Alma Delia Ortiz-Reyes
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Alma Delia Ortiz-Reyes has a total of 43 co-authors. Here are the top co-authors by number of shared publications:
- Efraín Velasco-Bautista
Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias
5 shared publications - Arian Correa-Díaz
Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias
3 shared publications Gregorio Ángeles-Pérez
3 shared publications- José René Valdez-Lazalde
Colegio de Postgraduados
3 shared publications - Martin Enrique Romero-Sanchez
INIFAP
3 shared publications - Gregorio Ángeles-Pérez
Colegio de Postgraduados
2 shared publications
Latest Publications
- Open Access
- 1 July 2026
- Published by Revista Mexicana de Ciencias Forestales in Revista Mexicana de Ciencias Forestales
- Vol. 17 (96) , 4-30
Inferencia asistida por modelos para la estimación media de volumen y biomasa forestal en México
La estimación precisa, en términos de reducción de la varianza, del volumen maderable y la biomasa aérea es fundamental para el manejo forestal sostenible y la estimación de carbono aéreo. Este estudio evaluó el desempeño del Estimador asistido por modelos (MAE, por sus siglas en inglés) al considerar diferentes formas funcionales cuando se dispone de una única variable auxiliar continua derivada de Sentinel-2A y un modelo que considera el tratamiento como variable categórica respecto al Estimador Horvitz-Thompson (HTE, por sus siglas en inglés) en su versión simple. Se analizaron ocho modelos (lineal, generalizados y no lineales) bajo un esquema de muestreo en campo cuasi-sistemático en un bosque templado con manejo forestal de Puebla, México. El Índice de Vegetación de la Diferencia Normalizada Verde (GNDVI, por sus siglas en inglés) fue seleccionado como variable auxiliar mediante procedimientos de regularización (LASSO y Elastic Net, criterio de selección validación cruzada). Las medias poblacionales estimadas mediante MAE fueron consistentes entre modelos y comparables con el Estimador de Horvitz-Thompson. Se observaron diferencias importantes en eficiencia relativa tanto en la estimación de volumen, como de biomasa aérea cuando se analiza la varianza de MAE respecto a HTE. Para volumen maderable, el modelo con GNDVI y el tratamiento silvícola logró la reducción de varianza de 37.65 %; en tanto que en la biomasa aérea fue de 30.21 %. Los hallazgos demuestran que la estimación asistida por modelos incrementa significativamente la precisión sin comprometer el insesgamiento.
- 1 July 2026
- Published by Revista Mexicana de Ciencias Forestales in Revista Mexicana de Ciencias Forestales
- Vol. 17 (96) , 4-30
Open AccessInferencia asistida por modelos para la estimación media de volumen y biomasa forestal en México
La estimación precisa, en términos de reducción de la varianza, del volumen maderable y la biomasa aérea es fundamental para el manejo forestal sostenible y la estimación de carbono aéreo. Este estudio evaluó el desempeño del Estimador asistido por modelos (MAE, por sus siglas en inglés) al considerar diferentes formas funcionales cuando se dispone de una única variable auxiliar continua derivada de Sentinel-2A y un modelo que considera el tratamiento como variable categórica respecto al Estimador Horvitz-Thompson (HTE, por sus siglas en inglés) en su versión simple. Se analizaron ocho modelos (lineal, generalizados y no lineales) bajo un esquema de muestreo en campo cuasi-sistemático en un bosque templado con manejo forestal de Puebla, México. El Índice de Vegetación de la Diferencia Normalizada Verde (GNDVI, por sus siglas en inglés) fue seleccionado como variable auxiliar mediante procedimientos de regularización (LASSO y Elastic Net, criterio de selección validación cruzada). Las medias poblacionales estimadas mediante MAE fueron consistentes entre modelos y comparables con el Estimador de Horvitz-Thompson. Se observaron diferencias importantes en eficiencia relativa tanto en la estimación de volumen, como de biomasa aérea cuando se analiza la varianza de MAE respecto a HTE. Para volumen maderable, el modelo con GNDVI y el tratamiento silvícola logró la reducción de varianza de 37.65 %; en tanto que en la biomasa aérea fue de 30.21 %. Los hallazgos demuestran que la estimación asistida por modelos incrementa significativamente la precisión sin comprometer el insesgamiento.
