- -

Estimación de biomasa y carbono con herramientas de teledetección en bosques secos tropicales del Tolima, Colombia

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Estimación de biomasa y carbono con herramientas de teledetección en bosques secos tropicales del Tolima, Colombia

Mostrar el registro sencillo del ítem

Ficheros en el ítem

Thumbnail
Nombre: MejiaAndradeSegura ...
Tamaño: 3.122Mb
Formato: PDF
Descripción: Versión editorial
Abrir
dc.contributor.author Mejía, Carlos E. es_ES
dc.contributor.author Andrade, Hernán J. es_ES
dc.contributor.author Segura, Milena es_ES
dc.coverage.spatial east=-75.1545381; north=4.092516799999999; name=Tolima, Colòmbia es_ES
dc.date.accessioned 2023-11-06T13:19:09Z
dc.date.available 2023-11-06T13:19:09Z
dc.date.issued 2023-07-28
dc.identifier.issn 1133-0953
dc.identifier.uri http://hdl.handle.net/10251/199312
dc.description.abstract [EN] Forests store a large amount of carbon in biomass, which constitutes an option for climate change mitigation. This research focused on the estimation of aboveground biomass and carbon using remote sensing and mathematical modeling tools in dry forests of the Centro Universitario Regional del Norte (CURDN) of the University of Tolima: gallery and riparian forest (152.2 ha) and secondary or transitional vegetation (329.1 ha). Fifty-nine temporary sampling plots were established and the aboveground biomass and carbon were estimated by measuring trees and using allometric models and a carbon fraction of 0.47. Four vegetation indexes (NDVI, EVI, SAVI and OSAVI) were estimated from two Sentinel 2A satellite images from rainy and dry season. The NDVI from the rainy season showed the best R2 (0.87), which allowed the development of a model for estimation of aboveground biomass. Biomass and carbon distribution mapping was generated in the study area, yielding an average value of 95.1 and 44.1 t/ha of aboveground biomass and carbon, respectively. These results made it possible to spatialize the biomass content and carbon sinks within the CURDN and serve as a first step to manage the territory and establish mechanisms for the preservation of the bs-T in the department of Tolima. es_ES
dc.description.abstract [ES] Los bosques mantienen una gran cantidad de carbono en biomasa, lo cual constituye una opción de mitigación del cambio climático. Esta investigación se centró en la estimación de biomasa aérea y carbono mediante herramientas de teledetección y modelación matemática en bosques secos del Centro Universitario Regional del Norte (CURDN) de la Universidad del Tolima: bosque de galería y ripario (152,2 ha) y de vegetación secundaria o en transición (329,1 ha). Se establecieron 59 parcelas temporales de muestreo, a las cuales se le estimó la biomasa y carbono aérea midiendo árboles y empleando modelos alométricos y una fracción de carbono de 0,47. Se estimaron cuatro índices de vegetación (NDVI, EVI, SAVI, OSAVI) provenientes de dos imágenes en época lluviosa y seca por el satélite Sentinel 2A. El NDVI de la época lluviosa arrojó el mejor R2 (0,87), lo que permitió desarrollar un modelo de estimación de biomasa aérea. Se generó cartografía de distribución de biomasa y carbono en el área de estudio arrojando un valor promedio de 95,1 y 44,1 t/ha de biomasa y carbono aéreo, respectivamente. Estos resultados permitieron espacializar el contenido de biomasa y sumideros de carbono dentro del CURDN y que sirve como primer paso para gestionar el territorio y establecer mecanismos de preservación de los bs-T en el departamento del Tolima. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.relation.ispartof Revista de Teledetección es_ES
dc.rights Reconocimiento - No comercial - Compartir igual (by-nc-sa) es_ES
dc.subject Sentinel-2A es_ES
dc.subject Climate change es_ES
