UNIVERSIDAD NACIONAL DEL CENTRO DEL

PERU

ESTIMACIÓN DE BIOMASA AÉREA

FORESTAL EN BOSQUE DE ROBLEDALES
DEL ALTIPLANO NORTE DE ANTIOQUIA,
UTILIZANDO TELEDETECCIÓN

Cátedra:
Catedrático:
Integrantes:
• Clemente Hualparuca, Magali
• Gonzales Quispe, Erik Renato
• Huanhuayo Huaroc, Johana
• Mallqui Loyola, Nilson
Ronaldiño
• Nuñez Berrios, Magaly
 Introducción

(García & Martínez,

APORTAR Biomasa 2014)

Medir cantidad de
(Anaya, et al. 2008). nutrientes en diferentes
Uso de sensores remotos de
parte de plantas
libre adquisidor para calculo
de biomasa .
TODO EL PROCESO

Estableció modelos para el

Realizó estudio calculo de biomasa en
PARA ALCANZAR exploratorio usando datos bosques estudiados.
de diámetro de árboles.
Estableció la no
correlación de la
vegetación con la biomasa.
 Proyecto de Investigación

OBJETIVO ESPECIFICO

Validar ecuaciones.
GENERAL
Procesar información
digital.
Uso de sensores remotos
de mediana resolución y Identificar mejor
de libre adquisición. correlación.
Planteamiento del Problema

Conservación de agua y el suelo,

BOSQUES DE IMPORTACIA
para soportar la ganadería.
ROBLEDALES

Están siendo afectados

por procesos
degradativos.

Expansión agrícola y
pecuaria
Construcción de vías y
extracción de madera

Minería

Plagas, enfermedades
 Justificación

La conservación de las zonas verdes es

IMPORTANCIA
una preocupación a nivel mundial.

Según los datos de la FAO(2014), existen

1.250 millones de habitantes que dependen de PERTINENCIA
los bosques para subsistir.

Se va a realizar directamente en la región ya que la zona

es muy acentuada por su alta actividad ganadera.
IMPACTO

El monitoreo de los bosques se ha convertido en un tema

clave en la política de desarrollo nacional e internacional.
 Ámbito de validez del modelo

Las características del árbol cuyo

volumen o biomasa estén dentro del D mínimo D máximo
ámbito de validez del modelo

MODELOS

MODELOS DE MODELOS DE TIPO

POTENCIA POLIMONIAL

Extrapolables con una buena Comportamientos

fiabilidad fuera de su ámbito anormales fuera de su
de validez ambiente de validez
 Primera
GlobAllomeTree plataforma
web
Creada en 2013

Calcula el volumen, la biomasa y el carbono de

los árboles
Convocatoria de literatura
científica
Base de
datos Informes de empresas
madereras

Proporciona Inventarios forestales nacionales

ecuaciones Actas de conferencias e
alométricas a 57 informes nacionales
países
Componentes del árbol
Resultados de
consulta Ubicación geográfica
Parámetros estadísticos
Teledetección y sensores remotos Sensor

Flujo
Adquiere información a distancia de fenómenos y objetos energético
situados sobre la superficie terrestre, mediante sensores
instalados en plataformas espaciales. Objeto
Chuvieco (2000) observado

FINALIDAD Identificar y caracterizar

Resolución El nivel de detalle de los datos o el objeto

espacial más pequeño que puede ser distinguido

Determinada por el tamaño del

píxel
 Agencia Espacial Norteamericana (NASA) y el
Landsat 8 Servicio Geológico de Estados Unidos (USGS)
Inicio 1972

Inicio oficialmente el 30 de Mayo de 2013

Operational Land Imager (OLI)
Octava versión “Landsat Data
Continuity Mission” (LDCM)
Sensor térmico infrarrojo Thermal Infrared Sensor (TIRS)

11 bandas , 9 para el OLI y

2 para TIRS: las banda 1
(aerosol costero) útil para
estudios costeros y
aerosoles, 2 (azul), 3
(verde), 4 (rojo), 5 (infra
rojo cercano), 6 (SWIR 1),
7 (SWIR 2) y 9 (cirrus)
 Índice de vegetación

Son medidas cuantitativas.

Permiten el estado relativo de rápidamente determinar la

vegetación de un sitio.

Tipos de índices de vegetación (IV).

