Tropical or Sub-tropical B. E. F. - Closed Canopy
6.3
0.3
5.7
0.3
0.8
8.5
2
Tropical or Sub-tropical B. D. F. - Closed Canopy
2.7
3.2
5.8
3.3
57
26
3.3
6.1
1.4
29.5
14
19
#
Class name
3
Temperate or Sub-polar B. D. F. - Closed Canopy
4
Temperate or Sub-polar N. E. F. - Closed Canopy
7.2
5
Temperate or Sub-polar N. E. F. - Open Canopy
6
Temperate or Sub-polar Mixed B. or N. F.- Closed Canopy
1.3
26
14
0.4
13
5.6
2.4
7
Temperate or Sub-polar B. E. S. - Closed Canopy
2.2
46
0.4
0
1.5
3.9
8
Temperate or Sub-polar N. E. S. - Open Canopy
0
0.8
0.3
9
Temperate or Subpolar G.
10
4.1
0.9
0.3
0.3
43.6
3
39
0.1
0.1
0.1
0.8
1.2
2.4
10
Temperate or Sub-polar G. with a Sparse Tree Layer
11
Cropland
6.8
10
0.7
12
Urban and Built-up
0.1
0.1
0.2
13
Consolidated Rock Sparse Vegetation
14
Water bodies
15
Herbaceous Wetlands
16
Wooded Tundra
17
Mixed Tundra
18
Dryland Cropland and Pasture
0.1
0
0.8
1.8
0.6
2.2
0.6
0.01
0.1
0
1.2
19
Savanna
2.1
20
Irrigated Cropland and Pasture
1.2
21
Woodland
24
22
Wooded Grassland
42
23
Deciduous needleaf forest
0
24
Woody savanna
49
0.4
14
0.1
25
Permanent wetlands
26
Cropland/natural vegetation mosaic
27
Barren or sparsely vegetated
28
Mosaic vegetation (G./S./F.) (50-70 %) / cropland (20-50 %)
3.8
29
Mosaic F. or S. (50-70 %) and G. (20-50 %)
9.9
30
Mosaic G. (50-70 %) and F. or S. (20-50 %)
0.4
31
Closed (>40 %) G.
0
32
Closed (>40 %) B. semi-D. and/or E. F. regularly flooded.
0
33
Consolidated bare areas
0
2.3
2.4
0.1
0.1
0
% total area of
the three dominant classes
76
83
76
86.1
81
83
% Total area
100
100
100
100
100
100
351
Valderrama Landeros et al.
Consistency...
consecuencia, la categoría GL&SL contiene todos los tipos de arboleadas dispersas y matorrales tales como la
“sabana” y los “pastizales leñosos.” El proceso de agregación fue eventualmente refinado para las clases marginales representadas escasamente y para los casos en
los que la asignación semántica no fue clara o condujo
a errores evidentes, tomando en cuenta su ubicación
(Cuadro 3, celdas gris oscuro), tales como, por ejemplo,
los incluidos en la clase unificada “tierra de cultivo”, de
las clases “matorral templado o subpolar de hoja aciculada perenne de dosel abierto” (clase unificada #8 en el
Cuadro 3), del “matorral templado o subpolar con un nivel arbóreo disperso” (#10), “bosque caducifolio de hoja
aciculada” (#23) y “humedales permanentes” (#26). La
comparación del Cuadro 4 y la Figura 1 muestra una
buena consistencia en la medida de las dos clasificaciones marginales “área urbana” y “cuerpos de agua”,
que confirman las observaciones previas (Fritz & See,
2007). No obstante, en las otras cuatro clasificaciones
fusionadas se observaron grandes discrepancias. Los
mapas de UMD, IGBP y MODIS reportaron grandes
fracciones de “pastizal y matorral” y pequeñas fracciones de “bosque latifoliado,” que es una consecuencia
de la asignación semántica de los tipos de cobertura
incluidos en la clase “pastizal y matorral.” El mapa de
UMD muestra poco bosque de hoja aciculada, que está
sobrerepresentado en el mapa de IGBP. Las áreas de
tierras de cultivo son mínimas en los mapas UMD y MODIS, mientras que están totalmente mal ubicadas en el
mapa de IGBP. El mapa de GLC2000 y CONABIO reportaron áreas más grandes de “tierras de cultivo” que
la otra clasificación aquí comparada, pero la distribución
espacial de la clase en los dos mapas originales es distinta, debido tanto a que el mapa GLC2000 identifica
como tierras de cultivo grandes áreas que en el mapa
de referencia aparecen como bosque latifoliado, porque
los cultivos del norte del estado aparecen como “bosques latifoliados”. Como se hizo con la leyenda inicial,
el mapa GLOBECOVER asignó más del 50 % del área
del estado mejora el “bosque latifoliado,” mientras que
las “tierras de cultivo” está escasamente representada
debido a que las huertas de aguacate y otros árboles
frutales están incluidos en los “los bosques latifoliados.”
Sin embargo, los bosques de hoja aciculada parecen
ser representados adecuadamente.
La exactitud total claramente muestra dos grupos distintos (Cuadro 5): el primero, incluyendo los mapas de
cobertura de UMD, IGBP y MODIS, todos con leyendas
similares a las de IGBP; el segundo grupo contiene los
mapas de GLC2000 y GLOBCOVER, ambos derivaron
del sistema de leyendas de LCCS. El primer grupo tiene
los valores más altos de exactitud total alcanzados entre
los mapas comparados (UMD y MODIS).
