CAPITULO 6 RESULTADOS Y DISCUSIÓN
6.3 COEFICIENTES DE CORRELACIÓN
En las tablas 6.2 (Oyamel) y 6.3 (Pino) se muestran los coeficientes de Pearson, que representan asociación entre a) carbono almacenado y el b) logaritmo de este y 1) Coherencia con polarización Horizontal-Vertical (HV), 2) polarización Horizontal-Horizontal (HH), 3) el coeficiente de retrodispersión con polarización HV y HH, 4) los descriptores de textura de Haralick para cada una de éstas, 5) índices de vegetación NDVI, SAVI y GEMI y 6) los descriptores de Haralick para las 4 bandas del mosaico SPOT.
Tabla 6.2 Coeficientes de Pearson para los bosques de Oyamel (prueba de significancia con un valor de p:
0.05). Los valores en negritas indican los parámetros y coeficientes más altos que presentan significancia estadística.
Parámetro Coeficientes de Pearson
Coeficientes de Pearson (log) Interferometría
HH -0.51 (0.046) -0.53 (0.046)
HV -0.74 (0.076) -0.77 (0.060) Coeficientes de retrodispersión
HH 0.49 (0.489) 0.49 (0.862)
HV 0.57 (0.007) 0.49 (0.014) Índices de vegetación
NDVI 0.48 (0.002) 0.45 (0.006)
SAVI 0.47 (0.690) 0.55 (0.009)
GEMI 0.22 (0.427) 0.18 (0.263)
84 Parámetro Coeficientes de
Pearson
Coeficientes de Pearson (log) Texturas Coeficientes
de retrodispersión
Hom HH -0.00 (0.345) -0.00 (0.437)
Con HH -0.02 (0.543) -0.03 (0.432)
Dis HH -0.39 (0.570) -0.43 (0.525)
Media HH 0.09 (0.027) 0.07 (0.014)
Des std HH -0.53 (0.313) -0.50 (0.307)
Ent HH -0.02 (0.966) -0.02 (0.843)
SMA HH -0.04 (0.792) -0.04 (0.940)
Cor HH -0.57 (0.128) -0.57 (0.039)
Hom HV 0.05 (0.558) -0.01 (0.729)
Con HV -0.00 (0.623) 0.05 (0.831)
Dis HV -0.03 (0.682) 0.02 (0.678)
Media HV 0.08 (0.716) 0.03 (0.540)
Des std HV -0.49 (0.156) -0.53 (0.206)
Ent HV 0.43 (0.294) 0.49 (0.347)
SMA HV -0.36 (0.360) -0.51 (0.385)
Cor HV -0.05 (0.080) -0.12 (0.106)
Texturas SPOT-5
Hom B. Verde -0.42 (0.794) -0.52 (0.019) Con B. Verde 0.25 (0.962) 0.28 (0.559) Dis B. Verde 0.54 (0.070) 0.50 (0.251) Media B. Verde 0.10 (0.614) 0.16 (0.374) Des std B. Verde 0.37 (0.356) 0.38 (0.283) Ent B. Verde 0.21 (0.787) 0.22 (0.986) SMA B. Verde -0.16 (0.949) -0.20 (0.851) Cor B. Verde -0.20 (0.717) -0.17 (0.962) Hom B. Rojo -0.40 (0.146) -0.41 (0.089) Con B. Rojo 0.13 (0.165) 0.18 (0.155) Dis B. Rojo 0.13 (0.086) 0.18 (0.065) Media B. Rojo 0.07 (0.182) 0.15 (0.039) Des std B. Rojo 0.11 (0.207) 0.16 (0.109) Ent B. Rojo 0.44 (0.737) 0.41 (0.963) SMA B. Rojo -0.17 (0.676) -0.19 (0.883) Cor B. Rojo -0.02 (0.394) 0.06 (0.149) Hom B. IRC -0.10 (0.548) -0.03 (0.389) Con B. IRC 0.61 (0.117) 0.53 (0.064) Dis B. IRC 0.56 (0.380) 0.56 (0.155) Media B. IRC 0.23 (0.810) 0.19 (0.948) Des std B. IRC 0.57 (0.241) 0.55 (0.583) Ent B. IRC 0.03 (0.887) -0.01 (0.939) SMA B. IRC -0.01 (0.649) 0.02 (0.751) Cor B. IRC -0.19 (0.784) -0.12 (0.636)
85 Para el caso de bosque de oyamel, se presentan correlaciones de medias a altas con un nivel de significancia estadístico (valor de p >0.05) entre: el logaritmo del carbono y la coherencia HV con -0.77 (0.060), el logaritmo y el índice SAVI con 0.55 (0.009) y el logaritmo y la textura Contraste en la banda infrarrojo cercano con 0.53 (0.064). Además, en la asociación entre el carbono y la coherencia HV con -0.74 (0.076), el carbono y la textura disimilitud en la banda verde con 0.54 (0.070) y el carbono y el coeficiente de retrodispersión con polarización HV con 0.57 (0.007). En la figura 6.4 se muestran los gráficos de dispersión y los respectivos modelos lineales.
