Colombia

MAAP #215: Una mirada sin precedentes al carbono en la Amazonía (Parte 1)

Posted on by dcadmin
Figura 1. Ejemplo de Planet Forest Carbon Diligence, centrado en el sur de Perú y el oeste adyacente de Brasil.

El bioma amazónico ha sido durante mucho tiempo uno de los mayores sumideros de carbono del mundo, contribuyendo a estabilizar el clima mundial.

Sin embargo, calcular con precisión este carbono ha sido todo un reto. Afortunadamente, las nuevas tecnologías basadas en el uso de satélites están proporcionando importantes avances, sobre todo la misión GEDI de la NASA (ver MAAP #213) y, más recientemente, Planet Forest Carbon Diligence.1

Aquí nos centraremos en esta última, analizando el nuevo y vanguardista conjunto de datos de Planet, que presenta una serie temporal histórica de 10 años (2013 – 2022) con estimaciones de pared a pared de la densidad de carbono por encima del suelo con una resolución de 30 metros.

Como resultado, podemos producir mapas y estimaciones de carbono sobre el suelo de alta resolución para cualquier lugar de la vasta Amazonía (ver Figura 1).

Gracias al  acuerdo con Planet, hemos podido acceder a estos datos de todo el bioma amazónico para realizar los análisis que se presentan en esta serie de tres partes:

  1. Estimar e ilustrar el carbono forestal sobre el suelo en todo el bioma amazónico con un detalle sin precedentes (ver resultados de primer reporte, más abajo).
    i
  2. Destacar qué partes de la Amazonía albergan los mayores niveles de carbono, incluidas las zonas protegidas y los territorios indígenas (ver el segundo reporte, MAAP #217).
    i
  3. Presentar casos emblemáticos de deforestación que resultaron en las mayores emisiones de carbono en de la Amazonía
    l(ver el tercer reporte).

A continuación, presentamos los principales resultados de la primera parte. Esté atento en las próximas semanas para las partes 2 y 3.

Principales Resultados

Carbono en la Amazonía

Basándonos en nuestro análisis de Planet Forest Carbon Diligence, estimamos que la Amazonía contenía 56.800 millones de toneladas métricas de carbono sobre el suelo en el 2022 (ver el Mapa base). Aplicando una conversión estándar de la relación raíz/tallo (26%), este estimado aumenta a 71.500 millones de toneladas métricas de carbono sobre y bajo el suelo.

Los niveles máximos de carbono se concentran principalmente en el suroeste de la Amazonía (sur de Perú y oeste de Brasil) y el noreste de la Amazonía (noreste de Brasil, Guayana Francesa y Surinam).

Mapa Base. Planet Forest Carbon Diligence en todo el bioma amazónico.

Carbono Total por País

Como se muestra en el Gráfico 1, los países con más carbono sobre el suelo son 1) Brasil (57%; 32.100 millones de toneladas métricas), 2) Perú (15%; 8.300 millones de toneladas métricas), 3) Colombia (7%; 4.000 millones de toneladas métricas), 4) Venezuela (6%; 3.300 millones de toneladas métricas) y 5) Bolivia (6%; 3.200 millones de toneladas métricas). A estos países les siguen Guyana (3%; 2.000 millones de toneladas métricas), Surinam (3%; 1.600 millones de toneladas métricas), Ecuador (2%; 1.200 millones de toneladas métricas) y Guayana Francesa (2%; 1.100 millones de toneladas métricas).

En conjunto, hemos documentado una ganancia total de 64,7 millones de toneladas métricas de carbono sobre el suelo en toda la Amazonía durante los diez años comprendidos entre el 2013 y 2022.2 En otras palabras, la Amazonía sigue funcionando como un sumidero de carbono crítico.

Los países con mayor aumento de carbono sobre el suelo en los últimos diez años son: 1) Brasil, 2) Colombia, 3) Surinam, 4) Guyana y 5) Guayana Francesa. Observe que mostramos a Brasil como sumidero de carbono (ganancia de 102,8 millones de toneladas métricas), a pesar de que otros estudios recientes lo muestran como fuente de carbono.3  Observe también las importantes ganancias de carbono en la superficie de varios países clave con alta cobertura forestal y baja deforestación (HFLD): Colombia, Surinam, Guyana y la Guayana Francesa.4

Por el contrario, los países con mayor pérdida de carbono sobre el suelo en los últimos diez años son: 1) Bolivia, 2) Venezuela, 3) Perú y 4) Ecuador.

