Estimación de carbono almacenado en la cobertura forestal a partir de la correlación entre modelos alométricos y técnicas de sensores satelitales, aplicado a un bosque andino de la subcuenca del río Las Piedras – municipio de Popayán

Abstract

Para la presente investigación se emplearon datos satelitales producto del sensor remoto Sentinel 2A, seleccionado por presentar alta resolución espacial y espectral, que a partir de la combinación de las bandas espectrales se calculó ocho (8) índices de vegetación entre los cuales se encuentran: índice de vegetación de diferencia normalizada (NDVI), índice de vegetación de diferencia normalizada verde (GNDVI), Índice de vegetación mejorado (EVI), índice de vegetación ajustado al suelo (SAVI), índice de vegetación de amplio rango dinámico (WDRVI), índice de vegetación de diferencia normalizada verde – borde rojo 1 (GNDVIre1n), el índice de vegetación de diferencia normalizada verde – borde rojo 2 (GNDVIre2n), y índice de vegetación de diferencia normalizada verde – borde rojo 3 (GNDVIre3n), los cuales se emplearon como variables predictoras de la biomasa área. A partir de las variables anteriormente nombradas, se empleó modelos no paramétricos y paramétricos, como la red neuronal artificial (RNA) y el modelo de regresión múltiple lineal (RLM) respectivamente, para estimar la biomasa aérea como variable de respuesta, siendo las RNAs una técnica relativamente nueva de investigación del aprendizaje automatizado que presentan una serie de ventajas sobre los modelos de RML, (Liakos et al. 2018). Finalmente, y a partir del modelo regresor empleado se estimó la biomasa aérea con el fin de determinar el carbono almacenado en la cobertura forestal a partir de la correlación entre modelos alométricos y técnicas de sensores satelitales, aplicado a un bosque andino de la subcuenca del río las piedras, municipio de Popayán.