Actividades en Sudamerica - Introducción

y Anexos del “Libro de recetas” de

REDD+

Luis Alberto Vega Isuhuaylas

(FFPRI, Japón)

1

Antecedentes

2

Ratanakiri, Cambodia

Número de personal • Ejecutivos 8

• Investigadores 454

• Oficiales 625

• Expertos 12

• Total 1099

Instituto de Investigación Forestal y Productos Forestales

(FFPRI)

Organización • Oficina principal (Tsukuba)

16 Divisiones y 5 Oficinas

• Hokkaido (Sapporo)

• Tohoku (Morioka)

• Kansai (Kyoto)

• Shikoku (Kochi)

• Kyusyu (Kumamoto)

• Jardín científico en el bosque Tama (Hachioji, Tokyo)

• Centro invernadero forestal

El FFPRI, establecido en el año 1905, es el instituto de investigación en

bosques, forestería y productos forestales en Japón.

3

• En Julio del 2010, el “Centro de Investigación y Desarrollo REDD” fué

lanzado dentro del FFPRI.

• El Centro de I&D REDD está trabajando en el reforzamiento del Sistema

de medición, reporte y verificación (MRV) del monitoreo de emisiones de

gases de efecto invernadero y el desarrollo de tecnologías requeridas para

establecer niveles de referencia de las emisiones.

El Centro de I&D REDD en el FFPRI

Desarrollo de métodos para:

• Monitoreo de emisiones y remocion de GEI.

• Estimación de niveles de referencia. 4

80 60 40 20

EquatorEquator

Tropic of Capricorn

0

20

100

40

0

20

40

80 60 40

N o r t h

A t l a n t i c

O c e a n

S o u t h

A t l a n t i c

O c e a n

S o u t h

P a c i f i c

O c e a n

Titicaca

Orinoco

Xingu

Paraguai

Paraná

Caribbean Sea

Madeira

São

Lago

Maranón

Strait ofMagellan

Beni

Mam

ore

Amazon Amazon N

egro

Para

ná

Rio

Rio

Rio

Rio

Rio

Rio

Rio

Rio

Rio'

Rio'

Rio'

Rio'

UcayaliRio'

Rio

'

Rio'

Fran

cisco

Mag

dalena

Toc

antins

Aragu

aia

A N D E S

A N

D E

S

A N D E S

A N D E S

A N

D E

S

ALTIPLANO

A N D E S

A T

A C

A M

A D

E S

E R

T

P A

T

A

G

O

N

I A

Cerro Aconcagua(highest point in

South America, 6962 m)

MATO GROSSO

A M A Z O N

B A S I N

PLATEAU

P A M

P A

S

G U I A N A H I G H L A N D S

B R A Z I L I A N

H I G H L A N D S

Laguna del Carbón(lowest point in South America and

the Western Hemisphere, -105 m)

PERU-C

HILE TRENCH

NA

ZCA

R

IDG

E

CO

CO

S R

IDG

E

SOUTH GEORGIA RIDGE

RIO

GRANDE

RISE

CHILE

B R A Z I L

URUGUAY

PARAGUAY

BOLIVIA

COLOMBIA

ECUADOR

SURINAME

PERU

PANAMA

NICARAGUA

COSTA RICA

HONDURAS

TRINIDAD ANDTOBAGO

GUYANA

BARBADOS

ST. LUCIA

GRENADA

Martinique (FRANCE)

VENEZUELA

(COLOMBIA)

(COLOMBIA)

(COLOMBIA)THE GRENADINESST. VINCENT AND

FrenchGuiana

(FRANCE)

Aruba(NETH.)

Curacao(NETH.)

ARGENTINA

Falkland Islands(Islas Malvinas)

(administered by U.K.,claimed by ARGENTINA)

South Georgia and

South Sandwich Islands(administered by U.K.,

claimed by ARGENTINA)

Isla San Félix(CHILE) Isla San Ambrosio

(CHILE)

CapeHorn

Isla de Malpelo

Isla deSan Andrés

Isla deProvidencia

ARCHIPIÉLAGO

JUAN FERNÁNDEZ(CHILE)

