La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta

Respónsale Unv. Armando Rodríguez Montellano

Tutor Ing. M. Sc. Edgar Ponce

Cochabamba – Bolivia

Capitulo I Introducción

1

CAPITULO I
1. INTRODUCCIÓN Los bosques cumplen funciones medioambientales, tales como la protección de los recursos de suelos y aguas, la conservación de la biodiversidad, son fuentes y sumideros de dióxido de carbono, mitigan la desertificación y degradación de los recursos naturales, debiendo favorecer la productividad y sostenibilidad en función de protección de aquellos recursos necesarios para la protección del mismo bosque, contribuyen al bienestar de los pueblos, este punto es clave donde debe dirigirse la acción y el actuar de los forestales, debemos buscar mejores alternativas de

desarrollo a gran escala y en corto tiempo, todo siempre para el crecimiento de nuestro país.

Generalmente en la clasificación de Bosques, se aplica una metodología convencional en el análisis estadístico de la información espacial teniendo ciertas desventajas en términos de tiempo y costo requeridos para el modelamiento del bosque, así como sus limitadas aplicaciones por no ser tan fiables o viables en terreno (JOFCA 1997).

Un buen manejo del recurso forestal depende de operaciones acertadas con el objetivo principal de monitorear los bosques, para la detección, cuantificación y seguimiento a lo largo del tiempo sufridos por procesos de origen natural y/o antrópico que modifican la estructura y/o extensión de los ecosistemas forestales naturales (ITTO 2000).

Para lograr este objetivo se utilizan principalmente técnicas de percepción remota y sistemas de información geográfica, este estudio tiene como meta final servirnos de herramienta para el seguimiento y control de los bosques (Kajiwara et al 1990).

El modelo densidad de dosel forestal que se plantea en este trabajo pretende optimizar los resultados en la clasificación del bosque para su mejor uso, al obtener

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo I Introducción

2

como resultado estratos definidos mediante densidades de copas (dosel); se podrán plantear estos estratos como unidades de manejo (UM) reduciendo tanto el tiempo como el costo de manera significativa en la evaluación periódica del recurso forestal; su aplicación se realizará en el Valle del Sacta (Trópico de Cochabamba), con la obtención de los resultados demostrativos mediante la utilización de esta nueva metodología, se pretende proporcionar una herramienta acorde a las necesidades actuales para el manejo Forestal (JOFCA 1997).

1.1. Justificación La creciente necesidad de conocer como las perturbaciones naturales o antrópicas influyen en los ecosistemas ha determinado que los modelos de clasificación se hayan constituido en los últimos años, en una herramienta de suma utilidad (ITTO 2000). Particularmente, en el campo forestal, la urgencia de tomar medidas que propendan a un mejor uso de los recursos, crea la necesidad de crear técnicas y metodologías que permitan tener una visión de posibles consecuencias que se derivan de intervenir estos ecosistemas en diferentes formas (FAO 2001).

JOFCA (1997), afirma que la Densidad de Dosel Forestal DDF es uno de los parámetros mas útiles a considerar en la aplicación e implementación de programas de rehabilitación del bosque; esta herramienta combina el análisis digital de imágenes satelitales Landsat TM georeferenciadas en un solo paquete ,permitiendo a los forestales una rápida clasificación de bosques, expresados en valores porcentuales de densidad de vegetación .

La formulación de las políticas de manejo para los bosques tropicales se ha visto limitada por la escasa información disponible sobre las potencialidades forestales del bosque, por ser difícil de inventariar debido a la extensión y los recursos económicos insuficientes (ITTO 2000).

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo I Introducción

3

Como no se puede evaluar periódicamente el comportamiento de los ecosistemas forestales, ante el aprovechamiento forestal y la aplicación de los diferentes tratamientos silviculturales, estas permiten dimensionar la perdida paulatina de la cobertura forestal en los bosques, como en la evaluación ex – ante en el aprovechamiento forestal haciendo un monitoreo del manejo con la utilización del modelo DDF (Rikimaru A.1996).

En nuestro medio las evaluaciones son restringidas por el acceso y rentabilidad en extensiones grandes, lo que ha dificultado la determinación de las patentes forestales, ciclos de corta y adopción de diámetros mínimos de corta en función de la dinámica del bosque, es muy necesario recurrir a herramientas que disminuyan el tiempo y el costo, todo ello con la finalidad de tender al desarrollo forestal sustentable (Malleux, J. et al 1999).

1.2. Hipótesis La estratificación y clasificación del Bosque ubicado en el Valle del Sacta, a través del uso del modelo Densidad de Dosel Forestal DDF tendrá un nivel de confiabilidad en un 90%.

1.2.1. Identificación de Variables para la estratificación

Independiente Nivel digital del píxel en cada una de las bandas de la imagen LANDSAT. Dependiente Clasificación de coberturas en función al porcentaje de densidad de copas. Los estratos de la clasificación serán discriminados a partir de la reflactancia individual del dosel.

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo I Introducción

4

1.2.2. Objetivos

1.2.2.1. General Validar la estratificación de los bosques en el Valle del Sacta mediante el uso de imágenes satelitales LANDSAT TM, aplicando el modelo densidad de dosel forestal sugerido por la International Tropical Timber Organization (siglas en ingles ITTO).

1.2.2.2. Especifico Utilizar la técnica del modelo DDF para la clasificación en estratos de la cubierta forestal del Fundo Universitario Sacta.

Adoptar una metodología que pueda ser aplicada con facilidad para la clasificación de los bosques con este tipo de imágenes.

Verificar la clasificación de los bosques mediante la técnica del DDF a través de puntos de control.

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

5

CAPITULO II
2. MARCO TEÓRICO

2.1. Clasificación de los bosques Los Bosques Primarios son bosques vírgenes o formaciones vegetales poco alteradas por disturbios naturales o antropogénicos. De acuerdo a la variedad ambiental existe una amplia gama de tipos de bosque con diferente estructura y composición. En zonas tropicales la riqueza en especies es alta y el mismo tipo de bosque puede tener cientos de especies arbóreas). La abundancia de la mayoría de especies es baja y la mezcla es intensiva, no sólo en el área (horizontalmente) sino también en los estratos (verticalmente) (Budowski, 1985 citado por Arroyo 1997). En ambientes homogéneos, las mezclas y estructuras de los rodales varían en superficies pequeñas. Se observa una alta heterogeneidad de las dimensiones de los árboles (diámetro y altura) en pequeñas superficies. En el estrato superior predominan los árboles gruesos, mientras que los delgados son escasos. Esta forma de vida o estrategia estructural es especialmente característica para las especies pioneras longevas, como por ejemplo la mara (Swietenia macrophylla), las nómadas (planta introducida que crece y se reproduce como si fuera nativa) como el eucalipto (Eucalyptus spp.) y las oportunistas ( que aparecen en sitios perturbados abiertos y van colonizando nuevas áreas por tener una fácil regeneración, llegando a ser elementos dominantes del habitat que ocupan) por ejemplo el ambaibo (Cecropia spp.) (Lamprecht, H. 1990).

Los Bosques Secundarios son comunidades vegetales que abarcan los estadios de una sucesión, desde el bosque inicial que se forma en una superficie abierta natural o antropogénea, hasta su fin, excluyendo el desarrollo de un bosque primario. En la práctica, el término de bosque secundario se refiere a los estadios

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

6

tempranos de sucesión porque los bosques secundarios viejos son generalmente difíciles de distinguir de un bosque primario. La opinión generalizada que los bosques secundarios son menos naturales que los bosques primarios no es correcta cuando las causas de su origen no son antropógeneas y la sucesión ocurre sin perturbaciones. La composición y las estructuras de estas comunidades no sólo dependen del medio ambiente, sino también de la edad y las mismás. varían con el avance de la sucesión (Lamprech, H 1990).

En realidad, un bosque tropical está compuesto por comunidades vegetales en diferentes estados de desarrollo. La mayoría de los claros en los bosques tropicales son causados por la caída de uno o más árboles viejos que forman el dosel superior, que al caer pueden tumbar a varios árboles vecinos. Existen claros por derrumbes, vientos fuertes, la muerte o lesión de un árbol individual o el despeje por parte del hombre. La frecuencia de la caída de árboles o la frecuencia de la formación de claros puede brindar una evidencia indirecta de la importancia de los claros para la regeneración de las especies, porque al quedar espacio libre y gracias al aporte de semillas de los árboles circundantes los espacios se llenan inmediatamente de plántulas. Estas son heliófitas y tienen un rápido crecimiento en altura y experimentan una competencia por la cual llegan en pocos años a alcanzar el dosel superior del bosque; las especies tolerantes a la falta de luz crecen en forma más lenta (Morales, 1990).

La caracterización de la vegetación y su clasificación como diferentes comunidades vegetales se basa en la composición florística y características estructurales tales como diversidad, altura, frecuencia, dominancia, abundancia y área basal de las especies constituyentes (Quevedo 1994).

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

7

2.2. Caracterización tropical de bosques

2.2.1. Estratos del bosque Según Alder, D. et al. (1992) los estratos horizontales están conformados de la siguiente manera:

2.2.1.1.

El estrato suelo Presenta predominantemente pastos en ecosistemas tropicales, aquí se desarrolla una intensa vida animal entre los restos de hojas y troncos en descomposición. En este estrato actúan también los organismos descomponedores de la materia orgánica, Entre los troncos se encuentran huecos, acumulación de materia orgánica y un complicado sistema de troncos muertos, donde se desarrolla una activa vida animal, con variedad de mamíferos, aves, reptiles, anfibios, insectos y otros grupos.

2.2.1.2.

El estrato del sotobosque Conformado por arbustos y hierbas. Es de poca densidad debido a la escasa luz que logra penetrar hasta allí. Cuando se produce un claro en el bosque, generalmente por la caída de un árbol maduro, que arrastra a otros, las plantas herbáceas reaccionan rápidamente, y se forma una mancha de hierbas y arbustos de importancia para los herbívoros terrestres.

2.2.1.3.

El estrato de sub dosel Está conformado por los fustes de 11 a 20m de altura o troncos de los árboles, ampliamente cubiertos de plantas epifitas

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

8

(bromearas, aráceas, helechos y otras) y lianas de las plantas trepadoras.

2.2.1.4.

El dosel de las coronas continuas Está conformado por las coronas de los árboles, entre los 25 y 35 m de alto, donde éstas se entrelazan unas con otras. Desde el aire este estrato parece un tapiz continuo de verdor. Este dosel dispone de abundante luz solar y aquí crecen muchas plantas epifitas (bromearas, orquídeas, etc.) entre las ramas, y a él llegan también las ramas y hojas de las plantas trepadoras. Este estrato tiene abundancia de hojas, flores y frutos, que mantienen una variedad de animales especializados y toda una red trófica. La mayor parte de las especies animales de este estrato nunca desciende al suelo.

2.2.1.5.

El dosel de las coronas emergentes

Está conformado por las coronas de los árboles más altos (35 a 45 m) y que sobresalen del dosel continuo de coronas, como el de la castaña (Bertholetia excelsa). También tiene numerosas epifitas, muy especializadas y adaptadas a la alta disponibilidad de luz.

2.3. Métodos convencionales de medición de dosel forestal Las técnicas que se usan para medir la estructura del dosel para un árbol en particular, varían tanto las características como los procesos conformación del dosel ellos se usan para investigar, y esta en función de las varias dimensiones de investigación (Brown, M et al. 1994).

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

9

Los métodos son normalmente dividido en dos categorías: métodos directos que involucran el contacto físico con los elementos del dosel, y métodos indirectos que coleccionan radiación que ha atravesado o ha reflejado fuera de los elementos del dosel (Cooley, A. et al 2002).

2.3.1. Métodos directos y métodos indirectos Los métodos directos requieren tiempos largos y el trabajo del campo laborioso, es bastante fácil de compilar la información en variables útiles. Por otro lado, los métodos indirectos normalmente tienen medidas del campo rápidas algunos de los cuales pueden recoger inmensas cantidades de datos casi instantáneamente; sin embargo, la reducción de datos del campo en la información útil requiere algoritmos complejos, modelos como componentes de un SIG (Clayton, F. et al. 2000).

Se obtienen resultados más precisos al combinar los ambos métodos, con los métodos directos se hacen medidas detalladas de una muestra de árboles en el campo, y usando métodos indirectos detallando modelos paramétricos se realizan predicciones mediante los modelos, obteniendo datos que después pueden ser verificados y comparados (Cooley, A. et al 2002).

2.3.1.1. Métodos directos La manera más simple de medir la orientación en el espacio de elementos del dosel es ir al campo y medirlos con clinómetros, y mediciones con cinta métrica. Hacer esto requiere acceso simple a los doseles. En la estructura vertical de los bosques, la altura es mayor a 5m por lo tanto es difícil medirlos, los investigadores han alcanzado el dosel con métodos que van de simples a complejos (Brown, M et al.1994).

