Eficiencia en la estratificación de bosques de selva alta basado en el modelamiento del terreno e índices de vegetación en concesiones forestales

• Autor: Morga Castellanos, Ericka Judith
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Nacional Agraria de la Selva
• Repositorio: UNAS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unas.edu.pe:20.500.14292/1397
• Enlace del recurso: https://hdl.handle.net/20.500.14292/1397
• Nivel de acceso: acceso abierto
• Materia: Estratificación; modelamiento; índice vegetación; concesión forestal; https://purl.org/pe-repo/ocde/ford#4.01.02

El presente estudio busca determinar el grado de correlación que existe_x000D_ entre la estratificación y otras variables geográficas y la variable dependiente (Área_x000D_ basal), motivo por el cual se realizó el análisis de diferentes factores cuya evaluación_x000D_ puede realizarse en gabinete, y que podrían explicar la densidad del bosque. Se_x000D_ evaluó cómo afectan la densidad del bosque con los factores: Tipo de bosque,_x000D_ distancia a centros poblados, distancia a ríos, distancia a vías principales, distancia a_x000D_ vías secundarias, distancia a trochas carrozables, índice de vegetación (NDVI),_x000D_ pendiente y orientación de la pendiente. Ello se llevó a efecto a través del análisis de_x000D_ regresión de los valores de Dap total de los árboles existentes (la variable_x000D_ dependiente), con los valores de los 9 factores mencionados (las variables_x000D_ independientes) medidos en 328 parcelas de evaluación de 200 × 200 m que_x000D_ conforman la muestra, obtenida de los datos de censos forestales realizados dentro de_x000D_ las Parcelas de Corta Anual (POAs) de seis áreas de una concesión forestal. Se utilizó_x000D_ el programa estadístico infoStat para determinar la ecuación del mejor ajuste utilizando_x000D_ el modelo de regresión lineal multivariado. Se probó construir la ecuación con las_x000D_ nueve variables independientes, construyéndose finalmente con seis de ellas,_x000D_ descartándose las demás variables por carecer de significación en el modelo. Se_x000D_ concluyó que la ecuación que mejor estima la correlación existente entre la variable_x000D_ dependiente y las variables independientes es: Y=-0.0029 + 3.4×10-7×DVS − 8.7×10-_x000D_ 7×DTC + 4.8×10-7×DR –9.4×10-5×P − 5.2×10-4×Sen(A).