Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Satelital y Areo.
Gregory P. Asner
Departamento de Ecologa Global
Institucin Carnegie para la Ciencia
260 Panama Street
Stanford, CA 94305 USA
Tel: 650.462.1047 x202
Email: gpa@stanford.edu
Artculo original:
Asner, GP. 2009. Tropical forest carbon assessment:
integrating satellite and airborne mapping approaches.
Environ. Res. Lett. 4 034009 (11pp)
Traduccin al espaol comisionada por Carnegie Institution,
realizada por Deborah Bigio, MSc.
Favor citar como fuente el texto original en ingls
Disponible en lnea en:
http://iopscience.iop.org/1748-9326/4/3/034009/
G. P. Asner (2009)
Resumen
Se requiere de mapeo a gran escala para apoyar al programa de la UNFCCC para reducir la
deforestacin y la degradacin forestal (REDD, por sus siglas en ingls). Los gerentes de reas
forestales pueden incrementar potencialmente sus crditos de carbono a travs del monitoreo
detallado de la cobertura forestal, ganancias y prdidas (hectreas), y estimaciones peridicas en
los cambios en la densidad de carbono del bosque (toneladas hectrea-1). Los satlites ofrecen
una oportunidad de monitorear cambios en el carbono forestal causados por la deforestacin y la
degradacin, pero solo despus de evaluar las densidades iniciales de carbono. Los nuevos
mtodos areos, especialmente el mtodo LiDAR (Mtodo de Deteccin y Medicin de
Distancias por Luz), ofrecen una forma de estimar la densidad del carbono forestal en grandes
reas, lo cual ayuda en el desarrollo de lneas base prcticas. En este trabajo presento un enfoque
integral satelital-areo que apoya la evaluacin de stock de carbono en alta resolucin y el
monitoreo en regiones de bosque tropical. Este enfoque muestra una lnea base actualizada de
carbono de un bosque regional, seguido por el monitoreo de la cobertura y las alteraciones del
bosque en alta resolucin, para estimar las emisiones de carbono. Los rpidos avances y la
disminucin de los costos en los sectores de mapeo satelital y areo ya estn haciendo viables las
evaluaciones de stocks y emisiones de carbono en cualquier parte del mundo.
1. Introduccin
La Convencin Marco de las Naciones Unidas sobre el Cambio Climtico (UNFCCC) est
facilitando el monitoreo forestal a gran escala para la reduccin de la deforestacin y
degradacin de Bosque (REDD, por sus siglas en ingls, http://
unfccc.int/methods_science/redd/items/4531.php). En apoyo a REDD, el Panel
Intergubernamental sobre el Cambio Climtico (IPCC 2006) ha aportado lineamientos para
asistir a los pases en el desarrollo de metodologas para realizar evaluaciones de carbono. Estos
lineamientos estn organizados en tres niveles, cada uno de los cuales provee de forma sucesiva
mayor precisin y por tanto mayor retorno financiero en la verificacin de los stocks y emisiones
de carbono. El enfoque de Nivel I es el ms general, y se basa en estimaciones nacionales
simples de cobertura boscosa y valores genricos de densidad de carbono (por ejemplo, toneladas
de carbono por hectrea). Los enfoques de Nivel II y Nivel III proveen ms detalles de los stocks
y emisiones de carbono a escala regional y nacional, usando una combinacin de enfoques de
inventario de parcelas, mapeo satelital y modelaje de carbono. Para lograr niveles de precisin de
tipo Nivel III, se debe estimar y modelar los stocks de carbono tanto vivos como muertos, sobre
y bajo la superficie (Gibbs et al. 2007).
En una escala nacional, es probable que muchos pases tropicales dependan inicialmente de los
niveles de precisin del Nivel I que se basan en valores promedio de biomasa y de suelo
asignados para biomasa y grandes regiones geogrficas, sujetos a una gran incertidumbre y por
tanto a menores crditos de carbono (Gibbs et al 2007, Angelsen et al. 2009). Los lineamientos
conservadores de contabilidad del IPCC requieren que los usuarios de las estimaciones de Nivel I
asignen un stock relativamente bajo de carbono por hectrea comparado con lo que se podra
lograr si se llevaran a cabo mediciones ms detalladas. Para desarrollar las capacidades
nacionales y regionales de monitoreo con precisiones mayores de Nivel I se requieren mtodos
de mapeo y modelaje de carbono de alta resolucin, donde la ganancia ser un incremento en el
crdito de carbono, un impulso en el secuestro de carbono y una mejor proteccin de los
ecosistemas.