- Open Access
- 24 November 2025
- Published by Revista Mexicana de Ciencias Forestales in Revista Mexicana de Ciencias Forestales
- Vol. 16 (92) , 109-136
Cambios en la estructura y composición de la vegetación en un gradiente altitudinal y antrópico
Son pocos los estudios que han evaluado cómo las actividades antropogénicas modifican los patrones de estructura y composición en la vegetación a lo largo de gradientes de altitud, para la identificación de zonas con distinta resiliencia y susceptibilidad. En este estudio se evaluaron los efectos antrópicos en la composición y estructura de un bosque de Abies religiosa, en la cuenca del río Magdalena, en la Ciudad de México. Se establecieron 15 parcelas de 30×30 m2 en tres cotas altitudinales: alta (3 449 msnm), intermedia (3 202 msnm) y baja (3 092 msnm). Se determinaron variables ambientales e índices de perturbación antropogénicos (actividades humanas, de ganado y deforestación). A través de un modelo de disimilitud y un análisis multivariado, se evaluaron los cambios de composición y estructura. De acuerdo con los resultados se registraron 42 especies (ocho arbóreas y 34 herbáceas). Las parcelas de altitud media a pesar de tener una alta intervención del ganado mostraron mayor riqueza de especies, tanto para el sotobosque como para el dosel, con árboles de 20 a 40 m de altura que aportan mayor área basal y tienen una respuesta directa a la luz y la temperatura. Mientras que, en las parcelas de menor altitud, la mayor área basal correspondió a árboles de alrededor de 10 m de altura. Los resultados demostraron que la altitud y la perturbación antropogénica son factores determinantes en los patrones de diversidad y composición vegetal, tanto en la estructura del dosel como en el sotobosque.
- 24 November 2025
- Published by Revista Mexicana de Ciencias Forestales in Revista Mexicana de Ciencias Forestales
- Vol. 16 (92) , 109-136
Open AccessCambios en la estructura y composición de la vegetación en un gradiente altitudinal y antrópico
Son pocos los estudios que han evaluado cómo las actividades antropogénicas modifican los patrones de estructura y composición en la vegetación a lo largo de gradientes de altitud, para la identificación de zonas con distinta resiliencia y susceptibilidad. En este estudio se evaluaron los efectos antrópicos en la composición y estructura de un bosque de Abies religiosa, en la cuenca del río Magdalena, en la Ciudad de México. Se establecieron 15 parcelas de 30×30 m2 en tres cotas altitudinales: alta (3 449 msnm), intermedia (3 202 msnm) y baja (3 092 msnm). Se determinaron variables ambientales e índices de perturbación antropogénicos (actividades humanas, de ganado y deforestación). A través de un modelo de disimilitud y un análisis multivariado, se evaluaron los cambios de composición y estructura. De acuerdo con los resultados se registraron 42 especies (ocho arbóreas y 34 herbáceas). Las parcelas de altitud media a pesar de tener una alta intervención del ganado mostraron mayor riqueza de especies, tanto para el sotobosque como para el dosel, con árboles de 20 a 40 m de altura que aportan mayor área basal y tienen una respuesta directa a la luz y la temperatura. Mientras que, en las parcelas de menor altitud, la mayor área basal correspondió a árboles de alrededor de 10 m de altura. Los resultados demostraron que la altitud y la perturbación antropogénica son factores determinantes en los patrones de diversidad y composición vegetal, tanto en la estructura del dosel como en el sotobosque.
- Open Access
Can Combining Machine Learning Techniques and Remote Sensing Data Improve the Accuracy of Aboveground Biomass Estimations in Temperate Forests of Central Mexico?
