ESTIMA DE LA BIOMASA ARBÓREA A PARTIR DE DATOS DE TOPOCLIMÁTICAS E ÍNDICES DE VEGETACIÓN. Andrea Duane Bernedo. Lluís Pesquer Jordi Vayreda

Transcripción

1 ESTIMA DE LA BIOMASA ARBÓREA A PARTIR DE DATOS DE INVENTARIOS FORESTALES EN RELACIÓN CON VARIABLES TOPOCLIMÁTICAS E ÍNDICES DE VEGETACIÓN Andrea Duane Bernedo José Ángel Burriel Lluís Pesquer Jordi Vayreda Centre Tecnològic Forestal de Catalunya a Centre de Recerca Ecològica i Aplicacions Forestals Vitoria, 11 de junio de 2013

2 INTRODUCCIÓN Y CONTEXTO Importancia de la cuantificación y cartografía de la biomasa forestal arbórea - Evaluación del Riesgo de Incendio Forestal - Cálculo de Capacidad Potencial de Almacenaje aje de Carbono o de los Montes IFNs DBH y H BAT Cómo extender la información discreta de los inventarios por el territorio? Los datos procedentes de la teledetección pueden ser útiles para la estima de diferentes variables forestales - Los resultados no siempre son robustos - No existe una relación directa entre reflectancia y cantidad d de biomasa arbórea. Mapa de peligro básico de Incendio Forestal de Cataluña (Servei de Prevenció d Incendis de la Generalitat ) evalúa el riesgo de incendio forestal de Cataluña. Tiene en cuenta la variable biomasa forestal determinando la cantidad de combustible disponible. Su cálculo se realiza a partir de polígonos de Thiessen. La interpolación presenta carencias debido a la heterogeneidad del paisaje.

3 OBJETIVOS Determinar un modelo estadístico para predecir la cantidad de biomasa arbórea aérea total en cada punto del territorio forestal de Cataluña A partir de variables de las cuales tengamos información extendida por el territorio: variables climáticas variables topográficas variables derivadas de la información radiométrica procedente de imágenes de satélite Al mismo tiempo, se quiere analizar la aportación específica al modelo de las variables derivadas de los productos de teledetección

4 METODOLOGÍA Ámbito de estudio 41% del territorio cubierto de masas boscosas (MCSC, Ibáñez y Burriel 2010) Preparación de la variable respuesta Datos del IFN3 (9994 parcelas, muestreo en año en Cataluña) Biomasa arbórea (BAT) aérea de la especie principal de cada parcela bajo el criterio de área basal. La BAT se calcula a partir de ecuaciones mediante los datos de los árboles

5 METODOLOGÍA Preparación de las variables independientes: Variables climáticas: temperatura máxima media de verano, temperatura mínima media de invierno, precipitación anual, amplitud térmica anual, radiación anual y de verano Variables topográficas: altitud, pendiente y orientación Variables forestales: tipo de vegetación y tipo de propiedad (pública o privada) Imágenes Landsat 7 ETM+ Índices de vegetación: Imágenes Landsat-7 ETM+ ( ) 23 imágenes órbita Lleida-Tarragona(nº198) Corrección radiométrica 17 imágenes órbita Girona-Barcelona (nº197) Máscara de nubes Máscara de nieve Unión en una única imagen patrón interanual

6 METODOLOGÍA Índices de vegetación: Análisis Componentes Principales Transformación TASSELED CAP NDVI RVI SAVI TSAVI EVI

7 METODOLOGÍA BIOMASA ARBÓREA Variables Topográficas: -Altitud -Orientación - Pendiente Variables Climáticas: - Temperatura máxima verano -Temperatura mínima invierno - Amplitud térmica anual - Precipitación anual - Radiación anual y estival Índices de vegetación : -ACP Variables Forestales: - Tasseled Cap -Tipo de -NDVI formación boscosa -SAVI - Tipo de gestión -TSAVI - EVI -RVI

8 METODOLOGÍA A partir del software R se ajusta el mejor modelo para estimar la biomasa mediante un Modelo General Lineal (GLM). 1. Estudio de la naturaleza de la variable dependiente 2. Estudio de las correlaciones entre variables y obtención de las variables del modelo inicial 3. Obtención del modelo Se descartan las parcelas que han sido afectadas por un incendio forestal durante los años de muestreo. Metodología Akaike Information Criteria: Stepwise (backward and forward) Pruebas con diferentes recubrimientos forestales Nivel de significación del modelo Estudio de la naturaleza de los residuos 4. Validación del modelo RMS (Root Mean Square) 4 submuestras diferentes de diferentes proporciones

9 RESULTADOS - Histograma de la variable respuesta y del logaritmo de la variable respuesta -Obtención del modelo: -Estadísticos del proceso - Estudio de los residuos Modelo r 2 Número de variables AIC Inicial Final Se realizan pruebas con diferentes recubrimientos forestales pero el modelo no mejora.

10 RESULTADOS LnBAT= Ordenada a l origen= ( )Otros Caducifolios -- ( )Otras Coníferas ( )Radiación 0002)R ió Anual --- ( )Otros Perennifolios --- (0.0732)Tª Min Invierno (0.4609)Abeto (0.0511)Amplitud Térmica Anual + (0.6663)Haya (0.0006)Precipitación Anual (0.0771)Pino Carrasco + ( ) Tª Max Verano - (0.0605)Pino salgareño (0.0598)Pino negro ( )Pendiente - (0.0996)Pino albar + + (0.0002)Altitud (0.1728)Robles (0.0413)Norte 0413)N (0.0549)Oeste + (0.0008)ACP (0.3322)Planas (1.4440)NDVI ( )Sud (0.0376)RVI + (8.3970)TC_Humedad + + +

11 RESULTADOS - Aplicación del modelo: Biomasa aérea forestal en Cataluña - Validación del modelo: RMS de la validación en diferentes proporciones Porcentaje submuestra modelo Porcentaje submuestra validación Selección aleatoria submuestra r 2 RMS A B C D A B C D A B C D

12 CONCLUSIONES Aunque el modelo tenga finalidades predictivas, también ayuda a entender mejor el papel de las diferentes variables que influyen en la cantidad de biomasa forestal. La mejora del coeficiente de determinación al modelo en añadir las variables de teledetección es de 0.16 puntos. Esta mejora es la mayor aportación del presente trabajo. La validación mediante el RMS muestra un modelo robusto en sus calibraciones, aunque poco exacto en sus estimaciones. Se pretende mejorar la robustez y ampliar los horizontes actuales añadiendo otras variables más explicativas y afinando la información de la teledetección. Ante posibles escenarios de cambio climático y sus repercusiones sobre la vegetación en climas temperados, el presente trabajo muestra una metodología que permite estimar la biomasa arbórea forestal en climas mediterráneos.

13 Agradecimientos: El proyecto está enmarcado dentro del Máster de Teledetección y SIG impartido por el CREAF y ha sido cofinanciado por el Proyecto Fecyt Once (CREAF) y por el proyecto Bionovel (CGL ) Contacto: Andrea.duane@ctfc.es