Por el contrario, cuando comparamos el mapa global
con el mapa regional de CONABIO, el primer grupo
class GL&SL aggregated together all types of sparse
tree layer vegetation and shrubland such as “Savanna”
and “Woody grasslands.” The aggregation process was
eventually refined for scarcely represented, marginal
classes and for cases in which semantic assignment
was not clear or it led to obvious errors considering their
location (Table 3, light gray cells), such as, for example,
the inclusion in the “Cropland” merged class of the “Temperate or Sub-polar N. E. S. - Open Canopy” (merged
class #8 in Table 3), “Temperate or Sub-polar G. with a
Sparse Tree Layer” (#10), “Deciduous needleleaf forest”
(#23) and “Permanent wetlands” (#26) classes (Table 3).
The comparison of Table 4 and Figure 1 shows a good
consistency in the extent of the two marginal classes
“Urban” and “Water Bodies,” which confirmed previous
observations (Fritz & See, 2007). However, large discrepancies were observed in the other four merged classes. The UMd, IGBP and MODIS maps reported large
fractions of “Grassland and Shrubland” and low fractions of “Broadleaf Forests,” which is a consequence of
the semantic assignment of cover types included in the
“Grassland and Shrubland” class. The UMd map shows
few needleleaf forests, which are overrepresented in the
IGBP map. The croplands areas are minimal in the UMd
and MODIS maps, while being totally misplaced in the
IGBP map. The GLC2000 and CONABIO maps report
larger areas of “Cropland” than the other herein compared classifications, but the spatial distribution of the
class in the former two maps is different, both because
the GLC2000 map identifies large areas of broadleaf forest in the reference map as croplands, and because
the croplands in the north of the state are classified as
“Broadleaf forest.” As it did with the original legend, The
GLOBECOVER map assigns over 50 % of the state’s
area as “Broadleaf forest,” while the “Cropland” area is
scarcely represented because orchards of avocado and
other fruit trees are included in “Broadleaf forest.” However, the needle leaf forest appears to be adequately represented.
The overall accuracy clearly shows two different groups
(Table 5): the first one including the UMd, IGBP and MODIS coverage maps, all using legends similar to that of
IGBP; the second group containing the GLC2000 and
GLOBCOVER cover maps, both derived from the LCCS
legend system. The former group has the highest value
of overall accuracy reached between compared maps
(UMd and MODIS).
In contrast, when comparing the global land cover
maps with the regional land cover map of CONABIO,
the first group showed a poor performance, while the
second reached the highest values of accuracy in general. However, the best value (Oa = 45.6 %) observed for
GLOBCOVER is much lower than the global validation
score of the GLOBCOVER map (Oa = 75 %), calculated
352
Revista Chapingo Serie Ciencias Forestales y del Ambiente 17(3): 343-360, 2011.
CUADRO 3. Correspondencia entre las leyendas originales y las leyendas unificadas propuestas. Las celdas gris oscuro corresponden
a los criterios semánticos de asignación de la semántica; celdas gris claro corresponden a los criterios espaciales de asignación. B. Latifoliado, D. Caduco, E. Perenne, F. Bosque, G. Pastizal, N. Hoja aciculada , S. Matorral.
TABLE 3. Correspondence between the original and the proposed merged legends. Dark grey cells correspond to semantic assignment criterions; light grey cells correspond to spatial assignment criterions. B. Broadleaved, D. Deciduous, E. Evergreen, F.
Forest, G. Grassland, N. Needleleaf, S. Shrubland.
1
Tropical or Sub-tropical B. E. F. - Closed Canopy
2
Tropical or Sub-tropical B. D. F. - Closed Canopy
3
Temperate or Sub-polar B. D. F. – Closed Canopy
4
Temperate or Sub-polar N. E. F. – Closed Canopy
5
Temperate or Sub-polar N. E. F. - Open Canopy
6
Temperate or Sub-polar Mixed B. or N. F.- Closed Canopy
7
Temperate or Sub-polar B. E. S. - Closed Canopy
8
Temperate or Sub-polar N. E. S. - Open Canopy
9
Temperate or Subpolar G.
10
Temperate or Sub-polar G. with a Sparse Tree Layer
11
Cropland
12
Urban and Built-up
13
Consolidated Rock Sparse Vegetation
14
Water Bodies
15
Herbaceous Wetlands
16
Wooded Tundra
17
Mixed Tundra
18
Dryland Cropland and Pasture
19
Savanna
20
Irrigated Cropland and Pasture
21
Woodland
22
Wooded Grassland
23
Decidius needleaf forest
24
Woody savanna
25
Permanent wetlands
26
Cropland/natural vegetation mosaic
27
Barren or sparsely vegetated
28
Mosaic (G./S./F.) (50-70 %) / cropland (20-50 %)
29
Mosaic F. or S. (50-70 %) and G. (20-50 %)
30
Mosaic G. (50-70 %) and F. or S. (20-50 %)
31
Closed (>40 %) G.
32
Closed (>40 %) B. semi-D. and/or E. F. regularly flooded.
