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.Altura media de los 10 árboles más altos (m)R 2 = 0,923RMSE = 1,5935 10 15 20 25Percentil 90 altura LiDAR (m)Figura 5. Estimación de la altura para modelos generalesa nivel de parcela.el máximo y la biomasa de madera estimada porla media. Los parámetros de altura de la base dela copa, DBH y biomasa foliar no se consiguieronestimar con tanto nivel de ajuste, aunque losresultados no son despreciables y podrían ser mejorablescon un LiDAR de una mayor densidadde puntos. La altura de la base de la copa, que esun parámetro con una alta variabilidad interespecífica,no arrojó buenos resultados a nivel general,pero los modelos por especie indican quelas estadísticas LiDAR explican parte de la variabilidadde este parámetro. Para el DBH no seobtuvo una relación con las estadísticas LiDARcalculadas, aunque cabe señalar que el DBH esun parámetro difícil de estimar con la densidadde puntos LiDAR de este estudio, ya que se tratade una variable de baja resolución espacial porlo que se necesitaría un mayor densidad de puntospara su correcta estimación (Chen et al.,2007). El coeficiente de penetración sirve paraexplicar parte de la biomasa foliar, sobretodo enlos bosques de aciculifolios donde la penetracióndel LiDAR es mayor. Se esperaba obtener unospeores ajustes de los modelos en los bosques másheterogéneos y variables como los encinares ypinares con respecto a los bosques más homogéneoscomo los hayedos (Salvador et al., 1997).Sin embargo, los resultados obtenidos han reveladopruebas en el sentido opuesto. Se puede pensarque el propio tipo de estructura homogéneade las copas de los hayedos hace que la penetrabilidaddel LiDAR en el dosel vegetal sea menorque en bosques más heterogéneos y esto impidael correcto ajuste de los datos LiDAR a parámetrosque explican características del propio dosel.Para la generación de cartografía cuantitativase usaron los tres parámetros que seconsiguieron estimar con mayor exactitud a nivelde parcela; la altura máxima R 2 = 0.923, biomasade madera R 2 = 0.815 y volumen de copaR 2 = 0.758 (Figs. 5, 6 y 7). Estos tres parámetrosson de vital importancia para el cocimiento delos bosques mediterráneos: La altura máxima esun parámetro básico de los inventarios forestalesy del cual derivan otros parámetros, la biomasade madera permite estimar la cantidad decarbono acumulado en los bosques y el volumende copa es importante para la modelización deincendios forestales.Los modelos calculados permitieron generarcartografía de tipo cuantitativo de estos parámetrosforestales (Anexo, Fig. A). Lo deseable hubierasido evaluar de forma cuantitativa estosmodelos con nuevos datos de campo, pero debidoa que todas las parcelas con verdad terrenodisponibles se usaron para el ajuste del modelono se ha procedido a tal análisis. Aun así, los resultadosde los modelos son satisfactorios a nivelvisual comparando con la imagen CASI quenos aporta una referencia del estado de las cubiertas.La combinación CASI (907, 707, 406nm) permite distinguir las zonas de vegetaciónen rojo y verde, de las áreas sin vegetación o consuelo desnudo en azul o blanco. Se detecta comolas áreas sin vegetación (en azul) presentanvalores cero de biomasa, volumen de copa y al-Biomasa de madera (T/ha)2520151025020015010050Fagus sylvaticaPinus halepensisQuercus ilexFagus sylvaticaPinus halepensisQuercus ilexR 2 = 0,815RMSE = 23,355 10 15 20Media altura LiDAR (m)Figura 6. Estimación de biomasa de madera para modelosgenerales a nivel de parcela.62 Revista de Teledetección. ISSN: 1988-8740. 2010. 34: 55-68