Gibbs et al. (2007) sealan que en bosques tropicales la mayor cantidad de carbono es
secuestrada en tejidos vivos sobre la superficie (por ejemplo, rboles), con stocks secundarios en
suelos y desechos gruesos de madera. Los stocks de carbono en las races y el suelo componen
en promedio un 20% del carbono total almacenado en los bosques tropicales (Cairns et al. 1997),
y la necromasa producida por la mortalidad de los rboles compone un promedio de 10% de la
biomasa viva sobre la superficie (Brown et al. 1995, Keller et al. 2004). Una excepcin
importante es el gran stock de carbono bajo la superficie que se encuentra en los pantanos de
turba en el sureste de Asia. A pesar de las turberas, la principal incgnita es la biomasa viva
sobre la superficie, y por tanto es el enfoque en este trabajo.
Para monitorear los stocks de carbono, incluyendo las ganancias y prdidas de carbono causadas
por la deforestacin, la degradacin y la recuperacin forestal, se requiere de una combinacin
de informacin: (i) la tasa de cambio en la cobertura boscosa y las alteraciones boscosas, y (ii) la
cantidad de carbono almacenada en el bosque (densidad de carbono en unidades tales como
toneladas de carbono por hectrea: ton C ha-1). Varios satlites miden la cobertura boscosa, la
prdida del dosel y las alteraciones, y las dimensiones de la estructura del bosque (Chambers et
Evaluacin de carbono en bosques tropicales
al. 2007), pero la tecnologa satelital actual no puede medir directamente la densidad de carbono
(GOFC-GOLD 2009). As, los satlites ofrecen una oportunidad para monitorear cambios en el
carbono del bosque causados por la deforestacin y la degradacin, pero solo despus de evaluar
las densidades iniciales de carbono. Tradicionalmente, se han evaluado las densidades de
carbono usando parcelas de inventario en campo, que son muy valiosas pero tambin costosas,
consumen mucho tiempo y estn limitadas inherentemente a la representatividad geogrfica. Un
censo de las principales redes de parcelas en la Amazona sugiere que menos de una millonsima
parte de la regin ha sido medida en campo, si bien es parte de un esfuerzo para la
representatividad estadstica (sintetizado por Phillips et al. 1998, Saatchi et al. 2007). Sin
embargo, la variacin natural de la estructura y biomasa del bosque, combinada con la enorme
extensin geogrfica y la tasa de prdida y de perturbacin del bosque, hace que las parcelas de
campo sean difciles de usar (solas) para evaluar densidades de carbono de bosques tropicales en
grandes reas. Este tipo de monitoreo en campo requerira miles de parcelas y de visitas
regulares que usen tcnicas laboriosas de medicin manual. Se requieren nuevos enfoques para
extender las redes de parcelas de campo, y para cubrir la brecha entre las mediciones de campo y
las observaciones satelitales.
El mapeo areo puede ayudar en el desarrollo de las estimaciones de stocks de carbono en
bosques tropicales (Brown et al. 2005). Los nuevos enfoques areos, especialmente el mtodo de
Deteccin y Medicin de Distancias por Luz (LiDAR), ofrecen un medio para estimar el carbono
del bosque para grandes reas (revisado por Lefsky et al. 2002b). El mapeo LiDAR, cuando se
combina con un nmero modesto de parcelas de validacin en campo, puede arrojar mapas de
carbono de miles de hectreas diarias de vuelo. Estos mapas pueden usarse en un anlisis de
lnea base para iniciar un programa de monitoreo a largo plazo que luego se apoye
primariamente en data satelital y mtodos de anlisis de bajo costo. Sin embargo, dado lo
limitado del trabajo que intenta integrar tecnologas areas en procesos de mapeo de carbono
para REDD, no existen mtodos operativos y ni siquiera propuestas claras para usar estas
tecnologas. Cmo se podran usar los nuevos enfoques de mapeo areo LiDAR con mtodos de
medicin satelital y en parcelas para estimar los stocks de carbono sobre la superficie? Qu tipo
de tecnologa satelital est disponible hoy para apoyar tal enfoque de monitoreo? Este trabajo
presenta un marco conceptual para la integracin de la tecnologa de monitoreo satelital con
mapeo areo poco frecuente y un nmero modesto de parcelas de campo, para establecer lneas
base y monitorear stocks de carbono, su prdida y recuperacin, en bosques a nivel regional. El
enfoque primario de este trabajo es el bosque tropical, pero muchos de los conceptos presentados
son fcilmente transferibles a otros tipos de bosque.