Estimating aboveground biomass (AGB) is crucial for understanding the carbon cycle in terrestrial ecosystems, particularly within the context of climate change. Therefore, it is essential to research and compare different methods of AGB estimation to achieve acceptable accuracy. This study modelled AGB in temperate forests of central Mexico using active and passive remote sensing data combined with machine learning techniques (Random Forest and XGBoost) and compared the estimations against a traditional method, such as linear regression. The main goal was to evaluate the performance of machine learning techniques against linear regression in AGB estimation and then validate against an independent forest inventory database. The models obtained acceptable performance in all cases, but the machine learning algorithm Random Forest outperformed (R2cv = 0.54; RMSEcv = 19.17) the regression method (R2cv = 0.41; RMSEcv = 25.76). The variables that made significant contributions, in both Random Forest and XGBoost modelling, were NDVI, kNDVI (Landsat OLI sensor), and the HV polarisation from ALOS-Palsar. For validation, the Machine learning ensemble had a higher Spearman correlation (r = 0.68) than the linear regression (r = 0.50). These findings highlight the potential of integrating machine learning techniques with remote sensing data to improve the reliability of AGB estimation in temperate forests.
Open AccessCan Combining Machine Learning Techniques and Remote Sensing Data Improve the Accuracy of Aboveground Biomass Estimations in Temperate Forests of Central Mexico?
Estimating aboveground biomass (AGB) is crucial for understanding the carbon cycle in terrestrial ecosystems, particularly within the context of climate change. Therefore, it is essential to research and compare different methods of AGB estimation to achieve acceptable accuracy. This study modelled AGB in temperate forests of central Mexico using active and passive remote sensing data combined with machine learning techniques (Random Forest and XGBoost) and compared the estimations against a traditional method, such as linear regression. The main goal was to evaluate the performance of machine learning techniques against linear regression in AGB estimation and then validate against an independent forest inventory database. The models obtained acceptable performance in all cases, but the machine learning algorithm Random Forest outperformed (R2cv = 0.54; RMSEcv = 19.17) the regression method (R2cv = 0.41; RMSEcv = 25.76). The variables that made significant contributions, in both Random Forest and XGBoost modelling, were NDVI, kNDVI (Landsat OLI sensor), and the HV polarisation from ALOS-Palsar. For validation, the Machine learning ensemble had a higher Spearman correlation (r = 0.68) than the linear regression (r = 0.50). These findings highlight the potential of integrating machine learning techniques with remote sensing data to improve the reliability of AGB estimation in temperate forests.
- Open Access
- 30 December 2024
- Published by Instituto Nacional de Investigacion y Tecnologia Agraria y Alimentaria (INIA) in Forest Systems
- Vol. 33 (3) , 20886
Evaluation of potential productivity in coniferous forests by integrating field data and aerial laser scanning in Hidalgo, México
Aim of study: To predict the productivity potential of a managed conifer forest by estimating the site index from Light Detection and Ranging (LiDAR) data. Study area: Intensive Carbon Monitoring Site Atopixco, Hidalgo, Mexico. Material and methods: A total of 329 observations from five remeasurements in permanent forest inventory sampling units were used to generate site index curves and metrics derived from a 2013 LiDAR scan. LiDAR elevation metrics were statistically related to field-observed dominant height (DH). Three models were fitted to predict DH as a function of LiDAR metrics, while nine height growth models were developed using the algebraic difference approach, at a base age of 40 years, using the ordinary least squares method and mixed effects models (MEM). Main results: The 99th height percentile was the LiDAR metric that showed the greatest correlation with the observed DH. Its integration into a linear model was best suited to estimate DH with Adjusted Determination Coefficient (R2adj) of 0.97 and Root Mean Square Error (RMSE) of 0.31 m. The Hossfeld IV anamorphic model adjusted as MEM and autocorrelation corrected model showed the best performance for predicting DH growth with R2adj of 0.87 and RMSE of 2.11 m. The integration of both models into a Geographic Information System (GIS) allowed the spatially explicit construction of an accurate mosaic of the DH and site index to classify stand productivity in the study area. Research highlights: Of the total area managed for timber purposes, 87% is classified as a heigh (≥31 m) and average (26 m) site index, while areas dedicated to conservation contain 13% of the area classified with low site index (≤21 m).