Gráfico 1. Datos de Planet Forest Carbon Diligence en todo el bioma amazónico, comparando 2013-14 con 2021-22. Observe que un signo «+» indica que el país ha ganado carbono sobre el suelo, mientras que un signo «-» indica que el país ha perdido dicho carbono.

Densidad de Carbono por País

Estandarizando por área, el Gráfico 2 muestra que los países con la mayor densidad de carbono (es decir, carbono sobre el suelo por hectárea a partir de 2021-22) se encuentran en el noreste de la Amazonía: Guayana Francesa (134 toneladas métricas/hectárea), Surinam (122 toneladas métricas/hectárea) y Guyana (85 toneladas métricas/hectárea). Ecuador también tiene una tasa elevada (94 toneladas/hectárea).

Observe que los países del noreste de la Amazonía (Guayana Francesa, Surinam y Guyana) tienen menos carbono total debido a su menor tamaño (Gráfico 1), pero una alta densidad de carbono por hectárea (Gráfico 2). Esto también aplica a Ecuador.

Gráfico 2. Datos de Planet Forest Carbon Diligence para la densidad de carbono sobre el suelo por país en la Amazonía, comparando 2013-14 con 2021-22. Observe que un signo «+» indica que el país ha ganado carbono , mientras que un signo «-» indica que el país ha perdido carbono.

Notas & Citas

1 Anderson C (2024) Forest Carbon Diligence: Breaking Down The Validation And Intercomparison Report. https://www.planet.com/pulse/forest-carbon-diligence-breaking-down-the-validation-and-intercomparison-report/

2 En cuanto a la incertidumbre, los datos contienen estimaciones a nivel de píxel, pero aún no a nivel nacional. Para minimizar la incertidumbre anual a nivel de país, hemos promediado 2013 y 2014 para la línea de base y 2021 y 2022 para el estado actual.

3 Recientemente, en MAAP #144, mostramos a Brasil como fuente de carbono, basándonos en datos de 2001 a 2020. En cambio, Planet Forest Carbon Diligence se basa en datos de 2013 a 2022. Por lo tanto, una interpretación de la diferencia es que la mayor parte de la pérdida de carbono se produjo en la primera década del 2000, lo que coincide con los datos históricos de deforestación que muestran picos a principios de la década del 2000. También pone de relieve la probable importancia de la interacción entre la pérdida/degradación forestal (pérdida de carbono) y la regeneración forestal (ganancia de carbono) a la hora de determinar si un país es fuente o sumidero de carbono durante un periodo determinado.

4 HFDL o “High Forest cover, Low Deforestation” describe a países con a) cubierta forestal alta (>50%) y tasas de deforestación bajas (<0,22% al año). Para más información sobre HFDL, ver https://www.conservation.org/blog/what-on-earth-is-hfld-hint-its-about-forests

Cita

Finer M, Mamani N, Anderson C, Rosenthal A (2024) Una mirada sin precedentes al carbono en la Amazonía (Parte 1). MAAP  #215.

 

MAAP #214: Agricultura en la Amazonía: nuevos datos revelan patrones clave de cultivos y pastos

Posted on by dcadmin
Figura 1. Ejemplo fusionado de los datos agrícolas y de pastos en una sección de la Amazonía brasileña. Datos: IFRI/SPAM, Lapig/UFG, Mapbiomas, AMW, ACA/MAAP.

Nuevos datos y herramientas de visualización en línea están revelando patrones clave de uso de la tierra en la Amazonía, sobre todo con el tema crucial de la agricultura. Este tipo de datos es especialmente importante porque la agricultura es la principal causa de deforestación de la Amazonía.