nmero limitado de parcelas de campo; y (d) Integracin del mapa satelital con la data area de
LiDAR y un nmero limitado de parcelas de campo, para establecer estimaciones de stock de
carbono de lnea base, de alta resolucin, a nivel regional. La segunda tarea involucra un
monitoreo a largo plazo de las prdidas y ganancias de carbono usando datos de satlite y
modelos. Esta tarea incluye al menos tres pasos: (i) Monitoreo continuo de las prdidas y
ganancias de cobertura boscosa con el uso de imgenes de satlite; (ii) Conversin del mapeo de
las prdidas y degradaciones en la cobertura boscosa en emisiones de carbono; y (iii) Modelaje
de las ganancias en bosques intactos y de crecimiento secundario. Estas tareas y los pasos que se
requieren para lograrlas, se discuten e ilustran en las secciones que siguen. El ltimo paso, sobre
el modelaje de las ganancias de carbono, solo se cubre parcialmente en este trabajo, pues el
modelaje de la acumulacin de carbono est demostrada y sintetizada en otros trabajos (por
ejemplo, Hirsch et al. 2004, IPCC 2006).
Para fines de evaluaciones de carbono, se puede priorizar el mapa para cubrir reas de bosques
intactos que albergan la mayor biomasa, as como reas de reciente tala selectiva o de
crecimiento secundario, sometidas a una rpida acumulacin de carbono en los aos
subsiguientes a la evaluacin de lnea base (Figura 4).
El mapeo areo LiDAR incluye la planeacin del vuelo, calibracin de sensores, adquisicin de
la data, calibracin de imgenes post-vuelo y las fases de generacin de data en tres dimensiones
(revisado por Lefsky et al. 2002b). Existe un creciente nmero de sistemas LiDAR disponibles
de forma comercial en todo el mundo que pueden ajustarse a estas tareas. De hecho, un anlisis
de mercado reporta que entre 2005 y 2008 hubo un incremento del 75% del nmero de sistemas
areos LiDAR y 53% de incremento en el volumen de operadores LiDAR a nivel mundial
(http://www.caryandassociates.com/marketing_tools/market_reports/rpt4.html). Como resultado,
los operadores LiDAR pueden ofrecer servicios de adquisicin de datos casi en cualquier parte
del mundo hoy en da. La investigacin y los sistemas de demostracin, tales como el
Observatorio Areo Carnegie (CAO; http://cao.ciw.edu), integran LiDAR con otros sensores e
imgenes para facilitar el mapeo de la composicin del bosque y de la estructura en tres
dimensiones, simultneamente (Asner et al. 2007). Independientemente de si la fuente es
comercial, gubernamental o de investigacin, el LiDAR areo ofrece la oportunidad de mapear la
estructura tridimensional del dosel del bosque en ms de 5.000 ha por da, con una resolucin
espacial de 1,0 m.
3.3. Conversin de mediciones LiDAR a densidad de carbono sobre la superficie.
Luego del muestreo areo de LiDAR del mapa forestal estratificado (Figura 4), los datos
estructurales de tres dimensiones del dosel del bosque derivados de LiDAR se pueden usar para
estimar la densidad de carbono areo (ACD, por sus siglas en ingls -medida en unidades de Mg
de carbono ha-1). Este paso requiere un sistema de mediciones LiDAR. Las ecuaciones
alomtricas basadas en tierra se han usado por aos para estimar la ACD a partir de medidas de
campo de dimetros de rboles, altura y densidad de la madera (Brown y Lugo 1984, Chave et
al. 2005). En contraste, las mediciones de LiDAR son nuevas, relacionan medidas areas de la
estructura tridimensional del bosque, incluyendo la altura y el perfil vertical del dosel, con
estimaciones de campo de ACD. Si bien la data bsica de LiDAR tpicamente se recolecta en una
resolucin espacial equivalente a aproximadamente 1 m, usualmente las medidas LiDAR se
promedian a nivel de parcela y luego se regresionan contra estimaciones de ACD a nivel de
parcela (por ejemplo, 0,1 1,0 ha). Este enfoque es paralelo a los estudios de campo
tradicionales que usan medidas manuales de dimetro y altura de rboles para estimar la
biomasa a nivel de parcela.
Hay muchas formas de convertir las medidas LiDAR en estimaciones de densidad de carbono
sobre la superficie. Lefsky et al. (2002a) derivaron las medidas de tres biomas de bosques
boreales y templados, generando la siguiente ecuacin general:
ACD (Mg C ha-1) = 0,378 x MCH2
r2 = 0,84
p < 0,001
(eq. 1)
donde MCH es la altura promedio del perfil vertical del dosel derivada de las medidas de LiDAR
areo. Esta es solo una de las diferentes medidas del perfil vertical del dosel desarrolladas desde
LiDAR, que se muestra aqu simplemente como una ilustracin. Para una presentacin detallada
de esta y otras mediciones, vase Lefsky et al. (2002a, 2002b).
