Resumen de Clasificación supervisada de imágenes PNOA-NIR y fusión con datos LiDAR-PNOA como apoyo en el inventario forestal: Caso de estudio: Dehesas

Laura Fragoso Campón, Elia María Quirós Rosado, José Antonio Gutiérrez Gallego

• español

  La estimación de las métricas dasométricas como apoyo en un inventario forestal se puede abordar mediante la aplicación de distintas tecnologías y, si bien el muestreo de campo es la técnica más extendida, la aparición y desarrollo de las técnicas de teledetección aumentan las posibilidades de actuación en este ámbito. Estas nuevas técnicas de teledetección permiten minimizar los costes tanto económicos como en tiempo de la adquisición de datos sin menosprecio de la exactitud de las mediciones realizadas. En este sentido, las ortofotos del PNOA-NIR, que incluyen la información espectral del infrarrojo cercano, permiten obtener distintos índices de vegetación y suelo, aportando información valiosa en el análisis de la vegetación. En este trabajo se realiza una clasificación supervisada de las imágenes PNOA-NIR para, junto con los datos LiDAR-PNOA, determinar mediciones dendométricas en dehesas (área de copa, diámetro de copa y altura máxima de arbolado) y otros parámetros relacionados con la espesura (factor de cabida cubierta y densidad). La metodología se plantea mediante la aplicación exclusivamente de software de código abierto. A través de los resultados obtenidos es posible delimitar de forma detallada la estructura de la copa, así como la reducción de la incertidumbre en las zonas de sombra del arbolado. La evaluación del clasificador empleado, Random Forest, alcanza un porcentaje de predicciones correctas del 96.72% con una confianza media en la clasificación de los píxeles de arbolado del 93%. Por tanto, el método propuesto resulta adecuado para su aplicación en dehesas y otras masas abiertas sin tangencia de copas.

• English

  Obtaining dasometric attributes as support in a forest inventory can be addressed through the application of different technologies and, although field sampling is the most widespread technique, the current development of remote sensing techniques offer new opportunities. These new techniques make it possible to minimize both economic and time-related costs of acquiring data without disregarding the accuracy of the measurements made. In this sense, the orthophotos of the PNOA-NIR, which include near infraredspectral information, allow us to obtain different indices of vegetation and soil, providing valuable information in the analysis of the vegetation. In this work a supervised classification of the PNOA-NIR images is carried out and a data fusion with the LiDAR-PNOA data is made, to obtain dendometric measurements on tree-grass environments (dehesas) (crown area, crown diameter and maximum tree height) and other parameters related to the canopy spatial distribution (tree canopy cover factor and density). The methodology is based on the application of open source software exclusively. The obtained results delineate the structure of the crown in detail, reducing the uncertainty of the crown perimeter in shaded areas. The evaluation of the classifier used, Random Forest (RF), reaches a percentage of correct predictions of 96.72% and an average confidence when classifying tree pixels of 93%. Therefore, the proposed method is suitable for application in tree-grass environments and other forest areas without tree crown tangency.