Estos nuevos conjuntos de datos incluyen:

  • Cultivos: El Instituto Internacional de Investigación sobre Políticas Alimentarias (IFPRI), una de las principales autoridades en investigación sobre agricultura y sistemas alimentarios, acaba de lanzar la última versión de su innovador producto de seguimiento de cultivos, el Modelo Espacial de Asignación de la Producción (SPAM, por sus siglas en inglés).1 Esta última versión incluye datos espaciales de 46 cultivos, entre ellos la soya, la palma aceitera, el café y el cacao. Estos datos están mapeados con una resolución de 10 kilómetros en toda la Amazonía y actualizados hasta 2020.2

  • Pasto para ganado: El Atlas de Pastos,3desarrollado por la Universidad Federal de Goiás, facilita el acceso a los datos de pastos para ganado en Brasil, generados por MapBiomas. Estos datos están cartografiados con una resolución de 30 kilómetros y actualizados hasta el 2022. Utilizamos la Colección 5 de Mapbiomas para el resto de los países amazónicos.4
    j
  • Minería aurífera: Se incluyen nuevos datos de minería para un contexto adicional. Amazon Mining Watch utiliza aprendizaje automático para mapear la minería aurífera a cielo abierto.5 Estos datos se mapean con una resolución de 10 kilómetros en toda la Amazonía y se actualizaron hasta el 2023.

Hemos fusionado y analizado estos nuevos conjuntos de datos para ofrecer nuestra primera estimación general del uso de la tierra en la Amazonía, el esfuerzo más detallado realizado hasta la fecha en los nueve países del bioma. La Figura 1 muestra un ejemplo de estos datos fusionados en una sección de la Amazonía brasileña.

A continuación, presentamos e ilustramos los principales resultados obtenidos en la Amazonía, y posteriormente ampliamos varias regiones de la Amazonía para mostrar los datos con mayor detalle.

Hallazgos principales

El Mapa Base ilustra varios hallazgos importantes que se detallan a continuación.

Mapa base. Vista general de los conjuntos de datos fusionados, indicados anteriormente para cultivos, pastos y minería aurífera. Haga doble clic para ampliar. Datos: IFRI/SPAM, Lapig/UFG, Mapbiomas, AMW, ACA/MAAP.

1) Cultivos
Descubrimos que 40 cultivos del conjunto de datos de SPAM se superponen con la Amazonía, cubriendo más de 106 millones de hectáreas (el 13% del bioma amazónico).

La soya cubre más de 67,5 millones de hectáreas, concentradas principalmente en el sur de Brasil y Bolivia. El maíz ocupa una superficie ligeramente superior (70 millones de hectáreas), pero lo consideramos un cultivo secundario de rotación con la soya (por lo que existe un solapamiento considerable entre estos dos cultivos).

La palma aceitera ocupa casi 8 millones de hectáreas, concentradas en el este de Brasil, el centro de Perú, el norte de Ecuador y el norte de Colombia.

En las zonas andino-amazónicas de Perú, Ecuador y Colombia, el cacao ocupa más de 8 millones de hectáreas y los dos tipos de café (Arábica y Robusta) cubren 6,7 millones de hectáreas.

Otros cultivos importantes en la Amazonía son el arroz (13,8 millones de hectáreas), el sorgo (10,9 millones de hectáreas), la yuca (9,8 millones de hectáreas), la caña de azúcar (9,6 millones de hectáreas) y el trigo (5,8 millones de hectáreas).

2) Pasto para ganado
El pasto para ganado ocupa 76,3 millones de hectáreas (el 9% del bioma amazónico). La mayor parte (92%) se encuentra en Brasil, seguido de Colombia y Bolivia.

3) Cultivos & pasto para ganado
De conjunto, teniendo en cuenta los solapamientos entre los datos, estimamos que los cultivos y los pastos combinados cubren 115,8 millones de hectáreas. Este total equivale al 19% del bioma amazónico.

En comparación, la minería aurífera a cielo abierto cubría 1,9 millones de hectáreas (0,23% del bioma amazónico).

Amazonía oriental brasileña

La Figura 2 muestra la transición de la frontera de la soya a la frontera del pasto para ganado en la Amazonía oriental brasileña. Observe también una mezcla de otros cultivos, como la palma aceitera, la caña de azúcar y la yuca, y algo de minería aurífera.

Figura 2. Amazonía oriental brasileña. Datos: IFRI/SPAM, Lapig/UFG, Mapbiomas, AMW, ACA/MAAP.

Amazonía Andina (Perú y Ecuador)

Figura 3. Amazonía andina. Datos: IFRI/SPAM, Lapig/UFG, Mapbiomas, AMW, ACA/MAAP.

Los patrones de uso de la tierra son bastante diferentes en las regiones de la Amazonía andina de Perú y Ecuador.