Estimación y cartografía de parámetros ecológicos y forestales en tres especies con datos LiDARVolumen de copa (m 3 /m 2 )7006005004003002001000Fagus sylvaticaPinus halepensisQuercus ilexR 2 = 0,758RMSE = 3,23210 15 20 25Máximo altura LiDAR (m)Figura 7. Estimación de volumen de copas para modelosgenerales a nivel de parcela.tura máxima, mientras que en las zonas de mayordensidad de copas estos valores aumentan.En la imagen correspondiente al volumen de copase observan zonas con valor 0 y sin embargola altura varía entre 5-10 m y la biomasa presentavalores de aproximadamente 50 T/ha; esto esdebido a que son áreas de matorral que no presentancobertura arbórea y en consecuencia noexisten copas arbóreas, pero sí presencia de especiesarbustivas con cierta altura y biomasa demadera. Los modelos se realizaron para un áreadominada por haya en la parte inferior de la imageny encinas en la zona superior. El rango devalores obtenido fue de 0-300 T/ha para la biomasade madera, de 0-800 m 3 /m 2 para el volumende copa y de 0-35 m para la altura.Estos modelos permiten detectar áreas dentrodel bosque con elevado contenido en biomasay/o con elevado volumen de copa. Estasáreas podrían ser zonas con características climáticasy edáficas muy benignas que permitena la vegetación desarrollarse y acumular altasconcentraciones de biomasa. En los modelosdigitales se detectaron valores altos de los parámetrosecológicos en zonas con altas pendientes,como puntos cercanos a la cima de las colinasde la parte superior de la imagen. Estopuede ser debido a que la generación de modelosdigital del terreno (MDT) obtenidos por Li-DAR se realiza a través de la interpolación delos puntos del suelo. Estos puntos se clasificanpor un algoritmo automático que puede generarerrores en las cimas de colinas. Así, el MDTpresentaría altitudes menores en las cimas y, enconsecuencia, al restar el MDT a los puntos Li-DAR se tendrían valores de Z mayores de lo esperadoen estas zonas.Los ajustes obtenidos en este estudio han sidomayores que los obtenidos en estudios anteriores(Salvador et al., 1997) y permiten ser optimistassobre las posibilidades de la aplicacióndel LiDAR para la estimación y cartografía cuantitativade la vegetación natural. En futuros estudiosse espera poder mejorar los resultados deestimación de los parámetros ecológicos y forestales,sobretodo de los foliares, con la incorporaciónde información hiperespectral CASI yde la intensidad LiDAR.CONCLUSIONESEn este estudio se comprobó la capacidad delos datos LiDAR para genera cartografía de tipocuantitativo. Se puede concluir que una densidadde puntos de 0,5 puntos/m 2 , es adecuada paratrabajar a nivel de parcela, pero insuficientepara el nivel de individuo. A su vez, la escasa diferenciaentre los modelos a nivel de especie ya nivel general parece indicar que el esfuerzo enla separación por especie sea innecesario para lageneración de una cartografía extensiva de parámetrosforestales. Finalmente, la metodologíausada para el tratamiento de la información Li-DAR ha permitido modelizar variables ecológicasforestales como biomasa de madera, volumende copa y altura, y en consecuencia generarmodelos digitales forestales con un nivel de fiabilidadque no se había conseguido obtener conotras aproximaciones.AGRADECIMIENTOSEste estudio ha sido posible gracias a un conveniode colaboración entre ICC y CREAF parala utilización de datos hiperespectrales ymultitemporales (CASI) y LiDAR para la cartografíacategórica y cuantitativa de la vegetaciónforestal. Deseamos agradecer especialmentea los compañeros del ICC el cuidadosoprocesado de los datos, así como a los compañerosdel CREAF que realizaron el extenso trabajode campo.Revista de Teledetección. ISSN: 1988-8740. 2010. 34: 55-68 63
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 11 and 12:
Análisis de cambios de usos del su
Page 13 and 14: 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 and 60: Estimación y cartografía de pará
Page 63: 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 ...