1. Lectura i aprovació de l’acta de la sessió anterior
S’aprova sense comentaris l’acta de la sessió anterior.

2. MCSC: Estat dels treballs i Control de qualitat, primers resultats
L’ICGC explica l’estat dels treballs del MCSC:

De les 150 zones en què s’ha dividit el projecte, s’han començat a actualitzar les 37 de Girona tal com es va comentar en reunions anteriors. D’aquestes, 21 ja s’han validat, 10 estan pendents de validar i 4 s’han iniciat. Es mostra el mapa amb l’estat de cada zona, tenint en compte que algunes d’elles requereixen d’un major esforç per una major presència forestal.

Més concretament, l’ICGC ha fet l’actualització de detall entre ortofotos 2009-2019 i 2009-2021 en funció de la disponibilitat, i a partir dels polígons de grans canvis 2018. També ha utilitzat les dades del SIGPAC corresponents a 2019 i a 2020 i el Canopy Height Model (CHM) 2018 i 2019. Els productors parlen de SIGPAC 2020 fent referència a dades del 2019, etc. Als mapes d'estat es fa constar l'any de la font.

• S’ha utilitzat l’ortofoto 2021 en lloc de la 2020 perquè, excepcionalment aquest any, la diferència temporal en la producció d’ambdues ha permès utilitzar-ne la més recent.

Destaca el fet que s’han pogut dedicar 4 fotointèrprets en lloc dels 3 inicials.

S’han ajustat els límits administratius no litorals a la informació més recent (de divisions administratives).

L’ICGC també ha iniciat control de qualitat (CQ) de la producció amb l’anàlisi de 800 punts/cercles (seran 3 200 per tot Catalunya, que és el número de punts mínim necessari segons bibliografia relacionada). Les fases d’aquest CQ són:

• Es lliura a l’equip de validació (diferent del de producció) els cercles buits dins d’un projecte QGIS amb la BD LUCAS i el model de transformació per realitzar la matriu de confusió.
• L’equip de validació retorna els cercles fotointerpretats i l’equip de CQ (ICGC) en revisa el 5%. Si són correctes, es lliuren els cercles corresponents al MCSC vigent.
• Es genera la matriu de confusió i s’analitzen els resultats.

Per fer la comparació de les dues fotointerpretacions, s’intersequen les dades en els punts en qüestió, s’erosionen 1 m els llindars i es validen les superfícies en la matriu de confusió. En la primera validació realitzada s’ha obtingut un 84% d’encert.

3. Mapa de Cobertes del Sòl de l'AMB: Estat dels treballs
L’AMB resumeix la situació que es va donar, ja explicada en la sessió anterior, i explica l’estat dels treballs:

Està gairebé actualitzada tota l’AMB; el primer trimestre del 2022 està previst que estigui tot finalitzat, per tal que es pugui aprofitar després en el MCSC.

L’ICGC va fer el CQ d’un full i va retornar una sèrie d’aspectes a considerar, els quals seran revisats pel productor (CREAF) i, un cop fetes les esmenes pertinents, es tornarà el full en qüestió a l’ICGC per a un 2n CQ.

Està pendent de revisió que les classes siguin compatibles amb les 41 del MCSC (especialment a les zones verdes), que la informació en els límits dels fulls 1:25 000 sigui coherent i l’existència de polígons més petits de 500 m2.

Es destaca la bona coordinació AMB-CREAF-ICGC al respecte.

A pesar de poder aprofitar aquest mapa en el MCSC, no està previst avançar terminis d’actualització d’aquest últim perquè encara no s’ha provat el traspàs entre mapes (passarel·les, etc.) i la superfície de l’AMB no és prou gran en relació amb tot Catalunya (com per poder avançar terminis).

4. Metodologies per a determinar els atributs (nivell 3) que es poden omplir en l’MCSC
L’ICGC explica les metodologies alternatives/complementàries en què està treballant per a la producció de l’MCSC, principalment d’intel·ligència artificial:

• Machine learning: Es treballa en col·laboració amb la Universitat de Varsòvia, focalitzats en millorar la classificació en zones forestals, especialment matollars. S’utilitzen diverses fonts de dades i tècniques de classificació (random forests...). Les zones d’estudi han estat la vall del Valarties (Aran) i el Montsec, rellevants pel que fa a matollars.
• Deep learning: També es treballa a partir de diverses fonts de dades i, encara que el resultat és prou bo a “escales petites”, no ho és tant quan s’entra en detall. A més, per les característiques d’aquesta metodologia, els desencerts varien en funció de les imatges emprades (entre un any i un altre...). En properes aproximacions s’intentaran utilitzar diverses imatges Sentinel per detectar processos fenològics i obtenir un major coneixement.

