Estimación de la exactitud temática y su impacto en la estimación de la incertidumbre de flujos de gases de efecto invernadero debidos a la deforestación

dc.contributor.advisorGalindo García, Gustavo Adolfospa
dc.contributor.advisorJiménez Pizarro, Rodrigospa
dc.contributor.authorArias Zapata, Jhonatan Andrésspa
dc.contributor.researchgroupCalidad del Airespa
dc.date.accessioned2021-02-02T20:53:39Zspa
dc.date.available2021-02-02T20:53:39Zspa
dc.date.issued2020-11-30spa
dc.description.abstractLa deforestación, en Colombia, ha aumentado a un ritmo alarmante en los últimos años. Se estima que, en el 2014, el 17% de las emisiones de CO2 estuvieron asociadas a este fenómeno. Para calcular la deforestación como sus emisiones, se utilizan sensores remotos que, a pesar de los avances, no están libres de error y son fuente de incertidumbre. Esta investigación evalúa el error temático asociado al cambio del uso del suelo en el parque Sierra de la Macarena para el año 2016, y pretende estimar el impacto en la cuantificación de las emisiones de gases efecto invernadero (GEI). Con este objetivo se utilizan múltiples esquemas de muestreo y tamaños de muestra para evaluar la exactitud temática, las emisiones y la incertidumbre asociada. Los resultados arrojan un coeficiente de variación (CV) de 6.7% para el muestreo estratificado y, para el postestratificado aleatorio simple, un CV de 7.7 %, con un valor cercano al del área deforestada. Asimismo, se obtuvo una exactitud general con valores superiores al 93%, frente a una exactitud del usuario del 77% y, del 70%, para el productor. También se encontró que las áreas deforestadas cambian a pastizales y arbustales con un 55 y 39%, y sus emisiones son de 2023 Gg CO2 eq y 1445 Gg CO2 eq, respectivamente. Por último, el mejor método para determinar la incertidumbre fue la propagación del error con un valor de ±8.72%, en comparación con el método de Montecarlo que obtuvo un ±23.1%. Estos resultados podrían ser determinantes para mejorar la calidad de los productos del SMByC del IDEAM, así como el desarrollo de nuevos parámetros de cálculo de las emisiones de GEI.spa
dc.description.abstractDeforestation in Colombia has increased at an alarming rate in recent years. It is estimated that, in 2014, 17% of CO2 emissions were associated with this phenomenon. To calculate deforestation and its emissions, remote sensors are used which, despite progress, are not free from error and are a source of uncertainty. This research evaluates the thematic error associated with land use change in the Sierra de la Macarena park for 2016, and aims to estimate the impact on the quantification of greenhouse gas (GHG) emissions. To this end, multiple sampling schemes and sample sizes are used to assess thematic accuracy, emissions and associated uncertainty. The results yield a coefficient of variation (CV) of 6.7% for stratified sampling and, for simple random post-stratified sampling, a CV of 7.7%, with a value close to that of the deforested area. Overall accuracy was also obtained with values above 93%, compared with user accuracy of 77% and, for the producer, 70%. It was also found that deforested areas change to grassland and shrubs with 55 and 39%, and their emissions are 2023 Gg CO2 eq and 1445 Gg CO2 eq, respectively. Finally, the best method to determine the uncertainty was the propagation of the error with a value of ±8.72%, compared to the Monte Carlo method which obtained ±23.1%. These results could be decisive for improving the quality of IDEAM's SMByC products, as well as the development of new parameters for calculating GHG emissions.spa
