Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad U.N.
Publicado
Estimación de biomasa aérea del bosque seco tropical en el norte del Tolima por sensores remotos Sentinel 2 y Sentinel 1
Estimation of Aboveground Biomass of Tropical Dry Forest in Northern Tolima Using Sentinel 2 and Sentinel 1 Remote Sensing Sensors
Estimação da biomassa aérea da floresta seca tropical no norte de Tolima por meio dos sensores remotos Sentinel 2 e Sentinel 1
DOI:
https://doi.org/10.15446/rcdg.v35n1.107171Palabras clave:
biomasa, bosque seco, índices de vegetación, polarimetría, Sentinel (es)biomass, dry forest tropical, vegetation indices, polarimetry, Sentinel (en)
biomassa, floresta seca tropical, índices de vegetação, polarimetria, Sentinel (pt)
Descargas
La estimación del cálculo de biomasa aérea (acrónimo AGB, del inglés Aboveground biomass) es de gran importancia para el monitoreo de la deforestación y degradación de los bosques. El estudio sobre la estimación de AGB proporciona datos sobre el estado de los bosques y, asimismo, ofrece la oportunidad de brindar información referente a los proyectos los mercados de carbono, lo que contribuye al desarrollo de proyectos de conservación en función delcambio climático. En el presente trabajo, se estimó la AGB del bosque seco tropical (bs-t) del norte del Tolima, a través de la teledetección de imágenes Radar de Apertura Sintética (acrónimo SAR, del inglés Synthetic Aperture Radar) de Sentinel 1 y del cálculo de índices de vegetación de Sentinel 2. Estos datos se correlacionaron con muestras de AGB de cuatro parcelas temporales, en donde se logró, como resultado, una mejor estimación utilizando los índices: SAVI, NDVI y la retrodispersión sar basados en la polarización VV. Adicional a esto, los tres modelos presentaron un coeficiente de determinación (R2) de 0,69; 0,47 y 0,84 respectivamente. Conforme con lo anterior, se puede desarrollar este lineamiento metodológico para estimar la AGB, lo que aporta a la conservación del bs-t por medio de la teledetección.
The estimation of Aboveground Biomass (AGB) is of great importance for the monitoring of deforestation and forest degradation. The study of AGB estimation provides data on the state of natural forest covers and also offers the opportunity to provide information regarding the financial mechanisms of carbon markets, contributing to the development of conservation projects under REDD+ in the context of climate change. In the present study, the AGB of tropical dry forest (bs-t) in northern Tolima was estimated through the remote sensing of Synthetic Aperture Radar (SAR) images from the Sentinel 1 sensor and the calculation of vegetation indices from the Sentinel 2 sensor. These data were correlated with AGB samples taken from four temporary plots, where a better estimation was obtained using the SAVI and NDVI indices and SAR backscatter based on VV polarization. In addition, the three models presented coefficients of determination (R²) of 0.69, 0.47, and 0.84, respectively. In accordance with the above, this methodological guideline can be applied to estimate AGB, thus contributing to the conservation of bs-t through remote sensing.
A estimativa da Biomassa Aérea (AGB) é de grande importância para o monitoramento do desmatamento e da degradação florestal. O estudo da estimativa de AGB fornece dados sobre o estado das coberturas florestais naturais e também oferece a oportunidade de fornecer informações sobre os mecanismos financeiros dos mercados de carbono, contribuindo para o desenvolvimento de projetos de conservação sob REDD+ no contexto das mudanças climáticas. No presente estudo, a AGB da floresta seca tropical (bs-t) no norte de Tolima foi estimada por meio do sensoriamento remoto de imagens de Radar de Abertura Sintética (SAR) do sensor Sentinel 1 e do cálculo de índices de vegetação do sensor Sentinel 2. Esses dados foram correlacionados com amostras de AGB obtidas de quatro parcelas temporárias, onde se obteve uma melhor estimativa utilizando os índices SAVI e NDVI e a retrodispersão SAR baseada na polarização VV. Além disso, os três modelos apresentaram coeficientes de determinação (R²) de 0,69, 0,47 e 0,84, respectivamente. De acordo com o exposto, esta diretriz metodológica pode ser aplicada para estimar a AGB, contribuindo assim para a conservação da bs-t por meio do sensoriamento remoto.
