Definición de área de estudio, ecosistema y accesibilidad

Para el presente informe se selecciona como ecosistema el lago Collico, localizado en la región de la Araucanía en Chile al sur del centro urbano llamado Cunco. Dado lo anterior, se define un área de estudio que contiene tanto Cunco como el lago Collico.

Con el propósito de estimar la accesibilidad del lago desde Cunco se define “accesibilidad”, en líneas generales, como el nivel de dificultad para llegar desde Cunco al lago, lo cual está determinado por la cantidad de vías de acceso desde el centro urbano al ecosistema, el riesgo que representan las obstrucciones o cierres de vías y el nivel de elevación del terreno en el área. Para medirla se obtendrá un score con valores del 0 al 3, el cual se calculará como el promedio de los puntajes asignados en los tres aspectos mencionados: rutas, obstrucciones y elevación del terreno, para los cuales se realizará un análisis y se asignará un valor (0, 1, 2 o 3) según los criterios definidos en cada caso. Según ese puntaje, la accesibilidad se definirá de la siguiente manera:

Valores Significado
0 Accesibilidad nula, no existe forma de llegar al ecosistema
(0,1] Accesibilidad baja, existen muchas dificultades para llegar al ecosistema
(1,2] Accesibilidad media, existen algunas dificultades para llegar al ecosistema
(2,3] Accesibilidad alta, existen pocas o nulas dificultades para llegar al ecosistema

A continuación se definen los criterios utilizados para la evaluación de cada aspecto considerado.

Rutas

Se considera la cantidad de rutas que permiten llegar directamente desde el centro urbano hasta el lago, para esto se toman en cuenta las calles principales y secundarias que llevan hasta la periferia del lago.

Valores Significado
0 No hay rutas que permitan llegar al ecosistema desde el centro urbano
1 Existe una única ruta para llegar al ecosistema desde el centro urbano
2 Existen entre 2 y 3 rutas para llegar al ecosistema desde el centro urbano
3 Existen entre más de 3 rutas para llegar al ecosistema desde el centro urbano

Obstrucciones

Se evalúa la cantidad mínima de obstrucciones, es decir, corte u obstaculización de alguna ruta, que impedirían por completo llegar al ecosistema. Para la asignación de los puntajes se utiliza el siguiente criterio:

Valores Significado
0 El ecosistema está obstruido naturalmente
1 Es necesaria una obstrucción para impedir la llegada al ecosistema
2 Son necesarias dos obstrucciones para impedir la llegada al ecosistema
3 Son necesarias tres o más obstrucciones para impedir la llegada al ecosistema

Elevación del terreno

Se toma en cuenta el nivel de elevación del terreno en las zonas que rodean al ecosistema, así como también en las zonas entre el centro urbano y el lago, ya que se considera que la presencia de áreas de relieve muy variado o de alta elevación dificultan la accesibilidad al lugar. El criterio de asignación de puntaje definido es el siguiente:

Valores Significado
0 La elevación del terreno bloquea por completo al ecosistema
1 La elevación del terreno dificulta en gran medida el acceso (Ej: todas o la mayoría de las rutas pasan por zonas elevadas)
2 Hay zonas elevadas que no afectan demasiado el acceso (Ej: alguna(s) ruta(s) pasa(n) por zonas elevadas)
3 No hay zonas elevadas en el área

Cabe mencionar que una limitación importante de este estudio es que la forma de medir los aspectos relacionados con la accesibilidad y de definir los puntajes resulta subjetiva y depende, en gran medida, del criterio de los miembros del equipo; por tanto, esto es un aspecto a mejorar en futuros estudios.

Detección de ecosistemas utilizando GEE

Para la detección de ecosistemas, en primer lugar, se inicializa Google Earth Engine para poder obtener las imágenes de los satélites. Posteriormente, se define la región de interés a analizar, que en este caso corresponde al Lago Collico y sus alrededores, por lo que se toman como base las coordenadas de un punto central dentro del lago y se define un área de buffer alrededor.

