Geoinformática y cartografía del carbono en la biomasa aérea
para Entre Ríos
Geoinformatics and Carbon Mapping of Aboveground Biomass in Entre Ríos
Evequoz González Garmendia, Alan; Piani, Virginia Alejandra;
Maccarrone, María Juliana y Lisandra Pamela Zamboni
Fecha de recepción: 03/11/2025
Fecha de aceptación: 01/12/2025
Resumen
La estimación del carbono almacenado en la biomasa aérea es fundamental para evaluar el
rol de los ecosistemas de Entre Ríos en la mitigación del cambio climático. Este trabajo anali-
za su distribución espacial mediante la integración de Biomass cci v5 (ESA, 2010–2021) y la
cartografía de cobertura y uso del suelo de MapBiomas Argentina, sobre infraestructura de
cómputo en la nube recomendada para el manejo de grandes volúmenes de datos. La
información fue reclasificada y vinculada a ecorregiones, cuencas hidrográficas y
departamentos, estimando el carbono como C = B * 0,5. Se compilaron 254 registros de
campo y bibliografía regional para validar los resultados. Menos del 2 % del territorio supera
los 50 Mg C /ha, mientras que el 38 % presenta valores ≤ 5 Mg C /ha y el 21,18 % registra
menos de 1 Mg C/ha. Las pruebas estadísticas revelan discrepancias significativas entre
Biomass_cci y los datos de campo, lo que subraya la necesidad de ajustes locales de los
productos globales; sin embargo, los productos globales resultan útiles para interpretar
patrones espaciales y apoyar el ordenamiento territorial y las estrategias de manejo
sostenible de la tierra.
Palabras clave: “ESA CCI Biomass”; “Ecorregiones”; “Cobertura y uso del suelo”; “Captura de
Carbono”; “Biomasa Aérea Total”.
Abstract
Estimating carbon stored in aboveground biomass is essential for assessing the role of Entre
Ríos ecosystems in climate-change mitigation. This study analyzes its spatial distribution by
Becario Doctoral CONICET-INAUBEPRO. Centro Regional de Geomática, FCyT-UADER, Oro Verde.
Dirección de contacto: evequoz.alan@uader.edu.ar
Docente Investigadora. Centro Regional de Geomática. FCyT-UADER, Oro Verde.
Docente e Investigadora Asistente CONICET. Centro para la Gestión Local Sostenible del Agua y del Hábitat
Humano. FCyT-UADER, Oro Verde.
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 102
integrating Biomass_cci v5 (ESA, 2010–2021) with land-cover and land-use mapping from
MapBiomas Argentina, reprocessed in GIS and cloud-based computing infrastructure to
accelerate calculation and manage large data volumes. The information was reclassified into
a ~90 m grid and linked to ecoregions, hydrographic basins, and administrative departments,
estimating carbon as C = B * 0.5. A total of 254 field records and regional literature sources
were compiled to validate the results. Fewer than 2% of the territory exceed 50 Mg C/ha,
while 38% falls below 15 Mg C/ha and 21.18% contains less than 1 Mg C/ha. Statistical tests
revealed significant discrepancies between Biomass_cci and field measurements,
highlighting the need for local calibration; however, global products remain useful for
interpreting spatial patterns, supporting territorial planning, and informing sustainable
land-management strategies.
Keywords: “ESA CCI Biomass”; “Ecoregions”; “Land Use Land Cover”; “Carbon sequestration”;
“Total Aerial Biomass”.
Introducción
La captura y el almacenamiento de carbono en ecosistemas terrestres son esenciales
para mitigar el cambio climático, ya que estos sistemas actúan como sumideros que absor-
ben dióxido de carbono (CO₂) atmosférico, reduciendo la concentración de este gas de
efecto invernadero (GEI) (Legg, 2021). Dentro de estos ecosistemas, los bosques
desempeñan un papel crucial debido a su alta capacidad de almacenamiento de carbono
en la biomasa y en el suelo, lo que los convierte en aliados estratégicos en la regulación del
clima global (Mo et al., 2023).
La biomasa aérea (AGB, por sus siglas en inglés) es uno de los principales
compartimentos donde se almacena el carbono en los ecosistemas terrestres, y su estudio
es fundamental para comprender la dinámica del carbono, debido a su relación directa
con los ci-clos biogeoquímicos (IPCC, 2003; IPCC, 2006). La biomasa aérea incluye todos
los componentes vivos sobre el suelo, como troncos, ramas, hojas y corteza, que
representan la mayor fracción de la biomasa total en los bosques (Brown, 1997). Por lo
tanto, su estimación presenta menos desafíos logísticos en comparación con otros
compartimentos, como la biomasa subterránea o el carbono orgánico del suelo, lo que
facilita su medición y análisis a escala regional (Gasparri y Manghi, 2004).
El análisis de los patrones espaciales de captura y almacenamiento de carbono es es-
pecialmente relevante en el contexto del cambio climático, ya que permite comprender la
dinámica de los sumideros de carbono y su interacción con los usos del suelo (IPCC, 2006;
Aceñolaza et al., 2007; Legg, 2021; Piani, 2024). Además, esta información resulta clave pa-
ra la definición de estrategias de conservación y gestión de los servicios ecosistémicos, fa-
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 103
voreciendo la resiliencia de los ecosistemas y su capacidad de mitigación ante cambios am-
bientales. Sin embargo, estimar y cartografiar con precisión la cantidad de carbono
almacenado en distintos tipos de cobertura vegetal a escala regional sigue siendo un
desafío, y el estudio de los patrones espaciales no ha sido suficientemente profundizado
(Wang et al., 2024). El enfoque por ecorregiones (Burkart et al., 1999) permite el análisis a
escala regional a partir de la delimitación de unidades territoriales homogéneas y
representativas del funcionamiento de los ecosistemas.
La creciente disponibilidad de geoinformación y el desarrollo de plataformas de
procesamiento de datos han facilitado la obtención de estimaciones más precisas sobre el
carbono almacenado en la biomasa forestal. Bases de datos confiables, como ESA CCI
Biomass (Santoro y Cartus, 2024) y MapBiomas (2024), han proporcionado cartografía
detallada sobre la biomasa en áreas globales y regionales, lo que ha permitido avances en
el monito-reo y análisis de los ecosistemas. Además, productos como la cartografía de
bosques de Hansen et al. (2013) y los trabajos de Ordenamiento Territorial de Bosques
Nativos (OTBN) ofrecen valiosa información geoespacial sobre la distribución y el estado
de los bosques, que se complementa con la cartografía de cultivos y otros tipos de
cobertura de suelo. Des-de el punto de vista metodológico, el uso de geotecnologías y
geoinformación ha revolucionado el análisis de la biomasa y el carbono almacenado en los
ecosistemas. Herramientas de procesamiento de datos en la nube, como Google Earth
Engine (Gorelick et al., 2017), han facilitado el acceso a grandes volúmenes de datos
geoespaciales y la realización de análisis complejos a escala global y regional. Estas
herramientas permiten realizar cálculos y generar mapas de manera eficiente,
aprovechando su capacidad para procesar y analizar grandes cantidades de datos
satelitales. Sin embargo, estas plataformas presentan limitaciones en términos de
resolución espacial, espectral y radiométrica, lo que puede afectar la precisión de las
estimaciones, especialmente en escalas más locales. Además, pueden presentarse errores
en las capas de cobertura vegetal y discrepancias entre los valores esti-mados y los datos
de campo, lo que subraya la necesidad de adaptar las metodologías a las características
particulares de cada región para obtener resultados más confiables y ajusta-dos a la
realidad local (Chuvieco Salinero, 2008).
La integración de estos datos globales con información de campo obtenida a escala
en terreno es esencial para mejorar la precisión de las estimaciones y hacerlas más
aplicables a las condiciones específicas de cada región. En este sentido, las Bases de Datos
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 104
Geográficas generadas por los equipos de profesionales del Centro Regional de Geomática
(CeReGeo), como se registra en Aceñolaza et al. (2009), Zamboni et al. (2017) y Piani
(2024), entre otros, contribuyen a la validación y mejora de la utilidad de los productos
derivados de datos satelitales, al proporcionar información local actualizada y
contextualizada.
Siguiendo lo afirmado por Gaitán et al. (2025), para el modelado del Carbono
Orgánico del Suelo, las principales variables predictoras se refieren a las climáticas, las
topográficas, las edáficas y las de la vegetación, sumado al uso y cobertura del suelo. Estas
fueron las principales variables tenidas en cuenta en este trabajo para generar la
cartografía temática a escala de la provincia de Entre Ríos.
En este contexto, herramientas como el ChatGPT, Google collab y otras que utilizan
inteligencia artificial son cada vez más útiles para la revisión y adaptación de algoritmos
utilizados en la aplicación de geotecnologías. Estos modelos de lenguaje natural, han
demostrado ser capaces de asistir en tareas relacionadas con la alfabetización espacial,
teoría de SIG y la interpretación de código, lo que facilita el trabajo de usuarios no
especializados en el análisis geoespacial. Sin embargo, también existen desafíos,
especialmente en tareas complejas de mapeo y razonamiento espacial avanzado (Zhang et
al., 2023; Hochmair et al., 2024). Las técnicas de análisis propias de las ciencias de datos
permiten asimismo trabajar con grandes volúmenes de datos, pudiendo generarse bases
de datos más complejas, largas y detalladas; mejorando los análisis en el dominio del
tiempo y del espacio para la comprensión de los patrones espacio-temporales de los
principales procesos ecológicos de los ecosistemas (Zamboni, 2017).