dc.description.additionalLínea de investigación: Calidad del aire y emisiones de gases efecto invernadero (GEI).spa
dc.description.degreelevelMaestríaspa
dc.description.projectForest 2020-Econometricaspa
dc.description.sponsorshipPatrimonio Natural e IDEAMspa
dc.format.extent184spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.citationArias Zapata, J. A. (2020). Estimación de la exactitud temática y su impacto en la estimación de la incertidumbre de flujos de gases de efecto invernadero debidos a la deforestación [Tesis de maestría, Universidad Nacional de Colombia]. Repositorio Institucional.spa
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/79040
dc.language.isospaspa
dc.publisher.branchUniversidad Nacional de Colombia - Sede Bogotáspa
dc.publisher.programBogotá - Ingeniería - Maestría en Ingeniería - Ingeniería Ambientalspa
dc.relation.referencesAbad, R. C., & Casal, R. F. (2020). Técnicas de Remuestreo. Madrid: https://rubenfcasal.github.io/book_remuestreo/.spa
dc.relation.referencesAlvarez-Davila, E., Cayuela, L., Gonzalez-Caro, S., & Aldana, A. M. (2017). Forest biomass density across large climate gradients in northern South America is related to water availability but not with temperature. PLoS One, e0171072.spa
dc.relation.referencesAnaya, J. A., Chuvieco, E., & Palacios-Orueta, A. (2009). Aboveground biomass assessment in Colombia: A remote sensing approach. Forest Ecology and Management, 1237–1246. doi:10.1016/j.foreco.2008.11.016spa
dc.relation.referencesArévalo, P., Olofsson, P., & Woodcock, C. E. (2019). Continuous monitoring of land change activities and post-disturbance dynamics from Landsat time series: A test methodology for REDD+ reporting. Remote Sensing of Environment(111051).spa
dc.relation.referencesAronoff, S. (1982). The Map Accuracy Report: A User's View. PHOTOGRAMMETRIC ENGINEERING AND REMOTE SENSING, 1309-1312.spa
dc.relation.referencesBanko, G. (1998). A Review of Assessing The Accuracy of Classifications of Remotely Sensed Data and of Methods Including Remote Sensing Data in Forest Inventory. International Institute for Applied Systems Analysis, 1-42.spa
dc.relation.referencesBirigazzia, L., Gregoire, T. G., Finegolda, Y., & Rocío D. Cóndor Goleca. (2019). Review Data quality reporting: Good practice for transparent estimates from forest and land cover surveys. Environmental Science and Policy, 85-94. doi:10.1016/j.envsci.2019.02.009spa
dc.relation.referencesBotero-García, R., López, F., Ospino, H., P. d.-C., & Riveros, C. (2019). Áreas protegidas amazónicas y sus servidores como víctimas del conflicto armado. Bogotá, Colombia. : Fundación para la Conservación y el Desarrollo Sostenible.spa
dc.relation.referencesCabrera, E., Galindo, G., & Gonzáles, J. (2019). Colombian Forest Monitoring System: Assessing Deforestation in an Environmental Complex. En M. N. Suratman, & Z. A. Latif, Deforestation around the World. Bogota. doi:http://dx.doi.org/10.5772/intechopen.8614spa
dc.relation.referencesCard, D. H. (1982). Using Known Map Category Marginal Frequencies to Improve Estimates of Thematic Map Accuracy. photogrammetric engineering and remote sensing, 431-439.spa
dc.relation.referencesChrisman, N. R. (1987). The accuracy of map overlays: a reassessment. Landscape and C’rhan Planning,(14), 427-439.spa
