Validación de un paratrike como plataforma para la captación de imágenes de alta resolución en formaciones de Abies pinsapo Boiss.
DOI:
https://doi.org/10.31167/csecfv5i45.19875Resumen
Se habilitó un paratrike para la captación de imágenes de alta resolución en formaciones de Abies pinsapo Boiss. Dicha formación se localiza en el P.N. Sierra de Las Nieves, en Parauta (Málaga). Se embarcaron, de forma simultánea, tres sensores, un RGB, un multiespectral y un térmico. Para ello se creó un acople para mantenerlos bien fijos al vehículo durante la ejecución del vuelo. El muestreo de campo fue estratificado y dirigido únicamente a individuos de pinsapos con la finalidad de producir una cartografía de defoliación y mortandad por la asociadas al hongo H. abietinum que provoca podredumbre radical, y al escolítido C. numidicus, que provoca muerte de las partes más altas por anillamiento del fuste.
Los productos cartográficos obtenidos por el sensor Sequoia Parrot, fueron de alta calidad. No se puede decir lo mismo de los otros sensores incorporados, cómo es el caso del sensor térmico Gobi 640 GiGe, ya que por las dificultades encontradas durante el vuelo (turbulencias térmicas), no se llevó a cabo exhaustivamente el plan de vuelo predeterminado. La integración de datos LiDAR en este estudio fue necesaria para la detección de pinsapos en la zona sobrevolada. Al encontrarnos en una zona con muy alta biodiversidad, fue muy complicado distinguir entre especies a través de su firma espectral. Es por ello que, la información LiDAR hizo posible la detección de los pinsapos, discriminando todos los individuos que se encontraran por debajo de los 8 metros de altura.
El cálculo de numerosos índices de vegetación, permitió caracterizar la masa forestal según su vigorosidad. Tras llevar a cabo un análisis estadístico del grado de separación de los histogramas de las distintas clases de daños, se determinó que el GNDVI es el índice que mayor se ajusta. Tras la reclasificación a clases de daños se obtuvo un mapa del estado sanitario del pinsapar. Los resultados obtenidos validaron la metodología seguida y permitieron clasificar el estado sanitario en el que se encuentra el pinsapar de la zona de estudio, tratándose de una formación de alto valor ecológico con un 28.88% de afectación por pagas y enfermedades.
Citas
Ambrosia, V.; Wegener, S.; Sullivan, D.; Buechel, S.; Dunagan, S.; Brass, J. (2003) Demonstrating UAV acquired real time thermal data over fires. Photogrammetric Engineering and Remote Sensing. https://doi.org/10.14358/PERS.69.4.391
Arista, M., Herrera, F. J., Talavera, S., (1997). Biología del pinsapo. Sevilla, España: Publicaciones de la Consejería del Medio Ambiente.
Arkun, S.; Honey, F.; Johnson, L.; Lamb, D.; Lieff, W.; Morgan, G. (2000). Airborne remote sensing of the vine canopy. Vineyard monitoring and management beyond 2000, 15-26. Cooperative Research Centre for Viticulture, National Wine and Grape Industry Centre, Charles Sturt University, Wagga Wagga, Australia.
Baltsavias, E.P., (1999). A comparison between photogrammetry and laser scanning. Isprs Journal of Photogrammetryand Remote Sensing 54, 83-94. https://doi.org/10.1016/S0924-2716(99)00014-3
Barnes E., Clarke T., Richards S., Collaizzi P., Haber-land J., Kostrzewski M., Waller P., Choi C., Ri-ley E., Tompson T., Lascano R., Li H., Moran M. (2000). Coincident detection of crop water stress, nitrogen status and canopy density using ground-based multispectral data. Procedings of the 5th International Conference on Precision Agriculture, Bloomington, MN, USA (Madison, WI: ASA-CSSA-SSSA)
Berni, J.; Zarco-Tejada, P.; Suarez, L.; González-Dugo, V., Fererez, E., (2009) Remote sensing of vegetation from UAV platforms using lightweight multispectral and termal imaging sensors. 38 (6).