Así, este trabajo busca profundizar en la comprensión de los patrones espaciales del
almacenamiento de carbono en ecosistemas de Entre Ríos, analizando cómo estos
patrones se asocian con variables tales como las ecorregiones y la cobertura de suelo. Esta
información es clave para el desarrollo de estrategias de conservación y manejo sostenible
de la tierra (MST), que reconozcan y promuevan el rol de los bosques como sumideros de
carbono, contribuyendo a los esfuerzos globales de mitigación del cambio climático
(Ledesma et al., 2021).
El objetivo del trabajo fue cartografiar y analizar los patrones espaciales asociados al
almacenamiento del carbono en la biomasa aérea en coberturas vegetales de la provincia
de Entre Ríos, utilizando técnicas de procesamiento de datos en la nube.
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 105
Materiales y métodos
1. Área de estudio.
El área de estudio corresponde a la provincia de Entre Ríos, Argentina (Figura 1).
Figura 1. Área de estudio. Fuente: Elaboración propia. Límites político administrativos - Instituto Geográfico
Nacional de la República Argentina. Imágenes de Google Satellite © Google.
La provincia de Entre Ríos, ubicada en la región mesopotámica de Argentina,
presenta un clima predominantemente templado húmedo, con precipitaciones que oscilan
entre 900 y 1400 mm, temperaturas entre los 17°C y 19°C en promedio, con amplitud
térmica moderada debido a la influencia de la humedad y la presencia de masas de aire
provenientes del Atlántico (Bianchi y Cravero, 2010).
Los suelos pertenecen principalmente a los órdenes Molisoles, Vertisoles, Entisoles
y Alfisoles (Figura 2), variando en cuanto a su fertilidad, drenaje y aptitud agropecuaria y
por lo tanto a su productividad. Los Molisoles son los suelos más productivos de la provin-
cia y predominan en la región centro-sur, especialmente en la Pampa Ondulada y parte de
la Pampa Mesopotámica. El uso intensivo de estos suelos, específicamente los argiudoles,
ha generado problemas de erosión y pérdida de materia orgánica, lo que pone en riesgo su
productividad a largo plazo (INTA, 1990; Soriano et al., 1991). Los Vertisoles se encuentran
principalmente en la región occidental de la provincia. Su alto contenido de arcilla,
provoca su expansión con la humedad y contracción en períodos secos, formando grietas
profundas que dificultan el laboreo agrícola, por lo que su principal uso es la ganadería
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 106
extensiva. Los Entisoles son suelos jóvenes o denominados sustratos, por su escaso
desarrollo. Predominan en el Delta e Islas del Paraná y están compuestos por arena, limo
y arcilla, transportados por los ríos Paraná y Uruguay (INTA, 1990). Los Alfisoles se
encuentran en la región noreste y en áreas de transición entre el Espinal y la Pampa
Mesopotámica. Son
suelos bien estructurados, con un horizonte B de acumulación de arcilla y una fertilidad
moderada siendo adecuados para la producción agrícola y ganadera (Soriano et al., 1991).
Figura 2. Mapa de suelos de Entre Ríos. Adaptado de INTA (1990).
Tomando la descripción anterior como referencia, en este trabajo se adopta el térmi-
no “Ecorregión” (Burkart et al., 1999) (Figura 3). En la provincia de Entre Ríos se identifican
las ecorregiones del Espinal, Delta e Islas del Paraná, Pampa Mesopotámica y, en una
proporción menor, los Esteros del Iberá (SINIA, 2025). La ecorregión del Espinal ocupa
gran parte del centro y oeste de la provincia. La vegetación está dominada por bosques
xerófilos con especies como el algarrobo (Neltuma nigra, Neltuma alba) y el ñandubay
(Neltuma affinis), además de pastizales abiertos con gramíneas como el paja brava
(Panicum prionittis). La ecorregión del Delta e Islas del Paraná se extiende desde el noreste
hasta el sur de la provincia, abarcando el sistema de humedales, ríos y lagunas del Delta
del Paraná. La vegetación incluye bosques ribereños compuestos por sauce criollo (Salix
humboldtiana) y aliso de río (Tessaria integrifolia), pajonales (Cortaderia selloana) y totora
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 107
(Typha spp.), así como palmares dominados por el pindó (Syagrus romanzoffiana). La
ecorregión de la Pampa se encuentra en el centro-sur de Entre Ríos y forma parte de la
llanura pampeana, tomando regionalmente el nombre de pampa mesopotámica (Piani,
2024). Su vegetación original estaba dominada por pastizales con especies de la familia
Poaceae, como el pasto miel (Paspalum dilatatum) y el flechilla (Stipa spp.), aunque en la
actualidad gran parte de
la ecorregión ha sido modificada para la agricultura y la ganadería.
Figura 3. Mapa de ecorregiones de Entre Ríos. Adaptado de Burkart et al. (1999). Se observan las cuatro
ecorregiones presentes en el territorio provincial: Espinal, Pampa, Delta e Islas del Río Paraná, y Esteros del
Iberá.
2. Revisión bibliográfica
Se realizó una revisión de bibliografía centrada en las contribuciones relevantes para
el área y tema de estudio, con énfasis en estimaciones de carbono y de biomasa aérea total.
Además, se construyó una base de datos con información sobre carbono y biomasa, obteni-
da tanto de datos de terreno como de fuentes secundarias para el área de estudio. Entre
las principales contribuciones científicas y técnicas utilizadas de referencia se encuentran
los estudios realizados por Sione et al. (2018; 2021; 2023; 2025), Ledesma et al. (2021), las
contribuciones de los profesionales del CeReGeo: Aceñolaza et al. (2007); Zamboni (2017);
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 108
Eclesia et al. (2020), Piani (2024) y Evequoz González Garmendia (2025), entre otros, los
cuales proporcionan datos de estimación de biomasa aérea y carbono almacenado para
diferentes ecosistemas del área de estudio (Tabla 1). Se registraron en la base de datos las
referencias de cada trabajo revisado, información clave (autores, año de toma de registros
o año de publicación), y los valores promedio, máximos y mínimos de biomasa aérea y
carbono almacenado, fracción de C considerada para la estimación de carbono y
compartimento de biomasa.
3. Base de Datos de Terreno
Se revisaron, sistematizaron, analizaron y actualizaron las bases de datos de terreno
del equipo de trabajo del CeReGeo. Entre ellos, se incluyeron datos de tesis doctorales
(Zamboni, 2017; Piani, 2024), y de un informe técnico con resultados de relevamientos
realizados en el marco de la participación del equipo del CeReGeo en el proyecto
FONTAGRO (15416 FTG/RF-15461-RG), cuyos resultados principales en este tema fueron
ya publicados (Eclesia et al., 2020). Se utilizaron en total 254 datos correspondientes a
registros de campo empleados como validación (201 parcelas de bosques y 53 parcelas de
forestaciones). Estos conjuntos de datos permitieron contrastar las estimaciones derivadas
de la capa global de biomasa ESA CCI Biomass.
Cabe mencionar que todos los datos de terreno fueron obtenidos siguiendo la misma
metodología de muestreo de la vegetación recomendada por FAO (1998), que comprende
la delimitación de unidades homogéneas de vegetación, la demarcación de parcelas de
aproximadamente 400m2 la medición de parámetros estructurales de la vegetación y la
estimación de la biomasa individual empleando la ecuación de estimación de Biomasa
aérea (kg) = AB [m²]* H [m] * Cf * D [kg/m³]; donde: AB = área basal (m²); H = altura (m),
Cf= coeficiente de forma adaptado a cada especie; D = densidad de madera (kg/m³). El
cálculo de la biomasa aérea individual se realizó extrapolando los valores por la cantidad
de plantas por ha; por lo que estos datos son comparables entre sí.
4. Geoinformación para la estimación del Carbono almacenado en Biomasa Aérea Total
La capa de biomasa aérea (AGB) utilizada proviene del producto de la Agencia
Espacial Europea (ESA), denominado Biomass Climate Change Initiative (Biomass_cci) v5
(Santoro y Cartus, 2024), que ofrece estimaciones globales anuales de la biomasa arbórea
aérea expresados en toneladas de materia seca por hectárea (MgMS/ha). Estas
estimaciones se derivan de datos de observación de la Tierra, incluyendo datos de misiones
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 109
como Copernicus Sentinel-1, Envisat ASAR y los satélites ALOS-1 y ALOS-2 de JAXA. El
producto tiene una resolución espacial de 100 metros por píxel, lo que permite un análisis
detallado de la biomasa arbórea a nivel regional.
Se descargaron las capas raster del mencionado producto en formato GeoTiff (.tif)
para el área de estudio para los años 2010, 2015, 2016, 2017, 2018, 2019, 2020 y 2021.
