Evaluación de los recursos de biomasa residual forestal mediante imágenes satelitales Landsat y SIG Evaluación de los recursos de biomasa residual forestal mediante imágenes satelitales Landsat y SIG

1. RESUMEN ANALÍTICO
ARTÍCULO: Evaluación de los recursos de biomasa residual forestal mediante
imágenes satelitales Landsat y SIG
Autor: Bone Quiñonez Bryan Alexander
ANALIS DEL CONTENDIO.
En diversas investigaciones realizadas por autores se han manifestado sobre la existencia
de correlaciones entre la biomasa forestal y la información de imágenes de satélites, esto
mediante aplicación de tecnologías como la teledetección para realizar presentaciones de
biomasa de forma cuantificada otorgando grandes ventajas ante los inventarios forestales
que se han realizado tradicionalmente. En diversos artículos realizados dirigidas al
estudio de la biomasa residual forestal, ha habido una falta en la aplicación de la
teledetección sino más bien de los inventarios tradicionales.
El autor indica que la biomasa residual forestal tiene como ejercicio proveer material
energético beneficioso en los aspectos medioambientales y socio – económicos.
Articulando que el desarrollo de metodologías para la evaluación de esta biomasa residual
de los bosques mediante la aplicación de la regresión logística a partir de una imagen
Landsat, información cartográfica y una variedad de mapas forestales de Argón. Para lo
cual toma como referencia el trabajo de campo y las parcelas aplicadas en inventarios
nacionales, todo esto usado consigo para la ejecución del análisis de biomasa obteniendo
que los resultados indiquen que el neocanal MSI, TM4 y las variables del nivel de
madurez son los que predicen de mejor manera datos para evaluar estos recursos.
Se entiende como biomasa residual forestal a todas las partes del árbol que se desprende
de su fuste principal debido a tratamientos aplicados a las masas forestales para la defensa
y mejora de éstas, como a los generados en aprovechamientos madereros finales, entre
esta biomasa se menciona (ramas, hojas, acículas y despuntes). Así pues, estos residuos
pueden tener su origen en actividades silvícolas muy diversas como podas, trasmochos,
clareos, claras, cortas finales, cuyos objetivos pueden ser muy variados: creación de
cortafuegos, apertura de caminos para líneas eléctricas, cortas fitosanitarias,
aprovechamiento maderero. Los tratamientos más comúnmente aplicados a estos residuos
son la quema controlada o el amontonamiento en el monte, siendo pocas veces triturada
o astillada en el monte para favorecer su rápida incorporación al horizonte orgánico.
Esta investigación esta incurrida como aporte al Plan de Fomento de las Energías
Renovables en España formado en respuesta a la necesidad de promocionar una política
energética que, por un lado, disminuyera la excesiva dependencia exterior y por otro,
preservara el medio ambiente y asegurara un desarrollo sostenible. En donde el autor nos
señala que es importante entender que la biomasa no puede ser medida directamente
mediante imágenes de satélite, pero la información de reflectividad proporcionada por
éstas sí que puede ser relacionada con la biomasa estimada a partir de trabajo de campo
y este mismo principio se puede aplicar a la biomasa residual.
El objetivo que se persigue en esta investigación está enfocado en el desarrollo de una
metodología eficaz para localizar y estimar la biomasa residual de los bosques de la
provincia de Teruel mediante ajustes de regresión logística entre los datos obtenidos a

2. partir de ecuaciones estimativas de biomasa residual forestal aplicadas a las parcelas del
IFN-2 (variable dependiente) y los registros de una imagen de satélite Landsat 5 TM, de
variables topográficas y de variables derivadas del Mapa Forestal de Aragón (variables
independientes). Este procedimiento permitirá inventariar los montes de Teruel respecto
a una variable hasta ahora no utilizada, los residuos energéticamente aprovechables que
se obtendrían si se realizaran los tratamientos silvícolas adecuados. Para lo cual a tomado
cono área de estudio la provincia de Teruel que tiene una extensión de 14.804 km2,
presentando una superficie catalogada como terreno forestal del 27%, este porcentaje
pone de manifiesto la importancia de la cubierta forestal de esta provincia. Sin embargo,
su distribución no es uniforme, concentrándose la mayor parte de la riqueza forestal en
las sierras ibéricas. Aplicando métodos basados en el contexto de las nuevas tecnologías
de la información geográfica, como fuentes de información y herramientas para la gestión
forestal. La escala de trabajo elegida fue 1:50.000, adecuada para el trabajo con imágenes
Landsat y a la cual viene referida la información forestal utilizada, además uso un método
estadístico de análisis empleado es la regresión logística, mediante el cual se puede
especializar la probabilidad de existencia de recursos de biomasa residual y programas
informáticos como: Erdas Imagine 8.7 para el tratamiento digital de la imagen de
satélite, ArcGis-ArcInfo 8.3 para el tratamiento de la información auxiliar y la edición
de la cartografía y SPSS 12.0 para el tratamiento estadístico.
