Study of productivity and biomass above the ground, using vegetation indices in plantations of Tectona grandis L. (Teak) located in Guanacaste, Costa Rica
Article Sidebar
Main Article Content
Abstract
The estimation of wood volume or biomass in forest plantations is one of the key variables for forest management decision making, to improve productivity and profitability of the products and environmental services they offer. Traditional techniques have been based on field inventories, through sampling with plots and human intervention in the acquisition of variables at tree and stand level. Current technology allows estimates to be made using sensors in autonomous vehicles and satellites. In Costa Rica, studies with Landsat and RapidEye satellite images have made it possible to generate updated maps on land cover and land use, including forest types. However, there are few studies on the relationship between volume and biomass values, calculated from data measured in the field and those calculated with remote sensing. This article presents the proposed methodology to estimate the productivity of Tectona grandis L. (Teak) forest plantations using Sentinel-2 satellite images, taking into account the recommendations of other authors and the experience of the researchers. It is proposed to compare the information generated with Sentinel-2 and that acquired with a UAV with a multispectral camera. It is expected to provide a methodology that uses representative sampling sites, with an adequate sample size, with a control of environmental conditions, considering age, phenological stage and silvicultural treatments.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y pueda editarlo, reproducirlo, distribuirlo, exhibirlo y comunicarlo en el país y en el extranjero mediante medios impresos y electrónicos. Asimismo, asumen el compromiso sobre cualquier litigio o reclamación relacionada con derechos de propiedad intelectual, exonerando de responsabilidad a la Editorial Tecnológica de Costa Rica. Además, se establece que los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
References
M. Acosta-Mireles, J. Vargas-Hernández, A. Velázquez-Martínez y J. D. Etchevers-Barra, «Estimación de la biomasa aérea mediante el uso de relaciones alométricas en seis especies arbóreas en Oaxaca, México,» Agrociencia, vol. 36, nº 6, pp. 725-736, 2002.
C. M. S. Aquino y J. G. B. Oliveira, «ESTUDO DA DIN MICA DO ÍNDICE DE VEGETACÃO POR DIFERENÇA NORMALIZADA (NDVI) NO NUCLEO DE SÃO RAIMUNDO NONATO-PI.,» GEOUSP Espaço e Tempo (Online), vol. 16, nº 2, pp. 157-168, 2012.
H. Arce y A. Barrantes, «La madera en Costa Rica: situación actual y perspectivas,» FONAFIFO, ONF, 2006.
B. A. Baloloy, C. A. Blanco, G. C. Candido, R. J. L. Argamo-sa, J. B. L. C. Dumalag, L. L. C. Dimapilis y E. C. Paringit, «Estimation of mangro-ve forest aboveground biomass using multispectral bands, vegetation indices and biophysical variables derived from optical satellite imageries: rapideye, planetscope and sentinel-2,» ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol. 4, nº 3, pp. 29-36, 2018.
A. Barrantes y S. Ugalde, «Usos y aportes de la madera en Costa Rica. Estadísticas 2012. Costa Rica,» ONF, Costa Rica, 2013.
A. Barrantes y S. Ugalde, «Usos y aportes de la madera en Costa Rica. Estadísticas 2019 y Precios 2020,» ONF, Costa Rica, 2019.
P. S. Beck, G. P. Juday, C. Alix, V. A. Barber, S. E. Winslow, E. E. Sousa y S. J. Goetz, «Changes in forest productivity across Alaska consistent with biome shift,» Ecology letters, vol. 14, nº 4, pp. 373-379, 2011.
L. T. Berner, P. S. Beck, A. G. Bunn, A. H. Lloyd y S. J. Goetz, «High‐latitude tree growth and satellite vegetation indices: Correlations and trends in Russia and Canada (1982–2008),» Journal of Geophysical Research: Biogeosciences, vol. 116, nº G1, 2011.
V. Berrío, J. Mosquera y D. Alzate, «Uso de drones para el análisis de imágenes multiespectrales en agricultura de precisión,» Ciencia y Tecnología Alimentaria, vol. 13, nº 1, pp. 28-40, 2015.
R. De Camino y J. Morales, «Capítulo 3: La teca en América Latina. In de Camino, R.; Morales, J.P. eds. 2013. Las plantaciones de teca en América Latina: mitos y realidades,» CATIE, FAO, Costa Rica, 2013.