dc.relation.referencesClerici, N., Armenteras, D., Kareiva, P., Botero, R., Ramírez-Delgado, J. P., & Forero-Medin, G. (2020). Deforestation in Colombian protected areas increased during post-conflict periods. Sci Rep 10,. doi:https://doi.org/10.1038/s41598-020-61861-yspa
dc.relation.referencesCochran, W. G. (1977). Sampling techniques . New York: John Wiley & Sons.spa
dc.relation.referencesCongaltol, R. G. (1988). A Comparison of Sampling Schemes Used in Generating Error Matrices for Assessing the Accuracy of Maps Generated from Remotely Sensed Data. PHOTOGRAMMETRIC ENGINEERING AND REMOTE SENSING, 593-600.spa
dc.relation.referencesCongalton, R. G. (1991). A Review of Assessing the Accuracy of Classifications of Remotely Sensed Data. REMOTE SENSING ENVIRONMENTAL, 37-45.spa
dc.relation.referencesCongalton, R. G., & Green, K. (2019). Assessing the Accuracy of Remotely Sensed Data Principles and Practices. Boca Raton, FL: Taylor & Francis Group.spa
dc.relation.referencesCongalton, R. G., Oderwald, R. G., & Mead, R. A. (1983). Assessing Landsat Classification Accuracy Using Discrete Multivariate Analysis Statistical Techniques. PHOTOGRAMMETRIC ENGINEERING AND REMOTE SENSING, 1671-1678.spa
dc.relation.referencesCongedo , L. (2016). Semi-Automatic Classification Plugin Documentation. Roma.spa
dc.relation.referencesEmbajada de Noruega. (Diciembre de 2019). Embajada de Noruega. Obtenido de https://www.norway.no/es/colombia/noruega-colombia/noticias-eventos/noticias/colombia-alemania-noruega-y-reino-unido--unidos-para-reducir-la-deforestacion-en-colombia/spa
dc.relation.referencesFAO. (2020). Evaluación de los recursos forestales mundiales 2020 – Principales resultados. . Roma: FAO.spa
dc.relation.referencesFoody, G. M. (2002). Status of land cover classification accuracy assessment. Remote Sensing of Environment, 185-201.spa
dc.relation.referencesGalindo, G., Cabrera, E., Vargas, D., Pabón, H., Yepes, A., & Phillips, J. F. (2011). Estimación de la biomasa aérea usando datos de campo e información de sensores remotos. Bogota: IDEAM.spa
dc.relation.referencesGalindo, G., Espejo, O., R. J., Vergara, L. K., & Cabrera, E. (2014). Protocolo de procesamiento digital de imágenes para la cuantificación de la deforestación en Colombia. V 2.0. Bogotá D.C., Colombia: IDEAM.spa
dc.relation.referencesGFOI . (2018). Summary of Country experiences and critical issues related to estimation of activity data. GFOI Global Forest Observations Initiative.spa
dc.relation.referencesGFOI. (2016). Métodos y Orientación de la Iniciativa Mundial de Observación de los Bosques. Roma: Organización de las NacionesUnidas para la Alimentación y la Agricultura.spa
dc.relation.referencesGFW. (1 de 10 de 2020). Global Forest Watch. Obtenido de https://www.globalforestwatch.org/about/spa
dc.relation.referencesGinevan, M. (1979). Testing Land-Use Map Accuracy: Another Look. Photogrammetric Engineering and remote sensing, 1371-1377.spa
dc.relation.referencesGlobal Observation of Forest and Land Cover Dynamics. (2006). Global Land Cover Validation: Recommendations for Evaluation and Accuracy Assessment of Global Land Cover Maps. Luxemburg: Office for Official Publications of the European Communities.spa
dc.relation.referencesGonzález, J., Cubillos, A., Chadid, M., Cubillos, Arias, M., Zúñiga, E., & Joubert. (2018). Caracterización de las principales causas y agentes de la deforestación a nivel nacional período 2005-2015. Bogota: IDEAM, MADS, Programa ONU-REDD Colombia.spa
dc.relation.referencesHansen, M., Potapov, P., Moore, R., Hancher, M., Turubanova, S., Tyukavina, A., . . . Loveland, T. (2013). High-Resolution Global Maps of 21st-Century Forest Cover Change. Science , 850-853.spa