Posteriormente, las capas raster se reproyectaron, se generó un mosaico y se recortaron a
la extensión de la provincia de Entre Ríos. Una vez obtenidos e integrados al proyecto SIG
los datos de biomasa de Biomass_cci, se estimó el contenido de carbono almacenado en la
biomasa aérea empleando la ecuación universal de estimación del contenido de carbono a
partir de datos de biomasa (C= B * 0,5); donde B= biomasa aérea, asumiendo que el mismo
equivale aproximadamente al 50% de la materia seca sin hacer diferenciación entre
especies (Brown y Lugo, 1982; IPCC 1997; Bravo et al., 2007; Sione et al., 2025).
Tomando la extensión y resolución espacial de esta capa como referencia, se definió
una cuadrícula para toda la provincia de Entre Ríos con celdas de aproximadamente 90m
x 90m. Esta definición se realizó contemplando que la capa de referencia es la que presenta
una resolución espacial conveniente para integrar el resto de los datos, al mismo tiempo,
es la más relevante en cuanto al contenido de los datos para los objetivos. Cada celda de
la cuadrícula fue identificada mediante un ID único, lo que posibilitó un seguimiento
preciso de la variabilidad temporal de la biomasa aérea para los años seleccionados. A
partir de capas temáticas auxiliares, se estableció la correspondencia de cada celda con
unidades territoriales más amplias, asignándole la categoría de Departamento, Cuenca y
Ecorregión a cada celda.
Al finalizar el proceso, se obtuvo una capa con una cuadrícula conteniendo
aproximadamente 9 millones de celdas, que integró además los atributos de cada una de
las capas temáticas. Por lo tanto, se trabajó con un alto volumen de datos requiriendo el
uso de técnicas de análisis, equipamiento y herramientas de procesamiento en la nube
propias de la ciencia de datos.
5. Geoinformación para la cartografía de Cobertura y Uso del Suelo
Se incorporaron en un proyecto SIG de QGIS las capas de cobertura de suelo de
MapBiomas Argentina (Proyecto MapBiomas, 2024), de distribución libre y gratuita, y
capas auxiliares (límites provinciales e internacionales, capas de cultivos, cursos de agua,
ejidos urbanos, Áreas Naturales Protegidas, y otros geoservicios) extraídos de la
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 110
Infraestructura de Datos Espaciales de la República Argentina (IDERA, 2025) y otros
repositorios de datos geográficos como el de la Dir. Hidráulica de Entre Ríos (DGHyOS,
2025) y la Infraestructura de Datos Espaciales de la FCyT - UADER (IDE-FCyT, 2025).
MapBiomas ofrece mapas anuales de cobertura y uso del suelo con una resolución
espacial de 30 metros por píxel generados a partir del procesamiento de imágenes
satelitales Landsat en la plataforma Google Earth Engine. La Colección 1, publicada en
mayo de 2024, abarca el período 1998-2022 e incluye 15 clases de cobertura y uso del suelo.
Se des-cargaron las capas raster en formato GeoTiff (.tif) para los años 2010, 2015, 2016,
2017, 2018, 2019, 2020 y 2021. Posteriormente, las capas se reproyectaron y se recortaron a
la extensión de la provincia de Entre Ríos.
En el área de estudio se registraron las siguientes clases de Cobertura y Uso de Suelo
(Proyecto MapBiomas, 2024):
Bosque y arbustales cerrados: corresponde a vegetación natural leñosa con dosel
continuo de arbóreas o arbustivas, con copas que se tocan o ligeramente separadas,
con cobertura mayor o igual al 65%.
Bosque abierto: corresponde a vegetación natural leñosa de arbóreas o arbustivas,
con copas discontinuas, con una cobertura mayor al 20% y menor al 65%.
Bosque inundado: corresponde a áreas de transición entre los sistemas terrestres y
acuáticos puros, donde la capa freática se encuentra por lo general en la superficie o
cercana a ella (áreas encharcadas). La cobertura vegetal natural formada por árboles,
arbustos o una mezcla de ambos está influenciada significativamente por el agua y/o
depende de inundaciones.
Pantano y pastizal inundable: corresponde a vegetación natural herbácea
predominantemente nativa influenciada por excesos de agua. Ocupa suelos
hidromórficos, que se inundan en forma permanente o temporaria. Incluye bañados,
esteros y orillas de lagunas y otros cuerpos de agua con vegetación típicamente
higrófila, con herbáceas acuáticas y palustres, que ocupan planicies y depresiones
que permanecen inundadas por breves (meses) o extensos períodos (años).
Pastizal: corresponde a vegetación natural herbácea, o naturalizada. En general
presenta una mezcla de gramíneas y dicotiledóneas herbáceas, o subarbustivas y
ocasionalmente leñosas con cobertura inferior al 20 %. Ocupa suelos profundos o
someros, hasta muy llanos y rocosos, bien drenados (psamófilo), mal drenados
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 111
(húmedo, con notable presencia de ciperáceas), y o bajo influencia salina (halófilo).
Se suele utilizar con fines ganaderos.
Pastura: corresponde a las vegetaciones herbáceas cultivadas con una o más especies
forrajeras perennes, en general de gramíneas y leguminosas exóticas. Requiere de
intervención humana para permanecer como tal en el tiempo.
Agricultura: corresponde a las áreas ocupadas con cultivos anuales, o sea que hayan
sido plantadas o cosechadas durante el año de referencia. Incluye las áreas de culti-
vos extensivos, verdeos anuales y de horticultura. Se incluyen también áreas con pe-
ríodo de descanso entre siembras agrícolas.
Plantación forestal: corresponde al uso de áreas con cultivos de plantas leñosas, por
lo general de especies exóticas.
Área sin vegetación: áreas con cobertura vegetal menor al 5 %. Clase mixta que
incluye playas, dunas y salinas (cordones arenosos de color blanco brillante, en
donde no hay predominio de vegetación de ningún tipo), infraestructura urbana y
rural (con predominio de superficies no vegetadas como construcciones y asfalto,
excluyendo situaciones de vegetación en asentamientos como arbolado o pastos),
áreas de minería (como canteras, minería a cielo abierto, sin presencia de agua),
afloramientos rocosos (roca naturalmente expuesta en la superficie sin cobertura
vegetal) y otras áreas con escasa o nula cobertura vegetal.
Río o lago: áreas con presencia de agua en superficie de forma permanente. Incluye
arroyos, ríos, lagunas, lagos naturales y artificiales, y el océano.
Se realizó un análisis detallado de la composición de coberturas de suelo dentro de
cada celda, calculando tanto el área absoluta como el porcentaje de superficie que ocupa
cada categoría anteriormente mencionada en el área de estudio.
6. Geotecnologías y Geoestadística
Se trabajó con el software de libre y gratuita distribución QGIS versión 3.34.15 y se
utilizó la proyección POSGAR 2007 Faja 5, que es la más adecuada para la provincia de En-
tre Ríos. En la región el uso de la Faja 5 no genera deformaciones mayores a medio metro
por kilómetro, lo que la hace recomendable para escalas de 1:5.000 o mayores (Maldonado
et al., 2012).
Para evaluar la precisión de las estimaciones, se aplicaron pruebas estadísticas,
incluyendo la de Shapiro-Wilk modificada para evaluar la normalidad de los datos, la
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 112
prueba t para dos muestras pareadas para comparar las medias, y la prueba de Wilcoxon
(prueba W) para muestras pareadas cuando los datos no presentaron una distribución
normal. Debido al gran volumen de datos, se utilizó la plataforma de Google Collaboratory,
y las libre-rías pandas, geopandas, matplotlib, scipy.stats entre otras.
Resultados y discusión
La revisión bibliográfica realizada permitió identificar los principales resultados ob-
tenidos por otros autores para la provincia de Entre Ríos. En la Tabla 1 se resumen los va-
lores de biomasa aérea y carbono reportados para las principales ecorregiones y tipos de
cobertura. En el Espinal, los estudios de Sione et al. (2018, 2021, 2023), Ledesma et al. (2021)
y Eclesia et al. (2020) registran biomasas aéreas que, según el tipo de bosque, estructura y
manejo ganadero, oscilan aproximadamente entre valores inferiores a 40 Mg MS/ha en
bosques abiertos o degradados y más de 100 Mg MS/ha en bosques cerrados o de mayor
desarrollo estructural. Los valores de carbono almacenado en la biomasa aérea se ubican
en el rango de 20 a 50 Mg C/ha, utilizando fracciones de carbono de 0,47 (Sione et al. 2021)
y 0,50 (IPCC, 1997) de la biomasa seca para la estimación de carbono en biomasa aérea.
Estudios recientes en bosques de Ñandubay del Espinal en la cuenca del arroyo Feliciano
(Sione et al., 2025) reportan valores de carbono en la biomasa aérea total entre 11,0 y 44,7
Mg C/ha (promedio 27,8 Mg C/ha) y alrededor de 74,7 Mg C/ha en el carbono orgánico
del suelo, destacando tanto la alta variabilidad entre tipos de bosque como la utilidad de
la relación aproximada B ≈ C/2 y su vínculo con el carbono del suelo.