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

10

Para muchas investigaciones de estructura del dosel que involucra el acceso directo, para un estratificado acercado a la realidad se toma un número limitado de individuos, se reúnen variables pequeñas para una muestra grande. Este juego más pequeño de variables incluye a menudo la altura del árbol, las alturas del dosel superior y además de los estratos inferiores, y alguna medida del área de la corona proyectada, y el diámetro a la altura del pecho (DAP). Con modelo apropiado se puede validar la estratificación, estas variables pueden proporcionar a menudo estimaciones buenas de índice de área de hoja, área del foliar total, biomasa, y muchos otros "estructura del dosel" que son las variables de interés (Cooley, A. et al 2002).

2.3.1.2. Métodos indirectos Los métodos indirectos incluyen técnicas de mensura el dosel a través de los instrumentos, midiendo la altura de un árbol con un clinómetro, o contar el número de manchas luminosas que ha penetrado el dosel a una área particular de suelo (Parker, G. 1995).

Sin embargo, la tecnología he tenido una fuerte tendencia por el desarrollo de una inmensa serie de métodos indirectos más complejos.

Con la aplicación de los métodos de percepción remota RS (por sus siglas en ingles Remote Sensing) cada vez más modernos,

proporcionan una serie de instrumentos de medición de la cobertura terrestre.

Los métodos indirectos permiten la toma rápida y extensa de datos, y permite al investigador aumentar la extensión espacial del estudio. (Campbell, 1989, citado por Cooley, A. et al. 2002).

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

11

2.4. Definición de la densidad de dosel forestal La densidad de dosel forestal (designada DDF por su abreviatura) es la

proporción de una zona en la naturaleza que queda cubierta por las copas de los árboles. Esa densidad se expresa en porcentaje del área total. En la práctica normal, es el ingeniero forestal experimentado quien determina la DDF, por medio de la observación de la espesura de las copas, es decir la cobertura (Rikimaru, A. 1999). La DDF generada por datos de los satélites, por otro lado, es la proporción del espacio que se identifica como dosel forestal dentro de un píxel de la imagen de satelite. El tamaño de un píxel en los datos del Landsat TM es de 30 X 30 metros. El valor (es decir, la porción) de la densidad del dosel forestal calculada en cada píxel se dispone en una reja para producir un mapa de cobertura forestal. Estos valores se aplican para calcular la densidad del dosel forestal de cada segmento o unidad de manejo del bosque y para toda la zona que se esta evaluando (JOFCA, 1997).

2.5. Modelamiento en Sistema de Información Geográfica (SIG) En un sentido muy general un modelo de SIG puede ser entendido como un proceso de combinación de un grupo o mapas de entrada con una función de producir un mapa resultante.

Mapa resultante = f (2 o más mapas de entrada) La función f toma muchas diferentes formas, pero la relación expresada por la función es basada en un entendimiento teórico de los principios físicos y químicos o ellos son empíricos, basados sobre las observaciones de datos, o alguna mezcla de teoría y empirismo (Bonham, G. et al. 1994).

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

12

2.6. Fundamentos físicos de Sensores Remotos (RS)

2.6.1. Radiación electromagnética La luz visible es sólo una de las muchas formas de energía electromagnética. Así, las ondas de radio, el calor, los rayos ultravioleta o los rayos X son otras formas comunes. Todas estas formas de energía radian de acuerdo a la teoría básica de ondas o Teoría ondulatoria, que describe como la energía electromagnética viaja con forma sinusoidal a la velocidad de la luz:

c=
Ecuación 1 energía electromagnética

Donde: c : constante 3.108 m/s : frecuencia : longitud de onda que están inversamente relacionadas. En teledetección, lo normal es caracterizar a las ondas electromagnéticas por su longitud de onda en micras, es decir, por la posición que ocupan dentro del espectro electromagnético (Lillesand, H et al 1994).

2.6.2. Reflexión en la superficie terrestre: espectro solar Cuando la energía electromagnética incide sobre los cuerpos situados en la superficie terrestre, EI, esta puede descomponerse en tres términos: uno de reflexión, ER, de absorción, EA y otro de transmisión ET. Así pues, aplicando el principio de conservación de la energía podemos establecer la relación existente entre estas tres interacciones de la energía:

E I ) = E R ( ) + EA ) + E T )
Ecuación 2 Reflexión en la superficie terrestre: espectro solar

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

13

Figura 1 Relación entre flujo incidente y reflejado (Chuvieco E. 1995)

Donde ER denota la reflejada, EA la absorbida y ET la transmitida, siendo todas dependientes de la longitud de onda.

La fracción de energía reflejada en una longitud de onda particular varía con los diferentes elementos del suelo y la reflectancia de cada uno de los elementos varía a diferente longitudes de onda. Por tanto, dos elementos que son indistinguibles en un campo espectral puede ser muy diferente en otra banda de longitud de onda (Chuvieco, E. 1995).

2.6.3. Reflectividad espectral

2.6.3.1. Vegetación Las curvas de reflectividad espectral para la vegetación casi siempre manifiestan los picos-valles. Los valles en la región del visible vienen dados por los pigmentos en las hojas de las plantas. La clorofila por ejemplo absorbe energía fuertemente en las bandas centradas en 0.45 y 0.67 µm. Es por ello por lo que nuestros ojos perciben la vegetación sana con color verde, debido a la gran absorción en azul y rojo por las
Universidad Mayor de San Simón – Escuela de Ciencias Forestales Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

14

hojas y la alta reflexión en el verde. Cuando la vegetación no está sana disminuye la clorofila y el resultado es una absorción en el rojo y el azul, a menudo incrementando la reflectividad espectral en el rojo por lo que vemos las hojas con tono amarillento (mezcla de verde y rojo). Al llegar al IR próximo la reflectividad de la vegetación sana aumenta drásticamente. La región 0.7-1.3 µm refleja entre el 40 – 50% de la energía incidente, el resto. de la energía es casi toda transmitida, ya que en esta región la absorción es menor que el 5%. La reflectividad de 0.7 a 1.3 µm se debe a la estructura interna de las hojas. Como estas son distintas nos permite diferenciar los tipos de vegetación, aunque en el visible sean muy similares (Lillesand, T. et al. 1994).

Esta región también sirve para detectar estrés en la vegetación más allá de 1.3 µm, la reflectividad de las hojas es aproximadamente inversamente proporcional al contenido del agua total presente en las hojas (Chuvieco, E. 1995).

2.6.3.2. Suelo Casi sin variación espectral, los principales factores que afectan a la reflectividad espectral de los suelos son: humedad, textura (proporción de arena), rugosidad, presencia de óxidos de hierro y materia orgánica. Por ejemplo, la presencia de humedad hace decrecer la reflectividad espectral, al igual que la rugosidad, materia orgánica y la presencia de óxidos de hierro, estos últimos principalmente en el visible (Chuvieco, E. 1995).

La influencia del tamaño del píxel. En efecto, la parametrización de los flujos de energía a través superficie mediante imágenes de satélite multiespectrales presenta el problema de que éstos caracterizados por parámetros (cubierta vegetal, humedad del suelo, temperatura) cuya

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

15

escala variación es menor que el tamaño del píxel, por lo general se ha observado que a escalas inferiores a 1m, se debe considerar descripción de las superficies las características de (i) la vegetación vista como superposición de elementos discretos (hojas, tallos, ramas, flores, y otros.) de reflectividad variable, (ii) el suelo, que presenta variaciones microscópicas (composición de minerales, agua, materia orgánica, tamaño de las partículas, rugosidad de la superficie, etc.) y (iii) las sombras proyectadas por los elementos voluminosos (Jasinski, F. et al. 1989).

2.6.3.3. Agua Esta transmite la mayor parte de la energía visible que incide en ella, absorbiendo más cuanto mayor es la longitud de onda de la radiación incidente. La mayor reflectividad del agua clara está entorno al azul, disminuyendo cuando se alcanza el infrarrojo próximo. De ahí la facilidad a estas longitudes de onda de distinguir la línea de la costa (Roy, P et al.1997). La variabilidad del agua se detecta mejor en longitudes de onda más cortas (azul y verde) y está relacionada con la profundidad, el contenido de materiales en suspensión (clorofila,. nutrientes) y rugosidad de la superficie. Así, la reflectividad espectral aumenta en aguas poco profundas. (Chuvieco, E. 1995)

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

16

80

Reflactancia (%) Suelo cubierto

40

20

Suelo descubierto vegetación agua 0.4 0.8 infrarrojo cercano 1.2 1.6 2.0 infrarrojo medio 2.4

0

Figura 2 Reflactividad espectral, en la suelo, suelo y vegetación (Centro Canadiense de Percepción Remota 2004)

2.7. Programa Landsat

Los satélites Landsat constan de dos tipos de sensores; el Multiespectral Scanner (MSS) y el Thematic Mapper (TM). Estos sensores funcionan a través de la. radiación solar que reflejan los objetos en la superficie terrestre. Los datos de reflexión están relacionados o dependen de la estructura y composición de la vegetación que presenta el suelo. Ambos sensores poseen funciones parecidas, tal como recibir señales de reflexión producida por los elementos terrestres, y mediante un sistema electrónico interno procesar dicha reflexión y convertirla a un formato digital. Esta información es enviada a la superficie terrestre donde hay instaladas estaciones receptoras que analizan la información para luego distribuirla en forma de imágenes (Chuvieco, E. 1995).

2.8. Imágenes Landsat Todas las imágenes de satélite tienen un parecido a la forma de presentación de una imagen fotográfica común. Las imágenes Landsat pueden ser presentadas tanto en formato de papel fotográfico, para la aplicación de análisis visual o bajo una computadora donde se tiene acceso para la realización de análisis digital. La
La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

17

representación digital de una imagen es un conjunto de números, con valores de 0 a 255 que representa la intensidad de reflexión que llega al sensor desde la superficie terrestre. Este conjunto de números está representado por puntos y cada punto es llamado “pixel” (del ingles “picture elements”). El valor de cada pixel es siempre un número entero, y para imágenes TM Landsat representa una superficie en terreno de 30x30 m, exceptuando la banda 6; mientras que para MSS la superficie es 80x80 m (Landsat 7, 2004).

2.9. Sensor MSS (Multiespectral Scanner)

Este sensor ha sido desarrollado para los primeros satélites Landsat. Estructurado de cuatro bandas o canales establecidos, cada banda tiene un rango de medición expresada en unidades de micrones que corresponde al tamaño de la longitud de onda presente. El MSS tiene un alcance de vista de un área cuadrangular de hasta 185 km. (100 millas) de ancho, registra 2 bandas visibles y 2 infra-rojas, la reflexión recibida es enviada a 24 detectores. Como resultado de esta actividad son las imágenes satélites las cuales se hallan distribuidas en ¨escenas¨ (Chuvieco, E. 1995).

El conjunto de estas imágenes se llama imagen multiespectral, bajo esta lógica si las imágenes fueron tomadas en tiempo distinto, pero en un mismo espacio se denominan imágenes multitemporales (USGS 2004).

2.10. Sensor Tematic Mapper (TM)

El TM es uno de los sensores más recientes en los satélites, mecánicamente parecido al MSS con la diferencia de que cada oscilación del espejo desarrolla 16 líneas de barrido y una cadena de 24 a 100 detectores. La resolución espacial espectral y radiométrica son diferentes, registra 7 bandas visibles 1, 2 y 3 (rojo,verde y azul), infrarojo 4, 5 y 7 (cercano, medio y lejano) y una termal

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

18

banda 6. Estas siete bandas tienen una capacidad de resolución de 30x30 m de terreno, salvo la banda 6 cuya resolución es 120 m (Chuvieco, E. 1995).

2.10.1. El satélite y el sensor El Landsat 5 pertenece al programa Landsat, financiado por el gobierno de los Estados Unidos y operado por la NASA. Pesa 2200 Kg y tiene una longitud aproximada de 4 metros. Lleva a bordo un sensor denominado Thematic Mapper (TM) que opera en siete bandas espectrales diferentes. Estas bandas fueron elegidas especialmente para el monitoreo de vegetación a excepción de la banda 7 que se agregó para aplicaciones geológicas (USGS 2004).
Tabla 1 Utilidad de las Bandas Landsat en la Percepción remota. Banda Micrones Utilidad sobresaliente en la Percepción remota Banda 1 ( 0,45 a 0,52 - azul)
Cuerpos de agua, para diferenciar entre suelo y vegetación y para clasificar distintos cubrimientos boscosos. Vigor de la vegetación sana, midiendo su pico de reflectancia (o radiancia) verde. Clasificación de la cubierta vegetal. También sirve en la diferenciación de las distintas rocas y para detectar limonita Contenido de biomasa, para la delimitación de cuerpos de agua y para la clasificación de las rocas. Indicativa del contenido de humedad de la vegetación y del suelo. También sirve para discriminar entre nieve y nubes. El infrarrojo termal es útil en el análisis del stress de la vegetación, en la determinación de la humedad del suelo y en el mapeo termal. Discriminación de rocas y para el mapeo hidrotermal. Mide la cantidad de hidróxilos (OH) y la absorción de agua.

