Integración de VANT-LiDAR con imágenes multiespectrales para la estimación del carbono almacenado en plantaciones forestales de Prosopis sp.

• Autores: Chumbimune Vivanco, Sheyla Yanet, León Dextre, Hairo Alexander, Llanos Carrillo, Cristina Sofía, Millan Ramírez, José Edwin, Vilca Gamarra, Cesar Francisco, Vera Diaz, Elvis, Agurto Piñarreta, Alex Iván, Baselly Villanueva, Juan Rodrigo, Cruz Grimaldo, Camila Leandra
• Formato: artículo
• Fecha de Publicación: 2025
• Institución: Instituto Nacional de Innovación Agraria
• Repositorio: INIA-Institucional
• Lenguaje: inglés
• OAI Identifier: oai:repositorio.inia.gob.pe:20.500.12955/2759
• Enlace del recurso: http://hdl.handle.net/20.500.12955/2759; https://doi.org/10.17268/sci.agropecu.2025.025
• Nivel de acceso: acceso abierto
• Materia: VANT; LiDAR; biomasa; carbono almacenado; índices de vegetación.; https://purl.org/pe-repo/ocde/ford#4.01.02; Teledetección, Almacenamiento de carbono, Biomasa aérea, Bosque seco tropical, Prosopis

Los individuos del género Prosopis sp. conocidos como algarrobos; son especies claves en el desarrollo del bosque seco y recuperación de áreas degradadas en la Costa norte del Perú. La evaluación de plantaciones, cálculo de la biomasa aérea forestal (BAF) y carbono almacenado representa un papel importante en el manejo forestal y mitigación del cambio climático. Este estudio evalúa metodologías de monitoreo a través del uso de imágenes multiespectrales y LiDAR acopladas a un VANT, con la finalidad de realizar su validación y generar modelos que permitan estimar el carbono almacenado. Se evaluaron siete especies de Prosopis sp. con la metodología convencional y se encontraron diferencias significativas entre las especies para las características dasométricas e índices de vegetación, así como en la comparación con los datos obtenidos con el LiDAR. Se seleccionaron modelos para determinar BAF y la asociación entre el carbono aéreo obtenido con los modelos constituidos por datos de LiDAR e índices de vegetación que presentaron correlaciones significativas (p < 0,05), se construyeron siete modelos para predicción de carbono y destaca el modelo que tiene como variables regresoras la altura total y área de copa obtenidas del LiDAR, así como los índices CIgreen, GNDVI, RECI, LCI y NDVI (R² = 0,77). Lo cual confirma que el uso de la metodología LiDAR con los índices de vegetación permite una estimación más práctica del carbono almacenado en la plantación.