Detección de Cambios y Análisis Espacio-Temporal
Propósito: separar el cambio real de la superficie de los cuatro grandes impostores: error de registro, deriva radiométrica, fenología y error de clasificación. Cada método a continuación existe para controlar uno de ellos; saltarse los controles produce mapas seguros de nada.
Precondiciones (donde la detección de cambios se gana o se pierde)
- Co-registro: alineación sub-píxel entre fechas (AROSICS o puntos de control manuales). Medio píxel de desplazamiento crea cambio fantasma con forma de borde en todas partes. Verificar: comparación intermitente de características nítidas.
- Consistencia radiométrica: mismo nivel de procesamiento (reflectancia superficial), mismo sensor si es posible; si se mezclan sensores, armonizar (p. ej., Landsat↔Sentinel-2 HLS) o usar normalización relativa (PIF).
- Misma temporada / etapa fenológica para trabajo bitemporal — un par de mayo vs septiembre "detecta" verano. Si no se puede igualar la temporada, usar métodos de composición o series temporales.
- Máscaras de nubes/sombras intersectadas entre fechas; analizar solo píxeles mutuamente válidos e informar ese % de cobertura.
Selección de método
| Situación | Método |
|---|---|
| Dos fechas, continuo "cuánto" | Diferenciación de índices (ΔNDVI, ΔNBR...) con umbralización estadística |
| Dos fechas, categórico "de-qué-a-qué" | Comparación postclasificación (solo con clasificadores robustos) |
| Dos fechas, multivariante robusto | Análisis de vector de cambio (CVA); MAD/iMAD para detección robusta entre sensores |
| Pila densa, gradual + abrupto | Análisis de tendencia + ruptura (familia BFAST/LandTrendr/CCDC; a escala de archivo → google-earth-engine) |
| Cambio estructural (edificios) | Segmentación bi-temporal con DL (U-Net siamés) → geo-deep-learning |
| Pares SAR (nubes, desastres) | Log-relación de retrodispersión calibrada + manejo de moteado |
| Ediciones vectoriales (parcelas, edificios) | Diferencia de geometría+atributos con tolerancia (abajo) |
Umbralización — nunca a ojo
Las imágenes de diferencia necesitan un umbral defendible: μ ± k·σ en el histograma de diferencias (informar k), Otsu cuando es bimodal, o umbrales supervisados calibrados sobre muestras etiquetadas de cambio/sin cambio. Entregar el histograma con el corte elegido marcado. Sensibilidad: reportar área de cambio en k-0.5 y k+0.5; si la historia se invierte, la detección es frágil — decirlo.
Comparación Postclasificación (PCC) — manejar con cuidado
El error de PCC se acumula: dos mapas con 90% de precisión producen ≤ ~81% de precisión de cambio, y los errores sesgados crean transiciones falsas sistemáticas. Reglas:
- Usar UN clasificador entrenado con las imágenes de ambas fechas (misma leyenda, mismas características) en lugar de dos mapas heredados independientes.
- Construir la matriz de transición completa (áreas de clase-origen → clase-destino), no solo un binario cambio/sin cambio — las transiciones imposibles (agua→bosque en 1 año) son tu detector de errores.
- Aplicar una unidad mínima de mapeo consistente entre fechas antes de diferenciar.
Análisis de series temporales (pila densa)
- Construir una pila de índices sin nubes y con lagunas rellenadas (xarray, dimensión temporal).
- Descomponer tendencia + estacionalidad + rupturas; las tendencias lineales por píxel necesitan prueba de significancia (Mann-Kendall + pendiente de Sen para tendencias monótonas — y corrección FDR entre millones de píxeles, o tu "mapa de reverdecimiento" es ruido).
- Etiquetar las FECHAS de ruptura, no solo la presencia — la fecha suele ser la carga analítica (¿cuándo comenzó la tala?).
- Validar las rupturas detectadas contra eventos conocidos (incendios, permisos de construcción, fechas de desastres) donde existan registros.
Auditoría de cambios vectoriales (dos ediciones de la misma capa)
- Emparejar entidades por ID estable si existe; de lo contrario, emparejamiento espacial con umbral IoU (informarlo).
- Clasificar: añadida / eliminada / geometría-cambiada (delta de área > tolerancia) / atributo-cambiado. Las tolerancias absorben la vibración de digitalización — 1-2 m para calidad catastral, más para digitalizado desde imágenes.
- Sumar deltas de área por clase y conciliar totales; el residuo inexplicado = errores de emparejamiento.
Evaluación de precisión (la columna vertebral del entregable)
El cambio es raro, por lo que el muestreo aleatorio desperdicia esfuerzo en píxeles estables — usar muestreo estratificado (estratos: cambio/sin cambio o por transición) con estimación de área de buenas prácticas (protocolo de Olofsson et al.): informar precisión del usuario/productor por estrato Y estimaciones de área con intervalos de confianza ajustados por error del mapa. Un recuento de píxeles sin procesar del mapa de cambio es una estimación de área sesgada — siempre decir el número ajustado.
Plantilla de informe
## Cambio: <fenómeno>, <T1> → <T2 o período>
- Datos: <sensor/nivel>, RMSE de co-registro: <px>, superposición válida: <%>
- Método: <...> umbral/parámetros: <...> (sensibilidad: <estable/frágil>)
- Transiciones: <matriz o lista top-5 con áreas ± IC>
- Precisión: muestreo estratificado n=<>, UP/PP por clase, áreas ajustadas ± IC
- Controles de impostores: temporada <¿igualada?>, radiometría <¿armonizada?>
Lista de verificación de riesgos
- Cambio fantasma en bordes por error de registro.
- Diferencia estacional vendida como cambio de cobertura del suelo.
- PCC con dos mapas heredados producidos independientemente.
- Umbral elegido "porque se veía bien", sin sensibilidad.
- Recuentos de píxeles de cambio sin procesar reportados como área (sin estimación ajustada por error).
- Mapas de tendencia sin control de pruebas múltiples.
- Cambio SAR en imágenes de potencia lineal sin filtrar.
Contrato de ejecución
- Flujo de trabajo: definir la pregunta de cambio; armonizar extensión, temporada, radiometría, resolución y registro; seleccionar método; estimar cambio; validar; informar incertidumbre.
- Reglas de decisión: usar diferenciación directa solo para señales continuas comparables, comparación postclasificación para leyendas de clase estables, y métodos de series temporales cuando exista una pila temporal densa.
- Protocolo de verificación: cuantificar co-registro, superposición válida, sensibilidad del umbral, contabilidad de transiciones y área ajustada por precisión con intervalos de confianza.
- Modos de fallo: rechazar afirmaciones de cambio causal cuando la temporada, el sensor, las nubes, el registro o los errores del mapa independiente puedan explicar la señal.
- Entregables: mapa de cambio, tabla de transición o tendencia, registro de parámetros, muestra de validación y métricas, estimación de área ajustada y limitaciones.
- Actualización de fuentes: consultar el registro de fuentes autorizadas antes de usar productos o API sensibles a la versión y registrar la fecha de consulta.