- INSTRUMENTO Fondo de Investigación e Innovación en Cambio Climático
- BENEFICIARIO Patricia Favre : FOSA
- DEPARTAMENTO Río Negro
- SUBSIDIO UYU 3381514
- FECHA DE INICIO 31.10.2022
- DURACIÓN 12 meses
- AÑO CONVOCATORIA 2022
- CÓDIGO FIICC_X_2022_1_173484
- FASE SEGUIMIENTO
- ESTADO Seguimiento
En las últimas décadas, el aumento sostenido de la concentración atmosférica de gases de efecto invernadero ha inducido un proceso acelerado de cambio climático. En respuesta a esto, se establecieron compromisos internacionales buscando limitar el aumento de la temperatura media global hasta 1,5 °C. En este sentido, Uruguay planteó el objetivo de reducir un 24 % las emisiones de CO2. Para ello, dispuso directrices sectoriales, en las que incluyó el mantenimiento de la superficie de bosques nativos y plantaciones forestales. Las plantaciones forestales ocuparon 845.031 ha efectivas al año 2021, principalmente bajo manejo intensivo. Eucalyptus dunnii es una de las especies más utilizadas representando un 25 % de dicha superficie. Estas plantaciones implican el reemplazo de pastizales naturales por un sistema forestal, donde el secuestro de carbono (C) puede ser variable según las prácticas de manejo y el uso previo del suelo. Paralelamente, aunque la superficie de bosques nativos ronda el 5 % del territorio nacional, tienen gran relevancia como sumideros de C. Dentro de ellos los Bosque Parque han estado históricamente amenazados, sufriendo eventos sucesivos de tala para ser sustituidos por actividades agropecuarias, lo que provoca emisiones netas de CO2. En este contexto, para el cumplimiento de los objetivos planteados a nivel nacional e internacional, así como para el desarrollo de sistemas de producción forestal C neutros, la utilización y ajuste de técnicas que posibiliten la cuantificación y el monitoreo del carbono secuestrado por bosques y plantaciones a gran escala es de suma relevancia. Para ello, la aplicación de técnicas de teledetección y el ajuste de modelos a partir de machine learning constituye una alternativa eficiente, que reduce el esfuerzo de muestreo, el tiempo de recolección de datos y el error de estimación de biomasa y C en estos sistemas.
En el contexto del cambio climático, Uruguay planteó el objetivo de reducir un 24 % las emisiones de CO2. Para ello, dispuso directrices sectoriales, en las que incluyó el mantenimiento de la superficie de bosques nativos y plantaciones forestales. Las plantaciones forestales ocuparon 845.031 ha efectivas al año 2021. Eucalyptus dunnii es una de las especies más utilizadas representando un 25 % de dicha superficie. Por otra parte, aunque la superficie de bosques nativos ronda el 5 % del territorio, constituyen sumideros de C. Los Bosque Parque están altamente amenazados por eventos de deforestación, lo que provoca emisiones netas de CO2. En este contexto, para el cumplimiento de los objetivos planteados a nivel nacional e internacional, así como para el desarrollo de sistemas de producción forestal C neutros, la utilización y ajuste de técnicas que posibiliten la cuantificación y el monitoreo del carbono secuestrado por bosques y plantaciones a gran escala es de suma relevancia. En este proyecto se inventariaron 20 parcelas de Bosque Parque y 40 de Eucalyptus dunnii de distintas edades. En ellas se midieron DAP (diámetro a la altura del pecho), DB (diámetro a la base), y HT (altura total), en base a las cuales se estimó la biomasa y C alojado en dichas coberturas. Luego se tomaron imágenes multiespectrales con fines fotogramétricos. En base a índices espectrales se obtuvieron modelos de biomasa y C para el Bosque Parque, representado entre un 60 y un 77% de su variabilidad. El índice de borde rojo fue el que mejor ajustó respecto a la biomasa estimada en base modelos exponenciales. En el caso de las plantaciones de Eucalyptus dunnii, utilizando el percentil 90 de la nube de puntos de fotogrametría se obtuvieron estimaciones de las siguientes variables a nivel de parcela: altura media dominante (96%), volumen (95%), biomasa total (94%), altura media (92%) y DAP (84%). El uso de técnicas de detección remota permite obtener estimaciones de gran precisión de distintas variables estructurales en ambas coberturas estudiadas, reduciendo el esfuerzo de muestreo y el costo asociado de las técnicas tradicionales de muestreo.