Bradley, D., Atcheson, B., Ihrke, I., Heidrich, W. (2009). Synchronization and rolling shutter compensation for consumer video camera arrays. In Computer Vision and Pattern Recognition Workshops, 2009. CVPR Workshops 2009. IEEE Computer Society Conference on (pp. 1-8). IEEE. https://doi.org/10.1109/CVPRW.2009.5204340
Bryson, M., Johnson-Roberson, M., Murphy, R.J., Bongiorno, D., (2013). Kite Aerial Photography for Loz-Cost, Ultra-high Spatial Resolution Multi-Spectral Mapping of Intertidal Landscapes. 8(9). https://doi.org/10.1371/journal.pone.0073550
Chen, J., (1996): Evaluation of Vegetation Indices and Modified Simple Ratio for Boreal Applications. Canadian Journal of Remote Sensing 22(3) 229-242. https://doi.org/10.1080/07038992.1996.10855178
Chuvieco, E., Salas, F. J., Cocero, D., & Riaño, D. (2001). Estimación del estado hídrico de la vegetación a partir de sensores de alta y baja resolución. GeoFocus. Revista Internacional de Ciencia y Tecnología de la Información Geográfica, 1-16.
Clarke, T.R., M.S. Moran, E.M. Barnes, P.J. Pinter, and J. Qi. (2001). Planar domain indices: A method for measuring a quality of a single component in two-component pixels. IEEE International Geoscience and Remote Sensing Symposium, Sydney, Australia, 9-13 July 2001. https://doi.org/10.1109/IGARSS.2001.976818
Cruz, P. & Peña, M. (2011). Planificación y gestión de los recursos naturales mediante imágenes hiperespectrales. Centro de Estudios de Recursos Naturales Oterra, Universidad Mayor. Chile.
De Castro, A.I., Jurado-Expósito, M., Peña-Barragán, J.M., García, L., López-Granados, F., (2009). Discriminación de malas hierbas crucíferas en cultivos de invierno para su aplicación en agricultura de precisión. XIII Congreso de la Asociación Española de Teledetección.61-64.
Díaz García-cervigón, J.J., (2015). Estudio de Índices de vegetación a partir de imágenes aéreas tomadas desde UAS/RPAS y aplicaciones de estos a la agricultura de precisión. Máster en Tecnologías de la Información Geográfica.
Dobrowski, S.Z.; Ustin, S.L.; Wolpert, J.A. (2003). Grapevine dormant pruning weight prediction using remotely sensed data. Australian Journal of Grape and Wine Research. 9: 177-182. https://doi.org/10.1111/j.1755-0238.2003.tb00267.x
Press, E. (2016). Analizan las plantas para predecir su resistencia a los cambios climáticos.
Faustmann, A., & Palmer, R. (2005). Wings over Armenia: use of a paramotor for archaeological aerial survey. Antiquity, 79(304), 402-410. https://doi.org/10.1017/S0003598X00114188
Felipe García, B., (2016). Estimación de variables dasométricas en masas de Pinus nigra a partir de datos LiDAR y fotogramétricos. Máster en Geomática. Teledetección y Modelos Espaciales Aplicados a la Gestión Forestal. Universidad de Córdoba.
Gitelson, A.A., Kaufman, Y.J., Stark, R., Rundquist, D., (2002). Novel algorithms for remote estimation of vegetation fraction. Remote Sensing of Environment 80, 76-87. https://doi.org/10.1016/S0034-4257(01)00289-9
Gitelson, A., (2004) Wide Dynamic Range Vegetation Index for Remote Quantification of Biophysical Characteristics of Vegetation.Journal of Plant Physiology 161, 2: 165-173. https://doi.org/10.1078/0176-1617-01176
Herrero Huerta, M., (2013). Calibración vicaria de una cámara multiespectral desde paramotor. Máster en Geotecnologías Cartográficas en Ingeniería y Arquitectura. Escuela Politécnica Superior de Ávila.
Huete, A.R., (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment 25, 295-309. https://doi.org/10.1016/0034-4257(88)90106-X
Hunt, E.R., Daughtry, C.S.T., Eitel, J.U.H., Long, D.S., (2011). Remote sensing leaf chlorophyll content using a visible band index. Agronomy Journal 103, 1090-1099. https://doi.org/10.2134/agronj2010.0395
Kaufman, Y.J; Remer, (1994). La Detección de bosques mediante reflectancia de infrarrojo medio: una aplicación para estudios de aerosol. Sensores remotos, 672-683. https://doi.org/10.1109/36.297984
Kemerer, A., Di bella, C., Melchori, R. Benech, Arnold, Álvarez. R., (2007). Comparación de índices espectrales para la predicción del IAF en canopeos de maíz.
Lamb D.W., Weedon M.M. & Bramley R.G.V., (2004). Using remote sensing to predict grape phenolics and colour harvest in a Cabernet Sauvignon vineyard: timing observations against vine phenology and optimising image resolution. Australian Journal of grape and Wine Research. 10, 46-54. https://doi.org/10.1111/j.1755-0238.2004.tb00007.x
Lass, L.W., & Callihan, R.H. (1997). The effect of phenological stage on detectability of yellow hawkweed (hieracium pratense) and oxeye daisy (Chrysanthemum leucanthemum) with remote multispectral digital imagery. Weed Technology, 248-256. https://doi.org/10.1017/S0890037X00042913
Lefsky, M. A. & Cohen, W. B. (2003). Selection of remotely sensed data. In: Wulder, M. A. & Franklin, S. E. Remote Sensing of Forest Environment, Concepts and Case Studies. Massachusetts. Kluwer Academic. pp: 13- 46. https://doi.org/10.1007/978-1-4615-0306-4_2
Liang, C. K., Chang, L. W., & Chen, H. H. (2008). Analysis and compensation of rolling shutter effect. IEEE Transactions on Image Processing, 17(8), 1323-1330. https://doi.org/10.1109/TIP.2008.925384
López-Fernández, L., Lagüela, S., Picón, I., & González-Aguilera, D. (2015). Large scale automatic analysis and classification of roof surfaces for the installation of solar panels using a multi-sensor aerial platform.Remote Sensing,7(9), 11226-11248. https://doi.org/10.3390/rs70911226
Madurapperuma, B. D., & Dellysse, J. E. (2018). Coastal Fringe Habitat Monitoring using Kite Aerial Photography: A Remote Sensing-based Case Study. Journal of Tropical Forestry and Environment, 8(1). https://doi.org/10.31357/jtfe.v8i1.3480
Mengod, P. C. (2015). Termografía Infrarroja aplicada a la detección de incendios en la interfaz urbano-forestal y su optimización mediante redes neuronales artificiales (Doctoral dissertation).
Montero, F.J., Meliá, J., Brasa, A., Segarra, D., Cuesta, A. and Lanjeri, S., (1999). Assessment of vine development according to available water resources by using remote sensing in La Mancha, Spain. Agricultural Water Management, 40(2-3): 363-375. https://doi.org/10.1016/S0378-3774(99)00010-4
Navarro Cerrillo, R. M., & Calzado Martínez, C. (2001). Informe sobre el establecimiento de una red de Biológicos en Ecosistemas con presencia de pinsapo (Abies pinsapo Boiss). Servicio de Ordenación de los Recursos Forestales. Consejería de Medio Ambiente. Junta de Andalucía. 24 pp.
Navarro Cerrillo, R. M., López Quintanilla, J., Calzado Martínez, C., Trapero Casas, A., & Sánchez Hernández, E. (2003). Censo de focos de" Heterobasidion annosum"(Fr.) Bref. en ecosistemas de pinsapo.
Navarro Cerrillo, R. M., & Calzado Martínez, C. (2004). Establecimiento de una red de equilibrios biológicos en ecosistemas con presencia de pinsapo (Abies pinsapo Boiss.) en Andalucía. https://doi.org/10.3989/pirineos.2004.v158-159.52
Ortega Terol, D., Moreno, M. A., Hernández-López, D., Rodríguez-Gonzálvez, P., (2014). Survey and Classification of Large Woody Debris (LWD) in Streams Using Generated Low-Cost Geomatic Products. 6(12). https://doi.org/10.3390/rs61211770
Peña, M.A. (2009). Teledetección de vanguardia para el manejo y monitoreo de los recursos naturales del país. Ecoamérica. pp: 44-47.
Pozo Aguilera, S. D., (2016). Multispectral Imaging for the Analysis of Materials and Pathologies in Civil Engineering, Constructions and Natural Spaces.
Ramírez García, J. A. (2013). Comparación entre NDVI, senescencia y spad en maíz, evaluados en condiciones de riego-sequia.
Rouse, J.W., R.H. Haas, J.A. Schell, and D.W. Deering, (1974). Monitoring vegetation systems in the Great Plains with ERTS, In: S.C. Freden, E.P. Mercanti, and M. Becker (eds) Third Earth Resources Technology Satellite-1 Syposium. Volume I: Technical Presentations, NASA SP-351, NASA, Washington, D.C., pp. 309-317.
Rousseau J., Dupin S., Acevedo-Opazo C., Tisseyre B. & Ojeda H., (2008). L'imagerie aérienne: application à la caractérisation des potentiels viticoles et œnologiques. Bulletin de l'Organisation Internationale de la Vigne et du Vin. 81, 507-517.
Salinas Orrego, L. A. (2017).Comparación de métodos de interpolación para la evaluación de datos de precipitación espacial y temporal provenientes de pluviómetros y un radar meteorológico en la cuenca alta del río Paute.
Schmidt, K., & Skidmore, A. (2003). Spectral discrimination of vegetation types in a coastal wetland. Remote Sensing of Environment, 85(1), 92-108. https://doi.org/10.1016/S0034-4257(02)00196-7
Sinclair, W.A., Lyon, H.H., Johnson, W.T. (1987). Diseases of trees and shrubs. Cornell University Press, Ithaca, NY. 574 pp.
Solla, A., Aguín, O., Cubera, E., Sampedro, L., Mansilla, J. P., & Zas, R. (2011). Survival time analysis of Pinus pinaster inoculated with Armillaria ostoyae: genetic variation and relevance of seed and root traits. European journal of plant pathology, 130(4), 477-488. https://doi.org/10.1007/s10658-011-9767-5
Sugiura, R., Noguchi, N., & Ishii, K. (2005). Remote-sensing Technology for Vegetation Monitoring using an Unmanned Helicopter. Biosystems Engineering, 90(4), 369-379. https://doi.org/10.1016/j.biosystemseng.2004.12.011
Torres-Martínez, J.A., Seddaiu, M., Rodríguez-Gonzálvez, P., Hernández-López. D., González-Aguilera, D., (2016). A Multi-Data Source and Multi-Sensor Approach for the 3D Reconstruction and Web Visualization of a Complex Archaelogical Site: The Case Study of "Tolmo De Minateda". https://doi.org/10.3390/rs8070550
Tottil, M., & Eugenia, M. (2017). Evaluación mediante sensores remotos del impacto de las medidas silvícolas en Obaga de Coll de Deu (Lérida) en el vigor de la masa.
Valera, B. C., Deza, F. J. L., Luquero, L., & Bueno, L. O. (2017). El desarrollo de la sanidad forestal en el vivero de TRAGSA.Cuadernos de la Sociedad Española de Ciencias Forestales, (43), 139-150.
Viedma, O., & Chuvieco, E. (1994). Cartografía y evaluación de daños causados por incendios forestales mediante técnicas de teledetección. TTIM Boletín de Información Técnica, 167, 60-66.
Wulder, M., (1998). Optical remote-sensing techniques for the assessment of forest inventory and biophysical parameters. Progress in Physical Geography 22, 449-476. https://doi.org/10.1177/030913339802200402
Xiang, H., & Tian, L. F., (2007). Controlador de inteligencia artificial para el ajuste automático de parámetros de cámara multiespectral. Transacciones de la ASABE, 50(5), 1873-1881. https://doi.org/10.13031/2013.23939
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
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.