33
Consolidated bare areas
353
4
5
Water Bodies
3
Urban
Original Legends
Broadleaf Forest
2
Grassland&Shrubland
Needleleaf Forest
1
Cropland
Unified Legends
6
Valderrama Landeros et al.
Consistency...
FIGURA 1. Mapas de la cubierta terrestre con la leyenda unificada para las 6 clasificaciones investigadas.
FIGURE 1. Land cover maps with the unified legend for the 6 classifications investigated.
over 3,167 worldwide distributed reference samples at
a spatial resolution of 300 m (Bicheron et al., 2006, Defourny et al., 2009).
mostró un desempeño pobre, mientras que el segundo
grupo alcanzó los valores más altos de exactitud en general. No obstante, el mejor valor (Oa = 45.6 %) observado para GLOBCOVER es más bajo que el resultado
de validación global del mapa GLOBCOVER (Oa = 75 %),
calculado en 3,167 muestras de referencia distribuidas
The confusion matrix for the five global classification
maps is shown in Table 6. Errors of omission or commission are highlighted in bold (when the cell value is
354
Revista Chapingo Serie Ciencias Forestales y del Ambiente 17(3): 343-360, 2011.
CUADRO 4. Distribución del área (%) para las 6 clases consideradas utilizando las 6 clasificaciones unificadas. BLF: Bosque latifoliado;
NLF: Bosque de hoja aciculada; CL: Tierra de cultivo; GL&SL: Matorral y Pastizal; UR: Área urbana; WB: Cuerpos de agua.
TABLE 4. Area distribution (%) for the 6 classifications considered using the 6 unified classes. BLF: Broadleaf Forest; NLF: Needleleaf
Forest; CL: Cropland; GL&SL: Grassland & Shrubland; UR: Urban; WB: Water Bodies.
Map/Class
BLF
NLF
CL
GL&SL
UR
WB
UMd
9.0
4.6
6.8
77.7
0.1
1.8
IGBP
3.4
32.2
10.2
53.4
0.1
0.7
MODIS
11.5
14.9
3.5
67.7
0.2
2.2
GLC2000
23.8
29.8
43.6
1.2
0.1
1.4
GLOBCOVER
57.3
20.5
9.1
10.6
0.1
2.3
CONABIO
36.7
18.9
38.8
4.3
0.1
1.2
Average
23.6
20.2
18.7
35.8
0.1
1.6
en todo el mundo con una resolución espacial de 300 m
(Bicheron et al., 2006, Defourny et al., 2009).
greater than the diagonal).
The values of Pa and Ua were obtained from the confusion matrix and are shown in Table 7.
En el Cuadro 6 se muestra la matriz de confusión para
los cinco mapas globales de clasificación. Los errores
de omisión o comisión aparecen marcados en negrita
(cuando el valor de la célula es mayor que la diagonal).
The inspection of the Pa and Ua metrics by class, and
of the omission and commission errors in the confusion
matrix shows the following facts:
En el Cuadro 7 se muestran los valores de Pa y Ua, los
cuales se obtuvieron a partir de la matriz de confusión.
Broadleaf Forest (BLF). Ua is relatively low for UMd,
IGBP and MODIS due to confusion with the NLF and CL.
CUADRO 5. Valores de exactitud global (Oa) por pares de las clasificaciones basadas en la leyenda unificada. Se indican entre paréntesis los intervalos de confianza al 95 % de probabilidad.
TABLE 5. Values of overall accuracy (Oa) for pairs of classifications based on the unified legend. Confidence intervals at 95% probability are indicated between parenthesis.
Oa
UMd
IGBP
MODIS
UMd
IGBP
MODIS
GLC2000
GLOBCOVER
CONABIO
100
48.4 (±0.4)
62.2 (±0.4)
9.3 (±0.3)
17.1 (±0.4)
13.6 (±0.3)
100
46.8 (±0.4)
22.3 (±0.4)
21.2 (±0.3)
17.1 (±0.3)
100
13.9 (±0.3)
21.8 (±0.4)
16.5 (±0.3)
100
35.0 (±0.4)
40.2 (±0.4)
100
45.6 (±0.4)
GLC2000
GLOBCOVER
100
CONABIO
La inspección de los valores de Pa y Ua por clase, y de
los errores de omisión y comisión en la matriz de confusión, muestran los siguientes hechos:
Bosque latifoliado (BLF). Ua es relativamente baja
para UMD, IGBP y MODIS, debido a la confusión con el
NLF y el CL. Pa es aún peor debido a la omisión de pixeles clasificados como GL&SL. Los mejores desempeños
de Ua se observan para GLC2000 y GLOBCOVER, pero
con algo de confusión con CL. Pa para GLOBCOVER es
muy bueno, mientras que se alcanzaron resultados muy
malos para GLC2000 ya que la mayoría de los pixeles
de BLF están clasificados como CL.
Bosque de hoja aciculada (NLF). Ua alcanzó valores
moderados, con el más bajo rendimiento para IGBP y
GLC2000 debido a la confusión con CL. Se observaron
Pa is even worse due to the omission of pixels classified as GL&SL. Ua best performances are observed for
GLC2000 and GLOBCOVER, but with some confusion
with CL. Pa for GLOBCOVER is very good, while poor
results are achieved for GLC2000 because most BLF
pixels were classified as CL.
