Comparación de redes neuronales y regresión lineal para estimar productividad de sitio en plantaciones forestales, utilizando geomática

Resumen

En la presente investigación se propone una metodología para estimar la productividad de sitio en plantaciones forestales mediante modelos de regresión lineal y redes neuronales, utilizando herramientas geomáticas, tales como sistemas de información geográfica (SIG), sistema de posicionamiento global (GPS) y fotogrametría. El estudio se llevó a cabo en la Estación Experimental “El Picazo”, ubicada en la precordillera andina de la VII Región del Maule. Las variables independientes consideradas tienen relación con la distancia a los cursos de agua (DCA), modelo digital de elevaciones (MDE), modelo digital de orientaciones (MDO) y modelo digital de pendientes (MDP); como variable dependiente se utilizó la altura de los 100 individuos más altos por hectárea (H_100). En ambas técnicas de estimación, las variables finalmente seleccionadas fueron MDP y DCA. La calidad de las estimaciones generadas (R2 = 41,65%) se encontró dentro del rango establecido en investigaciones anteriores. El análisis de los resultados establece que el modelo neuronal presenta un menor error medio absoluto (EMA) y una raíz cuadrada del error cuadrático medio (RMSE) inferior respecto al modelo de regresión lineal múltiple, el cual presentó un menor sesgo medio (SM) y fue más fácil de integrar en un SIG. Por último, se destaca que la productividad de sitio basada en indicadores ambientales como los aquí considerados, permite conocer información útil para desarrollar programas de forestación en zonas despobladas.