La Figura 3 muestra que, en lugar de soya y pasto para ganado, hay palma aceitera, arroz, café y cacao.

Note también la extensión de la frontera de pasto para ganado en el oeste de la Amazonía brasileña, hacia Perú y Bolivia.

 

 

 

 

 

 

 

 

 

 

 

 

Amazonía nororiental (Venezuela, Guyana, Surinam y Guayana Francesa)

La Figura 4 muestra la ausencia general de cultivos en las regiones centrales de la Amazonía de Guyana, Surinam y Guayana Francesa, lo que sin duda es un factor importante, ya que todos ellos se consideran países con alta cobertura forestal y baja deforestación (HFLD en ingles). Por el contrario, cabe destacar la abundante actividad minera aurífera en toda la región.

Figura 4. Amazonía nororiental. Datos: IFRI/SPAM, Lapig/UFG, Mapbiomas, AMW, ACA/MAAP.

Métodos

Para los datos de SPAM, utilizamos la superficie física, que se mide en hectáreas y representa la superficie real en la que se cultiva un producto (sin contar las veces que se ha cosechado de él). Sólo consideramos valores mayores o iguales a 100 ha por píxel.

Para el Mapa Base, debido a su importancia como cultivos económicos primarios, colocamos la soya y la palma aceitera como las dos capas superiores, respectivamente. A partir de ahí, los cultivos fueron estratificados en orden de su área física total en la Amazonía. Por lo tanto, las extensiones completas de algunos cultivos no se muestran si se superponen píxeles con otros cultivos que tienen mayor área física. En el caso de superposición de cultivos y pasto, se privilegiaron los cultivos.

Notas y fuentes de datos

1 International Food Policy Research Institute (IFPRI), 2024, «Global Spatially-Disaggregated Crop Production Statistics Data for 2020 Version 1.0» https://doi.org/10.7910/DVN/SWPENT, Harvard Dataverse, V1

Spatial Production Allocation Model (SPAM)
SPAM 2020 v1.0 Global data (Updated 2024-04-16)

2 Note que la resolución espacial es bastante baja (10 kilómetros), por lo que todos los datos de cobertura de cultivos anteriores deben interpretarse únicamente como referenciales.

3 El Atlas de Pastos (Atlas das Pastagens), abierto al público, fue desarrollado por el Laboratorio de Procesamiento de Imágenes y Geoprocesamiento de la Universidad Federal de Goiás (Lapig/UFG), para facilitar el acceso a los resultados y productos generados dentro de la iniciativa MapBiomas, en relación con los pastos brasileños.

https://atlasdaspastagens.ufg.br/

4 Colección MapBiomas 5;  https://amazonia.mapbiomas.org/en/

5 See MAAP #212 for more information on Amazon Mining Watch.

Cita

Finer M, Ariñez A (2024) Agricultura en la Amazonía: nuevos datos revelan patrones clave de cultivos y pastos. MAAP: 214.

MAAP #213: Estimación del carbono en las áreas protegidas y territorios indígenas de la Amazonia

Posted on by dcadmin
Imagen introductoria. Captura de pantalla de la aplicación (app) de carbono forestal OBI-WAN.

En un informe reciente (MAAP #199), presentamos la versión actualizada de los datos GEDI de la NASA,1 que utiliza láseres a bordo de la Estación Espacial Internacional para proporcionar estimaciones de vanguardia sobre el carbono aéreo a escala mundial, incluida nuestra área focal, la Amazonía.

Sin embargo, estos láseres aún no han alcanzado una cobertura total, lo que deja considerables vacíos en los datos y en los mapas resultantes.

En el presente reporte, mostramos dos nuevas herramientas que nos permiten llenar esos vacíos y proporcionar estimaciones detalladas de la biomasa aérea en zonas específicas, que pueden convertirse luego en estimaciones del carbono sobre el suelo.

El primero es la aplicación OBI-WAN para reportar el carbono forestal (ver la Imagen introductoria), que utiliza la inferencia estadística para producir estimaciones medias, totales y de incertidumbre de las líneas de base de biomasa en cualquier escala (desde la local hasta mundial).2

El segundo es un producto fusionado de las misiones GEDI y TanDEM-X.3 La combinación de lidar (GEDI) y radar (TanDEM-X) ha comenzado a producir mapas inigualables que combinan la capacidad del lidar para recuperar la estructura forestal y la capacidad del radar para ofrecer una cobertura de pared a pared con múltiples resoluciones (ver Figuras 1-5 a continuación para ver ejemplos con una resolución de 25 m).

