SciELO - Scientific Electronic Library Online

 
vol.47 issue1Machine learning algorithms to identify peach varieties based on chromatic and morphological descriptorsINF vs SIBIfor on volume estimation for forests of San Juan Quiahije, Oaxaca, Mexico author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Revista fitotecnia mexicana

Print version ISSN 0187-7380

Abstract

ISLAS-GUTIERREZ, Fabián et al. Ecuación alométrica para estimar biomasa aérea de árboles de Pinus hartwegii Lindl. A partir de datos LiDAR. Rev. fitotec. mex [online]. 2024, vol.47, n.1, pp.70-79.  Epub Oct 08, 2024. ISSN 0187-7380.  https://doi.org/10.35196/rfm.2024.1.70.

Conocer el contenido de biomasa aérea de árboles individuales es importante en los esfuerzos para determinar la contribución de los bosques en el secuestro de carbono. Los datos LiDAR (Light Detection and Ranging) son una alternativa a las imágenes satelitales para estimar características del arbolado. Dada la importancia de los bosques de la vertiente oriental de la Cuenca del ex Lago de Texcoco para la captura de carbono, el objetivo del presente estudio fue evaluar modelos de regresión para la estimación de biomasa aérea en árboles individuales de Pinus hartwegii Lindl. a partir de datos LiDAR. En campo se midió el diámetro normal (Dn), la altura total (AT), altura de fuste limpio (AF) y el diámetro de copa (DC) de 60 árboles. Sobre un conjunto de datos LiDAR aerotransportados se identificaron esos árboles y se midieron las mismas variables (ATL, AFL y DCL, donde la letra L hace referencia a LiDAR), excepto el diámetro normal, ya que no es posible su medición directa con el LiDAR. Para conocer la biomasa aérea de los árboles se usó el Dn y una ecuación alométrica generada previamente por otros autores. Mediante la técnica de regresión se ajustaron siete modelos lineales y cinco no lineales eligiendo aquel con menor raíz del cuadrado medio del error, mayor R2adj y menor valor del criterio de información de Akaike, además de cumplir con los supuestos de regresión. El modelo seleccionado es de tipo exponencial, con las variables ATL y DCL para estimar la biomasa: RMSE = 406.70, R2adj = 0.8107 y AIC = 723.88.

Keywords : Pinus hartwegii Lindl.; árboles individuales; bosque templado; inventario forestal; LiDAR; sensores remotos.

        · abstract in English     · text in Spanish     · Spanish ( pdf )