Referencias
Aguas, Carlos. 2016. “Estimación de biomasa aérea forestal en bosque de robledales del altiplano norte de Antioquia, utilizando teledetección”. Tesis de maestría, Universidad Nacional de Colombia, Medellín. https://bffrepositorio.unal.edu.co/server/api/core/bitstreams/d9a93b67-3f70-43a3-9a94-e6cb0cc08028/content
Álvarez, Alvaro Duque, Juan Saldarriaga, Kenneth Cabrera, Gonzalo de las Salas, Ignacio del Valle, Alvaro Lema, Flavio Moreno, Sergio Orrego y Leonidas Rodríguez. 2012. “Tree Above-Ground Biomass Allometries for Carbon Stocks Estimation in the Natural Forests of Colombia”. Forest Ecology and Management 267: 297-308. https://doi.org/10.1016/j.foreco.2011.12.013
Ananto, Widhi Handoko, Haeydar Amir Hadi, Ade Febriana S. Putri, Difa Naban Hanum, Bayu Kresna P. Wiryawan, Rifqi Rahmat Prabaswara y Sanjiwana Arjasakusuma. 2019. “Assessment of Dual Polarization in Sentinel-1 Data for Estimating Forest Aboveground Biomass: Case Study of Barru Regency, South Sulawesi”. Paper presentado en el Sixth International Symposium on LAPAN-IPB Satellite (SPIE), Yogyakarta, Indonesia. https://doi.org/10.1117/12.2540845
Anaya, Jesús Adolfo, Emilio Chuvieco y Alicia. 2008. “Estimación de biomasa aérea en Colombia a partir de imágenes MODIS”. Revista de Teledetección 30: 5-22.
Argamosa, Reginald, Ariel Conferido Blanco, Alvin Balidoy Baloloy, Christian Gumbao Candido, John Bart Lovern Caboboy Dumalag, Lady Lee Carandang Dimapilis y Enrico Camero Paringit. 2018. “Modelling Above Ground Biomass of Mangrove Forest Using Sentinel-1 Imagery”. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences 3 (4): 7-10. https://doi.org/10.5194/isprs-annals-IV-3-13-2018
Asner, Gregory P., John K. Clark, Joseph Mascaro, Gustavo A. Galindo García, K. Dana Chadwick, Diego A. Navarrete Encinales y A. Balaji. 2012. “High-Resolution Mapping of Forest Carbon Stocks in the Colombian Amazon”. Biogeosciences 9 (7): 2683-2696. https://doi.org/10.5194/bg-9-2683-2012
Brown, Sandra. 1997. Estimating Biomass and Biomass Change of Tropical Forests: A Primer. FAO Forestry Paper 134. Roma: Food and Agriculture Organization of the United Nations.
Camacho-Velasco, Arriolfo, Cesar Vargas, Fernando Rojas, Sergio Castillo-Castelblanco y Henrry Arguello. 2015. “Aplicaciones y desafíos del sensado hiperespectral remoto en la geología colombiana”. Revista Facultad de Ingeniería 24 (40): 17-29.