y=-766.21x+259 y=-4.082x+2.8001
y=8.5371x+503.36 y=1.8177x+0.8485
Parámetro Coeficientes de Pearson
Coeficientes de Pearson (log) Texturas SPOT-5
Hom B. IRM -0.18 (0.655) -0.14 (0.712) Con B. IRM 0.19 (0.457) 0.20 (0.404) Dis B. IRM 0.37 (0.526) 0.31 (0.529) Media B. IRM 0.04 (0.498) 0.08 (0.363) Des std B. IRM 0.16 (0.882) 0.16 (0.970) Ent B. IRM 0.06 (0.527) 0.04 (0.377) SMA B. IRM -0.00 (0.430) 0.02 (0.333) Cor B. IRM -0.03 (0.449) -0.07 (0.424)
86
y=0.0019x+1.7728 y=13.727x+53.564
Figura 6.4 Gráficos de dispersión para los bosques de Oyamel.
Tabla 6.3 Coeficientes de Pearson para los bosques de Pino (prueba de significancia con un valor de p:
0.05). Los valores en negritas indican los parámetros y coeficientes más altos que presentan significancia estadística.
Parámetro Coeficientes de Pearson
Coeficientes de Pearson (log) Interferometría
HH -0.43 (0.910) -0.45 (0.057)
HV -0.45 (0.000) -0.58 (0.092)
Coeficientes de retrodispersión
HH 0.38 (0.007) 0.44 (0.669)
HV 0.46 (0.004) 0.56 (0.054)
Índices de vegetación
NDVI 0.53 (0.044) 0.52 (0.094)
SAVI 0.31 (0.001) 0.33 (0.000)
GEMI 0.45 (0.003) 0.55 (0.000)
Texturas Coeficientes de retrodispersión
Hom HH -0.01 (0.142) -0.10 (0.627)
Con HH 0.04 (0.170) -0.02 (0.445)
Dis HH 0.09 (0.087) 0.04 (0.253)
Media HH 0.34 (0.633) 0.48 (0.600)
Des std HH -0.01 (0.000) -0.12 (0.007)
Ent HH -0.00 (0.900) -0.14 (0.000)
SMA HH 0.01 (0.357) 0.10 (0.227)
Cor HH -0.38 (0.378) -0.37 (0.203)
87 Parámetro Coeficientes de
Pearson
Coeficientes de Pearson (log) Texturas Coeficientes
de retrodispersión
Hom HV 0.06 (0.474) 0.09 (0.002)
Con HV -0.00 (0.206) -0.01 (0.481)
Dis HV -0.03 (0.482) -0.06 (0.763)
Media HV 0.11 (0.721) 0.15 (0.778)
Des std HV -0.10 (0.127) -0.13 (0.413)
Ent HV -0.04 (0.001) -0.06 (0.011)
SMA HV -0.02 (0.312) 0.01 (0.302)
Cor HV -0.05 (0.115) -0.06 (0.303)
Texturas SPOT-5
Hom B. Verde -0.10 (0.541) -0.13 (0.325) Con B. Verde -0.00 (0.012) 0.03 (0.286) Dis B. Verde 0.01 (0.058) 0.06 (0.349) Media B. Verde -0.50 (0.365) -0.60 (0.931) Des std B. Verde -0.06 (0.135) -0.02 (0.117) Ent B. Verde -0.03 (0.235) 0.05 (0.746) SMA B. Verde -0.00 (0.285) -0.09 (0.670) Cor B. Verde -0.18 (0.320) -0.19 (0.108) Hom B. Rojo 0.06 (0.120) 0.07 (0.060) Con B. Rojo 0.00 (0.067) 0.04 (0.274) Dis B. Rojo -0.02 (0.150) -0.01 (0.952) Media B. Rojo -0.49 (0.850) -0.55 (0.589) Des std B. Rojo -0.07 (0.616) -0.02 (0.000) Ent B. Rojo -0.05 (0.008) 0.00 (0.023) SMA B. Rojo 0.06 (0.023) 0.00 (0.425) Cor B. Rojo -0.21 (0.644) -0.17 (0.008) Hom B. IRC 0.50 (0.286) 0.34 (0.013) Con B. IRC -0.15 (0.125) -0.11 (0.488) Dis B. IRC -0.15 (0.818) -0.09 (0.133) Media B. IRC 0.09 (0.979) 0.10 (0.781) Des std B. IRC -0.36 (0.797) -0.30 (0.832) Ent B. IRC -0.56 (0.473) -0.39 (0.105) SMA B. IRC 0.59 (0.227) 0.43 (0.724) Cor B. IRC -0.02 (0.315) -0.04 (0.800) Hom B. IRM 0.25 (0.893) 0.11(0.145) Con B. IRM -0.01 (0.146) 0.11 (0.363) Dis B. IRM -0.10 (0.001) -0.03 (0.006) Media B. IRM -0.24 (0.770) -0.26 (0.528) Des std B. IRM -0.13 (0.362) 0.00 (0.006) Ent B. IRM -0.26 (0.867) -0.07 (0.528) SMA B. IRM 0.27 (0.520) 0.16 (0.685) Cor B. IRM -0.50 (0.556) -0.49 (0.262)
