El objetivo de este trabajo fue de explicar la manera en que ocurre la recuperación natural de un área boscosa, degradada por la minería aurífera aluvial en la comunidad nativa de Tres Islas, Tambopata, Madre de Dios, Perú. Se evaluó la composición florística y la estructura horizontal como la vertical de la recuperación natural del ecosistema de referencia (ER) y tres áreas con diferentes periodos de tiempo después de la minería aluvial (1992, 2004 y 2010). La determinación de los años y sitios abandonados por la minería se realizó con imágenes de Landsat del satélite (L4-5 TM C1 Level-1). En cada uno de las áreas se estableció tres transectos, separados entre sí por una distancia de 100 metros aproximadamente. Se realizó un reconocimiento rápido de la vegetación en los diferentes sitios seleccionados, y se instalaron en cada transecto un juego de parcelas tempor...

Este estudio se enfoca en la cuenca Chonta, situada en la región de Madre de Dios en la Amazonia occidental, conocida por su excepcional biodiversidad. El objetivo de la investigación es analizar los cambios en el uso del suelo, la deforestación y la fragmentación del bosque mediante el uso de imágenes satelitales Landsat. Para ello, se procesaron imágenes de Landsat 5 y 8 OLI del período 1984-2019 utilizando los programas ENVI y ArcMap. Los resultados revelan una alarmante tasa de deforestación anual promedio del 1,4%, lo que ha llevado a una reducción del 43% en la cobertura arbórea durante los 35 años analizados. La expansión agrícola y la infraestructura vial son identificados como los principales impulsores de esta deforestación. A pesar de los esfuerzos de conservación, las prácticas agrícolas no sostenibles persisten, comprometiendo la sostenibilidad ambiental. El...

Fire is one of the significant drivers of vegetation loss and threat to Amazonian landscapes. It is estimated that fires cause about 30% of deforested areas, so the severity level is an important factor in determining the rate of vegetation recovery. Therefore, the application of remote sensing to detect fires and their severity is fundamental. Radar imagery has an advantage over optical imagery because radar can penetrate clouds, smoke, and rain and can see at night. This research presents algorithms for mapping the severity level of burns based on change detection from Sentinel-1 backscatter data in the southeastern Peruvian Amazon. Absolute, relative, and Radar Forest Degradation Index (RDFI) predictors were used through singular polarization length (dB) patterns (Vertical, Vertical-VV and Horizontal, Horizontal-HH) of vegetation and burned areas. The Composite Burn Index (CBI) determ...