dc.subject Vegetation index es_ES
dc.subject Allometric models es_ES
dc.subject Carbon stocks es_ES
dc.subject Cambio climático es_ES
dc.subject Índices de vegetación es_ES
dc.subject Modelos alométricos es_ES
dc.subject Stocks de carbono es_ES
dc.title Estimación de biomasa y carbono con herramientas de teledetección en bosques secos tropicales del Tolima, Colombia es_ES
dc.title.alternative Biomass and carbon estimation with remote sensing tools in tropical dry forests of Tolima, Colombia es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.4995/raet.2023.19242
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Mejía, CE.; Andrade, HJ.; Segura, M. (2023). Estimación de biomasa y carbono con herramientas de teledetección en bosques secos tropicales del Tolima, Colombia. Revista de Teledetección. (62):57-70. https://doi.org/10.4995/raet.2023.19242 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.4995/raet.2023.19242 es_ES
dc.description.upvformatpinicio 57 es_ES
dc.description.upvformatpfin 70 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.issue 62 es_ES
dc.identifier.eissn 1988-8740
dc.relation.pasarela OJS\19242 es_ES
dc.contributor.funder Universidad del Tolima es_ES
dc.description.references Álvarez, E., Duque, A., Saldarriaga, J., Cabrera, K., del Valle, I., Lema, A., Moreno, F., Orrego, S., Rodríguez, L., 2012. Tree above-ground biomass allometries for carbon stocks estimation in the natural forests of Colombia. Forest Ecology and management, 267, 297-308. https://doi.org/10.1016/j.foreco.2011.12.013 es_ES
dc.description.references Álvarez-Dávila, E., Cayuela, L., González-Caro, S., Aldana, A. M., Stevenson, P. R., Phillips, O., Cogollo, Á., Peñuela, M., von Hildebrand, P., Jiménez, E., Melo, O., Londoño, A., Mendoza, I., Velásquez, O., Fernández, F., Serna, M., Velázquez, C., Benítez, D., Rey-Benayas, J. M., 2017. Forest biomass density across large climate gradients in northern South America is related to water availability but not with temperature. PloS one, 12(3), e0171072. https://doi.org/10.1371/journal.pone.0171072 es_ES
dc.description.references Andrade, H.J., Segura, M.A., Forero, L.A. (2014). Desarrollo de modelos alométricos para volumen de madera, biomasa y carbono en especies leñosas perennes: conceptos básicos, métodos y procedimientos. Sello Editorial Universidad del Tolima, Ibagué, Colombia. 48 p. es_ES
dc.description.references Aubry-Kientz, M., Rossi, V., Wagner, F., Hérault, B., 2015. Identifying climatic drivers of tropical forest dynamics. Biogeosciences, 12(19), 5583-5596. https://doi.org/10.5194/bg-12-5583-2015 es_ES
dc.description.references Bhatti, S., Ahmad, S. R., Asif, M., Farooqi, I. U. H., 2022. Estimation of aboveground carbon stock using Sentinel-2A data and Random Forest algorithm in scrub forests of the Salt Range, Pakistan. Forestry, 96(1), 104-120. https://doi.org/10.1093/forestry/cpac036 es_ES
dc.description.references Cáceres, J., Martín, M., Salas, J., 2015. Análisis temporal de biomasa y stocks de carbono en un ecosistema de dehesa mediante imágenes Landsat, y su relación con factores climáticos. Ciencias Espaciales, 8(1), 190-211. https://doi.org/10.5377/ce.v8i1.2049 es_ES
dc.description.references Cárdenas, L., 2012. Biomasa y depósitos de carbono en bosques en regeneración del Ecoparque Bataclán (Cali, Colombia) [tesis de pregrado, Universidad del Valle]. Repositorio Univalle. https://n9.cl/atpyd es_ES
dc.description.references Castillo, J. A. A., Apan, A. A., Maraseni, T. N., Salmo, S. G., 2017. Estimation and mapping of above-ground biomass of mangrove forests and their replacement land uses in the Philippines using Sentinel imagery. ISPRS Journal of Photogrammetry and Remote Sensing, 134, 70-85. https://doi.org/10.1016/j.isprsjprs.2017.10.016 es_ES
