You are on page 1of 21

Evaluacin de Carbono en Bosques Tropicales: Una Integracin de Mapeo Satelital y Areo.

Gregory P. Asner Departamento de Ecologa Global Institucin Carnegie para la Ciencia 260 Panama Street Stanford, CA 94305 USA Tel: 650.462.1047 x202 Email: gpa@stanford.edu

Artculo original: Asner, GP. 2009. Tropical forest carbon assessment: integrating satellite and airborne mapping approaches. Environ. Res. Lett. 4 034009 (11pp) Traduccin al espaol comisionada por Carnegie Institution, realizada por Deborah Bigio, MSc. Favor citar como fuente el texto original en ingls Disponible en lnea en: http://iopscience.iop.org/1748-9326/4/3/034009/

Evaluacin de carbono en bosques tropicales

G. P. Asner (2009)

Resumen Se requiere de mapeo a gran escala para apoyar al programa de la UNFCCC para reducir la deforestacin y la degradacin forestal (REDD, por sus siglas en ingls). Los gerentes de reas forestales pueden incrementar potencialmente sus crditos de carbono a travs del monitoreo detallado de la cobertura forestal, ganancias y prdidas (hectreas), y estimaciones peridicas en los cambios en la densidad de carbono del bosque (toneladas hectrea-1). Los satlites ofrecen una oportunidad de monitorear cambios en el carbono forestal causados por la deforestacin y la degradacin, pero solo despus de evaluar las densidades iniciales de carbono. Los nuevos mtodos areos, especialmente el mtodo LiDAR (Mtodo de Deteccin y Medicin de Distancias por Luz), ofrecen una forma de estimar la densidad del carbono forestal en grandes reas, lo cual ayuda en el desarrollo de lneas base prcticas. En este trabajo presento un enfoque integral satelital-areo que apoya la evaluacin de stock de carbono en alta resolucin y el monitoreo en regiones de bosque tropical. Este enfoque muestra una lnea base actualizada de carbono de un bosque regional, seguido por el monitoreo de la cobertura y las alteraciones del bosque en alta resolucin, para estimar las emisiones de carbono. Los rpidos avances y la disminucin de los costos en los sectores de mapeo satelital y areo ya estn haciendo viables las evaluaciones de stocks y emisiones de carbono en cualquier parte del mundo.

Palabras clave: Mapeo de biomasa, contabilidad de carbono, deforestacin, degradacin forestal, LiDAR, REDD, mapeo satelital, UNFCCC

Evaluacin de carbono en bosques tropicales

1. Introduccin La Convencin Marco de las Naciones Unidas sobre el Cambio Climtico (UNFCCC) est facilitando el monitoreo forestal a gran escala para la reduccin de la deforestacin y degradacin de Bosque (REDD, por sus siglas en ingls, http:// unfccc.int/methods_science/redd/items/4531.php). En apoyo a REDD, el Panel Intergubernamental sobre el Cambio Climtico (IPCC 2006) ha aportado lineamientos para asistir a los pases en el desarrollo de metodologas para realizar evaluaciones de carbono. Estos lineamientos estn organizados en tres niveles, cada uno de los cuales provee de forma sucesiva mayor precisin y por tanto mayor retorno financiero en la verificacin de los stocks y emisiones de carbono. El enfoque de Nivel I es el ms general, y se basa en estimaciones nacionales simples de cobertura boscosa y valores genricos de densidad de carbono (por ejemplo, toneladas de carbono por hectrea). Los enfoques de Nivel II y Nivel III proveen ms detalles de los stocks y emisiones de carbono a escala regional y nacional, usando una combinacin de enfoques de inventario de parcelas, mapeo satelital y modelaje de carbono. Para lograr niveles de precisin de tipo Nivel III, se debe estimar y modelar los stocks de carbono tanto vivos como muertos, sobre y bajo la superficie (Gibbs et al. 2007). En una escala nacional, es probable que muchos pases tropicales dependan inicialmente de los niveles de precisin del Nivel I que se basan en valores promedio de biomasa y de suelo asignados para biomasa y grandes regiones geogrficas, sujetos a una gran incertidumbre y por tanto a menores crditos de carbono (Gibbs et al 2007, Angelsen et al. 2009). Los lineamientos conservadores de contabilidad del IPCC requieren que los usuarios de las estimaciones de Nivel I asignen un stock relativamente bajo de carbono por hectrea comparado con lo que se podra lograr si se llevaran a cabo mediciones ms detalladas. Para desarrollar las capacidades nacionales y regionales de monitoreo con precisiones mayores de Nivel I se requieren mtodos de mapeo y modelaje de carbono de alta resolucin, donde la ganancia ser un incremento en el crdito de carbono, un impulso en el secuestro de carbono y una mejor proteccin de los ecosistemas. Gibbs et al. (2007) sealan que en bosques tropicales la mayor cantidad de carbono es secuestrada en tejidos vivos sobre la superficie (por ejemplo, rboles), con stocks secundarios en suelos y desechos gruesos de madera. Los stocks de carbono en las races y el suelo componen en promedio un 20% del carbono total almacenado en los bosques tropicales (Cairns et al. 1997), y la necromasa producida por la mortalidad de los rboles compone un promedio de 10% de la biomasa viva sobre la superficie (Brown et al. 1995, Keller et al. 2004). Una excepcin importante es el gran stock de carbono bajo la superficie que se encuentra en los pantanos de turba en el sureste de Asia. A pesar de las turberas, la principal incgnita es la biomasa viva sobre la superficie, y por tanto es el enfoque en este trabajo. Para monitorear los stocks de carbono, incluyendo las ganancias y prdidas de carbono causadas por la deforestacin, la degradacin y la recuperacin forestal, se requiere de una combinacin de informacin: (i) la tasa de cambio en la cobertura boscosa y las alteraciones boscosas, y (ii) la cantidad de carbono almacenada en el bosque (densidad de carbono en unidades tales como toneladas de carbono por hectrea: ton C ha-1). Varios satlites miden la cobertura boscosa, la prdida del dosel y las alteraciones, y las dimensiones de la estructura del bosque (Chambers et
Evaluacin de carbono en bosques tropicales 3