En la Pampa Mesopotámica, Piani (2024) documentó para forestaciones de Eucalyp-
tus grandis valores de biomasa aérea comprendidos aproximadamente entre 107 y 346 Mg
MS/ha, dependiendo de la edad, el tipo de suelo y el manejo forestal, lo que sitúa a estas
plantaciones entre las coberturas de mayor potencial de almacenamiento de carbono de
la provincia.
En el Delta e Islas del Paraná, los trabajos de Aceñolaza et al. (2007) y Zamboni (2017)
registran valores de biomasa aérea total del orden de 100 Mg MS/ha en bosques mixtos de
albardones internos, alrededor de 157 Mg MS/ha en bosques simples de alisales y hasta 225
Mg MS/ha en sauzales maduros, con rangos que pueden descender a valores cercanos a 7
Mg MS/ha en bosques simples abiertos. Para la misma ecorregión, Piani (2024) reportó
para forestaciones de salicáceas (principalmente Salix spp. y Populus spp.) biomasas entre
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 113
aproximadamente 70 y 470 Mg MS/ha, según la combinación de edad, manejo y
condiciones ambientales.
En Argentina, diversos estudios han cuantificado la biomasa aérea en bosques
nativos de distintas ecorregiones. Gasparri y Manghi (2004) reportaron aproximadamente
98 Mg MS/ha en el Parque Chaqueño, 173 Mg MS/ha en la Selva Tucumano-Boliviana, 266
Mg MS/ha en la Selva Misionera y 540 Mg MS/ha en el Bosque Andino Patagónico, eviden-
ciando un gradiente amplio en la acumulación de biomasa y carbono entre ambientes
húmedos de alta productividad y bosques montanos de elevada estructura.
Tabla 1. Publicaciones relacionadas con la provincia de Entre Ríos para estimaciones de Biomasa aérea total y
Carbono, para diferentes compartimentos, especies/comunidades, y tipos de cobertura.
Referencia
Año
Cobertura
Especies o comunidad
vegetal
Compartimento de
carbono
Biomasa
(MgMS/
ha)
Carbono
almacenado
(MgC/ha)
Fracción
de C
Aceñolaza
et al. 2009
2002
Bosque
cerrado
Salix humboldtiana
Hojarasca
6.8
3.4
0.5
2002
Bosque
cerrado
Tessaria integrifolia
Hojarasca
6.5
3.2
0.5
2002
Bosque
cerrado
Albizia inundata
Hojarasca
3.3
1.6
0.5
2002
Bosque
cerrado
Nectandra angustifolia
Hojarasca
9.6
4.8
0.5
Aceñolaza
et al. 2007
2007
Bosque
cerrado
Salix humboldtiana
Biomasa aérea
225
112.5
0.5
2007
Bosque
cerrado
Tessaria integrifolia
Biomasa aérea
157
78.5
0.5
2007
Bosque
cerrado
Albizia inundata
Biomasa aérea
100
50
0.5
2007
Bosque
cerrado
Salix humboldtiana
Carbono orgánico
de suelo
-
53.3
-
2007
Bosque
cerrado
Tessaria integrifolia
Carbono orgánico
de suelo
-
48.5
-
2007
Bosque
cerrado
Albizia inundata
Carbono orgánico
de suelo
-
140
-
Ledesma
et al. 2021
2021
Bosque
cerrado
Neltuma affinis;
Vachellia caven;
Neltuma nigra
Biomasa aérea
111.82
52.78
0.47-0.5
2021
Bosque
cerrado
Neltuma affinis;
Vachellia caven;
Neltuma nigra
Biomasa aérea
78.05
36.84
0.47-0.5
2021
Bosque
cerrado
Neltuma affinis;
Vachellia caven;
Neltuma nigra
Biomasa aérea
102.98
48.61
0.47-0.5
2021
Bosque
cerrado
Neltuma affinis;
Vachellia caven;
Neltuma nigra
Biomasa aérea
52.13
26.02
0.47-0.5
2021
Bosque
cerrado
Neltuma affinis;
Neltuma nigra
Biomasa aérea
102.81
48.53
0.47-0.5
2021
Bosque
cerrado
Neltuma affinis
Biomasa aérea
108.26
51.1
0.47
Sione et al.
2018
2018
Bosque
cerrado
Neltuma affinis;
Vachellia caven;
Neltuma nigra
Biomasa aérea
80.27
40.14
0.47-0.5
Sione et al.
2021
2019
Bosque
cerrado
Neltuma affinis;
Vachellia caven
Biomasa aérea
96.03
45.29
0.47
2019
Bosque
cerrado
Neltuma affinis;
Vachellia caven
Biomasa aérea
88.26
41.88
0.47
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 114
2019
Bosque
abierto
Neltuma affinis
Biomasa aérea
26.46
12.47
0.47
Sione et al.
2023
2023
Bosque
cerrado
Neltuma affinis;
Vachelia caven;
Neltuma nigra
Biomasa aérea
65.5
30.8
0.47
2023
Bosque
cerrado
Neltuma affinis;
Vachelia caven;
Neltuma nigra
Carbono orgánico
de suelo
-
80.5
-
Sione et al.
2025
2025
Bosque
cerrado
Neltuma affinis;
Vachelia caven;
Neltuma nigra
Biomasa aérea
57.5
27.8
0.47
2025
Bosque
cerrado
Neltuma affinis;
Vachelia caven;
Neltuma nigra
Carbono orgánico
de suelo
-
74.7
-
Gaitán et
al. 2025
2025
Tierras
Forestales
Nativas
Sin descripción
Carbono Orgánico
de suelo
-
66,3
-
- Cartografía de Biomasa Aérea
Se obtuvo un mapa de distribución de la biomasa aérea en la provincia de Entre Ríos
a partir del producto Biomass_cci y las capas auxiliares con información territorial (Figura
4). En cuanto al patrón espacial de distribución de la biomasa aérea, se aprecian los
mayores valores en las zonas asociadas a cauces de ríos, arroyos y lagunas; y
principalmente al río Paraná, desde el oeste hasta el sur de la provincia, y al río Uruguay
en su extensión norte-sur al este de la provincia. Los valores más altos (> 100 Mg MS/ha)
se encuentran en la porción sureste de la provincia, sobre la costa del río Uruguay,
representando una superficie menor al 2% del área estudiada. En otras palabras, menos
del 2% de la superficie provincial presenta valores de biomasa que superan los 100 Mg
MS/ha.
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 115
Figura 4. Mapa de distribución de biomasa aérea en la provincia de Entre Ríos generado a partir del producto
ESA Biomass-CCI para el año 2021.
En términos generales el 38 % de la provincia presenta valores igual o menores a 10
Mg MS/ha, principalmente en el centro y centro-norte de la provincia; y el 57% no supera
los 40 Mg MS/ha; en correspondencia con valores reportados previamente para la región
(Aceñolaza et al., 2007; Aceñolaza et al., 2009; Sione et al., 2018, Ledesma et al., 2021; Sione
et al., 2021; Sione et al., 2025) y la variabilidad asociada principalmente a la topografía y
edafología, la vegetación y otras variables identificadas como predictoras como el clima
(Gaitán et al., 2025).
Cabe mencionar que un 21,18% del territorio provincial presentó valores inferiores a
1 Mg MS/Ha; correspondiendo a zonas sin vegetación (cuerpos y cursos de agua, suelo sin
cobertura vegetal, zonas urbanas, etc).
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 116
- Carbono Almacenado en la Biomasa Aérea Total de la Provincia de Entre Ríos
En cuanto al análisis de los patrones espaciales de distribución del carbono
almacenado en la biomasa aérea total: al considerar las ecorregiones como unidades
territoriales de análisis (Figura 5), en el Espinal los resultados obtenidos (8,4 Mg C/ha)
coinciden parcialmente con los valores reportados por Sione et al. (2023) para bosques
subxerofíticos (promedio de 31 Mg C/ha), pero revelan un promedio provincial
sustancialmente menor, posiblemente asociado a la alta variabilidad reportada para
algunas zonas del norte de la provincia (Sione et al., 2025). Esta discrepancia puede
explicarse porque el área de estudio integra no solo los bosques analizados por Sione y
colaboradores, sino también las áreas degradadas y de uso agropecuario que predominan
en esta ecorregión (Eclesia et al., 2020; Ledesma et al., 2021).
En la ecorregión del Delta e Islas del Paraná, los valores obtenidos de carbono
almacenado en la biomasa aérea (12,9 Mg C/ha) se ubican en el rango intermedio de lo
documentado en la literatura existente. Estos resultados son consistentes con los rangos
de 4 a 57 Mg C/ha que fueron reportados por Zamboni (2017) para bosques de albardones,
pero resultan inferiores a los 50 Mg C/ha encontrados por Aceñolaza et al. (2007) en
sauzales maduros.
En la ecorregión de la Pampa, que representa el 38% de la superficie de la provincia
de Entre Ríos, se registró el 27% del carbono total de la provincia, con un promedio de 5,8
Mg C/ha.
Finalmente, la ecorregión de Esteros del Iberá, si bien posee una pequeña superficie
en la provincia, contribuye con un 1% del carbono, con un promedio de 9 Mg C/ha.