El desarrollo de las mediciones genricas de LiDAR para bosques tropicales ha sido un reto
mayor. A pesar de que algunas ecuaciones fueron desarrolladas por Drake et al. (2003) para
bosques tropicales hmedos y lluviosos, emplearon una tcnica LiDAR nica del programa de
investigacin de la NASA; esto es, usaron tecnologa que no se emplea ampliamente en el sector
comercial. Para soportar el mapeo de carbono para REDD se requerir LiDAR comercial. Para
superar esta brecha, Asner et al. (2009a) han derivado ecuaciones que relacionan mediciones
LiDAR areas de tipo comercial con densidades de carbono, para bosques tropicales de tierra
baja a montanos:
ACD (Mg C ha-1) = 0,844 x MCH2
r2 = 0,80, p < 0,01
(eq. 2)
A pesar de que las ecuaciones (1) y (2) se muestran como ejemplos comparables, es de notar que
en la ecuacin 2 vara la escala de las estimaciones de carbono de mediciones LiDAR a una tasa
2,2 veces mayor que para bosques templados y boreales de Lefsky et al. (2002a). Esto es
causado por las diferencias dependientes de la densidad de madera, dimetro del tallo y el
nmero de rboles por unidad de rea (por ejemplo, bosques boreales conferos vs. bosques
tropicales de tierras bajas). Esto sugiere que las parcelas de campo son necesarias para ajustar la
pendiente de la relacin entre MCH2 y la densidad de carbono sobre la superficie para diferentes
tipos de bosques. Las parcelas de campo se pueden establecer en cualquier parte dentro del rea
de cobertura del LiDAR, pero deberan cubrir una gama de niveles de biomasa aparente, desde
bajo hasta alto. Un nmero relativamente pequeo de parcelas que cubren los niveles de
biomasa encontrados en un tipo de bosque (por ejemplo, menos que 10) puede incrementar la
precisin de las ecuaciones de conversin LiDAR-en-biomasa hasta en un 40%. Este punto
sigue siendo intensamente investigado, pero cada vez es ms claro que la nocin tradicional de
que se requieren cientos de parcelas por tipo de vegetacin no est soportada por la literatura
actual de LiDAR, por lo tanto disminuye la necesidad de programas prolongados de medicin y
monitoreo en bosques. El LiDAR se convierte en el enfoque regional de muestreo, en el que las
parcelas de campo ayudan a calibrar el LiDAR con las condiciones del bosque. Una gran ventaja
de este enfoque es que LiDAR puede mapear miles de hectreas de bosque por da, mientras que
con las parcelas de campo no se puede lograr la misma cobertura geogrfica.
Los resultados de este paso de mapeo LiDAR incluyen estimaciones de densidad de carbono
sobre la superficie con una resolucin de 0,1 1,0 ha, junto con valores de error derivados de la
incertidumbre en las ecuaciones de conversin LiDAR-en-biomasa que se emplean. La Figura 5
muestra un ejemplo de un mapa de 5.000 ha de densidades de carbono en el bosque en pie con
una resolucin de 0,1 ha, para un gradiente de tipos de bosque nublado de tierras bajas a
montanos en la Isla de Hawai. La distribucin resultante de densidades de carbono sobre la
superficie se muestra en el panel inferior izquierdo. Las actuales incertidumbres estimadas en la
relacin entre la estructura del bosque de LiDAR areo y el ACD varan entre aproximadamente
10-15% para bosques templados y boreales (Lefsky et al. 2002a, Popescu et al. 2004 y muchos
Evaluacin de carbono en bosques tropicales
mas) hasta 8-25% en bosques tropicales (Drake et al. 2003, Asner et al. 2009a). Es importante
destacar que estas incertidumbres son similares a la variacin del error reportado en estimaciones
basadas en parcelas de ACD. Por ejemplo, Brown y Lugo (1984) estiman un 20% de
incertidumbre en las estimaciones de biomasa en pie derivadas de volmenes forestales; Chave
et al. (2005) estiman errores estndar en biomasa en pie del 20%; y Keller et al. (2001) reportan
hasta un 50% de incertidumbre en un estudio muy detallado de biomasa de una gran rea en el
Amazonas brasilero central. En resumen, los enfoques de estimacin LiDAR-en-biomasa pueden
ser tan certeros como los enfoques medicin-en-biomasa (alomtricos) usados a nivel de parcela.
3.4. Integracin de la data de LiDAR y de satlite.
Luego del mapeo con LiDAR, la distribucin estadstica de las densidades de carbono
muestreadas se puede aplicar a una imagen de satlite para producir un mapa de stocks de
carbono sobre la superficie, junto con los lmites de incertidumbre. La Figura 6 muestra una
imagen regional simulada del stock de carbono de un bosque. El mapa genera la distribucin
regional de cobertura boscosa, reas deforestadas y bosque alterado por tala selectiva. Tambin
hay reas de crecimiento de bosque secundario. Las distribuciones de la densidad de carbono se
muestran en los paneles inferiores, con un cdigo de colores que concuerda con la estratificacin
detallada del bosque.
