Comparación de modelos de altura de la vegetación para estimación de biomasa en un bosque de manglar en el Caribe Colombiano
Barra lateral del artículo
Contenido principal del artículo
Este trabajo integra satélite-LIDAR para comparar la evaluación de stock de carbono en alta resolución en un bosque de manglar (Rincón Mosquito) en la zona costera del mar Caribe. Se comparó la altura de vegetación resultante de la extracción de un modelo de altura de la vegetación satelital EROS-B y un LIDAR aerotransportado vs datos en campo. Los satélites ofrecen una oportunidad de monitorear cambios en el carbono forestal causados por la deforestación y la degradación, igual que nuevos métodos aéreos, especialmente el método LIDAR, ofrecen una forma de estimar la densidad del carbono forestal, lo cual ayuda en el desarrollo de líneas base para inventarios de carbono. Luego de calcular la biomasa total desde los datos de satélite y LIDAR, se comparó la medida de biomasa tomada en campo. En términos de escalas detalladas se puede concluir que el sensor con mayor precisión es el LIDAR al tener un nivel de resolución espacial que permite gran detalle de la masa arbórea., El uso de estéreo pares satelitales es viable en grandes extensiones y no en pequeñas áreas, donde particularmente en los últimos años, los datos tomados con vehículos aéreos no tripulados parecen ser una alternativa más viable en disponibilidad y costo.
Aslan, A., Rahman, A. F., y Robeson, S. M. (2018). Investigating the use of Alos Prism data in detecting mangrove succession through canopy height estimation. Ecological Indicators, 87, 136-143. doi: https://doi.org/10.1016/j.ecolind.2017.12.008
Asner, G. P. (2009). Tropical forest carbon assessment: integrating satellite and airborne mapping approaches. Environmental Research Letters, 4(3), 034009. doi: 10.1088/1748-9326/4/3/034009
Asner, G. P., y Mascaro, J. (2014). Mapping tropical forest carbon: Calibrating plot estimates to a simple LiDAR metric. Remote Sensing of Environment, 140, 614-624. doi: https://doi.org/10.1016/j.rse.2013.09.023
Brown, S., y Lugo, A. E. (1984). Biomass of Tropical Forests: A New Estimate Based on Forest Volumes. Science, 223(4642), 1290. doi: 10.1126/science.223.4642.1290
Brown, S., Pearson, T., Slaymaker, D., Ambagis, S., Moore, N., Novelo, D., y Sabido, W. (2005). Creating a virtual tropical forest from three-dimensional aerial imagery to estimate carbon stocks. Ecological applications, 15(3), 1083-1095. doi: 10.1890/04-0829
Cabrera, E. (2011). Protocolo de procesamiento digital de imágenes para la cuantificación de la deforestación en Colombia, Nivel subnacional escala gruesa y fina. Bogotá, DC: IDEAM.
Cottam, G., y Curtis, J. T. (1956). The Use of Distance Measures in Phytosociological Sampling. Ecology, 37(3), 451-460. doi: 10.2307/1930167
Chave, J., Andalo, C., Brown, S., Cairns, M. A., Chambers, J. Q., Eamus, D., Yamakura, T. (2005). Tree allometry and improved estimation of carbon stocks and balance in tropical forests. Oecologia, 145(1), 87-99. doi: 10.1007/s00442-005-0100-x
Eggleston, S., Buendia, L., Miwa, K., Ngara, T., y Tanabe, K. (2006). 2006 IPCC guidelines for national greenhouse gas inventories (Vol. 5): Institute for Global Environmental Strategies Hayama, Japan.
Fuentes, J., Varga, D., y Pintó, J. (2018). The Use of High-Resolution Historical Images to Analyse the Leopard Pattern in the Arid Area of La Alta Guajira, Colombia. Geosciences, 8(10), 366.
Fuentes, J. E., Bolaños, J. A., y Rozo, D. M. (2012). Modelo digital de superficie a partir de imágenes de satélite IKONOS para el análisis de áreas de inundación en santa marta, Colombia. Boletín de Investigaciones Marinas y Costeras - INVEMAR, 41, 251-266.
García Arbeláez, C., Barrera, X., Gómez, R., y Suárez Castaño, R. (2015). El ABC de los compromisos de Colombia para la Cop 21. Bogotá: WWF-Colombia.
García, M., Saatchi, S., Ustin, S., y Balzter, H. (2018). Modelling forest canopy height by integrating airborne LiDAR samples with satellite Radar and multispectral imagery. International Journal of Applied Earth Observation and Geoinformation, 66, 159-173. doi: https://doi.org/10.1016/j.jag.2017.11.017
Goldbergs, G., Levick, S. R., Lawes, M., y Edwards, A. (2018a). Hierarchical integration of individual tree and area-based approaches for savanna biomass uncertainty estimation from airborne LiDAR. Remote Sensing of Environment, 205, 141-150. doi: https://doi.org/10.1016/j.rse.2017.11.010
Goldbergs, G., Maier, S. W., Levick, S. R., y Edwards, A. (2018b). Efficiency of Individual Tree Detection Approaches Based on Light-Weight and Low-Cost UAS Imagery in Australian Savannas. Remote Sensing, 10(2), 161.