Carreiras, João, Joana B. Melo y Maria J. Vasconcelos. 2013. “Estimating the Above-Ground Biomass in Miombo Savanna Woodlands (Mozambique, East Africa) Using LBand Synthetic Aperture Radar Data”. Remote Sensing 5 (4): 1524-1548. https://doi.org/10.3390/rs5041524
Clerici, Nicola, Kristian Rubiabo, Amr Abd-Elrahman, Juan Posada y Francisco Escobedo. 2016. “Estimating Aboveground Biomass and Carbon Stocks in Periurban Andean Secondary Forests Using Very High Resolution Imagery”. Forests 7 (7): 138. https://doi.org/10.3390/f7070138
Englhart, Sandra, Vanesa Keuck y Florian Siegert. 2012. “Modeling Aboveground Biomass in Tropical Forests Using Multi-Frequency SAR Data: A Comparison of Methods”. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 5 (1): 298-306. https://doi.org/10.1109/JSTARS.2011.2176720
Galeana-Pizaña, José Mauricio, Juan Manuel Núñez-Hernández y Nirani Corona-Romero. 2016. “Remote Sensing-Based Biomass Estimation”. En Biomass Volume Estimation and Valorization for Energy, editado por Jaya Shankar Tumuluru, 115-146. Rijeka: InTechOpen. https://doi.org/10.5772/61813
Galidaki, Georgina, Dimitris Zianis, Ioannis Gitas, Kalioppi Radoglou, Vassila Karathanassi, Maria Tsakiri–Strati, Iain Woodhouse y Giorgos Mallinis. 2016. “Vegetation Biomass Estimation with Remote Sensing: Focus on Forest and Other Wooded Land Over the Mediterranean Ecosystem”. International Journal of Remote Sensing 38 (7): 1940-1966. https://doi.org/10.1080/01431161.2016.1266113
Galindo, Gustavo Adolfo, Edersson Cabrera, Diana María Vargas, Héctor Rodrigo Pabón, Kenneth Roy Cabrera, Adriana Paola Yepes, Juan Felipe Phillips, Diego Alexander Navarrete, Álvaro Javier Duque, María Claudia García y María Fernanda Ordóñez. 2011. Estimación de la biomasa aérea usando datos de campo e información de sensores remotos. Bogotá: Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM).
Gao, Yukun, Dengsheng Lu, Guiying Li, Guangxing Wang, Qi Chen, Lijuan Liu y Dengqiu Li. 2018. “Comparative Analysis of Modeling Algorithms for Forest Aboveground Biomass Estimation in a Subtropical Region”. Remote Sensing 10 (4): 627. https://doi.org/10.3390/rs10040627
Gitelson, Anatoly A. y Mark N. Merzlyak. 1997. “Remote Estimation of Chlorophyll Content in Higher Plant Leaves”. International Journal of Remote Sensing 18 (12): 2691-2697. https://doi.org/10.1080/014311697217558
Gitelson, Anatoly A., Yoram J. Kaufman y Mark N. Merzlyak. 1996. “Use of a Green Channel in Remote Sensing of Global Vegetation from EOS-MODIS”. Remote Sensing of Environment 58 (3): 289-298. https://doi.org/10.1016/S0034-4257(96)00072-7
Goïta, Kalifa, Jacques Mouloungou y Goze Bertin. 2017. “Estimation of Aboveground Biomass and Carbon in a Tropical Rain Forest in Gabon Using Remote Sensing and GPS Data”. Geocarto International 34 (3): 243-259. https://doi.org/10.1080/10106049.2017.1386720
González-M., Roy, Paola Isaacs, Hernando García y Camila Pizano. 2014. Memoria técnica para la verificación en campo del mapa de bosque seco tropical en Colombia. Escala 1:100.000. Colombia: Instituto de Investigaciones de Recursos Biológicos Alexander von Humboldt y Ministerio de Ambiente y Desarrollo Sostenible.
Hame Tuomas, Yrjö Rauste, Oleg Atropov, Heikki Ahola y Jorma Kilpi. 2013. “Improved Mapping of Tropical Forests with Optical and SAR Imagery, Part II: Above Ground Biomass Estimation”. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 6 (1): 92-101. https://doi.org/10.1109/JSTARS.2013.2241020
Hunt, E. Raymond, Paul C. Doraiswamy, James E. McMurtrey, Craig S. T. Daughtry, Eileen M. Perry y Bakhyt Akhmedov. 2013. “A Visible Band Index for Remote Sensing Leaf Chlorophyll Content at the Canopy Scale”. International Journal of Applied Earth Observations and Geoinformation 21: 103-112. https://doi.org/10.1016/j.jag.2012.07.020
Kanja, Kennedy, Ce Zhang y Peter M. Atkinson. 2025. “Evaluating Multi-Seasonal SAR and Optical Imagery for Above-Ground Biomass Estimation Using the National Forest Inventory of Zambia”. International Journal of Applied Earth Observations and Geoinformation 139: 104494. https://doi.org/10.1016/j.jag.2025.104494
Liang, Shunlin, Xiaowen Li y Jindi Wang, eds. 2012. Advanced Remote Sensing: Terrestrial Information Extraction and Applications. Waltham, MA: Academic Press.
