para el bh-PM

Tabla 6. Criterios para la selección del mejor modelo de estimación de biomasa para el bh-PM

Modelo R² R² Aj ECMP AIC BIC

Biomasa = a + b * Promedio Focal de NDVI 0.52 0.52 1,194,881.09 1,582.13 1,589.76

Biomasa = a + b * (Promedio Focal de NDVI)² 0.53 0.53 1,177,552.33 1,580.79 1,588.42

Ln (Biomasa) = a + b * Ln (Promedio Focal de NDVI) 0.48 0.48 0.32 160.92 168.55

Biomasa = a + b * Promedio Focal de NDVI + c * (Promedio Focal de NDVI)² 0.57 0.56 1,116,834.71 1,575.53 1,585.70

Dónde: R² = Coeficiente de determinación, R2 Aj= Coeficiente de determinación ajustado, ECMP= Error cuadrático medio de predicción, AIC= Criterio de información Akaike, BIC=Criterio de información bayesiano

A partir de la ecuación seleccionada y las constantes dadas por la regresión realizada en el software Infostat, se genera la ecuación para predecir la biomasa aérea en las coberturas boscosas del bh-PM a partir del promedio focal del NDVI (Figura 20).

Ln (Biomasa Aérea) = 15.45 + 11.06 * Ln (Promedio Focal de NDVI)

Figura 20. Ecuación para la estimación de biomasa aérea en el bh-PM

Se realizó la comparación entre la biomasa aérea observada y la biomasa aérea estimada con a partir del modelo seleccionado, se observa la relación entre la biomasa observada y la biomasa predicha (Figura 21) y una diferencia entre la biomasa observada y la biomasa estimada de 22.7 toneladas.

Figura 21. Relación entre la variable dependiente y la variable independiente con la ecuación seleccionada

Para la parcela 3 (bmh-MB), se seleccionó el modelo 3 asociado al logaritmo natural (Ln), dado que, presenta el coeficiente de determinación más alto (0.79), lo que representa el mayor grado de asociación entre las dos variables y presenta el error cuadrático medio de predicción (0.08) y el Criterio de información Akaike (29.03) más bajo, lo que representa un menor error entre la biomasa predicha y la observada (Tabla 7).