dc.description.references Chave, J., Andalo, C., Brown, S., Cairns, M. A., Chambers, J. Q., Eamus, D., Folster, H., Fromard, F., Higuchi, N., Kira, T., Lescure, J. P., Nelson B. W., Ogawa, H., Puig, H., Riéra, B., Yamakura, T., 2005. Tree allometry and improved estimation of carbon stocks and balance in tropical forests. Oecologia, 145, 87-99. https://doi.org/10.1007/s00442-005-0100-x es_ES
dc.description.references Chavez, P. S., 1996. Image-based atmospheric corrections - Revisited and improved. Photogrammetric Engineering and Remote Sensing, 62(9), 1025-1036. es_ES
dc.description.references Chuvieco, E., 2002. Teledetección ambiental. La observación de la Tierra desde el Espacio. Barcelona: Ariel S. A. es_ES
dc.description.references Congedo, L. (2016). Semi-automatic classification plugin documentation. Release, 4(0.1), 29. pp 164-166. es_ES
dc.description.references de Queiroga Miranda, R., Nóbrega, R. L. B., de Moura, M. S. B., Raghavan, S., Galvíncio, J. D., 2020. Realistic and simplified models of plant and leaf area indices for a seasonally dry tropical forest. International Journal of Applied Earth Observation and Geoinformation, 85, 101992. https://doi.org/10.1016/j.jag.2019.101992 es_ES
dc.description.references Escandón-Calderón, J., 1999. 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, 40, 71-84. https://doi.org/10.14350/rig.59095 es_ES
dc.description.references Fremout, T., Cobián-De Vinatea, J., Thomas, E., Huaman-Zambrano, W., Salazar-Villegas, M., Limache-de la Fuente, D., Bernardino, P. N., Atkinson, R., Csaplovics, E., Muys, B., 2022. Site-specific scaling of remote sensing-based estimates of woody cover and aboveground biomass for mapping long-term tropical dry forest degradation status. Remote Sensing of Environment, 276, 113040. https://doi.org/10.1016/j.rse.2022.113040 es_ES
dc.description.references Gonzaga, C., 2014. Aplicación de Índices de Vegetación Derivados de Imágenes Satelitales Landsat 7 ETM + y ASTER para la Caracterización de la Cobertura Vegetal en la Zona Centro de la Provincia De Loja, Ecuador [tesis de maestría, Universidad Nacional de la Plata]. Repositorio UNLP. https://n9.cl/plv4ry es_ES
dc.description.references Hammer, Ø., Harper, D.A.T., Ryan, P.D. 2001. Paleontological Statistics Software package for education and data analysis. Paleontologia Electronica, 4(1), 9 pp. es_ES
dc.description.references Hantson, S., Chuvieco, E., 2011. Evaluation of different topographic correction methods for landsat imagery. International Journal of Applied Earth Observation and Geoinformation, 13(5), 691-700. https://doi.org/10.1016/j.jag.2011.05.001 es_ES
dc.description.references Harris, N. L., Gibbs, D. A., Baccini, A., Birdsey, R. A., De Bruin, S., Farina, M., Fatoyinbo, L., Hansen, M. C. Herold, M., Houghton, R., Potapov, P., Suarez, D. R., Roman, S. S., Saatchi, S. S., Slay, C., Turubanova, S. A., Tyukavina, A., 2021. Global maps of twenty-first century forest carbon fluxes. Nature Climate Change, 11(3), 234-240. https://doi.org/10.1038/s41558-020-00976-6 es_ES
dc.description.references Hernández-Stefanoni, J. L., Castillo-Santiago, M. Á., Mas, J. F., Wheeler, C. E., Andres-Mauricio, J., Tun-Dzul, F., George-Chacón, S. P., Reyes-Palomeque, G., Castellanos, B., Vaca, R., Dupuy, J. M., 2020. Improving aboveground biomass maps of tropical dry forests by integrating LiDAR, ALOS PALSAR, climate and field data. Carbon Balance Manage, 15, 1-17. https://doi.org/10.1186/s13021-020-00151-6 es_ES
dc.description.references Holdridge, L. R., 1979. Life zone ecology. Costa Rica: Tropical Science Center. es_ES
dc.description.references Huang, C. Y., Durán, S. M., Hu, K. T., Li, H. J., Swenson, N. G., Enquist, B. J., 2021. Remotely sensed assessment of increasing chronic and episodic drought effects on a Costa Rican tropical dry forest. Ecosphere, 12(11), e03824. https://doi.org/10.1002/ecs2.3824 es_ES