Bahía Blanca

ComodoroRivadavia

Córdoba

La Plata

Mendoza

Resistencia

RíoGallegos

Rosario

Salta

San Carlos deBariloche

San Miguelde Tucumán

SantaFe

Ushuaia

Cochabamba

Potosí

SantaCruzSucre

Trinidad

Aracajú

Belém

BeloHorizonte

BoaVista

Campinas

CampoGrande

Campos

Contagem

Cuiabá

Curitiba

Florianópolis

Fortaleza

Goiânia

JoãoPessoa

Joinvile

Londrina

Macapá

Maceió

Manaus

Natal

Porto Alegre

PôrtoVelho

Recife

RioBranco

Rio de Janeiro

Salvador

Santarém

Santos

São Luis

São Paulo

Teresina

Uberlândia

Vitória

Antofagasta

Ciudaddel Este

Arequipa

Chiclayo

Cusco

Huancayo

Huánuco

Ica

Iquitos

Piura

Pucallpa

Trujillo

Salto

BarcelonaBarquisimeto

CiudadGuayana

Maracaibo

SanCristobal

Valencia

Guayaquil

Cuenca

Cali

CartagenaBarranquilla

Medellín

Pereira

Ibagué

Bucaramanga

Cúcuta

Arica

Iquique

Valparaiso

Temuco

Puerto Montt

Punta Arenas

Concepción

Buenos Aires

La Paz Brasília

Santiago

Bogotá

San José

Quito

Stanley

Cayenne

Tegucigalpa

Managua

PanamaCity

Asunción

Lima

Paramaribo

Georgetown

Port-of-Spain

Montevideo

Caracas

0 500 Kilometers

0 500 Miles

SOUTH AMERICA

803483AI (G00186) 10-10

Boundary representation is

not necessarily authoritative.

Scale 1:35,000,000Azimuthal Equal-Area Projection

120

120

40

80

80

1008060

Arctic Circle

Tropic of Cancer

Equator

0

4060

80 100140

160

2020

0 0

60

60

20

140

4040

160

180

Arabian

SeaBay of

Bengal

AndamanSea

LaccadiveSea

Gulf of

Thailand

SouthChinaSea

EastChinaSea

YellowSea

Sea ofJapan

Sea ofOkhotsk

East SiberianSea

LaptevSea

Kara Sea

Arct i c Ocean

Barents Sea

NorwegianSea

NorthSea

CaspianSea

Persian Gulf

LakeBalkhash

AralSea

LakeOnega

LakeLadoga

Black

Sea

LakeBaikal

BeringSea

Philippine

Sea

Java Sea

Banda Sea

Celebes Sea

Sulu Sea

Timor SeaI nd i anOcean

Kolym

a

Lena

Lena

Vilyu

y

Ob’

Ertis

Am

u Darya

IrtyshAngara

Yenisey

Ob’

Volga

Indu

s

Volga

Kama

Pech

ora

Ganges Brahmapu

tra

Irra

wad

y

Xi Jiang

Ya

ngtze

Yello

w

Salw

een

Mekong

Alda

n

Amur

Am

ur

C H I N A

MONGOLIA

I ND I A

I RANAFGHANISTAN

BURMA

SRI LANKA

MALDIVES

THAILAND

AUSTRALIA

MALAYSIA MALAYSIA

LAOS

VIETNAM

CAMBODIA

BANGLADESH

SINGAPORE

BRUNEI

NEPALBHUTAN

PHILIPPINES

SOUTH

KOREA

NORTH

KOREA

JAPAN

KAZAKHSTAN

UKRAINE

BELARUS

FINLAND

SWEDEN

NORWAY

Svalbard(NORWAY)

Christmas Island(AUSTL.)

Cocos(Keeling) Islands

(AUSTL.)

POL.LITH.

RUS.

DEN.

U.K.

LAT.

AZERBAIJAN

GEO.

ARM.

EST.

TURKMENISTAN

KYRGYZSTAN

TAJIKISTAN

UZBEKISTAN

OMAN

U.A.E.

QATAR

SAUDI

ARABIA

PAKISTAN

R U S S I A

I N D O N E S I A

Okinawa

U.S.

Taiwan

TIMOR-LESTE

1972Line of Control

Line ofActualControl

Indian

claim

ANDAMAN

ISLANDS(INDIA)

NICOBAR

ISLANDS(INDIA)

LAKSHADWEEP

(INDIA)SPRATLY

ISLANDS

HainanDao

Sakhalin

WrangelIsland

NEW SIBERIAN

ISLANDSSEVERNAYA

ZEMLYA

KURIL

ISLANDS

FRANZ JOSEF

LAND

NOVAYA

ZEMLYA

Luzon

Mindanao

Sulawesi(Celebes)

Sumatra

Java Timor

Borneo

RY

UK

U

IS

LA

ND

S

(J

AP

AN

)

Occupied by the Soviet Union in 1945,administered by Russia,

claimed by Japan.

