1. RIUdeG
2. Revistas
3. Revista e-CUCBA

Title:	Prediction of dasometric variables using linear mixed models and airborne LiDAR data Predicción de variables dasométricas mediante modelos lineales mixtos y datos de LiDAR aerotransportado
Keywords:	Área basal, biomasa aérea, correlación espacial, volumen maderable.;Basal area, above-ground biomass, spatial correlation, volume.
Publisher:	UNIVERSIDAD DE GUADALAJARA
Description:	Adequate estimation of dasometric parameters such as basal area (AB), above-ground biomass (B), and timber volume (VOL) inmanaged forests is a primary requirement to quantify the role of forests in mitigation climate change mitigation. In this context, forest inventories represent the general technique to estimate dasometric parameters, however, they represent a greater consumption of time and resources. Using data derived from remote sensors in the dasometric modeling offers huge possibilities as an auxiliary tool in forestry activities. The objective of this work was to obtain a statistical model for each forest variable of interest: basal area, above-ground biomass and timber volume in a temperate forest under management in Zacualtipán, Hidalgo, Mexico, using linear mixed models and LiDAR (Light Detection And Ranging) data as predictor variables. For this, we consider that the cluster sampling units have spatial correlation with respect to them distributed independently in the field. Metrics derived from LiDAR data were used to fit the models. The metrics related to height and density of the vegetation presented the highest Pearson correlations (r = 0.52 - 0.86) with the different dasometric variables and these were used as predictors in the adjusted models. The results indicated that the random effect of the cluster and the use of variance function significantly improved the heteroscedasticity, since the spatial correlation of the sites was included. This work showed the potential of using linear mixed models to take advantage of the dependency between sites in the same cluster and improve traditional estimates that do not model this hierarchical relationship. La estimación adecuada de parámetros dasométricos como área basal (AB), biomasa aérea (B) y volumen maderable (VOL) en bosques bajo manejo es un requisito primordial para cuantificar el papel de los bosques en la mitigación del cambio climático. En este contexto, los inventarios forestales representan la técnica general para estimar los parámetros dasométricos, sin embargo, representan un mayor consumo de tiempo y recursos. Por su parte, el uso de datos derivados de sensores remotos en la predicción de dichas variables ofrece un abanico de posibilidades como herramienta auxiliar en las actividades forestales. El objetivo de este trabajo fue obtener un modelo estadístico para cada variable forestal de interés: área basal, biomasa aérea y volumen maderable en un bosque templado bajo manejo en el municipio de Zacualtipán, Hidalgo, México, mediante el uso de modelos lineales mixtos y métricas del sistema LiDAR (Light Detection And Ranging) aerotransportado como variables predictoras. Se consideró que las unidades de muestreo en conglomerados presentan correlación espacial respecto a las mismas distribuidas de manera independiente en el terreno. Las métricas relacionadas a la altura y densidad de la vegetación presentaron las mayores correlaciones de Pearson (0.52 – 0.86) con la variable dasométrica de interés y estas fueron empleadas como predictores en los modelos ajustados. Los resultados indican que el efecto aleatorio del conglomerado y una función de varianza aplicados a los modelos mejoró significativamente la heterocedasticidad presente, toda vez que incluyó la correlación espacial de los sitios. Este trabajo muestra el potencial de usar modelos lineales mixtos para aprovechar la dependencia entre los sitios de un mismo conglomerado y mejorar las estimaciones tradicionales que no modelan esta relación jerárquica.
URI:	https://hdl.handle.net/20.500.12104/96082
Other Identifiers:	http://e-cucba.cucba.udg.mx/index.php/e-Cucba/article/view/213 10.32870/ecucba.vi17.213
Appears in Collections:	Revista e-CUCBA

Items in RIUdeG are protected by copyright, with all rights reserved, unless otherwise indicated.