El mapa de lnea base de carbono sobre la superficie simulado en la Figura 6 cubre un rea de
8.000 km2 en el Amazonas brasilero. La cantidad de mapeo areo LiDAR que se requiere para
aplicar las distribuciones de los stocks de carbono a la imagen de satlite depende de las
proporciones relativas de cada estrato del bosque, la intensidad y diversidad de las actividades de
uso de la tierra dentro de cada estrato, y el nfasis relativo que se pone en estas reas para la
contabilidad del carbono. El tipo original de bosque y el proceso de estratificacin de la
cobertura boscosa ilustrada en las Figuras 2-4 determina la particin de la cobertura de LiDAR.
En un mismo estrato del bosque, los requerimientos de cobertura de LiDAR estn dictados por la
necesidad de lograr una distribucin estadstica robusta de las densidades de carbono estimadas.
En el Amazonas central, Keller et al. (2001) demostraron que 1,3% del bosque de tierra firme
requera de censos para lograr una representacin estadstica de un rea de 392 ha. Las
estimaciones de un bosque hmedo tropical de 5.000 ha sugieren que un muestreo LiDAR de
menos del 1% de cada estrato del bosque (por ejemplo, bosque de tierras bajas intactos, bosques
de cinagas, bosques montanos, etc.) generan distribuciones de densidad de carbono
estadsticamente similares a las de cada tipo de bosque (derivado de Asner et al. 2009).
A continuacin del mapeo del carbono sobre la superficie, es posible estimar las densidades subsuperficiales de carbono, as como las densidades de carbono para desechos gruesos de madera y
otros desechos orgnicos superficiales. El IPCC (2006) ha generado factores de escala que
pueden aplicarse a la imagen de las densidades de carbono sobre la superficie. Por ejemplo, se
estima que la densidad del carbono sub-superficial es 0,37 veces la densidad del carbono sobre la
superficie para un bosque nublado tropical (Mokany et al. 2006), en apoyo al anlisis de Nivel II.
El modesto nmero de parcelas de campo usadas en el paso de calibracin del LiDAR descrito
anteriormente tambin se puede usar para mejorar las estimaciones de las densidades de carbono
en desechos sub-superficiales y superficiales (IPCC 2006), siempre que el tiempo y los recursos
lo permitan, y apuntar hacia una precisin de tipo Nivel III.
Evaluacin de carbono en bosques tropicales
10
11
Los costos de parcelas bien mantenidas para inventarios de campo sigue siendo altamente
variable, pero no ser menor que el costo de LiDAR. Tmese en cuenta el hecho de que el
LiDAR areo puede cubrir mas bosque en un da (mas de 5000 ha) de lo que podra cubrirse en
tierra con el mismo nmero de personas, combinado con el hecho de que los mtodos de
inventario de biomasa sobre la superficie no resultan ser ms precisos que los enfoques basados
en LiDAR (discutidos anteriormente), y pareciese que los mtodos son cada vez mas
intercambiables o al menos altamente compatibles. Las parcelas de campo aun se requieren para
calibrar y validar las mediciones LiDAR de biomasa, pero el nmero de parcelas se reduce, pues
es menos necesario muestrear el bosque con parcelas, sino mas bien enfocarse en las parcelas
para calibrar el LIDAR. As, el LiDAR se convierte en el paso de muestreo (o mapeo) en lugar
de las parcelas.
El monitoreo del carbono del bosque de Niveles II/III de IPCC actualmente se considera como
un reto tcnico, potencialmente intensivo en trabajo y por tanto una labor costosa. He propuesto
que una combinacin de la tecnologa de monitoreo satelital gratuita con el mapeo areo poco
frecuente puede proveer estimaciones de carbono de lnea base y mejorar el monitoreo de los
stocks, prdidas y recuperaciones de carbono en bosques. Estas herramientas estn disponibles
ahora, y se pueden implementar en cualquier regin del mundo, haciendo del monitoreo de
Niveles II/III una realidad.
Agradecimientos
Agradezco a Sandra Brown, Guayana Pez-Acosta, George Powell, Roberta Martin y dos
revisores annimos por sus crticos comentarios para mejorar este trabajo. El entrenamiento y
capacitacin en CLASlite se desarrolla con agencias gubernamentales y no gubernamentales de
la regin Andino-Amaznica. Este trabajo cuenta con el apoyo de la Fundacin Gordon y Betty
Moore.
