Diagrama de cuerdas de la matriz de confusión del modelo RF RGB, para la localidad del estero de Zacatecas. Gráficas de efectos parciales del modelo máximo para la estimación de carbono orgánico del suelo a partir de variables obtenidas con imágenes aéreas de la localidad de Guerrero Negro.
INTRODUCCIÓN
Además, proporcionan una mejor comprensión de la dinámica de la vegetación, el suelo y los procesos que tienen lugar en las zonas intermareales (Yeo et al., 2020). También se ha utilizado con éxito para clasificar los bosques de manglares en todo el mundo (Lymburner et al., 2020).
ANTECEDENTES
Carbono orgánico en manglares y marismas de zonas áridas
Comparación de la capacidad de almacenamiento de COS entre sistemas de marisma y
2019) realizó un estudio en manglares, pantanos y su ecotono y no encontró diferencias significativas en la concentración de COS entre los tres hábitats. 2017) evaluaron los efectos de la invasión de Spartina alterniflora en comunidades de manglares sobre la concentración de COS y mostraron que la mayor concentración de COS ocurre solo entre 0 y 10 cm de profundidad (1,5% de carbono orgánico) en comparación con las áreas preservadas. . En las zonas invadidas, la concentración de carbono disminuyó drásticamente con la profundidad. 2019) estimó el almacenamiento de carbono azul en el primer metro de profundidad de sedimento para toda la gama de manglares, pastos marinos y marismas en el Golfo de México. Los autores señalan que las diferencias en las reservas de carbono entre manglares y marismas pueden estar relacionadas con períodos de crecimiento más largos durante las estaciones cálidas en la región sur del Golfo, durante las cuales los manglares secuestran carbono, en comparación con las estaciones frías más largas en la región sur del Golfo. donde se desarrollan los pantanos. 2017) estimó la contribución de la descomposición de las raíces en manglares y pantanos a las reservas de carbono de los sedimentos utilizando las tasas de descomposición de las raíces reportadas en diferentes lugares del mundo.
Métodos de clasificación de imágenes aéreas aplicados a sistemas de manglar y marisma 8
Se realizó un estudio en la costa este de Sudáfrica en el que se utilizaron como variables predictivas diversos índices de vegetación calculados a partir de la reflectancia a diferentes longitudes de onda proporcionadas por imágenes multiespectrales y las estimaciones de biomasa in situ por el método de peso húmedo menos peso seco; La evaluación del modelo mediante validación cruzada indicó que un R desarrolló mapas digitales de valores de carbono orgánico del suelo a partir de modelos de regresión lineal simples en los que las variables predictoras de los índices de vegetación (NDVI, MSAVI, RDVI y MNLI) se obtuvieron a partir de imágenes Landsat 8. .
JUSTIFICACIÓN
Estudios que han utilizado estos métodos en otro tipo de ecosistemas o en áreas cultivadas sugieren que la mayor limitación es la cobertura vegetal, por lo que nuestra propuesta opta por utilizar datos de la cobertura vegetal para estimar el COS almacenado bajo la vegetación en cuestión.
HIPÓTESIS
OBJETIVOS
Objetivo general
Objetivos particulares
MATERIAL Y MÉTODOS
- Área de estudio
- Muestreo in situ
- Estimaciones de biomasa aérea
- Análisis de laboratorio
- Análisis estadísticos
- Captura y procesamiento de fotografías aéreas
- Clasificación supervisada
- Distribución espacial del carbono orgánico
Estos mismos autores sugieren determinar la frecuencia de muestreo en relación con los objetivos de la investigación. De igual forma se evaluó la relación entre el COS y las variables obtenidas de los ortomosaicos: especies, distancia al agua y altura de la vegetación.
