Estimación de la biomasa en superficie mediante observaciones de teledetección multimodales y aprendizaje automático...

Área de la Ciencia:

• Sector forestal
• Detección remota
• Ecología

Sus antecedentes:

• La biomasa de los árboles por encima del suelo (AGB) es vital para la evaluación del almacenamiento de carbono en los bosques.
• Los métodos tradicionales de inventario y análisis forestales (FIA) carecen de la intensidad de muestreo para las estimaciones AGB de resolución fina.
• La teledetección (RS) ofrece un enfoque más eficiente para el monitoreo de carbono forestal.

Objetivo del estudio:

• Desarrollar modelos predictivos precisos para la biomasa de árboles en superficie (AGB) utilizando el algoritmo de bosque aleatorio (RF).
• Evaluar la eficacia de las diversas fuentes de datos de teledetección en la estimación de AGB.
• Mejorar la eficiencia y la precisión del monitoreo del carbono forestal para la toma de decisiones.

Principales métodos:

• Se utilizaron 67 variables explicativas derivadas de tres fuentes de datos de teledetección (LiDAR, imágenes aéreas e imágenes satelitales).
• Desarrolló nueve modelos de bosque aleatorio (RF) para la predicción de AGB, cada uno sometido a selección de variables y ajuste de hiperparámetros.
• Evaluación del rendimiento del modelo utilizando métricas como el error de la raíz media cuadrada (RMSE) y R-cuadrado (R2).

Principales resultados:

• El modelo óptimo de RF incorporó 28 variables explicativas, logrando un RMSE de 27.19 Mgha-1 y un R2 de 0.41.
• La combinación de datos LiDAR con métricas de imágenes aéreas y satelitales mejoró significativamente la precisión de la predicción AGB.
• El estudio demostró el potencial de los datos integrados de RS para el mapeo de la biomasa de grandes áreas.

Conclusiones:

• Los datos de teledetección, especialmente cuando se combinan (por ejemplo, LiDAR con imágenes), mejoran significativamente la precisión de la estimación de la biomasa de los árboles en superficie (AGB).
• El algoritmo de bosque aleatorio proporciona un marco sólido para el desarrollo de modelos predictivos de AGB.
• La mejora de la estimación de AGB utilizando RS es crucial para una evaluación eficaz de las reservas de carbono y la toma de decisiones informadas sobre el cambio climático.