Needleleaf forest (NLF). Ua reaches moderate values,
with the poorest performance for IGBP and GLC2000
due to confusion with CL. Low Pa values are observed
for UMd and MODIS due to pixels classified as GL&SL
and, to a lesser extent, as BLF.
Cropland (CL). High values of Ua are achieved for
UMd, MODIS and GLOBCOVER; however, with lower
values for IGBP and GLC2000 due to confusion with
BLF. Very low values of Pa are observed for UMD, IGBP
355
Valderrama Landeros et al.
Consistency...
CUADRO 6. La matriz de confusión se calculó sobre la leyenda unificada para los 5 mapas globales y el de referencia regional de CONABIO. Los valores se expresaron en porcentaje (%) del número total de pixeles en el área. Los valores en la diagonal que
corresponden. A una coincidencia con la clasificación de CONABIO están en cursiva y negrita. Las clasificaciones omitidas
y comprometidas están resaltadas con colores grises (valores mayores que en la celda diagonal). BLF: Bosque latifoliado;
NLF: Bosque de hoja aciculada; CL: Tierra de cultivo; GL&SL: Pastizal y Matorral; UR: Área urbana; WB: Cuerpos de agua.
TABLE 6. Confusion matrix computed over the merged legend for the 5 global and the reference regional CONABIO land cover maps.
Values are expressed in percentage (%) of the total number of pixels in the area. Values in the diagonal corresponding to
an agreement with CONABIO’s classification are in bold italics. Classes omitted and committed are highlighted with grey
colors (values higher than that in the diagonal cell). BLF: Broadleaf Forest; NLF: Needleleaf Forest; CL: Cropland; GL&SL:
Grassland & Shrubland; UR: Urban; WB: Water Bodies.
NLF
CL
GL&SL
UR
WB
BLF
1.35
5.87
1.75
0.01
0.00
0.01
NLF
0.30
3.02
1.22
0.02
0.00
0.01
CL
1.21
0.46
4.64
0.42
0.01
0.06
9.63
30.51 3.73
0.06
0.30
IGBP
BLF
GLC2000
BLF
GL&SL 33.54
BLF
UR
WB
2.12
0.00
0.15
6.36 10.93 11.43
0.81
0.04
0.29
6.29 17.18
1.24
0.01
0.09
0.00
18.76
CL
1.59
GL&SL
CL
8.64
11.36
NLF
NLF
GL&SL
0.13
0.05
1.01
0.04
0.01
UR
0.00
0.00
0.05
0.00
0.03
0.00
UR
0.01
0.00
0.06
0.00
0.03
0.00
WB
0.39
0.02
0.49
0.10
0.00
0.81
WB
0.11
0.11
0.39
0.12
0.00
0.64
0.06
2.05
BLF
25.87
5.55 22.91
BLF
0.69
0.46
0.00
0.15
NLF
7.37 11.06 12.25 1.40
0.01
0.17
CL
6.30
GL&SL 22.28
MODIS
CONABIO
0.48
3.03
0.41
0.00
0.00
7.34
21.16 1.99
0.05
0.59
UR
0.01
0.01
0.03
0.00
0.04
0.00
WB
0.10
0.02
0.20
0.06
0.00
0.27
BLF
3.73
3.71
3.86
0.23
0.00
0.02
NLF
3.45
6.25
4.48
0.64
0.00
0.05
CL
0.72
0.10
2.43
0.24
0.01
0.04
8.89
27.36 3.07
0.03
0.13
GL&SL 28.37
UR
0.02
0.02
0.13
0.00
0.06
0.01
WB
0.51
0.01
0.42
0.10
0.00
0.93
GLOBCOVER
UMd
CONABIO
2.93
0.00
0.09
NLF
4.14 11.72
4.07
0.49
0.00
0.08
CL
1.68
0.86
6.41
0.12
0.01
0.06
GL&SL
4.70
0.59
4.60
0.65
0.01
0.07
UR
0.01
0.01
0.06
0.00
0.04
0.00
WB
0.36
0.16
0.72
0.14
0.03
0.87
Ommission (column wise)
Commission (line wise)
Both
CUADRO 7. La exactitud del usuario (Ua, valor de la derecha) y del productor (Pa, valor de la izquierda) para las 6 leyendas unificadas
y para cada uno de los 5 mapas globales de clasificación con respecto al mapa de clasificación regional de CONABIO. BLF:
Bosque latifoliado; NLF: Bosque de hoja aciculada; CL: Tierra de cultivo; GL&SL: Pastizal y Matorral; UR: Área urbana; WB:
Cuerpos de agua.
TABLE 7. User’s (Ua, right value) and producer’s (Pa, left value) accuracy for the 6 unified legends and for each of the 5 global classification maps with respect to CONABIO’s regional classification map. BLF: Broadleaf Forest; NLF: Needleleaf Forest; CL:
Cropland; GL&SL: Grassland & Shrubland; UR: Urban; WB: Water Bodies.