Banda 2

(0,52 a 0,60 - verde)

Banda 3

(0,63 a 0,69 - rojo)

Banda 4

(0,76 a 0,90 - infrarrojo cercano)

Banda 5

(1,55 a 1,75 - infrarrojo medio)

Banda 6 (10,40 a 12,50 - infrarrojo termal)

Banda 7

(2,08 a 2,35 - infrarrojo medio)

Fuente : (Aerosat S.A. 2004).

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

19

Estas siete bandas pueden combinarse de a tres o más, produciendo una gama de imágenes de color compuesto que incrementan notablemente sus aplicaciones, especialmente en el campo de los recursos naturales. (Aerosat S.A. 2004). El mapeador temático (TM) tiene mayor sensibilidad radiométrica que su antecesor, el MSS, y mejor resolución espacial, ya que el tamaño del pixel en todas las bandas excepto la 6, es de 30 metros. Esto permite la clasificación de zonas tan pequeñas como 2,5 o 3 hectáreas. La banda 6, que es una banda termal, tiene un pixel de 120 metros en el terreno.

2.11. Transformaciones e interpretación de imágenes satélites El tipo de sensor que se encuentre en el satélite, toma la energía irradiada por los elementos provenientes de la superficie terrestre y los convierte en un rango de valores numéricos, enteros (pixel), que se hallan comprendidos entre 0 y 255 niveles de grises (Clayton, F. et al. 2000).

No es posible obtener datos de superficie, longitud, latitud de la información que las imágenes contienen. Para lograr todo ello es necesario realizar un tratamiento de imagen. Este es un tipo de transformación para imágenes el cual ofrece una gama de coloración en base a la mezcla de los tres principales colores rojo, verde y azul (RVA). La tonalidad de colores desde el mas oscuro (negro) hasta el mas claro (blanco) se relaciona con el nivel digital de cada pixels, es decir que la coloración va, desde valores menores en tonos oscuros y valores mas altos en tonos claros, haciendo un rango de 0 hasta 255 valores. (Chuvieco, E. 1995).

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

20

2.12. Índices de vegetación Para estudiar la cobertura vegetal de una zona mediante imágenes de satélites, se han desarrollado diversas técnicas que permiten tener datos cualitativos y cuantitativos del estado de la vegetación. Los índices de vegetación son técnicas que transforman las imágenes originales reduciendo directamente en cada pixel el número de sus bandas a un solo dato de información. Básicamente estos índices se fundamentan en el fuerte contraste existente entre la reflectancia expresada en rango de valores de menor a mayor. En las plantas con actividad fotosintética, las moléculas de clorofila responsables de esta función absorben la luz roja, por lo tanto reflejan elementos como nubes, nieve, agua, zonas de suelo sin cobertura y rocas, mientras que las células de las hojas en un estado de turgencia normal reflejan la mayor parte de la radiación infrarroja que reciben (Yaguë, et al. 1999 citado por Chuvieco, E. 1995). Entonces, una de las transformaciones aplicadas al estudio de vegetación, es el Indice de vegetación de diferencia normalizada (NDVI). La combinación de las bandas infrarroja cercana (4) y roja (3) para el sensor TM es utilizada para la construcción del NDVI. Este resultado permite visualizar a través de los valores niveles digitales una discriminación mas clara de la vegetación. Existe un rango de valores que es la respuesta de la magnitud espectral que se obtiene del NDVI este oscila entre (-1) y el (+1); encontrándose para cubiertas vegetales valores en torno a 0.2. Sin embargo los valores positivos que se muestran en la imagen indican menor reflectancia correspondiendo a zonas de vegetación. Mientras que los valores negativos, generados por una mayor reflectancia mas en el rojo que en el infrarrojo pertenecen a nubes, nieve, agua, zonas de suelo sin cobertura y rocas (Chuvieco, E. 1995).

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

21

2.13. Métodos de Clasificación digital La clasificación digital se dirige a obtener una nueva imagen, en la cual cada uno de los pixeles originales venga definido por un ND (Nivel Digital), que es el identificador de la clase en donde se haya incluido. Estas clases pueden describir distintos tipos de cubierta (variable nominal o categórica), o bien intervalos de una misma categoría de interés (variable ordinal). Por ejemplo, una clasificación de especies vegetales estaría dentro del primer grupo, mientras un intento de señalar niveles de afectación en un incendio forestal o de humedad en una inundación, estaría en el segundo (USGS, 2004).

Se pueden distinguir los siguientes métodos de clasificación: a) Método Supervisado, b) Método no supervisado (Centro Canadiense de Percepción Remota, 2004).

2.13.1. Clasificación Supervisada Para realizar la clasificación supervisada, se sugiere tener un conocimiento somero de la cobertura y de los elementos circundantes de la zona o área donde se desarrollará el estudio. Son muy útiles las experiencia de campo que conlleven relevamientos florísticos y geológicos. Se delimitan áreas de interés, siendo esto una manera más puntual para realizar el análisis. Así se consideran áreas representativas de acuerdo a las categorías que se hubieran tomado en cuenta para realizar la clasificación de cobertura (Kajiwara, et al. 1990). Una técnica útil es construir polígonos dentro de la imagen, representados en “campos de entrenamiento”, estos se encargan de entrenar al programa del computador a reconocer las distintas categorías ya establecidas por el investigador para la zona de estudio en cuestión. Estos campos de entrenamiento muestran un rango numérico en niveles digitales que

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

22

representa cada pixel. En base a la aplicación estadística básica como la media y desviación estándar calculadas de los campos de entrenamiento, el programa de análisis de imágenes analiza los datos numéricos de los pixeles para definirlos en una de las categorías propuesta y seleccionada mediante los campos de entrenamiento (Giddings, L.1980).

Es aconsejable seleccionar campos de entrenamiento pequeños de tal manera que se logre objetivamente analizar el contenido de información en esta población de pixels, para evitar distorsión en los valores que serán generados en la matriz de datos (Chuvieco, E.1995).

2.13.2. Clasificación No supervisada Otra opción para realizar una clasificación de la cobertura se denomina clasificación no supervisada, en cuyo caso el agrupamiento de pixeles similares es realizado automáticamente por el sistema digital del computador. En este sentido lo que se logra es realizar agrupamientos o categorías arbitrarias que serán utilizadas para la clasificación del área de estudio (Chuvieco E. 1995).

La clasificación no supervisada está en condición de ofrecer una información subjetiva, en base a la realidad de sitio de estudio escogido más bien hace una referencia lógica de lo que capta el sensor. En este sentido si bien la informática tiene la capacidad de minimizar el tiempo de trabajo en el análisis de imágenes y su consecuente clasificación un punto muy importante es el criterio del analista, ya que aún el ojo humano no puede ser reemplazado (Martínez, I. 1997).

Tanto la clasificación no supervisada como la supervisada, las poblaciones de pixeles de las diferentes categorías deben tener caracteres espectrales

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

23

homogéneos, lo que significa que cada unidad de la imagen (pixel) se asocia con niveles digitales contiguos similares.

2.14. Resolución de las Imágenes SNIDS 2001, definen la resolución de un sistema sensor como su habilidad para discriminar la información de detalle. El conjunto de resoluciones de un sistema sensor presenta al menos cuatro manifestaciones y son las siguientes:

2.14.1. Resolución espectral Indica el número y anchura de las bandas espectrales que puede discriminar el sensor.

Los sensores del satélite Landsat TM (Mapeador Temático) captan la energía reflejada por la superficie terrestre en 7 bandas o rangos del espectro electromagnético.

2.14.2. Resolución radiométrica Esta resolución depende de la sensibilidad del sensor, en otras palabras, de su capacidad para detectar variaciones en la radiansa espectral que recibe, y va del nivel (0) hasta 256; el cero equivale al color negro y el 256 al color blanco, existiendo una gama de grises en el rango indicado. Al conjunto de la resolución espectral y espacial se le conoce como resolución radiométrica.

2.14.3. Resolución espacial Este concepto designa al objeto más pequeño (píxel) que puede ser designado sobre una imagen. El píxel es la medida más generalizada de

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

24

resolución espacial. Es la identificación de los objetos sobre la superficie del suelo y la discriminación de los mismos.

2.14.4. Resolución Temporal Relacionado con la frecuencia de cobertura que proporciona el sensor, determinando la periodicidad con la que se registran los datos de la misma porción de la superficie terrestre.

2.15. Análisis de Componentes principales El PCA constituye un procedimiento matemático que permite transformar un número de variables posiblemente correlacionadas en un número menor de variables no correlacionadas (ortogonales), llamadas componentes principales. El primer componente (eje) absorbe la mayor cantidad de variabilidad posible del conjunto de datos y cada uno de los componentes restantes absorbe el resto (JOFCA, 1996). Esta metodología es ampliamente usada en teledetección multiespectral. La transformación de los datos originales multiespectrales mediante el PCA puede resultar en un conjunto de nuevas bandas (componentes principales), más interpretables que las originales. El PCA también es usado para comprimir datos, reduciendo la dimensionalidad espectral de las bandas originales (6 en el Landsat) en unas pocas bandas transformadas en la imagen de componentes principales (Maldonado, F. 1999).

2.16. Modelo densidad de dosel forestal DDF El Modelo DDF combina los datos derivados de cuatro índices: un índice de vegetación VI, un índice de suelo sin cobertura BI, un índice de sombra SI y un índice térmico TI. Además, el proyecto estableció tres nuevos índices: un índice

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

25

avanzado de vegetación AVI; un índice avanzado de sombra ASI; y un índice de sombra escalonado SSI (ITTO, 2000).

En la figura 3 se ilustra la relación entre las condiciones forestales y los cuatro primeros índices. Los valores del VI se refieren a todos los tipos de vegetación, por ejemplo, bosques y pastos. Los valores del SI se incrementan al aumentar la densidad del bosque. Los valores del TI aumentan al disminuir los valores del VI. Al estar expuestos al sol, los suelos negros tienen una temperatura relativamente alta: por lo tanto, los valores del BI aumentan en proporción a la superficie de suelo sin cobertura expuesta. Los valores de estos índices se calculan para cada pixel de la imagen de satélite (ITTO, 2001).

Figura 3 Características de los cuatro índices de condiciones forestales (ITTO, 2000)

Según Rikimaru A. et al (2000), la densidad de dosel se calcula en degradación de píxeles. El modelo DDF requiere menos información de levantamiento topográfico, basándose básicamente en el crecimiento del bosque; se obtienen

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

26

resultados bastante fiables como muy aplicables dentro de todas las operaciones forestales, en interpretación de características de suelo, protección de cuencas, composición florística del bosque entre otras; en la aplicación de este modelo se analizaran cuatro factores espectrales denominados índices desarrollados a continuación.

2.16.1. Índice de Vegetación Avanzado (AVI) Al evaluar el estado de vegetación de los bosques, en este nuevo modelo se examinan las características de clorofila-a refracción percibida en la Banda 7 del LANDSAT TM (Roy, P. 1999).

2.16.2. Índice de la Suelo Sin Cobertura (BI) El valor del índice de vegetación no es tan fiable en situaciones donde la vegetación cubre menos de la mitad del área, los nuevos métodos incluyen un índice del suelo sin cobertura (BI) qué se formula con información de infrarrojo medio. La lógica subyacente de este acercamiento es basado en la reciprocidad alta entre el estado del suelo sin cobertura y estado de vegetación. Combina la vegetación y los índices de suelo sin cobertura en el análisis, se evalúa el estado de la tierra desde el bosque continuo desde la vegetación con cobertura boscosa hasta condiciones de la suelo expuesto (Rikimaru, A. et al. 2000).

2.16.3. Índice de la Sombra (SI) Un bosque permite extraer información sobre la estructura del bosque de los datos en tres dimensiones, los nuevos métodos examinan las características de sombra utilizando (a) la información espectral sobre la propia sombra del bosque y (b) la información termal sobre el bosque

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

27

influenciado por sombra. El índice de la sombra se formula a través del extracto del fulgor bajo de bandas visibles (Roy, P. et al. 2000).

2.16.4. Índice Termal (TI) Dos factores se toman en cuenta para poder percibir las fluctuaciones de la temperatura relativa y fresca dentro de un bosque. Uno es el efecto escudando del dosel del bosque que bloquea y absorbe energía del sol. El otro es evaporación de la superficie de la hoja que mitiga calentamiento. La Formulación del índice termal es basado en éstos fenómenos. La fuente de información termal esta dada por la Banda infrarroja de datos TM (Roy, P. et al. 2000).

Los índices que se describen a continuación son mas avanzados en cuestión de percepción y sincronía con los componentes principales (Rikimaru, A. 1998).

