top of page

El periodo para la edición del resumen ha concluído

R-411

ID:

Predicción de los atributos del bosque tropical a partir de la textura de imágenes satelitales

Jonathan Solórzano-Villegas

El uso de imágenes satelitales para el estudio de los bosques tropicales ha permitido estudiar procesos como la fragmentación y modelar algunos de sus atributos sobre grandes superficies  La disponibilidad de imágenes satelitales de alta y muy alta resolución, junto con la creciente capacidad para procesar grandes volúmenes de datos, ha impulsado la modelación de parámetros forestales basados ​​en métricas de textura derivadas de matrices de co-ocurrencia de nivel de gris (GLCM). Las métricas derivadas de GLCM proporcionan información sobre la variación espacial y la disposición de los píxeles que componen una imagen. Muchos estudios han demostrado que dicha variabilidad espacial está directamente relacionada con la heterogeneidad de los ecosistemas o con ciertos atributos de los bosques, lo que deja en claro que este es un procedimiento de modelado prometedor para predecir los parámetros de la vegetación. En este contexto, el objetivo principal de nuestro trabajo fue modelar los atributos de los bosques tropicales con base en métricas derivadas de GLCM en un gradiente de deforestación y brindar una perspectiva ecológica de los resultados. 

El estudio se realizó en 21 unidades de paisaje (UP) de 1 km2 con diferentes porcentajes de cobertura forestal. Las UP están ubicadas en la región Marqués de Comillas, Chiapas, México. En cada UP establecimos 30 subparcelas. En cada uno de ellas, todos los árboles con diámetro a la altura del pecho (DAP) ≥ 10 cm fueron registrados y su DAP y altura del fuste fueron medidos y se determinó su identidad taxonómica. A partir de esta información, cuantificamos la diversidad de especies (números de diversidad de Hill 0D, 1D y 2D) y la biomasa aérea para cada paisaje. Se usó un mosaico multitemporal Sentinel-2 como la fuente de imágenes multiespectrales (IM). De las bandas de las IM, solo se utilizaron el infrarrojo cercano y el rojo. Además, se calculó el índice de vegetación mejorada, que también utilizó la banda azul en su cálculo. Usamos un enfoque de ventana móvil para calcular ocho variables de textura GLCM para esas tres capas, con tamaños de ventana cuadrada de 101 píxeles por lado; Para el análisis final, se extrajo el valor del píxel central de esta ventana. Modelamos los cinco parámetros del bosque como combinaciones lineales de las métricas de 24 métricas de texturas a través de modelos lineales mixtos. Consideramos todos los modelos posibles que involucraban hasta tres parámetros que incluían modelos con 1 a 3 variables independientes, 1 a 2 variables independientes con un término cuadrático y 2 variables independientes con una interacción. La selección del modelo se realizó a través del criterio de información de Akaike corregido por muestra.

Los resultados mostraron un fuerte potencial de modelado para los atributos del bosque, particularmente para AGB, seguido por los números de Hill, ya que mostraron un R2 por arriba de 0.7. Nuestros resultados demuestran el gran potencial de la textura de la imagen para predecir los atributos del bosque a lo largo de un gradiente de deforestación.

Palabras clave:

Modelación, Sentinel, Textura, deforestación

Autor(a) principal:

bottom of page