al. 2007), pero la tecnologa satelital actual no puede medir directamente la densidad de carbono (GOFC-GOLD 2009). As, los satlites ofrecen una oportunidad para monitorear cambios en el carbono del bosque causados por la deforestacin y la degradacin, pero solo despus de evaluar las densidades iniciales de carbono. Tradicionalmente, se han evaluado las densidades de carbono usando parcelas de inventario en campo, que son muy valiosas pero tambin costosas, consumen mucho tiempo y estn limitadas inherentemente a la representatividad geogrfica. Un censo de las principales redes de parcelas en la Amazona sugiere que menos de una millonsima parte de la regin ha sido medida en campo, si bien es parte de un esfuerzo para la representatividad estadstica (sintetizado por Phillips et al. 1998, Saatchi et al. 2007). Sin embargo, la variacin natural de la estructura y biomasa del bosque, combinada con la enorme extensin geogrfica y la tasa de prdida y de perturbacin del bosque, hace que las parcelas de campo sean difciles de usar (solas) para evaluar densidades de carbono de bosques tropicales en grandes reas. Este tipo de monitoreo en campo requerira miles de parcelas y de visitas regulares que usen tcnicas laboriosas de medicin manual. Se requieren nuevos enfoques para extender las redes de parcelas de campo, y para cubrir la brecha entre las mediciones de campo y las observaciones satelitales. El mapeo areo puede ayudar en el desarrollo de las estimaciones de stocks de carbono en bosques tropicales (Brown et al. 2005). Los nuevos enfoques areos, especialmente el mtodo de Deteccin y Medicin de Distancias por Luz (LiDAR), ofrecen un medio para estimar el carbono del bosque para grandes reas (revisado por Lefsky et al. 2002b). El mapeo LiDAR, cuando se combina con un nmero modesto de parcelas de validacin en campo, puede arrojar mapas de carbono de miles de hectreas diarias de vuelo. Estos mapas pueden usarse en un anlisis de lnea base para iniciar un programa de monitoreo a largo plazo que luego se apoye primariamente en data satelital y mtodos de anlisis de bajo costo. Sin embargo, dado lo limitado del trabajo que intenta integrar tecnologas areas en procesos de mapeo de carbono para REDD, no existen mtodos operativos y ni siquiera propuestas claras para usar estas tecnologas. Cmo se podran usar los nuevos enfoques de mapeo areo LiDAR con mtodos de medicin satelital y en parcelas para estimar los stocks de carbono sobre la superficie? Qu tipo de tecnologa satelital est disponible hoy para apoyar tal enfoque de monitoreo? Este trabajo presenta un marco conceptual para la integracin de la tecnologa de monitoreo satelital con mapeo areo poco frecuente y un nmero modesto de parcelas de campo, para establecer lneas base y monitorear stocks de carbono, su prdida y recuperacin, en bosques a nivel regional. El enfoque primario de este trabajo es el bosque tropical, pero muchos de los conceptos presentados son fcilmente transferibles a otros tipos de bosque.

2. Perspectiva General del Enfoque Tcnico Un enfoque para apoyar la estimacin de stock de carbono de Niveles II/III involucra dos tareas: desarrollar una lnea base actualizada del bosque a nivel regional, de resolucin espacial; y el monitoreo del cambio de la cobertura boscosa para estimar prdidas o ganancias en los stocks de carbono del bosque. La primera tarea puede describirse en cuatro pasos detallados: (a) Anlisis satelital de la condicin y cobertura del bosque; (b) Muestreo estratificado de la estructura del dosel del bosque usando LiDAR areo; (c) Conversin de la data estructural de LiDAR a estimaciones areas de densidad de carbono usando nueva alometra de LiDAR junto con un
Evaluacin de carbono en bosques tropicales 4

nmero limitado de parcelas de campo; y (d) Integracin del mapa satelital con la data area de LiDAR y un nmero limitado de parcelas de campo, para establecer estimaciones de stock de carbono de lnea base, de alta resolucin, a nivel regional. La segunda tarea involucra un monitoreo a largo plazo de las prdidas y ganancias de carbono usando datos de satlite y modelos. Esta tarea incluye al menos tres pasos: (i) Monitoreo continuo de las prdidas y ganancias de cobertura boscosa con el uso de imgenes de satlite; (ii) Conversin del mapeo de las prdidas y degradaciones en la cobertura boscosa en emisiones de carbono; y (iii) Modelaje de las ganancias en bosques intactos y de crecimiento secundario. Estas tareas y los pasos que se requieren para lograrlas, se discuten e ilustran en las secciones que siguen. El ltimo paso, sobre el modelaje de las ganancias de carbono, solo se cubre parcialmente en este trabajo, pues el modelaje de la acumulacin de carbono est demostrada y sintetizada en otros trabajos (por ejemplo, Hirsch et al. 2004, IPCC 2006).

3. Lnea Base del Carbono segn el Estado del Bosque Existe un gran debate en la arena de monitoreo de REDD con respecto al desarrollo de las evaluaciones de lnea base de carbono (revisado por Olander et al. 2008). Es un debate principalmente poltico, donde las partes se han concentrado en el perodo de tiempo en el que se debe fijar la lnea base del stock de carbono. Sin embargo, las organizaciones que se dedican al manejo o conservacin forestal deben crear una lnea base actualizada de los stocks de carbono del bosque para poder monitorear los cambios en el futuro. Como los satlites no pueden medir directamente el carbono del bosque, una evaluacin de lnea base debe desarrollarse usando una combinacin de mapas que incluyan cobertura y condicin del bosque a nivel regional, ms estimaciones de las densidades de carbono del bosque. La Figura 1 presenta un diagrama de flujo ilustrado que representa los resultados y descripcin de cada paso. 3.1. Mapeo del tipo, cobertura y condicin del bosque Un primer paso para desarrollar una evaluacin del carbono del bosque espacialmente detallada, involucra la adquisicin y/o el desarrollo de mapas que representen el tipo, grado de deforestacin y alteraciones del bosque (Figura 1(a)). En los aos recientes, han aparecido muchos mapas que muestran el tipo de bosque a niveles nacional y subnacional. Tpicamente, estos mapas proveen categoras como tierra firme, dominado por bamb bosque abierto y otras, consideradas apropiadas para la regin de inters y la escala del mapa. Algunos de estos mapas derivan de data de satlites, mientras que muchos se crean a partir de una combinacin de fotografas areas y revisiones de campo. Un mapa de tipos de bosque ayuda en la particin del terreno en categoras para las subsiguientes mediciones areas y de campo, como se describe mas adelante. Cuanto ms detallado el mapa, ms fina la particin para los muestreos. A pesar de que son laboriosos para crear, los mapas de tipo de bosque raramente requieren de un re-desarrollo completo, a menos de que ocurra un cambio drstico en la cobertura boscosa. La mayora de los mapas de tipo de bosque estn disponibles en fuentes gubernamentales regionales y nacionales, organizaciones no gubernamentales o fuentes internacionales tales como el World Conservation Monitoring Center de las Naciones Unidas (http://www.unepwcmc.org/forest/global_map.htm) y el Global Land Cover 2000 de la Comisin Europea
Evaluacin de carbono en bosques tropicales 5

