Search

Los pastos arbolados y arbustivos son vitales para la producción ganadera extensiva y sostenible, la conservación de la biodiversidad y la provisión de servicios ecosistémicos y se localizan en áreas que serán previsiblemente más afectadas por el cambio climático. Sin embargo, las características estructurales, fenológicas, y las propiedades ópticas de la vegetación en estos ecosistemas mixtos, como los ecosistemas adehesados en la Península Ibérica que combinan un estrato herbáceo y/o arbustivo con un dosel arbóreo disperso, constituyen un serio desafío para su estudio mediante teledetección. Este trabajo combina métodos físicos y empíricos para la estimación de variables de la vegetación esenciales para la modelización de su funcionamiento: índice de área foliar (LAI, m2 /m2 ), contenido en clorofila a nivel de hoja (Cab,leaf, μg/cm2 ) y dosel (Cab,canopy, g/m2 ) y contenido en materia seca a nivel de hoja (Cm,leaf, g/cm2 ) y dosel (Cm,canopy, g/m2), en un ecosistema de dehesa. Para este propósito se construyó una base de datos espectral simulada considerando las cuatro principales etapas fenológicas del estrato herbáceo, el más dinámico del ecosistema, (rebrote otoñal, máximo verdor, inicio de la senescencia y senescencia estival) mediante la combinación de los modelos de transferencia radiativa PROSAIL y FLIGHT. Esta base de datos se empleó para ajustar diferentes modelos predictivos basados en índices de vegetación (IV) propuestos en la literatura y en Partial Least Squares Regression (PLSR). PLSR permitió obtener los modelos con mayor poder de predicción (R2 ≥ 0,93, RRMSE ≤ 10,77 %), tanto para las variables a nivel de hoja como a nivel de dosel. Los resultados sugieren que los efectos direccionales y geométricos controlan las relaciones entre los factores de reflectividad (R) simulados y los parámetros foliares. Se observa una alta variabilidad estacional en la relación entre variables biofísicas e IVs, especialmente para LAI y Cab que se confirma en el análisis PLSR. Los modelos desarrollados deben ser aún validados con datos espectrales medidos con sensores próximos o remotos.

Este trabajo aborda la estimación de variables biofísicas de un pastizal de dehesa a partir de información óptica generada por sensores próximos y remotos. Las variables de contenido de humedad del combustible (FMC), contenido de agua del dosel (CWC), índice de área foliar (LAI), materia seca (Cm) y biomasa superficial (AGB) fueron estimadas en laboratorio a partir de muestras de vegetación tomadas simultáneamente a la adquisición de datos hiperespectrales del sensor Compact Airbone Spectrographic Imager (CASI) y del espectro-radiómetro de campo ASD FieldSpec® 3. A partir de la información espectral se han calculado diversos índices extraídos de la literatura y se han analizado las relaciones lineales existentes con las variables biofísicas medidas en campo. Los resultados muestran relaciones consistentes entre las variables biofísicas y los índices espectrales, especialmente en el caso de los índices basados en bandas del infrarrojo medio de onda corta (SWIR) y del red-edge, poniendo de manifiesto la importancia de estas regiones en la estimación de variables biofísicas en cubiertas de pastizal. Se han obteniendo coeficientes de determinación (R2) superiores a 0,91 y un error cuadrático medio relativo (RRMSE) de 21,4%, para los índices espectrales calculados con datos ASD; y R2 de 0,91 y RRMSE de 15,5% para los índices espectrales calculados con datos CASI. .

In the context of the BIOSPEC and FLUXPEC projects (http://www.lineas.cchs.csic.es/fluxpec/), spectral and biophysical variables measurements at leaf level have been conducted in the tree canopy of a holm oak dehesa (Quercus ilex) ecosystem during four vegetative periods. Measurements of bi-conical reflectance factor of intact leaf (ASD Fieldspec 3® spectroradiometer), specific leaf mass (SLM), leaf water content (LWC), nutrient (N, P, K, Ca, Mg, Mn, Fe, and Zn) and chlorophyll concentration were performed. The spectral measurements have been related with the biophysical variables by stepwise and partial least squares regression analyses. These analyses allowed to identify the spectral bands and regions that best explain the evolution of the biophysical variables and to estimate the nutrient contents during the leaf maturation process. Statistically significant estimates of the majority of the variables studied were obtained. Wavelengths that had the highest contributions explaining the chemical composition of the forest canopy were located in spectral regions of the red edge, the green visible region, and the shortwave infrared.