Resumen

PEREZ-VAZQUEZ, Zaira Rosario et al. Enfoque espacial para modelación de carbono en el mantillo de bosques bajo manejo forestal maderable. Madera bosques [online]. 2021, vol.27, n.1, e2712122.  Epub 27-Sep-2021. ISSN 2448-7597.  https://doi.org/10.21829/myb.2021.2712122.

El piso forestal o mantillo es el almacén de carbono que regula la mayoría de los procesos funcionales de los ecosistemas forestales, influyendo directamente en la fertilidad del suelo y en la productividad del sitio. El contenido de carbono en el piso forestal es altamente variable en espacio y tiempo; por ello, obtener evaluaciones precisas del carbono contenido en este almacén representa un desafío metodológico importante a cualquier escala. En este estudio, se compararon cuatro métodos de modelación espacial para mapear el contenido de carbono en el piso forestal de un bosque templado. Los métodos fueron kriging ordinario, modelo lineal generalizado, modelo aditivo generalizado y random forest. Las estimaciones del contenido de carbono fueron realizadas para 2013 y 2018. Las variables predictoras representan la estructura espacial, del dosel y topográfica presente en el área de estudio. Todos los modelos fueron evaluados mediante validación cruzada y se determinó el error medio absoluto, el error cuadrático medio y el coeficiente de determinación. El desempeño de los métodos fue, en orden decreciente: random forest, modelo aditivo generalizado, modelo lineal generalizado y kriging ordinario. El método kriging ordinario reflejó el grado de dependencia espacial del contenido de carbono, pero las estimaciones espaciales fueron poco realistas (R2 ≤ 0.35). El modelo aditivo generalizado y el modelo lineal generalizado mostraron buen desempeño (R2 ≥ 0.70), pero mayor sobreestimación; random forest obtuvo el mejor ajuste (R2 ≥ 0.86) para modelar contenido de carbono en ambos años evaluados. Se concluye que random forest es un método prometedor, con gran potencial para mejorar las estimaciones de carbono en el mantillo a escala de paisaje.

Palabras llave : almacenes de carbono; geoestadística; modelo aditivo generalizado; modelo lineal generalizado; random forest; variabilidad espacial.