Como herramienta satelital utilizo una imagen Landsat 5 TM registrada el 29 de junio de
1994, en la cual está contenida la prácticamente la totalidad de la provincia de Teruel. La
elección de esta imagen obedece a que es sincrónica a los trabajos de campo del IFN-2
de la provincia de Teruel y está libre de nubes en su mayor parte. Además, las imágenes
de verano son las más utilizadas en trabajos forestales con teledetección, sobre esta
imagen se aplicaron pretratamientos de corrección geométrica y radiométrica al objeto de
poder integrarla con otras fuentes cartográficas en el contexto de un SIG. Esta es una tarea
larga, compleja y crítica para la bondad de los resultados. El autor indica que utilizar una
precisa corrección geométrica es importante ya que se conoce que la imagen es
relacionada con datos de campo, indicando que al georeferenciar la imagen Landsat a un
sistema local de proyección UTM se utilizó 125 puntos de control tomados sobre un
mosaico de ortofotografías aéreas de resolución espacial de un metro y un modelo digital
de elevaciones (MDE) de 30 m de resolución generado a partir de las hojas de la Base
Cartográfica Nacional 1:25.000
El resultado que obtuvo con todos los procesos realizados a la imagen Landsat fue una
imagen con seis bandas en la que la información está expresada en de reflectividad (tantos
por cien): TM1 (azul visible, 0,45-0,52 P m), TM2 (verde 0,52-0,60 P m), TM3 (rojo
visible, 0,63-0,69 P m), TM4 (infrarrojo próximo, 0,76-0,90 P m), (infrarrojo medio,
1,55-1,75 P m) y TM7 (infrarrojo medio, 2,08-2,35 P m). Sobre ella se efectuó una serie
de transformaciones dirigidas a la obtención de neocanales que aumenten la explicativa
de la información espectral: Análisis de Componentes Principales, y diversos índices,
como el Normalized Difference Vegetation Index (SAVI), el Optimize Soil Adjusted
Vegetation Index valores visible, TM5 aplicaron capacidad Transformación Tasseled-
Cap (NDVI), el Soil Adjusted Vegetation Index (OSAVI), el Generalize Moisture Stress
Index Soil (MSI), el Adjusted Vegetation Index Middle Infrared Wavelengths (GESAVI),
el (MID57) y el Green Albedo Index (ABD).

3. Para el análisis de las variables topográficas utilizo de herramientas SIG y las derivo, a
partir del MDE, las siguientes coberturas topográficas: elevación, pendiente, orientación,
insolación potencial anual, insolación potencial en los equinoccios de primavera y otoño,
insolación potencial en los solsticios de invierno y verano y curvatura de la superficie.
Todas estas variables independientes, a excepción de la orientación, fueron incorporadas
al modelo como variables continuas.
El trabajo de campo lo realizo mediante un muestreo estratificado por especies, siendo la
distribución del muestreo en cada especie proporcional a la información de número de
pies, volumen de leñas y área basimétrica mostrada en el IFN-2, con un rango para cada
especie desde 7,5 a 40 cm de diámetro normal. Dado el carácter destructivo del muestreo,
las áreas de estudio fueron aquellos montes gestionados por el Servicio Provincial de
Medio Ambiente de la Provincia de Teruel en los que se realizaron tratamientos silvícolas
durante noviembre de 2003 y junio de 2004.
