La selección del sitio adecuado para establecer plantaciones forestales es crucial si se desea maximizar su probabilidad de éxito. Los análisis de aptitud de tierras sirven para ese propósito al empatar los requerimientos ecológicos de las especies a plantar con el potencial productivo del suelo y con las condiciones climáticas existentes para el crecimiento óptimo de las especies elegidas. Este estudio describe un modelo, desarrollado en el marco del proceso analítico jerárquico y la asignación de tierras multiobjetivo e integrado en un sistema de información geográfica, para seleccionar el sitio óptimo para el establecimiento de plantaciones forestales comerciales en los municipios Durango, Nombre de Dios y Súchil, del estado de Durango, México, considerando seis especies de pino (Pinus engelmannii, P. leiophylla, P. arizonica, P. cembroides, P.chihuahuana y P. durangensis). El modelo es jerárquico, considera criterios y subcriterios climáticos, edafológicos y topográficos que afectan la localización de áreas adecuadas para establecer plantaciones forestales comerciales. Los valores de los subcriterios fueron estandarizados, ponderados y ordenados mediante matrices de comparaciones pareadas, considerando su importancia para el desarrollo de plantaciones. El modelo inicialmente cuantificó la aptitud de la tierra para establecer plantaciones forestales. Posteriormente, los resultados de aptitud se optimizaron mediante un procedimiento multiobjetivo para identificar la mejor especie a plantar en la zona bajo cuatro escenarios de decisión: turno de producción, calidad de la madera, supervivencia y susceptibilidad a plagas y enfermedades. Los resultados indican que el municipio de Durango presenta la mayor cantidad de áreas óptimas para establecer plantaciones forestales con las especies analizadas.
La estimación y el mapeo de la biomasa aérea sobre áreas extensas puede realizarse haciendo uso de las herramientas que ofrece la percepción remota. El objetivo de este estudio fue estimar la biomasa aérea de dos tipos de selva mediana: subperennifolia (SMSP) y subcaducifolia (SMSC) en la península de Yucatán, México, empleando métricas generadas a partir de datos Light Detection and Ranging (LiDAR). Se usaron datos de 365 unidades de muestreo del Inventario Nacional Forestal y de Suelos (INFyS) de México para calibrar modelos de biomasa aérea usando regresión lineal múltiple y Random Forest (RF). Con estos modelos se mapeó la biomasa aérea sobre franjas de datos LiDAR. El modelo de regresión transformado logró explicar la varianza en un 62% (RMSE = 41.44 Mg ha-1 para SMSP y 36.60 Mg ha-1 para SMSC) para ambos tipos de vegetación. Los modelos generados a través de RF lograron explicar la varianza en un 57% (RMSE = 40.73 Mg ha-1) para la SMSP y solo de 52% (RMSE = 35.10 Mg Ha-1) para la SMSC. El desfase entre la toma de datos en campo y LiDAR, así como el error en la precisión de las coordenadas de los sitios de inventario, son factores reconocidos que influyeron en los resultados. A pesar de lo anterior, las estimaciones obtenidas podrían servir de base para estimar el inventario completo de biomasa en el área de estudio incorporando datos espectrales derivados de un sensor remoto que cubra la totalidad de esta.
Tree beta-diversity denotes the variation in species composition at stand level, it is a key indicator of forest degradation, and is conjointly required with alpha-diversity for management decision making but has seldom been considered. Our aim was to map it in a continuous way with remote sensing technologies over a tropical landscape with different disturbance histories. We extracted a floristic gradient of dissimilarity through a non-metric multidimensional scaling ordination based on the ecological importance value of each species, which showed sensitivity to different land use history through significant differences in the gradient scores between the disturbances. After finding strong correlations between the floristic gradient and the rapidEye multispectral textures and LiDAR-derived variables, it was linearly regressed against them; variable selection was performed by fitting mixed-effect models. The redEdge band mean, the Canopy Height Model, and the infrared band variance explained 68% of its spatial variability, each coefficient with a relative importance of 49%, 32.5%, and 18.5% respectively. Our results confirmed the synergic use of LiDAR and multispectral sensors to map tree beta-diversity at stand level. This approach can be used, combined with ground data, to detect effects (either negative or positive) of management practices or natural disturbances on tree species composition.