RESULTADOS
Descripción de biomasa aérea y parámetros físicos y químicos del sedimento
- Localidad Guerrero Negro
- Localidad Santispac
- Localidad estero Zacatecas
Estimaciones de biomasa aérea a partir de ecuaciones alométricas en individuos de Avicennia germinans del manglar de Santispac. Estimaciones de biomasa aérea a partir de ecuaciones alométricas en individuos de Laguncularia racemosa del manglar de Santispac. Estimaciones de biomasa aérea a partir de ecuaciones alométricas en individuos de Rhizophora mangle del manglar de Santispac.
No se encontraron diferencias significativas entre las medianas para la altura total de las tres especies (χ p>0.05). Estimaciones de biomasa aérea a partir de ecuaciones alométricas en individuos de Avicennia germinans de manglares del Estuario de Zacatecas. Estimaciones de biomasa aérea a partir de ecuaciones alométricas en individuos de Laguncularia racemosa de manglares del Estuario de Zacatecas.
Estimaciones de biomasa aérea a partir de ecuaciones alométricas en individuos de Rhizophora mangle del manglar del estuario de Zacatecas. En el Cuadro 12 se muestran los valores registrados para las variables altura y diámetro para las tres especies, además de los rangos de biomasa estimados a partir de las ecuaciones alométricas.
Clasificación supervisada
- Clasificación supervisada marisma Guerrero Negro
- Clasificación supervisada manglar Santispac
- Clasificación supervisada manglar estero Zacatecas
En el gráfico circular, las líneas conectan clases mal clasificadas; el grosor de la línea es proporcional al número de observaciones mal clasificadas. Todos los valores de la matriz de confusión y los estadísticos de evaluación del modelo GRN se encuentran en la Tabla 15. 21 presenta gráficamente los valores obtenidos en la matriz de confusión de los modelos RGB y GRN.
Especialmente en el gráfico del modelo RGB, se observa que existe un mayor error de clasificación entre las especies A. A continuación, se seleccionaron las clases de interés correspondientes a la vegetación (A. . germinans, L. racemosa y R. mangle) y con ello se obtuvieron los mapas de distribución espacial de las tres especies de manglares como se muestra en la Fig. 24, que muestra gráficamente los valores obtenidos en la matriz de confusión del modelo RF.
En el gráfico, el tamaño de las elipses es proporcional al número total de observaciones (número de píxeles) de cada clase, y las líneas que conectan las elipses también son proporcionales al número de observaciones mal clasificadas. En un gráfico circular, las líneas conectan las clases mal clasificadas y el grosor de la línea es proporcional al número de observaciones mal clasificadas.
Modelos de estimación de carbono orgánico del sedimento y mapas de distribución
- Estimación de la distribución espacial del COS en marisma de laguna Guerrero Negro
- Estimación de la distribución espacial del COS en manglar Santispac
- Estimación de la distribución espacial del COS en manglar estero Zacatecas
Modelos aditivos generalizados para estimar el carbono orgánico del suelo a partir de datos in situ del sitio Guerrero Negro. Modelos aditivos generalizados para estimar el carbono orgánico del suelo a partir de datos in situ del manglar de Santispac. Modelos aditivos generalizados para estimar el carbono orgánico del suelo a partir de datos de ortomosaicos del manglar de Santispac.
Gráficos de efectos parciales del modelo máximo para estimar el carbono orgánico del suelo a partir de variables in situ para los manglares de Santispac. Gráficas de efectos parciales del modelo máximo para la estimación de carbono orgánico del suelo a partir de variables obtenidas con imágenes aéreas del manglar de Santispac. Modelos aditivos generalizados para la estimación de carbono orgánico del suelo a partir de datos in situ del manglar del estero de Zacatecas.
Modelos aditivos generalizados para la estimación de carbono orgánico del suelo a partir de datos de ortomosaicos del manglar del estuario de Zacatecas. Gráficas de efectos parciales del modelo máximo para la estimación de carbono orgánico del suelo a partir de variables in situ para el manglar del Estuario de Zacatecas.