88 Para el caso de bosque de pino se presentan correlaciones medias con un nivel de significancia estadístico (valor de p >0.05) entre: el logaritmo del carbono y la coherencia HV con -0.58 (0.092), el logaritmo y el coeficiente de retrodispersión con polarización HV con 0.56 (0.054) y el logaritmo y el índice NDVI con 0.52 (0.094). Además en la asociación entre el carbono y el índice GEMI con 0.55 (0.003). En la figura 6.5 se muestran los gráficos de dispersión y los respectivos modelos de regresión lineal.
Y=-2.41x+2.2001 Y=0.0849x+5.5045
Y=1.4614x+0.7711 Y=3984.4x+50.033
Figura 6.5 Gráficos de dispersión para los bosques de Pino.
Un punto a considerar en el presente trabajo, es que las asociaciones reportadas se realizan considerando que la superficie de la unidad de muestreo de campo (1 ha) y la resolución espacial de los insumos satelitales son equiparables (remuestreo 100 metros), como en lo reportado en las investigaciones Luckman et al. (2000), Fransson et al. (2001), Tsolmon et al. (2002), Thenkabail et al. (2004), Santoro et al. (2007), Collins et al. (2009) y Castillo et al. (2010), para garantizar que la información a tratar esté en una misma escala de trabajo.
Los coeficientes de Pearson derivados de la relación entre el carbono y los parámetros obtenidos a partir de las imágenes ALOS PALSAR, fueron las asociaciones más altas alcanzadas
89 en este estudio, siendo la Coherencia HV el mejor parámetro para ambas coberturas, mostrando un coeficiente de -0.77 para los bosques de oyamel y -0.58 para los bosques de pino, con una correlación negativa, lo que nos indica que a medida que aumenta el carbono almacenado disminuye la coherencia. Lo anterior se debe tanto a las decorrelaciones ocasionadas por la línea de base perpendicular y temporal del par interferométrico, como a la densidad de la cobertura forestal, ya que predomina una estructura de naturaleza volumétrica (Luckman et al., 2000:351; Fransson et al., 2001:2788; Balzter, 2001:162) con una complejidad derivada del tamaño, forma y propiedades dieléctricas de los elementos de dispersión (hojas, ramas y tallos) en las copas de la vegetación (Wagner et al., 2003:127; Goetz et al., 2009:2). Además, la Coherencia HV disminuye los efectos topográficos en comparación con los coeficientes de retrodispersión, los cuales son afectados por las características del terreno como es el caso de la pendiente y la orientación (Balzter, 2001:165).
Otro punto interesante que discutir, acerca de la polarización HV, la cuál a diferencia de las polarizaciones con misma transmisión (HH y VV), es más sensible por la depolarización de las ondas electromagnéticas respecto de los eventos de dispersión múltiple que ocurren en la copa (Goetz et al., 2009:2). Esto se demuestra con lo obtenido, ya que se presentan correlaciones que van de -0.51 a -0.53 en el caso de la Coherencia HH, respecto de valores de -0.74 a -0.77 en la polarización HV, así como 0.49 en los coeficientes de retrodispersión HH y 0.57 en HV, para el caso de la cobertura de Oyamel. En los bosques de pino se observó un comportamiento similar, con coeficientes de -0.43 a -0.45 para la Coherencia HH en comparación de -0.45 a -0.58 en la polarización HV, así como de 0.38 a 0.44 en los coeficientes de retrodispersión HH y 0.46 a 0.56 en HV.
