Predicción de variables dasométricas mediante modelos lineales mixtos y datos de LiDAR aerotransportado

Resumen

La estimación adecuada de parámetros dasométricos como área basal (AB), biomasa aérea (B) y volumen maderable (VOL) en bosques bajo manejo es un requisito primordial para cuantificar el papel de los bosques en la mitigación del cambio climático. En este contexto, los inventarios forestales representan la técnica general para estimar los parámetros dasométricos, sin embargo, representan un mayor consumo de tiempo y recursos. Por su parte, el uso de datos derivados de sensores remotos en la predicción de dichas variables ofrece un abanico de posibilidades como herramienta auxiliar en las actividades forestales. El objetivo de este trabajo fue obtener un modelo estadístico para cada variable forestal de interés: área basal, biomasa aérea y volumen maderable en un bosque templado bajo manejo en el municipio de Zacualtipán, Hidalgo, México, mediante el uso de modelos lineales mixtos y métricas del sistema LiDAR (Light Detection And Ranging) aerotransportado como variables predictoras. Se consideró que las unidades de muestreo en conglomerados presentan correlación espacial respecto a las mismas distribuidas de manera independiente en el terreno. Las métricas relacionadas a la altura y densidad de la vegetación presentaron las mayores correlaciones de Pearson (0.52 – 0.86) con la variable dasométrica de interés y estas fueron empleadas como predictores en los modelos ajustados. Los resultados indican que el efecto aleatorio del conglomerado y una función de varianza aplicados a los modelos mejoró significativamente la heterocedasticidad presente, toda vez que incluyó la correlación espacial de los sitios. Este trabajo muestra el potencial de usar modelos lineales mixtos para aprovechar la dependencia entre los sitios de un mismo conglomerado y mejorar las estimaciones tradicionales que no modelan esta relación jerárquica.