"Primero fue necesario civilizar al hombre en su relación con el hombre. Ahora es necesario civilizar al hombre en su relación con la naturaleza y los animales"
Victor Hugo
Fundamentos teóricos
NEB001. METODOLOGÍA CANONICAL CORRESPONDENCE ANALYSIS-FUZZY-LAND COVER (CCA-F-LAND COVER)
Autor: Henry Arellano Peña
Objetivo: Metodología que sirve para diseñar modelos biofísicos utilizados en la generación de cartografía temática sobre las coberturas de la tierra, con énfasis en las distintas y heterogéneas coberturas naturales.
Antecedentes-método tradicional: En la actualidad las coberturas de la tierra son evaluadas y clasificadas con características generales basadas en la reflectancia o niveles digitales de los insumos satelitales o fotográficos. Las metodologías más utilizadas en el mundo como CORINE Land Cover, clasifican las coberturas naturales con estratificaciones muy gruesas. Es decir se utiliza una generalización exagerada (como Palmares, Manglares densos altos, Bosques densos entre otras) y se omite la importante información florística y estructural de los tipos de vegetación presentes en las zonas. Esto sacrifica información sobre la heterogeneidad y la diversidad de los sitios, sobretodo en el pantrópico. Las interpretaciones y resultados por lo general, no presentan integridad tipológica en distintas series cartográficas temporales y escalares. Es muy difícil encontrar cartografía con resolución temporal y escalar congruente. Esto se debe, a que no es posible asegurar el uso de los mismos parámetros en la evaluación de los insumos.
Metodología CCA-F-Land Cover: Se generó una nueva ruta metodológica que incorpora la distintividad biológica; clasificación fitosociológica de la vegetación y su relación con características físicas del territorio. Se fundamenta en el uso de parámetros obtenidos en el CCA (análisis de correspondencias canónicas) sobre un modelo de lógica difusa que permite la generación de múltiples mapas de cobertura. Esta herramienta resulta adecuada para monitoreo y análisis de la dinámica de la vegetación debido a que mantiene la integridad tipológica de una serie cartográfica. Por esto, con la metodología es posible conseguir series cartográficas de cobertura congruentes en tiempo y escala y se puede aplicar a múltiples y distintos insumos satelitales. Siempre se evalúan los mismos parámetros del modelo. Se utiliza el CCA (análisis de correspondencias canónicas) por su flexibilidad, máxima dispersión de los datos, manejo del error y minimización del efecto de herradura en la solución de los ejes de respuesta (autovectores). El código del modelo resultante puede ser utilizado en la programación de microchips para uso en sensores satelitales o aerotransportados o para generar un software que evalúe distintos insumos satelitales.
En la figura uno (1), se resume la ruta metodológica necesaria para incorporar mediante CCA y lógica difusa, la variabilidad presente en los tipos de vegetación clasificados en el análisis fitosociológico, en un mapa de coberturas. El método requiere una clasificación puntual, basada en muestreos y/o información secundaria. Para este caso es de tipo fitosociológico (detalle 1). Se recalca que se puede utilizar una clasificación proveniente de otro método de análisis de vegetación y/o en diferentes niveles de agregación. Posteriormente, se realiza un CCA para determinar la posición de las especies en gradientes ambientales, se utilizan los óptimos máximos y mínimos de los levantamientos y las desviaciones estándar de las especies características exclusivas de los tipos de vegetación (clasificados previamente), para determinar la curvatura gaussiana de determinado tipo de vegetación. Luego se usa un modelo de lógica difusa de tipo MAMDANI con defuzzificación MOM y se diseñan las posibilidades de respuesta (detalle 2). Posteriormente se evaluá el modelo pixel a pixel (dato a dato) teniendo como entradas matrices DOUBLE-FLOAT georeferenciadas provenientes de insumos regionales. Siempre se debe incoporar un insumo de clasificación cartográfica con los tipos generales como bosques tipo 1, 2, matorrales y coberturas antrópicas. Los otros insumos a evaluar por lo general son físicos aunque se podría incorporar un insumo como altura de los árboles proveniente de la tecnología Laser Imaging Detection and Ranging (LIDAR). Se resalta que los procesos deben ser validados con altos niveles de confiabilidad estadística. Se destaca que esa ruta metodológica es nueva en las ciencias de la vegetación en el mundo. En la figura se separa con puntos suspensivos un uso inmediato de la metodología en la generación de información satelital en tiempo real.