dc.description.references Huete, A.R. (1988). A soil-adjusted vegetation index (SAVI). Remote sensing of environment, 25(3), 295-309. https://doi.org/10.1016/0034-4257(88)90106-X es_ES
dc.description.references Huete, A., Didan, K., Miura, T., Rodriguez, E.P., Gao, X., & Ferreira, L.G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote sensing of environment, 83(1-2), 195-213. https://doi.org/10.1016/S0034-4257(02)00096-2 es_ES
dc.description.references IDEAM., 2010. Leyenda nacional de coberturas de la tierra. Metodología Corine Land Cover adaptada para Colombia, Escala 1:100.000. Bogotá: Instituto de Hidrología, Meteorología y Estudios Ambientales. https://n9.cl/uyh4a es_ES
dc.description.references IPCC., 2006. IPCC Guidelines for National Greenhouse Gas Inventories. Hayama, Japan: The Intergovernmental Panel on Climate Change (IPCC). https://n9.cl/cwz4xr es_ES
dc.description.references Issa, S., Dahy, B., Ksiksi, T., Saleous, N., 2020. A Review of Terrestrial Carbon Assessment Methods Using Geo-Spatial Technologies with Emphasis on Arid Lands. Remote Sensing, 12(12), 2008. https://doi.org/10.3390/rs12122008 es_ES
dc.description.references Khan, M. R., Khan, I. A., Baig, M. H. A., Liu, Z. J., Ashraf, M. I., 2020. Exploring the potential of Sentinel-2A satellite data for aboveground biomass estimation in fragmented Himalayan subtropical pine forest. Journal of Mountain Science, 17(12), 2880-2896. https://doi.org/10.1007/s11629-019-5968-8 es_ES
dc.description.references Leal, J., Pérez, U., Ortiz, N. E., 2017. Incidencia del cambio de las coberturas vegetales en la distribución espacial de los deslizamientos en la cuenca del río Combeima (Ibagué - Tolima, Colombia). En: Semana Geomática Internacional. Bogotá, Colombia, Agosto. https://doi.org/10.13140/RG.2.2.29189.86247 es_ES
dc.description.references Liu, Y., Weishu, G., Xing, Y., Hu, X., Gong, J., 2019. Estimation of the forest stand mean height and aboveground biomass in Northeast China using SAR Sentinel-1B, multispectral Sentinel-2A, and DEM imagery. ISPRS Journal of Photogrammetry and Remote Sensing, 151, 2019, 277-289, https://doi.org/10.1016/j.isprsjprs.2019.03.016 es_ES
dc.description.references Lu, D., Mausel, P., Brondízio, E., Moran, E., 2004. Relationships between forest stand parameters and landsat TM spectral responses in the Brazilian Amazon Basin. Forest Ecology and Management, 198, 149-167. https://doi.org/10.1016/j.foreco.2004.03.048 es_ES
dc.description.references Madhab, S., Dev, M., 2018. Aboveground biomass estimation using multi-sensor data synergy and machine learning algorithms in a dense tropical forest, Applied Geography, 96, 29-40, https://doi.org/10.1016/j.apgeog.2018.05.011 es_ES
dc.description.references Mani, J. K., Varghese, A. O., 2018. Remote Sensing and GIS in Agriculture and Forest Resource Monitoring. En: Obi, G. P., Singh, S. (eds) Geospatial Technologies in Land Resources Mapping, Monitoring and Management. USA: Geotechnologies and the Environment. https://doi.org/10.1007/978-3-319-78711-4_19 es_ES
dc.description.references Martínez-Barrón, R. A., Aguirre-Calderón, O. A., Vargas-Larreta, B., Jiménez-Pérez, J., Treviño-Garza, E. J., Yerena-Yamallel, J. I., 2016. Modelación de biomasa y carbono arbóreo aéreo en bosques del estado de Durango. Revista Mexicana de Ciencias Forestales, 7(35), 91-106. https://doi.org/10.29298/rmcf.v7i35.77 es_ES
dc.description.references Montes-Pulido, C. R., Parrado-Rosselli, Á., Álvarez-Dávila, E., 2017. Tipos funcionales de plantas como estimadores de carbono en bosque seco del Caribe colombiano. Revista Mexicana de Biodiversidad, 88(1), 241-249. https://doi.org/10.1016/j.rmb.2017.01.006 es_ES