- 30 December 2024
- Published by Instituto Nacional de Investigacion y Tecnologia Agraria y Alimentaria (INIA) in Forest Systems
- Vol. 33 (3) , 20886
Open AccessEvaluation of potential productivity in coniferous forests by integrating field data and aerial laser scanning in Hidalgo, México
Aim of study: To predict the productivity potential of a managed conifer forest by estimating the site index from Light Detection and Ranging (LiDAR) data. Study area: Intensive Carbon Monitoring Site Atopixco, Hidalgo, Mexico. Material and methods: A total of 329 observations from five remeasurements in permanent forest inventory sampling units were used to generate site index curves and metrics derived from a 2013 LiDAR scan. LiDAR elevation metrics were statistically related to field-observed dominant height (DH). Three models were fitted to predict DH as a function of LiDAR metrics, while nine height growth models were developed using the algebraic difference approach, at a base age of 40 years, using the ordinary least squares method and mixed effects models (MEM). Main results: The 99th height percentile was the LiDAR metric that showed the greatest correlation with the observed DH. Its integration into a linear model was best suited to estimate DH with Adjusted Determination Coefficient (R2adj) of 0.97 and Root Mean Square Error (RMSE) of 0.31 m. The Hossfeld IV anamorphic model adjusted as MEM and autocorrelation corrected model showed the best performance for predicting DH growth with R2adj of 0.87 and RMSE of 2.11 m. The integration of both models into a Geographic Information System (GIS) allowed the spatially explicit construction of an accurate mosaic of the DH and site index to classify stand productivity in the study area. Research highlights: Of the total area managed for timber purposes, 87% is classified as a heigh (≥31 m) and average (26 m) site index, while areas dedicated to conservation contain 13% of the area classified with low site index (≤21 m).
- 1 October 2024
- Published by Taylor & Francis in International Journal of Remote Sensing
- Vol. 45 (22) , 8037-8060
Predicting forest parameters through generalized linear mixed models using GEDI metrics in a temperate forest in Oaxaca, Mexico
- 1 October 2024
- Published by Taylor & Francis in International Journal of Remote Sensing
- Vol. 45 (22) , 8037-8060
Predicting forest parameters through generalized linear mixed models using GEDI metrics in a temperate forest in Oaxaca, Mexico
- Open Access
- 28 February 2024
- Published by Revista Mexicana de Ciencias Forestales in Revista Mexicana de Ciencias Forestales
- Vol. 15 (82) , 4-28
Impacto de Ips confusus Wood & Bright, 1992 en el incremento radial de Pinus cembroides Zucc.
Las plagas forestales representan una de las principales causas de disturbio en los bosques templados de México. Ips confusus ataca a Pinus cembroides después de intensas sequías. El objetivo del presente estudio fue evaluar tanto el impacto por I. confusus, como del clima en el crecimiento radial de un bosque de P. cembroides en el municipio Carichí, Chihuahua, México. Se obtuvieron núcleos de crecimiento de árboles atacados (AA) y de no atacados (ANA) de la misma especie. Se dataron 53 series dendrocronológicas con una extensión máxima de 1776 a 2012 (AA=24 y ANA=29). A partir de 1998, se observó un crecimiento diferencial en el área basal entre AA y ANA. Al momento de la muerte del arbolado (2012), se registró una diferencia de más de 100 % (AA=8.03±1.53 cm2 año-1, y ANA=17.7±1.74 cm2 año-1, p<0.001). Los ANA mostraron una sensibilidad superior a variables climáticas que los AA, con una mayor sincronía en los últimos años. A nivel dosel, se determinó una correlación con el Índice de Vegetación de Diferencia Normalizada (NDVI, r=0.51, p<0.05) exclusivamente para ANA. Sin embargo, los AA fueron más sensibles a condiciones de sequía, con base en el Índice de Severidad de Sequia de Palmer (PDSI, r=0.53, p<0.05). Esto sugiere que condiciones de sequía previas (hasta 10 años) predisponen menor crecimiento radial de P. cembroides y favorece el ataque de plagas.
- 28 February 2024
- Published by Revista Mexicana de Ciencias Forestales in Revista Mexicana de Ciencias Forestales
- Vol. 15 (82) , 4-28
Open AccessImpacto de Ips confusus Wood & Bright, 1992 en el incremento radial de Pinus cembroides Zucc.