dc.relation.referencesHAY, A. M. (1979 ). Sampling Designs to Test Land-Use Map Accuracy. PHOTOGRAMMEENTGRIINC EERAINND GRE MOTES ENSING, 529-533.spa
dc.relation.referencesHord, M., & Bronner, W. (1976). Land-Use Map Accuracy Criteria. Photogrammetric Enginnering and remote sensing, 671-677.spa
dc.relation.referencesIDEAM. (2019). Operación estadística Monitoreo de la superficie de bosque natural en Colombia. Bogota: IDEAM.spa
dc.relation.referencesIDEAM, PNUD, MADS, DNP, & CANCILLERÍA. (2016). Inventario nacional y departamental de Gases Efecto Invernadero. Tercera Comunicación Nacional de Cambio Climático. Bogota: IDEAM, PNUD, MADS, DNP, CANCILLERÍA, FMAM.spa
dc.relation.referencesIDEAM; PNUD; MADS; DNP; CANCILLERÍA. (2018). Segundo Informe Bienal de Actualización (BUR) Inventarrio Nacional de GEI de Colombia. Bogota: IDEAM; PNUD; MADS; DNP; CANCELLERIA.spa
dc.relation.referencesIDEAM-PNUD. (2017). Protocolo de cálculo e incertidumbre de emisiones y absorciones en el sistema nacional de inventarios de emisiones de Gases Efecto Invernadero para ColombiaRO PARA COLOMBIA. Bogota: IDEAM.spa
dc.relation.referencesIPCC. (1 de 07 de 2006). Directrices del IPCC de 2006 para los inventarios nacionales de gases de efecto invernadero Volumen 4. Obtenido de Task Force on National Greenhouse Gas Inventories: https://www.ipcc-nggip.iges.or.jp/public/2006gl/spanish/vol4.htmlspa
dc.relation.referencesIPCC. (2006). Orientación del IPCC sobre las buenas prácticas para UTCUTS. Obtenido de IPCC: https://www.ipcc-nggip.iges.or.jp/public/gpglulucf/gpglulucf/spanish/full.pdfspa
dc.relation.referencesJiménez P, R. (2017). Consultoría para asesorar científica y técnicamente el proceso de elaboración del Inventario de emisiones GEI . Bogota: Universidad Nacional de Colombia.spa
dc.relation.referencesLohr, S. L. (2019). Sampling Design and Analysis Second Edition. Boca Raton: Taylor & Francis Group.spa
dc.relation.referencesMADS; IDEAM. (2016). Resultados alcanzados por Colombia en la Reducción de Emisiones por Deforestación en el bioma amazónico para los años 2013 y 2014. BOGOTA: MADS-IDEAM.spa
dc.relation.referencesMas, J. F., Reyes Dia-Diaz-Gallegos, J., & Perez Vega, A. (7 de mayo de 2003). Evaluación de la confiabilidad temática de mapas o de imágenes clasificadas: una revisión. Investigaciones Geográficas, Boletín del Instituto de Geografía, UNAM, 53-72.spa
dc.relation.referencesMcMurray, A., Pearson, T., & Casarim, F. (2017). GUÍA PARA APLICAR EL ENFOQUE MONTE CARLO AL ANÁLISIS DE INCERTIDUMBRE EN LA CONTABILIDAD FORESTAL Y DE GASES DE EFECTO INVERNADERO . Berlin: Winrock Org.spa
dc.relation.referencesMcRoberts, R. E., & Walters, B. F. (2012). Statistical inference for remote sensing-based estimates of net deforestation. Remote Sensing of Environment, 394–401.spa
dc.relation.referencesMcRoberts, R. E., Næsset, E., Sannier, C., Stehman, S. V., & Tomppo, E. O. (2020). Remote Sensing Support for the Gain-Loss Approach for Greenhouse Gas Inventories. Remote sensing, 1-18. doi:10.3390/rs12111891spa
dc.relation.referencesMcRoberts, R. E., Stehman, S. V., Liknes, G. C., Næsset, E., Sannier, C., & Walters, B. F. (2018 ). The effects of imperfect reference data on remote sensing-assisted estimators of land cover class proportions. ISPRS Journal of Photogrammetry and Remote Sensing, 292-300.spa
dc.relation.referencesMilodowsk, D., Mitchard, E., & Williams, M. (2017). Forest loss maps from regional satellite monitoring systematically underestimate deforestation in two rapidly changing parts of the Amazon. Environ. Res. Lett. doi:10.1088/1748-9326/aa7e1espa
