| Revista: | Madera y bosques |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000443759 |
| ISSN: | 1405-0471 |
| Autores: | Reyes Cárdenas, Oscar1 Treviño Garza, Eduardo Javier2 Jiménez Pérez, Javier2 Aguirre Calderón, Oscar Alberto2 Cuéllar Rodríguez, Luis Gerardo2 Flores Garnica, José Germán3 Cárdenas Tristán, Abraham1 |
| Instituciones: | 1Universidad Autónoma de San Luis Potosí, Facultad de Ingeniería, San Luis Potosí. México 2Universidad Autónoma de Nuevo León, Facultad de Ciencias Forestales, Linares, Nuevo León. México 3Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias, Campo Experimental Centro Altos de Jalisco, Tepatitlán, Jalisco. México |
| Año: | 2019 |
| Periodo: | Abr |
| Volumen: | 25 |
| Número: | 1 |
| País: | México |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | Mediante la estimación de la biomasa forestal es posible determinar la cantidad de recursos forestales existentes en un determinado territorio, sin embargo, este es un proceso costoso y que consume gran cantidad de tiempo. Por ello, el objetivo del presente estudio fue modelar la biomasa arbórea aérea de un ecosistema forestal ubicado en la región centro sur del estado de San Luis Potosí. Para definir este proceso se compararon métodos determinísticos (distancia inversa ponderada) y estocásticos (kriging y cokriging), con los que se determinó la biomasa forestal con base en datos de campo y espectrales. Los datos de campo correspondieron a 50 conglomerados del Inventario Nacional Forestal y de Suelos, a partir de los cuales se calculó la biomasa mediante el empleo de ecuaciones alométricas. Los datos espectrales (NDVI tradicional -bandas roja e infrarroja del espectro electromagnético) se derivaron de una imagen Landsat 5TM del año 2009. Con los resultados del cálculo de la biomasa y del NDVI, se probaron semivariogramas y variogramas cruzados con los modelos esférico, exponencial y gausiano para analizar el que resultara en el mejor ajuste. Posteriormente, se seleccionó el modelo exponencial derivado de la técnica cokriging, con base en el cual se obtuvo un valor de la raíz cuadrada del error cuadrático medio de 32.01 Mg ha-1. Finalmente, con base en el modelo seleccionado, se generó un mapa de la distribución de la biomasa aérea, en el cual se presentan resultados que van de 0.85 Mg ha-1 a 157 Mg ha-1 |
| Resumen en inglés | By estimating forest biomass, it is possible to determine the amount of forest resources existing in a given territory, however, this is an expensive and time-consuming process. Therefore, the objective of the present study was to model the aerial tree biomass of a forest ecosystem located in the south central region of the state of San Luis Potosí. To define this process, we compared deterministic methods (weighted reverse distance) and stochastic methods (kriging and cokriging), with which the forest biomass was determined based on field and spectral data. Field data corresponded to 50 conglomerates of the National Forest Inventory, from which the biomass was calculated by using allometric equations. The spectral data (traditional NDVI -red and infrared bands of electromagnetic spectrum) were derived from a Landsat 5TM image of the year 2009. With the results of calculation of biomass and NDVI, semivariograms and cross variograms were tested with spherical, exponential and gaussian models to analyze which will result in the best fit. Subsequently, the exponential model derived from the cokriging technique was selected, based on which a square root value of the RMSE mean squared error of 32.01 Mg ha-1 was obtained. Finally, based on the selected model, a map was generated of the aerial biomass distribution, in which results that range from the 0.85 Mg ha-1 to 157 Mg ha-1 are presented |
| Disciplinas: | Agrociencias |
| Palabras clave: | Silvicultura, Modelos biológicos, San Luis Potosí, México, Cokriging, Correlación cruzada, Geoestadística, Inventario forestal |
| Keyword: | Silviculture, Biological models, San Luis Potosi, Mexico, Cokriging, Cross correlation, Geostatistics, Forest inventory |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