Mt. Everest(highest point in the world,

8850 m)

A L T

A Y

M T S .

T I E N S H A N

K U N L U N

H

IM

AL A Y A S

HEN

GD

UA

N S

HA

N

A L T

A Y

M T S .

TAKLA MAKAN

DESERT

U R

A L

M O

U N

T A

I N S

S I B E R I A

G O B I

D E

S E R

T

GARAGUM

QIZILQUM

KO

LYM

SKO

YE N

AG

OR'Y

E

KH

REB

ET

D

ZH

UG

DZ

HU

R

VER

KH

OYA

NSK KHREBET

YABLO

NO

VYY

K

HREB

ET

SIK

HO

TE-A

LIN

'

T I E N S H A N

K U N L U N

H

IM

AL A Y A S

ZA

GR

OS M

TS.

CAU

CA

SUS

MTS.

KHREBET CHERSKOGO

M O U N T A I N S

QING ZANG GAOYUAN

HEN

GD

UA

N S

HA

N

D A

H

I N

G G

A N

L I N

G

MA

NC

HU

RIA

N P

LA

IN

D E C C A NW E

S T

E R

N G

H A

T S

EAST

ERN G

HATS

Mt. Everest(highest point in the world,

8850 m)

Macau S.A.R.Hong Kong S.A.R.

Murmansk

Arkhangel’sk

Glasgow

Saint Petersburg

Voronezh

NizhniyNovgorod

Saratov

Rostov

Samara

Almaty

MashhadEsfahan

Bandar’Abbas

Karachi

Kandahar

Quetta

Jaipur

Ahmadabad

Surat

MumbaiPune

Cochin

Chittagong

Lhasa

Noril’sk

Omsk

Novosibirsk

Krasnoyarsk

Yakutsk

Tiksi

Irkutsk

Magadan

Cherskiy

Anadyr’

Provideniya

Petropavlovsk-Kamchatskiy

Mandalay

Nay PyiTaw

Kashi

Ürümqi

Harbin

Changchun

Chita

Shenyang

DalianBaotou

Taiyuan

Tianjin

Xi’an

Zhengzhou

Qingdao

Jinan

Nanjing

Hangzhou

Nanchang

ChangshaChongqing

Chengdu

Guiyang

Kunming

Nanning

Guangzhou

Wuhan

Shanghai

Lanzhou

Da Nang

Haiphong

Taipei

Fukuoka

Pusan

Osaka

Yokohama

Nagoya

Khabarovsk

Vladivostok

Sapporo

Medan

Bandung

Semarang

Pontianak

Makassar

Ambon

Davao

Cebu

QuezonCity

Ho Chi MinhCity

Surabaya

Kanpur

Kolkata

Lucknow

Hyderabad

Bengaluru

Jaffna

Chennai

Kazan’

Ufa

Perm’

Yekaterinburg

Chelyabinsk

Atryaü(Atryau)

Qaraghandy(Karaganda)

Volgograd

Kharkiv

Donets’k

Tabriz

Shiraz¯

Ludhiana

Indore

Nagpur

Patna

Vishakhapatnam

Faisalabad

Lahore

Palembang

Ulaanbaatar

Beijing

Pyongyang

Seoul

Vientiane

Bangkok

Dhaka

NewDelhi

Male

Colombo

KualaLumpur

Jakarta

Hanoi

Manila

Tokyo

Bandar SeriBegawan

Muscat

AbuDhabi

Tehr an

Astana

Ashgabat

Doha

Baku

Yerevan

Tbilisi

Kyiv Moscow

Minsk

CopenhagenStockholm

Helsinki

Vilnius

Tallinn

Oslo

Warsaw

Dushanbe

BishkekTashkent

Kabul

Islamabad

Kathmandu Thimphu

PhnomPenh

Rangoon

¯

Dili

Singapore

Riga¯

Scale 1:48,000,000

Azimuthal Equal-Area Projection

0 800 Kilometers

0 800 Miles

Boundary representation is

not necessarily authoritative.

ASIA

803460AI (G00543) 6-10

JST/JICA Project(FY2010-2013)

REDD Project(FY2010-)

EA-FDPN Project(FY2009-)

FDDBProject

PALSAR Project(FY2009-2011)

Courtesy of the University of Texas Libraries, The University of Texas at Austin

REDD Project(FY2010-)

El FFPRI ha establecido numerosas parcelas de monitoreo en

colaboración con instituciones contra parte y universidades.