Empleando estos dos herramientas, nos centramos en la estimación del carbono sobre el suelo para ejemplos seleccionados de dos designaciones críticas de tierras en la Amazonía: áreas protegidas y territorios indígenas. Ambas son fundamentales para la conservación a largo plazo del núcleo de la Amazonía (MAAP #183). Se espera que el suministro de datos precisos para estas áreas proporcione incentivos adicionales para su conservación a largo plazo.

Seleccionamos 5 áreas focales (3 parques nacionales y 2 Territorios Indígenas) en la Amazonía para demostrar el poder de estos datos. Estas áreas juntas albergan un total de 1,400 millones de toneladas métricas de carbono sobre el suelo.

  • Áreas protegidas (Parques Nacionales)
    Parque Nacional Chirbiquete (Amazonía colombiana)
    Parque Nacional Manu (Amazonía peruana)
    Parque Nacional Madidi (Amazonía boliviana)
    k
  • Territorios Indígenas
    Territorio Indígena Kayapó (Amazonía brasileña)
    Territorio Indígena Barranco Chico (Amazonía peruana)

Áreas focales

Como se ha indicado anteriormente, las estimaciones de carbono que figuran a continuación se basan en las estimaciones de biomasa sobre el suelo de la aplicación de carbono forestal OBI-WAN y de los datos de GEDI-TanDEM-X. Las figuras 1 a 5 se basan en GEDI-TanDEM-X, con una resolución de 25 metros.

Parques Nacionales

Parque Nacional de Chiribiquete (Amazonía colombiana)

El Parque Nacional de Chirbiquete abarca más de 4,2 millones de hectáreas en el corazón de la Amazonía colombiana (departamentos de Guaviare y Caquetá). Ambos datos convergen en la estimación de unas 600 toneladas métricas de biomasa sobre el suelo, lo que equivale a más de 300 millones de toneladas métricas de carbono sobre el suelo en todo el parque (80,5 toneladas de carbono por hectárea). La Figura 1 muestra la distribución espacial detallada de esta biomasa en el Parque Nacional Chirbiquete. Note que los datos de GEDI-TanDEM-X se pierden al extremo occidental del parque.

Figura 1. Biomasa sobre el suelo en el Parque Nacional de Chiribiquete (Amazonía colombiana). Datos: GEDI-TanDEM-X.

Parque Nacional del Manu (Amazonía peruana)

Figura 2. Biomasa sobre el suelo en el Parque Nacional Manu (Amazonía peruana). Datos: GEDI-TanDEM-X.

El Parque Nacional Manu abarca más de 1,7 millones de hectáreas en el sur de la Amazonía peruana (regiones de Madre de Dios y Cusco).

Ambos datos convergen en la estimación de más de 450 toneladas métricas de biomasa sobre el suelo, lo que equivale a más de 215 millones de toneladas métricas de carbono sobre el suelo en todo el territorio (126,8 toneladas de carbono por hectárea).

La Figura 2 muestra la distribución espacial detallada de esta biomasa en el Parque Nacional Manu.

Parque Nacional Madidi (Amazonía boliviana)

Figura 3. Biomasa sobre el suelo en el Parque Nacional Madidi (Amazonía boliviana). Datos: GEDI-TanDEM-X

El Parque Nacional y Área de Manejo Integrado Madidi abarca cerca de 1,9 millones de hectáreas en la Amazonía occidental boliviana (departamento de La Paz), e incluye un gradiente de pisos altitudinales desde tierras bajas hasta montañas por encima de los 6 mil metros en altitud.

Ambos  datos convergen en la estimación de más de 350 toneladas métricas de biomasa sobre el suelo, lo que equivale a más de 160 millones de toneladas métricas de carbono aéreo en todo el área protegida (85,3 toneladas de carbono por hectárea).

La Figura 3 muestra la distribución espacial detallada de esta biomasa en el Parque Nacional Madidi. Note que los datos del GEDI-TanDEM-X se pierden al extremo sur, justamente en las partes altas del área protegida.