2.16.5. Índice Avanzado de Vegetación (AVI) El índice avanzado de vegetación (AVI) permite evaluar el estado de la vegetación de los bosques examinando las características de la clorofila-a. En los ensayos llevados a cabo, el índice AVI respondió a la cantidad de vegetación más sensiblemente que el Indice de Vegetación de Diferencia Normalizada (NDVI) desarrollado por el Instituto de Investigación NOAA-NESS de Estados Unidos (Hans, E. 2001).

2.16.6. Índice Avanzado de Sombra (BI) En los bosques con una cubierta superior densa, suele ser imposible determinar con precisión la intensidad relativa de los valores de sombra en base a los datos del satélite. En consecuencia, es probable que se

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

28

subestime la densidad del dosel forestal. El índice ASI se desarrolló para abordar este problema (Rikimaru, A. 1998).

2.16.7. Índice de Sombra Escalonada (SSI) El valor normalizado se utiliza para los cálculos con otros parámetros. Por ejemplo, entre las áreas de sombra del bosque, a la zona de sombra más oscura se le asigna el 100%, mientras que a la más clara se le adjudica el 0%. Con el índice de sombra escalonado (SSI) se aumenta la precisión del análisis en condiciones que superan la capacidad del SI.

Utilizando el SSI es posible diferenciar claramente la vegetación de la cubierta superior de la vegetación del suelo, lo que ayuda a superar las dificultades planteadas por las condiciones del tipo 2. Esta es una de las principales ventajas de la nueva metodología y mejora considerablemente la precisión del análisis de los datos del satélite (Rikimaru, A.1998).

Figura 4 Condiciones del terreno (ITTO, 1999)

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

29

2.16.8. Efectos medioambientales sobre la clasificación por DDF

2.16.8.1. Efecto de cambio de estación En los bosques húmedos tropicales, la senescencia de las hojas y la desfoliación ocurren durante la estación seca. Para estimar la densidad de la vegetación, el Modelo DDF examina las características de la clorofila a baja cuando los árboles pierden sus hojas. En tales circunstancias, es necesario ajustar el modelo para que pueda determinar un tope máximo de densidad de vegetación que no sea 100%. En algunos casos, será necesario hacer verificaciones en el terreno en las zonas afectadas (JOFCA, 1999).

2.16.8.2. Efectos de la topografía Las sombras por el terreno montañoso pueden ser confundidas con sombras por las copas de los árboles. En aquellas zonas donde predominan las sombras topográficas, el valor de la DDF queda afectado por el “ruido” causado por el efecto de la topografía. Hace falta proceder con cautela cuando se analizan datos afectados por estas sombras topográficas. Una posibilidad es la de esconder o cubrir las zonas con mucha sombra y de excluirlas del computo cuando se calcula la densidad del dosel forestal (JOFCA, 1999).

2.16.8.3. Nubes, sombra de nubes y agua Las nubes, las sombras de nubes (ruidos) y los cuerpos de agua no son el objetivo de la estación cuando se usa este modelo. Pueden, por lo tanto, excluirse semi-automáticamente cuando se usa el

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

30

mapeador DDF. Es difícil estimar la DDF en áreas cubiertas de nubes. Esto es particularmente problemático cuando se quiere avaluar los bosques tropicales húmedos, donde la imagen de satélite a menudo esta distorsionada. Cubrir las áreas afectadas, como se sugirió en el caso de las sombras topográficas, puede ser una solución parcial pero no completa de este problema. La próxima etapa de desarrollo de la metodología DDF incluirá estudios y experimentos para incorporar en el análisis de los recursos forestales datos de radar enviados por satelite,

combinando esto con los métodos de análisis existentes (JOFCA, 1999).

2.16.8.4. Bruma Es conveniente eliminar la bruma del computo de la densidad de dosel forestal, puesto que la bruma afecta el indice de sombra del Modelo DDF. La bruma se manifiesta como manchas obscuras en las imágenes de satelite. Es posible eliminar la bruma, buscando el valor minimo de radiancia. Pero para ello, hace falta un procesamiento muy detallado de los datos. Es esta una opción que actualmente no esta incluida en el sistema semi-experto. Por lo tanto, conviene escoger para los análisis los datos que contengan la menor distorsión posible (JOFCA, 1999).

2.16.9. Algoritmos del modelo Mapeador DDF y los Procedimientos

2.16.9.1. Definición de Parámetros Técnicos Índice de vegetación (VI) NDVI; Índice de Vegetación de Diferencial Normalizado (original de NOAA) NDVI = (NIR-R) / (NIR+R)
La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

31

AVI; Índice Avanzado de Vegetación (Original de ITTO/JOFCA) AVI = (NIR x (256-R) x (NIR-R) + 1)1/3 , 0< (NIR-R) ANVI; Índice Avanzado de Vegetación Normalizado ANVI; Sintetiza los Índices NDVI y AVI, mediante el Análisis del Componente Principal

Índice de Suelo desnuda (BI) BI = ((SWIR+R) – (B+NIR)) / ((SWIR+R) + (B+NIR)) Índice termal (TI) TI; Calibra el Valor de Información de la Banda Termal Índice de la sombra (SI) SI = ((256-B)x(256-G)x(256-R))1/3 B; Banda Azul, G; Banda Verde, R; Banda Roja NIR; Banda de Infra-rojo cercano, SWIR; Onda corta Infra-rojo

Índice de la Sombra avanzado (ASI) Detecta apertura de claros en la cobertura del bosque; los valores de los índices SI y VI son menores que el nivel de umbral de vegetación, el valor del píxel resultante esta en función a las áreas donde no exista cobertura. Entonces el valor de ASI es el cero (0).

Detecta Suelo negro; los valores de SI y TI son menores que el nivel del origen Termal, la mirada del píxel sujeta en el área de la suelo Negra. Entonces el valor de ASI es cero (0). Este proceso es el instrumento para la anulación de error en áreas de sombra presentes en el bosque (Rikimaru, A. 1998).

Densidad de Vegetación (VD) VD ; Densidad de la cobertura vegetal (%) para cada píxel.

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo II Marco teórico

32

Calcula el Componente Principal de VI y BI, y Calibra de Mínimo y el Nivel Cobertura de la Vegetación Máxima.

Índice avanzado de Sombra (SSI) SSI; Calibra el Índice de la Sombra para la Zona Boscosa

Agrupaciones por clases “Cluster” (FC) FC; Indica el nivel de tendencia del Bosque, un valor alto muestra posibilidad alta de Bosque denso. FC=(VI x SI x (256-BI) +1)1/3 Densidad de Dosel Forestal (DDF) DDF; Densidad de Dosel Forestal en (%) por cada píxel. FCD= (VD x SSI +1)1/2 -1

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo II Marco teórico

33

2.17. Diagrama de flujo de procedimientos del modelo DDF El diagrama descrito por JOFCA, (1999) en la figura 5 distingue la metodología empleada para la creación de un mapa de cobertura forestal, a partir de índices de vegetación.

Registrar nuevo proyecto en el DDF

Reprocesamiento de un proyecto ya Existente en el DDF.

Importar la imagen

Preparación del proceso de trabajo en el FCD Mapper
Designación de áreas, de Agua, de Nubes, de Sombra de Nubes. NORMALIZACIÓN DE LA IMAGEN

Calculo de Índice Termal (TI)

Calculo de Índice de Sombra (SI)

Calculo de Índice de Vegetación (VI)

Calculo de Índice de Sombra Escalonado (SSI)

MAPA DE DENSIDAD DE DOSEL FORESTAL (DDF)

Figura 5 Diagrama de flujo del procedimiento del cálculo de Índices (JOFCA, 1999)

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capítulo III Metodología

34

CAPITULO III
3. METODOLOGÍA

3.1. Ubicación área de estudio El Valle del Sacta esta ubicado en el cantón Icuma, provincia Carrasco del departamento de Cochabamba a 223 km. de la ciudad con una altitud de

212msnm, ubicado gegraficamente entre 17°31'30'' - 17°7'30'' latitud sud y 64°47'10' - 64°3105'' longitud oeste, la propiedad universitaria cuenta actualmente con 6518 hectáreas (Montecinos, P. 1998).

En la figura 6 se muestra el área de estudio, los mapas fueron trabajados en proyección UTM, esferoide internacional 1984 y el Datum correspondiente al WGS -84.

Figura 6 Mapa de Ubicación del área de Estudio

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capítulo III Metodología

35

3.1.1. Fisiográfica y suelos Según estudios de la Universidad Mayor de San Simón (UMSS-1988) el relieve es levemente ondulado con suelos de origen aluvial de reciente formación cuyo perfil típico consiste de deposiciones de arcilla, limo y arena textura fina, suelos de tipo inceptisoles, oxisoles y pocos ultisoles, con un ph de 4.5 a 5.5 (ácidos) con alta saturación de aluminio y deficiente en Ca, y Mg (Holdridge, L.1996).

3.1.2. Clima El clima sub tropical, es de ambiente cálido con temperatura media de 26° C, temperatura mínima de 22.9°C y la máxima de 29.1°C (SENAMEHI; 2000 citado por Montesinos, P. 1998). Las máximas precipitaciones ocurren en los meses de diciembre enero febrero disminuyendo paulatinamente hasta los meses de julio y agosto siendo estos últimos los menos lluviosos alcanzando una Precipitación media anual de 3000-3500 mm (Montesinos, P. 1998).

3.1.3. Hidrografía La zona se caracteriza por la presencia de tres ríos caudalosos de agua considerables y en gran parte navegables por embarcaciones pequeñas. la concesión se encuentra surcada de varios arroyos siendo el principal el arroyo Aro-Uta (Escalante,1980 citado por Montesinos, P. 1998).

En al zona oeste, existen caudalosos muy variables, en los cuales un 3% tiene un caudal intermitente y el resto con presencia de agua de forma constante. El mas importante es el Rió Amarillo, que cruza la senda de Alto Pucara – UMSS, y presenta en época lluviosa una crecida de 50 m

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capítulo III Metodología

36

aproximadamente ambos lados, con inundaciones y crecidas temporales (Macias, M 1993 citado por Montesinos, P. 1998).

3.1.4. Vegetación Muestra una gran diversidad de especies arbóreas y arbustivas que corresponden a la formación de vegetal “bosque húmedo subtropical” (bh – ST) (Holdridge, L. 1987 citado por Montesinos, 1998)

3.2. Materiales Entre los materiales que se requiere para la elaboración del presente estudio de investigación tenemos los siguientes:

3.2.1. Requerimientos de medición.Brújula Cinta métrica G.P.S. Navegador (Sistema de Posicionamiento Global)

3.2.2. Requerimientos de mapas / imágenes.-

Mapas topográficos (Esc. 1: 50000) Imagen satélite LANDSAT TM (232/072/11/03)

3.2.3. Requerimiento de otros materiales.Software y hardware necesarios para el Estudio ( ILWIS 3.2, ERDAS, ARCVIEW 3.0 ; FCD Mapper 2.0; SYSTAT 11) Material de escritorio Cámara fotográfica Material de escritorio

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capítulo III Metodología

37

3.3. Métodos y procedimientos

3.3.1. Tratamiento de la imagen Landsat TM Lillesand, T. et al (1994) sostienen que para la corrección geométrica de la imagen, este proceso se refiere a la transformación de cada uno de los píxeles a un sistema de referencia geográfico conocido, de tal manera que la orientación espacial de la imagen coincida con otro sistema de referencia similar, para esto se utiliza ILWIS.

Para este efecto, se ha utilizado, como datos de referencia, las cartas topográficas 1:50.000 del IGM y se ha aplicado un modelo geométrico polinomial de primer orden y una transformación mediante el método de los vecinos más próximos (entre píxeles) (Chuvieco, E.1995).

Antes de realizar la clasificación o estratificación se hace un recorte de cada imagen para cubrir solamente el sitio de estudio.

El análisis visual de la imagen se realiza una combinación en falso color o infrarrojo color 4, (Infrarrojo cercano) 5 (Infrarrojo medio), 3 (Rojo). Esta combinación permite garantizar mejor la discriminación de las cubiertas vegetales, este proceso fue realizado en el modelo FCD Mapper como se ilustra en la figura 7 (Roy, P. 2000).

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capítulo III Metodología

38

Figura 7 Composición de bandas Landsat 543 del Área de Estudio 11/03

3.3.1.1. La designación de la imagen y el análisis del área Antes de proceder con la importación de la imagen, con la ayuda de ILWIS se trasforma la imagen de formato Geotiff1 a formato BMP2 el cual permite cargar la imagen de entrada al FCD Mapper.

La designación de la combinación de bandas para adscribir cada uno de los píxeles de la imagen a uno de los valores seleccionados, para que el usuario obtenga una nueva imagen cuyos valores expresen la categoría temática que obtiene a partir de la imagen original para facilitar la interpretación visual (Roy, P.1997).