Parcelas de monitoreo de carbono

Cambodia

Malaysia

Myanmar

Paraguay

Peru

5

PROYECTO EN PARAGUAY

6

Santa María del Doce, Presidente Hayes, Paraguay

Título “Desarrollo de metodología de monitoreo de carbono almacenado en los bosques para la REDD+ en Paraguay”

Objetivo del proyecto

• MRV del uso de suelo y del cambio del uso de suelo via sensoramiento remote satelital.

• MRV del cambio del stock de carbon en bosques mediante la combinación de técnicas de sensoramiento remote y mediciones de campo.

Institución C/P Facultad de Ciencias Agrarias, Universidad Nacional de Asunción(FCA/UNA) Instituto Forestal Nacional (INFONA) Secretaría del Ambiente (SEAM)

Período Febrero 2011– Febrero 2014

Ámbito de investigación del proyecto

3 eco-regiones: Bosque Atlántico del Alto Paraná (BAAPA); Chaco Humédo, Chaco Seco

7

Resumen de datos de PPM en Paraguay

Tipo de

bosque

# de

parcelas

C stock

（Mg-C/ha）

Bosque

Atlántico 12 67.92 ± 42.00

Chaco

Húmedo 13 46.94 ± 32.92

Chaco

Seco 8 30.96 ± 11.36

3 tipos de bosque

Área de parcela: 0.25 ~ 1 ha media ± DE

8

PROYECTO EN PERU

9

Pilcopata, Cusco, Perú

Título “Desarrollo de métodos prácticos para monitoreo de cambios por deforestación, degradación forestal y aforestación bajo varios ambientes naturales y sociales en el Perú”

Objetivo del proyecto

Estimar y mapear la deforestación, degradación forestall y la reforestación a través de la estimación del cambio del stock de carbono.

Institución C/P

Servicio Nacional Forestal y de Fauna Silvestre (SERFOR)

Período Setiembre 2015 – Marzo 2018

Ámbito de investigación del proyecto

Bosque Andino & Bosque de Selva Alta

10

1.1 Muestreo sin parcela

(Estudio GT)

1.2 Análisis de datos de la serie temporal.

1.3. Sistema de verificación para los resultados de la clasificación.

• Coordinación y logística • Colección de datos (“Ground Truth”) • Desarrollo de base de datos

• Análisis de preproc. y clasificación • Stock de C del año 2015 (por tipo y nivel). • Stock de C en bosques para la serie temp.

• Muestreo de datos (Google Earth/Rapid eye). • Verificación de datos en campo. • Desarrollo de un Sistema de verificación

basado en SIG.

Componente 1. Detección del cambio del stock de carbono en bosques usando Sens. Rem.

11

2.1 Muestreo en parcela

2.2 Análisis del stock de carbono en bosques

2.3. Desarrollo de metodología

• Instalación de parcelas por tipo de bosque de acuerdo a la cantidad de biomasa.

• Cálculo del stock de carbono

• Determinación de niveles de carbono. • Análisis de cambios en la estructura por nivel. • Análisis del stock de carbon en madera muerta.

(% Biomasa aérea)

• Análisis de datos de inventario en campo. • Desarrollo de un método para el estudio de

la degradación forestal en parcela de muestreo.

Componente 2. Inventario práctico en campo para la investigación en cambio de stock de carbon y estructura del bosque.

12

Detección del cambio del stock de carbono en bosques

Estudio de campo

Sistema de Verificación para resultados de clasif.

Área Basal

Stock de C (Mg/Ha)

Alto Medio Bajo

Stock de C y niveles

Tipo de bosque & stock de carbono

año 2015

2015 2000

Cobertura de bosques y estimación del cambio de C -> Mapeo de Degradación & deforestación

Alto

Nivel de C

Medio Bajo

…

Clasificación de datos de satélite

(análisis retrospectivo)

Andes + Selva Alta : LANDSAT 8 set de datos 2013, 2014,2015

13

…

RESULTS OF GROUND TRUTH FIELD STUDY

Andes

Highland Amazon (Accessible)

Highland Amazon (Inaccessible)

Target Ecozones

Department of Cuzco

Natural Forest coverage: 44

Forest Plantation coverage: 32

GT point locations (160):

Other coverage: 84

PERU Fiscal year 2015

• The staff from the C/P institution in Peru, with the supervision of FFPRI staff, carried out the GT study in 160 accessible locations at the target eco-zones, focusing on the Andes ecozone.

