Bibliographic citations
Marín, J., (2021). Modelamiento estructural de la complejidad, conectividad y carbono en bosques intervenidos de la Amazonía Peruana [Universidad Nacional Agraria La Molina]. https://hdl.handle.net/20.500.12996/4830
Marín, J., Modelamiento estructural de la complejidad, conectividad y carbono en bosques intervenidos de la Amazonía Peruana []. PE: Universidad Nacional Agraria La Molina; 2021. https://hdl.handle.net/20.500.12996/4830
@misc{sunedu/3013486,
title = "Modelamiento estructural de la complejidad, conectividad y carbono en bosques intervenidos de la Amazonía Peruana",
author = "Marín Díaz, Jesús Miguel",
publisher = "Universidad Nacional Agraria La Molina",
year = "2021"
}
A pesar de las múltiples investigaciones orientadas a los bosques amazónicos, aún existen muy pocos estudios que evalúen la conectividad estructural, como mecanismo que influye en la diversidad o en el almacenamiento de carbono. A fin de evaluar si tal interrelación existe, se levantaron parcelas temporales en bosques sujetos a intervención antrópica, distribuidas en el distrito de Yurimaguas (Loreto, Perú), zona que representa un gran mosaico de actividades agropecuarias (cultivos transitorios y permanentes, plantaciones forestales, pastizales, ganadería, palma aceitera) incrustadas en pleno bosque amazónico. De este modo, tanto el stock de carbono como la complejidad estructural fueron calculados por medio de atributos estructurales, utilizando información típica (diámetros, alturas, coordenadas e identificación botánica, principalmente) que suele colectarse en inventarios forestales. En el caso de la conectividad, utilizando imágenes RapidEye® y realizando un análisis en conjunto de la teoría de grafos con patrones morfoespaciales, fue posible evaluar el paisaje de forma automática, identificando la importancia relativa de cada parche de bosque. La interrelación de parámetros fue posible gracias a la especificación de un modelo de ecuaciones estructurales (SEM). El modelo permitió corroborar un fuerte efecto directo de la complejidad sobre el carbono aéreo (AGC) (β=0,760) y el carbono subterráneo (BGC) (β=0,565); a su vez cuantificó un considerable efecto total de la conectividad sobre AGC (β=0,495); en contraste a BGC (β=0,234), presentándose además un desacoplamiento total (β=0,04) en la interacción entre AGC y BGC. Este estudio presenta una metodología detallada del desarrollo de un índice de complejidad estructural, que permitió calificar y discriminar bosques bajo un patrón común de comparación. A la par se desarrolló un amplio estudio de conectividad estructural, con la capacidad de identificar elementos de gran importancia sobre el paisaje forestal. El uso de ambas métricas permitiría el desarrollo de instrumentos de gestión alineados a un manejo forestal más adecuado.
This item is licensed under a Creative Commons License