Las plagas forestales representan una de las principales causas de disturbio en los bosques templados de México. Ips confusus ataca a Pinus cembroides después de intensas sequías. El objetivo del presente estudio fue evaluar tanto el impacto por I. confusus, como del clima en el crecimiento radial de un bosque de P. cembroides en el municipio Carichí, Chihuahua, México. Se obtuvieron núcleos de crecimiento de árboles atacados (AA) y de no atacados (ANA) de la misma especie. Se dataron 53 series dendrocronológicas con una extensión máxima de 1776 a 2012 (AA=24 y ANA=29). A partir de 1998, se observó un crecimiento diferencial en el área basal entre AA y ANA. Al momento de la muerte del arbolado (2012), se registró una diferencia de más de 100 % (AA=8.03±1.53 cm2 año-1, y ANA=17.7±1.74 cm2 año-1, p<0.001). Los ANA mostraron una sensibilidad superior a variables climáticas que los AA, con una mayor sincronía en los últimos años. A nivel dosel, se determinó una correlación con el Índice de Vegetación de Diferencia Normalizada (NDVI, r=0.51, p<0.05) exclusivamente para ANA. Sin embargo, los AA fueron más sensibles a condiciones de sequía, con base en el Índice de Severidad de Sequia de Palmer (PDSI, r=0.53, p<0.05). Esto sugiere que condiciones de sequía previas (hasta 10 años) predisponen menor crecimiento radial de P. cembroides y favorece el ataque de plagas.
- Open Access
- 1 July 2023
- Published by Brazilian Journals in Brazilian Journal of Animal and Environmental Research
- Vol. 6 (3) , 2301-2315
Aportaciones científicas del CENID COMEF de 1994-2020: estado del arte de su investigación forestal
El Centro Nacional de Investigación Disciplinaria en Conservación y Mejoramiento de Ecosistemas Forestales (Cenid Comef) perteneciente al Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP) se fundó en 1994 con la focalización de generar conocimientos científicos y tecnológicos en materia forestal. El objetivo del trabajo fue realizar una recopilación y síntesis de la investigación forestal (estado del arte) desarrollada en dicho centro para el periodo 1994-2020. La metodología que se utilizó fue de tipo documental de dos fases: la heurística que abarca la búsqueda documental relevante del tema, su organización y captura (e.g., consultas en repositorios digitales, bibliotecas y construcción de bases de datos) y la hermenéutica que comprende la relación con el contexto, su análisis e interpretación, tendencia y evolución de los tópicos de investigación (e.g., tendencias, tasas de cambio). Las aportaciones de investigación que se seleccionaron como relevantes para el análisis fueron: artículos científicos, capítulos de libro, folletos, generación de tecnologías y libros. Así mismo, se consideró la cobertura geográfica de las contribuciones a fin de visualizar el grado de incidencia de las investigaciones en un contexto espacial. Un total de 255 aportaciones de investigación fueron reportados para el periodo de investigación (27 años), con máximos en 2019 (27) y mínimos en 1997 (0). Las aportaciones más representativas de la investigación fueron los artículos científicos (54 %), seguidos por capítulos de libro (16 %) y libros (11 %). La cobertura geográfica de las aportaciones fue en su mayoría de carácter nacional (25 %), regional (24 %) y estatal (23 %), lo que confirma la amplia incidencia geográfica del Cenid Comef. La tendencia temporal indica un mayor crecimiento en los últimos años, principalmente en la producción de artículos científicos relacionados a los campos de monitoreo de recursos naturales con sensores remotos (geomática), sanidad forestal y socioeconomía. Este tipo de estudios permite conocer el comportamiento histórico de la investigación forestal, además de detectar áreas de oportunidad y necesidades de investigación a futuro.
