Clasificación supervisada de imágenes PNOA-NIR y fusión con datos LiDAR-PNOA como apoyo en el inventario forestal. Caso de estudio: Dehesas.

Resumen

La estimación de las métricas dasométricas como apoyo en un inventario forestal se puede abordar mediante la aplicación de distintas tecnologías y, si bien el muestreo de campo es la técnica más extendida, la aparición y desarrollo de las técnicas de teledetección aumentan las posibilidades de actuación en este ámbito. Estas nuevas técnicas de teledetección permiten minimizar los costes tanto económicos como en tiempo de la adquisición de datos sin menosprecio de la exactitud de las mediciones realizadas. En este sentido, las ortofotos del PNOA-NIR, que incluyen la información espectral del infrarrojo cercano, permiten obtener distintos índices de vegetación y suelo, aportando información valiosa en el análisis de la vegetación. En este trabajo se realiza una clasificación supervisada de las imágenes PNOA-NIR para, junto con los datos LiDAR-PNOA, determinar mediciones dendométricas en dehesas (área de copa, diámetro de copa y altura máxima de arbolado) y otros parámetros relacionados con la espesura (factor de cabida cubierta y densidad). La metodología se plantea mediante la aplicación exclusivamente de software de código abierto. A través de los resultados obtenidos es posible delimitar de forma detallada la estructura de la copa, así como la reducción de la incertidumbre en las zonas de sombra del arbolado. La evaluación del clasificador empleado, Random Forest, alcanza un porcentaje de predicciones correctas del 96.72% con una confianza media en la clasificación de los píxeles de arbolado del 93%. Por tanto, el método propuesto resulta adecuado para su aplicación en dehesas y otras masas abiertas sin tangencia de copas.

Citas

Borlaf-Mena, I., Tanase, M.A., Gómez-Sal, A., 2019. Methods for tree cover extraction from high resolution orthophotos and airborne LiDAR scanning in Spanish dehesas. Revista de Teledetección, 53, 17-32. https://doi.org/10.4995/raet.2019.11320

Breiman, L., 2001. Random forests. Machine learning. 45, 1, 5-32. https://doi.org/10.1023/A:1010933404324

Cancino, J., 2012. Dendrometría básica: Universidad de Concepción. Facultad de Ciencias Forestales. Departamento Manejo de Bosques y Medio Ambiente.

Cantero Fauquier, F., Tomé Morán, J., Bravo Fernández, J., Fernández-Landa, A., 2017. Herramientas de localización de árboles individuales con el módulo de procesado de QGIS a partir de información LiDAR y ortofotografía aérea. In:SECF (ed.) 7º Congreso Forestal Español "Gestión del monte: servicios ambientales y bioeconomía". Plasencia, Cáceres (Spain).

Castillejo-González, I.L., Medina Guerrero, J., García-Ferrer Porras, A., Mesas-Carrascosa, F.J., Sánchez de la Orden, M., 2010. Utilización de imágenes de satélite de alta resolución espacial en la determinación de la fracción de cabida cubierta en sistemas adehesados. In:J. Ojeda, Pita, M.F. y Vallejo, I. (ed.) XIV Congreso Nacional de Tecnologías de la Información Geográfica La información geográfica al servicio de los ciudadanos: de lo global a lo local. Sevilla (Spain).

Diallo, A., Agbangba, E.C., Ndiaye, O., Guisse, A., 2013. Ecological structure and prediction equations for estimating tree age, and dendometric parameters of Acacia senegal in the Senegalese semi-arid zone-Ferlo. American Journal of Plant Sciences. 4, 5, 1046. https://doi.org/10.4236/ajps.2013.45129

Falkowski, M.J., Smith, A.M., Hudak, A.T., Gessler, P.E., Vierling, L.A., Crookston, N.L., 2006. Automated estimation of individual conifer tree height and crown diameter via two-dimensional spatial wavelet analysis of lidar data. Canadian Journal of Remote Sensing. 32, 2, 153-161. https://doi.org/10.5589/m06-005

Fragoso-Campón, L., Quirós, E., 2019. Sentinel Toolbox Application (SNAP) aplicado a la clasificación supervisada de imágenes PNOA. In:UVA (ed.) XVIII Congreso de la Asociación Española de Teledetección: Hacia una visión global del cambio climático. Valladolid (España).

Fragoso-Campón, L., Quirós, E., Mora, J., Gutiérrez Gallego, J.A., Durán-Barroso, P., 2019. Overstory-understory land cover mapping at the watershed scale: accuracy enhancement by multitemporal remote sensing analysis and LiDAR. Environmental Science and Pollution Research, 1-14. https://doi.org/10.1007/s11356-019-04520-8

González-Ferreiro, E., Diéguez-Aranda, U., Miranda, D., 2012. Estimation of stand variables in Pinus radiata D. Don plantations using different LiDAR pulse densities. Forestry. 85, 2, 281-292. https://doi.org/10.1093/forestry/cps002

Guerra-Hernández, J., Tomé, M., González-Ferreiro, E., 2016. Cartografía de variables dasométricas en bosques Mediterráneos mediante análisis de los umbrales de altura e inventario a nivel de masa con datos LiDAR de baja resolución. Revista de Teledetección. 46, 103-117. https://doi.org/10.4995/raet.2016.3980

