Estimación de variables dasométricas en masas de Pinus halepensis Mill. mediante datos LiDAR y trabajo de campo.

Domingo Ruiz, Darío
de la Riva Fernández, Juan (dir.) ; Lamelas Gracia, María Teresa (dir.)

Universidad de Zaragoza, FFYL, 2015
Departamento de Geografía y Ordenación del Territorio, Área de Análisis Geográfico Regional

Máster Universitario en Tecnologías de la Información Geográfica para la Ordenación del Territorio: Sistemas de Información Geográfica y Teledetección

Resumen: Los sensores activos de teledetección LiDAR (Light Detection And Ranging) constituyen una nueva técnica para la realización de los inventarios forestales, que ofrece información tridimensional de las masas forestales. Para el territorio Español se ha diseñado –y está casi concluida–la captura sistemática y uniforme de datos LiDAR de baja resolución espacial (0,5 puntos/m2), en el marco del Plan Nacional de Ortofotografía Aérea (PNOA). El presente estudio tiene como objetivo evaluar la capacidad de dichos datos en la estimación de variables dasométricas en masas forestales regulares de Pinus halepensis Mill. localizadas en el margen norte de la Depresión del Ebro, en la proximidad del Prepirineo Aragonés, entre las comarcas de Hoya de Huesca y Cinco Villas (Aragón). Los datos LiDAR-PNOA fueron filtrados y procesados mediante el software MCC v.2.1.y FUSION LDV v.3.30, respectivamente. Con posterioridad, se generaron diversos modelos de regresión lineal múltiple que permitieran relacionar las variables dasométricas –estimadas en 46 parcelas de campo– con el conjunto de métricas obtenidas de la nube de puntos LiDAR. La validación de los modelos se realizó según la técnica de validación cruzada dejando un dato fuera (LOOCV). Los coeficientes de determinación corregidos de los modelos de estimación de las variables dasométricas han sido: 0,82 para la altura media, 0,34 para el diámetro cuadrático medio, 0,91 para el área basimétrica, 0,93 para el volumen con corteza, 0,57 para la densidad de pies y 0,89 para la biomasa aérea total. Las métricas derivadas de los datos LiDAR que más han contribuido en los modelos incluyen estadísticos relacionados con la altura del dosel (percentiles), así como con la densidad y cobertura del dosel arbóreo (porcentaje de primeros retornos sobre una altura establecida). Palabras clave: LiDAR-PNOA, variables dasométricas, inventario forestal, modelos de regresión lineal múltiple, Pinus Halepensis Mill. Active remote sensing with LiDAR sensors (Light Detection And Ranging),is a new technique for conducting forest inventories, as it provides 3-D information of forests. LiDAR data are available for the entire Spanish territory, captured at low spatial resolution (0.5 points/m2) by the National Plan for Aerial Ortophotography. This Master thesis aims to assess the capacity of these data to estimate dasometric variables in regular stands of Pinus halepensis Mill., located in the north border of Ebro Depression, in the vicinity of Aragon pre-Pyrenees (“Hoya de Huesca” and “Cinco Villas” regions). LiDAR-PNOA point cloud was filtered and processed with MCC v.2.1 and FUSION LDV software. Thereafter, different multivariate linear regression models were created to relate the dasometric variables, estimated in 46 field plots, with a collection of independent metrics derived from LiDAR point cloud. The models were validated through Leave one-out cross-validation (LOOCV) technique. The corrected coefficients of determination of the models to estimate the dasometric variables were: 0,82 for mean height; 0,34 for squared mean diameter; 0,91 for basal area; 0,93 for stem volume; 0,57 for stand density; and 0,89 for total aboveground biomass. The LiDAR metrics with a higher significance in the models are related to canopy height (percentiles), as well as, density and cover of tree canopy (percentage first returns above an established height). Key words: LiDAR-PNOA, dasometric variables, forest inventory, multivariate linear regression models, Pinus halepensis Mill.

Tipo de Trabajo Académico: Trabajo Fin de Master