3.3.1.2. Designación del rango del análisis del área Se designa un rango de despliegue de la imagen como los parámetros de importación de las 7 bandas, se toma en cuenta la cobertura que esta fuera del limite administrativo para permitir una buena
1

Extensión del formato TIFF que permite transmitir la información geográfica vinculada a la imagen (posición, orientación, resolución y proyección
2

Contracción de Bit MaP (mapa de bits). Formato de archivos gráficos de Windows

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capítulo III Metodología

39

discriminación de los valores expresados a partir de reflactancias diferenciadas por estratos vecinos que denota la selección del área; sus coordenadas están expresadas en la siguiente tabla.

Tabla 2 Puntos Máximos y Mínimos dentro el rango del Área Puntos Mínimos Máximos Coor X Coor Y 309.283,15 8.105.685,28 321.459,22 8.117.330,06

Fuente: Elaboración propia 2005

3.3.1.3. Normalización de la imagen y enmascaramiento de ruidos A través del proceso de normalización de la imagen se ajustan todos los datos de los ND´s de los pixeles dentro de la imagen producidos por efectos medioambientales denominados ruidos para conformar o configurar una mejor percepción del área de estudio, resaltando sus características. En este caso no es necesario ajustar a las variaciones producidas por sombra dentro de la imagen debido el período de tiempo y sitio los rasgos bio-específicos del área no producen este fenómeno (Chuvieco, E. 1995).

Con la ayuda del modelo se normaliza la imagen, enmascarando áreas que puedan ser confundidas con características de la vegetación, como nubes, sombras de las nubes, pendientes y otros (ITTO, 2000). (Y1 – Y2) (X1 – X2) 20 – 220 (M –2S) – (M +2S) 50 S

A=

=

=

Ecuación 3 Normalización de imagen

B = AX1 + Y1

Y = AX + B

Donde: X1= M-2S X2=M+2S Y1=20 Y2=220 M= Media S = Desviación Estandar X = Datos Originales Y = datos Normalizados

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capítulo III Metodología

40

Al contrario del método de un SIG normal para agrupar la vegetación, evalúa el estado del bosque basándose en análisis cualitativo, dicho análisis de datos en los sistemas percepción remota deriva en toma de datos preliminares en campo antes de realizar cualquier clasificación confiable, el modelo de DDF se basa en las condiciones del bosque que son análisis cuantitativos. El Modelo DDF utiliza la densidad de dosel del bosque como un parámetro esencial para condiciones anteriormente. del bosque, innovando la caracterización de no utilizados

parámetros

Figura 8 datos de la Normalización de cada banda (Rikimaru, A. 2002)

3.3.1.3.1. Enmascaramiento de los cuerpos de agua Estos procedimientos permiten asignar valores de reducción de ruido o encubrimiento (enmascaramiento) del ruido para que en el proceso ya de clasificación estos valores no sean confundidos ni incluidos dentro de las características espectrales analizadas, con estos valores se remueve las áreas (es decir se enmáscara) de la imagen dónde el ruido existe debido a la presencia de cuerpos de agua (ITTO, 2000).

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capítulo III Metodología

41

3.3.1.3.2. Enmascaramiento de nubes Este procedimiento es similar al de encubrimiento de los cuerpos de agua, el valor de esas porciones de la imagen dónde el ruido existe debido a las nubes, es removida (es decir se enmascara), sin embargo este procedimiento es mas delicado e importante puesto que las nubes nos cubrirán áreas importantes de

clasificación, no permitiendo cuantificar estas áreas (ITTO, 2001).

3.3.1.4.

Designación del índice de vegetación (IV) Dentro del Modelo DDF se busca el índice mas adecuado y/o ajustarlo mejor, para la practica de la clasificación, buscando que los valores representen a cabalidad la realidad, por adecuarse mejor a las características de cobertura forestal haciéndolos mas notables para el clasificador y usuario (ITTO, 2000).

El índice de vegetación es el mas importante de los índices porque permite realzar las características antes mencionadas, para el objetivo de estratificación; elegir en cual de los índices la clorofila-a se expresa con mayor radianza, por esto es mas fácil la cuantificación visual de la biomasa presentes en las bandas (NIR) como se expresa en la formula siguiente (JOFCA, 1997).

NDVI = ( ( TM4 – TM3 ) / ( TM4 + TM3 ) ) * 127 + 128
Ecuación 4 NDVI

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capítulo III Metodología

42

Ficoeritrina Clorofila b Ficocianina

B- Caroteno Clorofila A

0.01

10

3.80

450

490

570

590

620

Longitud de onda, nm

Figura 9 Cromatología espectral vegetal (Chuvieco, E. 1995)

El análisis de componentes principales (ACP) esta basado en las Bandas del infrarrojo, si la correlación es negativa el numero de píxeles con valores del Índice de Vegetación será mayor (Jasinki, F. et al 1990).

Figura 10 Análisis de Componentes Principales para índices (BI VI) (JOFCA, 1999)

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capítulo III Metodología

43

3.3.1.4.1. Cálculo del índice termal (TI) Este índice esta basado en la presencia de la banda termal 6, por lo que se asignan valores después de la designación del Índice de vegetación (VI) que seleccionamos anteriormente.

Dos factores se consideraron para representar mejor la temperatura relativa dentro del bosque. Uno de estos es el efecto de escudo que proporciona el dosel forestal (Sombra) que bloquea y absorbe la energía del sol. El otro es la evaporación de la superficie de la hoja que mitiga el calentamiento en estratos inferiores mas que en los superiores del bosque (ITTO, 2000).

L= Lmin + ( ( Lmax – Lmin ) / 255 ) * Q T= K2 / ( ln ( K1 / L + 1) )
Ecuación 5 TI

Donde: L: valor de fulgor en el infrarrojo termal. T: temperatura (kelvin). Q: registro digital. K1, K2,: coeficientes de la calibración. K1=666.09 / (µm) K2=1282.71 Kelvin Lmin = 0.1238 vatios / (µm) Lmax = 1.500 vatios / (µm) 3.3.1.4.2. Cálculo del índice de la sombra (SI) El cálculo del índice de la sombra involucro una ecuación

normal. El sistema básicamente revisa huecos dentro del bosque y la información del suelo sin cobertura, con el modelo DDF se puede calcular además el Índice de la Sombra Avanzado (ASI) que no es mas que un escalonamiento de sombra con valores que van de 0 a 100.

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capítulo III Metodología

44

El modelo DDF se utilizo la información espectral sobre la propia sombra del bosque y la información termal en el bosque influenciado por la sombra. El índice de la sombra se formula a través del extracto del fulgor de las Bandas Visibles (ITTO, 2000).

SI = ( ( 256-B1) x ( 256 - B2 ) x ( 256- B3 ) ) 1/3
Ecuación 6 SI

Donde : SI : Índice de Sombra B1 : Banda 1 B2 : Banda 2 B3 : Banda 3 256 :Constante escala de grises 3.3.1.4.3. Cálculo de Índice de Vegetación Avanzado (AVI) Al evaluar el estado de vegetación del bosque, los nuevos métodos examinan primero las características de la clorofila-a que es analizado por todos los Sistemas de Información Geográfico (SIG) al usar un nuevo Índice de Vegetación Avanzado (AVI) se analizan dos casos, el primero es para el estado refractario de la clorofila-a en las bandas 4 y 3; para el segundo caso de la misma manera pero de la clorofila-b, este proceso se representa en la formula siguiente (ITTO, 2000).

Caso-(a) B43 <0 AVI = 0 Caso-(b) B43>0 AVI= ( ( B4+1 ) x ( 256-B3 ) x B43 )1/3
Ecuación 7 AVI

Donde: B1~B7: datos de las bandas TM 1~7 B43= B4-B3 después de la normalización del rango de los datos.

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capítulo III Metodología

45

3.3.1.4.4. Cálculo de Índice de Suelo sin cobertura (BI) Tomando en cuenta que el valor del índice de vegetación no es tan fiable en las situaciones dónde las capas de vegetación son menos de la mitad del área total de estudio, con la utilización del Modelo Densidad de Dosel Forestal se incluyen un índice de suelo sin cobertura (BI) qué se formula con el infrarrojo medio que va de 1,55µ a 1,75µ (JOFCA, 1997).

La lógica subyacente de esta estimación esta basada en la reciprocidad alta entre el estado del suelo desnudo y estado húmedo de vegetación del área de estudio. Combinando vegetación y el índices de suelo sin cobertura en el análisis, se puede evaluar el estado del suelo en temperatura y cobertura del bosque el Valle del Sacta que va en degradación (Rikimaru, A. 1999).

BI=((B5+B3)-(B4+B1)) / ((B5+B3) + (B4+B1)) x 100 +100 ; 0 <BI <200
Ecuación 8 BI

El rango de BI se cubre dentro rango de 8 Bits Donde: BI : Índice de Suelo Descubierto B1: Banda 1 B2: Banda 2 B3: Banda 3 B4: Banda 4 B5: Banda 5 3.3.1.5. Estratificación no supervisada del área de estudio La estratificación fue resultante del tratamiento de la imagen, después del proceso de normalización de la imagen, y todos los demás procesos que mencionamos adelante; la clasificación o

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capítulo III Metodología

46

estratificación en este caso, fue basado en 6 clases o unidades que van de 0 a 100% dentro de los rangos de vegetación de densidad de dosel los cuales por efectos de análisis preliminar, y efecto de la investigación se les nombraron como estratos, el valor de 0 en la clase 1 denota áreas enmascaradas por ruido (ver Tabla3).

Tabla 3 Rango de clases

Clases 1 2 3 4 5 6

Rango de estrato % 0-0 1 - 21 22 - 41 42 - 62 63 - 81 82 - 100

Fuente: Elaboración propia 2005 3.3.1.6. Definición de los puntos de control Debido a que se trabaja con una imagen Landsat cuya resolución espacial es de 30 x 30 metros, la leyenda de trabajo o clases a categorizar está controlada por este hecho.

Para facilitar la recolección de datos, dentro los puntos de control, el área de divide en 9 cuadrantes de 113 x113 píxeles, dentro una variable binomial la probabilidad de certeza de 90%, y esperanza de error máximo de 10% de error en el mapa, como resultado tenemos 72 puntos de entrenamiento necesarios para cubrir el área, siendo estos 18 parcelas temporales de 3 x 3 píxeles.

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capítulo III Metodología

47

A1 27 25

28 26

A2

A3

31 29

32 30 35 33 36 34

B1

B2 19 17 15 13 16 14 C2 7 5 8 20 18

B3 339pixe ls

23 21 C3

24 22

C1

11 113pixe l 6 9

12 10

3 1

4 2

339pixe ls

Figura 11 Desarrollo del muestreo Sistemático no Alineado (adaptado de Chuvieco, E 1995)

Z2pq
= n Donde : n= z= p= q= L=

L2

Ecuación 9 Ecuación de Variable Binomial

Numero de muestras nivel de probabilidad % de asiento esperado % de error esperado nivel máximo de error 1.962 (95*5)

= n

72 =

5

2

Con esta ecuación binomial se obtuvo 72 puntos de verificación en terreno, con 95% de probabilidad, con un acierto de la estratificación esperado de 95% y un máximo de error permitido de ±5%.

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capítulo III Metodología

48

3.3.2. Verificación de la clasificación del modelo Tomando como base la información obtenida en la fase anterior, se obtuvo datos de campo en el área de estudio, en aspectos referidos a la clasificación del bosque por factores espectrales; se establecen áreas (vértices de puntos de control) que involucre la mayor representatividad de la clasificación no supervisada en las unidades dentro del Área de Estudio. Dentro de las parcelas se realizo un training3 o verificación de la clasificación de los estratos, para ubicar los puntos, se utilizo GPS en puntos claves donde la percepción de los satélites sea aceptable,

aprovechando claros de apertura en las copas para hallar los puntos mas precisos con la ayuda de la brújula y la cinta métrica, en estos puntos se miden las alturas aproximadas de los árboles presentes en estratos predominantes.

3.3.2.1. Puntos de control verificables en terreno Consistió en la caracterización de las clases informacionales de acuerdo a patrones de reconocimiento en el terreno. Se trata de delimitar parcelas de muestreo (polígonos), en donde los píxeles que las componen son representativos por cada una de las categorías y la información que se desea identificar, correspondiente a las siguientes unidades o estratos:

3

Training: Levantamiento en campo de los puntos de control (parcelas de muestreo).

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capítulo III Metodología

49

3.3.2.1.1. Clases o estratos
Tabla 4 Estratos

Unidades Estrato 1 2 Estrato 3 Estrato 4 Estrato 5

Descripcion El estrato del suelo Estrato El estrato del soto bosque El estrato del sub dosel El estrato de las coronas continuas El dosel de las coronas emergentes

Fuente: Elaboración propia 2005 Así mismo, el grado de cobertura de la vegetación, fue evaluado tomando en cuenta cinco parámetros: 1) cerrada, con más del 80 % de cobertura 2) densa, entre un 40 y un 80 % 3) abierta, entre 10 y 40 % 4) dispersa, entre 2 y 10 % 5) ausente, inferior al 2 %.

