Tesis Maestría en Ciencias en Recursos Naturales y Desarrollo Rural El Colegio de la Frontera Sur 1998

Bibliografía: hojas 19-23

Disponible para usuarios de ECOSUR con su clave de acceso

Se evaluaron dos métodos para estimar biomasa arbórea con apoyo en sensores remotos (LANDSAT TM). El primer método se realizó por medio de una clasificación supervisada multiespectral con seis bandas. Se utilizaron tipos de vegetación identificados a partir de la composición de biomasa de los géneros dominantes y de la altura promedio estimada del dosel, habiendo distinguido ocho clases de vegetación. Se obtuvo una biomasa total de 1,073 x 103 t (902 x 103 t a 1,220 x 103 t). En el segundo método se utilizaron índices diferenciados de vegetación (NDVI) de las bandas TM4/TM3; TM4/TM5 y TM4/TM7. Se aplicó un modelo de regresión que relaciona la biomasa promedio con los valores digitales (VD) de los NDVI. El modelo exponencial fue el de mejor ajuste para los tres NDVI con una p <0.01. Los valores de los NVDI fueron TM4/TM3: R2=0.611; TM4/TM5: R2=0.671 y TM4/TM7: R2=0.676. La biomasa total estimada con cada NDVI fue de 1,164 x 103 t (490 x 103 t a 2,409 x 103) paraTM4/TM3; de 515 x 103t (331 x 103t a 757 X 103t) para TM4/TM5 y de 726 x 103 t (398 x 103 t a 1,210 x 103 t) para TM4/TM7. El resultado de la biomasa total calculada por el método de clasificación multiespectral, comparado con los valores estimados por el método de ordenamiento exponencial, mostró mayor similitud con el valor máximo del NDVI que relaciona las bandas TM4/TM7 (de mayor ajuste estadístico) y con el valor promedio del NDVI TM4/TM3 (de menor ajuste estadístico). Utilizando el NDVI TM4/TM5, todos los valores de biomasa resultaron más bajos. Del presente estudio se concluye que es posible asociar razonablemente la biomasa de vegetación arbolada de pino-encino y reservorios de carbono con los índices de vegetación. A través del uso de sensores remotos se podrían predecir cambios de biomasa en escalas temporales y espaciales. Español

Two approaches to estimate arboreal biomass with remote sensing (LANDSAT TM) are evaluated. The first approach was a multispectral-supervised classification with six bands. The vegetation types are based on biomass composition of the dominant species and canopy height. Eight vegetation classes could be distinguished. According to this approach the total tree biomass amounted to 1,073 x 103 t (902 x 103 t to 1,220 x 103 t). In the second approach a Normal Differentiated Vegetation Index (NDVI) of the band combination TM4/TM3, TM4/TM5 and TM4/TM7 was used. A regression equation was developed to related arboreal biomass with NDVI. Using these equations the total biomass was estimated at 1,164 x 103 t (490 x 103 t to 2,409 x 103) for TM4/TM3; at 515 x 103 (331 X 103 t to 757 x 103t) for TM4/TM5 and 726 x 103 (398 x 103t to 1,210 x 103t) for TM4/TM7. The average biomass estimation o f the NDVI using TM4/TM3 is similar to the estimation using the classification approach, but the 95% confidence interval is higher. Meanwhile the biomass estimation of the NDVI using TM4/TM5 and TM4/TM7 was lower than the biomass estimation from the classification approach, but both showed a narrow 95% confidence interval. This study shows that is possible to estimate within a reasonable confidence interval the biomass of the arboreal vegetation of pine-oak forest using an ordination approach with NDVI. With some refinements, remote sensing could be applied to estimate temporal and spetial change in aboveground biomass. Inglés

Manejo y Conservación de Recursos Naturales