Territorios Indígenas

Territorio indígena Kayapó (Amazonia brasileña)

El Territorio Indígena Kayapó abarca más de 3,2 millones de hectáreas en la Amazonía oriental brasileña (estado de Pará).

Ambos datos convergen en la estimación de más de 413,000 toneladas métricas de biomasa aérea, lo que equivale a más de 198 millones de toneladas métricas de carbono sobre el suelo en todo el territorio.

La Figura 4 muestra la distribución espacial detallada de esta biomasa en Kayapó y en cuatro territorios indígenas vecinos.

En total, en estos cinco territorios (10,4 millones de hectáreas) los datos convergen en más de 1.500 millones de toneladas métricas de biomasa aérea y 730 millones de toneladas métricas de carbono sobre el suelo (70 toneladas por hectárea).

Figura 4. Biomasa sobre el suelo en Kayapó y territorios indígenas vecinos (Amazonia brasileña). Datos: GEDI-TanDEM-X.

Comunidad Nativa Barranco Chico (Amazonía peruana)

La Comuniad Nativa Barranco Chico abarca más de 12,600 hectáreas en el sur de la Amazonía peruana (región de Madre de Dios).

Ambos datos convergen en la estimación de más de 2 millones de toneladas métricas de biomasa aérea, lo que equivale a más de 1 millón de toneladas métricas de carbono sobre el suelo.

La Figura 5 muestra la distribución espacial detallada de esta biomasa en Barranco Chico y en dos Comunidades Nativas vecinas (Puerto Luz y San José de Karene).

En total, en estos tres territorios (casi 90,000 hectáreas), los datos convergen en más de 19 millones de toneladas métricas de biomasa aérea y más de 9 millones de toneladas métricas de carbono sobre el suelo (102 toneladas por hectárea).

Figura 5. Biomasa sobre el suelo en Barranco Chico y Territorios Indígenas vecinos (Amazonía peruana). Datos: GEDI-TanDEM-X

Notas

1 GEDI L4B Gridded Aboveground Biomass Density, Versión 2.1. Estos datos se miden en megagramos de biomasa aérea por hectárea (Mg/ha) a una resolución de 1 kilómetro, con el periodo de abril de 2019 a marzo de 2023. Esto nos sirve como estimación de las reservas de carbono aéreo, con la hipótesis científica de que el 48% de la biomasa registrada es carbono.

2 El enfoque se basa en el artículo científico fundacional de Patterson et al., (2019) y es utilizado por la misión GEDI para estimar la biomasa media y total en todo el mundo (Dubayh et al., 2022, Armston et al., 2023). El método considera la distribución espacial de los rastros de GEDI dentro de un determinado límite especificado por el usuario para inferir el componente de error de muestreo de la incertidumbre total que también incluye el error de los modelos L4A de GEDI utilizados para predecir la biomasa a partir de las estimaciones de la altura del dosel (Keller et al., 2022). Para más información sobre la aplicación OBI-WAN, ver Healey y Yang 2022.

3 GEDI-TanDEM-X (GTDX) es una fusión de imágenes GEDI Versión 2 y TanDEM-X (TDX) de radar interferométrico de apertura sintética (InSAR) (de enero de 2011 a diciembre de 2020). También incorpora datos anuales de pérdida de bosque para tener en cuenta la deforestación durante este periodo. Los mapas de biomasa aérea del GTDX se elaboraron a partir de un marco basado en un modelo jerárquico generalizado (GHMB) que utiliza la biomasa del GEDI como datos de entrenamiento para establecer modelos de estimación de la biomasa basados en la altura del dosel del GTDX. La combinación de lidar (GEDI) y radar (TanDEM-X) ha comenzado a producir mapas inigualables que combinan la capacidad del lidar para recuperar la estructura del bosque y la capacidad del radar para ofrecer una cobertura de pared a pared (Qi et al.,2023, Dubayah et a;., 2023). Este producto fusionado es un mapa sin huecos de pared a pared que se produjo en múltiples resoluciones: 25m, 100m y 1ha. El procesamiento en curso sobre la región pantropical estará disponible en los próximos meses, pero algunas geografías ya han sido mapeadas, como la mayor parte de la cuenca del Amazonas (Dubayah et al., 2023). Los datos que hemos utilizado están a disposición del público.

