Estimación de la biomasa de una comunidad vegetal altoandina utilizando imágenes multiespectrales adquiridas con sensores remotos UAV y modelos de Regresión Lineal Múltiple, Máquina de Vectores Soporte y Bosques Aleatorios

Abstract

La teledetección con imágenes satelitales de gran escala para estudios de precisión en pastizales presenta limitaciones en su resolución espacial y espectral; frente a ello el uso de signos espectrales e índices de vegetación obtenidos con microsensores transportados por vehículo aéreo no tripulado (VANT) constituyen una alternativa de mayor precisión para la estimación de biomasa. En el trabajo de campo, además de adquirir las imágenes con los microsensores, se utilizaron transectas fijas de 100 m donde se recolectaron muestras de vegetación. Las fotografías adquiridas con el VANT se procesaron en Pix 4D, Arc Gis y algoritmos elaborados en el lenguaje de programación R. La estimación de biomasa se realizó con los modelos de Regresión Lineal Múltiple, Máquina de Soporte Vectorial y Random (Bosques Aleatorios). El modelo Random mostró un coeficiente Kappa de 0,94 en el set entrenamiento y de 0,901 en el set de prueba (R2 = 0,482). El modelo Random Forest predijo 3 g/pixel de MV para césped de puna en la época de lluvia y 2 g/pixel para la época seca; la biomasa predicha para el arbusto de Tola fue de 15 g/pixel de MV para ambas épocas del año. La estimación de biomasa/hectárea para la comunidad vegetal tolar con sus componentes arbusto de tola y césped de puna fue de 6535,88 kg/ha para la época de lluvia y de 6588,81 kg/ha para la época seca. La diferencia entre las estimaciones de biomasa en campo y la estimación con Random Forest fue de 5,48% para época de lluvia y de 9,63% para época de estiaje.

Keywords

• Biomasa aérea
• aprendizaje automático
• Vehículo Aéreo No Tripulado (VANT)
• tolar
• Máquina de Vectores Soporte (MVS)
• Random Forest