Geografía del carbono en alta resolución en bosque tropical amazónico del Ecuador utilizando tecnología LiDAR aerotransportada

La estimación de la biomasa de la vegetación terrestre en bosque tropical es un tema de gran interés para reducir las emisiones de carbono asociadas a la deforestación y la degradación forestal (REDD+). Las estimaciones de densidad de carbono sobre el suelo (ACD) en base a inventarios de campo y datos provenientes de sensores aerotransportados, en especial con sensores LiDAR, han conducido a un progreso sustancial en el cartografiado a gran escala de las reservas de carbono forestal. Sin embargo, estos mapas de carbono tienen incertidumbres considerables, asociadas generalmente al proceso de calibración del modelo de regresión utilizado para producir los mapas. En este estudio se establece una metodología para la calibración y validación de un modelo general de estimación de ACD usando LiDAR en el Parque Nacional Yasuní en Ecuador. En el proceso de calibración del modelo se considera el tamaño y la ubicación de las parcelas, la influencia de la topografía y la distribución espacial de la biomasa. Para el ajuste y validación del modelo se propone un esquema de muestreo estratificado por posiciones topográficas (valle, ladera y cima). La validación del modelo general para toda la zona de estudio presentó valores de RMSE= 5.81 Mg C ha-1, R2 = 0.94 y sesgo= 0.59, mientras que, al considerar las posiciones topográficas, el modelo presentó valores de RMSE= 1.67 Mg C ha-1, R2= 0.98 y sesgo= 0.23 para el valle; RMSE= 3.13 Mg C ha-1, R2= 0.98 y sesgo= - 0.34 para la ladera; y RMSE= 2.33 Mg C ha-1, R2= 0.97 y sesgo= 0.74 para la cima. Los resultados muestran el potencial de los datos LiDAR para caracterizar la estructura vertical de la vegetación en un bosque altamente diverso, permitiendo realizar estimaciones precisas de ACD, y conocer patrones espaciales continuos de la distribución de la biomasa aérea

Abstract licence: CC BY-NC-ND

29 more references, whose wording the paper’s licence keeps private.

A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.