Acceso en línea sin restricciones

Se evaluaron dos métodos para estimar biomasa arbórea con apoyo en sensores remotos (LANDSATTM). El primer método se realizó con base en una clasificación supervisada multiespectral con seis bandas Se utilizaron tipos de vegetación identificados a partir de la composición de biomasa de los géneros dominantes y de la altura promedio estimada del dosel habiéndose distinguido ocho clases de vegetación. Se obtuvo una biomasa total de 1 073 x 10³t (902 x 10³t a 1220 x 10³t). En el segundo método se utilizaron índices diferenciados de vegetación (NDVI) de las bandas TM4/TM3; TM4/TM5 y TM4/TM7. Se aplicó un modelo de regresión que relaciona la biomasa promedio con los valores digitales (VD) de los NDVI. El modelo exponencial fue el de mejor ajuste para los tres NDVI con una p ≤ 0.01 Los valores de los NVDI fueron TM4/TM3: R2=0.611; TM4/TM5: R2=0.671 y TM4/TM7: R2=0.676. La biomasa total estimada con cada NDVI fue de 1 164 x 10³t (490 x 10³t a 2 409 x 10³) para TM4/TM3; de 515 x 1031 (331 x 10³t a 757 x 10³t) para TM4/TM5 y de 726 x 10ª t (398 x 10³1 a 1 210 x 10³1) para TM4/TM7. El resultado de la biomasa total calculada por el método de clasificación multiespectral, comparado con los valores estimados por el método de ordenamiento exponencial, mostró mayor similitud con el valor máximo del NDVI que relaciona las bandas TM4/TM7 (de mayor ajuste estadístico) y con el valor promedio del NDVI TM4/TM3 (de menor ajuste estadístico). Utilizando el NDVI TM4/TM5, todos los valores de biomasa resultaron más bajos. De este estudio se concluye que es posible asociar razonablemente la biomasa de vegetación arbolada de pino-encino y reservorios de carbono con los índices de vegetación A través del uso de sensores remotos se podrían predecir cambios de biomasa en escalas temporales y espaciales. Español

Two approaches to estimate arboreal biomass with remote sensing (LANDSAT TM) are evaluated In the first approach a multi-spectral supervised classification with six bands was applied The classification of the vegetation types is based on biomass composition of the dominant tree species and canopy height. Eight vegetation types could be distinguished. According to this approach the total tree biomass amounted to 1 073 x 10³t (902 to 1 220 x 10³t). In the second approach a Normal Differentiated Vegetation Index (NDVI) of the band combinations TM4/TM3, TM4/TM5 and TM4/TM7 was used, A regression equation was developed to relate arboreal biomass with NDVI. Using these equations, the total biomass was estimated at 1 164 x 10³T (490 to 2 409 x 10³T) for TM4/TM3; at 515 x 10³t (331 to 757 x 10³t) for TM4/TM5 and 726 x 10³t (398 to 1 210 x 10³t) for TM4/TM7. The average biomass estimation of the NDVI using TM4rTM3 is similar to the estimation using the classification approach, but the 95% confidence Interval is wider. Meanwhile, the biomass estimation of the NDVI using TM4/TMI5 and TM4/TM7 was lower than the biomass estimation from the classification approach, but both showed a narrow 95% confidence interval. The results of this study Indicate that it is possible to estimate within a reasonable confidence interval the tree biomass of pine-oak forest using an ordination approach with NDVI As such, remote sensing could be used to estimate temporal and spatial changes in aboveground biomass. Inglés

Disponible en línea

Adobe Acrobat profesional 6.0 o superior