V. Zaldo et al.dió optar por mo<strong>de</strong>los simples para que pudiesenser extrapolables a otras zonas <strong>de</strong>l territorio. Sequería <strong>de</strong>terminar cuál <strong>de</strong> los estadísticos LiDARera el mejor estimador para cada una <strong>de</strong> las variablesforestales por lo que se realizó una regresiónentre las variables forestales y cada una <strong>de</strong> las variablesLiDAR, tanto a nivel <strong>de</strong> individuo (Anexo,Tabla A), como a nivel <strong>de</strong> parcela (Anexo, TablaB). Usando estos mo<strong>de</strong>los (Anexo, Tablas Ay B), se seleccionó el mejor estimador LiDAR paracada parámetro forestal en función <strong>de</strong>l coeficiente<strong>de</strong> <strong>de</strong>terminación R 2 y su RMSE Estos mejoresestimadores LiDAR fueron la base para laobtención <strong>de</strong> los mo<strong>de</strong>los <strong>de</strong> la Tabla 2.Generación <strong>de</strong> cartografíaSe pretendía obtener mo<strong>de</strong>los digitales <strong>de</strong> losparámetros ecológicos estimados. La forma habitualpara obtener mo<strong>de</strong>los digitales es interpolara partir <strong>de</strong> puntos individuales, pero en estecaso interesaba obtener información a una escala<strong>de</strong> parcela. A<strong>de</strong>más el elevado número <strong>de</strong> puntoshacia la interpolación muy costosa computacionalmente.Por tanto se optó por generar unamalla regular y obtener las estadísticas LiDARcon los puntos que caían <strong>de</strong>ntro <strong>de</strong> cada polígono.Así los coeficientes <strong>de</strong> los mo<strong>de</strong>los se podíanaplicar a las estadísticas <strong>de</strong> los puntos LiDARpara obtener los valores <strong>de</strong> las variables ecológicasy forestales a nivel <strong>de</strong> polígono. Se seleccionaronlas variables biomasa <strong>de</strong> ma<strong>de</strong>ra (T/ha),volumen <strong>de</strong> copa (m 3 /m 2 ) y altura (m) por presentarunos ajustes bastante altos en los mo<strong>de</strong>losgenerales. Esta cartografía se generó parauna zona <strong>de</strong> escena (3 × 0,5 km 2 ) en áreas dominadaspor vegetación <strong>de</strong> hayedo y encina. Paragenerar cartografía forestal <strong>de</strong> <strong>de</strong>be tener encuenta cual es el tamaño <strong>de</strong> píxel optimo <strong>de</strong> di-ParámetroforestalEspecieEstadísticoLiDARindividuoR 2individuoRMSEindividuoEstadísticoLiDARparcelaR 2parcelaRMSEparcelaAltura General Máximo 0,607 6,452 P 90% 0,923 1,593Quercus ilex Máximo 0,384 8,293 P 80% 0,858 1,145Fagus sylvatica Máximo 0,386 8,343 P 80% 0,823 1,710Pinus halepensis Máximo 0,243 12,682 P 80% 0,869 1,144Altura base General P 80% 0,258 11,993 Sd 0,496 1,110<strong>de</strong> la copa Quercus ilex P 80% 0,297 11,344 P 30% 0,570 0,915Fagus sylvatica P 80% 0,219 12,725 P 40% 0,611 0,884Pinus halepensis P 80% 0,298 14,638 P 60% 0,662 0,904Volumen General Máximo 0,296 14,542 Máximo 0,758 3,232Quercus ilex Máximo 0,119 33,891 Máximo 0,464 10,53Fagus sylvatica Máximo 0,141 34,193 Máximo 0,496 30,80Pinus halepensis Máximo 0,128 44,124 Máximo 0,392 36,98DBH General Máximo 0,152 161,067 P 20% 0,389 158,0Quercus ilex Máximo 0,191 116,963 P 20% 0,339 127,1Fagus sylvatica Máximo 0,214 121,321 P 20% 0,233 213,5Pinus halepensis Máximo 0,108 115,835 P 10% 0,314 97,45Biomasa General Máximo 0,321 42,723 Media 0,815 23,35<strong>de</strong> ma<strong>de</strong>ra Quercus ilex Máximo 0,247 54,923 Media 0,964 6,448Fagus sylvatica Máximo 0,240 63,754 Media 0,750 30,26Pinus halepensis Máximo 0,165 75,567 P 60% 0,746 10,83Biomasa General CP 0,043 139,243 Sd 0,466 10,81foliar Quercus ilex CP 0,086 98,237 CP 0,476 24,89Fagus sylvatica CP 0,027 179,732 Sd 0,272 30,96Pinus halepensis CP 0,076 120,464 CP 0,586 21,01Tabla 2. Mo<strong>de</strong>los <strong>de</strong> los mejores estimadores LiDAR.60 Revista <strong>de</strong> Tele<strong>de</strong>tección. ISSN: 1988-8740. 2010. 34: 55-68
Estimación y cartografía <strong>de</strong> parámetros ecológicos y forestales en tres especies con datos LiDARcha cartografía. La elección <strong>de</strong>l tamaño <strong>de</strong>l píxelesta sujeta a diferentes variables: la resolución<strong>de</strong> los datos <strong>de</strong> partida, la estructura espacial<strong>de</strong>l ecosistema, la variabilidad forestal y eltipo <strong>de</strong> variable a representar. Es <strong>de</strong>cir se trata<strong>de</strong> una elección compleja que no solo <strong>de</strong>pen<strong>de</strong><strong>de</strong> los datos <strong>de</strong> partida. En (Nijland et al., 2009)<strong>de</strong>terminan la resolución espacial óptima paramapear la vegetación natural en un ambiente mediterráneo,usando un tamaño <strong>de</strong> píxel diferente<strong>de</strong>l <strong>de</strong> los datos <strong>de</strong> partida. En este estudio <strong>de</strong>bidoal escaso número <strong>de</strong> muestras, no se pudorealizar un análisis <strong>de</strong> «cross-validation» que podríadar una medida <strong>de</strong>l error <strong>de</strong> la cartografía.Por tanto se generaron mapas a diferentes resoluciones5, 10, 15 y 20 metros y se evalúo la representatividad<strong>de</strong> dicha cartografía con respectoa la imagen CASI atendiendo a la estructuraespacial <strong>de</strong>l ecosistema, la variabilidad forestaly el tipo <strong>de</strong> parámetro. Se comprobó que <strong>de</strong>bidoa la alta complejidad estructural y ambiental, apartir <strong>de</strong> un tamaño <strong>de</strong> píxel <strong>de</strong> 10 metros no serecogía la variabilidad <strong>de</strong> los parámetros representados.Por tanto se selecciono el píxel <strong>de</strong> 10metros como el óptimo para representar los parámetros<strong>de</strong> este estudio. Para calcular las variablesLiDAR se utilizó una media <strong>de</strong> 170 puntosLiDAR por polígono, que se aproxima a los 190puntos que se tenían <strong>de</strong> media para las parcelas.RESULTADOS Y DISCUSIÓNLos resultados <strong>de</strong>l estudio [Tabla 2, Anexo(Tablas A y B)] revelaron que los datos LiDARpermiten estimar, a nivel <strong>de</strong> parcela y con elevadaexactitud, parámetros forestales en ecosistemas<strong>de</strong> tipo mediterráneo. Los mo<strong>de</strong>los a nivel<strong>de</strong> árbol mostraron que todas las variables Li-DAR empleadas fueron significativas pero conbajos ajustes, mientras que a nivel <strong>de</strong> parcela algunasvariables LiDAR no fueron significativas[marcadas con (—) en el Anexo (Tablas A y B)]pero los mo<strong>de</strong>los en general incrementaron consi<strong>de</strong>rablementesu nivel <strong>de</strong> ajuste. Los ajustes <strong>de</strong>los mo<strong>de</strong>los por individuo (con un intervalo <strong>de</strong>R 2 <strong>de</strong> 0,027-0,607) y por parcela (con un intervalo<strong>de</strong> R 2 <strong>de</strong> 0,233-0,964), permiten estableceren este caso la parcela como el nivel a<strong>de</strong>cuadopara trabajar con datos LiDAR <strong>de</strong> las características<strong>de</strong> los utilizados en este estudio.En todos los casos los mo<strong>de</strong>los mejoraron alpasar <strong>de</strong>l nivel <strong>de</strong> individuo, al nivel <strong>de</strong> parcela.Probablemente la <strong>de</strong>nsidad <strong>de</strong> puntos LiDAR <strong>de</strong>este estudio (0,5 puntos/m 2 ) que permite usar 22puntos para árboles <strong>de</strong> 8 m 2 <strong>de</strong> superficie media,es insuficiente para trabajar con individuos (otrostrabajos, como el <strong>de</strong> Chen et al., 2006, usan una<strong>de</strong>nsidad <strong>de</strong> 9 puntos/m 2 para trabajar a este nivel).Por tanto estos resultados son susceptibles<strong>de</strong> mejora con una mayor <strong>de</strong>nsidad <strong>de</strong> puntos,que pue<strong>de</strong> conseguirse con una conveniente planificación<strong>de</strong> vuelo o bien con la incorporación<strong>de</strong> tecnología LiDAR que almacene mayor número<strong>de</strong> retornos o una mayor frecuencia <strong>de</strong> emisión<strong>de</strong> pulsos. También cabe plantearse hastaqué punto es útil obtener cartografía muy <strong>de</strong>tallada<strong>de</strong> variables forestales que representan parámetrosespaciales con una unidad mínima <strong>de</strong>medida correspondiente al propio árbol. Los mo<strong>de</strong>losgenerados a nivel <strong>de</strong> parcela sí fueron satisfactoriosy mejoraron los ajustes <strong>de</strong> estudiosanteriores usando imágenes <strong>de</strong> satélite Landsat(Salvador & Pons, 1998; Mallinis, et al., 2004;Vázquez <strong>de</strong> la Cueva, 2008) e imágenes hiperespectrales(Baulies & Pons, 1995; Schlerf & Atzberger,2006). De aquí en a<strong>de</strong>lante se consi<strong>de</strong>raránlos mo<strong>de</strong>los a nivel <strong>de</strong> parcela y se trabajarány discutirán sus resultados. Con respecto al efecto<strong>de</strong> las diferencias entre especies en la generación<strong>de</strong> los mo<strong>de</strong>los, los resultados a nivel <strong>de</strong> parcelapredicen una mejoría en los casos en los quelos predictores LiDAR son similares entre especiesdiferentes. Así, tanto la altura máxima, elvolumen <strong>de</strong> copa y el DBH con similares predictoresLiDAR entre especies mejoran en el análisisgeneral. A<strong>de</strong>más, la pérdida <strong>de</strong>l ajuste <strong>de</strong> losmo<strong>de</strong>los generales es escasa en las variables conmayor variación interespecifica, como la altura<strong>de</strong> la base <strong>de</strong> la copa, biomasa foliar y biomasa<strong>de</strong> ma<strong>de</strong>ra. Por tanto, las diferentes especies presentanuna ten<strong>de</strong>ncia similar, por lo que el esfuerzoque supondría realizar un análisis y cartografíaa nivel <strong>de</strong> especie no compensa a la vista<strong>de</strong> los resultados obtenidos para los mo<strong>de</strong>los generales.Los resultados a nivel <strong>de</strong> parcela tambiénmostraron que los parámetros forestales estabanexplicados por un estadístico LiDARdiferente en cada caso. Así, para los mo<strong>de</strong>los generaleslos parámetros que dieron mejores resultadosfueron la altura máxima explicada por elpercentil 90%, el volumen <strong>de</strong> copa explicado porRevista <strong>de</strong> Tele<strong>de</strong>tección. ISSN: 1988-8740. 2010. 34: 55-68 61