Usos: Línea base de proyectos REDD+, monitoreo REDD+, planeación y planes de ordenamiento territorial, industria satelital, software e investigación.
Objetivo comercial: Metodología portegida ante el uso industrial y comercial indiscriminado. Se permite su uso libre en la investigación sin animo de lucro siempre y cuando se respeten los derechos de autor.
Figura 1. Metodología CCA-F-Land Cover para la construcción del mapa de coberturas mediante estadística multivariada y lógica difusa.
Detalle uno (1). Clasificación puntual con análisis fitosociológico para los bosques del sur de Córdoba, Colombia.
Detalle dos (2). Apariencia del modelo de lógica difusa tipo MAMDANI
NEB002. METODOLOGÍA 3D-CARBON POOL IN TREES (3D-CPT)
Autor: Henry Arellano Peña
Objetivo: Metodología no destructiva que sirve para estimar, el volúmen (con voxelización e integración numérica), la biomása aérea y la cantidad de Carbono, Hidrógeno y Nitrógeno almacenados en esta, de individuos de distintas especies vegetales, comunidades, tipos de vegetación y cobertura, basados en la captura de información elemental, tridimensional, bidimensional (estructura típica), de arquitectura y el uso de redes neuronales artificiales recurrentes (back-propagation). Con mucha precisión se captura la heterogeneidad de formas vegetales presente en los levantamientos o las muestras. Se recalca el énfasis en el cálculo del servicio ambiental “almacenamiento de Carbono”.
Antecedentes-método tradicional: El cálculo de carbono en la actualidad proviene de la división entre dos, de los resultados de la estimación de la biomasa de los individuos muestreados y hallada a través de formulas alométricas. Estas formulas, incorporan el diámetro, la altura y la densidad de la madera, pero excluyen los variables datos provenientes del almacenamiento de carbono entre los órganos y entre las especies, así como la información sobre la gran diversidad de arquitecturas presentes en las distintas formaciones vegetales. Los bosques tropicales además de biodiversos son morfodiversos. Para la elaboración de un modelo de este tipo, es ampliamente conocido que en los procesos de determinación, validación y minimización del error, es necesario el sacrificio de numerosos individuos de distintas especies. En la generación de las ecuaciones alométricas más utilizadas actualmente para el trópico, se requirió recopilar información del peso de al menos 2410 árboles, estos fueron talados y segmentados para tal fin. Es común encontrar estudios de vanguardia en los cuales se fomenta la tala para mejorar las estimaciones de Carbono.