12
FIGURAS:
Figura 1. Diagrama de flujo ilustrado que muestra un enfoque para: (a) evaluar la cobertura y
perturbaciones del bosque con imgenes de satlite, (b) estratificar el paisaje boscoso, (c)
muestrear los principales tipos de bosque con el Mtodo de Deteccin y Medicin de Distancias
por Luz (LiDAR), y (d) estimar stocks de carbono de lnea base en la regin de inters. (1(a),
Tipos de Bosque, Mapeo CLASlite; 1(b) Estratificacin del Bosque; 1(c) Densidades de
Carbono, Muestreo LIDAR; 1(d) Lnea Base de Stocks de Carbono)
13
Leyenda:
BosqueTropicalMontanoDenso(Dm)
BosqueTropicalSubmontanoDenso(Ds)
BosqueTropicaldeTierrasBajasDenso(Db)
BosqueAluvialDenso(Da)
BosqueTropicalDensoconVegetacinSecundaria(D)
BosqueSubmontanoAbierto(Aa)
BosqueAbiertodeTierrasBajas(Ab)
BosqueTropicalAbiertoconVegetacinSecundaria(A)
BosqueDeciduoMontanoEstacional(Cm)
BosqueDeciduoSubmontanoEstacional(Cs)
BosqueDeciduoEstacionalconVegetacinSecundaria(C)
BosqueSubmontanoSemideciduoEstacional(Fs)
BosqueSemideciduoEstacionalconVegetacinSecundaria(F)
BosqueSemideciduodeTierrasBajasEstacional(Fb)
BosqueSemideciduoAluvialEstacional(Fa)
BosqueSemideciduoMontanoEstacional(Fm)
Campinarana,conBosque(Ld)
Campinarana(La)
Campinarana,HerbceayconMadera(Lg)
Sabana,conBosque(Sd)
SabanaconActividadesAgrcolas(S)
Sabana(Sp)
Sabana,HerbceayconMadera(Sg)
Sabana,conMadera(Sa)
Estepa,conMadera(Ea)
Estepa(Ep)
EstepadeSabana(Tp)
EstepadeSabana,conBosque(Td)
VegetacinconInfluenciaFluviomarina(Pf)
VegetacinconInfluenciaFluvialoLacustre(Pa)
readeContacto:BosqueDensoBosqueEstacional(ON)
readeContacto:SabanaBosqueEstacional(SN)
readeContacto:CampinaranaBosqueDenso(LO)
readeContacto:SabanaBosqueDenso(SO)
readeContacto:BosqueEstacionalRestinga(NP)
readeContacto:SabanaBosqueMixto(SM)
readeContacto:EstepaBosqueEstacional(EN)
Agua
reaEnmascarada
14
Figura 3. Ejemplo de resultados de imgenes de CLASlite para una regin de 8.000 km2 del este
del Amazonas brasilero. El panel superior muestra la ubicacin de sta rea en Amrica del Sur;
el panel del centro muestra la regin completa; el panel inferior muestra una imagen ampliada de
1.500 km2. Las imgenes de CLASlite proveen un porcentaje de cobertura de dosel de
vegetacin viva/de bosque, muerta o senescente, y suelos descubiertos. Las reas recientemente
deforestadas o quemadas son evidentes con grandes fracciones de suelos descubiertos (rojos y
magenta); el crecimiento del bosque es aparente en la forma de grandes fracciones de dosel
(verde) entrelazadas con suelos expuestos (amarillos); bosques talados de forma selectiva
(patrones azules en el bosque); y bosques intactos (verde casi slido).
15
Deforestacin
Degradacin Reciente
Degradacin Previa
Crecimiento Secundario
Bosque Intacto
16
Figura 5. Mapa de la biomasa sobre la superficie (Mg C ha-1; 1 Mg = 1 ton mtrica) con una
resolucin de 0,1 ha, derivado de LiDAR areo, y la relacin entre el perfil vertical del dosel y la
densidad del carbono sobre la superficie estimado en campo (derecha inferior). Esta imagen se
compil a lo largo de las laderas orientales del Volcn Mauna Kea, en la Isla de Hawai. La
distribucin de la biomasa sobre la superficie en bosques nublados de crecimiento grande/viejo,
ms pequeo/intacto y abierto/alterado se muestra en el panel inferior izquierdo. (Grficos a la
izquierda, de arriba abajo: Bosque Grande, de Crecimiento Viejo; Bosque Mas Pequeo,
Intacto; Bosque Abierto, Alterado. Eje X: Densidad de Carbono sobre la Superficie (Mg C ha-1);
Eje Y: Conteo. Grfico de la Derecha, inferior: Eje X: LiDAR; Eje Y: Densidad de Carbono AC
(Mg C ha-1))
17
18
Figura 7. Monitoreo de largo plazo usando mapeo LiDAR de deforestacin y degradacin desde
1999 hasta 2002, para una regin de 8.000km2 del Amazonas brasilero oriental. Una ampliacin
del la imagen (izquierda superior, negro) muestra el detalle de la degradacin forestal, con
cdigos de color similares al mapa de deforestacin, revelando una prdida del dosel del bosque
de baja escala, a nivel de sub-pxel, producto de la tala selectiva. Estos mapas se pueden usar
fcilmente para estimar emisiones de carbono a partir del mapa de lnea base en la Figura 6.