BLF
Ua Pa
NLF
GL&SL
CL
UR
WB
UMd
15.1
3.7
66.0
15.9
68.3
12.0
4.8
87.1
38.0
34.5
45.1
68.8
IGBP
20.3
1.9
34.3
58.3
29.6
7.8
3.7
46.1
48.8
38.2
42.4
23.0
MODIS
32.3
10.1
42.0
32.9
68.6
6.3
4.5
71.7
25.6
61.8
47.2
78.5
GLC2000
47.6
30.9
36.6
57.6
39.4
44.4
2.9
0.8
29.3
32.1
46.6
54.8
GLOBCOVER
45.1
70.4
57.2
62.0
70.2
16.5
6.1
15.0
34.3
41.8
38.1
74.3
valores bajos de Pa para UMD y MODIS, debido a los
pixeles clasificados como GL&SL, y en menor medida,
como BLF.
Tierra de cultivo (CL). Se obtuvieron valores altos de
Ua para UMD, MODIS y GLOBCOVER; sin embargo,
and MODIS due to pixels classified as GL&SL, and for
GLOBCOVER, due to pixels wrongly classified as BLF.
Grassland and shrubland (GL&SL). Very low values
of Ua were observed mainly due to confusion with BLF
and CL, and to a lesser extent, with NLF. By contrast,
356
Revista Chapingo Serie Ciencias Forestales y del Ambiente 17(3): 343-360, 2011.
con valores más bajos para IGBP y GLC2000, debido a
la confusión con BLF. Se observaron valores muy bajos
de Pa para UMD, IGBP y MODIS, debido a los pixeles
clasificados como GL&SL, y para GLOBCOVER, debido
a los pixeles mal clasificados como BLF.
Pastizal y matorral (GL&SL). Se observaron valores
muy bajos de Ua, debido principalmente a la confusión
con BLF y CL, y en menor medida, con NLF. En cambio,
los valores de Pa para UMD y MODIS son muy altos,
y en menor medida para IGBP. Se observaron valores
muy bajos de Pa para GLC2000 y GLOBCOVER, debido principalmente a los pixeles clasificados como BLF.
Área urbana (UR). Las áreas urbanas representan una
fracción muy pequeña del área total (Cuadro 6) y pueden ser sensibles a las incertidumbres geométricas. Se
obtuvieron valores bajos de Ua para MODIS y GLC2000,
debido a la confusión con LC.
Cuerpos de agua (WB). Se observaron valores medios
de Ua para la mayoría de la clasificación de los mapas
debido a la confusión con CL y BLF. Los valores más
altos de Pa están relacionados con todos los mapas de
las clasificaciones, a excepción de IGBP, en el cual faltan los pixeles clasificados como GL&SL.
En el grupo de mapas basados en la leyenda de IGBP la
clasificación fusionada GL&SL está casi distribuida por
igual entre “bosque latifoliado,” “tierras de cultivo,” y en
menor medida, “bosque de hoja aciculada”. Es decir, las
áreas clasificadas como sabanas en el mapa de MODIS o como “arboleadas dispersas” en el mapa de UMD,
ambas siendo clasificadas como GL&SL en la leyenda
unificada, muestran mayor coincidencia espacial con la
clase BLF y CL que con las áreas GL&SL en el mapa
de CONABIO. Por ello, existe un error en la etiqueta
inicial de estas áreas en el mapa inicial que derivó en
un error de clasificación al aplicar el criterio semántico
para establecer la leyenda unificada. Pero el error más
grave se observa en la confusión de matorral (BLF o
GL&SL) y zonas agrícolas (CL) en una sola clase. Este
problema es una consecuencia tanto de las características de la vegetación en el área de estudio como de su
distribución espacial en relación a la resolución espacial
de los mapas.
Tanto los resultados de las extensiones de la zona como
la consistencia espacial mostraron diferencias claras entre los mapas globales de clasificación, lo que confirma
que Michoacán es un punto de discrepancias (Fritz &
See, 2007). Para un mejor entendimiento de estas diferencias, se realizó un mapa de coincidencias entre todos
los mapas globales de la cubierta vegetal (Figura 2). Los
lugares donde existe una concordancia total en todos
los mapas representan sólo 2 % del área y corresponden principalmente a los cuerpos de agua (WB), áreas
the Pa values are very high for UMD and MODIS, and
less so for IGBP. Very low values of Pa are observed
for GLC2000 and GLOBCOVER, mainly due to pixels
classified as BLF.
Urban (UR). Urban areas represent a very small fraction
of the total area (Table 6) and may be sensitive to geometric uncertainties. Low Ua are observed for MODIS
and GLC2000 due to confusion with LC.
Water Bodies (WB). Medium values of Ua are observed
for most classification maps due to confusion with CL
and BLF. Higher Pa values are associated to all classifications maps, with the exception of IGBP in which pixels
classified as GL&SL are missing.
In the group of maps based on the IGBP legend the merged class GL&SL is almost equally distributed between
“Broadleaf forest,” “Croplands” and, to a lesser extent,
“Needleleaf forest.” What this means is that areas classified as savannas in the MODIS map or as “Sparse Tree
Layer Vegetation” in the UMd map –both of which were
classified as GL&SL in the merged legend– showed
more spatial coincidence with the BLF and CL classes
than with the GL&SL areas in the CONABIO map. Therefore, there is an error in the initial labeling of these
areas in the original map that derived in a classification
error when applying the semantic criterion for establishing the merged legend. But the most severe error is
seen in the confusion of shrubland (BLF and/or GL&SL)
and agricultural (CL) areas within a single class. This
problem is a consequence of both the characteristics of
the vegetation in the study area, and of its spatial distribution in relation to the spatial resolution of maps.