Metodología 3D-.Carbon Pool Trees: En la figura dos (2), se resume la nueva ruta metodológica generada, así como la metodológica tradicional, usadas para determinar el contenido de biomasa, carbono, hidrógeno y nitrógeno y su posterior relación con capas temáticas para su regionalización. La parte superior de la figura y separada por una línea punteada, indica el proceso tradicional para hallar los registros de biomasa mediante formulas alométricas. Como se mencionó para hallar la cantidad de carbono en esta, por lo general se divide entre dos el resultado obtenido con formulas alométricas. En la nueva ruta metodológica desarrollada, se hace uso de la integración númerica y de la voxelización para el cálculo detallado del volumen de un individuo, posteriormente este resultado se relaciona con los datos provenientes de una técnica no invasiva de muestreo de la densidad de la madera y de procesamiento de las muestras (detalle 1), para obtener los registros calibrados y muy precisos del contenido elemental de los distintos órganos de la planta. En los detalles de 2a a 2d se observan distintas etapas de los procesos de integración numérica y voxelización resultado de la adaptación de los algoritmos de Mirtich (1996), Gosline (1997), Patil & Ravi (2005) y Aitkenhead (2011). Se recalca que la captura de los datos tridimensionales se puede realizar basada en fotografía, ilustración científica y con las técnicas avanzadas de Mobile Lidar. Esta última no se realizó ya que implementarla elevaba demasiado los costos disponibles del proyecto. Los datos estructurales utilizados para el modelo son, diámetro a nivel del pecho (DAP), altura del fuste principal, número de ramificaciones principales, niveles de ramificación y conteo estadístico de ramitas y hojas. Se modelan las hojas por separado con tecnología CAD (detalle 3). Los resultados de biomasa obtenidos son convertidos a carbono y los resultados por especie son incorporados a otros datos estructurales (solo DAP, altura, densidad de la madera, tipo de arquitectura) utilizando redes neuronales artificiales recurrentes (back-propagation-detalle 4). Se recalca que esta ruta metodológica es nueva para los estudios de biomasa y carbono en el mundo y permite establecer grandes diferencias entre los contenidos regionales de carbono. Con estos resultados se prevén grandes cambios en la forma como se estudian actualmente los fenómenos de cambio climático y calentamiento global a nivel mundial.
Figura dos (2). Resumen de la metodología 3D-CARBON POOL IN TREES (3D-CTP)
Detalle 1: Adicional a la información estructural típica (CAP, altura y cobertura) para cada individuo, se toman muestras en cada uno de los órganos del individuo para su posterior análisis de carbono, nitrógeno e hidrógeno. Cada muestra de tallo, se obtuvo mediante la extracción con taladro y sierra de copa de un pequeño núcleo de una pulgada de diámetro y con profundidades que oscilaron entre uno (1) y cinco (5) cm (sin corteza), los tamaños se definieron según grosor del tronco y con el criterio de causar el menor daño al individuo. En individuos pequeños, la muestra nunca superó un (1) cm de profundidad por una pulgada de diámetro. Se separa el tallo del contenido de corteza y se adiciona este ultimo a su respectiva muestra, obtenida por lo general, mediante raspado de una superficie de hasta 20 cm2. Para los órganos más numerosos como ramas y hojas, se toman tres muestras por órgano, con el fin de obtener replicas. Luego siguen los procesos de pesado en fresco y seco (muestras secadas a 80ºC), y se cálcula su volumen por desplazamiento del agua en probeta micrograduada, se pulverizan las muestras y se utiliza 0,02 g de muestra, resecadas a 105ºC. Para el proceso se usa un analizador automático LECO CHN-600. Con el analizador LECO, se cuantifican en su totalidad el contenido de C, H y N de los productos de una combustión de los tejidos a 950ºC.
Detalle 2a. Proceso de construcción de modelo tridimensional acotado del sistema de ramificación de cuarto nivel en un individuo de Cavallinesia platanifolia (Güipo, Volado, Macondo). Los niveles quinto y sexto son modelados por separado para agilizar los procesos de cálculo. En uno (1) se observa el individuo a modelar, de dos (2) a (3) se observan las primeras superficies sin acotar (vista en perspectiva) y de cuatro (4) a seis (6), las superficies del tallo y de las ramas con correcciones de posición y tamaño (modelo acotado, vista lateral XZ). Se recomienda ademas de las medidas de cobertura tradicionales, la utilización de una foto lateral (YZ) ó una vista en contrapicada, para corregir la posición de los nodos de las curvas Bézier y obtener resultados óptimos.
Detalle 2b. Modelo de vóxeles de un individuo de Dipteryx oleifera con 104,24 cm de DAP y 36,08 metros de altura y Bombacopsis quinata de 28,04 cm de DAP y 14,78 m de altura, generado mediante la modificación del código de Aitkenhead (2011).
