Herramienta de segmentación automática de masas forestales a partir de sensores remotos: LiDAR y Sentinel 2
DOI:
https://doi.org/10.31167/csecfv5i46.19904Resumen
La delineación de rodales tradicionalmente se ha basado en cartografía y criterio experto de profesionales forestales. La aparición de sensores remotos permite disponer de información que puede ser utilizada para rodalizar de forma semiautomática. Este estudio busca desarrollar una herramienta para automatizar los procesos de segmentación requeridos en la gestión forestal. Para ello, la herramienta se desarrolla en Python 3 y emplea como fuentes de datos, información de LIDAR aéreo e imágenes de Sentinel 2. La metodología empleada, comienza con el procesado de información LIDAR usando el software de FUSION para obtener información de la estructura de la vegetación. A continuación, se combina un índice de vegetación normalizado, generado a partir de la información satelital, con las imágenes de las variables LiDAR. Como resultado, se obtiene un raster multibanda normalizado. Finalmente, el algoritmo de segmentación de Orfeo Tools recibe el raster multibanda, junto con una serie de parámetros de entrada. El resultado del software es un mapa regiones homogéneas del bosque, que no debe ser considerado como una solución definitiva, sino como un apoyo que el gestor puede emplear para determinar unidades de gestión. Para conseguir mejores resultados de segmentación, cada proyecto y tipo de masa requiere una combinación diferente de parámetros, que ha de ser determinada, para cada tipo de masa. Además del archivo de segmentación, las variables raster y otros sus productos se presentan como resultados. Como conclusión, la herramienta que se presenta es una solución moderna, gratuita, rápida, fiable y basada en datos abiertos que combina algoritmos para automatizar las etapas iniciales de un plan de gestión forestal.
Citas
A Wulder, M., W Bater, C., C Coops, N., Hilker, T., & C White, J., 2008. The role of LiDAR in sustainable forest management. The Forestry Chronicle, 84(6), 807-826. Retrieved from http://pubs.cif-ifc.org/doi/abs/10.5558/tfc84807-6. https://doi.org/10.5558/tfc84807-6
Bundala, D., Bergenheim, W., & Metz, M., 2007. GRASS: v.generalize. Retrieved from https://grass.osgeo.org/grass77/manuals/v.generalize.html
Cantero Fauquier, F. J., 2016. Generación de herramientas de localización de árboles individuales con el módulo de procesado de QGIS a partir de información LiDAR y ortofotografía aérea.Tesis de Fin de Máster. Universidad Politécnica de Madrid
Conrad, O., Bechtel, B., Bock, M., Dietrich, H., Fischer, E., Gerlitz, L., Böhner, J., 2015. System for Automated Geoscientific Analyses (SAGA). Geosci. Model Dev., 8, 1991-2007. https://doi.org/10.5194/gmd-8-1991-2015
Crespo Rodrigo, A., y Díez Rabanos, F. J., 2018. SilviLIDAR: Herramienta de manejo de datos LiDAR para la gestión forestal. Montes, 134, 23-26.
European Spatial Agency (ESA), 2015. Overview / Copernicus / Observing the Earth / Our Activities / ESA. Retrieved February 18, 2019, from https://www.esa.int/Our_Activities/Observing_the_Earth/Copernicus/Overview3
European Spatial Agency (ESA)., 2019. Sentinel-2 - Data Products - Sentinel Handbook. Retrieved February 19, 2019, from https://sentinel.esa.int/web/sentinel/missions/sentinel-2/data-products
GDAL Development Team., 2017. GDAL - Geospatial Data Abstraction Library. Open Source Geospatial Foundation.
GRASS Development Team., 2017. Geographic Resources Analysis Support System (GRASS). Open Source Geospatial Foundation.
McGaughey, R. J., 2018. FUSION/LDV: Software for LIDAR Data Analysis and Visualization. 214 p Seattle: U.S. Department of Agriculture, Forest Service, Pacific Northwest Research Station, University of Washington.
Næsset, E., & Økland, T., 2002. Estimating tree height and tree crown properties using airborne scanning laser in a boreal nature reserve. Remote Sensing of Environment, 79(1), 105-115. https://doi.org/10.1016/S0034-4257(01)00243-7
OTB-Team., 2018. Segmentation - Segmentation. Retrieved from https://www.orfeo-toolbox.org/CookBook/Applications/app_Segmentation.html
QGIS Development Team., 2018. QGIS Geographic Information System. Open Source Geospatial Foundation Project. Retrieved from http://qgis.osgeo.org".
QGIS Development Team., 2019. Clip raster by extent. Retrieved from https://docs.qgis.org/2.8/en/docs/user_manual/processing_algs/gdalogr/gdal_extraction/cliprasterbyextent.html
Warmerdam, F., Rouault, E., & Others, A., 2019. GDAL: gdal_merge.py. Retrieved from https://gdal.org/gdal_merge.html
White, J. C., Coops, N. C., Wulder, M. A., Vastaranta, M., Hilker, T., Tompalski, P., 2016. Remote Sensing Technologies for Enhancing Forest Inventories: A Review. Canadian Journal of Remote Sensing, 42(5), 619-641. https://doi.org/10.1080/07038992.2016.1207484
World Economic Forum., 2018. The Future of Jobs Report. Executive Summary (Vol. 5). https://doi.org/10.1177/1946756712473437
Youssefi, D., 2018. LSMSSegmentation - Exact Large-Scale Mean-Shift segmentation, step 2. OTB CookBook. Retrieved from https://www.orfeo-toolbox.org/CookBook/Applications/app_LSMSSegmentation.html
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Cuadernos de la Sociedad Española de Ciencias Forestales
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Las obras que se publican en esta revista están sujetas a los siguientes términos:
- Las obras se publican en edición electrónica, en acceso abierto y bajo una licencia Creative Commons Attribution-Non Comercial License 3.0. Se permite a otros distribuir, copiar o adaptar las obras así como crear obras derivadas siempre que se cite la autoría del trabajo y su publicación inicial en esta revista. No se permite el uso de estas obras ni de sus derivadas con fines comerciales.
- Los autores conservan los derechos de autor, garantizan a la revista el derecho de ser la primera publicación del trabajo y están de acuerdo con la licencia de uso utilizada por la revista, con las condiciones de autoarchivo y con la política de acceso abierto.
- Se permite y anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) ya que puede dar lugar a intercambios productivos, así como a una mayor citación de los trabajos publicados.