Evaluación de la productividad potencial en bosques de coníferas mediante la integración de datos de campo y escáner láser aéreo en Hidalgo, México
Resumen
Objetivo del estudio: Estimar la productividad potencial de un bosque de coníferas bajo manejo mediante la estimación del índice de sitio a partir de datos de Light Detection and Ranging (LiDAR).
Área de estudio: Sitio de Monitoreo Intensivo de Carbono Atopixco, Hidalgo, México.
Material y métodos: Se emplearon datos de 329 observaciones de cinco remediciones en unidades de muestreo de inventario forestal permanente para generar curvas de índice de sitio y métricas derivadas de un escaneo LiDAR de 2013. Las métricas de elevación LiDAR se relacionaron estadísticamente con la altura dominante (DH) observada en campo. Se ajustaron tres modelos para predecir la DH en función de las métricas LiDAR, se desarrollaron nueve modelos de crecimiento en altura con el enfoque de diferencia algebraica (ADA), a una edad base de 40 años y se ajustaron con el método de mínimos cuadrados ordinarios y modelos de efectos mixtos (MEM).
Resultados principales: El percentil 99 de altura fue la métrica LiDAR que mostró la mayor correlación con la DH observada. Su integración en un modelo lineal fue la más adecuada para estimar DH con un coeficiente de determinación ajustado R2adj de 0.97 y Error Cuadrático Medio (RMSE) de 0.31 m. El modelo Hossfeld IV anamórfico ajustado bajo MEM y corregido por autocorrelación, mostró el mejor rendimiento para predecir el crecimiento de DH con R2adj de 0.87 y RMSE de 2.11 m. La integración de ambos modelos en un Sistema de Información Geográfica (SIG) permitió la construcción espacialmente explícita de un mosaico preciso de DH y el índice de sitio para clasificar la productividad del rodal en el área de estudio.
Aspectos destacados de la investigación: Del área total manejada con fines madereros, el 87% se clasifica como un índice de sitio alto (≥31 m) y medio (26 m), mientras que las áreas dedicadas a la conservación contienen el 13% del área clasificada con índice de sitio bajo (≤21 m).
Descargas
Citas
Aidoo-Borsah A, Nazeer M, Sing-Wong M, 2023. LIDAR-Based Forest Biomass Remote Sensing: A Review of Metrics, Methods, and Assessment Criteria for the Selection of Allometric Equations. Forests 14(2095): 1-22. https://doi.org/10.3390/f14102095
Alder D (ed), 1980. Forest Volume Estimation and Yield Prediction: Yield prediction: Vol. FAO Forestry Paper (2nd ed.). Food and Agriculture Organization of the United Nations, Rome. 194 pp.
Ángeles-Pérez G, Méndez-López B, Valdez-Lazalde JR, Plascencia-Escalante FO, de los Santos-Posadas HM., Chávez-Aguilar G, Ortiz-Reyes, AD, Soriano-Luna, MÁ, Zaragoza-Castañeda Z, Ventura-Palomeque E, Martínez-López A, Wayson C, López-Merlín D, Olguín-Álvarez M, Carrillo-Negrete O, Maldonado-Montero V, 2015. Estudio de caso del Sitio de Monitoreo Intensivo del Carbono en Hidalgo. Colegio de Postgraduados, Texcoco, México.
Bengoa-Martínez JL, 1999. Estimación de la altura dominante de la masa a partir de la "altura dominante de parcela": ventajas frente a la altura dominante de Assman. For Syst 8(3): 311-321.
Castillo-López A, Santiago-García W, Vargas-Larreta B, Quiñonez-Barraza G, Solis-Moreno R, Corral Rivas JJ, 2018. Modelos dinámicos de índice de sitio para cuatro especies de pino en Oaxaca. Rev Mex Cienc For: 9(49). https://doi.org/10.29298/rmcf.v9i49.185
Chen Y, Zhu X, 2012. Site quality assessment of a Pinus radiata plantation in Victoria, Australia, using LiDAR technology. South Forests 74(4): 217-227. https://doi.org/10.2989/20702620.2012.741767
Cieszewski CJ, Bailey RL, 2000. Generalized Algebraic Difference Approach: Theory Based Derivation of Dynamic Site Equations with Polymorphism and Variable Asymptotes Dynamic Equation Modeling Background. Forest Sci 46(1): 116-126. https://doi.org/10.1093/forestscience/46.1.116
Clutter JL, Fortson JC, Piennar LV, Brister GH, Bailey RL, 1983. Timber management: a quantitative approach. John Wiley & Sons, Inc.
