SciELO - Scientific Electronic Library Online

 
vol.19 issue45Classification model in different forest strata in a floodplain environment using artificial neural networksNutrient content in soil and in copaiba leaves (Copaifera langsdorffii Desf.) in different phytophysionomies author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Revista Forestal Mesoamericana Kurú

On-line version ISSN 2215-2504

Abstract

PFUTZ, Iasmin Fernanda Portela et al. Modelización geoestadística y datos de teledetección para mejorar la predicción de variables dendrométricas en el rodal de Tectona grandis L. f. Kurú [online]. 2022, vol.19, n.45, pp.71-83. ISSN 2215-2504.  http://dx.doi.org/10.18845/rfmk.v19i45.6327.

El conocimiento detallado de la estructura de las plantaciones de teca es necesario para los planes de gestión sostenible. La integración de variables de teledetección con la modelización geoestadística en plantaciones de teca ha sido poco estudiada y, por tanto, el objetivo consistía en modelizar la distribución espacial de las variables del rodal de teca, incorporando covariables. El estudio se realizó en plantaciones de teca de 19 años en Brasil con 213 hectáreas en el espacio inicial de 3 m x 3 m. Se asignaron parcelas georreferenciadas de 900 m² y se obtuvieron las variables forestales después del clareo. Los índices de vegetación se calcularon a partir de operaciones aritméticas ejecutadas entre las bandas de imágenes Landsat. La interpolación de las variables forestales se procedió por el método geoestadístico univariante de kriging ordinario, así como por el método multivariante de kriging con deriva externa, considerando las variables de teledetección como covariables. El análisis estadístico de las variables de teledetección muestra una discreta correlación lineal con las variables de la teca, lo que tiende a hacer inviable su uso como covariables en la modelización geoestadística. Sin embargo, el kriging con deriva externa predice los patrones espaciales de las variables forestales con mayor detalle, lo que da como resultado a posibles errores de suavización menores que los obtenidos por el kriging ordinario, y proporciona recomendaciones más precisas para la gestión localizada en plantaciones de teca. La integración de variables de teledetección en el inventario forestal mediante geoestadística es ventajosa para cartografiar la distribución espacial de las variables de los rodales de teca.

Keywords : Kriging with external drift; vegetation indices; teak; Kriging con deriva externa; índices de vegetación; teca..

        · abstract in English     · text in English     · English ( pdf )