• Data of location, forest condition, and photographic

records were collected from natural forest and forest plantations.

• Also, data for calculation of forest’s above ground biomass was collected using a plotless sampling method (Bitterlich).

Forest definition parameters: Min. area: 2ha Min. crown cover: 10% Min. tree height: 2 m

14

OBJECT ORIENTED CLASIFICATION ANALYSIS:

Highland Amazon Forest

Andes ecozone

Highland Amazon ecozone

Andes Forest

Andes Forest (crown cover < 20%)

Forest plantation

Other land cover

More training data is necessary to achieve better accuracy results in classifying natural forest cover from plantation cover

Random forest model classification accuracy: 71.3%

Landsat 8: 2014 Path 4 Row 69

Classification is proceeding on scenes for 2013, 2014, 2015

15

PREPROCESSING

SEGMENTATION

DATA PREPARATION FOR CLASSIFICATION

CLASSIFICATION

• RE-PROJECTION

• ATMOSPHERIC / TOPOGRAPHIC CORRECTION

• NORMALIZACION (OPTIONAL)

• ArcGIS, ERDAS

SUB-PROCESS PROCESS TOOLS

• ATCOR (ERDAS), 4S

• fmask • eCognition, Arcmap, QGIS, ERDAS • CLOUD MASKING

• ERDAS, ENVI, R

• TESTING OF SEGMENTATION PARAMETERS

• EVALUATION OF CORRECT DELINEATION OF TARGET LAND USE TYPE TO BE CLASSIFIED

• SELECTION OF SEGMENTATION PARAMETERS AND DETERMINATION OF MINIMUM MAPPING UNIT

• SEGMENTATION OF SCENES

• ArcGIS, ERDAS, eCognition

• ArcGIS, Google Earth

• ArcGIS, ERDAS, eCognition

• CALCULATE VALUES FOR CLASSIFICATION VARIABLES PER OBJECT

• ArcGIS, eCognition, R, QGIS

• EXTRACT VARIABLE VALUES CORRESPONDING TO SAMPLES

• ArcGIS , eCognition, R, QGIS

• MODEL TRAINING

• MODEL APPLICATION

• ArcGIS , eCognition, QGIS, R

• ArcGIS , eCognition, QGIS, R

CLASSIFICATION PROCESS WORKFLOW

VERIFICATION

• COLLECTION OF TRAINING SAMPLES • Collect Earth.

• CROSS VALIDATED CLASSIFICATION EVALUATION

• CLASSIFICATION RESULTS APROVAL OR REJECTION

• USE OF FIELD DATA AS VERIFICATION SAMPLES

• ArcGIS , eCognition, QGIS, R

16

PTM en Cusco

Área objetivo: Bosques de los Andes y de Selva Alta en Cusco

Resultados preliminaries de los datos de

las PTM

Bosque nuboso

(3000 m.s.n.m)

Bosque secundario

(1800 m.s.n.m.)

Bosque primario

(1000 m.s.n.m.)

17

Component 2 Ground-based survey

Estimation of mean carbon stock by forest type and degradation

level

Estimation of forest area by forest type and degradation level

GT field survey:

Data from 160 locations

Object based Image classification (2015)

Verification

Plot survey:

Data from 20 new temporary plots

Allometry study

Forest carbon stock

calculation

Total carbon stock = Σ (Forest areai x mean carbon stock per area uniti)

Calculation of forest carbon stock

Component 1 Remote Sensing

Forest Type Degradation level

NA/L M H

Mountain Range Forest

Highland Tropical Forest

18

ECUACIONES ALOMÉTRICAS PARA ESTIMACIÓN DE BIOMASA

19

Mariscal Estigarribia, Boquerón, Paraguay

• Hemos desarrollado ecuaciones alométricas originales para los

siguientes tipos de bosques:

Bosques caducifolios de Cambodia

Bosques de pantano en Sarawak, Malaysia

Bosques perennifolios y secos en Paraguay

• Todas las ecuaciones excepto la de Sarawak incluyen biomasa

subterránea

Desarrollo de ecuaciones alométricas

20

21

Mariscal Estigarribia

Golondrina

Pirapo (CEDEFO)

Asuncion ★

Est. La Patria

Santa Lucia

Sitios de muestreo

BAAPA • Pirapo (Feb 2012, Jul 2012)