dc.description.references Muller‐Landau, H. C., Cushman, K. C., Arroyo, E. E., Martinez Cano, I., Anderson‐Teixeira, K. J., Backiel, B., 2021. Patterns and mechanisms of spatial variation in tropical forest productivity, woody residence time, and biomass. New Phytologist, 229(6), 3065-3087. https://doi.org/10.1111/nph.17084 es_ES
dc.description.references Nazarova, T., Martin, P., Giuliani, G., 2020. Monitoring vegetation change in the presence of high cloud cover with Sentinel-2 in a lowland tropical forest region in Brazil. Remote Sensing, 12(11), 1829. https://doi.org/10.3390/rs12111829 es_ES
dc.description.references Perea-Ardila, M. A., Andrade-Castañeda, H. J., Segura-Madrigal, M. A., 2021. Estimación de biomasa aérea y carbono con Teledetección en bosques alto-Andinos de Boyacá, Colombia. Estudio de caso: Santuario de Fauna y Flora Iguaque. Revista cartográfica, (102), 99-123. https://doi.org/10.35424/rcarto.i102.821 es_ES
dc.description.references Phillips J.F., Duque A.J., Yepes A.P., Cabrera K.R., García M.C., Navarrete D.A., Álvarez E., Cárdenas D., 2011. Estimación de las reservas actuales (2010) de carbono almacenadas en la biomasa aérea en bosques naturales de Colombia. Estratificación, alometría y métodos análiticos. Bogotá D. C. Instituto de Hidrología, Meteorología, y Estudios Ambientales -IDEAM. https://n9.cl/f98vk es_ES
dc.description.references Phillips, J., Duque, A., Scott, C., Wayson, C., Galindo, G., Cabrera, E., Chave, J., Peña, M., Álvarez, E., Cárdenas, D., Duivenvoorden, J., Hildebrand, P., Stevenson, P., Ramírez, S., Yepes, A., 2016. Live aboveground carbon stocks in natural forests of Colombia. Forest Ecology and Management. 374: 119-128. https://doi.org/10.1016/j.foreco.2016.05.009 es_ES
dc.description.references Pizano, C., García, H., 2014. El bosque seco tropical en Colombia (Vol. 53, Issue 9). Bogotá: Instituto de Recursos Biológicos Alexander von Humboldt (IAvH). https://doi.org/10.1017/CBO9781107415324.004 es_ES
dc.description.references Poorter, L., Bongers, F., 2006. Leaf traits are good predictors of plant performance across 53 rain forest species. Ecological Society of America, 87(7), 1733-1743. https://doi.org/10.1890/0012-9658(2006)87[1733:LTAGPO]2.0.CO;2 es_ES
dc.description.references Portillo-Quintero, C. A., Sánchez-Azofeifa, G. A., 2010. Extent and conservation of tropical dry forests in the Americas. Biological Conservation, 143, 143-155. https://doi.org/10.1016/j.biocon.2009.09.020 es_ES
dc.description.references Pötzschner, F., Baumann, M., Gasparri, N. I., Conti, G., Loto, D., Piquer-Rodríguez, M., Kuemmerle, T., 2022. Ecoregion-wide, multi-sensor biomass mapping highlights a major underestimation of dry forests carbon stocks. Remote sensing of environment, 269, 112849. https://doi.org/10.1016/j.rse.2021.112849 es_ES
dc.description.references Qiu, A., Yang, Y., Wang, D., Xu, S., Wang, X., 2020. Exploring parameter selection for carbon monitoring based on Landsat-8 imagery of the aboveground forest biomass on Mount Tai. European Journal of Remote Sensing, 53:sup1, 4-15. https://doi.org/10.1080/22797254.2019.1686717 es_ES
dc.description.references Restrepo, L., González, J., 2007. From Pearson to Spearman. Revista Colombiana de Ciencias Pecuarias, 20(2), 183-192. https://n9.cl/8cb9 es_ES
dc.description.references Rodríguez, A., 2015. Estimación de biomasa arbórea por medio de índices de vegetación para el Parque Nacional Natural La Paya [proyecto de especialización, Universidad Militar Nueva Granada]. Repositorio UNIMILITAR. https://n9.cl/qw8f7 es_ES
dc.description.references Rondeaux, G., Steven, M., & Baret, F. (1996). Optimization of soil-adjusted vegetation indices. Remote sensing of environment, 55(2), 95-107. https://doi.org/10.1016/0034-4257(95)00186-7 es_ES
dc.description.references Rouse Jr, J.W., Haas, R.H., Deering, D.W., Schell, J.A., & Harlan, J.C. (1974). Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation (No. E75-10354). es_ES