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 117
Figura 5. Distribución del Carbono almacenado en la biomasa aérea a nivel de ecorregión.
En cuanto a la distribución del Carbono tomando en cuenta las cuencas
hidrográficas de la Provincia (Figura 6), la cuenca del Delta del Paraná es la que más
carbono almace-na, con un 26 % del total, y un promedio de 9,9 Mg C/ha, cubriendo el
21,5% de la superfi-cie del territorio provincial. En otras palabras, el 26% del carbono se
encuentra en el 21,5% de la provincia. Los Arroyos menores de Entre Ríos afluentes del Río
Uruguay también tienen una contribución significativa, con el 23,3% del carbono y un
promedio de 15,8 Mg C/ha, aunque sólo representan el 12 % de la superficie. En la cuenca
del Río Gualeguay se almacena el 17,4% del carbono, con un promedio de 5,1 Mg C/ha, y
cubre el 28 % de la superficie. Otras cuencas, como la del Río Feliciano y la Propia del Río
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 118
Uruguay en Argen-tina, tienen contribuciones menores, con 9,2% y 6,7% del carbono total,
respectivamente.
Figura 6. Carbono almacenado en la biomasa aérea a nivel de cuencas hidrográficas.
Finalmente, a nivel departamental (Figura 7), Islas del Ibicuy es el que más carbono
almacena, con un promedio de 17,6 Mg C/ha, cubriendo el 6 % de la superficie. Concordia,
contiene el 11,3% del carbono de la Provincia y un promedio de 22,1 Mg C/ha,
representando el 4 % de la superficie. La Paz y Uruguay también tienen contribuciones
importantes, con 8,4% y 7,8% del carbono total, respectivamente. En contraste,
departamentos co-mo San Salvador y Diamante tienen contribuciones menores, con 1,0%
y 1,8% del carbono total, respectivamente. Los valores más elevados en los departamentos
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 119
Concordia e Islas del Ibicuy pueden vincularse a la presencia de plantaciones forestales en
estos departamentos.
Figura 7. Carbono almacenado en la biomasa aérea a nivel de departamentos.
Los patrones espaciales muestran que las áreas con mayor almacenamiento de
carbono tienden a estar asociadas con ecorregiones como el Espinal y el Delta e Islas del
Paraná, así como con cuencas como la Delta del Paraná y los Arroyos menores de Entre
Ríos. Estas áreas tienen un mayor almacenamiento de carbono por hectárea, asociado a su
vegetación más densa.
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 120
Los patrones de almacenamiento de carbono en la provincia de Entre Ríos revelan
marcadas diferencias entre los distintos tipos de cobertura vegetal (Figura 8). Los humeda-
les (pantanos y pastizales inundables) presentan valores intermedios de almacenamiento
(8,4 Mg C/ha), pero su amplia representación (20% del territorio) los convierte en los
mayores contribuyentes al almacenamiento de carbono en la provincia (28 %). Estos
valores son consistentes con los reportados por Zamboni (2017) para humedales deltaicos
(7-105 Mg MS/ha), aunque en el extremo inferior del rango. El bosque inundado, aunque
con un alto almacenamiento de carbono (6,31 Mg C/ha), tiene un bajo impacto a escala
regional (0,18% del carbono almacenado total) por su mínima extensión (0,07% del área
de la provincia).
Los bosques muestran una clara gradación según su estructura: mientras los bosques
abiertos (5,51 Mg C/ha) cubren cerca del 20% del área y aportan el 26% del carbono, los
bosques cerrados alcanzan los valores más altos por unidad de superficie (10,98 Mg C/ha),
aunque su limitada extensión (5%) reduce su contribución relativa (18%). Esta diferencia
entre los bosques abiertos y los bosques cerrados coincide con los hallazgos de Sione et al.
(2021) para el Espinal, donde bosques más densos almacenaban hasta 45 Mg C/ha frente a
12 Mg C/ha en formaciones abiertas.
Las plantaciones forestales registran los mayores valores de almacenamiento de
carbono (29,33 Mg C/ha), superando a los bosques nativos, lo que coindice con los datos
de Piani (2024) para forestaciones de salicáceas en la porción inferior del rango (35-235
MgC/ha). Su limitada distribución (1,71% de la superficie provincial) limita su impacto
total (13,01% del carbono almacenado total), evidenciando que su potencial como
sumideros depende críticamente de políticas de expansión sostenible.
En el extremo opuesto, los sistemas agrícolas muestran un marcado bajo aporte
como reservorio de carbono (0,67 Mg C/ha), con una contribución marginal (3,39% del
carbono almacenado total) pese a ocupar el 24,31% de la superficie del territorio. Los pasti-
zales presentan valores de 1,52 Mg C/ha, que se sitúan apenas por encima del extremo in-
ferior documentado por Eclesia et al. (2020) para sitios abiertos de tipo sabana o mixtos.
Este patrón es también evidente en pasturas (0,86 Mg C/ha), cuyos valores son hasta 10
veces menores que los de pastizales naturales, coincidiendo con los reportes de Eclesia et
al. (2020) sobre la pérdida de capacidad de secuestro en sistemas ganaderos intensivos.
Las áreas con cobertura vegetal menor al 5% (1,38 Mg C/ha) y los cuerpos de agua
(0,49 Mg C/ha) cumplen un rol irrelevante en el almacenamiento de carbono. Estos valores
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 121
que pueden parecer evidentemente demasiado altos para sectores donde no cabría esperar
vegetación arbórea puede verse explicado por la asociación de estos mismos a coberturas
de mayor cobertura vegetal como parques urbanos o bosque en galería, de manera que
interfiere con valores anómalos debido a la resolución espacial de los productos de bioma-
sa aérea y cobertura de suelo.
Figura 8. Mapa de cobertura y uso de suelo para la provincia de Entre Ríos a partir del producto Proyecto
MapBiomas - Colección 1 para el año 2021.
En cuanto a los patrones temporales, se presenta únicamente el mapa para el año
2021, si bien se generó la cartografía para los años disponibles (2010, 2015, 2016, 2017, 2018,
2019, 2020 y 2021). El resto de los mapas se encuentran disponibles en la IDE -FCyT para
su descarga. No se identificaron patrones temporales consistentes de variación de biomasa
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 122
entre los diferentes años del período analizado, si bien se observaron aumentos en el
carbono almacenado en la biomasa aérea en la mayoría de las unidades territoriales
emplea-das, especialmente en zonas con cobertura forestal densa. Tomando como
unidades las cuencas hidrográficas, la del Río Uruguay en Argentina presentó valores
promedio de 26,49 Mg C/ha en 2010 y de 28,36 Mg C/ha en 2021, mientras que el Río
Nogoyá registró valores de 2,40 Mg C/ha en 2010 y de 3,43 Mg C/ha en 2015.
Las ecorregiones como el Delta e Islas del Paraná superaron los 12 Mg C/ha en la
mayoría de los años, mientras que la Pampa presentó valores más altos en 2010 y 2015. En
el Espinal, el carbono almacenado promedio no presentó variaciones en este período.
- Validación
Los resultados de los análisis geoestadísticos para los conjuntos de datos utilizados
a partir de puntos de validación se muestran en la tabla 2.
Tabla 2: Resultados de análisis estadístico para los conjuntos de datos utilizados.
Cobertura /
Año
n
Diferencia Media
Desviación
Estándar de la
diferencia
Shapiro-Wilk
(p-valor)
t-test
Pareado
(p-valor)
Wilcoxon
(p-valor)
Bosque 2017
186
18,85
52,93
<0,001
<0,001
<0,001
Bosque 2018
18,47
52,60
<0,001
<0,001
<0,001
Bosque 2019
18,83
52,72
<0,001
<0,001
<0,001
Plantación
forestal 2020
53
94,99
93,31
0,074
<0,001
<0,001
Plantación
forestal 2021
101,58
91,87
0,018
<0,001
<0,001
Bosque 2010
15
28,77
27,08
0,199
<0,001
<0,001
Bosque 2015
32,77
26,63
0,223
<0,001
<0,001
Se realizó la validación empleando como verdad de terreno los datos de registros
obtenidos de relevamientos en campo, para los diferentes conjuntos de datos disponibles.
El conjunto de datos usados para la validación integró registros correspondientes a
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 123
bosques con un variado grado de cobertura arbórea para los años 2017, 2018 y 2019. Los
resulta-dos de las pruebas estadísticas (Shapiro Wilks) reportaron valores de p= <0,05 en
todos los casos, sugiriendo que los datos no siguen una distribución normal. En
consecuencia, se empleó la prueba de Wilcoxon para comparar las medias, obteniendo
valores de p=<0,05, lo que indica diferencias estadísticamente significativas entre las
estimaciones de biomasa en los valores observados y los valores observados (producto
Biomass_cci) para los diferen-tes años analizados. La diferencia media en 2017 fue de 18,85
MgMS/ha con un desvío estándar de 52,94 MgMS/ha, en 2018 fue de 18,48 MgMS/ha con
un desvío estándar de 52,60 MgMS/ha, y en 2019 fue de 18,83 MgMS/ha con un desvío
estándar de 52,73 MgMS/ha.
