La Reserva de Producción de Fauna Chimborazo (RPFCH) es un ecosistema de alto valor situado en los andes ecuatorianos, ocupado en su mayor parte por turberas, también llamados bofedales o peatlands. El objetivo de esta tesis es el estudio de dichos ecosistemas a partir de una extensa base de datos de campo obtenida en 2016 y usando datos de teledetección óptica y radar y variables topográficas, ambientales y climáticas con SIG. Para ello se analizaron los mejores métodos para el cartografiado de los peatlands en la RPFCH, la estimación del carbono bajo el suelo (COS) en la capa 0-30 cm y la estimación del carbono almacenado en la vegetación calculado a partir de la biomasa.
Como resultado se obtuvo que, comparando Sentinel-2 con Landsat-8, el mejor método para el cartografiado se obtuvo clasificando con Random Forest y usando índices de vegetación con Sentinel-2, siendo SAVI y REDEDGE los índices de mayor importancia. Con ello se ha cartografiado los peatlands en la RPFCH y se ha estimado que el área ocupada por este ecosistema en 2017 fue de 23292 ha.
En cuanto al carbono almacenado en la vegetación, y usando una extensa base de datos de campo de 320 puntos, se probaron 4 modelos de aprendizaje automático con diferentes combinaciones de variables y se obtuvo que el mejor método fue Gaussian Process Regression (GPR) siendo las variables más importantes, por orden, la elevación, la precipitación, la relación VV/VH de Sentinel-1, el índice NBRI y el LAI de Sentinel-2. Para la estimación de cambios temporales del carbono de la vegetación se propone un modelo adicional utilizando únicamente información obtenida de la imagen Sentinel-2. Con ello se cuantificó la pérdida de carbono almacenada por la vegetación del ecosistema entre los años 2017 y 2020 usando solo las bandas de Sentinel-2 y entrenando GPR con los datos de campo, estimando que la cantidad de carbono total de la vegetación fue de 71975 Mg en 2017 y pasó a 59362 Mg en 2020.
Por otra parte, para estudiar el COS, a partir de 320 datos de campo se probaron también los mismos 4 modelos de aprendizaje automático con diferentes combinaciones de variables y se obtuvo que el mejor método fue GPR y que las mejores variables por orden de importancia fueron: la elevación, usos de suelo, temperatura, distancia a ríos, REDEDGE de Sentinel-2 y el band ratio del promedio (VH/VV) de Sentinel-1. Con ello se elaboró el mapa de COS del bofedal de la RPFCH y se calculó el carbono total en la capa de 30 cm de suelo, resultando ser de 13639407 Mg, mostrando la importancia de este ecosistema en cuanto a su capacidad de almacenamiento de carbono.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados