Uso de la tecnología LiDAR para la estimación de volumen maderable y biomasa en bosques bajo manejo de Zacualtipán, Hidalgo, México
J. René Valdez Lazalde*
Alma Delia Ortiz ReyesGregorio Ángeles PérezHéctor M. de los Santos Posadas *[email protected]
Taller Estimación de Carbono en Bosques Bajo Producción Maderable
LiDAR - Light Detection And Ranging
2
tvd l
d: distancia (m)vl: velocidad de la luz
(300,000 km/s)t: tiempo (ns)
Dowman (2007)
- Detección y medición por Luz
Primer retorno
Último retorno
Múltiples pulsos interactúan con
varias partes de la cobertura
vegetal, el suelo u otras estructuras
Densidad de
puntos
Coordenadas geográficas
Ángulo de escaneo
1ros retornos
2dos retornos
3ros retornos
4tos retornos
McCallum et al. (2014)
DATOS LiDAR
1er retorno
2do retorno
Último retorno
Medición / Monitoreo de Bosques
Inventario forestal tradicional
Percepción remota: LiDAR
Enfoques:
Combinación de Inventario y Percepción remota
Método tradicional EM Desventajas
- Si no se muestrea el ecosistema no se tienen una estimación de la variable de interés
- El muestreo debe ser exhaustivo, lo que lo hace laborioso y costoso, particularmente en lugares de acceso difícil
- Este método no refleja la variación espacial dentro de ecosistemas o estratos
Parcela de muestreo50 Ton/ha
129 Ton/ha
??
¿Cómo se estima el inventario?
0 50 100 150 200 Ton/ha
Estudio de caso: Objetivos
GeneralEstimar y mapear variables dasométricas de un bosque templadobajo manejo, mediante la aplicación de tecnología LiDAR en lazona de Zacualtipán de los Ángeles, Hidalgo.
Particularesi) Calcular las variables área basal, volumen, biomasa y coberturaarbórea empleando datos de LiDAR.ii) Comparar la precisión de los resultados obtenidos mediante eluso de LiDAR contra los de un inventario tradicional.iii) Generar la cartografía de cada una de las variables en la zonade estudio.
Hidalgo
Área de estudio
Sitio de Monitoreo Intensivo del Carbono Atopixco, Hgo.
Sierra Madre OrientalAltitud: 2000 a 2200 m
Zacualtipán
Clima: C(fm)w”b(e)g, templado-húmedo (García,1981)Temperatura media anual 13.5 °C Precipitación 2050 mm
Vegetación: bosque de pino y bosque de pino-encino.
Pinus patula, Quercus crassifolia, Q. affinis, Q. laurina, Q. sartori, Q. excelsa, Q. xalapensis(Rzedowski y Madrigal-Sánchez, 1972).
- Colecta de Datos en campo: Alt, DAP,muestras de madera, etc.)
- Estimación de Vol, Biomasa por alometría
BIOMASA, VOL, AB
Datos de parcelas por grupo de especies,
ecosistema (Inventario)Datos Cal
Datos Val
Selección de métricas simples
o combinaciones
Modelación a nivel pixel
B = f (Métricas LiDAR)
K-nn, regresión lineal, no lineal
Aplicación de algoritmos
para mapear las
variables
Datos LiDAR
Metodología
Datos de campo
1 km
Área : 900 ha40 conglomerados160 unidades de muestreo
Torre de flujoEddy-covariance
Sitios de muestreo y de datos
Conglomerados circulares de 1 ha con unradio de 56.42 m y cuatro unidades demuestreo secundario de 400 m2.
De abril a junio de 2013 se muestreó en campo,
Se midió: diámetro normal, altura del fuste,altura del fuste limpio, radio de copa (N-S) (E-O)
Se estimó: área basal, volumen, biomasa ycobertura arbórea para cada unidad.