Koukoulas, S., Blackburn, G.A., 2005. Mapping individual tree location, height and species in broadleaved deciduous forest using airborne LIDAR and multi‐spectral remotely sensed data. International Journal of Remote Sensing. 26, 3, 431-455. https://doi.org/10.1080/0143116042000298289

Lavado Contador, J.F., Jariego García, A., Schnabel, S., Gómez Gutiérrez, Á., 2012. Análisis de la evolución histórica del arbolado de la dehesa mediante fotointerpretación y análisis OBIA. In:J. Martínez Vega & P. Martín Isabel (ed.) Tecnologías de la información geográfica en el contexto del cambio global: XV Congreso Nacional de Tecnologías de Información Geográfica. Madrid (Spain).

Lin, Y., Herold, M., 2016. Tree species classification based on explicit tree structure feature parameters derived from static terrestrial laser scanning data. Agricultural and Forest Meteorology. 216, 105-114. https://doi.org/10.1016/j.agrformet.2015.10.008

López-Cortés, I., Martí-Gavilá, J., Estornell, J., Fernández-Sarría, A., 2019. Comparación de parámetros de olivos a partir de UAV y datos LiDAR aéreos. In:UVA (ed.) XVIII Congreso de la Asociación Española de Teledetección: Hacia una visión global del cambio climático. Valladolid (España).

McGaughey, R.J. (2009). FUSION/LDV: Software for LIDAR data analysis and visualization.

Ministerio_de_Fomento, 2019. Plan Nacional de Observación del Territorio. Plan Nacional de Ortofotografía Aerea (PNOA). http://pnoa.ign.es/presentacion Accesed. 22 abril 2019.

Navarro, J.A., Fernández-Landa, A., Tomé, J.L., Guillén-Climent, M.L., Ojeda, J.C., 2018. Testing the quality of forest variable estimation using dense image matching: a comparison with airborne laser scanning in a Mediterranean pine forest. International Journal of Remote Sensing. 39, 14, 4744-4760. https://doi.org/10.1080/01431161.2018.1471551

Ortiz-Reyes, A.D., Valdez-Lazalde, J.R., De-los-Santos-Posadas, H., M, Ángeles-Pérez, G., Paz-Pellat, F., Martínez-Trinidad, T., 2015. Inventario y cartografía de variables del bosque con datos derivados de LiDAR: comparación de métodos. Madera y bosques. 21, 3, 111-128. https://doi.org/10.21829/myb.2015.213461

Palop-Navarro, E., Bañuelos, M.J., Quevedo, M., 2016. Combinando datos LiDAR e inventario forestal para identificar estados avanzados de desarrollo en bosques caducifolios. Revista Ecosistemas. 25, 3, 35-42. https://doi.org/10.7818/ECOS.2016.25-3.04

Panagiotidis, D., Abdollahnejad, A., Surový, P., Chiteculo, V., 2017. Determining tree height and crown diameter from high-resolution UAV imagery. International Journal of Remote Sensing. 38, 8-10, 2392-2410. https://doi.org/10.1080/01431161.2016.1264028

Popescu, S.C., Wynne, R.H., Nelson, R.F., 2003. Measuring individual tree crown diameter with lidar and assessing its influence on estimating forest volume and biomass. Canadian Journal of Remote Sensing. 29, 5, 564-577. https://doi.org/10.5589/m03-027

Popescu, S.C., Wynne, R.H., Scrivani, J.A., 2004. Fusion of small-footprint lidar and multispectral data to estimate plot-level volume and biomass in deciduous and pine forests in Virginia, USA. Forest Science. 50, 4, 551-565.

Pulido, F., Picardo, A. (2010). Libro verde de la dehesa. http://www.eweb.unex.es/eweb/accionporladehesa/documentos/libro_verde_dehesa.pdf

R-Core-Team. (2018). R: A language and environment for statistical computing. In R. F. f. S. Computing (Ed.). Vienna (Austria).

Sánchez Alberola, J., Oliver, P., Estornell, J., Dopazo, C., 2018. Estimación de variables forestales de Pinus sylvestris L. en el contexto de un inventario forestal aplicando tecnología lidar aeroportada. GeoFocus. Revista Internacional de Ciencia y Tecnología de la Información Geográfica, 21, 79-99. https://doi.org/10.21138/GF.509

Uzquiano Pérez, S., 2014. Mediciones Dendrométricas y Dasométricas mediante Técnicas LiDAR y Fotograméticas. Cuadernos de la Sociedad Española de Ciencias Forestales. 40, 193-202. https://doi.org/10.31167/csef.v0i40.17360

Publicado
2020-02-03
Cómo citar
Fragoso-CampónL., Quirós RosadoE., & Gutiérrez GallegoJ. A. (2020). Clasificación supervisada de imágenes PNOA-NIR y fusión con datos LiDAR-PNOA como apoyo en el inventario forestal. Caso de estudio: Dehesas. Cuadernos De La Sociedad Española De Ciencias Forestales, 45(3), 77-96. https://doi.org/10.31167/csecfv0i45.19882
Sección
Sección especial: Inventario y Teledetección Forestal