Modeling and Simulation of the Terrain of Compartment 9, in the El Dorado-Tumeremo Forest Reserve, Bolívar-Venezuela

Article Sidebar

PDF (Español)
Published: 10-02-2021

Main Article Content

Jesús Andrades-Grassi
Universidad de Los Andes (ULA), Escuela de Ingeniería Forestal, Facultad de Ciencias Forestales y Ambientales, Mérida, Venezuela
Venezuela, Bolivarian Republic of
https://orcid.org/0000-0002-5009-2826
Ronald Rangel
Universidad de Los Andes (ULA), Escuela de Ingeniería Forestal, Facultad de Ciencias Forestales y Ambientales, Mérida, Venezuela
Venezuela, Bolivarian Republic of
Juan López-Hernández
Universidad de Los Andes. Escuela de Ingeniería Forestal. Facultad de Ciencias Forestales y Ambientales. Mérida. Venezuela
Venezuela, Bolivarian Republic of
https://orcid.org/0000-0003-2556-9896
Neli Omaña
Universidad de Los Andes. Escuela de Ingeniería Forestal. Facultad de Ciencias Forestales y Ambientales. Mérida. Venezuela
Venezuela, Bolivarian Republic of
Ledyz Cuesta-Herrera
Universidad Católica del Maule, Talca, Chile
Chile
https://orcid.org/0000-0003-4108-7280
Alicia Gómez
Universidad de Los Andes. Escuela de Ingeniería Forestal. Facultad de Ciencias Forestales y Ambientales. Mérida. Venezuela
Venezuela, Bolivarian Republic of
No 17 (2021), Original articles, pages 35-45
DOI: https://doi.org/10.15304/rr.id7496
Submitted: 10-02-2021 Published: 10-02-2021
Copyright How to Cite

Abstract

A Digital Elevation Model of Compartment 9 of the Dorado Tumeremo Forest Reserve was generated, using geostatistical modeling and simulation, the elevation were available at a scale of 1:20.000. It was obtained that the data are not stationary by mean, since a second order polynomial model was fitted that follows an East-West direction. An Isotropic Spherical semivariogram model was fitted on the residuals and a simple residual Kriging was executed in which the error obtained was -0.10 m. Finally, due to the lack of information, a multi-Gaussian conditional simulation model was applied, from which new realizations were obtained that reflect the same statistical properties of the random function. The results show that the process was highly effective, reconstructing the shape of the terrain, but the simulation corresponds to a highly volumetric process with a high computational cost that requires adequate statistical criteria.

Keywords:

Key words Digital Elevation Model, Geostatistics, Simulation, Kriging, Dorado Tumeremo Forest Reserve
Cited by

Article Details

References

Abarca, O. (2008). Viabilidad de la implantación de una infraestructura de datos espaciales (IDE) para la gestión pública y participativa de las tierras en Venezuela. GeoFocus. Revista Internacional de Ciencia y Tecnología de la Información Geográfica 8: 61-93.

Andrades, J., Cuesta, L., Camargo, C., López, J., Torres, H. & Osorio, A. (2020). Propuesta metodológica para la construcción y selección de modelos digitales de elevación de alta precisión. Methodological proposal for the construction and selection of digital high-precision elevation models. https://doi.org/10.14483/2256201X. 15155 T0.

Berroteran, J. (2003). Bases Técnicas para el Ordenamiento Territorial de la Reserva Forestal IMATACA. Ministerio del Ambiente y de los Recursos Naturales. Dirección General de Planificación y Ordenación del Ambiente. Fundación UCV- Facultad de Ciencias. IZT- Laboratorio de Ecología de Paisajes y Agroecología. 296 p.

Bivand, R., Pebesma, E. & Gómez-Rubio, V. (2013). Applied spatial data analysis with R. NuevaYork: Springer-Verlag. https://doi.org/10.1007/978-1-4614-7618-4.

Chiles, J. P. & Delfiner, P. (2009). Geostatistics: modeling spatial uncertainty (Vol. 497). John Wiley & Sons.

Cressie, N. (1992). Statistics for spatial data. Terra Nova, 4(5), 613-617. https://doi.org/10.1111/j.1365-3121.1992 .tb00605.x.

Delmelle, E.M. (2014). Spatial sampling. En M. M. Fisher y P. Nijkamp (eds.), Handbook of regional science (pp. 1385-1399). Berlín: Springer. https://doi.org/10.1007/978-3-642-23430-9_73.

DeCarlo, L.T. (1997). «On the Meaning and Use of Kurtosis». Psychological Methods 2(3): 292-307. Consultado el 13 de febrero de 2018. https://doi.org/10.1037/1082-989X.2.3.292.

Díaz, M. (2002). Geostadística aplicada. México D. F.: Instituto de Geofísica, UNAM; Instituto de Geofísica y Astronomía, CITMA. http://mmc2.geofisica.unam.mx/cursos/geoest/GeoEstadistica.pdf.

Díaz, M. (2020). Modelos de Estimación de Leyes. Geoestadística. Recuperado de https://mine-class.com/wp-content/uploads/2017/03/geo3.pdf.

Diez, D., Barr, C. y Çetinkaya-Rundel, M. (2020). Introductory Statistics for the Life and Biomedical Sciences Julie Vu David Harrington Derivative of OpenIntro Statistics Third Edition.

Emery, X. (2013). Geoestadística. Santiago: Universidad de Chile. https://www.ucursos.cl/usuario/f697544fb48474f 4153ef2aafbe4c963/mi_blog/r/Geoestadist ica.pdf.