(http://bioval.jrc.ec.europa.eu/products/glc2000/products.php). La Figura 2 muestra un ejemplo de mapa desarrollado por el gobierno de Brasil. Los mapas de deforestacin y perturbaciones del bosque son ms difciles de obtener, pero son esenciales para desarrollar las estimaciones iniciales del stock de carbono regional. Varias tcnicas de satlite estn disponibles con resoluciones espaciales de < 10 m a 1.000 m o ms (revisado por Defries et al. 2005, Achard et al. 2007, GOFC-GOLD 2009). Para el mapeo de presencia/ausencia de bosque a niveles regional y nacional, es ventajoso usar satlites de resolucin moderada tales como Landsat (30m) y SPOT (10-20 m), pues estos sistemas logran mostrar claros en el bosque hasta una escala de 0,1 ha. Ms an, ciertos enfoques analticos recientes usan las mismas imgenes de resolucin moderada para resolver alteraciones en el bosque mucho ms finas causadas por la tala selectiva, aclaracin de pequea escala y otros procesos de uso de la tierra (Souza et al. 2005). El Sistema de Anlisis Landsat de Carnegie (CLAS) es uno de estos sistemas, que fue desarrollado para mapear las alteraciones del bosque tales como la tala selectiva (Asner et al. 2005, 2006). Recientemente, se cre CLASlite para generar el mapeo automatizado de la cobertura boscosa, la deforestacin y la perturbacin usando una amplia gama de sensores satelitales (http://claslite.ciw.edu). CLASlite es fcil de usar, est bien probado en computadores estndar de escritorio, es gratuito y actualmente est siendo diseminado entre agencias gubernamentales y no gubernamentales de Amrica del Sur. CLASlite se puede usar con una variedad de imgenes satelitales disponibles de forma gratuita, tales como Landsat, ASTER o MODIS, o con imgenes comerciales SPOT. Por ejemplo, las imgenes Landsat 5 y 7 estn disponibles de forma gratuita en el Geological Survey de los Estados Unidos (http://landsat.usgs,gov) y en el Instituto Brasilero de Investigacin Espacial (http://www.dgi.inpe.bra) Esto se discute mas adelante en la seccin sobre costos. En la Figura 3 se presentan resultados de imgenes tpicas de CLASlite usando imgenes Landsat 7 para un rea de muestra de 8.000 Km2 en el Amazonas brasilero oriental. Este anlisis fue hecho de forma completamente automatizada en 20 minutos, en una computadora estndar de escritorio y sin mayor entrenamiento tcnico (descrito en detalle por Asner et al 2009b). Se observa fcilmente en las imgenes CLASlite la cobertura boscosa, el rea deforestada para uso agrcola y de pastoreo y reas de perturbacin boscosa en este caso causadas principalmente por la tala selectiva. Es importante notar que cada pxel de una imagen CLASlite representa un porcentaje del dosel del bosque, vegetacin muerta y suelo descubierto (0-100% para cada uno de estos tipos de superficie). Los porcentajes indican precisamente la cantidad de dao en el bosque para cada pxel (Asner et al. 2004). Esto es crtico para delinear reas de aclaracin sistemtica (> 80% de prdida de cobertura boscosa en un pxel) en comparacin con la degradacin forestal asociada con la aclaracin parcial de un pxel. 3.2. Estratificacin del bosque y muestreo areo LiDAR Con el uso de los mapas derivados de CLASlite en combinacin con mapas del tipo de bosque, la regin puede estratificarse en unidades de mapeo LiDAR (Figura 1(b)). Estas unidades de mapeo varan en tamao e importancia regional y ofrecen al usuario una oportunidad para priorizarlas con base en una variedad de criterios tales como biomasa potencial, hotspots de biodiversidad, potencial de deforestacin o degradacin, y otros factores. La priorizacin de las unidades de mapeo LiDAR depender en gran medida de los intereses y necesidades especficos del usuario.
Evaluacin de carbono en bosques tropicales 6

Para fines de evaluaciones de carbono, se puede priorizar el mapa para cubrir reas de bosques intactos que albergan la mayor biomasa, as como reas de reciente tala selectiva o de crecimiento secundario, sometidas a una rpida acumulacin de carbono en los aos subsiguientes a la evaluacin de lnea base (Figura 4). El mapeo areo LiDAR incluye la planeacin del vuelo, calibracin de sensores, adquisicin de la data, calibracin de imgenes post-vuelo y las fases de generacin de data en tres dimensiones (revisado por Lefsky et al. 2002b). Existe un creciente nmero de sistemas LiDAR disponibles de forma comercial en todo el mundo que pueden ajustarse a estas tareas. De hecho, un anlisis de mercado reporta que entre 2005 y 2008 hubo un incremento del 75% del nmero de sistemas areos LiDAR y 53% de incremento en el volumen de operadores LiDAR a nivel mundial (http://www.caryandassociates.com/marketing_tools/market_reports/rpt4.html). Como resultado, los operadores LiDAR pueden ofrecer servicios de adquisicin de datos casi en cualquier parte del mundo hoy en da. La investigacin y los sistemas de demostracin, tales como el Observatorio Areo Carnegie (CAO; http://cao.ciw.edu), integran LiDAR con otros sensores e imgenes para facilitar el mapeo de la composicin del bosque y de la estructura en tres dimensiones, simultneamente (Asner et al. 2007). Independientemente de si la fuente es comercial, gubernamental o de investigacin, el LiDAR areo ofrece la oportunidad de mapear la estructura tridimensional del dosel del bosque en ms de 5.000 ha por da, con una resolucin espacial de 1,0 m. 3.3. Conversin de mediciones LiDAR a densidad de carbono sobre la superficie. Luego del muestreo areo de LiDAR del mapa forestal estratificado (Figura 4), los datos estructurales de tres dimensiones del dosel del bosque derivados de LiDAR se pueden usar para estimar la densidad de carbono areo (ACD, por sus siglas en ingls -medida en unidades de Mg de carbono ha-1). Este paso requiere un sistema de mediciones LiDAR. Las ecuaciones alomtricas basadas en tierra se han usado por aos para estimar la ACD a partir de medidas de campo de dimetros de rboles, altura y densidad de la madera (Brown y Lugo 1984, Chave et al. 2005). En contraste, las mediciones de LiDAR son nuevas, relacionan medidas areas de la estructura tridimensional del bosque, incluyendo la altura y el perfil vertical del dosel, con estimaciones de campo de ACD. Si bien la data bsica de LiDAR tpicamente se recolecta en una resolucin espacial equivalente a aproximadamente 1 m, usualmente las medidas LiDAR se promedian a nivel de parcela y luego se regresionan contra estimaciones de ACD a nivel de parcela (por ejemplo, 0,1 1,0 ha). Este enfoque es paralelo a los estudios de campo tradicionales que usan medidas manuales de dimetro y altura de rboles para estimar la biomasa a nivel de parcela. Hay muchas formas de convertir las medidas LiDAR en estimaciones de densidad de carbono sobre la superficie. Lefsky et al. (2002a) derivaron las medidas de tres biomas de bosques boreales y templados, generando la siguiente ecuacin general: ACD (Mg C ha-1) = 0,378 x MCH2 r2 = 0,84 p < 0,001