Los modelos dinámicos de crecimiento y rendimiento maderable son importantes para tomar decisiones en el manejo forestal. Estos modelos predicen la dinámica futura en función de atributos del rodal y son herramientas prácticas para aplicar silvicultura en la planeación del manejo de bosques naturales y plantaciones. En México, teca (Tectona grandis L. f.) es de importancia maderable en plantaciones comerciales; sin embargo, las herramientas de este tipo para el manejo técnico y científico son limitadas. Se desarrolló un sistema de crecimiento y rendimiento maderable (Scrm) explícito para plantaciones de teca establecidas en Campeche, México. El Scrm se conformó de ecuaciones dinámicas de diferencia algebraica ajustadas al utilizar información dasométrica de una red de parcelas permanentes con remediciones. La selección de cada componente del Scrm se basó en un análisis de la bondad de ajuste y en una inspección gráfica para comparar la similitud entre el patrón generado y la tendencia observada, se buscó un balance entre consideraciones estadísticas y tendencias biológicas de crecimiento. La mortalidad se determinó a través de la densidad de plantación inicial y fue sensible al índice de sitio. Se seleccionaron sistemas de crecimiento tipo Schumacher para el área basal y el volumen. A la edad del turno planeado a 19 años y con un índice de sitio de 18 m, se estimaron rendimientos de 152.75 m3 ha-1, 136.86 m3 ha-1 y 113.12 m3 ha-1 para toda la plantación en general, para la densidad de 1250 plantas por hectárea (pl ha-1)y para la densidad de 816 pl ha-1, respectivamente. El Scrm generado permite estimar el volumen total con corteza por hectárea bajo las condiciones locales específicas de establecimiento, de manejo silvícola y de calidad de sitio de las plantaciones de teca analizadas.
El manejo forestal comunitario en México es un esquema de aprovechamiento forestal que promueve el desarrollo local, principalmente en comunidades de escasos recursos. Éste les permite aminorar sus condiciones de marginación y preservar la biodiversidad ecosistémica de sus bosques, además de su riqueza cultural. Para conocer el impacto de este tipo de gestión en las comunidades que lo han adoptado; en este trabajo se presenta la caracterización socioeconómica de San Pedro el Alto, comunidad que ha ejecutado exitosamente un manejo forestal comunitario por alrededor de 35 años. Se recabó información socioeconómica a través de una encuesta conformada por variables referentes a ingreso, educación, empleo, salud y vivienda. Los resultados indican que la gestión forestal empleada por la comunidad se refleja positivamente en nivel de vida de sus habitantes, preservando además sus rasgos culturales. No obstante, también se identificaron importantes áreas de mejora, como el rezago educativo en su población juvenil.
A proposal for characterizing habitat of forests, obtained from an object-oriented classification of a RapidEye multiespectral imagery, based on dissimilarity matrices of vegetation structure, species diversity and composition is presented. The study area is a forested landscape mosaic after slash and burn agriculture (Ac: 8-23 years ago), selective logging (Fs: 43-53 years ago), and selective logging and forest fire (Fc: 21-28 years ago). The site is located in the central part of Quintana Roo, México, where three vegetation patches were delineated according to remotely sensed multiespectral imagery. Mean differences between vegetation structure properties of each vegetation patch were obtained through a permutational multivariate analysis of variance (p <0.001). Species richness, stem density per hectare, and the axis-1 scores of the non-metric multidimensional scaling ordination of specific composition were identified as the vegetation attributes more relevant to differentiate the vegetation patches by a multinomial logistic model. Fc vegetation patch is characterized by the greatest mean values on Shannon-Wiener index, species richness, and stem density. The Fs has the greatest mean values of canopy height, basal area and biomass at 80 percentile, and the Ac vegetation patch has the lowest values of all mentioned metrics. The species with the greatest relative importance value were: Ac: Bursera simaruba and Psidia psipula, Fs: Gymnanthes lucida andManilkara zapota, Fc: G. lucida and B. simaruba. The uncertainty associated with the metrics assessed by vegetation patch was smaller than the uncertainty of the whole area, because of the efficient variability aggregation of the field data. We conclude that multiespectral information is a reliable tool for distinguishing vegetation patches with specific features, as stem density, specific composition, and species richness.