EMB (1995). Elaboración de Maderas Bosco, C.A. Plan de ordenación y manejo forestal. Lote Boscoso El Dorado Tumeremo. Estado Bolívar.

EMB (2016). Elaboración de Maderas Bosco C.A. Plan de Corta. Lote Boscoso el Dorado Tumeremo. Edo. Bolívar. 162 p.

FAO, (2001). Proyecto Información y análisis para el manejo sostenible: integrando esfuerzos nacionales e internacionales en 13 países tropicales en América latina. (GCP/RLA/133/EC). Recursos forestales y cambio en el uso de la tierra Venezuela. Ministerio del ambiente y de los recursos naturales. Dirección general del recurso forestal. Instituto Forestal Latinoamericano.

Felicísimo, A. (1994) Modelos digitales del terreno. Introducción y aplicaciones en las ciencias ambientales. Pentalfa Ediciones.

Fernández, R. & Cao, R. (2020). Simulación Estadística. Recuperado de https://rubenfcasal.github.io/simbook/.

Gujarati, D. & Porter, D. (2010). Econometría. México D. F.: Mc Graw Hill.

Gimond, M. (2017). Intro to GIS and spatial analysis. Recuperado de https://mgimond.github.io/Spatial/ index.html.

Giraldo, R. (2002). Introducción a la geoestadística: Teoría y aplicación. Bogotá: Universidad Nacional de Colombia.

Gräler, B., Pebesma, E. & Heuvelink, G. (2016). “Spatio-Temporal Interpolation using gstat.” The R Journal 8: 204-218. https://journal.r-project.org/archive/2016/RJ-2016-014/index.html.

Hernández, L., Ochoa, J., Dezzeo, N., & Herrera, R. (1997). Consideraciones sobre el plan de ordenamiento y reglamento de uso de la Reserva Forestal Imataca. Caracas: Informe para la Comisión del Ambiente, Cámara de Diputados del Congreso de Venezuela.

LFSR, (2007). Laboratorio de Fotogrametría y Sensores Remotos. Sistemas de información geográfica, ejercicio número 04: Escaneo y georeferenciación. Laboratorio de Fotogrametría y Sensores Remotos. Mérida: Universidad de los Andes. 9 p.

López, C. (2005). Variograma. Recuperado el 2013 de 11 de 22, de Control de errores en Datos Geográficos: http://www.geo.upm.es/postgrado/CarlosLopez/.

Matheron, G. (1970). La teoría de las variables regionalizadas y sus aplicaciones. Los Cuadernos del Centro de Morfología Matemática de Fontainebleau. Fascículo, 5, 125.

MINAMB. (2016). Diversidad Biológica. Ministerio del Ambiente. Consultado en: diversidadbiologica. minamb.gob.ve/areas/ficha/203 Fecha: 21/02/2016.

Noguera, O., Pacheco, C., Plonczak, M., Jerez, M., Moret, A., Quevedo, A. & Carrero, O. (2007). Planificación de la explotación de impacto reducido como base para un manejo forestal sustentable en un sector de la Guayana Venezolana. Revista Forestal Venezolana 51(1): 67-78.

Olaya, V. (2011). Sistemas de información geográfica. Recuperado de https://wiki.osgeo.org/wiki/Libro_SIG.

Oliver, M.A. & Webster, R. (2015). Basic steps in geostatistics: the variogram and kriging (pp. 15-42). New York, NY: Springer International Publishing.

Padilla, A. (2003). Desarrollo sostenible de la Reserva Forestal Imataca ¿Utopía o realidad? Rev. Forest. Latinoam. 33: 53-80.

Plant, R.E. (2012). Spatial data analysis in ecology and agriculture using R. CRC Press. https://www.crcpress.com/Spatial-Data-Analysis-in-Ecology-and-Agriculture-UsingR/Plant/p/book/9780815392750.

Pebesma E.J. (2004). Multivariable geostatistics in S: the gstat package. Computers & Geosciences 30: 683-691. https://doi.org/10.1016/j.cageo.2004.03.012.

Priego Santander, Á.G., & Verdinelli, B. (2011). Propuesta para la generación semiautomatizada de unidades de paisaje. Universidad Nacional Autónoma de México.

Quenouille, M.H. (1949). Problems in plane sampling. Annals of Mathematical Statistics 20: 355–375. https://doi.org/10.1214/aoms/1177729989.

Ramírez, J., Alzolay, J., Noguera, O., Suárez, A., Carrero, O., & Millán, O. (2005). Metodología preliminar para la tipificación del bosque con fines de manejo en el lote boscoso El Dorado-Tumeremo Estado Bolívar, Venezuela. Revista Forestal Venezolana 49(2): 183-190.

Salitchev, K.A. (1979). Cartografía. Pueblo y Educación.

Soriano, E. (2020). MI75D - LECCIÓN 3: Simulación geoestadística modelo Multi-Gaussiano. Recuperado de https://slideplayer.es/slide/13401580/.

SVIDB, (2020). Servicio Venezolano de Información sobre Diversidad Biológica, Tumeremo – El Dorado. Recuperado de http://200.11.192.207/areas/ficha/203/.

Velásquez, J., Ochoa, G., Oballos, J., Manrique, J., & Santiago, J. (2004). Metodología para la delineación cartográfica de suelos. Revista Forestal Latinoamericana 36: 15-34.

Westfall, Peter H. (2015). «Kurtosis as Peakedness, 1905 – 2014. R.I.P.». The American Statistician 68 (3): 191-195. Consultado el 13 de febrero de 2018. https://doi.org/10.1080/00031305.2014.917055.