3.3.2.2. Validación de unidades en campo El producto final de la clasificación digital, es un mapa temático. La fiabilidad de este documento cartográfico depende principalmente, de la metodología adoptada y de la calidad de los datos sobre los que se aplica.

La validación se realiza comparando el estrato definido en 72 puntos GPS´s muestreados de manera sistemática no alineada propuesta por Chuvieco, E. (1995), y reclasificarla basándose en estratos ya definidos, con la asignación de valores de descripción, y porcentaje de cobertura de vegetación para cada estrato en el total de puntos, se prosigue con la validación del modelo mediante el análisis estadístico .

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capítulo III Metodología

50

3.3.3. Validación del Modelo DDF En esta fase se comparo datos de la clasificación no-supervisada y la clasificación supervisada, datos obtenidos en campo, así como la interpretación de los mismos obtenidos de la estadísticos analíticos. aplicación de modelos

Se asigno valores descriptivos (leyenda) a cada uno de los estratos seleccionados, de acuerdo a los datos recolectados dentro de los puntos de control, estos valores fueron los mismos descritos en la tabla 6.

3.3.3.1. Análisis estadístico Para este análisis se utilizo el software estadístico SYSTAT que posibilito el análisis comparativo de la estratificación.

Se recurrió al análisis de matriz de correlación y coeficientes Kappa, por ser más apropiado a las características de este estudio. La matriz de correlación se uso para comparar una muestra del verdadero valor del píxel para cada clase de los estratos de la vegetación que se obtuvo en el trabajo de campo y el segmento clasificado en la imagen en la base de una comparación de píxel-apíxel, que nos permitió analizar con exactitud los diferentes estratos, interpolando la muestra de cada estrato en las parcelas (Landis J. et al 1977). Los coeficientes Kappa, se analizaron después de la recolección de datos de validación en terreno o de parcelas temporales cuya

interpretación temática es conocida sobre algunas partes del área clasificada, con el objetivo de ser comparados con el mapa de uso y

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capítulo III Metodología

51

cobertura obtenido por una clasificación espectral que es básicamente el objetivo de este estudio como se muestra en la tabla 5 (Hedeker, D. et al 2002).

Tabla 5 Matriz de Correlación Referencia
Estrato 1 Estrato 1 Estrato 2 Estrato 3 Estrato 4 Estrato 5 Estrato 6 TOTAL Exactitud Productor Error de Omision Estrato 2 Estrato 3 Estrato 4 Estrato 5 Estrato 6 TOTAL Exactitud Usuario Error Comision

X 11 X 22 X 33 X 44 X 55 X 66 X +1 X 11/X+1 X +2 X 22/X+2 X +3 X 33/X+3 X +4 X 44/X+4 X +5 X 55/X+5 X +6 X 66/X+6

X 1+ X 2+ X 3+ X 4+ X 5+ X 6+ SXii

X 11/X 1+ X 22/X 2+ X 33/X 3+ X 44/X 4+ X 55/X 5+ X 66/X 6+

1-X11/X1+ 1-X22/X2+ 1-X33/X3+ 1-X44/X4+ 1-X55/X5+ 1-X66/X6+

1-X11/X+1 1-X22/X+2 1-X33/X+3 1-X44/X+4 1-X55/X+5 1-X66/X+6

Fuente: Smillie, K. 1978.
Coeficiente Kappa = (dK-qK)/N-qK) Ecuación 10 KAPPA

Donde: dK= suma de los elementos de la diagonal qK= coeficiente calculado N = número de puntos obtenido Una vez construida la matriz, se procedió al cálculo de un coeficiente que se denota como qK obtenido por la sumatoria de la multiplicación de los totales de los errores de comisión de los 6 estratos de la clasificación nosupervisada por los totales de los errores de omisión de los 6 estratos de la reclasificación (Herrera José et al 1999).

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capítulo III Metodología

52

Además, del estadístico kappa, la matriz de confusión nos proporciono otras informaciones adicionales tales como: % Fiabilidad global = nº píxeles correctamente clasificados nº total de píxeles nº total píxeles correctamente % Fiabilidad por estrato = clasificados en un estrato nº total de píxeles del estrato x 100 x 100 x 100

% error de omisión =

X+i - Xii X i+ Xi+ - Xii X i+

% error de comisión =

x 100

Landis, J. et al (1977), asociaron a las concordancias observadas cinco clases de valores de K para el grado de concordancia:
0< k < 0,20 0,21< k < 0,40 0,41 < k < 0,60 0,61 < k < 0,80 0,81 < k < 1

grado de concordancia pequeño o leve. grado de concordancia satisfactorio. grado de concordancia moderado. grado de concordancia fuerte. grado de concordancia casi perfecta.

También, la medida de concordancia kappa puede ser utilizada de forma aislada para cada una de las clases (Congalton, R. et al.1983).

Para estudiar la significación de las diferencias entre las dos clasificaciones, se realiza un contraste de hipótesis . Siendo la hipótesis nula H0: k =O, y, la hipótesis alternativa Hl: k >O. Se utiliza como estadístico de contraste la variable Z (ecuación 11), que para un nivel de significación de 0,05, le corresponde un Z crítico de 1,96 (Fleiss, J. 1981).

Z = k /S
Ecuación 11 Contraste de hipótesis

Donde: Z: variable reducida k : coeficiente de concordancia s: desviación típica de k

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capítulo III Metodología

53

3.4. Diagrama de flujo de metodología empleada en la estratificación El diagrama presentado en la figura 12, expresa en síntesis el desarrollo del trabajo paso a paso de todos los procedimientos para la generación de los resultados, estos pasos permiten generar mapas de estratificación del bosque.
Proceso de Reducción de ruido (línea de ruido, ruido Atmosférico, área de la Nube, área de sombra de Nube, el área,etc de agua.etc..

Landsat TM

Corrección Sistema Mapa DDF Rango de Normalización de los datos TM para cada banda Corrección Atmosférica Digitalización Índice de vegetación Avanzada Índice Suelo Índice sombra Índice termal

Geo-corrección Rectificación de la georeferencia

Diferenciación Detección de la Tierra negra

Registro inicial Referencial de la imagen

Vegetació n / suelo Desnudo

Índice Avanzado de Vegetación Escalonada

Rectificación del registro Integración no Exactitud suficiente

Mapa de Densidad de Dosel si

salida

conclusión Localización Parcelas del campo Características de las parcelas por cada banda Base de datos para cada banda por estrato

Figura 12 Diagrama de la metodología empleada, elaboración propia (2005)

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo IV Resultados y Discusión

54

CAPITULO IV
4. RESULTADOS Y DISCUSIÓN

4.1. Análisis de la densidad de dosel forestal Para poder analizar como la densidad de dosel puede permitir una rápida clasificación de los bosques específicamente en el Valle del Sacta, se desarrolla a continuación todo lo planteado en la metodología paso a paso.

4.1.1. Normalización o realce de la imagen La imagen que se nuestra en al figura 13 esta normalizada, las áreas de color negro son cuerpos naturales (agua) removidos que no entran en el análisis de estratificación a través de la información pictórica4.

Figura 13 Normalización de imagen en B541
4

Pictórica: valores representados por colores.

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo IV Resultados y Discusión

55

La composición en falso color de las bandas 5,4,1, permite discriminar mejor las características y remover áreas de ruido, las bandas fueron elegidas por lo siguiente, la banda 5 para reducir el ruido de las nubes; la banda 4 para cuerpos de agua y la banda 1 para penetración de cuerpos de agua.

Con los histogramas presentes en el modelo DDF se realiza el tratamiento de enmascaramiento o de realce de la imagen, permiten mejorar el realce visual, por las características de este estudio es importante e indispensable realizarlo en cada uno de los índices.(Ver Anexo 1.1)

La banda 1 presenta mayor desplazamiento en sus valores mínimos, lo que puede ser considerado como un efecto de la dispersión atmosférica; valga recalcar que la frecuencia relativa de un ND (Nivel Digital) en este y los demás histogramas se calcula como la proporción del número total de píxeles de cada banda que cuentan con ese valor.

4.1.1.1.Enmascaramiento de ruidos Para minimizar la mancha y/o ruido, evitando incurrir en un error de clasificación, a cada agrupación de estas características se le asigna un valor de 0. Durante la clasificación no-supervisada el modelo clasifico la imagen en conglomerados o agrupaciones de vegetación (clusters), en este caso 6 estratos (o unidades) como se muestra en la figura 14.

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo IV Resultados y Discusión

56

Figura 14 Enmascaramiento de cuerpos de Agua

En el enmascaramiento de la imagen referida al cubrimiento y designación de valores de 0 a las áreas cubiertas de cuerpos de agua, para no ser incluidas en el análisis espectral de clasificación posterior.

En el histograma de entrada para enmascarar las superficies de agua, se encontraron un total de 65 conglomerados dentro del área de estudio, siendo la frecuencia mas alta que el histograma de Suelo sin cobertura indicando así áreas mayores y continuas, asignándoles a los puntos un valor de 175. (ver Anexo 1.2)

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo IV Resultados y Discusión

57

Figura 15 Enmascaramiento de suelos sin cobertura

Para la cobertura vegetal se encontró un total de 146 puntos semejantes de suelo sin cobertura, esta superficie sin cobertura vegetal tiene un valor de 8 % (762,66ha) del total del área expresados en la figura 16 (ver Anexo 1.3) %
40 35 30 25 20

35

29

18
15 10

9
5 0 Est 1 Est 2

8

1
Est 3 Est 4 Est 5 Est 6

Figura 16 Superficie por estratos expresado en porcentajes, elaboración propia (2005)

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo IV Resultados y Discusión

58

La explicación porque el estrato 2 sotobosque tiene un valor de 1% con respecto a el total del area, es porque el sensor remoto (satelite) solo capta la reflactancia de este estrato que no tiene obstrucción de estratos superiores, se explica mas claramente con una grafica en el Anexo 4.1.

Refiriéndose a este problema Rikimaru, A. (2000) afirma que gracias a los cuatro índices aplicados por el DDF desminuye enormemente este error en la discriminación de cobertura vegetal por densidades.

4.1.2. Ajuste del Índice Avanzado de Vegetación Normalizado (ANVI) Para todos los índices de vegetación en este estudio sin excepción se analiza bajo componentes principales ACP, permitiendo sintetizar bandas

originales creando nuevas bandas que recojan la mayor cantidad de información original, esta síntesis es fundamental para nuestro estudio de estratificación de los bosques.

.

Figura 17 Realce para (ANVI)

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo IV Resultados y Discusión

59

La modificación de la imagen en base a los histogramas del ANVI produce 6410 valores máximos dispersos píxel a píxel adentro de los componentes principales con una media de 95.0 para este índice, este proceso realza la imagen tal y como se muestra en la figura 17. (ver Anexo 1.4)
Tabla 6 Correlación (BI VI) para ANVI

Elaboración propia a partir del modelo DDF (2005). La correlación negativa de –0,806 que se muestra en la tabla 6 y también es ilustrada en la figura 18, indica que predomina la vegetación contra el suelo desnudo, pero los valores de ambos índices están muy dispersos, no siguiendo una correlación lineal.

Figura 18 Densidad de Vegetación en el ACP del ANVI

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo IV Resultados y Discusión

60

4.1.3. Designación del Índice de Vegetación Avanzado (AVI) Se designa el valor mínimo del área de vegetación por VI. En la figura 19 se observa que los valores adquiridos para la formación de la imagen son netamente redundantes (componentes principales), puesto que los tipos de cobertura tienden a representar un comportamiento similar en regiones próximas del espectro.

Refiriéndose a esto Rikimaru, A. (2001) hace referencia a la espesura o densidad de las copas que influyen clasificación de bosques, debiéndose encontrar el índice que mejor refleje la realidad.

Figura 19 Realce (AVI)

En los histogramas del AVI se encontraron 53991 valores máximos dispersos píxel a píxel adentro de los componentes principales con una media de 37.3 para este índice. (ver Anexo1.5)

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo IV Resultados y Discusión

61

Tabla 7 Correlación (BI VI) para AVI

AVI Correlación -0,723

Indice de Suelo Desnudo (BI)

Indice de Vegetacion (VI)

Media 126,3

Desviacion Media Desviacion 13,2 50,4 37,3

Elaboración propia a partir del modelo DDF (2005). La Correlación negativa de –7,723 que se muestra en la tabla 7 ilustrada en la figura 20, indica la presencia de vegetación casi en proporciones similares a las de suelo desnuda, debido a propiedades de reflactancia por la combinación de bandas, los valores del ACP por lo tanto no son muy precisos para el efecto de nuestro estudio.