Goldbergs, G., Maier, S. W., Levick, S. R., y Edwards, A. (2019). Limitations of high-resolution satellite stereo imagery for estimating canopy height in Australian tropical savannas. International Journal of Applied Earth Observation and Geoinformation, 75, 83-95. doi: https://doi.org/10.1016/j.jag.2018.10.021
Hung, C., Bryson, M., y Sukkarieh, S. (2012). Multi-class predictive template for tree crown detection. ISPRS Journal of Photogrammetry and Remote Sensing, 68, 170-183. doi: https://doi.org/10.1016/j.isprsjprs.2012.01.009
Immitzer, M., Stepper, C., Böck, S., Straub, C., y Atzberger, C. (2016). Use of WorldView-2 stereo imagery and National Forest Inventory data for wall-to-wall mapping of growing stock. Forest Ecology and Management, 359, 232-246. doi: https://doi.org/10.1016/j.foreco.2015.10.018
Lefsky, M. A., Cohen, W. B., Harding, D. J., Parker, G. G., Acker, S. A., y Gower, S. T. (2002a). Lidar remote sensing of above-ground biomass in three biomes. Global Ecology and Biogeography, 11(5), 393-399. doi: 10.1046/j.1466-822x.2002.00303.x
Lefsky, M. A., Cohen, W. B., Parker, G. G., y Harding, D. J. (2002b). Lidar Remote Sensing for Ecosystem Studies: Lidar, an emerging remote sensing technology that directly measures the three-dimensional distribution of plant canopies, can accurately estimate vegetation structural attributes and should be of particular interest to forest, landscape, and global ecologists. BioScience, 52(1), 19-30. doi: 10.1641/0006-3568(2002)052[0019:lrsfes]2.0.co;2
Maltamo, M., Næsset, E., y Vauhkonen, J. (2014). Forestry applications of airborne laser scanning. Concepts and case studies. Manag For Ecosys, 27, 460.
Meddens, A. J. H., Vierling, L. A., Eitel, J. U. H., Jennewein, J. S., White, J. C., y Wulder, M. A. (2018). Developing 5 m resolution canopy height and digital terrain models from WorldView and ArcticDEM data. Remote Sensing of Environment, 218, 174-188. doi: https://doi.org/10.1016/j.rse.2018.09.010
Menon, S., Denman, K. L., Brasseur, G., Chidthaisong, A., Ciais, P., Cox, P. M., . . . Holland, E. (2007). Couplings between changes in the climate system and biogeochemistry: Lawrence Berkeley National Lab.(LBNL), Berkeley, CA (United States).
Mielcarek, M., Stereńczak, K., y Khosravipour, A. (2018). Testing and evaluating different LiDAR-derived canopy height model generation methods for tree height estimation. International Journal of Applied Earth Observation and Geoinformation, 71, 132-143. doi: https://doi.org/10.1016/j.jag.2018.05.002
Mitchell, K. (2010). Quantitative analysis by the point-centered quarter method. arXiv preprint arXiv:1010.3303.
Nfotabong-Atheull, A., Din, N., y Dahdouh-Guebas, F. (2013). Qualitative and Quantitative Characterization of Mangrove Vegetation Structure and Dynamics in a Peri-urban Setting of Douala (Cameroon): An Approach Using Air-Borne Imagery. Estuaries and Coasts, 36(6), 1181-1192. doi: 10.1007/s12237-013-9638-8
Rugnitz, M., Chacón, M., y Porro, R. (2009). Guía para la Determinación de Carbono en Pequeñas Propiedades Rurales. Centro Mundial Agroforestal (ICRAF)/Consorcio Iniciativa Amazónica (IA). Lima, Perú.
Sullivan, F. B., Ducey, M. J., Orwig, D. A., Cook, B., y Palace, M. W. (2017). Comparison of lidar- and allometry-derived canopy height models in an eastern deciduous forest. Forest Ecology and Management, 406, 83-94. doi: https://doi.org/10.1016/j.foreco.2017.10.005
Wallace, L., Lucieer, A., Malenovský, Z., Turner, D., y Vopěnka, P. (2016). Assessment of Forest Structure Using Two UAV Techniques: A Comparison of Airborne Laser Scanning and Structure from Motion (SfM) Point Clouds. Forests, 7(3), 62.
Wallace, L., Lucieer, A., Watson, C., y Turner, D. (2012). Development of a UAV-LiDAR System with Application to Forest Inventory. Remote Sensing, 4(6), 1519-1543.
White, J. C., Wulder, M. A., Vastaranta, M., Coops, N. C., Pitt, D., y Woods, M. (2013). The Utility of Image-Based Point Clouds for Forest Inventory: A Comparison with Airborne Laser Scanning. Forests, 4(3), 518-536.
Yin, D., y Wang, L. (2019). Individual mangrove tree measurement using UAV-based LiDAR data: Possibilities and challenges. Remote Sensing of Environment, 223, 34-49. doi: https://doi.org/10.1016/j.rse.2018.12.034
Zhu, X., Hou, Y., Weng, Q., y Chen, L. (2019). Integrating UAV optical imagery and LiDAR data for assessing the spatial relationship between mangrove and inundation across a subtropical estuarine wetland. ISPRS Journal of Photogrammetry and Remote Sensing, 149, 146-156. doi: https://doi.org/10.1016/j.isprsjprs.2019.01.021