D. N. Aquino, D., O. C. Da Rocha, M. A. Moreira, A. Dos Santos Teixeira y E. M. De Andrade, «Use of remote sensing to identify areas at risk of degradation in the semi-arid region1,» Revista Ciência Agronômica, vol. 49, nº 3, pp. 420-429, 2018.
L. Dong, H. Du, F. Mao, N. Han, X. Li, G. Zhou y T. Liu, «Very high resolution remote sensing imagery classification using a fusion of random forest and deep learning technique—Subtropical area for example.,» IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 13, pp. 113-128, 2019.
J. Escandón, B. H. De Jong, S. Ochoa, I. March y M. A. Castillo, «Evaluación de dos métodos para la estimación de biomasa arbórea a través de datos Landsat TM en Jusnajab La Laguna, Chiapas, México: estudio de caso,» Investigaciones geográficas, nº 40, pp. 71-84, 1999.
G. Galidaki, D. Zianis, I. Gitas, K. Radoglou, V. Karathanassi, M. Tsakiri-Strati y G. Mallinis, «Vegetation biomass estimation with remote sensing: focus on forest and other wooded land over the Mediterranean ecosystem,» International Journal of Remote Sensing, vol. 38, nº 7, pp. 1940-1966, 2017.
Y. Gao, D. Lu, G. Li, G. Wang, Q. Chen, L. Liu y D. Li, «Comparative analysis of modeling algorithms for forest aboveground biomass estimation in a subtropical region,» Remote Sensing, vol. 10, nº 4, p. 627, 2018.
C. García, D. Montero, M. Soto y J. Valencia, «Estimación de productividad en caña de azúcar desde la percepción remota,» Análisis Geográficos, vol. 53, pp. 35-49, 2017.
D. García, J. Ramón, D. Alzate y J. Palacios, «Dynamics of the Indices NDVI and GNDVI in a Rice Growing in Its Reproduction Phase from Multi-spectral Aerial Images Taken by Drones,» Advances in Information and Communication Technologies for Adapting Agriculture to Climate Change II, p. 106–119, 2018.
S. Geng, W. Li, T. Kang, P. Shi y W. Zhu, «An integrated index based on climatic constraints and soil quality to simulate vegetation productivity patterns,» Ecological Indicators, vol. 129, nº 108015, 2021.
S. M. Ghosh y M. D. Behera, «Aboveground biomass estimation using multi-sensor data synergy and machine learning algorithms in a dense tropi-cal forest,» Applied Geography, vol. 96, pp. 29-40, 2018.
G. Giraldelli y A. Paranhos, «Relação entre as variáveis estruturais do habitat e o índice de vegetação de diferença normalizada (NDVI) em três tipos de habitat de cerrado na fazenda Diamante, Coxim, MS,» Simpósio de geotecnologias no Pantanal, vol. 1, pp. 341-350, 2006.
Global Forest Watch, «Breves estadísticas globales y por país,» 2021. [En línea]. Available: https://www.globalforestwatch.org/. [Último acceso: 22 julio 2021].
A. Huete, K. Didan, T. Miura, E. Rodriguez y L. Ferreira, «Overview of the radiometric and biophysical performance of the MODIS vegetation indices,» Remote Sensing of Environment, vol. 83, p. 195–213, 2002.
R. Y. U. Jae-Hyun, O. H. Dohyeok y C. H. O. Jaeil, «Simple method for extracting the seasonal signals of photochemical reflectance index and normalized difference vegetation index measured using a spectral reflectance sensor.,» Journal of Integrative Agriculture, vol. 20, nº 7, pp. 969-1986, 2021.
J. Kim, Y. Ryu, C. Jiang y Y. Hwang, «Continuous observation of vegetation canopy dynamics using an integrated lowcost, near-surface remote sensing system,» Agricultural and Forest Meteorology, vol. 264, p. 164–177, 2019.
T. Long, H. Pan, C. Dong, T. Qin y P. Ma, « Ex-ploring the competitive evolution of global wood forest product trade based on complex network analysis,» Physica A: Statistical Mechanics and Its Applications, vol. 525, pp. 1224-1232, 2019.
M. Meneses y S. Guzmán, «Productividad y eficiencia en la producción forestal basada en las plantaciones de Pino radiata,» Bosque, vol. 21, nº 2, pp. 3-11, 2000.
F. Montealegre Medina, Evaluación espacio temporal de la productividad agrícola con índices de vegetación de diferencias normalizadas (NDVI) como herramienta para el ordenamiento territorial. (Tesis de Magister Scientiae en Manejo Integrado de Cuencas Hidrográficas), La Plata, Argentina: Universidad Nacional de La Plata, 2017.