19
Referencias
Achard, F., R. Defries, H. Eva, M. Hansen, P. Mayaux, & H.-J. Stibig. 2007. Pan-tropical monitoring of
deforestation. Environmental Research Letters 2:1-11.
Angelson, A., Brown, S., Loisel, C., Peskett, L., Streck, C. & Zarin, D. 2009. Reducing Emissions from
Deforestation and Forest Degradation (REDD): An Options Assessment Report. Prepared for the
Government of Norway by the Meridian Institute, March 2009. Available for download at
http//:www.REDD-OAR.org; ISBN 978-0-615-2851-4
Asner, G. P., E. N. Broadbent, P. J. C. Oliveira, M. Keller, D. E. Knapp, & J. N. M. Silva. 2006.
Condition and fate of logged forests in the Brazilian Amazon. Proceedings of the National Academy of
Sciences 103:12947-12950.
Asner, G.P., R.F. Hughes, T.A. Varga, D.E. Knapp, & T. Kennedy-Bowdoin. 2009a. Environmental and
biotic controls over aboveground biomass throughout a rainforest. Ecosystems 12:261-278.
Asner, G. P., M. Keller, R. Pereira, J. C. Zweede, & J. N. M. Silva. 2004. Canopy damage and recovery
after selective logging in Amazonia: Field and satellite studies. Ecological Applications 14:S280- S298.
Asner, G.P., Knapp, D.E., Balaji, A. & G. Pez-Acosta. 2009b. Automated mapping of tropical
deforestation and degradation: CLASlite. J. Appl. Remote Sens. vol. 3 (033543), 24pp.
(doi:10.1117/1.3223675)
Asner, G. P., D. E. Knapp, E. N. Broadbent, P. J. C. Oliveira, M. Keller, & J. N. M. Silva. 2005. Selective
logging in the Brazilian Amazon. Science 310:480-482.
Asner, G.P., D.E. Knapp, M.O. Jones, T. Kennedy-Bowdoin, R.E. Martin, J. Boardman, & C.B. Field.
2007. Carnegie Airborne Observatory: In-flight fusion of hyperspectral imaging and waveform light
detection and ranging (wLiDAR) for three-dimensional studies of ecosystems. Journal of Applied
Remote Sensing 1 (doi: 10.1117/1.2794018)
Brown, I.F., Martinelli, L.A., Thomas, W.W., Moreira, M.Z., Ferreira, C.A & R.A. Victoria. 1995
Uncertainty in the biomass of Amazonian forests: an example from Rondonia, Brazil. Forest Ecol.
Manag. 75:175-189
Brown, S., & A. E. Lugo. 1984. Biomass of tropical forests: a new estimate based on forest volumes.
Science 223:1290-1293.
Brown, S., T. Pearson, D. Slaymaker, S. Ambagis, N. Moore, D. Novelo, & W. Sabido. 2005. Creating a
virtual tropical forest from three-dimensional aerial imagery to estimate carbon stocks. Ecological
Applications 15:1083-1095.
Cairns, M.A., Brown, S., Helmer, E.H. & G.A. Baumgardner. 1997. Root biomass allocation in the
worlds upland forests. Oecologia 111:1-11.
Chambers, J.Q., G.P. Asner, D.C. Morton, L.O. Anderson, S.S., Saatchi, D.B., Espirito-Santo, M. Palace,
& C. Souza Jr. 2007. Regional ecosystem structure and function: Ecological insights from remote
sensing of tropical forests. Trends in Ecology and Evolution 22(8):414-423.
Chave, J., Andalo, C., Brown, S., Cairns, M. A., Chambers, J. Q., Eamus, D., Flster, H., Fromard, F.,
Higuchi, N., Puig, H., Rira, B. & T. Yamakura. 2005. Tree allometry and improved estimation of
carbon stocks and balance in tropical forests. Oecologia 145:87-99.
DeFries, R., Asner, G.P., Achard, F., Justice, C., Laporte, N., Price, K., Small, C., & J. Townshend. 2005.
Monitoring tropical deforestation for emerging carbon markets. Tropical Deforestation and Climate
Change. P. Moutinho and S. Schwartzman (eds.) Amazon Institute for Environmental Research, Belm,
Brazil.
