José Luis Hernández Stefanoni - Mapeo de la biomasa aérea de los bosques mediante datos de sensores remotos y R

Здесь есть возможность читать онлайн «José Luis Hernández Stefanoni - Mapeo de la biomasa aérea de los bosques mediante datos de sensores remotos y R» — ознакомительный отрывок электронной книги совершенно бесплатно, а после прочтения отрывка купить полную версию. В некоторых случаях можно слушать аудио, скачать через торрент в формате fb2 и присутствует краткое содержание. Жанр: unrecognised, на испанском языке. Описание произведения, (предисловие) а так же отзывы посетителей доступны на портале библиотеки ЛибКат.

Mapeo de la biomasa aérea de los bosques mediante datos de sensores remotos y R: краткое содержание, описание и аннотация

Предлагаем к чтению аннотацию, описание, краткое содержание или предисловие (зависит от того, что написал сам автор книги «Mapeo de la biomasa aérea de los bosques mediante datos de sensores remotos y R»). Если вы не нашли необходимую информацию о книге — напишите в комментариях, мы постараемся отыскать её.

Este libro proporciona una guía para llevar a cabo el mapeo de la biomasa aérea del bosque en grandes superficies relacionando datos de campo con la información derivada de imágenes de satélite. La metodología para el mapeo de esta variable utiliza scripts desarrollados en el lenguaje R, e incluye la estimación de la biomasa en campo, preprocesamiento de las imágenes, ajuste de modelos de predicción, así como su aplicación para obtener mapas de distribución espacial. Esta obra se dirige a investigadores, estudiantes, técnicos forestales de organizaciones no gubernamentales y del gobierno, y a usuarios de la percepción remota en general que requieran obtener mapas de diferentes atributos de la vegetación en sus sitios de interés.

Mapeo de la biomasa aérea de los bosques mediante datos de sensores remotos y R — читать онлайн ознакомительный отрывок

Ниже представлен текст книги, разбитый по страницам. Система сохранения места последней прочитанной страницы, позволяет с удобством читать онлайн бесплатно книгу «Mapeo de la biomasa aérea de los bosques mediante datos de sensores remotos y R», без необходимости каждый раз заново искать на чём Вы остановились. Поставьте закладку, и сможете в любой момент перейти на страницу, на которой закончили чтение.

Тёмная тема
Сбросить

Интервал:

Закладка:

Сделать

Las ecuaciones alométricas para estimar la biomasa a nivel de árbol se obtienen mediante muestreos destructivos y el ajuste de modelos de regresión lineales o no lineales. Estas ecuaciones estiman la biomasa total para árboles individuales y combinan el diámetro a la altura del pecho y la altura; además, en algunos se incluye la densidad de la madera como variable predictora (Urquiza-Haas et al ., 2007; Chave et al ., 2014; Ramírez et al ., 2019). Sin embargo, las relaciones entre la altura y el diámetro de los árboles varían considerablemente entre y dentro de las especies, así como en relación con el clima y la estructura de la vegetación (Banin et al ., 2012; Hulshof et al ., 2015). Por otro lado, la densidad de la madera rara vez se mide dentro de los inventarios forestales, a pesar de que la biomasa de cada árbol es directamente proporcional a la densidad de la madera, la cual, además, presenta variaciones entre especies de árboles y entre individuos de la misma especie (Bastin et al ., 2015). Por lo tanto, la precisión en la estimación de la biomasa de árboles individuales depende de las ecuaciones alométricas utilizadas (Molto et al ., 2013).

La segunda etapa para la estimación de la distribución espacial de la biomasa tiene que ver con el procesamiento de las imágenes de satélite. Aquí el objetivo es generar variables derivadas de los datos de percepción remota, que se relacionen con la biomasa aérea del bosque y que puedan ser utilizadas en la construcción de modelos para predecir la biomasa.

Los valores de reflectancia y los índices de vegetación derivados de imágenes ópticas de satélites han sido utilizados para estimar la biomasa en los bosques (Foody et al ., 2003). Diversos estudios muestran que se pueden obtener estimaciones de la biomasa, tanto para bosques templados, como tropicales, a escalas espaciales locales, regionales y globales (Saatchi et al ., 2011; Cartus et al ., 2014; Rodríguez-Veiga et al ., 2019; Hernández-Stefanoni et al ., 2020). Sin embargo, una limitación importante de las imágenes ópticas es que los índices de vegetación como el NDVI (“Normalized Difference Vegetation Index”) tienden a saturarse en áreas con vegetación densa (Lu et al ., 2012). Una manera de solucionar este problema es a través del uso de imágenes de alta resolución (resolución <10 m, tales como RapidEye, Quickbird e Iconos, entre otras). Este tipo de imágenes ofrece información más detallada de la estructura de la vegetación en comparación con imágenes de resolución media y alta (resolución >10 m como Spot, Sentinel 2, Landsat, etc.) y, a su vez, permite discriminar entre el dosel del bosque y las aperturas en este, así como distinguir el espacio entre árboles y otros atributos de la vegetación, lo que posibilita el uso de texturas de las imágenes para la estimación de la biomasa (Ploton et al ., 2017).

