Cartografía de la vegetación de la isla de Bioko (Guinea Ecuatorial) mediante el uso de imágenes Landsat 7 ETM+: particularización del piso afromontano

La gestión forestal sostenible requiere de una información cartográfica adecuada. En este trabajo se elaboró una cartografía actual de la vegetación de la isla de Bioko (Guinea Ecuatorial) basada en la clasificación supervisada de una imagen Landsat 7 ETM+, y una cartografía de la vegetación del piso afromontano, que incluye datos de la distribución, la superficie y los tipos forestales con presencia de Prunus africana. Se proponen seis nuevos tipos de vegetación de transición entre los bosques Guineo- Congolesa y los bosques afromontanos, y distintas formaciones afromontanas secundarias. El mapa de vegetación de Bioko tuvo un coeficiente Kappa de 0,69. Los principales errores se asociaron a las clases correspondientes a bosque secundarios de tierras bajas y a las zonas de transición entre los bosques congoleses y afromontanos. La fiabilidad del análisis mejoró en una segunda clasificación restringida a la vegetación afromontana de la isla (> 1400 m s.m.), obteniéndose un coeficiente Kappa de 0,81. En este trabajo se muestra la utilidad de la teledetección para la elaboración de cartografía en zonas tropicales de escasa accesibilidad, dado que se obtuvieron resultados con una fiabilidad adecuada para la gestión forestal

Sustainable forest management requires appropriate mapping information. In this work we developed a mapping of the current vegetation of Bioko island (Equatorial Guinea) based on supervised classification of a Landsat 7 ETM +, and a mapping of Afromontane forests, including data distribution, surface and forest types where Prunus africana occurs. We propose six new types of transitional vegetation between Guinean-Congolese forest and Afromontane forests and different secondary Afromontane formations. The vegetation map of Bioko had a Kappa coefficient of 0.69. Difficulties were encountered in separating secondary lowland forest classes from transition zones between Guineo-Congolian and Afromontane forests. Accuracy was highly improved when a second classification was restricted to the island’s Afromontane vegetation (>1400 m a.s.l.), yielding a Kappa coefficient of 0.81. Our results have appropiate accuracy for forest management demonstrating that remote sensing is a useful source for mapping development, especially in tropical areas with difficult access.