Liao, Zhanmang, Binbin He, Xingwen Quan, Albert I. J. M. van Dijk, Shi Qiu y Changming Yin. 2019. “Biomass Estimation in Dense Tropical Forest Using Multiple Information from Single-Baseline P-Band PolInSAR Data”. Remote Sensing of Environment 211: 489-507. https://doi.org/10.1016/j.rse.2018.11.027
Lin, Chen, Chunying Ren, Bai Zhang, Zongming Wang y Yanbiao Xi. 2018. “Estimation of Forest Above-Ground Biomass by Geographically Weighted Regression and Machine Learning with Sentinel Imagery”. Forests 9 (10): 582. https://doi.org/10.3390/f9100582
Lu, Dengsheng, Qi Chen, Guangxing Wang, Lijuan Liu, Guiying Li y Emilio Moran. 2014. “A Survey of Remote Sensing-Based Aboveground Biomass Estimation Methods in Forest Ecosystems”. International Journal of Digital Earth 9 (1): 63-105. https://doi.org/10.1080/17538947.2014.990526
Mitchell, Anthea, Ake Rosenqvist y Brice Mora. 2017. “Current Remote Sensing Approaches to Monitoring Forest Degradation in Support of Countries’ Measurement, Reporting and Verification (MRV) Systems for REDD”. Carbon Balance and Management 12 (9): 2-22. https://doi.org/10.1186/s13021-017-0078-9
NASA (National Aeronautics and Space Administration). 2023. “NASA’s NISAR and ESA’s biomass Missions: Advancing Global Biomass Monitoring”. Consultado el 01 de septiembre de 2025. https://www.nasa.gov/nisar/
Navarro, Gabriel, Isabel Caballero, Gustavo Silva, Pedro-Cecilio Parra, Águeda Vázquez y Rui Caldeira. 2017. “Evaluation of Forest Fire on Madeira Island Using Sentinel-2A MSI Imagery”. International Journal of Applied Earth Observation and Geoinformation 58: 97-106. https://doi.org/10.1016/j.jag.2017.02.003
Perea Ardila, Mónica. 2018. “Estimación de biomasa aérea y carbono con teledetección en bosques alto-andinos de Boyacá, Colombia. Estudio de caso: Santuario de Fauna y Flora ‘Iguaque’”. Tesis de maestría, Universidad de Salzburg, Austria.
Podest, Erika. 2017. “Conceptos básicos del radar de apertura sintética (Synthetic Aperture Radar o SAR)”. Applied Remote Sensing Training Program, NASA. Consultado el 13 de agosto de 2025. https://arset.gsfc.nasa.gov/sites/default/files/water/Brazil_2017/Day1/S1P2-span.pdf
Polania, Karen. 2019. “Biomasa aérea en estados sucesionales del bosque seco tropical en el norte del Tolima, Colombia”. Trabajo de grado, Universidad Distrital Francisco José de Caldas, Bogotá.
Quijano Angarita, Alvaro Camilo y Yeimy Liseth Morales Gaitán. 2017. “Modelo regresivo para la estimación de biomasa aérea forestal a partir de datos de parcelas permanentes y datos Radar SAR ALOS PALSAR en el Parque Natural Bataclán, Cali”. UD y la Geomática 11: 66-72. https://doi.org/10.14483/23448407.12377
Ríos, Victor. 2014. “Una revisión de la polarimetría y los efectos ionosfericos sobre los sistemas SAR, InSAR y PALSAR: Requerimientos y métodos de corrección”. Geoacta 39 (1): 90-107.
Rodríguez Cortés, Ángela Natalia. 2015. “Estimación de biomasa arbórea por medio de índices de vegetación para el Parque Nacional Natural La Paya”. Trabajo de grado de especialización, Universidad Militar Nueva Granada, Bogotá.