dc.relation.referencesMin Ambiente; IDEAM. (2018). Resultados de monitoreo de la deforestación 2016, 2017 y 2018. Bogota: IDEAM.spa
dc.relation.referencesMin Ambiente;IDEAM. (2018). Estrategia Integral de control a la Deforestacion y Gestion de los Bosques. Bogota: Ministerio de Ambiente/IDEAM.spa
dc.relation.referencesMin Ambiente – IDEAM. (2019). Propuesta de nivel de referencia de las emisiones forestales por deforestación en Colombia para pago por resultados de REDD+ bajo la CMNUCC. Bogota: IDEAM.spa
dc.relation.referencesMin Ambiente. (2018). Ministerio de Ambiente y Desarrollo Sostenible 2018. Obtenido de Por qué Colombia debe generar Inventarios Nacionales de GEI: http://www.minambiente.gov.co/index.php/component/content/article/464-plantilla-cambio-climatico-20spa
dc.relation.referencesMin Ambiente. (2018). Por la cual se reglamenta el sistema de monitoreo, reporte y verificación de las acciones de mitigación a nivel nacional. Resolución 1447 de 2018, 34spa
dc.relation.referencesMinisterio del Ambiente. (2014). Protocolo: Evaluación de la Exactitud Temática del Mapa de Deforestación. Lima, Perú: Dirección General de Ordenamiento Territorial.spa
dc.relation.referencesMitchard, E. T., & Feldpausch, T. R. (2014). Markedly divergent estimates of Amazon forest carbon density from ground plots and satellites. Global Ecology and Biogeography, 935–946.spa
dc.relation.referencesMolinario, G., Hansen, M., Potapov, P., Tyukavina, A., & Stehman, S. (2020). Contextualizing Landscape-Scale Forest Cover Loss in the Democratic Republic of Congo (DRC) between 2000 and 2015. Land, 9-23.spa
dc.relation.referencesNegret, P., Di‐Marco, M., S., L.J., R., J., P., & Maron, M. (2020). Effects of spatial autocorrelation and sampling design on estimates of protected area effectiveness. Conservation Biology. doi:10.1111/cobi.13522spa
dc.relation.referencesOlofsson, P., Foody, G. M., Herold, M., Stehman, S. V., Woodcock, C. E., & Wulder, M. A. (25 de May de 2014). Good practices for estimating area and assessing accuracy of land change. (Elsevier, Ed.) Remote Sensing of Environment, 148, 42-57.spa
dc.relation.referencesOlofsson, P., Arévalo, P., Espejo, A. B., Green, C., & Lindquist, E. (2020). Mitigating the effects of omission errors on area and area change estimates. Remote Sensing of Environment. Obtenido de https://doi.org/10.1016/j.rse.2019.111492spa
dc.relation.referencesOlofsson, P., Foody, G. M., Stehman, S. V., & Woodcock, C. E. (2013). Making better use of accuracy data in land change studies: Estimating accuracy and area and quantifying uncertainty using stratified estimation. Remote Sensing of Environment, 122–131.spa
dc.relation.referencesOrganización de las Naciones Unidas para la Alimentación y la Agricultura. (2016 ). GFOI 2016, Integración de las observaciones por teledetección y terrestres para estimar las emisiones y absorciones de gases de efecto invernadero en los bosques: Métodos y Orientación de la Iniciativa Mundial de Observación de los Bosques . Roma: FAO.spa
dc.relation.referencesPaky, E., Moreno, F., & Álvarez-Dávila, E. (2017). Contenido de carbono en un bosque de tierra firme del resguardo Nonuya-Villaluz, Amazonia colombiana. Colombia Forestal, 144-157.spa