El segundo conjunto de datos, correspondiente a plantaciones forestales para el año
2021, las pruebas indicaron diferencias significativas entre las estimaciones y los valores
observados (producto Biomass_cci) (p=<0,05). Este conjunto de datos presentó los valores
de biomasa más altos, entre 73 Mg MS/ha y 470 Mg MS/ha, y la mayor media de diferencia
respecto a los valores de biomasa estimados.
El tercer conjunto de datos, correspondientes a bosques (años 2014 / 2015) en el Delta
del Paraná, presentaron distribución normal, por lo que se aplicó la prueba t para muestras
pareadas para comparar las medias de las estimaciones con los valores observados.
Dado que las pruebas de comparación de medias revelaron diferencias significativas
en todos los casos, se concluye que las estimaciones de biomasa (Producto Biomass_cci)
presentan una desviación considerable respecto a los valores observados, lo que sugiere la
necesidad de ajustes en los métodos de estimación utilizados.
Tomando en cuenta los valores de referencia para otras regiones de nuestro país,
como el Parque Chaqueño, la Selva Misionera, la Selva Tucumano-Boliviana y el Bosque
Andino Patagónico, Gasparri y Manghi (2004) registraron valores de biomasa aérea
cercanos a los 99 Mg MS/ha (Parque Chaqueño) para zonas representadas por baja
proporción de coberturas arbóreas; datos mayores a los registrados en este trabajo para
coberturas similares (bosques abiertos, con baja densidad de plantas, maduros).
Asimismo, los registros para zonas con alta cobertura arbórea y desarrollo de los bosques
como en la Selva Misionera los valores reportados alcanzaron los 266 Mg MS/ha; valores
similares a los reportados en este trabajo para zonas de bosques cerrados y densos. En
general los rangos de los valores registrados coinciden con los reportados para los
diferentes ecosistemas estudiados de la provincia.
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 124
Los reportes analizados para los bosques nativos del Espinal en la provincia de Entre
Ríos con una variación entre los 11 y 47 Mg MS/ha en promedio (Sione et al., 2018; 2025;
Ledesma et al., 2021) son representativos de los registros proporcionados por los productos
globales; lo que indica la alta utilidad de estos productos principalmente a escala regional.
La variabilidad de los valores observados refleja la heterogeneidad de los distintos
ecosistemas, por lo que el análisis de los patrones de distribución de la biomasa y el carbo-
no y su relación con unidades territoriales delimitadas con criterios funcionales
(ecorregiones, cuencas, cobertura y uso del suelo, etc.) y su asociación a unidades de
gestión terri-torial (Departamentos), resulta de gran utilidad y conveniencia para generar
información imprescindible para el ordenamiento territorial.
Entre los resultados registrados por MapBiomas, se identificaron zonas clasificadas
como plantación forestal que, en realidad, corresponden a áreas con vegetación leñosa,
posiblemente con una alta presencia de especies exóticas y un elevado valor de biomasa.
Esta condición les otorga una fenología similar a las forestaciones, lo que podría explicar
la clasificación errónea. Este hallazgo pone en evidencia la dificultad de discriminar entre
vegetación espontánea y cultivada, lo que resalta la necesidad de intensificar el análisis en
estos sitios y de contar con un conocimiento del terreno para una correcta interpretación
del territorio.
Un caso concreto se observó en la Reserva de la Escuela Alberdi, donde, a pesar de
que no existe plantación forestal, MapBiomas registró 1,5 hectáreas bajo esta categoría,
cuando en realidad corresponden a bosque cerrado (Galarza y Quinodoz, 2012).
La información georreferenciada y datos de este trabajo se encuentran disponibles
en la IDE- FCyT (https://ide-fcyt.github.io/IDE-FCyT/).
Conclusiones
Los resultados obtenidos en este trabajo aportan insumos para cartografiar el
almacenamiento de carbono en la biomasa aérea de la provincia de Entre Ríos utilizando
bases de datos globales y regionales, modelos y ecuaciones, siendo esencial ajustar estos
modelos a las condiciones locales del área de estudio. Esto incluye considerar la
heterogeneidad de los ecosistemas, el uso de los suelos, las variables climáticas y la
composición de las comunidades vegetales presentes en el ecosistema para obtener
estimaciones más precisas y representativas. Los valores de biomasa reportados para
diversos ecosistemas de Argentina, como el Parque Chaqueño, la Selva Misionera y el
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 125
Bosque Andino Patagónico, constituyen referencias útiles. Sin embargo, los registros
específicos de los ecosistemas del Espinal, la Pampa y el Delta del Paraná resultan
particularmente relevantes, especialmente cuando corresponden a antecedentes de la
provincia de Entre Ríos. Estos datos son funda-
mentales para comparar y contrastar los resultados de este trabajo con las estimaciones de
biomasa o carbono almacenado reportadas por otros autores, permitiendo así evaluar la
coherencia de los valores estimados a partir de productos globales.
Los resultados de este trabajo muestran que las áreas con mayor almacenamiento de
carbono están asociadas a las ecorregiones del Espinal y el Delta e Islas del Paraná, así
como a cuencas como la del Delta del Paraná y los arroyos menores de Entre Ríos.
En términos temporales, los valores de carbono y biomasa aérea muestran una
estabilidad relativa a lo largo de los años, con variaciones mínimas pero sostenidas de
aumento de biomasa en algunos sectores.
El análisis de la distribución de biomasa y carbono en función de unidades
territoriales con criterios funcionales (ecorregiones, cuencas hidrográficas, cobertura) y su
vinculación con unidades de gestión (departamentos) se presenta como una herramienta
de utilidad para el ordenamiento territorial. Este enfoque permite integrar la información
generada en escalas globales y regionales con las particularidades locales, lo que resulta
fundamental para abordar desafíos como la conservación, la mitigación del cambio
climático y la planificación del uso del suelo. En este sentido, los productos globales,
aunque útiles, deben ser complementados con estudios detallados y adaptados a las
condiciones específicas de cada región para maximizar su aplicabilidad y precisión. Los
resultados obtenidos a partir de los valores de estimaciones globales, sin un previo ajuste
a la escala local o re-gional, no deben ser tomados como valores absolutos sino que pueden
ser utilizados de manera relativa para interpretar patrones espaciales y temporales.
Los productos globales y regionales, como MapBiomas y ESA Biomass CCI,
presentan limitaciones en contextos regionales, como la dificultad para discriminar entre
vegetación espontánea y cultivada, o la subestimación de biomasa para áreas con escasa o
dispersa vegetación leñosa. Estas limitaciones resaltan la necesidad de complementar los
productos globales con conocimiento del terreno, además de validar los resultados con
datos de campo, para superar estas limitaciones y maximizar su utilidad en la gestión
territorial.
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 126
Agradecimientos
Loa autores agradecen a Pablo Aceñolaza y Fernando Tentor por sus aportes al trabajo.
Financiamiento: Consejo Interuniversitario Nacional (Beca EVC-CIN), Proyecto Federal de
Innovación (PFI-Aceñolaza), UADER-PIDAC Maldonado y FONTAGRO (15416 FTG/RF-
15461-RG). Apoyo institucional: UADER-FCyT y Centro Regional de Geomática.
Bibliografía citada
Aceñolaza, P. G.; Zamboni, L. P. y J. Gallardo Lancho, 2007. “Estimación de C del
suelo en tres bosques de la llanura aluvial del Bajo Paraná (R. Argentina)” (pp. 39-
53). En: Juan F. Gallardo (edt.). La captura de Carbono en ecosistemas terrestres
iberoamericanos. S.i.F.yQ.A., Salamanca.
Aceñolaza, P.; Zamboni, L. P. y J. Gallardo Lancho, 2009. “Litterfall production of fo-
rests at the pre-Delta area of the Paraná River (Argentina)” (pp. 135-145). Bosque, 30.
Bianchi, A. R. y S. A. Cravero, 2010. Atlas Climático Digital de la República Argentina.
Instituto Nacional de Tecnología Agropecuaria (INTA).
Bravo, F.; Delgado, J. A.; Gallardo, J. F.; Bravo-Oviedo, A.; Ruiz-Peinado, R.; Merino,
A.; Montero, G.; Cámara, A.; Navarro, R.; Ordoñez, C. y E. Canga, 2007. “Métodos
para cuantificar la fijación de CO2 en los sistemas forestales” (pp. 65-112). En Bravo
F (coord.). El papel de los bosques españoles en la mitigación del cambio climático,
Fundación Gas Natural.
Brown, S. y A. E. Lugo, 1982. “The Storage and Production of Organic Matter in
Tropical Forests and Their Role in the Global Carbon Cycle” (pp. 161-187). Biotropica,
14. http://dx.doi.org/10.2307/2388024
Brown, S., 1997. Estimating Biomass and Biomass Change of Tropical Forests: A
Primer. FAO Forestry Paper 134, Rome: For the Food and Agriculture Organization
of the United Nations.
Chuvieco Salinero, E., 2008. Teledetección ambiental. Grupo Planeta (GBS). 594 pp.