(eq. 1)

Evaluacin de carbono en bosques tropicales

donde MCH es la altura promedio del perfil vertical del dosel derivada de las medidas de LiDAR areo. Esta es solo una de las diferentes medidas del perfil vertical del dosel desarrolladas desde LiDAR, que se muestra aqu simplemente como una ilustracin. Para una presentacin detallada de esta y otras mediciones, vase Lefsky et al. (2002a, 2002b). El desarrollo de las mediciones genricas de LiDAR para bosques tropicales ha sido un reto mayor. A pesar de que algunas ecuaciones fueron desarrolladas por Drake et al. (2003) para bosques tropicales hmedos y lluviosos, emplearon una tcnica LiDAR nica del programa de investigacin de la NASA; esto es, usaron tecnologa que no se emplea ampliamente en el sector comercial. Para soportar el mapeo de carbono para REDD se requerir LiDAR comercial. Para superar esta brecha, Asner et al. (2009a) han derivado ecuaciones que relacionan mediciones LiDAR areas de tipo comercial con densidades de carbono, para bosques tropicales de tierra baja a montanos: ACD (Mg C ha-1) = 0,844 x MCH2 r2 = 0,80, p < 0,01

(eq. 2)

A pesar de que las ecuaciones (1) y (2) se muestran como ejemplos comparables, es de notar que en la ecuacin 2 vara la escala de las estimaciones de carbono de mediciones LiDAR a una tasa 2,2 veces mayor que para bosques templados y boreales de Lefsky et al. (2002a). Esto es causado por las diferencias dependientes de la densidad de madera, dimetro del tallo y el nmero de rboles por unidad de rea (por ejemplo, bosques boreales conferos vs. bosques tropicales de tierras bajas). Esto sugiere que las parcelas de campo son necesarias para ajustar la pendiente de la relacin entre MCH2 y la densidad de carbono sobre la superficie para diferentes tipos de bosques. Las parcelas de campo se pueden establecer en cualquier parte dentro del rea de cobertura del LiDAR, pero deberan cubrir una gama de niveles de biomasa aparente, desde bajo hasta alto. Un nmero relativamente pequeo de parcelas que cubren los niveles de biomasa encontrados en un tipo de bosque (por ejemplo, menos que 10) puede incrementar la precisin de las ecuaciones de conversin LiDAR-en-biomasa hasta en un 40%. Este punto sigue siendo intensamente investigado, pero cada vez es ms claro que la nocin tradicional de que se requieren cientos de parcelas por tipo de vegetacin no est soportada por la literatura actual de LiDAR, por lo tanto disminuye la necesidad de programas prolongados de medicin y monitoreo en bosques. El LiDAR se convierte en el enfoque regional de muestreo, en el que las parcelas de campo ayudan a calibrar el LiDAR con las condiciones del bosque. Una gran ventaja de este enfoque es que LiDAR puede mapear miles de hectreas de bosque por da, mientras que con las parcelas de campo no se puede lograr la misma cobertura geogrfica. Los resultados de este paso de mapeo LiDAR incluyen estimaciones de densidad de carbono sobre la superficie con una resolucin de 0,1 1,0 ha, junto con valores de error derivados de la incertidumbre en las ecuaciones de conversin LiDAR-en-biomasa que se emplean. La Figura 5 muestra un ejemplo de un mapa de 5.000 ha de densidades de carbono en el bosque en pie con una resolucin de 0,1 ha, para un gradiente de tipos de bosque nublado de tierras bajas a montanos en la Isla de Hawai. La distribucin resultante de densidades de carbono sobre la superficie se muestra en el panel inferior izquierdo. Las actuales incertidumbres estimadas en la relacin entre la estructura del bosque de LiDAR areo y el ACD varan entre aproximadamente 10-15% para bosques templados y boreales (Lefsky et al. 2002a, Popescu et al. 2004 y muchos
Evaluacin de carbono en bosques tropicales 8