Los resultados reportados sobre la asociación entre el contenido de carbono y coherencia, resultan ser bajos respecto a lo reportado por Luckman et al. (2000), donde se reporta la relación entre el carbono y la coherencia derivada del sensor JERS-1 (r2=-0.81), para zonas de selva del Amazonas. Esta diferencia puede explicarse a partir de los valores de las líneas de base temporal y perpendicular de su par interferométrico, igual a 44 días y de 430 m respectivamente, contra 46 días y 1,131 m del par interferométrica con el que se trabajó en este estudio. Esto aumenta la contribución del ruido de decorrelación (ver sección 2.3.2) entre las señales o retornos, esto es, perdida de coherencia (López-Quiroz et al., 2009:2).
90 Sobre las correlaciones encontradas para los coeficientes de retrodispersión (oyamel 0.52 y pino 0.56 en polarizaciones HV), en comparación con lo reportado en las investigaciones de Foody et al. (1997) y Kuplich et al. (2000), son elevadas. Esto se puede explicar por varias causas;
Aunque, Foody et al. (1997), utilizó un sensor multi-frecuencia (banda C y L) y multi- polarizaciones (HH-HV-VV) para SIR-C (r2= 0.34 para L-HV), la señal sufre de saturación en ecosistemas con una alta cantidad de biomasa, como en la selva del Amazonas, afectando este coeficiente (Luckman et al., 2000; Fransson et al., 2001; Balzter, 2001; Tansey et al., 2004:752).
Además, se tiene que considerar el ángulo fuera del nadir que utilizó el sensor (no reportado en su estudio), puesto que Santoro et al. (2009:4017) reporta que: “la sensibilidad a los parámetros forestales incrementa cuando el ángulo fuera del nadir oscila entre 21.5° y 41.5°”. En el caso del estudio de Kuplich et al. (2000), se exploró la relación con información del sensor JERS-1 (r2= 0.15) y bosques en regeneración en Camerún, lo cual limita la asociación sólo a la polarización HH que no es tan sensible como es el caso de la polarización HV. Por otro lado respecto de los trabajos de Kuplich et al. (2005) y Collins et al. (2009), se presentan coeficientes de Pearson bajos. Sin embargo, los insumos y métodos difieren. En estas investigaciones se analizó la relación entre la biomasa y coeficientes de retrodispersión derivados de imágenes JERS-1 (r2= 0.90) y el sensor aerotransportado AirSAR (r2= 0.92), en el primero se alcanzó este coeficiente integrando en un modelo de regresión múltiple, el descriptor de textura “contraste” y el coeficiente de retrodispersión HH para zonas de selva en regeneración en Brasil; en el segundo caso se utilizó un sensor aerotransportado multi-frecuencia (banda L y P) y multi-polarizaciones (HH-HV-VH-VV) como es el caso de AirSAR (Nasa JPL) para bosques mono-específicos de eucaliptos en la sabana australiana, la cual se presenta en superficies planas y tiene una estructura homogénea.
Respecto a las correlaciones encontradas en este estudio, las de los índices de vegetación son ligeramente mas altas que la reportada por de Dong (2003) con la exploración del uso del NDVI (r2= 0.47), esto se puede deber a que su insumo fue derivado del sensor AVHRR-NOAA que presenta una resolución espacial más gruesa (1km) y su vegetación de estudio son bosques boreales. Comparándolas con lo reportado en los trabajos de Thenkabail et al. (2004), González- Alonso et al. (2006) y Castillo et al. (2010), fueron bajas. Sin embargo, de nuevo, los insumos y metodología difieren. Lo anterior se puede explicar por las características de dichos estudios.
Thenkabail et al. (2004), analizaron la relación entre la biomasa e índices derivados de imágenes Ikonos (r2= 0.72), SPOT VEGETATION (r2= 0.73) y SPOT 5 (r2= 0.71) respectivamente, trataron
91 una vegetación controlada (plantación de Elseis guineensis; palma), en una sabana africana con una estructura homogénea de la cobertura forestal, que se encuentra asentada en un terreno plano, lo cual es totalmente opuesto al área en estudio del presente trabajo, además, al usar imágenes de alta resolución espacial, se mejora la calidad de la observación. En el caso González-Alonso et al.
(2006) se trabajó con imágenes de resolución gruesa (1km) pero con series de tiempo (1998 – 2004) para la calibración de un NDVI promedio en bosques de coníferas, latifoliadas y mixtos de España; en el trabajo de Castillo et al. (2010), se uso el mismo insumo que en el presente estudio, pero en este caso se integró diversos índices de vegetación (NDVI y GEMI) y texturas (Descriptores de Haralick) en modelos de regresión múltiple en zonas de selva en Chiapas.