Analysis of environmental predictors derived by remote sensing and its relationship with periodic annual growth of stands of Nothofagus obliqua in the andean foothills of maule region, Chile

Memoria para optar al título profesional de Ingeniero en Recursos Naturales RenovablesEl roble (Nothofagus obliqua (Mirb.) Oerst.) es una de las especies arbóreas más abundantes en los bosques del centro-sur de Chile, y posee un gran potencial de producción forestal, sin embargo, su distribución se ha visto seriamente amenazada debido a la habilitación de tierras agrícolas y plantaciones forestales exóticas. El crecimiento de esta especie se evalúa usualmente mediante modelos dasométricos basados en información in-situ, sin embargo, el uso de la teledetección se muestra como una valiosa alternativa a la hora de representar procesos biofísicos vinculados al crecimiento de la vegetación. El propósito de esta investigación es analizar la información del crecimiento volumétrico de rodales de Nothofagus obliqua con información derivada de sensores remotos como predictores de las condiciones ambientales en la precordillera de los Andes de la Región del Maule. Se definieron 100 parcelas de al menos 200 m2 distribuidos en diferentes índices de ocupación donde se tomaron datos dasométricos y dendrocronológicos para el cálculo del crecimiento. Se evaluaron 17 predictores topográficos derivados de datos LiDAR y tres predictores espectrales, GNDVI, NVDI y fracción evaporativa derivadas de seis imágenes del sensor ASTER que abarcaban un periodo de 10 años. De estos se derivaron además estadígrafos básicos además de matrices de ocurrencia y co-ocurrencia generando un total de 74 predictores espacio-temporales. Un modelo de regresión que representa el diagrama de densidad de manejo fue generado con los datos de crecimiento anual periódico y de densidad relativa (R2= 0,91). Los residuos de este modelo fueron utilizados como variable dependiente en la predicción ya que representan la incerteza de este modelo presumiblemente asociada a la condición de sitio. A la variable dependiente se le aplicaron técnicas de minería de datos para determinar aquellos predictores que presentaban una correlación significativa. Se determinaron 8 predictores, siendo el máximo de GNDVI y amplitud de fracción evaporativa, en conjunto, los que explicaban de mejor manera el comportamiento de los residuos. El primer predictor se asocia a los procesos de absorción de radiación fotosintéticamente activa mientras que el segundo explica las condiciones de estrés hídrico del sitio, dos factores relacionados directamente con el crecimiento de los árboles. Estas relaciones fueron analizadas bajo distintos rangos de densidad relativa. Sobre 60%, la amplitud de fracción evaporativa muestra un coeficiente de correlación de Pearson (R) de 0,39. Para el predictor máximo de GNDVI la correlación fue de 0,55 y 0,44 para densidades inferiores al 40% y superiores al 80% respectivamente. En otros rangos de densidades relativas, para ambos predictores, no se obtuvieron correlaciones significativas. Los predictores espacio-temporales fueron las que mostraron mayor correlación con los datos de crecimiento mientras que la los predictores estructurales y morfométricos derivados de la información LiDAR fue descartada