Figura 20 Densidad de Vegetación para el ACP del AVI

4.1.4. Designación del índice de vegetación normalizado(NDVI) El NDVI dentro de los componentes principales de las bandas espectrales

es el que mejor representa la realidad expresado en la media estadística de valores sintetizados con respecto al total de valores en toda la imagen.

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo IV Resultados y Discusión

62

Figura 21 Realce (NDVI)

En los histogramas del NDVI se encontraron 6305 valores máximos dispersos píxel a píxel adentro de los componentes principales, reflejando así una correlación de –0,839 con una media de 126.2 para este índice. (ver Anexo 1.6).
Tabla 8 Correlación (BI VI) para NDVI Indice de vegetacion (VI)
Media Desviacion

NDVI
Correlación

Índices de Suelo Desnudo (BI)
Media Desviacion

-0,839

126,3

13,2

126,2

30,8

Elaboración propia a partir del modelo DDF (2005). La Correlación de –0.839 nos indica que en la mayor parte de los píxeles dentro del ACP están presentes la síntesis de valores de vegetación, en comparación con los índices AVI y VI, la correlación del NDVI permite una mejor delimitación de la cobertura por tener una rango mas amplio de propiedades discretas.

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo IV Resultados y Discusión

63

Figura 22 Densidad de Vegetación para el ACP del NDVI

4.1.5. Corrección de huecos en el bosque A través de histogramas de Índices de Vegetación, se delimitan áreas donde exista aperturas de los doseles, como también la identificación de características particulares para cada píxel que podría ser confundido con otro valor.

4.1.5.1.Designación de índice de suelo sin cobertura (BI) En este proceso se designaron valores mínimos a los píxeles de suelo desnuda para el BI, este proceso se acompaño con enmascaramientos (valor equívocos) delimitando áreas donde no exista la presencia de suelo sin cobertura, para no ser confundida con la sombra del bosque que tenia valores similares.

Para eliminar la confusión se procedió al cálculo del Índice de la Sombra Avanzado (ASI), una vez más se procedió a la calibración

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo IV Resultados y Discusión

64

manual de los histogramas para delimitar las aperturas de doseles en el área de estudio.(ver Anexo 1.7 y Anexo 1.8)

Figura 23 Realce para índices de suelo sin cobertura (BI)

Figura 24 Realce y enmascaramiento de suelo sin cobertura para realzar la vegetación

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo IV Resultados y Discusión

65

4.1.6. Designación del índice termal (TI) del índice de la sombra (SI) Se agruparon valores por conglomerados (clusters) usando los índices VI – BI - SI para la creación de bandas para el TI este índice permite el despliegue de áreas de temperaturas iguales. Esto designa la categoría de la clasificación del bosque y entradas del área del bosque.

Figura 25 Realce para índice termal (TI)

La temperatura en el área de estudio esta influenciada por las diferentes coberturas de vegetación y la evapotraspiración del medio, existe menos temperatura por la sombra de los árboles expresado en la figura 25 con color azul, (ver Anexo 1.9)

Roy P. et al (2000) en el estudio de estratificación se refiere al índice termal TI afirmando que no pueden estar desvinculados los demás índices entre si, ya que habrá mas temperatura donde los índices de vegetación sean bajos al igual que el índice de sombra, por el contrario se encontrara menos temperatura en áreas donde los índices de temperatura y vegetación sean mayores.

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo IV Resultados y Discusión

66

4.1.7. Realce de la vegetación No olvidemos que la densidad de la vegetación que nos proporciona el modelo DDF esta expresado en porcentajes de 0 a 100%.

En la figura 26 se representa la variación de cobertura, tomando en cuenta la variación de abundancia de vegetación y no así los estratos en si, este realce nos indica donde no existe vegetación suficiente a tomar en cuenta en la estratificación.

Figura 26 Densidad de Vegetación para las 6 clases

Mediante el modelo se clasifico en estratos derivados de conglomerados estos extraídos de los índices VI-BI-SI y los índices termales. Con estos datos se ajusto el rango de SI en el área del bosque todo en porcentajes. Todos estos índices en despliegue falso color, representando las 6 clases o unidades de clasificación (ver. tabla 9).

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo IV Resultados y Discusión

67

Después de el despliegue de los índices se los agrupa en conglomerados (clusters), se hallan con la utilización de una curva de conversión por colores (ver. figura 27). 4.1.8. Estratificación del Área de estudio La clasificación supervisada redujo de 9 clases asignadas por la clasificación no-supervisada preliminarmente a 6 clases; destacando en la densidad del Bosque para el estudio, el estrato 5 es un estrato muy extenso representando 35 por ciento del área.

El segundo estrato mas extenso es la densidad del bosque 4 que cubre 17 por ciento del área refiriéndose a un estrato más denso. Basado en las densidades del dosel, puede asumirse que estas dos clases tienen mas árboles grandes y menos arbustos y árboles pequeños. La

clasificación también muestra, que el área con los árboles más maduros y las copas de densidades de dosel más altas sólo aproximadamente 20 por ciento del área total.

Figura 27 Curva de conversión de conglomerados (clusters).

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo IV Resultados y Discusión

68

Tabla 9 Estratos descendientes de vegetación Unidades Range % Color Estrato 1 0- 0 Gris Estrato 2 1- 21 Anaranjado Estrato 3 22- 41 Rojo Estrato 4 42- 61 Verde Claro Estrato 5 62- 81 Verde Obscuro Estrato 6 82-100 Amarillo Total (pix) 36.492.014 1.581.313 10.666.967 22.379.716 44.434.205 9.738.406 Total (ha) 2.857,86 123,84 835,38 1.752,66 3.479,85 762,66

Fuente : Elaboración propia 2005 En la tabla 9 se observa que entre los estratos de mayor significancia están presentes el estrato 1 y el estrato 5 , representados con los colores gris y verde oscuro respectivamente, donde áreas mayores presentes con 2.857.86ha, 3.479.85ha, y el menos significativo el estrato dos con 123.84ha. (Anexo 2.1).

4.2. Especies encontradas en puntos de control Con los datos proporcionados por el modelo DDF mas la implementación de puntos de control permitió clasificar las especies predominantes en los doseles del estrato para cada una de las clases, la identificación de las especie se llevo acabo con la ayuda de un matero (ver Anexo 4.2).

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo IV Resultados y Discusión

69

Tabla 10 Especies encontradas en los puntos de control Nombre común Ajillo Ambaibo Bibosi Blanquillo Charque Coquino Coquino colorado Crispito Gabetillo Gargatea Ichiramillo Isigo Laurel Laurel palto Leche Leche Llave Mara macho Mondadiente Negrillo Pacay Palmas Palo nui Palo roman Paquio Pata de buey Trompillo Tutumillo Uvilla Verdolago amarillo ni* = no identificada Nombre Científico Goldmania paraguensis (Benth.) Brenan Cecropia sp. Ficus sp. Alseis floribunda (Schott) Eschweilera coriacea (D.C.) Mori Pouteria macrophylla (Lam.) Eyma Pouteria nemorosa (Baehni) ni* Aspidosperma rigidum (Rusby) Jacaratia spinosa (Aublet) A. DC. Tapirira guianensis (Aublet) Tetragastris altissima (Aublet) Nectandra sp. Nectandra sp. Sapium marmierii (Huber) Tetrapteris sp. Tapirira guianensis (Aublet) ni* Nectandra amazonum (Nees) Inga sp. Mauritia sp. Pseudolmedia laevis (Ruiz & Pavon) Tapirira guianensis (Aublet) Hymenaea courbaril (L.) Bauhinia ungulata (L.) Guarea guidonia (L.) Sleumer ni* Muntingia calabura (L.) Terminalia oblonga (Ruiz & Pavon) Familia
MIMOSOIDEAE MORACEAE MORACEAE RUBIACEAE LECYTHIDACEAE SAPOTACEAE SAPOTACEAE ni APOCYNACEAE CARICACEAE ANACARDIACEAE BURSERACEAE LAURACEAE LAURACEAE EUPHORBIACEAE MALPIGHIACEAE

ANACARDIACEAE
ni LAURACEAE MIMOSOIDEAE ARECACEAE MORACEAE ANACARDIACEAE CAESALPINIOIDEAE CAESALPINIOIDEAE MELIACEAE ni ELAEOCARPACEAE

COMBRETACEAE

La obtención de familia y Nombre científico basados en Guía de Árboles de Bolivia.

Fuente: Elaboración propia a partir de identificación por un matero 2005. La conformación observada del bosque según el dosel y las especies encontradas en cada uno de los 72 puntos en el valle del Sacta, las especies dominantes son Terminalia oblonga, Pouteria sp., Tapirira guianensis, Clarisia biflora, Clarisia racemosa, Eschweilera coriacea, entre las mas abundantes están la

Pseudolmedia laevis y algunas palmeras como Socratea exhorriza e Iriartea deltoidea que están por enzima de los 35m de altura, presentes en el estrato superior (Arroyo P. 1997).

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo IV Resultados y Discusión

70

4.2.1. Reclasificación En el estrato 5 están presentes doseles de especies dominantes en posiciones homogéneas, en el estrato 3 se presenta individuos de dosel múltiple directamente relacionada con el espectro-electromagnético, el estrato 4 incluye especies de dosel del estrato 2 parcialmente por propiedades reflectarías del dosel obstruido por el estrato superior, finalmente en el estrato 1 están las especies suprimidas y pastos con propiedades reflexivas mínimas, esto es posible afirmar gracias al análisis estadístico de dispersión de conglomerados. (Anexo 3.1 y tabla 11)

4.3. Análisis de la fiabilidad de la clasificación Resulta de interés analizar las relaciones entre las diferentes estratos. Para este análisis se utilizó la técnica de análisis categórico multivariante denominada kappa (K) (Hudson, W. et al 1999).

La matriz de confusión representa los conflictos que se presentan entre las diferentes categorías, las columnas representan la información de referencia (verdad sobre el terreno) y las líneas el resultado de una clasificación visual o digital. Para la elaboración de la matriz de confusión se tomó como referencia (estrato real). Esta información es comparada con el producto de la clasificación no supervisada obtenida por medio del algoritmo FCD (clase en el mapa) y se genera una mapa temático por estratos 2005 (Hedeker, D. et al.2002) (ver anexo5).

El porcentaje de fiabilidad por estratos de la clasificación esta descrita en la tabla 11, donde el estrado 1 es el que presento menos error con un 100% de exactitud, el estrato 4 una exactitud de 46% porque en los puntos de control se encontraron doseles pertenecientes al estrato 2.

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo IV Resultados y Discusión

71

Tabla 11 Matriz de confusión resultante
Referencia Estrato 1 Estrato 2 Estrato 3 Estrato 4 Estrato 5 Total Estrato 1 Estrato 2 Estrato 3 Estrato 4 Estrato 5 Total Nº Parcelas Exactitud Productor Error de Omision 0,89 0,11 0,45 0,55 0,77 0,23 0,86 0,14 1,00 0,00 9,72 1,23 0,00 0,00 0,00 10,95 10 0,00 5,39 2,36 2,78 1,56 12,09 11 0,00 0,00 23,61 6,94 0,00 30,56 18 0,00 0,00 0,00 8,33 1,36 9,69 12 0,00 0,00 0,00 0,00 5,23 5,23 21 9,72 6,62 25,97 18,06 8,15 68,52 72 Nº de Exactitud Error Puntos Usuario Comision 10 11 18 12 21 1,00 0,81 0,91 0,46 0,64 0,000 0,186 0,091 0,538 0,358

Fuente: elaboración propia 2005 Los valores del estadístico kappa k , de su varianza, y del porcentaje de clasificaciones correctas k 1, son (ver anexo 3.2): Kappa : Varianza típica de K: Desviación típica: K = 0,689 2 = 0,05 S = 0,065

Estos valores revelan la existencia de un grado de concordancia fuerte en la clasificación (Landis, J. et al. 1977).

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo IV Resultados y Discusión

72

%
100 100 91 80 81 64 60 46

40

20

0 El estrato del suelo El estrato del sotobosque Estrato 2 El estrato de los troncos Estrato 3 El dosel de las coronas continuas Estrato 4 El dosel de las coronas emergentes Estrato 5

Estrato 1

Figura 28 Acierto en la estratificación expresado en (%) elaboración propia 2005

Realizando el contraste de hipótesis de Fleiss, J. 1981, para estudiar la significación de las diferencias entre las dos clasificaciones, se obtuvo:

Z = 0,689/0,065 = 10,64 Valor que al ser superior a 1,96 ( =0,05) indica la existencia de concordancia significativa para un nivel del 95 % entre las clasificaciones comparadas.

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo V Conclusiones

73

CAPITULO V 5. CONCLUSIONES
Los mapas obtenidos mediante comparación mapa-terreno y su expresión en las matrices de confusión muestran unos porcentajes de error moderados en algunas categorías (estratos), lo que repercute en un índice de fiabilidad global menor del que cabría esperar.