Comparación del almacenamiento de carbono orgánico del suelo y biomasa aérea entre
Estadísticas descriptivas del porcentaje de COS predicho a partir de los GAM en los sitios de estudio por especie o asociación de especies. 41 muestra los gráficos de densidad de píxeles del muestreo aleatorio realizado en los mapas COS de las tres ubicaciones. En la gráfica de densidad correspondiente a la Ciénaga de Guerrero Negro se observa que la concentración dominante en el mapa de COS es de 2.59%, la cual corresponde al pico más alto observado en dicha gráfica.
El segundo pico más alto observado en el gráfico pertenece a la concentración de 1,86% de COS. En la gráfica correspondiente a los píxeles de manglar del estero de Zacatecas, la concentración de COS predominante es de 1.73%, seguida de una concentración de 2.07%. Finalmente, en la parcela de manglar de Santispac Beach, el pico de densidad de píxeles más alto corresponde a una concentración de 1.21% COS, seguido de un pico correspondiente a una concentración de 2.33% COS.
Para confirmar la especie o asociación de especies relacionadas con los valores de COS dominantes, se prepararon diagramas de dispersión para cada uno de los sitios y clases de vegetación (Fig. 42). Estimaciones de COS en los sitios de estudio según el rango de la especie o asociación de especies.
DISCUSIÓN
- Parámetros in situ
- Clasificación supervisada con el método Random Forest
- Estimaciones de carbono orgánico de suelo a partir de GAMs
- COS y Biomasa aérea del sistema de marisma contra sistemas de manglar
En varias regiones áridas, se ha observado que las bajas concentraciones de P limitan la productividad de los manglares (Davies et al., 2017). Las limitaciones de N y P en los manglares pueden estar directamente relacionadas con la elevación del suelo y la frecuencia del aporte de nutrientes por mareas o ríos a lo largo de la zonificación existente (Deborde et al., 2015). A nivel mundial, en Arabia Saudita se han informado concentraciones de COS en manglares de zonas secas de 92 Mg C ha-¹ en núcleos de 50 cm (Shaltout et al., 2019).
Los valores más cercanos a los reportados en este estudio corresponden a los reportados en la región del Mar Rojo (43 Mg C ha-¹; Almahasheer et al., 2017); y para la costa centro oeste de Venezuela (35 Mg C ha-¹ en los primeros 10 cm de suelo; Barreto et al., 2016). Las bajas concentraciones de COS en los sedimentos de manglares y pantanos pueden estar relacionadas con la baja contribución de los sedimentos fluviales, que son necesarios para la acumulación vertical y para limitar la descomposición microbiana de la materia orgánica (Keller et al., 2012). Estos valores también pueden estar relacionados con condiciones extremadamente secas que provocan limitación de nutrientes para el crecimiento de la vegetación (Almahasheer et al., 2017).
Sin embargo, Gholizadeh et al. 2018) muestran que la mayor limitación en la predicción espacial del COS mediante teledetección es la cubierta vegetal y la complejidad estructural de la materia orgánica, lo que a su vez significa una alta variabilidad de las respuestas espectrales. Este patrón es similar a otros reportes de manglares de zonas áridas de la península de Baja California (Ochoa-Gómez et al., 2019).
CONCLUSIONES
LITERATURA CITADA
Dynamics of labile soil organic carbon during the development of mangrove and salt marsh ecosystems. Organic carbon sequestration and storage in vegetated coastal habitats along the western coast of the Arabian Gulf. Effects of short-term invasion of Spartina alterniflora and subsequent restoration of native mangroves on soil organic carbon, nitrogen and phosphorus stocks.
Retrieval and mapping of soil organic carbon and texture using proximal, airborne, and Sentinel-2 spectral imaging. Digital mapping of soil organic matter for rubber plantations at a regional scale: an application of random forest and residue kriging approach. 2013). The refined spatiotemporal representation of soil organic matter based on the remote merger of Sentinel-2 and Sentinel-3.
A comparison of soil carbon pools across a mangrove salt marsh ecotone at the southern African warm-temperate range boundary. Classification mapping of salt marsh vegetation by flexible monthly NDVI time series using Landsat imagery.
ANEXOS