Detalle 2c. Modelo de malla de un individuo de Dipteryx oleifera con 104,24 cm de DAP y 36,08 metros de altura. En la tabla se aprecian los resultados de estimación de parámetros según el método de integración numérica de Mirtich (1996).
Detalle 2d. Se calculan los valores de la corteza mediante la relación de la superficie total del individuo (estimada sin tener en cuenta las regiones transversales existentes), y de la superficie de las ramas, con las profundidades medidas de sus respectivas cortezas, se procede a estimar su volumen (volumen de un prisma recto de base trapezoidal), en función del grosor de la corteza y la superficie de los órganos examinados. Es importante mencionar, que es posible detallar el modelo de superficie del modelo según las características morfológicas de la corteza, esto se lograría incorporando la información sobre la textura de la misma en mapas normales de texturizado (normal maps), de deformación (bump maps) o de generación de ruido periódico (noise). Por otra parte, algunas estructuras presentes en la corteza como decoraciones, anillos o espinas, son también modeladas.
Detalle 3: La estimación del volumen, relacionado con la biomasa y el carbono aportado por las hojas, fue abordado mediante un tratamiento distinto. El cual se puede resumir mediante tres pasos: el conteo estadístico de la cantidad de hojas en las distintas ramificaciones, la estimación detallada del área y la relación que tiene esta con el grosor de la lámina. Es importante recalcar que en todos los casos fue incluido el peciolo, dentro de los cálculos.
En la estimación del número de hojas presente en determinado individuo, se utiliza el software SpeedTree studio 6.1.1 (IDV, 2012), con el cual se incorpora la información de los conteos mínimos y máximos del órgano realizados en cada nivel ramificación. Se destaca, la incorporación de un motor que genera números pseudoaleatorios entre dichos límites. Como resultado, se obtiene una matriz con información del número de hojas por nivel de ramificación, la cual es multiplicada con la estimación del volumen más frecuente que adquiere una hoja en dicho nivel.
Para la estimación del área de la lámina, se parte de la captura de información por medio de la fotografía o el dibujo en tinta sobre papel blanco de la silueta de las hojas colectadas en campo. Con la información digital en formato raster, se generan mosaicos que agrupan varias hojas (papel) a escala 1:1, en el software Adobe PhotoBridge. En el software GIMP, se elimina el ruido, errores en los dibujo, se rellenan con color las siluetas y se convierte la información RGB, en un modelo binario de un bit por pixel (blanco y negro). En este, se registran las regiones de la hoja en color negro como se observa en el detalle. Es importante recalcar, que en este paso se realizan las acotaciones del mosaico, identificando las medidas exactas de cada uno de sus lados. Esta información es utilizada, en la referenciación y ubicación del modelo vectorial resultante. Posterior a esto, los datos son exportados en archivos con capacidades de referenciación (como .TIF, .TIFF), para su corrección geométrica en cualquier sistema de información geográfica; en este caso, como el software GRASS 6.4 (2010). Si el archivo de exportación de los datos no contiene capacidades de referenciación, aún es posible realizar el procedimiento incorporando al procedimiento la manipulación de la información TIC, del archivo vectorial resultante. Una descripción de este proceso se puede consultar en Arellano & Rangel (2010). En el mismo software, el archivo de exportación binario en formato .TIF, es reproyectado bajo el sistema de coordenadas Trasversa de Mercator, con datum WGS84, factor de escala uno y parámetros con valores de cero. De esta manera, se garantiza la precisión submétrica necesaria para representación adecuada de las hojas en formato vectorial. Con el comando r.to.vect de GRASS 6.4, y la opción de área activada, se obtiene el modelo vectorial de los objetos dibujados para su posterior edición y creación de atributos de área y perímetro. Es importante mencionar, la importancia del uso adecuado de las tolerancias para los archivos vectoriales, que deben ser inferiores a 0,0003 m. Un beneficio adicional de este procedimiento, es la posibilidad de analizar con cualquier sistema de información geográfica, los registros estimados en las hojas, con las mismas metodologías utilizadas en la ecología del paisaje. Métricas como dimensión fractal, relación área perímetro, complejidad, análisis de núcleo, índices de forma entre otros, son igualmente aplicables en este nivel. Se estima la superficie total que aportan las hojas, con la multiplicación del conteo de las mismas y la superficie de cada lámina. La superficie total de cada hoja resulta de la suma de las dos caras de la lámina con el producto del perímetro y el grosor de la hoja. De esta manera se llega con mayor precisión a tener un estimativo de la superficie que interviene más activamente en el intercambio de gases, generando un gran avance en el futuro entendimiento y calibración de variables atmosféricas como, vapor de agua, intercambio de gases, respiraron y transpiración entre otras. El análisis de esta información fue excluido del aporte debido a que no hace parte de los objetivos planteados.