Dirección General de Hidráulica y Obras Sanitarias (DGHyOS), 2025. Capas de
información geográfica. Gobierno de la Provincia de Entre Ríos. Recuperado de:
https:// www.hidraulica.gob.ar/capas_geograficas.php
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 127
Eclesia, R. P.; Lezana, L.; Zamboni, P. y S. B. Canavelli, 2020. “Importancia del campo
natural para el almacenaje de carbono en sistemas ganaderos de cría” (pp. 32-37).
Serie Extensión / EEA Paraná (INTA), no. 86.
Evequoz González Garmendia, A., 2025. Mapa de carbono almacenado en la biomasa
aérea en la provincia de Entre Ríos a partir del procesamiento de datos en la nube.
Tesis de grado en Licenciatura en Biología. Universidad Autónoma de Entre Ríos.
Facultad de Ciencia y Tecnología. https://rd.fcyt.uader.edu.ar/handle/123456789/86
FAO, 1998. FRA 2000. Directrices para la evaluación en los países tropicales y
subtropicales. Programa de Evaluación de los Recursos Forestales. 45 pp.
Gaitán, J. J.; Peri, P. L.; Barral, M. P.; Accame, M. F.; Alaggia, F. G.; Albarracin, S.;
Álvarez-Cortés, D. J.; Álvarez, C.; Bacigaluppo S.; Balducci E.; Benegas, N.; Barbaro,
S.; Behr, S.; Beltrán, M. J.; Benedetto, M. V.; Berhongaray G.; Buduba, C.; Caballero,
E.; Carfagno, P.; Caruso, C.; Casasola, E.; Céspedes, F.; Chalco Vera, J.; Colazo, J. C.;
Correa, S.; Diez, J. P.; Enrico, J. M.; Enríquez, A. S.; Fantozzi, A.; Fernández, P. D.;
Fernández López, C.; Furlan, N.; García Martínez, G. G.; Giannini, A. P.; Goytía, S.
Y.; Gyenge, J.; Irizar, A.; Iturralde, R.; Kloster, N.; Kurtz, Ditmar B.; La Manna, L.;
Laclau, P.; Lara, J.; Ledesma, R.; Lertora, R.; López Morillo, C. S.; López, Á.; López,
D.; Lupi, A.; Madias, A.; Mansilla, N.; Martinefsky, M. J.; Mastrángelo, M.; Meglioli,
P. A.; Moavro, E.; Mónaco, I.; Moretti, L.; Moyano, A.; Murray, F.; Nosetto, M.; Oliva,
G.; Opazo, W.; Paredes, P.; Peralta, G.; Restovich, S.; Rey Montoya, T.; Rojas, J.;
Roldán, M. F.; Salvagiotti, F.; Sánchez, M. C.; Sandoval, M.; Saracco, F. S.; Sello, M.
E.; Sirimarco, X.; Sleiman, L.; Ugarte, C.; Valiente, S.; Varela, S.; Velasco, V.; Viana,
A.; Villagra, P. E.; Villarino, S.; Von Wallis, A.; Vorraber, L.; Wilson, M. G.; Wolf C.,
Ú. I. y Ybarra D., 2025. “Modelado y cartografÍa del almacenamiento de carbono en
los suelos de la República Argentina”. Ciencia del Suelo.
Galarza, R. A. y G. I. Quinodoz, 2012. Relevamiento del Área Natural Protegida
correspondiente a la Escuela Juan Bautista Alberdi y ubicación de ejemplares de
Prosopis sp. mediante el empleo de sistemas de información geográfica, para su
estudio y caracterización. Trabajo Final de Tesis para la obtención del Título de
Licenciado en Biología. 97 pp.
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 128
Gasparri, I. y F. Manghi, 2004. Estimación de volumen, biomasa y contenido de
carbono de las regiones forestales argentinas (Informe Final). Dirección de Bosques,
Secretaría de Ambiente y Desarrollo Sustentable de la Nación.
Gorelick, N.; Hancher, M.; Dixon, M.; Ilyushchenko, S.; Thau, D. y R. Moore, 2017.
“Google Earth Engine: Planetary-scale geospatial analysis for everyone” (pp 18–27).
Remote Sensing of Environment, 202. https://doi.org/10.1016/j.rse.2017.06.031
Hansen, M. C.; Potapov, P.V.; Moore, R.; Hancher, M.; Turubanova, P. V.; Tyukavina,
A.; Thau, D.; Stehman, S. V.; Goetz, S. J.; Loveland, T. R.; Kommareddy, A.; Egorov,
A.; Chini, L.; Justice, C. O. y J. R. G. Townshend, 2013. “High-Resolution Global Maps
of 21st-Centu-ry Forest Cover Change” (pp. 850-853). Science 342 (6160). DOI:
10.1126/science. 1244693
Hochmair, H. H., Juhász, L. y T. Kemp, 2024. “Correctness Comparison of ChatGPT‐
4, Gemini, Claude‐3, and Copilot for Spatial Tasks” (2219-2231). Transactions in GIS,
28(7).
Infraestructura de Datos Espaciales FCyT (IDE-FCyT), 2025. Infraestructura de
Datos Espaciales de la Facultad de Ciencia y Tecnología (IDE-FCyT). Facultad de
Ciencia y Tecnología, Universidad Autónoma de Entre Ríos. https://ide-
fcyt.github.io/IDE-FCyT/
Infraestructura de Datos Espaciales de la República Argentina (IDERA), 2025. Infra-
estructura de Datos Espaciales de la República Argentina. Instituto Geográfico
Nacional. https://www.idera.gob.ar
INTA, 1990. Atlas de suelos de la República Argentina. Secretaría de Agricultura,
Ganadería y Pesca. Proyecto PNUD ARG. 85/019.
Intergovernmental Panel on Climate Change (IPCC), 1997. Revised 1996 IPCC
Guidelines for National Greenhouse Gas Inventories, Houghton, J. T.; Meira Filho, L.
G.; Lim, B.; Treanton, K.; Mamaty, I.; Bonduki, Y.; Griggs, D. J.; Callender B. A. (eds),
IPCC/OECD/IEA.
Intergovernmental Panel on Climate Change (IPCC), 2003. Good practice guidance
for land Use, land-use change and forestry. Institute for Global Environmental
Strategies, Hayama, Kanagawa, pp 2.7-2.17.
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 129
Intergovernmental Panel on Climate Change (IPCC), 2006. 2006 IPCC Guidelines for
National Greenhouse Gas Inventories. Institute for Global Environmental Strategies,
Hayama, Kanagawa, pp 1.1-1.21.
Ledesma, S. G.; Sione, M. S.; Oszust, J. D. y L. J. Rosenberger, 2021. “Estimación del
contenido y captura potencial de carbono en la biomasa arbórea de bosques nativos
del Espinal (Entre Ríos, Argentina)” (pp. 331–345). FAVE Sección Ciencias Agrarias
20 (1). https://doi.org/10.14409/fa.v20i1.10274
Legg, S., 2021. IPCC, 2021. “Climate change 2021-the physical science basis” (pp. 44-
45). Interaction, 49(4).
Maldonado, F. D.; Sione, W. y F. R. Tentor, 2012. “Posibilidades para la cartografía
de la provincia de Entre Ríos usando la extensión de la faja Gauss-Krüger” (pp. 7-16).
Scientia Interfluvius, 3(1-2). Recuperado de:
https://revista.uader.edu.ar/index.php/aasif/article /view/61
Mo, L.; Zohner, C. M.; Reich, P. B.; Liang, J.; de Miguel, S.; Nabuurs, G.-J.; Renner, S.
S.; van den Hoogen, J.; Araza, A.; Herold, M.; Mirzagholi, L.; Ma, H.; Averill, C.;
Phillips, O. L.; Gamarra, J. G. P.; Hordijk, I.; Routh, D.; Abegg, M.; Adou Yao, Y. C.;
Alberti, G.; Almeyda Zambrano, A. M.; Alvarado, B. V.; Alvarez-Dávila, E.; Alvarez-
Loayza, P.; Alves, L. F.; Amaral, I.; Ammer, C.; Antón-Fernández, C.; Araujo-
Murakami, A.; Arroyo, L.; Avitabile, V.; Aymard, G. A.; Baker, T. R.; Bałazy, R.; Banki,
O.; Barroso, J. G.; Bastian, M. L.; Bastin, J-F.; Birigazzi, L.; Birnbaum, P.; Bitariho, R.;
Boeckx, P.; Bongers, F.; Bouriaud, O.; Brancalion, P. H. S.; Brandl, S.; Brearley, F. Q.;
Brienen, R.; Broadbent, E. N.; Bruelheide, H.; Bussotti, F.; Cazzolla Gatti, R.; César,
R. G.; Cesljar, G.; Chazdon, R. L.; Chen, H. Y. H.; Chisholm, C.; Cho, H.; Cienciala,
E.; Clark, C.; Clark, D.; Colletta, G. D.; Coomes, D. A.; Cornejo Valverde, F.; Corral-
Rivas, J. J.; Crim, P. M.; Cumming, J. R.; Dayanandan, S.; de Gasper, A. L.; Decuyper,
M.; Derroire, G.; DeVries, B.; Djordjevic, I.; Dolezal, J.; Dourdain, A.; Engone Obiang,
N. L.; Enquist, B. J.; Eyre, T. J.; Fandohan, A. B.; Fayle, T. M.; Feldpausch, T. R.;
Ferreira, L. V.; Finér, L.; Fischer, M.; Fletcher, C.; Frizzera, L.; Gianelle, D.; Glick, H.
