Inventario arbóreo en ecosistemas de páramo a partir de técnicas de percepción remota

Abstract

El presente trabajo tuvo como objetivo desarrollar un inventario forestal en el ecosistema de páramo Paramillo de Santa Rosa a partir de técnicas de percepción remota, para la identificación de variables que describen las dinámicas de este ecosistema; las variables que influyen en la biodiversidad, utilizadas en este proyecto fueron: el sistema de drenaje, las direcciones de flujo, las pendientes y curvas de nivel generadas a partir de un modelo de elevación digital; la información sobre la geología y la geomorfología de la superficie fue descrita a partir del plan de manejo 2017-2022 del Parque Nacional Natural Los Nevados; la variable del clima se desarrolló a partir del cálculo de la temperatura superficial de la tierra, aplicando también las técnicas de percepción remota donde luego del cálculo de la temperatura de brillo de calcula la temperatura superficial de la zona de estudio. Se desarrolló una metodología basada en el aprovechamiento de las técnicas de percepción remota que permitieron aplicar el pre procesamiento a la imagen multiespectral por medio del algoritmo Absorción diferencial Precorregida Atmosférica (APDA) y a la imagen hiperespectral por medio del algoritmo Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes ( FLAASH) obteniendo imágenes con reducción del ruido atmosférico listas para aplicar la clasificación supervisada por medio del método de Mapeo de Angulo Espectral, que parte de la hipótesis de que cada pixel corresponde únicamente a una categoría de referencia; para determinar a cuál pertenece cada pixel, calcula la similitud entre las firmas espectrales, las cuales están en función del número de bandas, midiendo el ángulo entre ellas; esta clasificación de comunidades de especies forestales representativas de la zona de estudio fue aplicada a dos fuentes de información, una imagen multiespectral y una imagen hiperespectral, se realizó la validación de los resultados obtenidos de las clasificaciones basándose en la información obtenida de las muestras recogidas en campo y aplicando la matriz de confusión, de la que se generaron los índices global y Kappa con valores de 0,838 y 0,822 para la clasificación de la imagen multiespectral y 0,795 y 0,772 para la clasificación de la imagen hiperespectral. Finalmente se evidenció la relación que teóricamente existe entre las variables y lo que arroja la clasificación efectuada anteriormente