Drake, J. B., Knox, R. G., Dubayah, R. O., Clark, D. B., Condit, R., Blair, J. B., & M. Hofton. 2003.
Above-ground biomass estimation in closed canopy neotropical forests using LiDAR remote sensing:
Factors affecting the generality of relationships. Global Ecology and Biogeography 12:147-159.
Gibbs, H. K., Brown, S., Niles, J. O., & J. A. Foley. 2007. Monitoring and estimating tropical forest
carbon stocks: making REDD a reality. Environmental Research Letters 2:1-13.
Evaluacin de carbono en bosques tropicales
20
GOFC-GOLD. 2009. Reducing greenhouse gas emissions from deforestation and degradation in
developing countries: a sourcebook of methods and procedures for monitoring, measuring and
reporting. GOFC-GOLD Report version COP14-2. GOFC-GOLD Project Office, Natural Resources
Canada, Alberta, Canada.
Hirsch, A.I., Little, W.S., Houghton, R.A., Scott, N.A. & J.D. White. 2004. The net carbon flux due to
deforestation and forest re-growth in the Brazilian Amazon: analysis using a process-based model.
Glob. Change Biol. 10:908-924
Houghton, R. A., Skole, D. L., Nobre, C. A., Hackler, J. L., Lawrence, K. T., & W. H. Chomentowski.
2000. Annual fluxes of carbon from deforestation and regrowth in the Brazilian Amazon. Science
403:301-304.
Huang, M., Asner, G.P., Keller, M., & J.A. Berry. 2008. An ecosystem model for tropical forest
disturbance and selective logging. Journal of Geophysical Research 113 (doi:10.1029/ 2007JG000438)
IBGE. 1993. Mapa de Vegetacao do Brasil (Vegetation Map of Brazil). 2nd ed. Instituto Brasiliero de
Geografia e Estatistica (Brazilian Institute of Geography and Statistics).
IPCC. 2006. IPCC Guidelines for National Greenhouse Gas Inventories. Prepared by the National
Greenhouse Gas Inventories Programme, Eggleston, H. S., L. Buendia, K. Miwa, T. Ngara, & K.
Tanabe (eds.), IGES, Japan.
Keller, M., Asner, G.P., Silva.N. & M. Palace. 2004. Sustainability of selective logging of upland forests
in the Brazilian Amazon: carbon budgets and remote sensing as tools for evaluating logging effects.
Working Forests in the Neotropics: Conservation Through Sustainable Management? D.J. Sarin, J.R.R.
Avalapati, F.E Putz & M.E Schmink (eds). New York: Columbia University Press pp 41-63.
Keller, M., Palace, M., & G. Hurtt. 2001. Biomass estimation in the Tapajos National Forest, Brazil:
Examination of sampling and allometric uncertainties. Forest Ecology and Management 154:371-382.
Lefsky, M. A., Cohen, W. B., Harding, D. J., Parker, G. G., Acker, S. A., & S. T. Gower. 2002a. LiDAR
remote sensing of above-ground biomass in three biomes. Global Ecology and Biogeography 11:393399.
Lefsky, M. A., Cohen, W. B., Parker, G. G., & D. J. Harding. 2002b. LiDAR remote sensing for
ecosystem studies. BioScience 52:19-30.
Mokany, K., Raison, J.R., & A.S. Prokushkin. 2006. Critical analysis of root:shoot ratios in terrestrial
biomes. Global Change Biology 12:84-96.
Olander, L. P., Gibbs, H. K., Steininger, M. K., Swensen, J. J., & B. C. Murray. 2008. Reference
scenarios for deforestation and forest degradation in support of REDD: a review of data and methods.
Environmental Research Letters 3 (doi:10.1088/1748-9326/1083/1082/025011).
Phillips, O.L., Malhi, Y., Higuchi, N., Laurance, W.F., Nez, P.V., Vsquez, R.M., Laurance,
S.G., Ferreira, L.V., Stern, M., Brown, S. and J. Grace. 1998. Changes in the carbon balance of
tropical forests: evidence from long-term plots. Science 282:439-442.
Popescu, S.C., Wynne, R.H. & J.A. Scrivani. 2004. Fusion of small-footprint LiDAR and multispectral
data to estimate plot-level volume and biomass in deciduous and pine forests in Virginia, USA. Forest
Sci. 50: 551-565
Saatchi, S.S., Houghton, R.A., Dos Santos Alvala, R.C., Soares, J.V. & Y. Yu. 2007. Distribution of
aboveground live biomass in the Amazon basin Glob. Change Biol. 13: 816-837.
Souza, C., Roberts, D. A., & M. A. Cochrane. 2005. Combining spectral and spatial information to map
canopy damages from selective logging and forest fires. Remote Sensing of Environment 98:329-343.
21