Transectos de datos LiDAR: una estrategia de muestreo para estimar biomasa aérea en áreas forestales

Abstract

La estimación y el mapeo de la biomasa aérea sobre áreas extensas puede realizarse haciendo uso de las herramientas que ofrece la percepción remota. El objetivo de este estudio fue estimar la biomasa aérea de dos tipos de selva mediana: subperennifolia (SMSP) y subcaducifolia (SMSC) en la península de Yucatán, México, empleando métricas generadas a partir de datos Light Detection and Ranging (LiDAR). Se usaron datos de 365 unidades de muestreo del Inventario Nacional Forestal y de Suelos (INFyS) de México para calibrar modelos de biomasa aérea usando regresión lineal múltiple y Random Forest (RF). Con estos modelos se mapeó la biomasa aérea sobre franjas de datos LiDAR. El modelo de regresión transformado logró explicar la varianza en un 62% (RMSE = 41.44 Mg ha-1 para SMSP y 36.60 Mg ha-1 para SMSC) para ambos tipos de vegetación. Los modelos generados a través de RF lograron explicar la varianza en un 57% (RMSE = 40.73 Mg ha-1) para la SMSP y solo de 52% (RMSE = 35.10 Mg Ha-1) para la SMSC. El desfase entre la toma de datos en campo y LiDAR, así como el error en la precisión de las coordenadas de los sitios de inventario, son factores reconocidos que influyeron en los resultados. A pesar de lo anterior, las estimaciones obtenidas podrían servir de base para estimar el inventario completo de biomasa en el área de estudio incorporando datos espectrales derivados de un sensor remoto que cubra la totalidad de esta.

Lidar-Based Aboveground Biomass Estimations for the Maya Archaeological Site of Yaxnohcah, Campeche, Mexico

“…AGB studies over broader areas of the Yucatan Peninsula have employed different technologies such as Goddard's Lidar Hyperspectral and Thermal Imager (G-LiHT) or ALOS PALSAR backscatter data, trained with existing field inventory data [42,43]. For the Yaxnohcah study, it was necessary to produce AGB models for each vegetation type due to the equations including tree heights, and this measurement is significantly different between vegetation types.…”

Producción neta del ecosistema durante la sucesión ecológica secundaria: lecciones desde el bosque tropical seco

“…En las últimas décadas, el uso de sensores remotos alojados en estaciones espaciales, plataformas satelitales y vehículos aéreos para la estimación de reservorios y flujos de carbono ha incrementado (Ortiz-Reyes et al, 2019). Tal es el caso de los productos de percepción remota, que proveen información sobre los patrones estacionales hasta interanuales y a una escala amplia de las propiedades de los ecosistemas.…”

Inventario forestal asistido por LIDAR: efecto de la densidad de retornos y el diseño de muestreo sobre la precisión

“…En años recientes se han estudiado estrategias para abaratar el costo de usar datos LIDAR en la estimación de inventarios forestales; particularmente la reducción de la densidad de retornos por metro cuadrado y el uso de transectos en lugar de datos de cobertura completa (Almeida et al, 2019;Ortiz-Reyes et al, 2019). Evaluaciones del efecto de la densidad de retornos en la precisión de la estimación de variables como la altura, diámetro cuadrático, área basal, volumen y biomasa, indican que las densidades óptimas varían de 0.5 m -2 a 15 m -2 en plantaciones, bosques tropicales (Hansen Hofstad et al, 2015;Silva et al, 2017;Almeida et al, 2019) y en bosques templados puros o mixtos (Treitz et al, 2012;Singh et al, 2015).…”

“…Evaluaciones del efecto de la densidad de retornos en la precisión de la estimación de variables como la altura, diámetro cuadrático, área basal, volumen y biomasa, indican que las densidades óptimas varían de 0.5 m -2 a 15 m -2 en plantaciones, bosques tropicales (Hansen Hofstad et al, 2015;Silva et al, 2017;Almeida et al, 2019) y en bosques templados puros o mixtos (Treitz et al, 2012;Singh et al, 2015). Respecto al uso de datos LIDAR para solo una fracción del área a inventariar (a manera de una muestra), y a partir de esta expandir las estimaciones mediante modelos matemáticos alimentados con datos de otras imágenes de costo menor, se han publicado resultados prometedores (Ortiz-Reyes et al, 2019). Aunque el método tiene limitaciones debido a la trayectoria lineal de la plataforma que porta el instrumento (avión) (Wulder et al, 2012), éste es actualmente un procedimiento común en la selección de las muestras de campo, además de optimista para la estimación de variables de interés en el inventario (Mahoney et al, 2018;Ver et al, 2018).…”

“…En México se han realizado estudios a escala nacional, combinando imágenes satelitales con datos LIDAR colectados en transectos para la estimación de biomasa aérea (Nelson et al, 2017;Urbazaev et al, 2018). A escala regional este enfoque se ha explorado para la estimación de biomasa aérea, carbono, riqueza y diversidad de especies en la península de Yucatán (Hernández-Stefanoni et al, 2014;Ochoa-Franco et al, 2019;George-Chacon et al, 2019;Ortiz-Reyes et al, 2019). Si bien esto demuestra el interés nacional por fomentar el uso de estas herramientas de teledetección y enfoques de muestreo para la estimación de variables forestales, su uso es todavía limitado, particularmente para la estimación de inventarios operativos.…”