L’AMB comenta que també està treballant en Machine learning i Deep learning i confirma les dificultats actuals per obtenir bons resultats, especialment per a algunes categories i extrapolar els mètodes a altres entorns geogràfics.

Es conclou que:

• Mitjançant Machine learning i Deep learning es poden classificar cobertes però no al nivell de detall de la llegenda del ’MCSC.
• Les noves aproximacions tecnològiques i metodològiques no permeten de moment assolir el nivell 3. Ateses les dificultats d’assolir el nivell 3, el DACC demana pautes per tal que els usuaris puguin obtenir el nivell en qüestió. Prèviament el DACC passarà informació al GT sobre casos d’ús concrets amb l’objectiu de poder donar la resposta més concreta possible.

5. Publicació de dades segons INSPIRE
L’ICGC explica les dades i els serveis que ha publicat conformes amb INSPIRE a partir de l’MCSC:

L’ICGC ha publicat dades i serveis conformes amb el model de dades de Coberta terrestre INSPIRE a partir del MCSC, en ser el tema (INSPIRE) on millor s’encabeix. També ha publicat dades i serveis conformes amb aquest model a partir del SIGPAC.

El model de dades en qüestió, molt senzill, contempla dades ràster i vector. De moment l’ICGC ha implementat aquest últim format.

A més dels requisits obligatoris, l’ICGC ha implementat un estil addicional personalitzat per a l’MCSC (i un altre per al SIGPAC), seguint la llegenda definida en les especificacions corresponents.

Hi ha atributs INSPIRE que només poden omplir-se amb codis referenciables, és a dir, presents en llistes de codis registrades (web...). A aquest efecte, i ateses les classes específiques de l’MCSC (i SIGPAC), s’han publicat els codis corresponents en un registre propi utilitzant la plataforma que ofereix la Comissió Europea (Re3gistry), la qual s’ha hagut d’instal·lar, personalitzar i omplir.

El model contempla dos tipus d’objectes:

• Land cover data set: amb atributs sobre el conjunt de dades en general (data, nom, especificacions, organisme...).
• Land cover unit: amb la geometria (multipolígons amb coordenades en sentit antihorari) i els atributs classe (= nivell_2) i data d’observació (si se’n disposa) de cadascun dels elements.

La informació sobre aquestes dades i serveis, i també d’altres temes INSPIRE, és al web de la IDEC.

L’ICGC actualitza les dades i els serveis INSPIRE cada vegada que hi ha actualitzacions de les dades origen.

6. Feedback usuaris
El DACC informa que els Agents rurals utilitzen 7 categories per saber què s’ha cremat, fent una reclassificació (agrupació) del MCSC. En relació amb això, fa notar que la categoria artificial ha disminuït en l’últim MCSC respecte del 2009, i l’ICGC suposa que és degut als canvis de criteri succeïts, com ara destacar zones verdes dins de zones urbanes.

L’ICGC comenta altres explotacions que fa del MCSC, com ara cartografia de Local climate zones de detall (resolució 1 m), d’emissions de CO2 equivalent generades per incendis forestals i dels mapes de variables biofísiques de les masses forestals arbrades. Addicionalment s’estan analitzant altres possibles explotacions.

L’AMB demanarà a l’equip del Pla Director Urbanístic (de l’AMB) que expliqui l’ús que en fa.

Amb la cartografia de Local climate zones es podrien analitzar els impactes en els canvis de cobertes sobre el fenòmen de la illa de calor i, en relació amb això, es proposa afegir representants de l’Agenda Urbana de Catalunya i de l’Oficina del Canvi Climàtic.

7. Planificació de treballs
Tractar usos de l'MCSC en properes reunions.

L’ICGC seguirà informant de l’avenç de l'MCSC i de l’avenç en les metodologies d’automatització, aquest últim subjecte al coneixement de casos d’ús.

L’AMB i l’ICGC seguiran informant de l’avenç del Mapa de Cobertes del Sòl de l’AMB.

S’intentaran fer 3 reunions el 2022.

8. Torn obert de paraules
L’ICGC destaca que la DUN proporcionada pel DACC ha estat molt profitosa, especialment atesa la sincronització amb ortofotos, SIGPAC i altres fonts de dades.