dc.relation.referencesParques nacionales; Corpomacarena. (2019). A, B, C para visitar Caño Cristales, El Raudal Angosturas I y otros atractivos ecoturisticos del AMEM Parques nacionales y Corpomacarena Entidades y Comunidad del Turismo de la Macarena (Meta), 2019. Meta: Parques nacionales y Corpomacarena y Entidades y Comunidad del Turismo de la Macarena.spa
dc.relation.referencesPedroni, L., Espejo, A., & Villegas, J. F. (2015). Nivel de referencia de emisiones y absorciones forestales de Costa Rica ante el Fondo de Carbono de FCPF. San Jose: Fondo Cooperativo para el Carbono de los Bosques (FCPF).spa
dc.relation.referencesPelletier, J., R, K., Kirby b, & Potvin, C. (2012). Significance of carbon stock uncertainties on emission reductions from deforestation and forest degradation in developing countries. Forest Policy and Economics, 3-11. doi:10.1016/j.forpol.2010.05.005spa
dc.relation.referencesPhillips, J., Duque, Á., Scott, C., Wayson , C., & Galindo, G. (2016). Live aboveground carbon stocks in natural forests of Colombia. Forest Ecology and Management, 119-128.spa
dc.relation.referencesPlanet. (2018). Planet Imagery Product Specifications. PLANET.COM.spa
dc.relation.referencesPowell, R., Matzke, N., Jr, C. d., Clark, M., Numata, I., Hess, L., & Roberts, D. (2004). Sources of error in accuracy assessment of thematic land-cover maps in the Brazilian Amazon. Remote Sensing of Environment, 221-234.spa
dc.relation.referencesPrograma ONU REDD. (2004). FAO. Obtenido de Organización de las Naciones Unidas para la Alimentación y la Agricultura: http://www.fao.org/fileadmin/templates/ess/documents/meetings_and_workshops/costarica2014/2.Santos-Parra_UNREDD.pdfspa
dc.relation.referencesQuiñones Fernández, M. (2002). Polarimetric Data for Tropical Forest Monitoring: Studies at the Colombian Amazon. Wageningen University.spa
dc.relation.referencesRichards, J. A., & Jia, ·. X. (2006). An Introduction Remote Sensing Digital Image Analysis. Berlin: Springer-Verlag Berlin Heidelberg .spa
dc.relation.referencesRosenfield , G. H., Fitzpatrick-Lins , K., & Ling , H. S. (1982). Sampling for Thematic Map Accuracy Testing. Photogrammetric engineering and remote sensing, 137-137.spa
dc.relation.referencesRosenfield , G. H., & Melley, M. L. (1980). Applications of Statistics to Thematic Mapping. PHOTOGRAMMETRIC ENGINEERING AND REMOTE SENSING, 1287-1294.spa
dc.relation.referencesRosenfield, G. h., & Fitzpatrick-Lins, K. (1986). A Coefficient of Agreement as a Measure of Thematic Classification Accuracy. PHOTOGRAMMETRIC ENGINEERING AND REMOTE SENSING, 223-227.spa
dc.relation.referencesSarmento, P. A. (2015). Error and uncertainty in the accuracy of land cover maps. NOVA Information Management School.spa
dc.relation.referencesSärndal, C.-E., & Swensson, B. (1992). Model Assisted Survey Sampling. New York : Springer.spa
dc.relation.referencesShao, G., & Tang, L. (2016). Remote Sensing. Wiley StatsRef: Statistics Reference Online.spa
dc.relation.referencesShao, G., Tang, L., & Liao, J. (2019). Overselling overall map accuracy misinforms about research reliability. Landscape Ecol, 2487–2492. doi:10.1007/s10980-019-00916-6spa
dc.relation.referencesStehman, S. V. (2000). Practical Implications of Design-Based Sampling Inference for Thematic Map Accuracy Assessment. Remote Sensing Environment, 35-45.spa
dc.relation.referencesStehman, S. V. (2013). Estimating area from an accuracy assessment error matrix. Remote Sensing of Environment, 202-211. doi:10.1016/j.rse.2013.01.016spa
dc.relation.referencesStehman, S. V. (2014). Estimating area and map accuracy for stratified random sampling when the strata are different from the map classes. International Journal of Remote Sensing, 4923-4939.spa