- 1 July 2023
- Published by Brazilian Journals in Brazilian Journal of Animal and Environmental Research
- Vol. 6 (3) , 2301-2315
Open AccessAportaciones científicas del CENID COMEF de 1994-2020: estado del arte de su investigación forestal
El Centro Nacional de Investigación Disciplinaria en Conservación y Mejoramiento de Ecosistemas Forestales (Cenid Comef) perteneciente al Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP) se fundó en 1994 con la focalización de generar conocimientos científicos y tecnológicos en materia forestal. El objetivo del trabajo fue realizar una recopilación y síntesis de la investigación forestal (estado del arte) desarrollada en dicho centro para el periodo 1994-2020. La metodología que se utilizó fue de tipo documental de dos fases: la heurística que abarca la búsqueda documental relevante del tema, su organización y captura (e.g., consultas en repositorios digitales, bibliotecas y construcción de bases de datos) y la hermenéutica que comprende la relación con el contexto, su análisis e interpretación, tendencia y evolución de los tópicos de investigación (e.g., tendencias, tasas de cambio). Las aportaciones de investigación que se seleccionaron como relevantes para el análisis fueron: artículos científicos, capítulos de libro, folletos, generación de tecnologías y libros. Así mismo, se consideró la cobertura geográfica de las contribuciones a fin de visualizar el grado de incidencia de las investigaciones en un contexto espacial. Un total de 255 aportaciones de investigación fueron reportados para el periodo de investigación (27 años), con máximos en 2019 (27) y mínimos en 1997 (0). Las aportaciones más representativas de la investigación fueron los artículos científicos (54 %), seguidos por capítulos de libro (16 %) y libros (11 %). La cobertura geográfica de las aportaciones fue en su mayoría de carácter nacional (25 %), regional (24 %) y estatal (23 %), lo que confirma la amplia incidencia geográfica del Cenid Comef. La tendencia temporal indica un mayor crecimiento en los últimos años, principalmente en la producción de artículos científicos relacionados a los campos de monitoreo de recursos naturales con sensores remotos (geomática), sanidad forestal y socioeconomía. Este tipo de estudios permite conocer el comportamiento histórico de la investigación forestal, además de detectar áreas de oportunidad y necesidades de investigación a futuro.
- 29 December 2021
- Published by Universidad de Guadalajara in E-CUCBA
- Vol. 9 (17) , 88-95
Predicción de variables dasométricas mediante modelos lineales mixtos y datos de LiDAR aerotransportado
Adequate estimation of dasometric parameters such as basal area (AB), above-ground biomass (B), and timber volume (VOL) inmanaged forests is a primary requirement to quantify the role of forests in mitigation climate change mitigation. In this context,forest inventories represent the general technique to estimate dasometric parameters, however, they represent a greater consumptionof time and resources. Using data derived from remote sensors in the dasometric modeling offers huge possibilities as an auxiliarytool in forestry activities. The objective of this work was to obtain a statistical model for each forest variable of interest: basal area,above-ground biomass and timber volume in a temperate forest under management in Zacualtipán, Hidalgo, Mexico, using linearmixed models and LiDAR (Light Detection And Ranging) data as predictor variables. For this, we consider that the cluster samplingunits have spatial correlation with respect to them distributed independently in the field. Metrics derived from LiDAR data wereused to fit the models. The metrics related to height and density of the vegetation presented the highest Pearson correlations (r = 0.52- 0.86) with the different dasometric variables and these were used as predictors in the adjusted models. The results indicated thatthe random effect of the cluster and the use of variance function significantly improved the heteroscedasticity, since the spatialcorrelation of the sites was included. This work showed the potential of using linear mixed models to take advantage of thedependency between sites in the same cluster and improve traditional estimates that do not model this hierarchical relationship.
- 29 December 2021
- Published by Universidad de Guadalajara in E-CUCBA
- Vol. 9 (17) , 88-95
Predicción de variables dasométricas mediante modelos lineales mixtos y datos de LiDAR aerotransportado
Adequate estimation of dasometric parameters such as basal area (AB), above-ground biomass (B), and timber volume (VOL) inmanaged forests is a primary requirement to quantify the role of forests in mitigation climate change mitigation. In this context,forest inventories represent the general technique to estimate dasometric parameters, however, they represent a greater consumptionof time and resources. Using data derived from remote sensors in the dasometric modeling offers huge possibilities as an auxiliarytool in forestry activities. The objective of this work was to obtain a statistical model for each forest variable of interest: basal area,above-ground biomass and timber volume in a temperate forest under management in Zacualtipán, Hidalgo, Mexico, using linearmixed models and LiDAR (Light Detection And Ranging) data as predictor variables. For this, we consider that the cluster samplingunits have spatial correlation with respect to them distributed independently in the field. Metrics derived from LiDAR data wereused to fit the models. The metrics related to height and density of the vegetation presented the highest Pearson correlations (r = 0.52- 0.86) with the different dasometric variables and these were used as predictors in the adjusted models. The results indicated thatthe random effect of the cluster and the use of variance function significantly improved the heteroscedasticity, since the spatialcorrelation of the sites was included. This work showed the potential of using linear mixed models to take advantage of thedependency between sites in the same cluster and improve traditional estimates that do not model this hierarchical relationship.
