Publicación/2021/Fajardo, A., Llancabure, J.C. and Moreno, P.C. 2021. Assessing forest degradation using multivariate and machine learning methods in the Patagonian temperate rainforest. Ecological Applications.

https://doi.org/10.1002/eap.2495

Evaluación de la degradación forestal con el uso de métodos multivariados y de aprendizaje automático en el bosque templado lluvioso patagónico.

El proceso de degradación de bosques, junto con la deforestación, es la segunda fuente más importante de emisiones de gases de efecto invernadero a nivel mundial. Un desafío clave que se mantiene sin resolver es como definir numéricamente el umbral crítico que distingue a un bosque degradado de uno no degradado. En este estudio determinamos el umbral crítico de degradación en bosques maduros del tipo forestal siempreverde en el sur de Chile, mediante la cuantificación de factores claves de los rodales, que caracterizaban un estado de degradación forestal. La degradación forestal en esta área es principalmente causada por cortas selectivas o floreo, cosecha de leña, además del pastoreo del ganado bajo el bosque. Se establecieron 160 parcelas de 500 m2 en robles que representaban varios grados de alteración (desde condiciones prístinas hasta una clara degradación forestal), además se midieron varias variables relacionadas a la estructura y composición de rodales, esto incluía la riqueza de especies exóticas y nativas, niveles de nutrientes de la tierra y otras variables a nivel de paisaje. Para identificar los tipos de degradación forestal, se aplicaron análisis multivariados y de aprendizaje automático. Se descubrió que la riqueza de especies exóticas (incluyendo las especies invasoras) con un diámetro a la altura del pecho (DAP) < 10 cm y la densidad del árbol (N, DAP> 10 cm) eran las dos variables de composición y estructurales que mejor explicaban el estado de degradación de los bosques, por ejemplo, rodales con cinco o más especies exóticas consecuentemente se encontraban más asociadas con degradación forestal y rodales con N < 200 árboles/ha representaban bosques degradados, mientras que N > 1000 árboles/ha representaban a los bosques vírgenes. Se presenta una metodología analítica, principalmente con base en el aprendizaje automático, que identificó con éxito el estado de degradación forestal que puede ser replicado en otros escenarios. En conclusión, al proporcionar un amplio conjunto de datos que cuantifican los atributos del bosque y de sitio, los resultados de este estudio son sin duda útiles para los directores y responsables de la toma de decisiones en la clasificación y cartografía de los bosques que sufren diversos grados de degradación.