Coops NC, 2015. Characterizing forest growth and productivity using remotely sensed data. Curr For Rep 1(3): 195-205.https://doi.org/10.1007/s40725-015-0020-x
Cruz-Leyva IA, Valdez-Lazalde JR, Ángeles-Pérez G, de los Santos-Posadas HM, 2010. Modelación espacial de área basal y volumen de madera en bosques manejados de Pinus patula y P. teocote en el ejido Atopixco, Hidalgo. Madera Bosques 16(3): 75-97. https://doi.org/10.21829/myb.2010.1631168
Cruz-Ruiz F, 2004. Programa de Manejo Forestal para el aprovechamiento de recursos forestales maderables del Ejido Atopixco. Zacualtipán de Ángeles, Hidalgo, México.
Fang Z, Bailey RL, 2001. Nonlinear Mixed Effects Modeling for Slash Pine Dominant Height Growth Following Intensive Silvicultural Treatments. Forest Sci 47(3): 287-300. https://doi.org/10.1093/forestscience/47.3.287
Galeote-Leyva B, Valdez-Lazalde JR, Ángeles-Pérez G, de los Santos-Posadas HM, Romero-Padilla JM, 2022. Inventario asistido por LiDAR: efecto de la densidad de retornos y el diseño de muestreo sobre la precisión. Madera Bosques 28(2). https://doi.org/10.21829/myb.2022.2822330
Hernández-Ramos J, Hernández-Ramos A, Ordaz-Ruiz G, García-Espinoza GG, García-Magaña JJ, García-Cuevas X, 2022. Índice de sitio para plantaciones forestales de Pinus patula en el Estado de México. Madera Bosques 28(2). https://doi.org/10.21829/myb.2022.2822308
Hollinger DY, 2008. Defining a Landscape-Scale Monitoring Tier for the North American Carbon Program. In: Field Measurements for Forest Carbon Monitoring. A Landscape-Scale Approach; Hoover CM (ed). pp: 3-16. Springer, Netherlands. https://doi.org/10.1007/978-1-4020-8506-2_1
Kozak A, Kozak R, 2003. Does cross validation provide additional information in the evaluation of regression models? Can J Forest Res 33(6): 976-987. https://doi.org/10.1139/x03-022
Lee SJ, Kim JR, Choi YS, 2013. The extraction of forest CO storage capacity using high-resolution airborne lidar data. GISci Remote Sens 50(2): 154-171. https://doi.org/10.1080/15481603.2013.786957
Li C, Chen Z, Zhou X, Zhou M, Li, 2023. Generalized models for subtropical forest inventory attribute estimations using a rule-based exhaustive combination approach with airborne LiDAR-derived metrics. GISci Remote Sens 60(1). https://doi.org/10.1080/15481603.2023.2194601
Machala M, Zejdová L, 2014. Forest mapping through Object-based image analysis of multispectral and LiDAR Aerial data. Eur J Remote Sens 47(1): 117-131. https://doi.org/10.5721/EuJRS20144708
Míguez C, Fernández C, 2023. Evaluating the Combined Use of the NDVI and High-Density Lidar Data to Assess the Natural Regeneration of P. pinaster after a High-Severity Fire in NW Spain. Remote Sens-Basel 15(6). https://doi.org/10.3390/rs15061634
Ortiz-Reyes AD, Valdez-Lazalde JR, de los Santos-Posadas HM, Ángeles-Pérez G, Paz-Pellat, F, Martínez-Trinidad T, 2015. Inventario y cartografía de variables del bosque con datos derivados de LiDAR: comparación de métodos. Madera Bosques 21(3): 111-128. https://doi.org/10.21829/myb.2015.213461
Palacios-Cruz DJ, de los Santos-Posadas HM, Ángeles-Pérez G, Fierros-González AM, Santiago-García W, 2020. Sistema de crecimiento y rendimiento para evaluar sumideros de carbono en bosques de Pinus patula Schiede ex Schltdl. et Cham. bajo aprovechamiento forestal. Agrociencia-Mexico 54: 241-254.
