Mster en Conservacin y Uso Sostenible de Sistemas Forestales Asignatura de Teledeteccin Jos Guillermo Riofro S.

Modeling distribution of Amazonian tree species and diversity using remote sensing measurements Sassan Saatchi a, Wolfgang Buermann b, Hans ter Steege c, Scott Mori d, Thomas B. Smith e
Remote Sensing of Environment 112 (2008) 20002017
a Jet Propulsion Laboratory, California Institute of Technology, Pasadena, CA 91109 USA b Center for Tropical Research, Institute of the Environment, University of California, Los Angeles, Los Angeles, CA 90095 USA c Institute of Environmental Biology, Section Plant Ecology and Biodiversity, Utrecht University, Sorbonnelaan 14, 3584 CA Utrecht, The Netherlands d New York Botanical Garden, 200th Street and Kazimiroff Blvd., Bronx, NY 10458 USA e Center for Tropical Research, Institute of the Environment and Department of Ecology and Evolutionary Biology, University of California, Los Angeles, Los Angeles, CA 90095 USA

El uso de modelos para predecir la distribucin de las especies se ha convertido en elementos clave en la documentacin de la biodiversidad en ecosistemas y adems son fundamentales para entender el efecto de los mltiples factores de estrs causados por cambios climticos y antrpicos. La distribucin geogrfica de las especies y su diversidad o riqueza se concibe en trminos de una visin multidimensional, cuyos ejes se determinan por variables ecolgicas y ambientales. Sin embargo, actualmente se busca cuantificar los requerimientos ambientales de especies en escalas espaciales ms finas con el fin de priorizar mejor los esfuerzos de conservacin. La cuenca del Amazonas es uno de los puntos con la mayor diversidad de especies en el mundo, pero presenta variaciones relativamente pequeas en las variables climticas (temperatura y precipitacin), esta caracterstica regional limita el uso de las variables climticas para el desarrollo de modelos ecolgicos y de distribucin. Los datos de teledeteccin, por otro lado, proporcionar informacin espacial refinada del paisaje y de la heterogeneidad de la vegetacin y que pueden ser fcilmente incorporados en los modelos para predecir la distribucin de especies y diversidad. En este artculo se utilizaron los datos de los sensores, MODIS, QSCAT (Quick Scatterometer), SRTM (Shuttle Radar Topography Mission), y TRMM (Tropical Rainfall Mapping Mission), para el desarrollo de diferentes variables ambientales relacionadas con la vegetacin, el paisaje y el clima. Estas variables se utilizan en el algoritmo de mxima entropa (MAXENT) para modelar la distribucin geogrfica de los cinco rboles comerciales (Calophyllum brasiliense, Carapa guianensis, Hura crepitans, Manilkara bidentata, y Virola surinamensis) y para clasificar los patrones de la diversidad alfa de rboles en la cuenca del Amazonas. Los datos georeferenciados de presencia de los rboles fueron extrados de la coleccin del herbario del Jardn Botnico de Nueva York. Los datos de diversidad de rboles se obtuvieron de 633 parcelas ubicadas en algunos tipos de bosques y que fueron adquiridos de la base de datos de Amazon Tree Diversity Network. Como variables de vegetacin y paisaje se utilizaron varios datos de sensores remotos y productos de diferentes sensores de observacin de la tierra (tabla 1). Las variables climticas se obtuvieron de WorldClim version 1.4, y que luego de remover las capas climticas correlacionadas, se usaron solo 9 variables bioclimticas para el corrido del modelo, incluyendo el producto de TRMM.

Tabla. 1 Resumen del conjunto de datos de sensores remotos utilizados en las predicciones de Maxent junto con su resolucin original y la interpretacin ecolgica.
Registro de datos Leaf area index (LAI) Maximum LAI LAI range Porcentaje de cobertura arbrea Scatterometer backscatter Annual mean HH Annual STD HH DEM Instrumento MODIS Variable ecolgica Vegetacin fenologa, estructura, y NPP Resolucin original 1 km y 8 das

MODIS QSCAT

SRTM

Cobertura boscosa y heterogeneidad Cobertura y rugosidad del dosel humedad (estructura del bosque) topografa

1 km 2.25 km y 3 das

90 m1 km

Los modelos de distribucin de MAXENT expresan la idoneidad de cada celda en funcin de las variables ambientales en esa celda, as un valor alto de la funcin en una celda en particular, indica que la esta cuenta con las condiciones adecuadas para la presencia de la especie. En este estudio se utilizaron dos enfoques para evaluar el desempeo del modelo: tasas de omisin y de las reas bajo la curva AUC (Receiver Operating Characteristic -ROC). Para determinar la importancia de los variable ambientales incluidas a partir de los productos de sensores remotos se utiliz la prueba de jackknife incorporada en MAXENT, que cuantifica el aporte al modelo de cada variable de entrada y los compara con los resultados del modelo al usar solo variables climticas. El desempeo general de los modelos fue alto, para las cinco especies y para el patrn de diversidad alfa, lo que indica que la distribucin de MAXENT es una buena aproximacin a la distribucin probable. En general los modelos mostraron que la franja con la mayor diversidad de rboles se encuentra en los bosques de la Amazona occidental, que se extiende desde las estribaciones de los Andes en el sur de Colombia, Ecuador y Per en el Amazonas central en Brasil (figura 1). La prueba de jacknife, para determinar el aporte de las variables procedentes de sensores remotos mostr resultados similares para todos los modelos generados. La variable ms importante fue rugosidad y humedad del dosel proveniente de QSCAT, la cobertura boscosa, la media y estacionalidad del ndice de rea foliar de MODIS.

Fig. 1. Resultados de los modelos de distribucin potencial de MAXENT para V. surinamensis, a) modelo derivado de las variables de teledeteccin; y b) modelo derivado de las variables climticas.

Los modelos generados con las variables de teledeteccin se compararon con resultados de las nueva variables bioclimticas (Figura 1). Para las especies y el patrn de diversidad alfa, los modelos de distribucin con los datos de sensores remotos fueron superiores principalmente debido a la resolucin espacial muy gruesa de los datos climticos y al limitado rango de variacin de temperatura y precipitacin en los bosques de tierras bajas de la Amazona. Por lo que se distingue que los patrones de distribucin de los datos de teledeteccin espacial se muestran mejor refinados y delineados por las caractersticas geomorfolgicas y geolgicas de la cuenca del Amazonas, mientras que la distribucin de los modelos derivados del clima son ms abruptos y se distingue principalmente por los patrones de precipitacin. Sin embargo, los resultados de los modelos con los datos climticos t de sensores remotos son complementarios. Se espera que una combinacin adecuada de dos conjuntos de datos pueda generar mejores patrones de distribucin de las especies y la diversidad.

Cita Segundo artculo: Xiao, X., Hagen, S., Zhang, Q., Keller, M., Moore, B. Detecting leaf phenology of seasonally moist tropical forests in South America with multi-temporal MODIS images. Remote Sensing of Environment 103 (2006) 465473