## -- rgee 1.1.3 --------------------------------------- earthengine-api 0.1.311 -- 
##  v user: not_defined
##  v Google Drive credentials:
 v Google Drive credentials:  FOUND
##  v Initializing Google Earth Engine:
 v Initializing Google Earth Engine:  DONE!
## 
 v Earth Engine account: users/jimiquelc 
## --------------------------------------------------------------------------------
# Se selecciona el ecosistema
roi <- 
  c( -71.9745410, -39.086577) %>%  # Se le pasan coordenadas del Lago Collico
  st_point(dim = "XYZ") %>% 
  st_buffer(dist = 0.109) %>% 
  sf_as_ee()

# Se especifica que se obtendran imágenes del Landsat para el área de interés y se filtran para quedarse solo con aquellas que corresponden a días en que no habían demasiadas nubes
disponible <- ee$ImageCollection('LANDSAT/LC08/C01/T1_TOA')$
  filterBounds(roi)$
  filterMetadata('CLOUD_COVER','less_than', 5)

# Se ordena por fechas
df_disponible <- ee_get_date_ic(disponible)%>%
  arrange(time_start)

# Se selecciona una imagen en particular
escena <- df_disponible$id[10]

Se extraen las bandas B2, B3 y B4 que corresponden al azul, verde y rojo respectivamente, las cuales se utilizarán para mostrar la imagen real del lago. Por otra parte, para la detección del ecosistema se usará el Normalized Difference Water Index (NDWI) ya que este permite la detección de cuerpos de agua, y por lo tanto se extrae también la banda B5 que es necesaria para este cálculo. A continuación se muestra la imagen de satélite obtenida en base a lo anterior:

# Se seleccionan las bandas a extraer
l8_bands <- ee$Image(escena)$select(c("B2", "B3", "B4","B5"))
# B1: Aerosol, B2: Blue, B3: Green, B4: Red
# B5: NIR, B6: SWIR 1, B7: SWIR 2, B9: Cirrus

# Finalmente se extraen las bandas escogidas para la región de interés
l8_img <- ee_as_raster(
  image = l8_bands,
  region = roi$bounds(),
  scale = 30)
## - region parameters
##  sfg      : POLYGON ((-72.08354 -39.195 .... 97758, -72.08354 -39.19558)) 
##  CRS      : GEOGCRS["WGS 84",
##     DATUM["World Geodetic System 1984",
##         ELLIPSOID["WGS 84",6378137,298.257223563, ..... 
##  geodesic : FALSE 
##  evenOdd  : TRUE 
## 
## - download parameters (Google Drive)
##  Image ID    : LC08_233087_20141211 
##  Google user : ndef 
##  Folder name : rgee_backup 
##  Date        : 2022_06_05_19_46_40 
## Polling for task <id: 2B2THO6FEC3DAXPDX7P657ZB, time: 0s>.
## Polling for task <id: 2B2THO6FEC3DAXPDX7P657ZB, time: 5s>.
## Polling for task <id: 2B2THO6FEC3DAXPDX7P657ZB, time: 10s>.
## Polling for task <id: 2B2THO6FEC3DAXPDX7P657ZB, time: 15s>.
## Polling for task <id: 2B2THO6FEC3DAXPDX7P657ZB, time: 20s>.
## State: COMPLETED
## Moving image from Google Drive to Local ... Please wait
# Se gráfica con las bandas B2, B3 y B4
plotRGB(l8_img, r=3, g=2, b=1, stretch = "lin")

Y en el siguiente gráfico se puede visualizar el área identificada como cuerpo de agua, que en este caso corresponde al Lago Collico.

# Se llaman a las funciones para calcular el índice relevante, que en este caso es el Normalized Difference Water Index
source("indices.R")
deteccion_lago <- NDWI(l8_img)
plot(deteccion_lago)

Como se ve en el gráfico, las áreas con índice NDWI mayor a alrededor de 0.2 son aquellas en las que se encuentra el agua, lo cual se ve representado en verde.

