CARTOGRAFÍA DE LA BIOMASA AÉREA TOTAL EN MASAS DE PINUS RADIATA D. DON MEDIANTE ANÁLISIS MULTIVARIANTE A PARTIR DE DATOS PÚBLICOS LiDAR (PNOA) E IFN 4

Irati Lekuona Zuazo, Antonio Luis Montealegre Gracia, María Teresa Lamelas Gracia

Resumen


La estimación de la biomasa total aérea (en adelante biomasa) es fundamental para conocer la estructura y dinámica de los ecosistemas forestales. El objetivo principal de este trabajo ha sido estimar y cartografiar la biomasa de las masas de Pinus radiata D. Don de la comarca Arratia-Nerbioi (Bizkaia), a partir de los datos de teledetección LiDAR del PNOA y los datos de campo del IFN4 . La biomasa fue calculada en 51 parcelas de campo del IFN4 aplicando la ecuación alométrica de Montero et al. (2005). Mediante un análisis multivariante de regresión lineal se generó un modelo predictivo de la biomasa, que fue validado mediante la técnica de validación cruzada dejando un dato fuera. Se obtuvo un coeficiente de determinación de 0,67. Para seleccionar la resolución de la cartografía final, se realizó un análisis de correlación entre los valores de biomasa de las parcelas y los valores predichos por el modelo aplicando dos tamaños de pixel.

Palabras clave


Biomasa; Regresión lineal múltiple; Pinus radiata D. Don; LiDAR-PNOA; IFN4

Texto completo:

PDF

Referencias


Albizu, P. (2013): “Aprovisionamiento de madera de coníferas a la industria de Euskadi”. Rev. Montes, 113, pp.25-27.

Andersen, H.-E., McGaughey, R.J., Reutebuch, S.E. (2005). “Estimating forest canopy fuel parameters using LIDAR data”. Remote Sens. Environ, 94, pp. 441–449.

Asner, G.P., Hughes, R.F., Varga, T.A., Knapp, D.E., Kennedy-Bowdoin, T. (2008). “Environmental and Biotic Controls over Aboveground Biomass Throughout a Tropical Rain Forest”. Ecosystems, 12, pp. 261–278.

Azpitarte, J. (2013): “Evolución del macizo y del asociacionismo forestal vasco”. Rev. Montes, 113, pp.15-17.

Bortolot, Z.J y Wynne, R.H. (2005). “Estimating forest biomass using smal footprint LiDAR data: An individual tree-based approach that incorporates training data”. ISPRS Journal of Photogrammetry & Remote Sensing, 59, pp. 342-360.

Boudreau, J., Nelson, R.F., Margolis, H.A., Beaudoin, A., Guindon, L., Kimes, D.S. (2008). “Regional aboveground forest biomass using airborne and spaceborne LiDAR in Québec”. Remote Sens. Environ, 112, pp. 3876–3890.

Bouvier, M., Durrieu, S., Fournier, R.A., Renaud, J.-P. (2015). “Generalizing predictive models of forest inventory attributes using an area-based approach with airborne LiDAR data”. Remote Sens. Environ, 156, pp. 322–334.

Cabrera, J., Lamelas, M.T., Montealegre, A.L., de la Riva, J. (2014). “Estimación de variables dasométricas a partir de datos LiDAR PNOA en masas regulares de Pinus halepensis Mill”, en XVI Congreso Nacional de Tecnologías de la Información Geográfica. Alicante.

Ene, L.T., Næsset, E., Gobakken, T., Gregoire, T.G., Ståhl, G., Nelson, R. (2012). “Assessing the accuracy of regional LiDAR-based biomass estimation using a simulation approach”. Remote Sens. Environ, 123, pp. 579–592.

Foody, G.M., Boyd, D.S., Cutler, M.E.J. (2003). “Predictive relations of tropical forest biomass from Landsat TM data and their transferability between regions”. Remote Sens. Environ, 85, pp. 463–474.

García, D. (2010): Estimación de variables de interés forestal basada en datos lidar en el monte número 117 del C.U.P. Término municipal de Cuenca. Escuela Universitaria de Ingeniería Técnica Forestal-Universidad politécnica de Madrid.

García, M., Riaño, D., Chuvieco, E., Danson, F.M. (2010): “Estimating biomass carbon stocks for a Mediterranean forest in central Spain using LiDAR height and intensity data”. Remote Sensing of Environment, 114, 4, pp. 816-830.

