Estimación y mapeo del índice de área foliar y biomasa aérea en plantaciones de Eucalyptus urophylla ST Blake mediante percepción remota.

Abstract

El manejo adecuado de las plantaciones forestales comerciales requiere del conocimiento continuo de la dinámica de crecimiento de las variables forestales, entre ellas está el índice de área foliar (IAF) y la biomasa total (Bt). La estimación directa es costosa y tardada, por ello es necesario encontrar una alternativa indirecta eficiente para estimarlas. El objetivo fue estimar y mapear el índice de área foliar y biomasa aérea mediante datos derivados de sensores remotos en plantaciones forestales comerciales de Eucalyptus urophylla S.T. Blake en el municipio de Huimanguillo, Tabasco, México. Los datos provienen de un muestreo al azar conformado de 28 sitios (de 500 m2) distribuidos en edades de 1 a 7 años. Se establecieron 112 trampas de captura de hojarasca y se tomaron 140 fotografías hemisféricas mensualmente durante un año. Para el mapeo se utilizaron imágenes satelitales SPOT 7 y LANDSAT 8, relacionando los datos espectrales y la información de campo. La productividad primaria neta aérea fue mayor en las plantaciones jóvenes (37.33 Mg ha-1 año-1), con tendencia decreciente conforme aumenta la edad. El método de hojarasca caída fue semejante al IAF alométrico y fue calibrado con mediciones ópticas. El modelo seleccionado fue el de Potencia con R2aju = 0.942, RECM = 4.2394 y parámetros significativos. El promedio de IAF fue 2.31 m2 m-2 y 93.47 Mg ha-1 para Bt, utilizando un muestreo estratificado el cual resultó ser el más preciso. Las variables presentaron correlaciones altas con las bandas roja, verde y los indices de vegetación del sensor SPOT 7, mientras que para LANDSAT 8 no resultaron significativas. Los estimadores de razón presentaron valores cercanos al inventario tradicional, pero al mapear las variables de IAF y Bt presentó errores altos, por ello, se eligió el modelo derivado de la regresión lineal múltiple para su predicción y mapeo. El uso de información espectral para estimar variables forestales es un método alternativo y útil a gran escala. _______________ ESTIMATE AND MAPPING OF LEAF AREA INDEX AND ABOVEGROUND BIOMASS FOR Eucalyptus urophylla S.T. BLAKE BY REMOTE SENSING. ABSTRACT: An adequate management of commercial forest plantations requires continuous knowledge of the dynamics of growth of forestry variables, among them are the leaf area index (LAI) and total biomass (Tb). Direct estimation of these variables is costly and time-consuming, so it is necessary to find an efficient alternative to estimate them indirectly. The objective of this research was to estimate and map the leaf area index and aboveground biomass using remote sensing data derived from commercial forest plantations of Eucalyptus urophylla S.T. Blake in Huimanguillo, Tabasco, Mexico. Data came from a random sample consisting of 28 sites (500 m2) distributed in ages from 1 to 7 years. One hundred and twelve traps to capture litter were established and 140 hemispherical photographs were taken monthly for a year. For mapping, SPOT 7 and LANDSAT 8 satellite images were use, relating the spectral data and field information. The aboveground net primary productivity was higher in young plantations (37.33 Mg ha-1 yr-1), with a decreasing trend as age increases. The method of litterfall was similar to Allometric LAI and was calibrated with optical measurements. The selected model is known as the Power with R2aj = 0.942, RMSE = 4.2394 and significant parameters. Average LAI was 2.31 m2 m-2 and 93.47 Mg ha-1 for Tb, using a stratified sampling which turned out to be the most accurate. The variables showed high correlations with red and green bands, and with the vegetation indices of SPOT 7 sensor, whereas for LANDSAT 8 were not significant. The ratio estimators had the nearest values to the traditional forestry inventory, but when mapping LAI and Tb these variables showed high errors, therefore, a multiple linear regression model was fitted for prediction and mapping. The use of spectral information for estimating forestry variables is an alternative and useful method on a large scale.