mas) hasta 8-25% en bosques tropicales (Drake et al. 2003, Asner et al. 2009a). Es importante destacar que estas incertidumbres son similares a la variacin del error reportado en estimaciones basadas en parcelas de ACD. Por ejemplo, Brown y Lugo (1984) estiman un 20% de incertidumbre en las estimaciones de biomasa en pie derivadas de volmenes forestales; Chave et al. (2005) estiman errores estndar en biomasa en pie del 20%; y Keller et al. (2001) reportan hasta un 50% de incertidumbre en un estudio muy detallado de biomasa de una gran rea en el Amazonas brasilero central. En resumen, los enfoques de estimacin LiDAR-en-biomasa pueden ser tan certeros como los enfoques medicin-en-biomasa (alomtricos) usados a nivel de parcela. 3.4. Integracin de la data de LiDAR y de satlite. Luego del mapeo con LiDAR, la distribucin estadstica de las densidades de carbono muestreadas se puede aplicar a una imagen de satlite para producir un mapa de stocks de carbono sobre la superficie, junto con los lmites de incertidumbre. La Figura 6 muestra una imagen regional simulada del stock de carbono de un bosque. El mapa genera la distribucin regional de cobertura boscosa, reas deforestadas y bosque alterado por tala selectiva. Tambin hay reas de crecimiento de bosque secundario. Las distribuciones de la densidad de carbono se muestran en los paneles inferiores, con un cdigo de colores que concuerda con la estratificacin detallada del bosque. El mapa de lnea base de carbono sobre la superficie simulado en la Figura 6 cubre un rea de 8.000 km2 en el Amazonas brasilero. La cantidad de mapeo areo LiDAR que se requiere para aplicar las distribuciones de los stocks de carbono a la imagen de satlite depende de las proporciones relativas de cada estrato del bosque, la intensidad y diversidad de las actividades de uso de la tierra dentro de cada estrato, y el nfasis relativo que se pone en estas reas para la contabilidad del carbono. El tipo original de bosque y el proceso de estratificacin de la cobertura boscosa ilustrada en las Figuras 2-4 determina la particin de la cobertura de LiDAR. En un mismo estrato del bosque, los requerimientos de cobertura de LiDAR estn dictados por la necesidad de lograr una distribucin estadstica robusta de las densidades de carbono estimadas. En el Amazonas central, Keller et al. (2001) demostraron que 1,3% del bosque de tierra firme requera de censos para lograr una representacin estadstica de un rea de 392 ha. Las estimaciones de un bosque hmedo tropical de 5.000 ha sugieren que un muestreo LiDAR de menos del 1% de cada estrato del bosque (por ejemplo, bosque de tierras bajas intactos, bosques de cinagas, bosques montanos, etc.) generan distribuciones de densidad de carbono estadsticamente similares a las de cada tipo de bosque (derivado de Asner et al. 2009). A continuacin del mapeo del carbono sobre la superficie, es posible estimar las densidades subsuperficiales de carbono, as como las densidades de carbono para desechos gruesos de madera y otros desechos orgnicos superficiales. El IPCC (2006) ha generado factores de escala que pueden aplicarse a la imagen de las densidades de carbono sobre la superficie. Por ejemplo, se estima que la densidad del carbono sub-superficial es 0,37 veces la densidad del carbono sobre la superficie para un bosque nublado tropical (Mokany et al. 2006), en apoyo al anlisis de Nivel II. El modesto nmero de parcelas de campo usadas en el paso de calibracin del LiDAR descrito anteriormente tambin se puede usar para mejorar las estimaciones de las densidades de carbono en desechos sub-superficiales y superficiales (IPCC 2006), siempre que el tiempo y los recursos lo permitan, y apuntar hacia una precisin de tipo Nivel III.
Evaluacin de carbono en bosques tropicales 9

4. Monitoreo de las Ganancias y Prdidas del Carbono del Bosque Siguiendo la evaluacin del mapeo de la lnea base de carbono, se requieren dos esfuerzos de medicin para rastrear las prdidas y ganancias de carbono en el futuro. Las prdidas de carbono se pueden monitorear con el uso de tecnologa satelital. La aclaracin y la degradacin del bosque se pueden mapear en alta resolucin de forma anual, o ms frecuentemente, dependiendo de las necesidades y disponibilidad de imgenes de satlite (Defries et al. 2005, GOFC-GOLD 2009). Por ejemplo, los mapas de deforestacin y degradacin derivados de CLASlite pueden aplicarse al mapa de lnea base de stock de carbono para estimar las emisiones de carbono a la atmsfera (Figura 7). Entre los escollos se incluye la incertidumbre al convertir las medidas de satlite de degradacin forestal a prdida de carbono, si bien el IPCC (2006) ha establecido lineamientos sobre cmo hacer esta contabilidad. Un enfoque conservador y cuantitativo para monitorear las emisiones de carbono luego de una evaluacin de lnea base, consiste en multiplicar la prdida fraccionada del dosel en cada pxel de CLASlite por el valor de densidad de carbono derivado del mapa de lnea base de carbono. Por ejemplo, un pxel puede mostrar la transicin de una cobertura boscosa del 100% (lnea base CLASlite) con 50 Mg C pxel-1 (lnea base LiDAR) a 50% de cobertura boscosa luego de una tala selectiva, resultando en un estimado de 25 Mg C emitidos a la atmsfera. La precisin se puede aumentar a travs de una evaluacin rpida en campo de las verdaderas prdidas de carbono. La evaluacin a largo plazo de las ganancias de carbono del bosque requiere que en la regin se monitoree constantemente la aparicin del crecimiento secundario luego de la aclaracin; las imgenes de satlite multi-temporales pueden incrementar esta capacidad. Un segundo requerimiento es estimar la acumulacin del stock de carbono por pxel. Muchos modelos y ecuaciones estn disponibles para apoyar este enfoque y estos modelos pueden tomar en consideracin el tipo de bosque y de suelo as como el clima (Angelsen et al. 2009). El IPCC (2006) ha generado lineamientos para incrementar las reservas de carbono. La produccin de madera almacenada, desechos de madera en la superficie y otros desechos pueden seguir usando enfoques simples contables (por ejemplo, Houghton et al. 2000), o con modelos orientados por procesos detallados (por ejemplo, Huang et al. 2008). Independientemente del enfoque del modelo, debe considerarse como una actividad primordial un programa de monitoreo continuo por satlite de la aclaracin, tala y otras perturbaciones, as como la recuperacin, con un continuo modelaje y verificacin de campo. Una inversin modesta en monitoreo satelital disminuye efectivamente el requerimiento de inventarios de campo intensivos en trabajo y disminuye la dependencia de los modelos de crecimiento del bosque. 5. Costos Los costos de implementar este mtodo para evaluaciones de lnea base de alta resolucin estn disminuyendo rpidamente. El costo de datos satelitales est disminuyendo y las principales fuentes de datos son ahora gratuitas para los usuarios finales. Si bien desarrollar, usar y mantener satlites implica un alto costo, los gobiernos responsables hacen que los datos estn disponibles
Evaluacin de carbono en bosques tropicales 10

