Cartografía de la biomasa aérea total en masas de Pinus Radiata D. Don a partir de datos públicos LiDAR-PNOA e inventario forestal nacional
Lekuona Zuazo, I. ; Montealegre Gracia, A.L. (Universidad de Zaragoza) ; Lamelas Gracia, M.T.
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, España), a partir de los datos de teledetección LiDAR (Light Detection And Ranging) del PNOA (Plan Nacional de Ortofotografía Aérea) y los datos de campo del IFN4 (Cuarto Inventario Forestal Nacional). 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.
The estimation of total aboveground biomass (hereinafter referred as biomass) is required to understand the structure and dynamics of forest ecosystems. The main objective of this study is to estimate and map the biomass of Pinus radiata D. Don forest stands located in the Arratia-Nerbioi region (Bizkaia, Spain). LiDAR remote sensing data from the National Plan for Aerial Ortophotography (PNOA) and the information obtained by the Fourth National Forest Inventory (IFN4) have been used. The biomass was calculated in 51 IFN4 field plots applying the allometric equation from Montero et al. (2005). Finally, a multivariate linear regression analysis allowed the generation of a biomass predictive model, which was validated using the leave one-out cross-validation technique. The coefficient of determination of the model was 0.67. A correlation analysis between the values of biomass at plot-level and the values predicted by different pixel sizes, allowed the selection of the best resolution for mapping.
Idioma: Español
DOI: 10.21138/GF.539
Año: 2017
Publicado en: Geofocus (Madrid) 20 (2017), 87-107
ISSN: 1578-5157
Factor impacto SCIMAGO:
Tipo y forma: Article (Published version)
Área (Departamento): Geografía Humana (Departamento de Geografía y Ordenación del Territorio)
Exportado de SIDERAL (2018-05-31-09:48:57)
The estimation of total aboveground biomass (hereinafter referred as biomass) is required to understand the structure and dynamics of forest ecosystems. The main objective of this study is to estimate and map the biomass of Pinus radiata D. Don forest stands located in the Arratia-Nerbioi region (Bizkaia, Spain). LiDAR remote sensing data from the National Plan for Aerial Ortophotography (PNOA) and the information obtained by the Fourth National Forest Inventory (IFN4) have been used. The biomass was calculated in 51 IFN4 field plots applying the allometric equation from Montero et al. (2005). Finally, a multivariate linear regression analysis allowed the generation of a biomass predictive model, which was validated using the leave one-out cross-validation technique. The coefficient of determination of the model was 0.67. A correlation analysis between the values of biomass at plot-level and the values predicted by different pixel sizes, allowed the selection of the best resolution for mapping.
Idioma: Español
DOI: 10.21138/GF.539
Año: 2017
Publicado en: Geofocus (Madrid) 20 (2017), 87-107
ISSN: 1578-5157
Factor impacto SCIMAGO:
Tipo y forma: Article (Published version)
Área (Departamento): Geografía Humana (Departamento de Geografía y Ordenación del Territorio)
Exportado de SIDERAL (2018-05-31-09:48:57)
Este artículo se encuentra en las siguientes colecciones:
articulos > articulos-por-area > geografia_humana
Notice créée le 2018-04-18, modifiée le 2018-05-31