- Open Access
- 19 July 2021
- Published by Universidad Autonoma Chapingo in Revista Chapingo Serie Ciencias Forestales y del Ambiente
- Vol. 27 (3) , 383-400
Sinergia de datos espectrales Landsat, climáticos y LiDAR para el mapeo de biomasa aérea en selvas medianas de la península de Yucatán, México
Introducción: Los bosques tropicales constituyen ecosistemas complejos y dinámicos que cubren áreas extensas, de ahí la importancia de determinar su contenido de biomasa y representar su variabilidad espacial.Objetivo: Estimar y mapear la biomasa aérea y su incertidumbre asociada en selvas medianas subperennifolia (SMSP) y subcaducifolia (SMSC) de la península de Yucatán.Materiales y métodos: La biomasa aérea se estimó en función de variables explicativas obtenidas de imágenes Landsat y variables climáticas, mediante el algoritmo random Forest. La biomasa aérea se mapeó a partir de estimaciones previas de biomasa para franjas del territorio con presencia de datos LiDAR (Light Detection And Ranging) y datos de campo. La incertidumbre a nivel de pixel se estimó como el coeficiente de variación.Resultados y discusión: Una combinación de variables climáticas y espectrales mostraron capacidad aceptable para estimar la biomasa en la selva mediana subperennifolia y mediana subcaducifolia con una varianza explicada de 50 % y RMSE (raíz del error cuadrático medio) de 34.2 Mg·ha-1 y 26.2 Mg·ha-1, respectivamente, prevalenciendo las variables climáticas. La biomasa de la SMSP varió entre 4.0 y 185.7 Mg·ha-1 y la de la SMSC osciló entre 11.7 y 117 Mg·ha-1. Los valores más bajos de incertidumbre se registraron en la selva mediana subperennifolia, siendo mayores en zonas con cantidades menores de biomasa aérea.Conclusión: La biomasa aérea se estimó y mapeó mediante el uso combinado de las variables auxiliares con una precisión aceptable, contrario a la incertidumbre de las predicciones, lo que representa una oportunidad de mejora futura.
- 19 July 2021
- Published by Universidad Autonoma Chapingo in Revista Chapingo Serie Ciencias Forestales y del Ambiente
- Vol. 27 (3) , 383-400
Open AccessSinergia de datos espectrales Landsat, climáticos y LiDAR para el mapeo de biomasa aérea en selvas medianas de la península de Yucatán, México
Introducción: Los bosques tropicales constituyen ecosistemas complejos y dinámicos que cubren áreas extensas, de ahí la importancia de determinar su contenido de biomasa y representar su variabilidad espacial.Objetivo: Estimar y mapear la biomasa aérea y su incertidumbre asociada en selvas medianas subperennifolia (SMSP) y subcaducifolia (SMSC) de la península de Yucatán.Materiales y métodos: La biomasa aérea se estimó en función de variables explicativas obtenidas de imágenes Landsat y variables climáticas, mediante el algoritmo random Forest. La biomasa aérea se mapeó a partir de estimaciones previas de biomasa para franjas del territorio con presencia de datos LiDAR (Light Detection And Ranging) y datos de campo. La incertidumbre a nivel de pixel se estimó como el coeficiente de variación.Resultados y discusión: Una combinación de variables climáticas y espectrales mostraron capacidad aceptable para estimar la biomasa en la selva mediana subperennifolia y mediana subcaducifolia con una varianza explicada de 50 % y RMSE (raíz del error cuadrático medio) de 34.2 Mg·ha-1 y 26.2 Mg·ha-1, respectivamente, prevalenciendo las variables climáticas. La biomasa de la SMSP varió entre 4.0 y 185.7 Mg·ha-1 y la de la SMSC osciló entre 11.7 y 117 Mg·ha-1. Los valores más bajos de incertidumbre se registraron en la selva mediana subperennifolia, siendo mayores en zonas con cantidades menores de biomasa aérea.Conclusión: La biomasa aérea se estimó y mapeó mediante el uso combinado de las variables auxiliares con una precisión aceptable, contrario a la incertidumbre de las predicciones, lo que representa una oportunidad de mejora futura.