en Internet. Ejemplos de ello son Landsat 5 y 7 y CBERS-1 y 2 de China y Brasil. La siguiente generacin de Landsat, llamada la Misin de Continuidad de Datos Landsat (LDCM, por sus siglas en ingls, http://landsat.usgs.gov) se est construyendo actualmente y se lanzar en 2012, y la siguiente lnea de sensores CBERS est en desarrollo (http://www.cbers.inpe.br). Otros operadores comerciales como SPOT Image Corporation, aunque no de forma gratuita, cada vez ms estn haciendo pblica su data y tienen planes avanzados para los nuevos SPOT 6 y 7. Otros sensores tambin estn disponibles (GOFC-GOLD 2009). El costo de analizar la data satelital de cobertura, deforestacin y degradacin del bosque tambin est disminuyendo rpidamente. La Institucin Carnegie est poniendo CLASlite a la disposicin de gobiernos y organizaciones no gubernamentales de forma gratuita, a lo largo de la regin amaznica (http://landsat.gsfc.nasa.gov/news/news-archives/news_0182.html). El Instituto Brasilero de Investigacin Espacial (INPE: http://www.inpe.br) y la organizacin brasilera IMAZON (http://www.imazon.org.br) tambin estn poniendo a la disposicin sus programas de anlisis de cobertura boscosa. Hay un pequeo costo inicial de entrenamiento y la necesidad de una conexin de Internet, pero los mtodos ya estn muy automatizados y pueden ser operados por un tcnico entrante. LiDAR es una tecnologa de imgenes areas que, al igual que la tecnologa de fotografa area de los aos 1970s -1980s, se est expandiendo rpidamente por todo el mundo para su uso en una amplia gama de sectores ambientales. El LiDAR areo ya se usa ampliamente para mapear infraestructura, incluyendo tendidos elctricos, represas y ciudades, as como terrenos y actividad forestal. Como tal, la base comercial es muy fuerte, y est soportando tanto la explosin de las tecnologas LiDAR en muchos pases (en todos los continentes) como la enseanza de la siguiente generacin de especialistas en sensores remotos. Este gran apoyo comercial es inusual en la teledeteccin espacial y habla de la eficacia de la tecnologa. Ahora hay muchas compaas de mapeo LiDAR areo esparcidas en las Amricas, Europa, Asia, frica, Australia y el Pacfico (http://www.airbornelasermapping.com). Actualmente, el Observatorio Areo Carnegie puede operar su LiDAR, procesar la data y proveer mapas de estructura del bosque a un costo de menos de US$0,20 por hectrea, sin incluir el costo de traslado de la aeronave y los sensores al teatro de operaciones. Esto sugiere que un gobierno o grupos comerciales LiDAR pueden operar en sus pases a costos similares o menores. Estos costos estn disminuyendo ms an con la nueva generacin de mtodos de procesamiento completamente automatizados (http://www.ncalm.org). Los mtodos podran diseminarse de forma paralela a la diseminacin de los enfoques de mapeo satelital automatizado que apoyan las evaluaciones y monitoreo de REDD. Estos avances en la automatizacin disminuirn la dependencia en los especialistas, as como hemos visto con el mapeo satelital de la deforestacin, resultando en costos de mapeo LiDAR tan bajos como US$ 0,05 por hectrea. Aun ms all del LiDAR areo, hacia el ao 2015 puede estar disponible una nueva tecnologa LiDAR espacial apoyada por gobiernos, para medir la estructura de los bosques a nivel mundial (http://desdyni.jpl.nasa.gov). El LiDAR espacial proveer el gran beneficio adicional de permitir la continua reevaluacin de las densidades de carbono en una forma espacialmente explcita y contigua.

Evaluacin de carbono en bosques tropicales

11

Los costos de parcelas bien mantenidas para inventarios de campo sigue siendo altamente variable, pero no ser menor que el costo de LiDAR. Tmese en cuenta el hecho de que el LiDAR areo puede cubrir mas bosque en un da (mas de 5000 ha) de lo que podra cubrirse en tierra con el mismo nmero de personas, combinado con el hecho de que los mtodos de inventario de biomasa sobre la superficie no resultan ser ms precisos que los enfoques basados en LiDAR (discutidos anteriormente), y pareciese que los mtodos son cada vez mas intercambiables o al menos altamente compatibles. Las parcelas de campo aun se requieren para calibrar y validar las mediciones LiDAR de biomasa, pero el nmero de parcelas se reduce, pues es menos necesario muestrear el bosque con parcelas, sino mas bien enfocarse en las parcelas para calibrar el LIDAR. As, el LiDAR se convierte en el paso de muestreo (o mapeo) en lugar de las parcelas. El monitoreo del carbono del bosque de Niveles II/III de IPCC actualmente se considera como un reto tcnico, potencialmente intensivo en trabajo y por tanto una labor costosa. He propuesto que una combinacin de la tecnologa de monitoreo satelital gratuita con el mapeo areo poco frecuente puede proveer estimaciones de carbono de lnea base y mejorar el monitoreo de los stocks, prdidas y recuperaciones de carbono en bosques. Estas herramientas estn disponibles ahora, y se pueden implementar en cualquier regin del mundo, haciendo del monitoreo de Niveles II/III una realidad. Agradecimientos Agradezco a Sandra Brown, Guayana Pez-Acosta, George Powell, Roberta Martin y dos revisores annimos por sus crticos comentarios para mejorar este trabajo. El entrenamiento y capacitacin en CLASlite se desarrolla con agencias gubernamentales y no gubernamentales de la regin Andino-Amaznica. Este trabajo cuenta con el apoyo de la Fundacin Gordon y Betty Moore.

Evaluacin de carbono en bosques tropicales

12

FIGURAS:

Figura 1. Diagrama de flujo ilustrado que muestra un enfoque para: (a) evaluar la cobertura y perturbaciones del bosque con imgenes de satlite, (b) estratificar el paisaje boscoso, (c) muestrear los principales tipos de bosque con el Mtodo de Deteccin y Medicin de Distancias por Luz (LiDAR), y (d) estimar stocks de carbono de lnea base en la regin de inters. (1(a), Tipos de Bosque, Mapeo CLASlite; 1(b) Estratificacin del Bosque; 1(c) Densidades de Carbono, Muestreo LIDAR; 1(d) Lnea Base de Stocks de Carbono)

Evaluacin de carbono en bosques tropicales

13

Leyenda: BosqueTropicalMontanoDenso(Dm) BosqueTropicalSubmontanoDenso(Ds) BosqueTropicaldeTierrasBajasDenso(Db) BosqueAluvialDenso(Da) BosqueTropicalDensoconVegetacinSecundaria(D) BosqueSubmontanoAbierto(Aa) BosqueAbiertodeTierrasBajas(Ab) BosqueTropicalAbiertoconVegetacinSecundaria(A) BosqueDeciduoMontanoEstacional(Cm) BosqueDeciduoSubmontanoEstacional(Cs) BosqueDeciduoEstacionalconVegetacinSecundaria(C) BosqueSubmontanoSemideciduoEstacional(Fs) BosqueSemideciduoEstacionalconVegetacinSecundaria(F) BosqueSemideciduodeTierrasBajasEstacional(Fb) BosqueSemideciduoAluvialEstacional(Fa) BosqueSemideciduoMontanoEstacional(Fm) Campinarana,conBosque(Ld) Campinarana(La) Campinarana,HerbceayconMadera(Lg) Sabana,conBosque(Sd) SabanaconActividadesAgrcolas(S) Sabana(Sp) Sabana,HerbceayconMadera(Sg) Sabana,conMadera(Sa) Estepa,conMadera(Ea) Estepa(Ep) EstepadeSabana(Tp) EstepadeSabana,conBosque(Td) VegetacinconInfluenciaFluviomarina(Pf) VegetacinconInfluenciaFluvialoLacustre(Pa) readeContacto:BosqueDensoBosqueEstacional(ON) readeContacto:SabanaBosqueEstacional(SN) readeContacto:CampinaranaBosqueDenso(LO) readeContacto:SabanaBosqueDenso(SO) readeContacto:BosqueEstacionalRestinga(NP) readeContacto:SabanaBosqueMixto(SM) readeContacto:EstepaBosqueEstacional(EN) Agua reaEnmascarada

Figura 2. Ejemplo de mapa de un bosque y otros tipos de ecosistemas en el Amazonas brasilero legal (IBGE 1993).