Both the results of the area extents and the spatial consistency showed clear differences between the global classification maps, confirming that Michoacan is a hotspot of
discrepancies (Fritz & See, 2007). To better understand
these differences, a map of agreement among all global
maps of vegetation cover was calculated (Figure 2). Places where there is total agreement in all maps represent
only 2 % of the area and mainly relate to water bodies
(WB), urban areas (UR) and needleleaf forests (NLF). By
contrast, 88% of the pixels show an agreement between 2
or 3 maps, corresponding mainly to broadleaf forest (BLF)
and cropland (CL). In general, there was an agreement
between maps with type IGBP (UMD, IGBP, MODIS)
or type LCCS (GLC2000, GLOBCOVER) legends. Few
pixels (0.1% of the total) were associated with different
classes for each global map.
CONCLUSIONS
The present study presents the results of the comparison between available global maps generated from data
derived from medium-resolution sensors. A regional land
cover map (CONABIO, 1998) generated from higher
357
Valderrama Landeros et al.
Consistency...
urbanas (UR) bosques de hoja aciculada (BLF) y tierras
de cultivo (CL). En general, existe una concordancia entre los mapas de las leyendas tipo IGBP (UMD, IGBP,
MODIS) o tipo LCCS (GLC2000, GLOBCOVER). Son
pocos los pixeles (0.1 % del total) que son asociados a
diferentes clases en cada uno de los mapas globales.
CONCLUSIONES
Este estudio presenta el resultado de la comparación
entre mapas globales disponibles generados a partir de
datos obtenidos de sensores con resolución media. Se
utilizó como referencia un mapa regional de cobertura
(CONABIO, 1998), generado a partir de datos de alta
resolución espacial y experiencia local.
spatial resolution data and local experience was used
as a reference.
The diversity of the legends explains the low level of
consistency between the compared maps. Each one of
the compared maps was constructed according to global
classification criteria because of which shrubland classes are predominant in some maps (UMd, IGBP and
MODIS; all based on a type IGBP legend) while forests
predominate in others (GLC2000 and GLOBCOVER,
based on a type LCCS legend).
To reduce the inconsistencies between the maps and to
La diversidad de las leyendas explica el bajo nivel de
consistencia entre los mapas comparados. Cada uno de
los mapas comparados fue elaborado de acuerdo a criterios globales de clasificación debido a lo cual los matorrales predominan en algunos mapas (UMD, IGBP y
MODIS; todos basados en la leyenda tipo IGBP), mientras que los bosques predominan en otros (GLC2000 y
GLOBCOVER, basados en la leyenda tipo LCCS).
Para reducir la inconsistencia entre los mapas y para
permitir una mejor comparación, se propuso una leyenda unifica con 6 clasificaciones (“Bosque latifoliado,” “bosque de hoja aciculada,” “tierras de cultivo,”
“pastizal y matorral,” “área urbana” y “cuerpos de
agua”). El uso de un criterio semántico estricto para
la asignación de las clases estableció una diferencia
notable entre los mapas basados en IGBP y el mapa
de referencia, debido al predominio excesivo de la
clase “Pastizal y Matorral”. El error en la asignación
de una clase determinada es provocado por el criterio
de clasificación del mapa inicial y por la leyenda unificada. Con el fin de evitar tal problema, es necesario
contar con un sistema global de clasificación objetivo
y muy general que provenga del debate en grupos
de trabajo que tomen en cuenta la experiencia local
y la información de la mayoría de las regiones biodiversas, como es el caso del estado de Michoacán.
Sin embargo, el mayor problema emergente en todos
estos mapas analizados es la confusión en la distinción entre las clases “tierra de cultivo” (y huerto) y
“bosque latifoliado”, un problema que se debe tanto a
las características del área de estudio como a la baja
resolución espacial de los datos.
El territorio del Estado de Michoacán combina grandes
mosaicos hechos de áreas naturales y de cultivo y la
presencia de contrastes notables de la topografía, características que desafían cualquier asignación difícil de
clasificar, a partir de las observaciones espaciales con
resolución media. Cuando la elevada resolución espacial y los sensores de alta frecuencia están en órbita, y
FIGURA 2. Niveles de coincidencia espacial en los 5 mapas globales de la cubierta terrestre.
FIGURE 2. Levels of spatial agreement in the 5 global land cover
maps.
allow for a better comparison, a merged legend was proposed with 6 classes (“Broadleaf forest,” “Needleleaf forest,” “Cropland,” “Grassland & Shrubland,” “Urban” and
“Water Bodies”). The use of a strict semantic criterion
for class assignment established a marked difference
between the IGBP-based maps and the reference map
due to the excessive predominance of the Grassland
& Shrubland class. The error in assignment to a given
class is caused by the classification criteria of the original map and that for legend merging. In order to avoid
such problem it is necessary to count with a very general
and objective global classification system that is derived
from the discussion in plural workgroups that take into
account local experience and information in most biodiverse regions, as is the case of the state of Michoacan. However, the largest emergent problem in all herein analyzed maps is the confusion in the discrimination
between croplands (and orchards) and broadleaf forest
classes, a problem that is both due to the characteristics
of the study area as to the low spatial resolution of data.