Ruusa, David, Nick J. Rosser y Daniel N. M. Donoghue. 2022. “Improving Above Ground Biomass Estimates of Southern Africa Dryland Forests by Combining Sentinel-1 SAR and Sentinel-2 Multispectral Imagery”. Remote Sensing of Environment 282: 113232. https://doi.org/10.1016/j.rse.2022.113232
Sánchez Sastre, Luis Felipe, Esther Herrero Llorente, Salvador Hernández Navarro, Pedro Carrión Prieto, Fernando Garrido Lagunaga, José Luis Marcos Robles y Zulima Clérigo Pérez. 2016. “Proyecto LIFE+ Operación CO2: Nuevas tecnologías aplicadas a la obtención de créditos de carbono mediante reforestación, restauración y gestión forestal”. En Proceedings of the 6th Ibero-American Congress on Qualitative Research (CIAIQ2016), Qualitative Research on Engineering and Technology, vol. 4. Porto, Portugal.
Sellers, Piers John. 1985. “Canopy Reflectance, Photosynthesis and Transpiration”. International Journal of Remote Sensing 6 (8): 1335-1372. https://doi.org/10.1080/01431168508948283
Schlegel, Bastienne. 2001. “Estimaciones de biomasa y carbono en bosques del tipo forestal siempreverde”. Ponencia presentada en el Simposio Internacional Medición y Monitoreo de la Captura de Carbono en Ecosistemas Forestales, Valdivia, Chile.
Tovar Blanco, Adriana Lizeth. 2018. “Estimación de biomasa aérea de eucalipto (Eucalyptus grandis) y pino (Pinus spp.) en plantaciones forestales comerciales, usando imágenes satelitales Sentinel”. Tesis de maestría, Universidad Nacional de Colombia, Bogotá.
Trassierra, Alejandro, Javier Esteban, Alfredo Fernández-Landa, Pablo Sabín, Teresa Sánchez Pellicer y José Luis Tomé Morán. 2018. “Modelos de estimación de carga de biomasa aérea de matorral a partir de diferentes fuentes de información: LiDAR y Landsat”. Ponencia presentada en el 7° Congreso Forestal Español: Gestión del monte: Servicios ambientales y bioeconomía, Sociedad Española de Ciencias Forestales.
Vafaei, Sasan, Javad Soosani, Kamran Adeli, Hadi Fadaei, Hamed Naghavi, Tien Dat Pham y Dieu Tien Bui. 2018. “Improving Accuracy Estimation of Forest Aboveground Biomass Based on Incorporation of ALOS-2 PALSAR-2 and Sentinel-2A Imagery and Machine Learning: A Case Study of the Hyrcanian Forest Area (Iran)”. Remote Sensing 10 (2): 172. https://doi.org/10.3390/rs10020172
Vaglio, Gaia, Johannes Balling, Piermaria Corona, Walter Mattioli, Dario Papale, Nicola Puletti, Maria Rizzo, John Truckenbrodt y Marcel Urban. 2018. “Above-Ground Biomass Prediction by Sentinel-1 Multitemporal Data in Central Italy with Integration of ALOS2 and Sentinel-2 Data”. Journal of Applied Remote Sensing 12 (1): 016008. https://doi.org/10.1117/1.JRS.12.016008
Vashum, Khanmi Kasomva Theo y Samidurai Jayakumar. 2012. “Methods to Estimate Above-Ground Biomass and Carbon Stock in Natural Forests: A Review”. Journal of Ecosystem & Ecography 2 (4): 1000116. https://doi.org/10.4172/2157-7625.1000116
Wang, Li’ai, Xudong Zhou, Xinkai Zhu, Zhaodi Dong y Wenshan Guo. 2016. “Estimation of Biomass in Wheat Using Random Forest Regression Algorithm and Remote Sensing Data”. The Crop Journal 4 (3): 212-219. https://doi.org/10.1016/j.cj.2016.01.008
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Licencia
Derechos de autor 2026 Autor - Revista
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Cuadernos de Geografía: Revista Colombiana de Geografía es publicada por la Universidad Nacional de Colombia y está licenciada bajo los términos de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional License.