La estructura del área de estudio en cuanto a su forma, orientación, el tamaño de las parcelas, influyen en la estratificación de los estratos; el contraste espacial entre cubiertas vecinas o la mezcla de usos en una región relativamente pequeña influyeron en los resultados de la clasificación de diversas maneras.

La morfología del parcelamiento, de pequeña extensión y con gran variedad de estratos (cada uno con una respuesta espectral diferente), por la estructura de nuestro bosque denso, existe superposición de estratos.

Se ha empleado el estadístico kappa, para comparar cuantitativamente dos procedimientos de clasificación de la vegetación, permite una fácil comparación entre ambos métodos de clasificación.

De los resultados obtenidos se concluye que: hubo un grado de concordancia fuerte, (K=0,689), cuando se compararon ambas técnicas para el conjunto de clases de formaciones vegetales. Por medio de un test de hipótesis fue comprobado estadísticamente a un nivel de significación del 95 %.

Al analizarse las clases de formaciones de forma aislada, se constataron los siguientes grados de concordancia entre los dos tipos de clasificación: satisfactorio (K =0,33) para el estrato 2; moderada (K =O,470 y 0,530), para los

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo V Conclusiones

74

estratos 5 y 4; fuerte (K = 0,715) para el estrato 3; y casi perfecta para el estrato 1 (K =0,815). Este análisis también fue comprobado estadísticamente a un nivel de confianza del 95%.

La utilización del método supervisado mas la implementación del DDF permite una mejor separación entre clases de vegetación. El uso combinado de informaciones satelitales, y de campo, junto al empleo del método supervisado, es eficaz para la discriminación de las unidades del "Valle del Sacta" de la región y su consecuente topografía.

El método es sencillo y rápido, mostrando claramente la clasificación de los bosques por estrato.

En cuanto a las desventajas de este modelo se pueden nombrar las siguientes, no existe una interfase adecuada con otros programas SIG, al momento de realizar la presentación de mapas necesariamente se debe realizar ortoregtificación,

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo VII Bibliografía

75

CAPITULO VI
6. RECOMENDACIONES Con el desarrollo de esta nueva herramienta se puede optimizar las operaciones forestales en extensiones grandes, ya sea en propiedades fiscales o privadas, este modelo de clasificación mediante la densidad de dosel forestal, podría ser utilizada en concesiones ya que se pueda hacer evaluaciones periódicas del potencial forestal presente en base a lo expuesto se recomiendan:

Se debería adoptar este modelo para realizar inventarios forestales rápidos y periódicos, considerando los resultados obtenidos.

Con la ayuda de DDF se podría realizar evaluaciones periódicas utilizando el modelo densidad de copas, para implementar operaciones silviculturales en el Valle del Sacta, refiriéndose a las operaciones de aprovechamiento y post-aprovechamiento forestal.

Se pueden elaborar planes de rehabilitación de bosques, como plantación a mediana y gran escala.

Se pueden incorporar esta metodología en programas de evaluación de tierras por usos como uno de sus componentes.

En la bibliografía se menciona que este modelo es independiente de las revisiones en campo, es decir que no es necesario un control de la clasificación, pero es recomendable realizarlo a cualquier escala para poder acercarse a la realidad.

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo VII Bibliografía

76

CAPITULO VII
7. BIBLIOGRAFÍA

Aerosat, S.A. 2004. (en línea). Disponible en: http:// www.aeroterra.com /HTMs/ landsat5tm .htm. Fecha de consulta (12/05/2004). Alder, D.; Synnott, T. J. 1992. Permanent sample plot techniques for mixed tropical forest. Tropical Forestry Papers 25. Oxford Forestry Institute, Oxford, UK. Arroyo, P. Luzmila 1997. Estructura y composición de una isla de bosque y un bosque de galería en el Parque Nacional Noel Kempff Mercado. Bonham, G.; Carter, F. 1994. Geographics Information System for geoscientists Pergamon, Kidlington, Brown, M. J.; Parker, G. 1994. Canopy linght transmittace in a chonosequence of mixed-species deciduous forests. Canadian Journal of Forest Reserch. Centro Canadiense de Percepción Remota, 2004.: Fundamentals of Remote Sensing Canada Centre for Remote Sensing. (en línea) Disponible en: http://www.ccrs.nrcan.gc.ca/ccrs/learn/tutorials/fundam/chapter1/chapter1_2_e.h tml. Fecha de consulta (12/05/2004). Chuvieco, E. 1995. Fundamentos de la Teledetección Espacial. Ediciones Rialp, S.A., Madrid. Clayton, F.; Blodgett C. 2000. Remote sensing-based geostatiscal modeing of forest canopy estructure. Congalton, R.; Oderwald G.; Mead, R. 1983. Assessing Landsat classification accuracy using discrete multivariate analysis statistical tech-niques.

Photogrammetric Engineering and Remote Sensing.

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo VII Bibliografía

77

Cooley, A.; Wolosin, M. 2002. Canopy Structure “Canopy research is a relatively new science”. (en línea) Disponible en:

http://www.biology.duke.edu/bio265/msw10. Fecha de consulta (25/06/2004). FAO, 2001. Comparison of Forest Area and Forest Area Change Estimates Derived from FRA 1990 and FRA 2000, Forest Resources Assessment Programme, Working, FAO, Roma, Italia. Fleiss, J. L. 1981. Statistical methodso for rates and proportions. New York. N.Y. J. Willey. Giddings L. E. 1980.: Transformaciones de Imágenes Landsat para aplicaciones botánicas. Instituto Nacional de Investigaciones sobre Recursos Bióticos. Hans, E. A. 2001. A Comparison of forest canopy models derived from lidar and insar data in a pacific northwest conifer forest University of Washington, College of Forest Resources, Seattle, WA, USA. Hedeker, D.; Pechnyo, M. 2002. Chapter 2: Mixed Regression, in SYSTAT 10,Statistics II . Herrera, J. C.; Carse L. E. 1999. Guía de aplicación de pruebas estadísticas en el programa systat 7.0 para ciencias biologicas y forestales(Bolfor) . Holdridge, L. R. 1978. Ecología basada en zonas de vida. San José, Costa Rica: Instituto Interamericano de Ciencias Agrícolas.216 p. Hudson, W. D.; Ramn, C. W. 1987.: Correct formulation of fue kappa coefficient of agreement. Photo-grammetric Engmeering and Remate Sensing. ITTO, 2000. Desarrollo e instalación de un Sistema de Control de Recursos Forestales (FORMS) utilizando el Modelo de Densidad del Dosel Forestal (DDF)elaborado a través del proyecto PD 66/99 Rev.1 F) 48p. ITTO, 2001. TROPICAL FOREST UPDATE A Newsletter from the International Tropical Timber Organization to Promote Conservation and Sustainable Development of Tropical Forests.

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo VII Bibliografía

78

ITTO, 2003. XXXV Consejo Internacional de las Maderas Tropicales, celebrado en Yokohama (Japón)en noviembre de 2003 . Jasinski, F. J.; Eagleson, P. S. 1990. Estimation of subpixel vegetation cover using red-infrared scat-tergrams. IEEE Transactions on Geoscience and Remote Sensing. JOFCA, 1995. Proceedings of the Workshop on Utilization of Remote Sensing in Site Assessment and Planning for Rehabilitation of Logged-over Forests Cisarua,Bogor, Indonesia,25 –28 de septiembre de 1995. JOFCA, 1996. Proceedings of the workshop on utilization of remote sensing in site assessment and planning for rehabilitation of logged-over forests. Bangkok, Thailand, July 30- August 1, 1996. JOFCA, 1997. Utilization of remote sensing in site assessment and planning for rehabilitation of logged-over forests.Project Report on PD 32/97 Rev.2 (F) Rehabilitation of Logged-over Forests in Asia/Pacific Region, Sub-project III Informe preparado para la OIMT. Johnson, R. A.; Wichern, D. W. 1982. Applied Multivariate Statistical Analysis. 2da.ED. Prentice Hall International Edition. New Jersey. Kajiwara, K.; Tateishi, R. 1990. Integration of Satellite Data and Geographic Data of Global Land Cover Analysis. Proceedings, ISPRS Commission. Lamprecht, H. 1990. Silvicultura en los Trópicos. GTZ, Eschborn Landis, J. R.; Koch, G. C. 1977. The measurement of observer agreement of categorical data. Biometrics.33. Landsat7, 2004. Science Data User Handbook, Chapter 11 – Data Products. (en línea) Disponible en: http://ltpwww.gsfc.nasa.gov /IAS/handbook/ handbook _ htmls / chapter11/chapter11.html. Fecha de consulta (08/06/2004). Lillesand, T.; Kiefer, R. 1994. Remote Sensing and image interpretation. John Wiley & Sons, Inc. 3 ed. USA.

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

Capitulo VII Bibliografía

79

Macias, M. 1993. Estudio de Suelos Fundo Universidad Mayor de San Simón Valle del Sacta Cochabamba Bolivia. Maldonado, F. 1999. Analise por componentes principais (ACP) na caracterizafilo da dinamica do uso da terra em área do semi-árido brasileiro. Malleux, J.; Romero, R. 1999. Estudios sobre los efectos de la estratificación de bosques tropicales con fines de inventario. Martinez, I. M. 1997. Consideraciones sobre el Uso de Imágenes de Satélite en Áreas Tropicales,. Simposio Internacional «Posibilidades de Manejo Forestal Sostenible en América Tropical. Montecinos, P. O. 1998. Plan general de manejo en propiedad del Valle del Sacta. Universidad Mayor de San Simón Escuela técnica Superior Forestal Cochabamba - Bolivia. Morales, C. 1990. Bolivia Medio Ambiente y Ecología Aplicada”. Instituto de Ecología. UMSA. La Paz.. Parker, G. G. 1995. Structure and microclimate of forest conopies. Academic press, San Diego, Calif. Quevedo, S. C. 1994.: Caracterización de los principales tipos de bosque experimental Elías Meneses, reserva forestal de producción el Chore. Tesis de grado UAGRM – Santa Cruz, Bolivia. Rikimaru, A. Y. U. 1996. LANDSAT TM Data Processing Guide for Forest Canopy Density Mapping and Monitoring Model , ITTO workshop on utilization of remote sensing in site assessment and planning for rehabilitation of loggedover forests. Bangkok, Thailand, July 30- August 1, 1996. Rikimaru, A. Y. U. 1998. Yamashita The Basic Study of the Maximum Logging Volume Estimation For Consideration of Forest Resources Using Time Series FCD Model. (en línea) Disponible en: http://www.gisdevelopment.net /aars/acrs /1998/ps2/ps2008pf.htm. Fecha de consulta (08/06/2004).

Universidad Mayor de San Simón – Escuela de Ciencias Forestales

Armando Rodríguez Montellano 2005

Capitulo VII Bibliografía

80

Rikimaru, A Y. U. 1999. The Concept of FCD Mapping Model and SemiExpert System. FCD Mapper User’s Guide.” International Tropical Timber Organization and Japan Overseas Forestry Consultants Association. Rikimaru, A.; Miyatake, S.; Dugan, P. 2000. Sky is the Limit for Forest Management Tool. Robinson, H. A. 1995. Elemenents of Cartografy. Sixth Edition. John Wiley & Sons, Inc. USA. Roy, P. S.; Miyatake, S.; Rikimaru, A. 1997. Biophysical Spectral Response Modeling Approach for Forest Density Stratification, P.S. “Indian Institute of Remote Sensing, (NRSA), Department of Space, Dehra Dun- 248001, India (en línea) Disponible en: http://www.gisdevelopment.net/aars /acrs/ 1997/ ts5/ts 5008a .shtml. Fecha de consulta (25/06/04). Roy P. S. 1999. Space Remote Sensing For Forest Management” India Institute of Remote Sensing (National Remote Sensing Agency), 1999. (en línea) Disponible en: http\\www.biospec.org/bpmt/P.S.Roy_Biodata.doc. Fecha de consulta (10/04/2004). Roy, P. S.; Miyatake, S.; Rikimaru, A. 2000. Biophysical Spectral Response modelling Approach for Forest Density Stratification. (en línea) Disponible en: http://www.gisdevelopment.net/aars/acrs/1996/ts5/index.shtml. consulta (15/06/2004). Smillie, K. W 1978. An Introduction of Regression and Correlation. SNIDS, 2001. Sistema Nacional de Información para el Desarrollo Sostenible. Modulo de Sensores Remotos y Teledetección. La Paz-Bolivia. USGS, 2004 (U.S. Geological Survey) Estudio Geológico Norte-americano EROS Data Center, Sioux Falls, SD (en línea) Fecha Disponible de en: Fecha de

http://edc.usgs.gov/guides/images/landsat_tm/orbit. (21/04/2004).

consulta

La densidad de dosel forestal, como una nueva alternativa para la estratificación de los bosques en el Valle del Sacta.

ÍNDICE

Sign up to vote on this title
UsefulNot useful