Interacciones entre la
vegetación y la energía.
Global Enviromental
Monitoring Index (GEMI)
Función de la
Soil-Adjusted Vegetation reflectividad en las
Index (SAVI) bandas rojo e
infrarrojo
Normalized Difference
Vegetation Index (NDVI)
 Índice de vegetación de diferencia
Es el más usado
normalizada (NDVI).
Eliminar la influencia que el suelo puede
OBJETIVO tener sobre las reflectividad en el rojo y el
infrarrojo

Cuanto mayor sea la diferencia entre ambas bandas

mayor es el porcentaje de cobertura vegetal y más sana

Esta diferencia entre banda se relaciona con el aumento de la

absorción del rojo por la clorofila para la vegetación más densa,
o vegetación con mayor concentración de clorofila

Ecuación 1 NDVI. NDVI: (ρNIR – ρR) / (ρNIR + ρR)

-ρNIR: Niveles digitales de la banda del espectro óptico que

corresponden a la longitud de onda del infrarrojo cercano.
-ρR: Niveles digitales de la banda del espectro óptico que
corresponden a la longitud de onda del rojo.
 No lineal para supervisión
Índice de supervisión ambiental global (GEMI).
ambiental y global,

Ecuación 2 GEMI

GEMI = eta*(1-0.25*eta)-((R-0.125)/(1-R)) - NIR = valores de píxel de la

banda infrarroja cercana
- R = valores de píxel de la banda
eta=(2*(NIR2-R2)+1.5*NIR+0.5*Red)/(NIR+R+0.5) roja

ndice de vegetación ajustado al suelo (SAVI). intenta minimizar el efecto

del brillo

Ecuación 3 SAVI
SAVI = ((NIR - R) / (NIR + R + L)) x (1 + L)
-NIR y R: bandas asociadas con aquellas longitudes de onda.
- L.
Generalmente, en áreas con cubierta de vegetación verde L=1;
en áreas de cubierta de vegetación verde moderada, L=0.5; y
en áreas con cubierta de vegetación muy alta, L=0
Características espectrales de la vegetación

Estado fenológico

Forma

Contenido de humedad

Características
morfológicas

Condiciones En el otoño, las hojas pierden los

geográficas cloroplastos, lo que implica una mayor
reflectividad en la banda roja por ende
las plantas adquieren un color pardo
amarillento.
CORRELACIÓN ENTRE BIOMASA

Construcción de un modelo
Parcelas de 500 m2 Reflectancia
estadístico

Se determinó

Valor de cada
Biomasa
índice
 RESULTADOS

Validación de ecuaciones alométricas Criterio de Selección 1

1591 ecuaciones alométricas 8 ecuaciones

alométricas

Criterio de Selección 2

• Bioma
• Zona de Vida
• Precipitación

Criterio de Selección 3

Modelo 6 es el más
adecuado

Criterio de Selección 4 Modelo 6: =95.4%

Estimación de la Biomasa

BIOMASA TOTAL= 230 ton/ha.

Imágenes

PROBLEMAS:
• 78 imágenes: • Nubosidad
del 01-012013 al 30- • Falta de Limpieza
12-2014

• Sólo se consideraron:
3 imágenes
Índice de Vegetación

(Garcia & Perez,2015)

Teledetección en zonas
con gran cantidad de
biomasa
 Conclusiones

Biomasa aérea calculada 230 ton/ ha superior valores de NDVI

a 90.1 ton/ha promedio 0.81

Resulta complejo establecer tendencias consistentes para establecer

una relación entre biomasa y los datos obtenidos por teledetección
usando una ecuación.

El uso de técnicas de teledetección para estimar la biomasa arbórea así

esta disminuya significativamente los costos, el tiempo, dinero.

Se concluye que el método propuesto se encuentra dentro de los rangos de

estudios previos de estimación de biomasa en el ámbito regional aunque con un
mayor detalle en su distribución espacial.
 Estimación de biomasa aérea y carbono con Teledetección en bosques alto-Andinos de
Boyacá, Colombia. Estudio de caso: Santuario de Fauna y Flora Iguaque (Perea et al, 2020)

Estimación de Biomasa y carbono real Images Landsat 8 OLI

Análisis de los resultados

Estudio de biomasa forestal a través de herramientas de teledetección
(Campelo, 2014)

• La zona de estudio está localizada en la Comunidad Autónoma de

Cataluña,
• El estudio, fueron seleccionadas 7imágenes de Landsat 5 de los años
1984, 2003, 2006, 2008,2009, 2010 y 2011 con path198 y row31.
• Por otra parte, fueron utilizados datos LiDAR de la zona de estudio,
generaron dos Modelos Digitales del Terreno.

• Para el cálculo de
biomasa los datos
LiDAR resultaron de
3059,76 toneladas
para un área de
24,52 ha
encuadrada en la
zona de estudio,
• Para el calculo del
inventario resultó de
3341,42 toneladas
en la misma área.