Examinando por Materia "Aboveground biomass"

Mostrando 1 - 2 de 2

Evaluación del crecimiento y biomasa aérea de cuatro especies forestales nativas en plantación forestal en Ucayali, Perú.
(Revista de Investigación Agroproducción Sustentable, 2025-10-30) Flores Bendezú, Ymber
La selección adecuada de especies forestales es esencial para la restauración ecológica y la producción sostenible en la Amazonía peruana, donde la deforestación ha degradado extensas áreas boscosas. Pese a la importancia de este tema, existe escasa información sobre el desempeño a largo plazo de especies nativas en plantaciones experimentales, lo que limita la orientación de programas de reforestación. Este estudio evaluó el crecimiento y la biomasa aérea de cuatro especies forestales (Ormosia macrocalyx, Aspidosperma desmanthum, Dipteryx ferrea y Handroanthus serratifolius) a los 25 años de edad. El ensayo se estableció en un diseño en bloques completamente aleatorizados con tres repeticiones, en el Centro Experimental Alexander von Humboldt (Ucayali), ubicado en un bosque húmedo tropical con suelos Ultisol. Se midieron altura total, diámetro a la altura del pecho (DAP), altura comercial y biomasa aérea. Los resultados muestran que D. ferrea alcanzó el mejor desempeño, con 95% de supervivencia, DAP promedio de 27.4 cm, altura total de 20.8 m y biomasa de 998.8 kg, superando significativamente (p < 0.05) a las demás especies en todas las variables. H. serratifolius presentó valores intermedios, mientras que A. desmanthum y O. macrocalyx registraron baja supervivencia y menor crecimiento. El efecto de bloque no fue significativo, lo que indica homogeneidad ambiental. En conclusión, D. ferrea muestra el mayor potencial para reforestación y plantaciones comerciales en condiciones similares, seguida por H. serratifolius. Se recomienda continuar con estudios de largo plazo que integren variables ecológicas y prácticas silviculturales para fortalecer la sostenibilidad de estos sistemas
Monitoring ryegrass-clover grasslands with multi-spectral UAV imagery will improve the sustainability of small-and medium-sized livestock farmers in the northern Peruvian highlands
(Informa UK Limited, trading as Taylor & Francis Group, 2026-02-04) Vallejos Fernández, Luis; Alvarez García, Wuesley Yusmein; Abanto urbina, Maycol; Gutiérrez Arce, Felipe; Tapia Acosta, Eduardo; Pizarro, Samuel; Ciprian, Cesar; Naupari, Javier
The underutilization of remote sensing technology has compromised sustainable forage resource management, impeding the progress of livestock farmers in the northern Peruvian highlands. To accurately predict forage biomass in six high-altitude (2600-2800 m) ryegrass (Lolium multiflorum Lam) -clover (Trifolium repens) paddocks, we applied machine learning models implemented in Google Earth Engine using spectral indices derived from UAV-based multispectral imagery captured by a Micasense RedEdge MX camera mounted on a DJI Matrice 600. A total of 75 forage samples were collected from precisely geo-referenced plots to train and validate machine learning models based on 13 spectral indices. The Random Forest (RF) model, comprising 500 trees for green forage and dry matter, demonstrated high accuracy and efficiency. UAV-based biomass prediction using GEE and ML techniques was validated, achieving R² values of 0.671 and 0.747 and low errors. By integrating UAVs, sensors, and cloud-based ML, we can decision-support potential in the inter-Andean valley. This innovative approach reduces costs, ensures high-resolution snapshot biomass assessment, and empowers producers to make data-driven decisions.