Pérez-Vázquez ZR, Ángeles-Pérez G, Chávez-Vergara B, Valdez-Lazalde JR, Ramírez-Guzmán ME, 2021. Enfoque espacial para modelación de carbono en el mantillo de bosques bajo manejo forestal maderable. Madera Bosques 27(1). https://doi.org/10.21829/myb.2021.2712122
QGIS Development Team, 2023. QGIS geographic information system (3.28.11). Open-Source Geospatial Foundation.
R development Core Team. (2023). R: A Language and Environment for Statistical Computing. (4.3.1). R Foundation for Statistical Computing, Vienna, Austria.
Ramírez-Martínez A, de los Santos-Posadas HM, Ángeles-Pérez G, González-Guillén MJ, Santiago-García W, 2020. Densidad inicial en el rendimiento maderable de Pinus patula con especies latifoliadas. Agrociencia-Mexico 54(4): 555-573. https://doi.org/10.47163/agrociencia.v54i4.2053
Rizzo-Martín I, Hirigoyen-Domínguez A, Arthus-Bacovich R, Varo-Martínez MÁ, Navarro-Cerrillo R, 2023. Site Index Estimation Using Airborne Laser Scanner Data in Eucalyptus dunnii Maide Stands in Uruguay. Forests 14(5): 1-13. https://doi.org/10.3390/f14050933
Santiago-García W, de los Santos-Posadas HM, Ángeles-Pérez G, Valdez-Lazalde JR, Corral-Rivas JJ, Rodríguez-Ortiz G, Santiago-García E, 2016. Modelos de crecimiento y rendimiento de totalidad del rodal para Pinus patula. Madera Bosques 21(3): 95-110. https://doi.org/10.21829/myb.2015.213459
Socha J, Hawryło P, Stereńczak K, Miścicki S, Tymińska-Czabańska L, Młocek W, Gruba P, 2020. Assessing the sensitivity of site index models developed using bi-temporal airborne laser scanning data to different top height estimates and grid cell sizes. Int J Appl Earth Obs 91. https://doi.org/10.1016/j.jag.2020.102129
Torres-Rojo JM, Valles-Gándara AG, 2007. Índice de productividad de sitios multiespecíficos a través de funciones de distancia en sitios forestales. Agrociencia-Mexico 41(6): 687-700.
Vargas-Larreta B, Aguirre-Calderón OA, Corral-Rivas JJ, Crecente-Campo F, Diéguez-Aranda U, 2013. A dominant height growth and site index model for Pinus pseudostrobus Lindl. in northeastern Mexico. Agrociencia-Mexico 47(1): 91-106.
Vargas-Larreta B, Álvarez-González JG, Corral-Rivas JJ, Calderón ÓAA, 2010. Construcción de curvas dinámicas de índice de sitio para Pinus cooperi blanco. Rev Fitotec Mex 33(4): 343-351. https://doi.org/10.35196/rfm.2010.4.343
Derechos de autor 2024 Consejo Superior de Investigaciones Científicas (CSIC)
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
© CSIC. Los originales publicados en las ediciones impresa y electrónica de esta Revista son propiedad del Consejo Superior de Investigaciones Científicas, siendo necesario citar la procedencia en cualquier reproducción parcial o total.
Salvo indicación contraria, todos los contenidos de la edición electrónica se distribuyen bajo una licencia de uso y distribución “Creative Commons Reconocimiento 4.0 Internacional ” (CC BY 4.0). Consulte la versión informativa y el texto legal de la licencia. Esta circunstancia ha de hacerse constar expresamente de esta forma cuando sea necesario.
No se autoriza el depósito en repositorios, páginas web personales o similares de cualquier otra versión distinta a la publicada por el editor.