Procesamiento y limpieza de datos

Ahora bien, para poder analizar la accesibilidad en base a lo anteriormente planteado se requieren los datos del lago, de las áreas urbanas y de las calles de Chile, así como también información referente a la elevación del terreno del área de interés. Se obtienen las áreas urbanas y calles a partir de la data del Censo 2017, el polígono del lago desde Google Earth Engine y la elevación del terreno del sitio web earthexplorer.usgs.gov.

Se procede a limpiar la data, filtrando las calles y límites urbanos para obtener solo aquellos que corresponden al área de interés, es decir, a Cunco. Posteriormente se filtran dichas calles por distancia al lago, es decir, se eliminan todas las calles que se encuentren a una distancia mayor a aproximadamente 890 metros, valor que fue determinado visualmente, iterando cantidades hasta encontrar una que capturara todos los caminos que verdaderamente llegan hasta el lago.

En el set de datos resultantes existen numerosas filas cuyo valor de la columna “NOMBRE_VIA”, que corresponde al nombre de la calle, es nulo, por lo cual se decide renombrarlos. Como se muestra a continuación, todos los datos sin nombre corresponden a caminos o huellas, se renombran como “Camino sin nombre” o “Huella sin nombre” respectivamente.

# Se muestran los tipos de vías de los datos con nombre nulo
print(unique(calles_en_contacto[is.na(calles_en_contacto$NOMBRE_VIA),]$CLASE_COMU))
## [1] "CAMINO" "HUELLA"
# Reemplazamos las calles con nombre nulo por "Camino sin nombre" o "Huella sin nombre" segun corresponda 
calles_en_contacto$NOMBRE_VIA[is.na(calles_en_contacto$NOMBRE_VIA)] <- ifelse(calles_en_contacto$CLASE_COMU == "CAMINO", "Camino sin nombre", "Huella sin nombre")

A partir de lo anterior se grafica y se nota que algunas calles principales y secundarias están incompletas, lo cual ocurre porque no están guardadas como una sola fila que tiene toda la vía en una línea, sino como varias filas que tienen líneas que son fragmentos de la vía entera. Lo anterior se visualiza en la siguiente tabla para el caso de la calle secundaria S-503:

tmap_mode("view")
## tmap mode set to interactive viewing
  tm_shape(lake)+
  tm_polygons(col ="name",title="Cuerpo de agua")+
  tm_shape(calles_en_contacto)+
  tm_lines(col ="NOMBRE_VIA", id="NOMBRE_VIA", scale=5, palette="Accent", title.col="Nombre de las vías")+
  tm_basemap(leaflet::providers$Esri.WorldImagery)+
  tm_shape(cunco)+
  tm_polygons("NOM_COMUNA", palette ="Pastel1", id="NOM_COMUNA",title="Área urbana")
s503 <- na.omit(calles_filtrado[(calles_filtrado$NOMBRE_VIA == 'S-503'),])
rmarkdown::paged_table(s503)

Como se requiere evaluar la accesibilidad desde Cunco hasta el lago, se necesita tener estas vías completas. Por ello, se procede a juntar todos los pedazos de la vía en una sola línea, generando una única entrada al dataframe que contiene las calles mencionadas en su totalidad.

# Obtenemos la via s-503 completa
s503 <- na.omit(calles_filtrado[(calles_filtrado$NOMBRE_VIA == 'S-503'),])
u <- st_union(s503$geometry)
calles_en_contacto <- subset(calles_en_contacto, NOMBRE_VIA!="S-503")
s503_u <- s503[1,]
s503_u$geometry <- u
calles_en_contacto[nrow(calles_en_contacto) + 1,] <- s503_u