E. U. Muller, A. V. Kushlin, T. Linhares-Juvenal, D. Muchoney, S. Wertz-Kanounnikoff y D. Henderson-Howat, «The state of the world’s forests: forest pathways to sustainable development,» FAO, 2018.
R. Murillo, A. Alvarado y J. Verjans, «Concentración foliar de nutrimentos en plantaciones de teca en la cuenca del canal de Panamá.,» Agronomía Costarricense, vol. 38, nº 1, pp. 11-28, 2014.
J. Nichol y L. Sarker, « Improved biomass estimation using the texture parameters of two high-resolution optical sensors,» IEEE Transactions on Geoscience and Remote Sensing, vol. 49, nº 3, pp. 930-948, 2010.
N. Nuthammachot, A. Askar, D. Stratoulias y P. Wicaksono, «Combined use of Sentinel-1 and Sentinel-2 data for improving above-ground biomass estimation,» Geocarto International, pp. 1-11, 2020.
Oficina Nacional Forestal, «Balanza comercial y principales tendencias de las exportaciones importaciones de madera y muebles de madera en Costa Rica, estadísticas 2020,» Oficina Nacional Forestal, San José, Costa Rica, 2021.
E. Pino, «Los drones una herramienta para una agricultura eficiente: un futuro de alta tecnología,» Idesia (Arica), vol. 37, nº 1, pp. 75-84, 2019.
C. Ramírez-Mesén, «Uso de un vehículo aéreo no tripulado como alternativa para evaluar el estado nutricional de una plantación de Gmelina arborea Roxb, San Carlos, Costa Rica (Tesis de Licenciatura en Ingeniería Forestal),» Instituto Tecnológico de Costa Rica, Cartago, Costa Rica, 2019.
F. Rueda, L. A. Peñaranda, W. L. Velásquez y S. A. Díaz, «Aplicación de una metodología de análisis de datos obtenidos por percepción remota orientados a la estimación de la productividad de caña para panela al cuantificar el NDVI (índice de vegetación de diferencia normalizada),» Ciencia y Tecnología Agropecuaria, vol. 16, nº 1, pp. 25-40, 2015.
A. L. Tovar, I. A. Lizarazo y N. Rodríguez, «Estimación de biomasa aérea de Eucalyptus grandis y Pinus spp usando imágenes Sentinel1A y Sentinel2A en Colombia,» Colombia forestal, vol. 23, nº 1, 2020.
J. Valdivia Favián, «Índices de vegetación para la estimación de biomasa arbórea en sistemas agrosilvícolas de fincas en Zihuateutla, Puebla, México. Tesis. Facultad de Recursos Naturales Renovables. Universidad Nacional Agraria de la Selva,» 2020. [En línea]. Available: http://repositorio.unas.edu.pe/bitstream/handle/ UNAS/1739/TS_VFJ_2020.pdf?sequence=1&isAllowed=y. [Último acceso: 2021].
J. Wang, H. Du, X. Li, F. Mao, M. Zhang, E. Liu y F. Kang, «Remote Sensing Estimation of Bamboo Forest Aboveground Biomass Based on Geographically Weighted Regression.,» Remote Sensing, vol. 13, nº 15, p. 2962, 2021.
K. Yawata, T. Yamamoto, N. Hashimoto, R. Ishida y H. Yoshikawa, «Mixed model estimation of rice yield based on NDVI and GNDVI using a satellite image,» Remote Sensing for Agriculture, Ecosystems, and Hydrology XXI, vol. 1114918, 2019.
M. Zhang, H. Du, G. Zhou, X. Li, F. Mao, L. Dong y S. He, «Estimating forest aboveground carbon storage in Hang-Jia-Hu using landsat TM/OLI data and random forest model,» Forests, vol. 10, nº 11, p. 1004, 2019.
J. Zhu, Z. Huang, H. Sun y G. Wang, «Mapping forest ecosystem biomass density for Xiangjiang River Basin by combining plot and remote sensing data and comparing spatial extrapolation methods,» Remote Sensing, vol. 9, nº 3, p. 241, 2017.
X. Zhu y D. Liu, « Improving forest aboveground biomass estimation using seasonal Landsat NDVI timeseries,» ISPRS Journal of Photogrammetry and Remote Sensing, vol. 102, pp. 222-231, 2015.