Investigaciones Geográficas最新文献_第4页

Importancia de las estimaciones por muestreo probabilístico para analizar dinámicas forestales regionales: una evaluación de los datos de Global Forest Change en el este de México 概率抽样估计值对分析区域森林动态的重要性：对墨西哥东部全球森林变化数据的评估

Investigaciones Geográficas Pub Date : 2024-04-01 DOI: 10.14350/rig.60790

Carlos Alberto López Arcadia, Martha Bonilla Moheno

{"title":"Importancia de las estimaciones por muestreo probabilístico para analizar dinámicas forestales regionales: una evaluación de los datos de Global Forest Change en el este de México","authors":"Carlos Alberto López Arcadia, Martha Bonilla Moheno","doi":"10.14350/rig.60790","DOIUrl":"https://doi.org/10.14350/rig.60790","url":null,"abstract":"La base de datos de Global Forest Change (GFC) ha facilitado el acceso al análisis y monitoreo de dinámicas del suelo a distintas escalas. Sin embargo, estos datos pueden presentar imprecisiones espacio-temporales ocasionadas por las características del paisaje, las prácticas de manejo agrícola y la escala espacial de la evaluación. Para reducir dichas inexactitud es recomendable realizar evaluaciones para cada caso de estudio utilizando estimaciones por muestreo probabilístico. En México ha habido un incremento en estudios con la base de datos de GFC para calcular la pérdida de cobertura forestal; sin embargo, pocos lo han hecho usando estimaciones por muestreo. En este estudio realizamos una evaluación utilizando estimaciones por muestreo probabilístico en cuatro regiones cafetaleras del este de México con características climáticas y topográficas complejas y una alta presencia de minifundistas. Utilizamos el GFC para llevar a cabo el muestreo probabilístico, agrupando los pixeles de pérdida de cobertura anual en tres categorías: No Pérdida (NP), Posible Pérdida (PP) y Pérdida (P). Para cada región, generamos aleatoriamente 200 puntos de muestreo para P y 100 para PP y NP. Con la ayuda de series de tiempo de los valores máximos y mínimos de NDVI y EVI e imágenes de alta resolución de Google Earth, llevamos a cabo una verificación visual para identificar el año en el que hubo una pérdida de cobertura forestal en cada punto de muestreo. Posteriormente, utilizamos tres procedimientos para calcular la pérdida: una estimación basada en el mapa de GFC; una estimación por muestreo utilizando las categorías P+PP, y una estimación por muestreo utilizando las tres categorías (P+PP+NP). Adicionalmente verificamos la precisión temporal de la base de datos GFC, comparado el año en que se reportó la pérdida con el año en que se observó la pérdida en la evaluación. Encontramos que la pérdida de cobertura forestal fue detectada correctamente por la base de datos más del 90% de las veces en todas las regiones. Sin embargo, la pérdida observada en las categorías PP y NP no detectada por la base de datos fue alta (53-65% y 23-26%, respectivamente). Asimismo, encontramos que la pérdida calculada en las estimaciones por muestreo fue desde cuatro (P+PP) hasta 70 (P+PP+NP) veces mayor que la estimación basada en el mapa. Además, encontramos que la precisión temporal fue relativamente baja (59.5-77.5%), con una tendencia a reportar la pérdida de cobertura forestal uno o más años después de haber tenido lugar. Esto indica que, al realizar evaluaciones regionales en paisajes heterogéneos manejados por pequeños propietarios, la base de datos de GFC puede subestimar considerablemente la pérdida de cobertura forestal. Resaltamos la importancia de realizar evaluaciones por muestreo probabilístico para reducir imprecisiones espaciotemporales que podrían llevar a inferencias erróneas sobre los patrones de pérdida de cobertura forestal.","PeriodicalId":330068,"journal":{"name":"Investigaciones Geográficas","volume":"289 ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140768650","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}