Introducción: Los huertos semilleros proporcionan germoplasma genéticamente adecuado para su uso en restauraciones forestales; conocer la distribución espacial de los atributos es crucial para su gestión.Objetivo: Modelar la producción de conos y las variables dasométricas en un huerto clonal de Pinus arizonica Engelm., desde una perspectiva geoespacial, para conocer su comportamiento y distribución.Materiales y métodos: El patrón espacial de las variables dasométricas y de la producción de conos de 126 rametos se determinó con un análisis geoespacial, utilizando el estadístico G de Getis-Ord. Mediante un análisis de correlación de Pearson (P ≤ 0.05) se determinaron las variables mejor asociadas con la producción de conos y se examinaron con una regresión stepwise. La mejor combinación, en términos de la producción de conos, se modeló a través de una regresión geográficamente ponderada.Resultados y discusión: Se encontraron valores de agrupación estadísticamente significativos (P < 0.01) en el huerto. El análisis de correlación mostró que todas las variables dasométricas, incluido el índice de humedad, están relacionadas estadísticamente con la producción de conos. La regresión stepwise identificó un modelo que incluía el diámetro de copa como la mejor variable para explicar la producción de conos. La regresión geográficamente ponderada mostró que el diámetro de la copa influyó moderadamente en la producción de conos. Conclusión: Las variables dasométricas y la producción de conos mostraron tendencia a la agrupación. El uso de una perspectiva geoespacial permitió comprender mejor la dinámica espacial de las variables dasométricas.

The high demand for distilled agave products reduces wild populations. The use of geospatial technologies such as unmanned aerial vehicles (UAVs) offer enormous benefits in spatial and temporal resolution and lower costs than traditional direct field observation techniques for natural resource monitoring. The objective was to estimate the green biomass (Wt) of Agave durangensis Gentry using high-resolution images obtained by a UAV in Nombre de Dios, Durango. Random sampling was performed in the agave area. A Pearson correlation analysis was performed, followed by a regression analysis. The results showed that NDVI was the most correlated (r = 0.65). The regression analysis showed that the model obtained explains 59% (RMSE = 32.06 kg) of the total variability in the estimation of green biomass (Wt) of agave using images derived from the UAV. The best estimate was achieved with B1, B2, NDVI, GNDVI, EVI2, and SAVI as predictor variables. High-resolution images were shown to be a tool for estimating Wt of Agave durangensis Gentry.