Emisiones de co2 por cambio en la cobertura del suelo en la selva lacandona
Download
1 / 41

Emisiones de CO2 por cambio en la cobertura del suelo en la Selva Lacandona - PowerPoint PPT Presentation


  • 118 Views
  • Uploaded on

Emisiones de CO2 por cambio en la cobertura del suelo en la Selva Lacandona. Miguel Ángel Castillo Santiago El Colegio de la Frontera Sur San Cristóbal de las Casas, Chis. El Colegio de la Frontera Sur. Campeche. Chetumal. Villahermosa. San Cristóbal. Tapachula.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Emisiones de CO2 por cambio en la cobertura del suelo en la Selva Lacandona' - lenci


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Emisiones de co2 por cambio en la cobertura del suelo en la selva lacandona

Emisiones de CO2 por cambio en la cobertura del suelo en la Selva Lacandona

Miguel Ángel Castillo Santiago

El Colegio de la Frontera Sur

San Cristóbal de las Casas, Chis.


El colegio de la frontera sur
El Colegio de la Frontera Sur Selva Lacandona

Campeche

Chetumal

Villahermosa

San Cristóbal

Tapachula


Aspectos a abordar en la presentación Selva Lacandona

  • Aplicación de las imágenes descargadas las estaciones ERMEXS (SPOT) y ERIS (Landsat 5).

  • Estudio de caso: Estimación de biomasa del bosque a nivel del paisaje y estimación de emisiones de CO2.



Caracter stica de muchos estudios ecol gicos previos
Característica de muchos estudios ecológicos previos Selva Lacandona

  • Carencia de un componente analítico espacial.

  • Énfasis en el estudio de los procesos a nivel local.

  • Dificultad para extrapolar la información obtenida a nivel local a todo el paisaje.


Disponibilidad actual de im genes
Disponibilidad actual de imágenes Selva Lacandona

Aproximadamente hace tres años, se modificaron los términos de la licencia de las imágenes SPOT captadas por la estación receptora de imágenes de satélite ERMEXS (ubicada en México DF)

Los centros públicos de investigación/docencia tienen ahora acceso a las imágenes SPOT.

Disponibilidad de imágenes Landsat 5 de fecha reciente (2008) descargadas a través de la estación receptora de imágenes de satélite ERIS (Chetumal, Quintana Roo).


Estudios en curso
Estudios en curso Selva Lacandona

  • Delimitación de la cobertura arbórea

  • Tipos de vegetación.

  • Mapeo de hábitat

  • Cambio de la cobertura/uso del suelo

  • Estimación de variables de la estructura del bosque tropical



Rea y contenidos de c por tipo de vegetaci n
Área y contenidos de C por tipo de vegetación Selva Lacandona

Gris claro: carbono en biomasa

Gris oscuro: carbono en suelo

Tomado de:

Malhi et al. (2002)


El carbono de los bosques tropicales
El carbono de los bosques tropicales Selva Lacandona

  • Los bosques tropicales representan los mayores almacenes de C (Mahli et al. 2002)

  • Los bosques tropicales se están perdiendo a tasas elevadas. En México, 265,000 ha/año, (bosques templados 90,000 ha/año) (Mas et al. 2004).

  • La magnitud de las emisiones de CO2 derivadas del cambio en la cobertura y uso del suelo, representa el componente de mayor incertidumbre en el ciclo global del C (Ramankutty et al. 2007)


Estimaci n de la biomasa a nivel regional fuentes de incertidumbre
Estimación de la biomasa a nivel regional: fuentes de incertidumbre

  • Incertidumbre asociadas a la medición de parcelas individuales: Biomasa viva y muerta; aérea y subterránea; lianas, palmas, árboles pequeños, y otros componentes de la biomasa.

  • Incertidumbre derivada de los métodos de extrapolación de las datos de parcelas al paisaje entero. Mayor causa de incertidumbre (Saatchi et al. 2007)


Objetivos espec ficos
Objetivos específicos incertidumbre

  • Estimar las extensiones de los tipos de vegetación en el área de estudio.

  • Analizar la estructura, composición y diversidad arbórea de los bosques (maduros y secundarios).

  • Desarrollar un enfoque metodológico basado en imágenes satélitales, para extrapolar la información de la biomasa.

  • Analizar la dinámica del cambio en la cobertura del suelo y elaborar modelo de cambios.



Extrapolaci n de variables de la estructura del bosque

Tipo de suelo paisaje

Nutrientes del suelo

Posición topográfica

Niveles de perturbación humana

Mapas de tipos de vegetación

Percepción remota

Extrapolación de variables de la estructura del bosque

Factores que afectan la

estructura del bosque

Métodos

Biomasa

Volumen de madera

Área basal

Altura del dosel,


Modelado
Modelado paisaje

Variables del bosque

Variables de la imagen

  • Inf. Espectral:

  • Bandas espectrales

  • Índices espectrales de vegetación

  • Componentes principales

  • Inf. Espacial:

  • Textura (1er y 2do orden)

Enfoques de modelación

  • Biomasa

  • Área basal

  • Volumen de madera

  • Altura del dosel

Modelos de regresión

Redes neuronales

Geoestadística

kNN


Caracter sticas de las relaciones iev biomasa
Características de las relaciones IEV-biomasa paisaje

Frecuentemente relaciones no lineales entre los índices de vegetación y la biomasa.

