Los bosques de encino son importantes en el equilibrio de los ecosistemas donde estos cohabitan, ya que son un grupo de especies con mayor capacidad para fijar y almacenar carbono atmosférico. El objetivo de este trabajo fue desarrollar ecuaciones alométricas para estimar biomasa aérea de seis especies de encino (Quercus rugosa, Q. obtusata, Q. sideroxyla, Q. coccolobifolia, Q. laurina y Q. candicans) con un muestreo destructivo de 165 árboles. Se ajustaron ecuaciones para estimar biomasa por componentes estructurales (fuste, ramas y follaje), y de forma aditiva se estimó la biomasa total, así como una ecuación generalizada para las seis especies, y ecuaciones para estas divididas en dos grupos. Para mejorar la capacidad predictiva de las ecuaciones se ajustaron modelos que incluyen las variables de diámetro normal, altura total y densidad de la madera. El mayor porcentaje de biomasa se concentró en el fuste con 60.6%, mientras que ramas y follaje representaron 36.1% y 3.28%, respectivamente. Las ecuaciones ajustadas explicaron más de 95% de la variabilidad en la biomasa total del árbol y, comparadas con ecuaciones desarrolladas en otros lugares para el mismo género, presentaron un menor sesgo porcentual. Las ecuaciones alométricas generadas pueden ser utilizadas para la región, así como en bosques con características estructurales y de crecimiento similares a las de las comunidades de encino de la sierra de Guanajuato.
Background: Quantifying aboveground biomass (AGB) is crucial for studying the carbon cycle and estimating mitigation potential of climate change. Combining field inventory data and remote sensing such as Landsat imagery, is a common approach for landscape-Level AGB analysis. However, uncertainties in biomass estimations persist, highlighting the need for improved statistical methods. The objectives of this study were (i) model the AGB of temperate forests managed for timber production using Landsat 8 data and three regression algorithms (linear regression, generalized additive models [GAM], and random forests), and (ii) quantify interannual AGB variations (2013-2022) across a forest landscape. Predictor variables included spectral bands, vegetation indices (VI), textural metrics, and stand age.
Objective. To classify land cover in a Juniperus deppeana forest using aerial photographs captured with a low-cost drone. Design/ Methodology/ Approach. Two-hundred and eighty RGB images (20 MP) were captured with a DJI™ Mavic 2 Pro drone, from which the GRVI, VARI, NGRDI and GLI vegetation indices were generated. With 228 reference sights, corresponding to seven coverage classes, a supervised classification was performed with Random Forest (RF). This latter was evaluated by overall accuracy, kappa index, error of omission and error of commission. Results. The analysis of variance showed significant differences between the cover classes in the RGB bands and in the vegetation indices (p ≤ 0.01). The classification achieved an overall accuracy of 87% and a kappa index of 0.82 with greater accuracy in bodies of water and bare soil. The largest errors were found in herbaceous plants, Pinus spp. and J. deppeana. J. deppeana stands covered 48% of the study area, 11% of which were on degraded soils. Limitations/ implications of the study. The method showed adequate performance for forest cover classification. However, the variability in RGB values of vegetation between sites requires model-specific adjustments for application in other areas. Findings/ Conclusions. The use of drones equipped with digital cameras is feasible to map forest cover with high reliability. For this reason, they are considered tools that complement biometrics and forest management.
1 July 2026 in Revista Mexicana de Ciencias Forestales
El conocimiento de la diversidad vegetal es clave para la gestión forestal sostenible. El objetivo del estudio fue analizar la diversidad vegetal en un bosque bajo producción maderable, durante la temporada seca y de lluvia en la Sierra Norte de Puebla, México. La información de campo se obtuvo de 23 unidades circulares de muestreo de 0.1 ha para el estrato arbóreo, con subunidades anidadas para la medición de atributos de la vegetación arbustiva y herbácea, en cinco tratamientos silvícolas, durante los periodos de lluvia (2023 y 2024) y seca de 2024. La diversidad alfa fue evaluada mediante el Índice de Shannon-Wiener, y la diversidad beta se analizó con el Índice de Jaccard. Se registraron 72 especies en el sotobosque, con la mayor riqueza y diversidad en el estrato herbáceo, durante los periodos de lluvia. Las cortas de liberación y de regeneración registraron los valores más altos de diversidad herbácea y arbustiva. El estrato arbóreo presentó 11 especies con dominancia de Pinus patula y Abies religiosa, mayor diversidad en cortas de aclareo y selección, y menor riqueza y diversidad en corta de regeneración. La similitud florística entre tratamientos silvícolas fue de 0.3 a 0.7, con mínimas variaciones entre periodos. Los resultados muestran que los tratamientos silvícolas determinan los valores de diversidad en tanto que el periodo de lluvias influye estacionalmente al aumentar la diversidad respecto al periodo de secas. El estudio confirma la importancia de los sistemas silvícolas para la conservación de la diversidad vegetal en bosques manejados.