The territory of the state of Michoacan combines
large mosaics made of cultivated and natural areas
and the presence of marked contrasts in topography,
358
Revista Chapingo Serie Ciencias Forestales y del Ambiente 17(3): 343-360, 2011.
cuando el acceso libre a las imágenes ocurre de forma
operativa y constante, su conjunto de datos mejoraran
la realización de los mapas actuales derivados del conjunto de datos disponibles de los sensores con resolución media. Tales sensores podrían llevar a cabo los
requerimientos necesarios no solo para los mapas locales y globales sino también para otros asuntos mayores
relacionados con el cambio de la cubierta terrestre.
La elaboración de mapas globales de la cubierta terrestre parece ser una tarea complicada, como se demuestra por las grandes discrepancias entre los productos
actualmente disponibles. No obstante, la información
contenida en estos mapas permite preparar el camino
hacia el estudio de procesos ambientales en curso, incluyendo los cambios en la distribución de la cubierta
terrestre; por ello, es más importante conocer la intensidad y las limitaciones de estos mapas.
characteristics which defy any hard classification
assignment from medium spatial resolution observations. When high spatial resolution and high frequency sensors are in orbit –and when free access
to the images occurs in an operational and sustained
way– their datasets will certainly enhance the performances of current land cover maps derived from the
available medium resolution sensor datasets. Such
high spatial resolution sensors would then fulfill the
requirements needed not only for local and global
land cover mapping, but also for other major issues
related to land cover change.
Global land cover mapping appears to be a difficult task,
as is demonstrated by the large discrepancies between
the currently available products. However, the information contained in global land cover maps may pave the
road towards to the study of ongoing environmental
processes including change in land cover distribution;
therefore it is most important to know the strength and
limitations of such maps.
LITERATURE CITED
Bartholomé, E., Belward, A. S., & GLC2000. (2005). GLC2000: a
new approach to global land cover mapping from Earth
observation data. International Journal of Remote Sensing,
26(9), 1959-1977. doi: 10.1080/01431160412331291297
Bicheron, P., Leroy, M., Brockmann, C., Krämer, U., Miras, B., Huc,
M., & Gross, D. (2006). GLOBCOVER: a 300 m global
land cover product for 2005 using ENVISAT MERIS time
series. Retrieved Jun 2008, 2006, from http://postel.
mediasfrance.org/fr/PROJECTS/Pre-operationnelsGMES/GLOBCOVER/
Bocco, G., Mendoza, M., & Masera, O., R. (2001). La dinámica del
cambio de uso de suelo en Michoacán. Una propuesta
metodológica para el estudio de los procesos de
deforestación. Investigaciones Geográficas, Boletín del
Instituto de Geografía, UNAM (44), 18-38.
CONABIO. (1998). Comisión Nacional para el Conocimiento y Uso de
la Biodiversidad. Retrieved September 2008, from http://
www.conabio.gob.mx/informacion/gis/
Congalton, R. G. (1991). A review of assesing the accuracy of
clasifications of remotely sensed data. Remote Sensing of
Environment (37), 35-46.
Defourny, P., Bicheron, B., Brockmann, C., Bontemps, S., Bogaert,
V. E., Vancutsem, C., & Arino, O. (2009). The first 300m
global land cover map for 2005 using ENVISAT MERIS
time series: a product of the GlobCover system.
Defourny, P., Vancutsem, C., Bicheron, P., Brockmann, C., Nino, F.,
Schouten, L., & Leroy, M. (2006). GLOBCOVER: a 300 m
global land cover product for 2005 using Envisat MERIS
time series.
Defries, R., & Townshend, J. R. G. (1994). NDVI-derived land
cover classification at global scale. International
Journal of Remote Sensing, 15(17), 3567-3586. doi:
10.1080/01431169408954345
Di Gregorio, A., & Jansen, L. J. M. (2000). Land cover classification
system: LCCS: classification concepts and user manual:
Food and Agriculture Organization of the United Nations.
End English Version
Friedl, M. A., Mclver, D. K., Hodges, J. C., F., Zhang, X. Y., Muchoney,
D., Strahler, A. H., . . . COoper, A. (2002). Global Land
Cover Mapping from MODIS: algorithms and early results.
Remote Sensing of Environment, 83 (1-2), 287-302.
Fritz, S., & See, L. (2007). Identifying and quantifying uncertainty and
spatial disagreement in the comparison of Global Land
Covers for different applications. Global Change Biology,
14(5), 1057-1075. doi: 10.1111/j.365-2486.2007.01519.x
González-Medrano, F. (2003). Las comunidades vegetales de
México. Propuesta para la unificación de la clasificación
y nomenclatura de la vegetación de México. Instituto
Nacional de Ecología, México, DF.
Hansen, M. C., DeFries, M., R, Townshend, J. R. G., & Sohlberg, R.
(2000). Global Land Cover Classification at 1 Kilometer
spatial resolution using a classification tree aproach.
International Journal of Remote Sensing, 21(6/7), 13311364.
Hansen, M. C., & Reed, B. (2000). A Comparison of the IGBPDISCover and University of Maryland 1km global land
cover products. International Journal of Remote Sensing,
21(6&7), 1365-1373.