Gonzalez-Ferreiro, E., Dieguez-Aranda, U., Miranda, D. (2012). “Estimation of stand variables in Pinus radiata D. Don plantations using different LiDAR pulse densities”. Forestry, 85, pp. 281–292.

González, E., Diéguez, U., Miranda, D. (2012): “Estimation of stand variables in Pinus radiata D. Don plantations using different LiDAR pulse densities”, Forestry, 85, 2, pp. 281-292.

Gutiérrez, M., García, D., García, A., Martín, S., Núñez, M.V., González, C., Ayuga, E. (2013): Reducción del número de parcelas de muestreo al incorporar información auxiliar LiDAR en la estimación de variables dasométricas. En 6º Congreso Forestal Español (6CFE01-482). Sociedad Española de Ciencias Forestales.

Hazi Fundazioa (2013): Medir el bosque, comprender el paisaje. Araba, Fundación Hazi Fundazioa.

Isaev, A.S., Korovin, G.N., Bartalev, S.A., Ershov, D.V., Janetos, A., Kasischke, E.S., Shugart, H.H., French, N.H.F., Orlick, B.E., Murphy, T.L. (2002). “Using Remote Sensing to Assess Russian Forest Fire Carbon Emissions”. Clim. Change, 55, pp. 235–249.

Koch, B. (2010). “Status and future of laser scanning, synthetic aperture radar and hyperspectral remote sensing data for forest biomass assessment”. ISPRS J. Photogramm. Remote Sens, 65, pp. 581–590.

Kraus, K., Pfeifer, N. (1998). “Determination of terrain models in wooded areas with airborne laser scanner data”. ISPRS J. Photogramm. Remote Sens, 53, pp. 193–203.

Leboeuf, A., Beaudoin, A., Fournier, R.A., Guindon, L., Luther, J.E., Lambert, M.C. (2007). “A shadow fraction method for mapping biomass of northern boreal black spruce forests using QuickBird imagery”. Remote Sens. Environ, 110, pp. 488–500.

Lefsky, M.A., Cohen, W.B., Parker, G.G., Harding, D.J. (2002). “Lidar Remote Sensing for Ecosystem Studies”. BioScience, pp. 19–30.

Lim, K.S., Treitz, P.M. (2004). “Estimation of above ground forest biomass from airborne discrete return laser scanner data using canopy-based quantile estimators”. Scand. J. For. Res., 19, pp. 558–570.

MAGRAMA (2015): El Inventario Forestal Nacional. Cincuenta años conociendo el Bosque. Madrid, MAGRAMA. [Consulta: 23-05-2016]. Disponible en: http://www.magrama.gob.es/es/desarrollo-rural/temas/politica-forestal/inventario-cartografia/inventario-forestal-nacional/50_anios_IFN.aspx.

Maltamo, M., Næsset, E., Vauhkonen, J. (2014): Forestry Applications of Airborne Laser Scanning: Concepts and Case Studies. Springer Netherlands.

McGaughey, R. (2009). FUSION/LDV: Software for LIDAR Data Analysis and Visualization. US Department of Agriculture, Forest Service, Pacific Northwest Research Station, Seattle, WA.

Means, J., Acker, S., Fitt, B., Renslow, M., Emerson, L., Hendrix, C. (2000). “Predicting forest stand characteristics with airborne scanning LiDAR”. Photogramm. Eng. Remote Sens., 66, pp. 1367–1371.

Meng, Q., Cieszewski, C.J., Madden, M., Borders, B. (2007). “A linear mixed-effects model of biomass and volume of trees using Landsat ETM+ images”. For. Ecol. Manag., 244, pp. 93–101.

Mieville, A., Granier, C., Liousse, C., Guillaume, B., Mouillot, F., Lamarque, J.F., Grégoire, J.M., Pétron, G. (2010). “Emissions of gases and particles from biomass burning during the 20th century using satellite data and an historical reconstruction”. Atmos. Environ., 44, pp. 1469–1477.

Montealegre, A.L., Lamelas, M.T., de la Riva, J., García-Martín, A., Escribano, F. (2016): “Use of low point density ALS data to estimate stand-level structural variables in Mediterranean Aleppo pine forest”, Forestry, 0, pp.1-10.