dc.description.references Schlesinger, W. H., 2000. Biogeoquímica un análisis del Cambio global. España: Ariel España. es_ES
dc.description.references Segura, M. A., Andrade, H. J., 2008. ¿Cómo construir modelos alométricos de biomasa o carbono de especies leñosas perennes?. Agroforestería En Las Américas, (46), 89-96. https://n9.cl/key2s es_ES
dc.description.references Singh, C., Karan, S. K., Sardar, P., Samadder, S. R., 2022. Remote sensing-based biomass estimation of dry deciduous tropical forest using machine learning and ensemble analysis. Journal of Environmental Management, 308, 114639. https://doi.org/10.1016/j.jenvman.2022.114639 es_ES
dc.description.references Srinivas, K., Sundarapandian, S., 2018. Biomass and carbon stocks of trees in tropical dry forest of East Godavari region, Andhra Pradesh, India. Geology, Ecology, and Landscapes, 3(2), 114-122. https://doi.org/10.1080/24749508.2018.1522837 es_ES
dc.description.references Teillet, P. M., Guindon, B., Goodenough, D. G., 1982. On the slope-aspect correction of multispectral scanner data. Canadian Journal of Remote Sensing, 8(2), 84-106. https://doi.org/10.1080/07038992.1982.10855028 es_ES
dc.description.references Tetemke, B. A., Birhane, E., Rannestad, M. M., Eid, T., 2021. Species diversity and stand structural diversity of woody plants predominantly determine aboveground carbon stock of a dry Afromontane forest in Northern Ethiopia. Forest Ecology and Management, 500, 1-9. https://doi.org/10.1016/j.foreco.2021.119634 es_ES
dc.description.references Torres, A., Bautista, J., Cárdenas, M., Vargas, J., Londoño, V., Rivera, K., Home, J., Duque, O., Gonzales, A., 2012. Dinámica sucesional de un fragmento de bosque seco tropical del Valle del Cauca, Colombia. Biota Colombiana, 8(2), 66-85. es_ES
dc.description.references Tovar, A. (2018). Estimación de biomasa aérea de eucalipto (Eucalyptus grandis) y pino (Pinus spp) en plantaciones forestales comerciales, usando imágenes satelitales Sentinel [tesis de maestría, Universidad Nacional de Colombia]. Repositorio UNAL. https://n9.cl/c3h9y es_ES
dc.description.references Universidad del Tolima. Centro Universitario Regional del Norte CURDN. Recuperado Febrero de, 2017, de https://n9.cl/7tp45 es_ES
dc.description.references Valdivia, J. (2020). Índices de Vegetación para la estimación de Biomasa Arbórea en Sistemas Agrosilvícolas de fincas en Zihuateutla, Puebla, México [tesis de pregrado, Universidad Nacional Agraria de la Selva]. Repositorio UNAS. https://n9.cl/qaqxp es_ES
dc.description.references Yepes, A., del Valle, J., Jaramillo, S., Orrego, S., 2010. Recuperación estructural en bosques sucesionales andinos de Porce (Antioquia, Colombia). Revista de Biología Tropical, 58(1), 427-445. https://doi.org/10.15517/rbt.v58i1.5220 es_ES
dc.description.references Zhang, Y., Chen, H. Y. H., Reich, P. B., 2012. Forest productivity increases with evenness, species richness and trait variation: A global meta-analysis. Journal of Ecology, 100(3), 742-749. https://doi.org/10.1111/j.1365-2745.2011.01944.x es_ES
dc.description.references Zhu, X., Liu, D., 2015. Improving forest aboveground biomass estimation using seasonal Landsat NDVI time-series. ISPRS Journal of Photogrammetry and Remote Sensing, 102, 222-231. https://doi.org/10.1016/j.isprsjprs.2014.08.014 es_ES
dc.description.references Zhu, Z., Wulder, M. A., Roy, D. P., Woodcock, C. E., Hansen, M. C., Radeloff, V. C., Healey, S., Schaaf, C., Hostert., Strobl, P., Francois, J., Lymburner, L., Pahlevan, N., Scambos, T. A., 2019. Benefits of the free and open Landsat data policy. Remote Sensing of Environment, 224, 382-385. https://doi.org/10.1016/j.rse.2019.02.016 es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem