Estimación y evaluación del contenido de materia seca en especies forestales utilizando técnicas de teledetección

  1. ROMERO OSSES, AGNES ALEJANDRA
Supervised by:
  1. María Inmaculada Aguado Suárez Director
  2. Jesús Javier Litago Lavilla Co-director

Defence university: Universidad de Alcalá

Fecha de defensa: 29 June 2010

Committee:
  1. José María Rey Benayas Chair
  2. Francisco Javier Salas Rey Secretary
  3. Silvia Merino de Miguel Committee member
  4. José Antonio Manzanera de la Vega Committee member
  5. Ángela de Santis Committee member
Department:
  1. Geología, Geografía y Medio Ambiente

Type: Thesis

Teseo: 296419 DIALNET

Abstract

La tesis doctoral muestra una metodología para la estimación del contenido de materia seca a nivel foliar en especies caducifolias y del dosel de especies de coníferas. Asimismo, se evalúa el comportamiento espacio temporal de la materia seca a nivel de dosel y su relación con variables climáticas y el índice de vegetación de diferencia normalizada (NDVI) en diferentes zonas bioclimáticas dentro de la Comunidad de Navarra. En primer lugar, se comparan dos métodos de estimación de la materia seca foliar, utilizando el modelo de simulación de la reflectividad (RTM) PROSPECT, de manera directa y mediante inversión del modelo. Tras seleccionar el mejor método de estimación, se crea un modelo de regresión múltiple para estimar la materia seca del dosel de especies de coníferas, utilizando los modelos de reflectividad PROSPECT y SAILH. Finalmente, se utiliza el modelo anteriormente creado para evaluar la materia seca del dosel de especies de coníferas y su relación con factores climáticos y el índice NDVI, utilizando técnicas estadísticas de series temporales de imágenes MODIS. La tesis doctoral pone de manifiesto que es posible estimar el contenido de la materia seca del dosel de especies de coníferas utilizando un método de inversión de los RTM PROSPECT y SAILH. Además, se evidencia que es posible explicar el comportamiento de la materia seca del dosel y su relación con factores climáticos y el índice NDVI mediante el uso de análisis estadísticos de series temporales de imágenes MODIS.