Abstract
Los bosques templados requieren de un monitoreo periódico con el fin de lograr un manejo sustentable. Los sensores remotos permiten hacer estimaciones de manera indirecta bajo el supuesto de que existe una correlación estadística entre datos satelitales y parámetros forestales. El objetivo del presente trabajo fue estimar el área basal (G), el volumen forestal (Vta) y la biomasa forestal aérea (W) mediante datos espectrales del satélite Sentinel 2A en la Comunidad de San Bernardino de Milpillas Chico, Pueblo Nuevo, Durango. Se realizó un análisis de correlación entre información dasométrica procedente de 22 Sitios Permanentes de Investigación Forestal y de Suelos (SPIFyS) e información espectral de alta resolución del sensor Sentinel 2A. Posteriormente, se generó un modelo de regresión múltiple para cada parámetro forestal. El coeficiente de correlación (r) más alto se observó en el NDVI con valores de 0.77, 0.68 y 0.76 para los parámetros forestales de Vta, G y W, respectivamente. Los modelos desarrollados explicaron 59 % de la varianza total observada en el Vta (RCME=57.60 m3 ha-1), 58 % en W (RCME=39.29 Mg ha-1), y 51 % en G (RCME=4.40 m2 ha-1). El NDVI fue la principal variable predictiva en los tres modelos. Los datos de Sentinel 2A con resolución de 10 m en combinación con información dasométrica derivada de SPIFyS mostraron una buena capacidad para el mapeo de parámetros forestales en bosques templados.
Publisher
Revista Mexicana de Ciencias Forestales
Reference50 articles.
1. Estimación de la densidad forestal mediante imágenes Landsat ETM+ en la región sur del Estado de México
2. Aguirre-Salado, C. A., J. R. Valdez-Lazalde, G. Ángeles-Pérez, H. M. de los Santos-Posadas y A. I. Aguirre-Salado. 2011. Mapeo del índice de área foliar y cobertura arbórea mediante fotografía hemisférica y datos SPOT 5 HRG: regresión y k-nn. Agrociencia 45(1): 105-119. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-31952011000100010 (2 de marzo de 2021).
3. Mapping tropical forest carbon: Calibrating plot estimates to a simple LiDAR metric
4. Assmann, J. J., I. H. Myers-Smith, J. T. Kerby, A. M., Cunliffe and G. Daskalova. 2020. Drone data reveal heterogeneity in tundra greenness and phenology not captured by satellites. Environmental Research Letters 15(12): 125002. Doi: 10.1088/1748-9326/abbf7d.
5. Barajas F., H. 2007. Comparación entre análisis discriminante no-métrico y regresión logística multinomial. Tesis de Maestría, Facultad de Ciencias, Universidad Nacional de Colombia. Medellín, Colombia. 67 p.