# Obtenemos la via R-662 completa
r662 <- na.omit(calles_filtrado[(calles_filtrado$NOMBRE_VIA == 'R-662'),])
u <- st_union(r662$geometry)
calles_en_contacto <- calles_en_contacto[!(calles_en_contacto$NOMBRE_VIA == 'R-662'),]
r662_u <- r662[1,]
r662_u$geometry <- u
calles_en_contacto[nrow(calles_en_contacto) + 1,] <- r662_u

# Obtenemos la via S-521 completa
S521 <- na.omit(calles_filtrado[(calles_filtrado$NOMBRE_VIA == 'S-521'),])
u <- st_union(S521$geometry)
calles_en_contacto <- calles_en_contacto[!(calles_en_contacto$NOMBRE_VIA == 'S-521'),]
S521_u <- S521[1,]
S521_u$geometry <- u
calles_en_contacto[nrow(calles_en_contacto) + 1,] <- S521_u

# Obtenemos la via S-75 completa
S75 <- na.omit(calles_filtrado[(calles_filtrado$NOMBRE_VIA == 'S-75'),])
u <- st_union(S75$geometry)
calles_en_contacto <- calles_en_contacto[!(calles_en_contacto$NOMBRE_VIA == 'S-75'),]
S75_u <- S75[1,]
S75_u$geometry <- u
calles_en_contacto[nrow(calles_en_contacto) + 1,] <- S75_u

Finalmente, se obtiene el mapa con las vías principales y secundarias completas:

tmap_mode("view")
## tmap mode set to interactive viewing
  tm_shape(lake)+
  tm_polygons(col ="name",title="Cuerpo de agua")+
  tm_shape(calles_en_contacto)+
  tm_lines(col ="NOMBRE_VIA", id="NOMBRE_VIA", scale=5, palette="Accent", title.col="Nombre de las vías")+
  tm_basemap(leaflet::providers$Esri.WorldImagery)+
  tm_shape(cunco)+
  tm_polygons("NOM_COMUNA", palette ="Pastel1", id="NOM_COMUNA",title="Área urbana")

Cálculo de accesibilidad

A continuación se presentan los aspectos que se analizaron para calcular la accesibilidad del lago Collico desde Cunco.

Rutas

calles_pys <- subset(calles_en_contacto, CLASE_COMU!="HUELLA")
calles_pys <- subset(calles_pys, CLASE_COMU!="CAMINO")

tmap_mode("view")
## tmap mode set to interactive viewing
  tm_shape(lake)+
  tm_polygons(col ="name",title="Cuerpo de agua")+
  tm_shape(calles_pys)+
  tm_lines(col ="NOMBRE_VIA", id="NOMBRE_VIA", scale=5, palette="Accent", title.col="Nombre de las vías")+
  tm_basemap(leaflet::providers$Esri.WorldImagery)+
  tm_shape(cunco)+
  tm_polygons("NOM_COMUNA", palette ="Pastel1", id="NOM_COMUNA",title="Área urbana")

Como se puede observar en el mapa, las rutas de calles principales y secundarias que permiten acceder al lago son: la S-75 por sí sola y la combinación de la S-75 con la R-662 y la S-503. La S-521 permite el acceso desde la zona sur, pero se considera que es solo una extensión de la ruta de la S-75, por lo que no se cuenta como una adicional. Al considerarse que hay 2 rutas, se le asigna un puntaje de 2 en esta categoría.

Obstrucciones

Como se mencionó anteriormente, en este punto se evaluarán la cantidad de obstrucciones que impedirían por completo el acceso al ecosistema. En este caso, como se puede observar en el mapa anterior, la vía S-75 es completamente necesaria para poder acceder al lago desde Cunco, por lo tanto, un cierre de esta vía por sobre el lugar donde se conecta con la R-662 imposibilitaría la llegada. Por lo anterior, se le asigna un puntaje de 1 en esta categoría.

Elevación del Terreno

Para evaluar este ámbito se decidió realizar un mapa de elevación del terreno que permita evaluar la dificultad de acceso al ecosistema en cuestión. Se asume que un terreno con alta variabilidad en su elevación presenta una mayor dificultad para ser transitado.