• Golondrina (Jul 2012)

Chaco Húmedo • Santa Lucia (Dec 2012)

Chaco Seco • La Patria (Jul 2013)

• Mariscal Estigarribia (Oct 2013)

Volteo de árboles con maquinaria pesada Separación de hojas y ramas

Preparación para medición del peso Separación del tronco y la raíz

22

Pesaje de un tronco pesado

Separación de hojas y ramas Forma particular de la base de una raíz

Parte subterránea grande de #9

23

Muestra G1 (DAP = 78.6cm)

Preparación para el pesaje de las hojas con las ramas

Separación de las ramas de la copa

Un árbol grande tiene una rama pesada!

24

25

Cortado de un árbol de Ceiba

Raíz grande del Chaco seco Pesaje de un tronco

Preparación para el pesaje de muestras grandes de Ceiba

• El mejor modelo fue:

Chaco Humédo:

Total = 0.0685* (D2 H) 0.9940

Chaco Seco (excluyendo Ceiba spp):

Total = 0.2746* (D2 H) 0.8371

Ceiba spp en Chaco Seco:

Total = 0.0578* (D2 H) 0.8163

BAAPA (Bosque Atlántico):

Total = 0.0632* (D2 H WD) 0.9971

Elección del mejor modelo

Ceiba chodatii

D: DAP(cm); H: altura del árbol; WD: Densidad de la madera (g cm-3) 26

MANUAL TÉCNICO PARA MONITOREO DE CARBONO EN BOSQUES

27

Libro de Recetas de REDD-plus

• Guía técnica en REDD-plus para diseñadores de políticas, organizaciones y expertos.

• Inglés, Español & Japonés

• 151 páginas

• 36 Recetas

• Guía de Referencia

• Escrita por 28 expertos

• Descargable desde la página web del Centro de I&D REDD

28 http://redd.ffpri.affrc.go.jp/

Contenido del Libro de Recetas (“Cookbook”)

Introducción

Capítulo 1 – Acerca de REDD-plus

Capítulo 2 – Diseño del Sistema de monitoreo

Planeamiento

Capítulo 3 – Conocimiento básico necesario para la implementación de REDD+.

Capítulo 4 – Medición, Reporte y Verificación (MRV) de carbono en bosques

Capítulo 5 – Monitoreo del cambio del stock de carbono.

Técnicas

Capítulo 6 – Preparación para la implementación de REDD+

Capítulo 7 – Estimación del área de bosque usando sensoramiento remoto.

Capítulo 8 – Método de la parcela permanente

Capítulo 9 – Modelosde estimación del stock de carbono en bosques.

Referencias 29

30

Los usuarios pueden facilmente ir a

través de las recetas de cada

sección para llegar a recetas de

mayor detalle o a las referencias de

acuerdo al "Diagrama de flujo".

Diseño de una“Receta”

31

32

El “Libro de Recetas de REDD-plus” se enfoca en el conocimiento y

las técnicas requeridas para la REDD-plus, los expertos trabajando

en actividades REDD-plus necesitarán más información detallada en

campo.

Hemos compilado los Anexos del Libro de Recetas de REDD-plus

para proveer a expertos con información más detallada y práctica en

cada capítulo.

Anexo del Libro de Recetas REDD-plus ~ Manuales de investigación enfocados en metodologías ~

Nueva Serie

33

Temas objetivo de los Anexos

En los anexos, métodos específicos de medición son

explicados.

34

Vol.1 Inventario en campo

(T. Sato & K. Miyamoto)

Vol.2 Muestreo destructivo para

biomasa forestal

(Y. Monda & Y. Kiyono)

[ en preparación]

• Ground Truth

• Clasificación en Sens. Rem.

• Carbono en suelos.

• Salvaguardas ambientales.

Anexo del Libro de Recetas REDD-plus ~ Manuales de investigación enfocados en metodologías ~

35

Referencia a la

“Receta” respectiva

Introducción de

sugerencias derivadas de

experiencias como “tips”

Anexo del Libro de Recetas REDD-plus ~ Manuales de investigación enfocados en metodologías ~

36

Ejemplo de cálculo de stock de carbono en el

Anexo

Explica métodos de cálculo

concretos y sus resultados.

Uso en actividades en Myanmar

37

• Explicación de cómo instalar una parcela de inventario en

Myanmar usando el “Anexo del Libro de Recetas de REDD-plus”