Detalle 4: Resultados del ajuste de los datos de una red neuronal artificial recurrente (back-propagation). Los datos son transformados mediante una función logarítmica sigmoidal, con salida lineal. Además de los ajustes realizados a los datos utilizados en entrenamiento, el sistema elige aleatoriamente un grupo de registros para realizar una prueba de validación. Otra prueba similar, se realiza mediante valores aleatorios ubicados en el intervalo de DAP evaluado. El resultado final es el coeficiente de correlación entre todas las pruebas. De esta forma, se eligen los modelos neuronales que presenten una mejor explicación de los registros evaluados
Figura 3. Resumen del proceso de validación de la metodología 3D-CPT, utilizado con el fin de captura información importante acerca de la arquitectura de las especies.
Usos: Línea base de proyectos REDD+, monitoreo REDD+, cálculo comercial de maderas, estimación de volúmenes de madera, estimación de carbono, hidrógeno y nitrógeno para proyectos sobre servicios ecosistémicos, estudios sobre dinámica de poblaciones, cambio climático, calibración de modelos de evapotranspiración, clima e impacto económico.
Objetivo comercial: Metodología protegida ante el uso industrial y comercial indiscriminado. Se permite su uso libre en la investigación sin animo de lucro siempre y cuando se respeten los derechos de autor.
Referencias importantes
1. Baccini, A. et al. Estimated carbon dioxide emissions from tropical deforestation improved by carbon-density maps2. Nature Clim. Change 2, 182-185 (2012).
2. Feldpausch, T. R. et al. Tree height integrated into pantropical forest biomass estimates. Biogeosciences 9, 3381-3403 (2012).
3. Chave, J. et al. Tree allometry and improved estimation of carbon stocks and balance in tropical forests. Oecologia 145, 87-99 (2005).
4. Asner, G.P. Tropical forest carbon assessment: integrating satellite and airborne mapping approaches. Environmental Research Letters 4(3): 1-11 (2009).
5. Schulze, E. D. et al. Managing forests after Kyoto. Science 289 (5487): 2058-2059 (2000).
6. IPCC. IPCC Guidelines for National Greenhouse Gas Inventories. Prepared by the National Greenhouse Gas Inventories Programme, Eggleston, H. S. et al., IGES, Japan (2006).
7. Overman, J. P. M.,Witte, H. J. L., & Saldarriaga, J. G. Evaluation of regression models for above-ground biomass determination in Amazon rainforest. J. Trop. Ecol. 10: 207–218 (1994).
8. Ketterings, Q.M. et al. Reducing uncertainty in the use of allometric biomass equations for predicting above-ground tree biomass in mixed secondary forests. Forest Ecology and Management 146:199-209 (2001).