Se presentan comportamientos asintóticos de la relación IEV y biomasa. Saturación a bajos niveles de biomasa (aprox. 150 t/ha)

Relación inversa, posiblemente debido al incremento de sombras.


Índices Espectrales de Vegetación paisaje:

SR = IRC /Rojo (Jordan 1969)

NDVI = (IRC – Rojo) /(IRC + Rojo) (Tucker 1979)

SAVI = (IRC – Rojo) /(IRC + Rojo + L) (Huete 1988)

GEMI = η(1 – 0.25η) – {(Rojo – 0.125) /(1 – Rojo)}

(Verstraete & Pinty 1996)

donde:

L = 0.5;

η = {2(IRC2 – Rojo2) + 1.5IRC + 0.5Rojo} /{IRC + Rojo + 0.5}



Castillo-Santiago,M.A., Ricker, M., & de Jong,B. en prensa. Estimation of tropical forest structure from SPOT-5 satellite images. International Journal of Remote Sensing.


Modelo seleccionado Estimation of tropical forest structure from SPOT-5 satellite images.

ABGT = 19.94 – 0.29×IRC + 0.42×VARIRC

AGBT = (AGBλ-1)/λ (transformación Box-Cox)

Donde λ = 0.3

R2 = 0.713

Validación cruzada

RMSE = 59.7 t/ha

RMSE (%) = 21.3


Mapa de biomasa
Mapa de biomasa Estimation of tropical forest structure from SPOT-5 satellite images.

Unidades

t/ha


Cambio en el uso del suelo
Cambio en el uso del suelo Estimation of tropical forest structure from SPOT-5 satellite images.

  • Tres períodos analizados 1986,1997 y 2005.

  • Las imágenes de 1986 y 1997 fueron Landsat TM, menor resolución que SPOT5

  • Se agruparon clases de vegetación debido a dificultades para separar espectralmente algunas tipos de vegetación con TM


Cambio en la cobertura del suelo 1986 1997 2005
Cambio en la cobertura del suelo 1986-1997-2005 Estimation of tropical forest structure from SPOT-5 satellite images.


Cambio en la cobertura del suelo 1986 1997 20051
Cambio en la cobertura del suelo 1986-1997-2005 Estimation of tropical forest structure from SPOT-5 satellite images.

TDA= 2.3%

TDA=4.8%

81,100 ha deforestadas en el período 1986-2005


Matriz de cambios 1997 2005
Matriz de cambios 1997-2005 Estimation of tropical forest structure from SPOT-5 satellite images.


Escenarios de cambio en la cobertura 2005 2015
Escenarios de cambio en la cobertura 2005-2015 Estimation of tropical forest structure from SPOT-5 satellite images.

Emisión de C de acuerdo a escenario A: 2,156,499 tC


Proyecci n a 2015
Proyección a 2015 Estimation of tropical forest structure from SPOT-5 satellite images.

  • Se perderían 28,471 ha de bosque tropical entre 2005 y 2015.

  • Equivalentes a 4,312,998 t de biomasa.

  • Equivalente a 791,435 tCO2/año

  • ≈ 1.5% de las emisiones anuales para México.

  • Marqués representa ≈0.1% de la superficie de México.


Conclusiones
Conclusiones Estimation of tropical forest structure from SPOT-5 satellite images.

  • La reflectancia registrada en las imágenes o sus transformaciones proporciona poca información para explicar variables de la estructura.

  • Solo adecuada para bajos niveles de biomasa.

  • El incremento en resolución espectral puede superar el problema de saturación


Conclusiones 2
Conclusiones (2) Estimation of tropical forest structure from SPOT-5 satellite images.

  • El uso de información espacial (textura) puede incrementar la precisión sustancialmente en imágenes de alta resolución.

  • Permite modelar valores de biomasa propios del bosque maduro.


Conclusiones 3
Conclusiones (3) Estimation of tropical forest structure from SPOT-5 satellite images.

  • El cambio de uso del suelo presenta patrones de alta concentración.

  • Las tasas de deforestación continúan aumentando.

  • El cambio de uso del suelo no es unidireccional (abandono de tierras, reuso de la vegetación secundaria, cambio de uso agric a pecuario).


Ceiba pentandra Estimation of tropical forest structure from SPOT-5 satellite images. ejido La Victoria, Marqués de Comillas

Hojas juveniles de Coccoloba belizensis, Ejido La Corona, MdeC


Hymenaea courbaril, MdeC Estimation of tropical forest structure from SPOT-5 satellite images.


Sabana Estimation of tropical forest structure from SPOT-5 satellite images.

Bosque secundario de selva media


ad