El presente estudio tuvo como objetivo evaluar la eficiencia estadística de seis estimadores de muestreo para plantear una estrategia de muestreo óptima en términos de precisión y tiempo que permita realizar inventarios maderables operativos que apoyen la toma de decisiones orientadas a mejorar el manejo técnico de plantaciones forestales comerciales de Tectona grandis (teca), establecidas en Campeche, México. Para ello, se evaluaron 8 830 sitios de muestreo ubicados en 2 207.5 hectáreas. Cada sitio rectangular de 72 m2 incluyó nueve cepas, se contabilizó el número de árboles vivos y se midió el diámetro normal. La altura total y volumen por árbol se estimaron con modelos tipo Chapman-Richards y Schumacher-Hall, respectivamente. El área basal y el volumen total por sitio se proyectó a nivel de hectárea. Se estratificó por clase de edad; el área basal y la edad de la plantación se utilizaron como variables auxiliares. La estrategia de muestreo para estimar el volumen medio se conformó al asociar como diseño de muestreo al muestreo simple al azar con el estimador de razón específica en muestreo estratificado, con una estratificación por clases de edad de un año y el área basal como variable auxiliar, esto dio la precisión de 0.21 %. El tamaño de muestra en el muestreo estratificado se redujo 68.3 %, con precisión de 2.5 % del muestreo original, lo cual implica que el esfuerzo de muestreo y el tiempo de ejecución para realizar el inventario operativo puede reducirse, con la consecuente disminución de los costos implícitos.
El piso forestal o mantillo es el almacén de carbono que regula la mayoría de los procesos funcionales de los ecosistemas forestales, influyendo directamente en la fertilidad del suelo y en la productividad del sitio. El contenido de carbono en el piso forestal es altamente variable en espacio y tiempo; por ello, obtener evaluaciones precisas del carbono contenido en este almacén representa un desafío metodológico importante a cualquier escala. En este estudio, se compararon cuatro métodos de modelación espacial para mapear el contenido de carbono en el piso forestal de un bosque templado. Los métodos fueron kriging ordinario, modelo lineal generalizado, modelo aditivo generalizado y random forest. Las estimaciones del contenido de carbono fueron realizadas para 2013 y 2018. Las variables predictoras representan la estructura espacial, del dosel y topográfica presente en el área de estudio. Todos los modelos fueron evaluados mediante validación cruzada y se determinó el error medio absoluto, el error cuadrático medio y el coeficiente de determinación. El desempeño de los métodos fue, en orden decreciente: random forest, modelo aditivo generalizado, modelo lineal generalizado y kriging ordinario. El método kriging ordinario reflejó el grado de dependencia espacial del contenido de carbono, pero las estimaciones espaciales fueron poco realistas (R2 ≤ 0.35). El modelo aditivo generalizado y el modelo lineal generalizado mostraron buen desempeño (R2 ≥ 0.70), pero mayor sobreestimación; random forest obtuvo el mejor ajuste (R2 ≥ 0.86) para modelar contenido de carbono en ambos años evaluados. Se concluye que random forest es un método prometedor, con gran potencial para mejorar las estimaciones de carbono en el mantillo a escala de paisaje.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.