Estimación de variables dasométricas del bosque templado de Hidalgo, México mediante datos espectrales y del Inventario Nacional Forestal

Abstract

Los métodos basados en la percepción remota son herramientas importantes para la medición de variables biofísicas del bosque a un costo menor y a una escala espacial y temporal mayor. En este trabajo se analiza la relación existente entre datos del Inventario Nacional Forestal y de Suelos (INFyS) y datos espectrales provenientes de imágenes de la plataforma SPOT correspondientes al bosque templado y bosque mesófilo de Hidalgo, México. Las estimaciones del área basal (AB), volumen (VOL) y cobertura arbórea (COB) se realizaron mediante cuatro enfoques: 1) Análisis de regresión lineal múltiple, 2) El procedimiento no paramétrico K vecino más cercano (K-nn), 3) Estimadores de razón y regresión, y 4) Inventario forestal tradicional. Las estimaciones totales derivadas de los tres primeros métodos se encuentran dentro del intervalo de confianza del 95 % del inventario forestal tradicional, siendo los estimadores de razón y regresión los más cercanos con AB= 5,469,636 m2, VOL= 30,372,039 m3 y COB= 52.06 % para bosque templado y 67.18 % para bosque mesófilo. Las estimaciones con el algoritmo K-nn fueron muy similares con un total de AB= 5,542,808 m2, VOL= 29,839,360 m3 y COB= 51.42 % y 66.98 % para los dos grupos de vegetación considerados. Finalmente, las estimaciones totales de la regresión lineal fueron más conservadoras con AB= 5,315,590 m2, VOL= 29,533,000 m2 y la COB = 52.47 % y 66.87 % para bosque templado y bosque mesófilo. Los resultados encontrados sugieren que existe una buena correlación entre los datos del INFyS y las bandas espectrales del satélite SPOT; particularmente con la verde, el infrarrojo cercano e infrarrojo medio así como con índices y cocientes basados en estas bandas. Las estimaciones en el bosque mesófilo fueron menos precisas en comparación con el bosque templado. _______________ ESTIMATING DASOMETRIC VARIABLES IN THE TEMPERATE FOREST OF HIDALGO, MEXICO USING SPECTRAL AND NATIONAL FOREST INVENTORY DATA. ABSTRACT: Remote sensing based methods are important tools for measuring forest biophysical variables at a lower cost and greater spatial and temporal scales. This research analyzes the relationships between National Forest and Soils Inventory (INFyS) data and spectral data from images of the SPOT platform taken in temperate and cloud forests located in Hidalgo, Mexico. Basal area (BA), wood volume (VOL) and tree cover (COB) estimates were performed using four approaches: 1) Multiple linear regression analysis, 2) The nonparametric procedure known as K nearest neighbor (K-nn), 3) Ratio and regression estimators, and 4) Traditional forest inventory analysis. Total variable estimates from the first three methods are within the 95 % confidence interval of the traditional forest inventory; being the ratio and regression estimators method the one that provides the closest calculations to it with AB= 5,469,636 m2, VOL= 30,372,039 m3 and COB= 52.06 % for temperate forest and 67.18 % for cloud forest. Estimates through the K-nn algorithm were very similar with a total AB= 5,542,808 m2, VOL= 29,839,360 m3 and COB= 51.42 % and 66.98 % for both groups of vegetation considered. Finally, total variable estimates through the linear regression analysis method were more conservative with AB= 5,315,590 m2, VOL= 29,533,000 m3 and COB= 52.47 % and 66.87 % for temperate forest and cloud forest respectively. Found results suggest a good correlation between INFyS and SPOT spectral data, particularly with the green, near infrared and mid-infrared bands, as well as with indices and simple ratios built using these bands. Estimates for the cloud forest were less precise compared with estimates for the temperate forests.