dc.relation.referencesStehman, S. V., & Czaplewski, R. L. (1998). Design and Analysis for Thematic Map Accuracy Assessment: Fundamental Principles. Remote Sensing Environment, 331-344.spa
dc.relation.referencesStehman, S. V., & Foody, G. M. (2019). Key issues in rigorous accuracy assessment of land cover products. Remote Sensing of Environment, 231, 1-23.spa
dc.relation.referencesStehman, S. V., & Wickham, J. D. (2011). Pixels, blocks of pixels, and polygons: Choosing a spatial unit for thematic accuracy assessment. Remote Sensing of Environment, 3044–3055. doi:10.1016/j.rse.2011.06.007spa
dc.relation.referencesTortora, R. D. (1978). A Note on Sample Size Estimation for Multinomial Populations. The American Statistician, 100-102.spa
dc.relation.referencesUniversidad Nacional de Colombia. (1 de Julio de 2020). LA MACARENA EL PULSO POR LA TIERRA. Obtenido de UN Periodico: http://unperiodico.unal.edu.co/especialmacarena/#contentspa
dc.relation.referencesVan Genderen , J. L. (1977). Testing Land-Use Map Accuracy. PHOTOGRAMMETRIC ENGINEERING AND REMOTE SENSING, 1135-1137.spa
dc.relation.referencesWallner, A., Elatawneh, A., Schneider, T., & Kindu, M. (2018). Remotely sensed data controlled forest inventory concept. European Journal of Remote Sensing, 75-87. doi:10.1080/22797254.2017.1403295spa
dc.relation.referencesYepes, A. P., Navarrete, D. A., Duque, A. J., & Phillips, J. F. (2011). Protocolo para la estimación nacional y subnacional de biomasa - carbono en Colombia. Bogota: IDEAM Instituto de Hidrología, Meteorología, y Estudios Ambientales.spa
dc.relation.referencesYepes, A., D.A, N., J.F, P., Duque, A., Cabrera, E., Galindo, G., & Vargas, D. (2011). Estimación de las emisiones de dióxido de carbono generadas por deforestación durante el periodo 2005-2010. Bogota: IDEAM-PNUD.spa
dc.relation.referencesZarate, C., Ruiz, O., & Rodriguez, L. (2018 ). Plan de Manejo del Parque Nacional Natural Sierra de la Macarena. . Bogota: Parques Nacionales Naturales de Colombia.spa
dc.rightsDerechos reservados - Universidad Nacional de Colombiaspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacionalspa
dc.rights.spaAcceso abiertospa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.ddc629 - Otras ramas de la ingenieríaspa
dc.subject.proposalThematic accuracyeng
dc.subject.proposalIncertidumbrespa
dc.subject.proposalUncertaintyeng
dc.subject.proposalFactores de emisiónspa
dc.subject.proposalDatos de actividadspa
dc.subject.proposalEmission factoreng
dc.subject.proposalInventario de gases de efecto invernaderospa
dc.subject.proposalActivity dataeng
dc.subject.proposalGreenhouse gas inventoryeng
dc.subject.proposalExactitud temáticaspa
dc.subject.proposalEstimador estadísticospa
dc.subject.proposalIPCC good practiceseng
dc.subject.proposalStatistical estimatoreng
dc.subject.proposalBuenas prácticas IPCCspa
dc.titleEstimación de la exactitud temática y su impacto en la estimación de la incertidumbre de flujos de gases de efecto invernadero debidos a la deforestaciónspa
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa

Archivos

Bloque original

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
Trabajo_final_de_maestria_Jhonatan_Arias.30.11.2020.pdf
Tamaño:
5.61 MB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Anexos Trabajo Final de maestria Jhonatan Arias.rar
Tamaño:
1.76 MB
Formato:
Unknown data format

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
3.87 KB
Formato:
Item-specific license agreed upon to submission
Descripción: