REVISTADE TELEDETECCIÃN - AsociaciÃ³n EspaÃ±ola de ...

More documents

Recommendations

Info

$(numero29_3_digital:Maquetaci\363n AET.qxd) - Asociación ...$

$numero30_7:Maquetaci\363n AET.qxd - Universidad PolitÃ©cnica de ...$

V. Zaldo et al.Parámetro forestalÁrbolParcelaUnidad Método Unidad MétodoAltura m Campo m Media de los 10 árboles(Distanciómetro)más altosAltura base de la copa m Campo m Media(Distanciómetro)Volumen de copa m 3 /m 2 (Riaño et al., 2004) m 3 /m 2 SumatorioDBH cm Campo cm SumatorioBiomasa de madera kg Ecuaciones T/Ha EcuacionesalométricasalométricasBiomasa de hojas kg Ecuaciones T/Ha EcuacionesalométricasalométricasTabla 1. Parámetros forestales a nivel de árbol y de parcela.0.5 puntos/m 2 y dos retornos registrados por cadapulso emitido. Se realizaron tres pasadas, consolape. Los datos LiDAR utilizados incluyen lascoordenadas (x, y, z) en proyección UTM, huso31N, en el sistema ED50 de dos retornos, así comola intensidad de cada retorno. El valor del RootMean Square Error (RMSE) para el ajuste delos puntos láser obtenidos por el ICC fue de 0,033m. Para todas las consideraciones altimétricas seusó el Modelo Digital de Terreno (MDT) derivadode los datos LiDAR a 2 m de resolución.Resolución espacialA fin de determinar cual es la resolución espacialóptima para la obtención de modelos forestalesa partir de un LiDAR con densidad de0,5 puntos/m 2 , se establecieron dos niveles de estudio:el árbol y la parcela. El árbol correspondíaal individuo que se había medido en campo yla parcela a la parcela seleccionada que englobabaa todos los individuos. Se generaron dos basesvectoriales de polígonos; una para cada unade las copas de los árboles y otra para las parcelasque englobaban a dichos árboles. El procesode creación de la base vectorial de las copas delos árboles se realizó a partir de las medidas decampo de la posición central del árbol y del radiode capa copa en los cuatro puntos cardinalesy cuatro puntos más que se calcularon suponiendoun polígono octogonal para las copas de losárboles. La base vectorial de las parcelas se obtuvoa través de aplicar un buffer al punto centralde la parcela con su radio correspondiente.Análisis estadístico de los datos LiDARDe los datos LiDAR, que contenían más de 84millones de registros, se seleccionaron únicamentelos datos LiDAR para los árboles y las parcelasde las cuales se tenían datos de campo. Paraello se usó la cartografía vectorial generada a partirde los datos de campo de las copas de los árbolesy de las parcelas muestreadas, para así poderextraer los puntos LiDAR correspondientesa cada nivel de estudio: el árbol y la parcela (Fig.2). La extracción de puntos del fichero originalen formato LAS i los procesos posteriores se realizócon el software MiraMon (Pons, 2010).01:70020 mFigura 2. Polígonos de las copas de los árboles (color) delas parcelas (fondo en negro) y puntos LiDAR.58 Revista de Teledetección. ISSN: 1988-8740. 2010. 34: 55-68
Estimación y cartografía de parámetros ecológicos y forestales en tres especies con datos LiDARAltura (m)302520151050Fagus sylvaticaQuercus ilexPinus halepensis0,00 0,05 0,10 0,15 0,20FrecuenciaFigura 3. Funciones de densidad del retorno LiDAR porárbol.Altura (m)3025201510500,00 0,05 0,10 0,15 0,20 0,25 0,30FrecuenciaFigura 4. Funciones de densidad del retorno LiDAR porparcela.Se utilizaron todos los pulsos del vuelo Li-DAR, tanto el primer pulso como el segundo, yaque los parámetros forestales de árboles que seencontraban en el dosel inferior, podían estar explicadospor la información presente en este segundopulso. Para obtener la altura sobre el terreno(Altura LiDAR), se realizó una resta de laz LiDAR menos la z del MDT. El MDT fue generadopor el ICC con los mismos datos del vueloLiDAR y a partir de la selección de los puntospertenecientes al suelo mediante un algoritmo declasificación (Axelsson, 1999) y la posterior interpolaciónde dichos puntos. Una vez obtenidoslos datos LiDAR para los árboles correspondientesa las medidas de campo, se realizó un análisisexploratorio de los datos LiDAR para poderdeterminar tendencias y tipos de distribución. Serealizaron histogramas con la Altura LiDAR porespecie. Los histogramas fueron ajustados mediantefunciones de densidad (Figs. 3 y 4). El perfilaltimétrico de densidad indica cuántos puntosde retorno hay en cada rango de altitudes. En lospinares se ha obtenido mayor penetración del Li-DAR que en los encinares y en los hayedos. Losbosques de Pinus halepensis se suelen encontrarsobre suelos poco evolucionados en ambientesáridos, lo que determina unas formaciones abiertasy, en consecuencia, gran parte de los puntosLiDAR en estos bosques corresponden al suelo.Se detectó que por debajo de 5 m de altura, en loshayedos no hay rebotes de los pulsos LiDAR, loque se relaciona con la escasa presencia de sotobosqueen estas formaciones debido la estructurade copas y hojas de los hayedos, que aprovechanal máximo la radiación incidente limitandoasí la presencia de luz en el sotobosque. Por suparte los encinares se representan como bosquesdensos donde la frecuencia de rebotes LiDAR esalta pero con individuos bajos.Los datos de Altura LiDAR sin procesar no seajustaron a ningún modelo de distribución estadísticaconocido. Por lo tanto se optó por usarestadísticos no paramétricos (mediana y percentiles),aunque también se calcularon algunos estadísticosparamétricos (media y desviación estándar)al igual que realizan en otros estudios(Nelson et al., 1997; Ziegler et al., 2000). Se parametrizóla nube de puntos LiDAR, para así creardiferentes variables, que explicasen mejor lascaracterísticas forestales. Las variables LiDARque se generaron fueron: Altura máxima (Máximo),Altura media (Media), Desviación estándar(Sd), Percentiles (P), Mediana (Mediana) yCoeficiente de penetración (CP). El coeficientede penetración es la proporción de puntos quellegan al suelo respecto del número de puntos totales.Los puntos del suelo pertenecientes al primerpercentil se eliminaron del análisis.ModelizaciónFagus sylvaticaQuercus ilexPinus halepensisSe supone un modelo de regresión de la formaY=a+b·Xdonde Y es el parámetro ecológico oforestal, X es la variable LiDAR y (a y b) son loscoeficientes estimados para el modelo. Se deci-Revista de Teledetección. ISSN: 1988-8740. 2010. 34: 55-68 59
Page 1 and 2:
AETASOCIACIÓN ESPAÑOLA DETELEDETE
Page 3 and 4:
REVISTA DE TELEDETECCIÓNDirector:
Page 5 and 6:
Información y Normas para los auto
Page 7 and 8:
Revista de Teledetección. ISSN: 19
Page 9 and 10: Análisis de cambios de usos del su
Page 19 and 20: Comportamiento geométrico y radiom
Page 25 and 26: Análisis comparativo de las superf
Page 31 and 32: Revista de Teledetección. ISSN: 19
Page 33 and 34: Seguimiento del estado ecológico d
Page 39 and 40: Análisis de correlaciones entre la
Page 47 and 48: Dinámica estacional e interanual d
Page 59: Estimación y cartografía de pará
Page 63 and 64: Estimación y cartografía de pará
Page 73 and 74: Estudio del crecimiento urbano, de
Page 81 and 82: Clasificación de cultivos en la zo
Page 93 and 94: Detección automática de edificios
Page 95 and 96: Detección automática de edificios
Page 97 and 98: genes NOAA, Landsat, así como los
Page 99 and 100: J. A. Recio RecioEsta actualizació
Page 101: AETASOCIACIÓN ESPAÑOLA DETELEDETE
show all

REVISTADE TELEDETECCIÃN - AsociaciÃ³n EspaÃ±ola de ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?

REVISTADE TELEDETECCIÃN - AsociaciÃ³n EspaÃ±ola de ...