9. Avella-M., A & Rangel-Ch., J.O. Composición florística y aspectos estructurales de la vegetación boscosa del Sur del departamento de Córdoba. En: J.O. Rangel-Ch. (ed). Colombia Diversidad Biótica XII. La región Caribe de Colombia. ICN, UNAL. Bogotá. 12: 447-537 (2012). http://www.colombiadibersidadbiotica.com
10. Rangel-Ch., J.O., Garay-P., H. & Avella-M., A. Bosques húmedos y secos circundantes a los complejos de humedales (ciénagas), en el departamento de Córdoba. En: J.O. Rangel-Ch. (ed). Colombia Diversidad Biótica IX. Ciénagas de Córdoba: Biodiversidad ecologica y manejo ambiental. ICN, UNAL. Bogotá. 9: 207-323. (2010). http://www.colombiadibersidadbiotica.com
11. Overman, J.P., Saldarriaga, J.G. & Duivenvoorden, J.F. Estimación de la biomasa aérea en el bosque del medio Caquetá, Colombia. Colombia Amazónica 4(2): 135-147 (1990).
12. Simard, M., Pinto, N., Fisher, J., Baccini, A. Mapping forest canopy height globally with spaceborne lidar. J. Geophys. Res. VOL. 116, G04021, 12 PP.(2011). doi:10.1029/2011JG001708
13. http://www.whrc.org/mapping/pantropical/carbon_dataset.html
14. IDV, Inc. SpeedTree 6.1.1. All rights reserved. Lexington, South Carolina, U.S.A. (2012).
15. Xfrog 4.5 for MAYA 2009. Xfrog, Inc. All rights reserved. Malibu, California.(2008).
16. Autodesk. Maya 2009. All rights reserved. San Rafael, California. (2008).
17.Mirtich, B. Fast and Accurate Computation of Polyhedral Mass Properties. Journal of graphics tools 1(2): 1-15.(1996).
18. Gosline, A. (code) Ported to Matlab Mirtich (1996) Volume Integration. (1997)
19. Patil, S. & Ravi, B. Voxel-based representation, display and thickness analysis of intricate shapes. Ninth international conference on computer aided design and computer graphics (CAD/CG 2005). 0-7695-2473-7/05. 6 p. (2005).
20. Aitkenhead, A. VOXELISE.m (code). The Christie NHS Foundation Trust. (2011).
21. Elias, M. & Potvin, C. Assessing intra and inter specific variation in trunk carbon concentration for 32 neotropical tree species. Canadian Journal of Forest Research 33: 1039-1045.(2003).
22. Lamlom, S.H. & Savidge R.A. A reassessment of carbon content in wood: variation within and between 41 North American species. Biomass and Bioenergy 25: 381–388. (2003)
23. Zhang, J., Ge, Y., Wang, C., Wang, J.B., Quan, X. & Peng, H. Carbon concentration variability of 10 Chinese temperate tree species. Forest Ecology and Management 258: 722–727.(2009).
24 Vásquez, A. & Arellano, H. Estructura, biomasa aérea y carbono almacenado en los bosques del sur y noroccidente de córdoba. en: Rangel-ch. J.O. (ed). Colombia Diversidad Biótica XII. La región Caribe de Colombia. 923-961. Instituto de Ciencias Naturales, Universidad Nacional de Colombia. Bogotá. (2012). arXiv:1208.0248v1 [q-bio.QM]
25. Keller, R. Identification of tropical woody plants in the absence of flowers and fruits. A field guide. Birkhauser Verlag, Basel, Switzerland. Second edition. 340 pp. (2004).
26. Gentry, A.H. Changes in plant community diversity and floristic composition on environmental and geographic gradients. Annals of the Missouri Botanical Garden 75: 1-34. (1988)
27. Boyle, B.L. Changes on Altitudinal and Latitudinal Gradients in Neotropical Montane Forests. Washington University, St. Louis 275 pp. (1996).
28. Arellano-P., H. Servicios ambientales de la biodiversidad-Almacenamiento de carbono y deforestación evitada en áreas del Caribe colombiano. Tesis Doctorado en Biología. Instituto de Ciencias Naturales, Universidad Nacional de Colombia.