- Open Access
- 13 November 2019
- Published by Instituto de Ecologia, A.C. in Madera y Bosques
- Vol. 25 (3)
Transectos de datos LiDAR: una estrategia de muestreo para estimar biomasa aérea en áreas forestales
La estimación y el mapeo de la biomasa aérea sobre áreas extensas puede realizarse haciendo uso de las herramientas que ofrece la percepción remota. El objetivo de este estudio fue estimar la biomasa aérea de dos tipos de selva mediana: subperennifolia (SMSP) y subcaducifolia (SMSC) en la península de Yucatán, México, empleando métricas generadas a partir de datos Light Detection and Ranging (LiDAR). Se usaron datos de 365 unidades de muestreo del Inventario Nacional Forestal y de Suelos (INFyS) de México para calibrar modelos de biomasa aérea usando regresión lineal múltiple y Random Forest (RF). Con estos modelos se mapeó la biomasa aérea sobre franjas de datos LiDAR. El modelo de regresión transformado logró explicar la varianza en un 62% (RMSE = 41.44 Mg ha-1 para SMSP y 36.60 Mg ha-1 para SMSC) para ambos tipos de vegetación. Los modelos generados a través de RF lograron explicar la varianza en un 57% (RMSE = 40.73 Mg ha-1) para la SMSP y solo de 52% (RMSE = 35.10 Mg Ha-1) para la SMSC. El desfase entre la toma de datos en campo y LiDAR, así como el error en la precisión de las coordenadas de los sitios de inventario, son factores reconocidos que influyeron en los resultados. A pesar de lo anterior, las estimaciones obtenidas podrían servir de base para estimar el inventario completo de biomasa en el área de estudio incorporando datos espectrales derivados de un sensor remoto que cubra la totalidad de esta.
- 13 November 2019
- Published by Instituto de Ecologia, A.C. in Madera y Bosques
- Vol. 25 (3)
Open AccessTransectos de datos LiDAR: una estrategia de muestreo para estimar biomasa aérea en áreas forestales
La estimación y el mapeo de la biomasa aérea sobre áreas extensas puede realizarse haciendo uso de las herramientas que ofrece la percepción remota. El objetivo de este estudio fue estimar la biomasa aérea de dos tipos de selva mediana: subperennifolia (SMSP) y subcaducifolia (SMSC) en la península de Yucatán, México, empleando métricas generadas a partir de datos Light Detection and Ranging (LiDAR). Se usaron datos de 365 unidades de muestreo del Inventario Nacional Forestal y de Suelos (INFyS) de México para calibrar modelos de biomasa aérea usando regresión lineal múltiple y Random Forest (RF). Con estos modelos se mapeó la biomasa aérea sobre franjas de datos LiDAR. El modelo de regresión transformado logró explicar la varianza en un 62% (RMSE = 41.44 Mg ha-1 para SMSP y 36.60 Mg ha-1 para SMSC) para ambos tipos de vegetación. Los modelos generados a través de RF lograron explicar la varianza en un 57% (RMSE = 40.73 Mg ha-1) para la SMSP y solo de 52% (RMSE = 35.10 Mg Ha-1) para la SMSC. El desfase entre la toma de datos en campo y LiDAR, así como el error en la precisión de las coordenadas de los sitios de inventario, son factores reconocidos que influyeron en los resultados. A pesar de lo anterior, las estimaciones obtenidas podrían servir de base para estimar el inventario completo de biomasa en el área de estudio incorporando datos espectrales derivados de un sensor remoto que cubra la totalidad de esta.