Evaluacin de carbono en bosques tropicales

14

Figura 3. Ejemplo de resultados de imgenes de CLASlite para una regin de 8.000 km2 del este del Amazonas brasilero. El panel superior muestra la ubicacin de sta rea en Amrica del Sur; el panel del centro muestra la regin completa; el panel inferior muestra una imagen ampliada de 1.500 km2. Las imgenes de CLASlite proveen un porcentaje de cobertura de dosel de vegetacin viva/de bosque, muerta o senescente, y suelos descubiertos. Las reas recientemente deforestadas o quemadas son evidentes con grandes fracciones de suelos descubiertos (rojos y magenta); el crecimiento del bosque es aparente en la forma de grandes fracciones de dosel (verde) entrelazadas con suelos expuestos (amarillos); bosques talados de forma selectiva (patrones azules en el bosque); y bosques intactos (verde casi slido).

Evaluacin de carbono en bosques tropicales

15

Deforestacin Degradacin Reciente Degradacin Previa Crecimiento Secundario Bosque Intacto

Figura 4. Estratificacin de la regin boscosa usando un mapa de tipo forestal de la Figura 2 y resultados de CLASlite de la Figura 3. Las lneas blancas indican la delineacin general entre las tierras altas (terra firma) y las reas bajas/de drenaje.

Evaluacin de carbono en bosques tropicales

16

Figura 5. Mapa de la biomasa sobre la superficie (Mg C ha-1; 1 Mg = 1 ton mtrica) con una resolucin de 0,1 ha, derivado de LiDAR areo, y la relacin entre el perfil vertical del dosel y la densidad del carbono sobre la superficie estimado en campo (derecha inferior). Esta imagen se compil a lo largo de las laderas orientales del Volcn Mauna Kea, en la Isla de Hawai. La distribucin de la biomasa sobre la superficie en bosques nublados de crecimiento grande/viejo, ms pequeo/intacto y abierto/alterado se muestra en el panel inferior izquierdo. (Grficos a la izquierda, de arriba abajo: Bosque Grande, de Crecimiento Viejo; Bosque Mas Pequeo, Intacto; Bosque Abierto, Alterado. Eje X: Densidad de Carbono sobre la Superficie (Mg C ha-1); Eje Y: Conteo. Grfico de la Derecha, inferior: Eje X: LiDAR; Eje Y: Densidad de Carbono AC (Mg C ha-1))

Evaluacin de carbono en bosques tropicales

17

Figura 6. Simulacin de un paisaje de carbono, derivado de imgenes CLASlite tomadas en una regin de 8.000 km2 del Amazonas brasilero oriental. Los histogramas simulan las distribuciones de la densidad de carbono sobre la superficie para cada estrato de cobertura de tierra; se han aplicado para esta demostracin, usando data de LiDAR areo colectada en Hawai. (Grficos, de izquierda a derecha: Bosque Intacto, Tala Selectiva, Crecimiento Secundario, Aclaramiento Parcial, Totalmente Aclarado)

Evaluacin de carbono en bosques tropicales

18

Imagen zoom con fondo negro para destacar el monitoreo del bosque a escala fina con CLASlite

Crecimiento secundario 2000-2002 Deforestacin/degradacin 2000-2001 Deforestacin/degradacin 2001-2002 Bosque Intacto Deforestacin antes de la lnea base

Figura 7. Monitoreo de largo plazo usando mapeo LiDAR de deforestacin y degradacin desde 1999 hasta 2002, para una regin de 8.000km2 del Amazonas brasilero oriental. Una ampliacin del la imagen (izquierda superior, negro) muestra el detalle de la degradacin forestal, con cdigos de color similares al mapa de deforestacin, revelando una prdida del dosel del bosque de baja escala, a nivel de sub-pxel, producto de la tala selectiva. Estos mapas se pueden usar fcilmente para estimar emisiones de carbono a partir del mapa de lnea base en la Figura 6.

Evaluacin de carbono en bosques tropicales

19

Referencias
Achard, F., R. Defries, H. Eva, M. Hansen, P. Mayaux, & H.-J. Stibig. 2007. Pan-tropical monitoring of deforestation. Environmental Research Letters 2:1-11. Angelson, A., Brown, S., Loisel, C., Peskett, L., Streck, C. & Zarin, D. 2009. Reducing Emissions from Deforestation and Forest Degradation (REDD): An Options Assessment Report. Prepared for the Government of Norway by the Meridian Institute, March 2009. Available for download at http//:www.REDD-OAR.org; ISBN 978-0-615-2851-4 Asner, G. P., E. N. Broadbent, P. J. C. Oliveira, M. Keller, D. E. Knapp, & J. N. M. Silva. 2006. Condition and fate of logged forests in the Brazilian Amazon. Proceedings of the National Academy of Sciences 103:12947-12950. Asner, G.P., R.F. Hughes, T.A. Varga, D.E. Knapp, & T. Kennedy-Bowdoin. 2009a. Environmental and biotic controls over aboveground biomass throughout a rainforest. Ecosystems 12:261-278. Asner, G. P., M. Keller, R. Pereira, J. C. Zweede, & J. N. M. Silva. 2004. Canopy damage and recovery after selective logging in Amazonia: Field and satellite studies. Ecological Applications 14:S280- S298. Asner, G.P., Knapp, D.E., Balaji, A. & G. Pez-Acosta. 2009b. Automated mapping of tropical deforestation and degradation: CLASlite. J. Appl. Remote Sens. vol. 3 (033543), 24pp.