Para obtener el peso en húmedo de la biomasa residual de cada individuo utilizó una
precisión de 250 gramos. Como medidas dimensionales de cada individuo se diámetro
normal y la altura, precisión centimétrica. Debido a la variación en humedad de las
muestras, de cada pie se recogieron muestras de las ramas y acículas para obtener el peso
en seco, utilizando el método descrito en Joosten de secado a 105º C hasta pesada
constante. Tras un análisis estadístico riguroso se obtuvo una ecuación de biomasa
residual específica para cada especie con un R 2 superior a 0,90 en todas ellas. Una vez
obtenida la información de biomasa residual para cada una de las parcelas seleccionadas,
ésta se añadió a una tabla junto a todas las variables recogidas en el IFN-2, incluyéndose
la localización en coordenadas UTM de cada parcela. Para evitar la complejidad debida
a la mezcla de signaturas espectrales de distintas especies en la información espectral
proporcionada por la imagen Landsat, solamente las parcelas de composición
monoespecífica fueron seleccionadas. Con esta información se generó una cartografía de
tipo puntual que fue superpuesta sobre la imagen de satélite. Al final de este proceso de
selección se obtuvo una cartografía puntual con un total de 482 parcelas.
En la obtención de información de las distintas variables radiométricas, topográficas y
forestales derivadas de la imagen Landsat 5 TM, del MDE y del Mapa Forestal de Aragón
1:50.000, respectivamente, las incorporo en un solo archivo multibanda garantizando la
misma georeferenciación en todas las capas. Sobre este multibanda se superpuso la
cartografía puntual de biomasa residual forestal para extraer la información. Para ello,
utilizó una ventana de tamaño de 3 x 3 píxeles centrada sobre cada una de las parcelas y
se calculó la media y la desviación estándar de cada una de las variables seleccionadas.
Luego de haber realizados todos los procesos y cálculos correspondientes el autor para
validar el modelo decidió dividir la muestra al azar en dos grupos: el 20% de la muestra
fue reservado para la validación, mientras que el 80% restante fue utilizado para el ajuste
del modelo de regresión logística. Esta división de la muestra se hizo de forma aleatoria
para que cualquier ordenación de los datos no afectara a los procesos de estimación y
validación. Además, para valorar la robustez del modelo, la división aleatoria de la
muestra lo realizó en cinco ocasiones, calculando el respectivo modelo y la validación en
cada una de ellas. La repetición de las variables seleccionadas en cada modelo, la
similitud de sus coeficientes y el de los porcentajes de acierto en la tabla de clasificación,

4. serán los indicadores de que el modelo es independiente de la selección aleatoria de los
datos. Dado que, como se ha indicado anteriormente, el único requisito que debe cumplir
la regresión logística es la ausencia de correlación entre las variables independientes, es
necesario analizar esta condición de forma previa al cálculo del modelo. Así pues, después
de este análisis, sólo las variables mejor correlacionadas con la biomasa residual que no
estén auto-correlacionadas entre sí pasarán a la fase de ajuste del modelo.
Entre los resultados obtenidos en la presente investigación el autor señala las siguientes
afirmaciones:
Al relacionar la biomasa residual forestal con las variables independientes consideradas
comprueba que las variables radiométricas serán las que mayor influencia tengan en el
ajuste del modelo de regresión logística, pudiendo aparecer alguna topográfica como
complementaria.
El análisis de las correlaciones entre biomasa residual y las variables radiométricas
muestra que éstas no son muy elevadas, ninguno de los coeficientes alcanzo el valor de
0,50.
Los mejores coeficientes se obtienen con las variables que ofrecen información sobre
humedad (MSI, MID57, TC3, TM7 y TM5) y los índices de vegetación utilizados
(NDVI, OSAVI, SAVI).
Se decidió que MSI y TM4 fueran las variables radiométricas a introducir en el cálculo
del modelo de regresión logística debido a que, por un lado, la variable MSI presenta una
correlación con la biomasa residual algo mayor que NDVI y OSAVI y, por otro –y más
importante.
El autor mediante en su trabajo concluye que es necesario apuntar que los resultados
obtenidos en el análisis de las correlaciones, así como los R 2 de Nagelkerque del modelo,
indican que el modelo obtenido es susceptible de ser mejorado. Esto es debido, entre otros
factores, a la heterogeneidad de los bosques mediterráneos, que hace que la relación entre
variables forestales y variables radiométricas no sea tan alta como las observadas en otros
medios forestales más homogéneos. Para ello parece necesario el ensayo de técnicas que
permitan reducir variabilidad de la muestra conservando un número suficiente y
representativo de parcelas que no comprometa la bondad y la utilidad de los resultados.
BIBLIOGRAFÍA
García, Martín, Alberto, et al. Evaluación de los recursos de biomasa residual forestal
mediante imágenes del satélite landsat y SIG, Asociación de Geógrafos Españoles, 2009.
ProQuest Ebook Central,
https://ebookcentral.proquest.com/lib/uteclvtsp/detail.action?docID=3180027.