Montero, G., Ruiz-Peinado, R., Muñoz, M. (2005): Producción de Biomasa y fijación de CO2 por los bosques españoles. Monografías INIA: Serie Forestal nº13. Madrid. Instituto Nacional de Investigación y Tecnología Agraria y Alimentaria. Ministerio de Educación y Ciencia.

Muukkonen, P., Heiskanen, J. (2007). “Biomass estimation over a large area based on standwise forest inventory data and ASTER and MODIS satellite data: A possibility to verify carbon inventories”. Remote Sens. Environ., 107, pp. 617–624.

Naesset, E. (2002). “Predicting forest stand characteristics with airborne scanning laser using a practical two-stage procedure and field data”, Remote Sensing of Environment, 80, 1, pp.88-99.

Næsset, E., Gobakken, T. (2008). “Estimation of above- and below-ground biomass across regions of the boreal forest zone using airborne laser”. Remote Sens. Environ., 112, pp. 3079–3090.

Næsset, E. (2011). “Estimating above-ground biomass in young forests with airborne laser scanning”. Int. J. Remote Sens, 32, pp. 473–501.

Otaola-Urrutxi, M., Errandonea, E. (2012): “Primeros datos de crecimiento y tablas de producción de Pinus radiata D. Don en Balmaseda, para un régimen de claras fuerte y turno de 25 años”, Foresta, 55 pp.129-133

Popescu, S.C. (2007). “Estimating biomass of individual pine trees using airborne lidar”. Biomass Bioenergy, 31, pp. 646–655.

Rosette, J., Suárez, J., Nelson, R., Los, S., Cook, B., North, P. (2012). “Lidar Remote Sensing for Biomass Assessment”, en: Fatoyinbo, T. (Ed.), Remote Sensing of Biomass: Principles and Applications. InTech, Rijeka, Croatia, pp. 3–26.

Tanase, M.A, Panciera, R., Lowell, K., Tian, S., García-Martín, A., Walker, J.P. (2014): “Sensitivity of L-Band Radar Backscatter to Forest Biomass in Semiarid Environments: A Comparative Analysis of Parametric and Nonparametric Models”, IEEE Transactions on Geoscience and Remote Sensing, 52, 8, pp. 4671-4685.

Valbuena, M. (2014): Determinación de variables de forestales de masa y de árboles individuales mediante delineación de copas a partir de datos LiDAR aerotransportado. Aplicación a las masas de Pinus sylvestris L. en Álava. Tesis doctoral. Departamento de Ingeniería Mecánica. Universidad de la Rioja.

Vermote, E., Elliot, E., Dubovik, O., Lapyonok, T., Chin, M., Giglio, L., Roberts, GJ. (2009): “An approach to estimate global biomass burning emissions of organic and black carbon from MODIS fire radiative power”, Journal of Geophysical Research, 114, D18, pp. 205-227.

Vosselman, G., Maas, H-G. (2010): Airborne and Terrestrial Laser Scanning. Dunbeath, Whittles Publishing.

Watt, M., Adams, T., Marshall, H., Pont, D., Lee, J., Crawley, D., Watt, P. (2013). “Modelling variation in Pinus radiata stem volume and outerwood stress-wave velocity from LiDAR metrics”. N. Z. J. For. Sci. 43.

Zhang, J., Huang, S., Hogg, E.H., Lieffers, V., Qin, Y., He, F. (2014). “Estimating spatial variation in Alberta forest biomass from a combination of forest inventory and remote sensing data”. Biogeosciences, 11, pp. 2793–2808.

Zolkos, S.G., Goetz, S.J., Dubayah, R. (2013). “A meta-analysis of terrestrial aboveground biomass estimation using lidar remote sensing”. Remote Sens. Environ, 128, pp. 289–298.




DOI: http://dx.doi.org/10.21138/GF.539

Licencia Creative Commons

Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional.


GeoFocus es la revista del Grupo de Tecnologías de la Información Geográfica de la Asociación de Geógrafos Españoles. Recibe soporte institucional y técnico de RedIRIS (Red Española de I+D soportada por el Gobierno de España), de la FECYT (Fundación Española para la Ciencia y la Tecnología) y Grumets (Grupo de Investigación Métodos y Aplicaciones en Teledetección y Sistemas de Información Geográfica).