Espacialidad volumétrica de madera en plantaciones forestales usando redes neurales artificiales con imágenes de satélite

Abstract

La agricultura sustentable de plantaciones forestales exige la estimación permanente de la cantidad o volumen de madera que se está produciendo en un momento dado, lo que es difícil en extensas áreas de bosque, si solo se utilizan procedimientos manuales en campo. En la presente investigación se modelaron redes neuronales artificiales (ANNs, su sigla en inglés) de perceptrón multicapa para la estimación espacial de volúmenes de madera en una plantación de Eucalyptus sp. localizada en el estado de Mato Grosso del Sur, región Centro-oeste de Brasil. Para el efecto se emplearon como variables de predicción bandas espectrales, texturas de las bandas obtenidos con matriz de coocurrencia de niveles de grises e índice de vegetación, que fueron derivados de imagen digital de satélite Spot 6. La ANN resultante con mejor desempeño presentó una precisión de 93.32% y un coeficiente de determinación de 0.9761, con respecto a valores obtenidos con medidas de campo; no obstante, presentó un error cuadrático medio relativo de 16.32% (RMSE de 7.85 m3/ha), pero la distribución de los residuos no fue tendenciosa, por tanto, el modelo fue promisorio para mapear los volúmenes de madera en extensas áreas sin sobreestimar o subestimar la predicción. La red construida mostró mayor precisión y exactitud cuándo se comparó con otros métodos que usaron variables similares de estimación, inclusive en comparación con modelos neuronales que utilizaron solo bandas espectrales e índices de vegetación.

Las epífitas vasculares en un ambiente urbano están influidas por características del arbolado, el clima y las fuentes de propágulos

“…El NDVI es un parámetro biofísico muy utilizado para detectar biomasa fotosintéticamente activa, basado en la absorción y la reflectancia lumínica de las plantas. Está asociado al nivel de absorción de luz roja por la clorofila en las plantas y la reflectancia en la longitud E������� ���������� �� �� �������� ������ ₃₆₁ de onda del infrarrojo cercano, y se estima como: NDVI=(NIR-RED)/(NIR+RED), donde NIR es la banda del infrarrojo cercano y RED es la del rojo (bandas 5 y 4, respectivamente, en Landsat 8) (Bhandari et al 2012;Arteaga et al 2019). Toma valores entre -1 y 1; los más altos denotan una vegetación saludable y vigorosa (Rosell and Vicente 2016).…”

Artificial neural networks and remote sensing for volumetric prediction in a Eucalyptus sp. plantation

“…In addition to all the aforementioned investigations, several studies have been carried out worldwide in different types of forest stands using ANN to estimate the volume of biomass and other morphological parameters of the trees, mainly using data obtained from field work and disregarding information from remote sensing (Bhering et al, 2015;Gorgens et al, 2009;Ingram et al, 2005;Jutras et al, 2009;Martins et al, 2016;Silva et al, 2009;Tavares Júnior et al, 2019;Vahedi, 2016 From what has been observed, there are only a few studies on estimating stand volume or stand parameters using ANN and remote sensing data such as from Landsat, SPOT and SAR images (dos Reis et al, 2018;Miguel et al, 2015;Moreno et al, 2019;Sakici & Günlü, 2018;Santi et al, 2015;Zhou et al, 2020). Zhou et al (2020) applied ANN to determine the volume of pine wood in a forest area in China, with images from the SPOT satellite.…”

“…Miguel et al (2015) evaluated the effectiveness of ANN in predicting the volume of wood in tree vegetation in a Brazilian Savanna area from spectral bands and vegetation indexes using images from the Resourcesat-1 satellite. Similarly, Moreno et al (2019) quantified the wood volume from Eucalyptus sp. with satellite images obtained from SPOT 6.…”