Herold, M. (2006). A joint initiative for harmonization and validation of
land cover data sets. Geoscience and Remote Sensing,
IEEE Transactions on, 44(7), 1719-1727. doi: 10.1109/
TGRS.2006.871219
Herold, M. (2008). Some challenges in global land cover mapping: An
assessment of agreement ans accuracy in existing 1 km
data sets. Remote Sensing of Environment(112), 25382556.
IGBP. (2009). International Geosphere-Biosphere Program. Retrieved
May
2009,
from
http://glcf.umiacs.umd.edu/data/
landcover/
359
Valderrama Landeros et al.
Consistency...
INEGI. (2009). Intituto Nacional de Estadística y Geografía Retrieved
May 2009, from http://www.inegi.gob.mx
Inventario, F. (1995). Memorias Regionales 1995. Morelia. Gobierno
del Estado de Michoacán.
Lambin, E. F., & Geist, H. J. (2001). Global land-use and land-cover
change: what have we learned so far? Global Change
News Latter (46), 27-30.
Latifovic, R., Zhu, Z., Cihlar, J., Beaubien, J., & Fraser, R. (2000). The
Land Cover Map for North America in the Year 2000, from
http://www-term.jrc.it/glc2000/Products/northamerica/
MetadataLC35_NA2000.pdf
Liu, D., Song, K., Townshend, J. R. G., & Gong, P. (2008). Using
local transition probability models in Markov random
fields for forest change detection. Remote Sensing of
Environment(112), 2222-2231.
Loveland, T. R., Reed, B. C., Brown, J. F., Ohlen, O., Zhu, J., Yang,
L., & Merchant, J. W. (2000). Development of a Global
Land Cover Characteristics Database and IGBP DISCover
from 1-km AVHRR Data. International Journal of Remote
Sensing, 21(6/7), 1303-1330.
Mayaux, P., Eva, P., Gallego, H., Strahler, J., Herold, A. H., Agrawal,
M., . . . Roy, P. (2006). Validation of the global land cover
2000 map. Geoscience and Remote Sensing, IEEE
Transactions on, 44(7).
McCallum, I., Obersteiner, M., Nilsson, S., & Shvidenko, A. (2006). A
Spatial comparison of four satellite derived 1 km global
land cover datasets. Internationa Journal of Applied Earth
Observations and Geoinformation 8 (8), 246-255.
Miranda, F., & Hernández, X. (1963). Los tipos de vegetación de
México y su clasificación. Boletin de la Sociedad Botánica
Mexicana(28).
Morissette, J. T., Baret, F., Privette, J. L., Myneni, R. B., Nickeson, J.
E., Garrigues, S., . . . Cook, R. (2006). Validation of Global
Moderate Resolution LAI products: a framework proposed
within the CEOS Land product validation subgroup.
Geoscience and Remote Sensing, IEEE Transactions on,
44(7), 1804-1817. doi: 10.1109/TGRS.2006.872529
Muchoney, D., Strahler, A. H., Hodges, J. C., F., & LoCastro, J. (1999).
The IGBP discover confidence sites and the System for
Terrestrial Ecosystem parameterization: Tool for validating
global land cover data. Photogrammetric Engineering &
Remote Sensing, 65(9).
POSTEL.(2009). Pôle d’observation des surfaces continentales par
teledétéction Retrieved May 2009, 2009, from http://
postel.mediasfrance.org/fr/PROJETS/Pre-operationnelsGMES/GLOBCOVER/
Retrieved May 2009, 2009, from http://postel.mediasfrance.org/fr/
PROJETS/Pre-operationnels-GMES/GLOBCOVER/
Rossiter, D. G. (1994). Lectures Notes: “Land Evaluation”. Cornell
University, College of Agriculture and Life Science,
Department of Soil, Crop and Atmospheric Science.
Retrieved from http://www.itc.nl/personal/rositter/Docs/
Scas494/s494ch6.pdf
Rzedowski. (1978). Vegetación de México. México D.F: Editorial
Limusa.
Scepan, J. (1999). Thematic Validation of High Resolution Global
Land Cover Data Sets. Photogrammetric Engineering &
Remote Sensing, 65, 1051-1060.
See, & Fritz. (2006). Towards a global hybrid land cover map for
the year 2000. Geoscience and Remote Sensing, IEEE
Transactions on, 44(7), 1740, 1746.
SEMARNAP. (1997). Estadísticas del Medio Ambiente. México D.F.:
INEGI.
Strahler, A., Boschetti, L., Foody, G., Friedl, M. A., Hansen, M. C.,
Herold, M., . . . Woodcock, C. E. (2006). Global Land cover
Validation: Recommendations for Evaluation and Accuracy
Assessment of Global Land Cover Maps. Retrieved from
http://nofc.cfs.nrcan.gc.ca/gofc-gold/Report%20Series/
GOLD_25.pdf
UMd. (2009). University of Maryland Retrieved May 2009, from http://
glcf.umiacs.umd.edu/data/landcover/
Velazquez, A., Mas, J. F., Díaz-Gallegos, J. R., Mayorga-Saucedo,
R., Alcántara, P. C., Castro, R., & Palacio, J. L. (2008).
Patrones y Tasas de Cambio de Uso de Suelo en México.
Retrieved September 2008, from http://www.ine.gob.mx/
ueajei/publicaciones/gacetas/62/velasquez.html
360