X Conferencia Científica Internacional sobre Desarrollo Agropecuario y SostenibilidadAGROCENTRO 2023
Agrocentro 2021
Resumen
Dentro del proceso de elaboración del inventario nacional de gases de efecto invernadero (GEI) en Cuba se ha identificado como principal vacío la no estimación de las emisiones y absorciones de GEI provenientes de la categoría 3.B. Tierras. Dentro de dicha categoría solo se ha logrado estimar la subcategoría 3.B.1.a. Tierras forestales que permanecen como tales, lo que ocasiona una subestimación del sector Agricultura, Silvicultura y Otros Usos de la Tierra (AFOLU). El objetivo del trabajo es realizar un análisis de la dinámica del uso del suelo en municipios seleccionados, para posteriormente estimar las emisiones y remociones de GEI a partir de estas variaciones. La cartografía se elaboró a partir de la clasificación supervisada de imágenes Landsat 8. Se generaron varias clasificaciones utilizando algoritmos de inteligencia artificial en el software RStudio, se decidió trabajar con Random Forest porque con él se obtuvieron resultados con mejor precisión. El procedimiento empleado permitió la obtención de seis clases de cobertura de suelo, las cuales son coherentes con las directrices del IPCC. La obtención de valores de precisión relativamente altos en las clasificaciones supervisadas 87.69%, validan su implementación en otras zonas del país y su uso para realizar estimaciones de emisiones y remociones de GEI en el sector.
Abstract
Within the process of preparing the national inventory of greenhouse gases (GHG) in Cuba, the non-estimation of GHG emissions and removals from category 3.B has been identified as the main gap. Land. Within this category, only subcategory 3.B.1.a has been estimated. Forest lands that remain as such, causing an underestimation of the Agriculture, Forestry and Other Land Uses (AFOLU) sector. The objective of the work is to carry out an analysis of the dynamics of land use in selected municipalities, to later estimate GHG emissions and removals from these variations. The cartography was elaborated from the supervised classification of Landsat 8 images. Several classifications were generated using artificial intelligence algorithms in the RStudio software, it was decided to work with Random Forest because with it results with better precision were obtained. The procedure used allowed obtaining six classes of land cover, which are consistent with the IPCC guidelines. The obtaining of relatively high precision values in the supervised classifications 87.69%, validates its implementation in other areas of the country and its use to make estimates of GHG emissions and removals in the sector.
Sobre el ponente
MsC. Luis Enrique Pérez - Borroto Vega
![Cuba Flag of Cuba](/base/static/img/country_flags/cu.png)