Los datos del radar de apertura sintética (SAR, por sus siglas en inglés) también se han utilizado con éxito para mapear la biomasa (Hernández-Stefanoni et al ., 2020). Los instrumentos SAR de longitud de onda moderada de 15 a 30 cm pueden penetrar el dosel del bosque interactuando con tallos y ramas, donde se almacena la mayor parte de la biomasa (Joshi et al ., 2017). Por lo tanto, la intensidad de la señal de retrodispersión del radar se relaciona con la biomasa del bosque; sin embargo, las relaciones entre la intensidad de la retrodispersión del radar y la biomasa también pueden saturarse (Joshi et al ., 2017). Por otro lado, los bosques exhiben una heterogeneidad a escala de paisaje, provocada por los cambios en el uso de la tierra, lo cual genera un mosaico de parches de bosques de diferentes edades. Estas variaciones en la estructura de la vegetación pueden caracterizarse usando la textura de las imágenes SAR de resolución media (resolución de 25 m) y con ello superar o minimizar los problemas de saturación (Huang et al ., 2019; Zhao et al ., 2016; Thapa et al ., 2015).

Por último, un enfoque muy eficaz para estimar la biomasa del bosque es mediante el uso de datos LiDAR (Light Detection and Ranging). LiDAR es un sensor activo que puede adquirir directamente la estructura vertical de la vegetación, debido a que tiene la capacidad de penetrar el dosel del bosque (Lefsky et al ., 2001). En consecuencia, LiDAR puede proporcionar una vista tridimensional de la estructura del bosque en una nube de puntos, lo que permite estimar la biomasa con mayor precisión que las imágenes ópticas (Lefsky et al ., 2001; Hernández-Stefanoni et al ., 2014). LiDAR permite obtener estimaciones muy precisas de diferentes atributos de la vegetación (altura, área basal y biomasa) usando métricas de altura y densidad de puntos (Hernández-Stefanoni et al. , 2014).

La tercera etapa tiene que ver con la construcción de modelos de predicción de la biomasa. Estos modelos se desarrollan pensando en relacionar la variable dependiente (es decir, la biomasa aérea) con una serie de variables independientes (derivadas de datos de las imágenes de satélite). Para ello, se pueden utilizar modelos de regresión lineal simple o múltiple; sin embargo, la biomasa suele estar relacionada de forma no lineal con las variables derivadas de las imágenes de satélite, de modo que también se han utilizado modelos no lineales. Por otra parte, como las relaciones entre la biomasa y las variables independientes son a menudo muy complejas, se han utilizado asimismo algoritmos no paramétricos para estimar la biomasa, entre los que se incluyen el vecino más cercano (K-NN), redes neuronales artificiales (ANN), bosque aleatorio (Random Forest), máquinas de soporte de vectores (SVM), entre otros. Un aspecto importante durante la construcción de los modelos de predicción de la biomasa consiste en evaluar la confiabilidad de los modelos y la precisión de las estimaciones de la biomasa. Para ello se requiere una evaluación de la precisión de la predicción de la biomasa a través de un proceso de validación.

En la última etapa, se utilizan los modelos de predicción construidos junto con las variables predictoras derivadas de las imágenes de satélite, para obtener la distribución espacial de la biomasa aérea estimada en el área de estudio. Los mapas con la distribución espacial de la biomasa se construyen al aplicar el modelo de predicción al conjunto de capas que representan las variables de las imágenes.

Figura 1. Etapas para la estimación de la distribución espacial de la biomasa aérea de los bosques usando percepción remota Конец ознакомительного фрагмента Текст предоставлен ООО ЛитРес Прочитайте - фото 2

Конец ознакомительного фрагмента.

Текст предоставлен ООО «ЛитРес».

Прочитайте эту книгу целиком, купив полную легальную версию на ЛитРес.

Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.

Тёмная тема
Сбросить

Интервал:

Закладка:

Сделать

Похожие книги на «Mapeo de la biomasa aérea de los bosques mediante datos de sensores remotos y R»

Представляем Вашему вниманию похожие книги на «Mapeo de la biomasa aérea de los bosques mediante datos de sensores remotos y R» списком для выбора. Мы отобрали схожую по названию и смыслу литературу в надежде предоставить читателям больше вариантов отыскать новые, интересные, ещё непрочитанные произведения.


José Juan Sánchez Hernández - Aprender Docker, un enfoque práctico
José Juan Sánchez Hernández
Luis Emilio Hernández Agüe - Praderas malditas
Luis Emilio Hernández Agüe
Xosé Luis Méndez Ferrín - L'amor del rei Artús i altres relats
Xosé Luis Méndez Ferrín
Luis Alberto Henríquez Hernández - Paraguas rotos
Luis Alberto Henríquez Hernández
William José Hernández Ospino - El Príncipe Caimán y la Ardilla Poeta
William José Hernández Ospino
Roberto Almanza Hernández - Teorizando desde los pequeños lugares
Roberto Almanza Hernández
Luz Hernández Hernández - Customer Experience. Guía práctica
Luz Hernández Hernández
José Luis Moreno Pestaña - Los pocos y los mejores
José Luis Moreno Pestaña
Francesc Hernández - Juan Luis Vives
Francesc Hernández
Отзывы о книге «Mapeo de la biomasa aérea de los bosques mediante datos de sensores remotos y R»

Обсуждение, отзывы о книге «Mapeo de la biomasa aérea de los bosques mediante datos de sensores remotos y R» и просто собственные мнения читателей. Оставьте ваши комментарии, напишите, что Вы думаете о произведении, его смысле или главных героях. Укажите что конкретно понравилось, а что нет, и почему Вы так считаете.

x