B.; Harris, D. J.; Hector, A.; Hemp, A.; Hengeveld, G.; Hérault, B.; Herbohn, J. L.;
Hillers, A.; Honorio Coronado, E. N.; Hui, C.; Ibanez, T.; Imai, N.; Jagodziński, A. M.;
Jaroszewicz, B.; Johannsen, V. K.; Joly, C. A.; Jucker, T.; Jung, I.; Karminov, V.;
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 130
Kartawinata, K.; Kearsley, E.; Kenfack, D.; Kennard, D. K.; Kepfer-Rojas, S.; Keppel,
G.; Khan, M. L.; Killeen, T. J.; Kim, H. S.; Kitayama, K.; Köhl, M.; Korjus, H.; Kraxner,
F.; Kucher, D.; Laarmann, D.; Lang, M.; Lu, H.; Lukina, N. V.; Maitner, B. S.; Malhi,
Y.; Marcon, E.; Marimon, B. S.; Marimon-Junior, B. H.; Marshall, A. R.; Martin, E. H.;
Meave, J. A.; Melo-Cruz, O.; Mendoza, C.; Mendoza-Polo, I.; Miscicki, S.; Merow, C.;
Monteagudo Mendoza, A.; Moreno, V. S.; Mukul, S. A.; Mundhenk, P.; Nava-
Miranda, M. G.; Neill, D.; Neldner, V. J.; Nevenic, R. V.; Ngugi, M. R.; Niklaus, P. A.;
Oleksyn, J.; Ontikov, P.; Ortiz-Malavasi, E.; Pan, Y.; Paquette, A.; Parada-Gutierrez,
A.; Parfenova, E. I.; Park, M.; Parren, M.; Parthasarathy, N.; Peri, P. L.; Pfautsch, S.;
Picard, N.; Piedade, M. T. F.; Piotto, D.; Pitman, N. C. A.; Poulsen, A. D.; Poulsen, J.
R.; Pretzsch, H.; Ramirez Arevalo, F.; Restrepo-Correa, Z.; Rodeghiero, M.; Rolim, S.
G.; Roopsind, A.; Rovero, F.; Rutishauser, E.; Saikia, P.; Salas-Eljatib, C.; Saner, P.;
Schall, P.; Schelhaas, M-J.; Schepaschenko, D.; Scherer-Lorenzen, M.; Schmid, B.;
Schöngart, J.; Searle, E. B.; Seben, V.; Serra-Diaz, J. M.; Sheil, D.; Shvidenko, A. Z.;
Silva-Espejo, J. E.; Silveira, M.; Singh, J.; Sist, P.; Slik, F.; Sonké, B.; Souza, A. F.;
Stereńczak, K. J.; Svenning, J-C.; Svoboda, M.; Swanepoel, B.; Targhetta, N.;
Tchebakova, N.; ter Steege, H.; Thomas, R.; Tikhonova, E.; Umunay, P. M.; Usoltsev,
V. A.; Valencia, R.; Valladares, F.; van der Plas, F.; Van Do, T.; van Nuland, M. E.;
Vasquez, R. M.; Verbeeck, H.; Viana, H.; Vibrans, A. C.; Vieira, S.; von Gadow, K.;
Wang, H-F.; Watson, J. V.; Werner, G. D. A.; Wiser, S. K.; Wittmann, F.; Woell, H.;
Wortel, V.; Zagt, R.; Zawiła-Niedźwiecki, T.; Zhang, C.; Zhao, X.; Zhou, M.; Zhu, Z-
X.; Zo-Bi, I. C.; Gann, G. D.; Crowther, T. W., 2023. “Integrated global assessment of
the natural forest carbon potential” (pp. 92-101). Nature 624(7990).
https://doi.org/10.1038 /s41586-023-06723-z
Piani, V. (2024). Evaluación de ecosistemas forestales del sur mesopotámico: un
enfoque funcional y multitemporal en base a geomática. Tesis Doctorado en
Ciencias Aplicadas. Universidad Nacional de Luján. Argentina. 122 pp.
Proyecto MapBiomas Argentina- Colección 1 de los Mapas Anuales de Cobertura y
Uso del Suelo en Argentina, accedido en 29/11/2024 a través del enlace:
https://argentina.mapbiomas.org/herramientas/
Santoro, M. y O. Cartus, 2024. ESA Biomass Climate Change Initiative (Biomass_cci):
Global datasets of forest above-ground biomass for the years 2010, 2015, 2016, 2017,
2018, 2019, 2020 and 2021, v5. NERC EDS Centre for Environmental Data Analysis, 22
@rchivos Nº 7, diciembre 2025
DE CIENCIA Y TECNOLOGÍA ISSN 2953-4852 (en línea)
@rchivos 131
August 2024. doi:10.5285/02e1b18071ad45a19b4d3e8adafa2817. https://dx.doi.org/10.
5285/02e1b18071ad45a19b4d3e8adafa2817
SINIA, 2025. Centro de Información Ambiental. Disponible en:
https://ciam.ambiente.gob.ar/
Sione, S. M. J.; Wilson, M. G.; Andrade, H. J.; Rosenberger, L. J.; Sasal, M. C. y E. A.
Gabioud, E. A., 2018. Carbono almacenado en la biomasa arbórea de los bosques na-
tivos del Espinal (Argentina). VIII Congreso sobre uso y manejo del suelo. La Coruña,
España, 25 al 27 de junio de 2018. La Coruña, España.
Sione, S. M. J., Ledesma, S. G., Rosenberger, L. J., Oszust, J. D., Carpp, I. A., Wilson,
M. G., Andrade Castañeda, H. J. y M. C. Sasal, 2019. “Fracción de carbono en la
biomasa de Prosopis affinis Spreng. en un bosque nativo del Espinal (Argentina)”
(pp. 6-15). Agronomía & Ambiente. Revista de la Facultad de Agronomía UBA, 39(1).
Sione, S. M. J.; Andrade, H. J.; Wilson, M. G.; Rosenberger, L. J.; Sasal, M. C.;
Ledesma, S. G. y E. A. Gabioud, 2021. “Reducción de emisiones de carbono por
deforestación evitada en bosques del Espinal (Entre Ríos, Argentina)” (pp. 39–51).
Colombia forestal, 24(2). https://doi.org/10.14483/2256201X.16166
Sione, S. M. J.; Wilson, M. G.; Ledesma, S. G.; Oszust, J. D.; Rosenberger, L. J.;
Gabioud, E. A. y Hildt, M. (2023). Relación entre las reservas de carbono en árboles
y suelos de bosques semixerofíticos del Espinal. VIII Congreso Forestal
Latinoamericano y V Congreso Forestal Argentino.
Sione, S. M.; Ledesma, S. G.; Wilson, M. G.; Rosenberger, L. J.; Oszust, J. D.; Sasal M.
C. y A. M. Cattaneo Hildt, 2025. “Captura y fijación de carbono como servicio
ambiental de los bosques nativos del Espinal” (pp. 1-29). Suplemento Ciencia
Docencia y Tecnología 15(18). Disponible en:
https://pcient.uner.edu.ar/index.php/Scdyt/article/view/2200/2409
Soriano, A., León, R., Sala, O., Lavado, R., y V. Deregibus, 1991. “Río de la Plata
Grasslands” (pp. 367-407). Ecosystems of the World, 8(1), Elsevier.
Wang, Y., Li, M. y G. Jin, 2024. “Exploring the optimization of spatial patterns for
carbon sequestration services based on multi-scenario land use/cover changes in the
changchun-Jilin-Tumen region, China”. Journal of Cleaner Production, Volume 438,
140788, ISSN 0959-6526. https://doi.org/10.1016/j.jclepro.2024.140788
Artículos
Evequoz González Garmendia, A. et al., Geoinformática y cartografía del carbono en la biomasa aérea…
@rchivo 132
Zamboni, L. P., 2017. Dinámica del fuego en el Complejo Litoral del Río Paraná,
integrando información satelital y del terreno. Tesis Doctorado en Ciencias
Biológicas. Universidad Nacional de Salta. Argentina. 98 pp.
Zamboni, L. P.; Sione, W.; Tentor, F. y P. Aceñolaza, 2017. “Fuel model cartography
for the parana river fluvio littoral complex from field and remote sensing data” (pp.
65-76). Scientia Interfluvius 8.
Zhang, Y., Wei, C., Wu, S., He, Z. y W. Yu, 2023. GeoGPT: understanding and
processing geospatial tasks through an autonomous GPT. arXiv preprint arXiv:2307.
07930.
Cita: Evequoz González Garmendia, A.; Piani, V. A.; Maccarrone, M. J. y L. P. Zamboni, 2025.
“Geoinformática y cartografía del carbono en la biomasa aérea para Entre Ríos” (pp. 101-131), @rchivos de
