Código y datos complementarios para la estimación multi-sensor de biomasa aérea en Sierra del Rosario, Cuba

Código y datos complementarios: Estimación multi-sensor de biomasa aérea en Sierra del Rosario, Cuba Autores: M.Sc. Víctor Gutiérrez Gómez1, https://orcid.org/0009-0007-2009-2714, Ing. Shira Fernández Risquene 2, M.Sc. Jorge Luis Zamora Martín2, https://orcid.org/0000-0002-7454-6693 . D.Sc. Rogelio Sotolongo- Sospedra3, https://orcid.org/0000-0003-0116-4157 .Afiliación(es): 1 Centro Nacional de Áreas Protegidas, La Habana, Cuba.2 Estación Ecológica de la Reserva de la Biosfera Sierra del Rosario, Km 521/2 Autopista Nacional, Comunidad Las Terrazas, Candelaria, Artemisa, Cuba.3 Departamento de Ciencias Forestales, Facultad de Ciencias Forestales y Agropecuarias, Universidad de Pinar del Río Hermanos Saíz Montes de Oca. Pinar del Río, Cuba. DescripciónEste depósito contiene los scripts de Python (v3.10+) y los datos tabulares utilizados en el manuscrito: Título del manuscrito: Enfoque multisensor para la estimación de biomasa aérea y la priorización de restauración en Sierra del Rosario, Cuba Multisensor approach for the estimation of aboveground biomass and the prioritization of restoration in Sierra del Rosario, Cuba Revista: Revista Espacios Naturales Protegidos (RENP)DOI del artículo:** *[pendiente de asignación por la revista]* Estructura del depósito ├── codigo/ # Scripts de análisis│ ├── M07_sensibilidad_parcelas_hibrido.py│ ├── M11_tablas_correlacion.py│ ├── M16_estadisticas_comparativas.py│ ├── M21_validacion_espacial_clasificacion.py│ ├── M22_SMOTE_ROC_hotspot.py│ ├── M23_matrices_roc_auc.py│ ├── M24_probabilidad_entropia.py│ ├── M25_importancia_gestion_SHAP.py│ ├── M3_calibracion_probabilistica.py│ ├── M3_calibracion_figura.py│ ├── C07_red_neuronal_arquitectura.py│ ├── C08_balanceo_clases_SMOTE.py│ ├── C09_umbral_hotspot_sensibilidad.py│ ├── C10_SHAP_values.py│ ├── C17_PCR_PLSR_VIF_REAL.py│ └── C19_figura5_mejorada.py├── datos/ # Resultados tabulares│ ├── muestreo_indices_final_2602OK.xlsx│ ├── C07_comparativa_modelos.csv│ ├── C08_balanceo_resultados.csv│ ├── C09_sensibilidad_umbrales.csv│ ├── C10_importancia_clasificador.csv│ ├── C10_importancia_regresor.csv│ ├── C16_estadisticas_comparativas.csv│ └── C19_metrics.csv├── figuras/ # Figuras generadas│ └── *[pendiente]*└── README.md # Este archivo Dependencias python >= 3.10numpypandasscikit-learnimbalanced-learnscipymatplotlibseabornshapxgboostopenpyxl Datos de entrada El archivo principal de datos es `muestreo_indices_final_2602OK.xlsx` (417 registros × 19 columnas). Contiene:- Coordenadas (Latitude, Longitude)- Biomasa aérea medida en campo (9 parcelas) y estimada por GEDI L4A (408 huellas)- Índices espectrales: AFRI, EVI2, GNDVI, MSAVI, NDRE, NDVI, SAVI, - Retrodispersión radar: S1_VH, S1_VV (Sentinel-1 IW GRD)- Topografía: Pendiente, DEM (SRTM v3) Los datos satelitales de origen (Sentinel-1, Sentinel-2, GEDI L4A) son de acceso público:- **Sentinel-2:** https://scihub.copernicus.eu/- **Sentinel-1:** https://scihub.copernicus.eu/- **GEDI L4A v2.1:** https://doi.org/10.5067/GEDI/GEDI02_A.002 Convención de nomenclatura de scripts | Prefijo | Significado ||---------|-------------|| M + número | Script principal de análisis (Métodos y Modelos) || C + número | Script de corrección por comentarios del árbitro | Notas metodológicas 1. Los scripts M22 y M24 utilizan las 7 variables retenidas tras el análisis VIF iterativo (10 → 7): Pendiente, Elevación, NDRE, AFRI, S1_VV, S1_VH, EVI2.2. La validación cruzada espacial (M21) utiliza 5 bloques espaciales basados en coordenadas.3. SMOTE-ENN se aplica **exclusivamente** al conjunto de entrenamiento dentro de cada fold de CV.4. Los resultados de SMOTE-ENN (AUC-ROC=0.934, F1=0.869) se obtuvieron bajo CV estándar y **no** deben interpretarse como capacidad predictiva operacional.5. Las métricas de calibración probabilística (M3) se calculan sobre probabilidades out-of-fold. Licencia CC-BY 4.0 Contacto Correspondencia: [e-mail]