Referencias

Armston, J., Dubayah, R. O., Healey, S. P., Yang, Z., Patterson, P. L., Saarela, S., Stahl, G., Duncanson, L., Kellner, J. R., Pascual, A., & Bruening, J. (2023). Global Ecosystem Dynamics Investigation (GEDI)GEDI L4B Country-level Summaries of Aboveground Biomass [CSV]. 0 MB. https://doi.org/10.3334/ORNLDAAC/2321

Dubayah, R. O., Armston, J., Healey, S. P., Yang, Z., Patterson, P. L., Saarela, S., Stahl, G., Duncanson, L., Kellner, J. R., Bruening, J., & Pascual, A. (2023). Global Ecosystem Dynamics Investigation (GEDI)GEDI L4B Gridded Aboveground Biomass Density, Version 2.1 [COG]. 0 MB. https://doi.org/10.3334/ORNLDAAC/2299

Dubayah, R., Armston, J., Healey, S. P., Bruening, J. M., Patterson, P. L., Kellner, J. R., Duncanson, L., Saarela, S., Ståhl, G., Yang, Z., Tang, H., Blair, J. B., Fatoyinbo, L., Goetz, S., Hancock, S., Hansen, M., Hofton, M., Hurtt, G., & Luthcke, S. (2022). GEDI launches a new era of biomass inference from space. Environmental Research Letters, 17(9), 095001. https://doi.org/10.1088/1748-9326/ac8694

Dubayah, R., Blair, J. B., Goetz, S., Fatoyinbo, L., Hansen, M., Healey, S., Hofton, M., Hurtt, G., Kellner, J., Luthcke, S., Armston, J., Tang, H., Duncanson, L., Hancock, S., Jantz, P., Marselis, S., Patterson, P. L., Qi, W., & Silva, C. (2020). The Global Ecosystem Dynamics Investigation: High-resolution laser ranging of the Earth’s forests and topography. Science of Remote Sensing, 1, 100002. https://doi.org/10.1016/j.srs.2020.100002

Healey S, Yang Z (2022) The OBIWAN App: Estimating Property-Level Carbon Storage Using NASA’s GEDI Lidar. https://www.fs.usda.gov/research/rmrs/understory/obiwan-app-estimating-property-level-carbon-storage-using-nasas-gedi-lidar

Kellner, J. R., Armston, J., & Duncanson, L. (2022). Algorithm Theoretical Basis Document for GEDI Footprint Aboveground Biomass Density. Earth and Space Science, 10(4), e2022EA002516. https://doi.org/10.1029/2022EA002516

Dubayah, R.O., W. Qi, J. Armston, T. Fatoyinbo, K. Papathanassiou, M. Pardini, A. Stovall, C. Choi, and V. Cazcarra-Bes. 2023. Pantropical Forest Height and Biomass from GEDI and TanDEM-X Data Fusion. ORNL DAAC, Oak Ridge, Tennessee, USA. https://doi.org/10.3334/ORNLDAAC/2298

Qi, W., J. Armston, C. Choi, A. Stovall, S. Saarela, M. Pardini, L. Fatoyinbo, K. Papathanasiou, and R. Dubayah. 2023. Mapping large-scale pantropical forest canopy height by integrating GEDI lidar and TanDEM-X InSAR data. Research Square. https://doi.org/10.21203/rs.3.rs-3306982/v1

Krieger, G., M. Zink, M. Bachmann, B. Bräutigam, D. Schulze, M. Martone, P. Rizzoli, U. Steinbrecher, J. Walter Antony, F. De Zan, I. Hajnsek, K. Papathanassiou, F. Kugler, M. Rodriguez Cassola, M. Younis, S. Baumgartner, P. López-Dekker, P. Prats, and A. Moreira. 2013. TanDEM-X: A radar interferometer with two formation-flying satellites. Acta Astronautica 89:83–98. https://doi.org/10.1016/j.actaastro.2013.03.008

Agradecimientos

Agradecemos al equipo del GEDI de la Universidad de Maryland por el acceso a los datos y la revisión de este informe. En particular, damos las gracias a Ralph Dubayah, Matheus Nunes y Sean Healey.

Cita

Mamani N, Pascual A, Finer M (2024) Estimación del carbono en las áreas protegidas y territorios indígenas de la Amazonia. MAAP: 213