Pasar al contenido principal

Resultados relacionados

Resultados totales (Incluyendo duplicados): 1
Encontrada(s) 1 página(s)

Academica-e. Repositorio Institucional de la Universidad Pública de Navarra
Publicación Tesis doctoral (DoctoralThesis)

Dense remote sensing time series for monitoring forest disturbances and recovery: harvesting, defoliation and post-fire dynamics

  • Giambelluca, Ana Laura
Los ecosistemas forestales se ven cada vez más afectados por procesos de degradación, lo que resalta la necesidad de sistemas de monitoreo robustos para evaluar la salud de los bosques y respaldar intervenciones de gestión oportunas. Esta tesis tiene como objetivo avanzar en la atribución, caracterización y comprensión de las perturbaciones y la recuperación forestal mediante la integración de series temporales de datos de teledetección de múltiples fuentes con factores climáticos y topográficos. En lugar de ver las perturbaciones como eventos aislados, esta tesis establece un marco integrado para abordar los tres principales impulsores del cambio forestal: la gestión, el fuego y el estrés climático. Algunas perturbaciones implican un cambio parcial de la cubierta forestal, como las claras, lo que dificulta su detección por medio de la teledetección. Para distinguir los cambios estructurales inducidos por el hombre en las masas forestales, utilizamos series temporales espectrales densas para identificar las prácticas de aprovechamiento forestal. Al analizar señales de cambio subanuales, diferenciamos entre la clara y la corta a hecho, proporcionando una base de referencia fiable para monitorear la intensidad silvícola tanto a escala regional como de rodal. En cuanto a las perturbaciones naturales, la investigación exploró los complejos mecanismos de resiliencia post-incendio. Encontramos que la recuperación del ecosistema es un proceso no estacionario donde las especies arbóreas mostraron una mayor influencia en la recuperación a corto plazo, mientras que la persistencia a largo plazo viene dictada por limitaciones ambientales específicas del sitio, especialmente la elevación y el balance hídrico. Además, se abordó una brecha metodológica crítica al evaluar la divergencia entre la recuperación estructural y la funcional. Mientras que los índices espectrales a menudo sugieren un rápido "reverdecimiento" (green-up) debido a la humedad del sotobosque, los modelos de productividad basados en procesos revelan un cronograma más conservador y realista para la restauración de las funciones forestales esenciales. Finalmente, la tesis avanza en la comprensión de los factores impulsores de la defoliación forestal. Mediante la implementación de un marco predictivo para la salud forestal, identificamos que los patrones de defoliación regional están impulsados principalmente por estresores topoclimáticos. Esto resalta el papel de la baja elevación, las condiciones climáticas más secas y las laderas orientadas al sur como puntos críticos de vulnerabilidad. En conclusión, esta investigación demuestra que la integración de datos de múltiples fuentes no es meramente una elección técnica, sino una necesidad científica para capturar la naturaleza multidimensional de la dinámica forestal, proporcionando herramientas esenciales para la toma de decisiones informada en la gestión forestal sostenible bajo un clima cambiante., Forest ecosystems are increasingly affected by degradation processes, highlighting the need for robust monitoring systems to assess forest health and support timely management interventions. This thesis aims to advance the attribution, characterization, and understanding of forest disturbance and recovery through the integration of multi-source remote sensing time series data with climatic and topographic factors. Instead of viewing disturbances as isolated events, this thesis establishes an integrated framework to address the three primary drivers of forest change: management, fire, and climate stress. Some disturbances imply a partial change of the forest cover, such as thinning, making the detection of them challenging using remote sensing. To distinguish human-induced structural changes in forest stands, we utilized dense spectral time series to identify forest harvesting practices. By analysing sub-annual change signals, we differentiated between thinning and clear-cutting, providing a reliable baseline for monitoring silvicultural intensity at both regional and stand-specific scales. Regarding natural disturbances, the research explored the complex mechanisms of post-fire resilience. We found that ecosystem recovery is a non-stationary process where tree species showed more influence on recovery in the short term, while long-term persistence is dictated by site-specific environmental constraints, especially elevation and water balance. Furthermore, a critical methodological gap was addressed by evaluating the divergence between structural and functional recovery. While spectral índices often suggest a rapid "green-up" due to understory moisture, process-based productivity models reveal a more conservative and realistic timeline for the restoration of essential forest functions. Finally, the thesis advances the understanding of the drivers behind forest defoliation. By implementing a predictive framework for forest health, we identified that regional defoliation patterns are primarily driven by topoclimatic stressors. This highlights the role of low elevation, drier climatic conditions and southern-facing slopes as vulnerability hotspots. In conclusio, this research demonstrates that integrating multi-source data is not merely a technical choice but a scientific necessity to capture the multi-dimensional nature of forest dynamics, providing essential tools for informed decision-making in sustainable forest management under a changing climate., This thesis has been possible thanks to a grand: the “Predoctoral grants 2022 from the Government of Navarra for the implementation of doctoral programs of interest to Navarra”, BDNS identification: 631887. And through the ReSAg (PID2019-107386RB-I00) and DAMAGE (PID2023-0152885OB-I00) projects funded by the Ministry of Science and Innovation (MCIN/AEI/10.13039/501100011033), and which include funds from the European Regional Development Fund (ERDF-EU)., Programa de Doctorado en Ciencias y Tecnologías Industriales, Industria Zientzietako eta Teknologietako Doktoretza Programa