(doi:10.1117/1.3223675)
Asner, G. P., D. E. Knapp, E. N. Broadbent, P. J. C. Oliveira, M. Keller, & J. N. M. Silva. 2005. Selective logging in the Brazilian Amazon. Science 310:480-482. Asner, G.P., D.E. Knapp, M.O. Jones, T. Kennedy-Bowdoin, R.E. Martin, J. Boardman, & C.B. Field. 2007. Carnegie Airborne Observatory: In-flight fusion of hyperspectral imaging and waveform light detection and ranging (wLiDAR) for three-dimensional studies of ecosystems. Journal of Applied Remote Sensing 1 (doi: 10.1117/1.2794018) Brown, I.F., Martinelli, L.A., Thomas, W.W., Moreira, M.Z., Ferreira, C.A & R.A. Victoria. 1995 Uncertainty in the biomass of Amazonian forests: an example from Rondonia, Brazil. Forest Ecol. Manag. 75:175-189 Brown, S., & A. E. Lugo. 1984. Biomass of tropical forests: a new estimate based on forest volumes. Science 223:1290-1293. Brown, S., T. Pearson, D. Slaymaker, S. Ambagis, N. Moore, D. Novelo, & W. Sabido. 2005. Creating a virtual tropical forest from three-dimensional aerial imagery to estimate carbon stocks. Ecological Applications 15:1083-1095. Cairns, M.A., Brown, S., Helmer, E.H. & G.A. Baumgardner. 1997. Root biomass allocation in the worlds upland forests. Oecologia 111:1-11. Chambers, J.Q., G.P. Asner, D.C. Morton, L.O. Anderson, S.S., Saatchi, D.B., Espirito-Santo, M. Palace, & C. Souza Jr. 2007. Regional ecosystem structure and function: Ecological insights from remote sensing of tropical forests. Trends in Ecology and Evolution 22(8):414-423. Chave, J., Andalo, C., Brown, S., Cairns, M. A., Chambers, J. Q., Eamus, D., Flster, H., Fromard, F., Higuchi, N., Puig, H., Rira, B. & T. Yamakura. 2005. Tree allometry and improved estimation of carbon stocks and balance in tropical forests. Oecologia 145:87-99. DeFries, R., Asner, G.P., Achard, F., Justice, C., Laporte, N., Price, K., Small, C., & J. Townshend. 2005. Monitoring tropical deforestation for emerging carbon markets. Tropical Deforestation and Climate Change. P. Moutinho and S. Schwartzman (eds.) Amazon Institute for Environmental Research, Belm, Brazil. Drake, J. B., Knox, R. G., Dubayah, R. O., Clark, D. B., Condit, R., Blair, J. B., & M. Hofton. 2003. Above-ground biomass estimation in closed canopy neotropical forests using LiDAR remote sensing: Factors affecting the generality of relationships. Global Ecology and Biogeography 12:147-159. Gibbs, H. K., Brown, S., Niles, J. O., & J. A. Foley. 2007. Monitoring and estimating tropical forest carbon stocks: making REDD a reality. Environmental Research Letters 2:1-13.
Evaluacin de carbono en bosques tropicales 20

GOFC-GOLD. 2009. Reducing greenhouse gas emissions from deforestation and degradation in developing countries: a sourcebook of methods and procedures for monitoring, measuring and reporting. GOFC-GOLD Report version COP14-2. GOFC-GOLD Project Office, Natural Resources Canada, Alberta, Canada. Hirsch, A.I., Little, W.S., Houghton, R.A., Scott, N.A. & J.D. White. 2004. The net carbon flux due to deforestation and forest re-growth in the Brazilian Amazon: analysis using a process-based model. Glob. Change Biol. 10:908-924 Houghton, R. A., Skole, D. L., Nobre, C. A., Hackler, J. L., Lawrence, K. T., & W. H. Chomentowski. 2000. Annual fluxes of carbon from deforestation and regrowth in the Brazilian Amazon. Science 403:301-304. Huang, M., Asner, G.P., Keller, M., & J.A. Berry. 2008. An ecosystem model for tropical forest disturbance and selective logging. Journal of Geophysical Research 113 (doi:10.1029/ 2007JG000438) IBGE. 1993. Mapa de Vegetacao do Brasil (Vegetation Map of Brazil). 2nd ed. Instituto Brasiliero de Geografia e Estatistica (Brazilian Institute of Geography and Statistics). IPCC. 2006. IPCC Guidelines for National Greenhouse Gas Inventories. Prepared by the National Greenhouse Gas Inventories Programme, Eggleston, H. S., L. Buendia, K. Miwa, T. Ngara, & K. Tanabe (eds.), IGES, Japan. Keller, M., Asner, G.P., Silva.N. & M. Palace. 2004. Sustainability of selective logging of upland forests in the Brazilian Amazon: carbon budgets and remote sensing as tools for evaluating logging effects. Working Forests in the Neotropics: Conservation Through Sustainable Management? D.J. Sarin, J.R.R. Avalapati, F.E Putz & M.E Schmink (eds). New York: Columbia University Press pp 41-63. Keller, M., Palace, M., & G. Hurtt. 2001. Biomass estimation in the Tapajos National Forest, Brazil: Examination of sampling and allometric uncertainties. Forest Ecology and Management 154:371-382. Lefsky, M. A., Cohen, W. B., Harding, D. J., Parker, G. G., Acker, S. A., & S. T. Gower. 2002a. LiDAR remote sensing of above-ground biomass in three biomes. Global Ecology and Biogeography 11:393399. Lefsky, M. A., Cohen, W. B., Parker, G. G., & D. J. Harding. 2002b. LiDAR remote sensing for ecosystem studies. BioScience 52:19-30. Mokany, K., Raison, J.R., & A.S. Prokushkin. 2006. Critical analysis of root:shoot ratios in terrestrial biomes. Global Change Biology 12:84-96. Olander, L. P., Gibbs, H. K., Steininger, M. K., Swensen, J. J., & B. C. Murray. 2008. Reference scenarios for deforestation and forest degradation in support of REDD: a review of data and methods. Environmental Research Letters 3 (doi:10.1088/1748-9326/1083/1082/025011). Phillips, O.L., Malhi, Y., Higuchi, N., Laurance, W.F., Nez, P.V., Vsquez, R.M., Laurance, S.G., Ferreira, L.V., Stern, M., Brown, S. and J. Grace. 1998. Changes in the carbon balance of tropical forests: evidence from long-term plots. Science 282:439-442. Popescu, S.C., Wynne, R.H. & J.A. Scrivani. 2004. Fusion of small-footprint LiDAR and multispectral data to estimate plot-level volume and biomass in deciduous and pine forests in Virginia, USA. Forest Sci. 50: 551-565 Saatchi, S.S., Houghton, R.A., Dos Santos Alvala, R.C., Soares, J.V. & Y. Yu. 2007. Distribution of aboveground live biomass in the Amazon basin Glob. Change Biol. 13: 816-837. Souza, C., Roberts, D. A., & M. A. Cochrane. 2005. Combining spectral and spatial information to map canopy damages from selective logging and forest fires. Remote Sensing of Environment 98:329-343.

Evaluacin de carbono en bosques tropicales

21