# Se carga la data que contiene al area de estudio
sl1 <- raster("Terrain Elevation Map/data 1.tif")
sl2 <- raster("Terrain Elevation Map/data 2.tif")
sl3 <- raster("Terrain Elevation Map/data 3.tif")
sl4 <- raster("Terrain Elevation Map/data 4.tif")

# Se une la data
sl <- mosaic(sl1, sl2, sl3, sl4, fun=min)

# Se selecciona acota la data al área de estudio
e <- as(extent(-72.2, -71.8, -39.12, -38.8), 'SpatialPolygons')
crs(e) <- "+proj=longlat +datum=WGS84 +no_defs"
r <- crop(sl, e)

# Se cargan los polígonos de Cunco y el lago Collico
limite_urbano <- st_read("Data/R09/R09/LIMITE_URBANO_CENSAL_C17.shp")
## Reading layer `LIMITE_URBANO_CENSAL_C17' from data source 
##   `E:\Universidad\S9\ESPACIALES\Proyecto 2\repositorio\Data\R09\R09\LIMITE_URBANO_CENSAL_C17.shp' 
##   using driver `ESRI Shapefile'
## Simple feature collection with 52 features and 12 fields
## Geometry type: POLYGON
## Dimension:     XY
## Bounding box:  xmin: -73.40587 ymin: -39.49886 xmax: -71.35787 ymax: -37.66676
## Geodetic CRS:  SIRGAS 2000
collico <- st_read("./Terrain Elevation Map/Lago Collico.shp")
## Reading layer `Lago Collico' from data source 
##   `E:\Universidad\S9\ESPACIALES\Proyecto 2\repositorio\Terrain Elevation Map\Lago Collico.shp' 
##   using driver `ESRI Shapefile'
## Simple feature collection with 1 feature and 0 fields
## Geometry type: POLYGON
## Dimension:     XY
## Bounding box:  xmin: -72.07257 ymin: -39.11695 xmax: -71.87545 ymax: -39.04116
## Geodetic CRS:  WGS 84
# Se remueven los polígonos del mapa para su fácil identificación dentro del mapa
r1 <- mask(r, collico, inverse = T)
r2 <- mask(r1, limite_urbano, inverse = T)

# Se muestra el mapa obtenido
plot(r2, main = "Elevación del Terreno entre Cunco y el Lago Collico")

Al analizar el mapa obtenido se observa que el lago Collico presenta una alta variabilidad en la elevación del terreno por su zona noreste y una baja variabilidad en el área noroeste. De esta manera, el mapa sugiere que las zonas de fácil acceso tomando en consideración la elevación del terreno se encuentran por la zona noroeste del lago. La vía de la S-75 bordea al lago por esta zona, pero se encuentra cerca del lago y no en la zona de más alta elevación. Por lo anterior, se le asigna un puntaje de 2 en esta categoría, lo que implica que hay zonas elevadas pero estas no dificultan demasiado el acceso a la zona.

Puntaje final

Categoría Puntaje
Rutas 2
Obstrucciones 1
Elevación de terreno 2
Total 1,67

El puntaje obtenido es de 1,67 y entra dentro de la categoría de accesibilidad media.

Conclusiones

Dados los resultados obtenidos en los análisis anteriormente mencionados se concluye que el nivel de accesibilidad que presenta el lago Collico desde Cunco es medio, lo cual implica que existen algunas dificultades para acceder al ecosistema, en este caso, estas están relacionadas con la elevación del terreno de la zona noroeste, la limitada cantidad de rutas desde el centro urbano al lago y el hecho de que una obstrucción de una vía (S-75) impide por completo el acceso al lago. Como consideración adicional, se debe tener en cuenta que el área de estudio se encuentra en una región con un clima frío y lluvioso, lo que aumenta los riesgos de accidentes automovilísticos y podría provocar una obstrucción en las rutas críticas para la accesibilidad del ecosistema.