Plataforma geoespacial de datos forestales

IDEFOR
logo centrogeo

Metadatos de: Volumen de madera por formación forestal (m3) (Ráster)


Autor del Metadato
Gabriela Elizabeth Peña I.
Abstract

Esta capa muestra el volumen maderable de los bosques de México, conforme al análisis geoestadístico de los datos del tercer ciclo de muestreo del Inventario Nacional Forestal y de Suelos (INFyS) 2015 -2020.

<a href="https://idefor.cnf.gob.mx/documents/1875/download" class=" link-parametros">Descargar parámetros estadísticos</a>

Purpose

Conocer el volumen maderable por tipo de formación en el territorio nacional

Colaboradores

Gerencia del Sistema Nacional de Monitoreo Forestal
Gerencia Técnica del Sistema de Monitoreo, Reporte y Verificación.
Servicio Forestal de Estados Unidos.
Universidad Nacional Autónoma de México.

Keywords
Monitoreo Forestal
Fecha de publicación

2023-05-16 12:22:00

Derechos
Gerencia del Sistema Nacional de Monitoreo Forestal
Edición

2022

Categoria

Informacion Geocientifica

Historial del procesamiento
El mapeo de volumen maderable se realizó a partir de un modelo que integra los datos disponibles del tercer ciclo del INFyS (2015-2020) y datos de percepción remota de variables climáticas, de vegetación y topográficas. Estas últimas se utilizaron como predictores para modelar la distribución espacial del volumen maderable. Para modelar la distribución espacial se empleó un modelo que pertenece a la familia de los ensambles de aprendizaje automático asistido por computadora. Este modelo ensambla diferentes predicciones de distintos algoritmos aplicados a los mismos datos del INFyS (datos de entrenamiento). La implementación de este ensamble de aprendizaje automático se encuentra implementado en el paquete LANDMAP de R (https://github.com/Envirometrix/landmap). Este enfoque normalmente mejora la calidad (e.g., precisión y exactitud de predicciones espaciales) al ser capaz de combinar más de 40 algoritmos distintos. Algunos de los algoritmos más comunes incluidos son Random Forest, Support Vector Machine, Modelos Lineales Generalizados, entre otros. La calidad de los algoritmos que se usan en el ensamble se calcula mediante la aplicación de un enfoque espacial de validación cruzada (spCV, del inglés cross-validation) de 5 repeticiones. La spCV genera los residuos independientes del modelo necesarios para calcular indicadores de precisión tales como la r2 y el error cuadrático medio (RMSE). Finalmente, expresamos la incertidumbre del mapa en porcentaje, como el rango de los intervalos de predicción dividido por su promedio.

Fuente
CONAFOR-GSNMF
Supplemental information

El mapeo de volumen maderable se realizó a partir de un modelo que integra los datos disponibles del tercer ciclo del INFyS (2015-2020) y datos de percepción remota de variables climáticas, de vegetación y topográficas. Estas últimas se utilizaron como predictores para modelar la distribución espacial del volumen maderable. Para modelar la distribución espacial se empleó un modelo que pertenece a la familia de los ensambles de aprendizaje automático asistido por computadora. Este modelo ensambla diferentes predicciones de distintos algoritmos aplicados a los mismos datos del INFyS (datos de entrenamiento). La implementación de este ensamble de aprendizaje automático se encuentra implementado en el paquete LANDMAP de R (https://github.com/Envirometrix/landmap). Este enfoque normalmente mejora la calidad (e.g., precisión y exactitud de predicciones espaciales) al ser capaz de combinar más de 40 algoritmos distintos. Algunos de los algoritmos más comunes incluidos son Random Forest, Support Vector Machine, Modelos Lineales Generalizados, entre otros. La calidad de los algoritmos que se usan en el ensamble se calcula mediante la aplicación de un enfoque espacial de validación cruzada (spCV, del inglés cross-validation) de 5 repeticiones. La spCV genera los residuos independientes del modelo necesarios para calcular indicadores de precisión tales como la r2 y el error cuadrático medio (RMSE). Finalmente, expresamos la incertidumbre del mapa en porcentaje, como el rango de los intervalos de predicción dividido por su promedio.


Información de Contacto

Contacto registrado

Nombre
Gabriela Elizabeth Peña I.
Correo Electrónico
gabriela.pena@conafor.gob.mx
Organización
Comisión Nacional Forestal


WKT

POLYGON((-125.21018298467942 10.992461002666708,-125.21018298467942 35.71774036179886,-81.35935447930765 35.71774036179886,-81.35935447930765 10.992461002666708,-125.21018298467942 10.992461002666708))

Codigo de la proyección

EPSG:4326


Dominio espacial
Oeste

-125.2101829847

Este

-81.3593544793

Norte

10.9924610027

Sur

35.7177403618

Periodo de validez de datos

Atributos
Attribute Name Description
GRAY_INDEX

    • Legend

    • Maps using this layer

      • This layer is not currently used in any maps.

    • Create a map using this layer

      Click the button below to generate a new map based on this layer.

      Create a Map

    • About

      Owner, Point of Contact, Metadata Author

      gabriela.pena

      Comisión Nacional Forestal

    cc by-nc-sa