Modelos para estimar volumen y biomasa
Donde:V: Volumen en m3
DN: Diámetro normal COB=Cobertura arbórea estimada (m2)DC= Diámetro de copa (m)H: AlturaBT: Biomasa total en kg e: exponencial
4
2 xDCCOB
Sensor LiDAR
Fecha de adquisición Octubre 2013
LiDAR Small-footprint G-LiHT (Riegl VQ-480)
Frecuencia del pulso 300 Khz
Angulo de barrido + 15°
Densidad de puntos por pasada 6 puntos m-2. Con traslape de 50 % la densidad
aumenta hasta 100 %
Altitud de vuelo 335 m
Franja de barrido 387 m
Traslape de las líneas de vuelo 50 %
Radio del pulso 10 cm
Precisión absoluta de la medición vertical + 0.15 m en áreas abiertas planas y 0.5 m en zonas
boscosas o pendientes mayores de 20 %
Precisión absoluta de la medición
horizontal
+ 0.5 m en áreas planas y 0.75 m. en áreas con
pendiente.
Tipo Métrica
Altura/Elevación
Número total de retornos
Elevación Máxima
Elevación Media
Elevación Mediana (percentil 50)
Elevación Moda
Elevación Desviación estándar
Elevación Varianza
Elevación Coeficiente de variación
Elevación Distancia intercuantil
Elevación Skewness
Elevación Curtosis
Elevación Desviación absoluta promedio
Elevación momentos (L1, L2, L3, L4)
Altura de Percentil 1, 5, 10, 20, 25, 30, 40, 50, 60, 70, 75, 80, 90, 95 y 99
Cobertura y Densidad del dosel
Densidad de estrato
# de 1ros retornos sobre una altura específica (cobertura del dosel)
# de 1ros retornos sobre la altura media
# de todos los retornos (1ros, 2dos, 3ros, 4tos) sobre una altura específica
# de los 1ros retornos > 3 / # total de 1ros retornos * 100
# de puntos en estratoi / # total de puntos en todos los estratos * 100
# de puntos en estratoi / # total de puntos debajo del estratoi * 100
Datos LiDAR(métricas)
McGaughey (2012)
Métricas de LiDARÁrea basal
m2
Volumen
m3
Biomasa
kg
Cobertura
arbórea
m2
# total de retornos sobre 1 m 0.71 0.65 0.65 0.58
# de 1eros retornos sobre la altura de 1 m 0.71 0.60 0.59 0.62
# de 2dos retornos sobre la altura de 1 m 0.66 0.65 0.66 0.49
Altura del percentil 70 0.64 0.76 0.75
Altura del percentil 75 0.64 0.76 0.75
Porcentaje de 1eros retornos sobre 3 m 0.85 0.76 0.75 0.66
Porcentaje de todos los retornos sobre 3 m 0.83 0.74 0.75 0.69
Porcentaje de todos los retornos sobre la
altura media0.85 0.78 0.75 0.59
(Todos los retornos sobre la altura media) /
(Total de 1eros retornos) * 1000.83 0.79 0.77 0.55
Índice de penetración láser 0.78 0.67 0.68 0.71
Correlación de Pearson entre las variables forestales y métricas de LiDAR
Resultados
Modelo R2 ajustada RMSE Parámetros Estimación P
AB= A0+A1*Elevación media +A2*Elevación del percentil
70+A3*Porcentaje de todos los retornos sobre la media0.77 0.21
A0 -0.16455 0.0069A1 0.066837 0.0011A2 -0.03704 0.0231
A3 0.022009 <.0001
BIOM=A0+A1*((Todos los retornos sobre 3 m) / (Total de
primeros retornos) * 100))+A2*Elevación del percentil
50+A3* Coeficiente de variación de intensidad
0.76 1340.08
A0 2832.088 0.0004
A1 39.51389 <.0001
A2 224.1344 <.0001
A3 -10921.2 <.0001
COB=A0+A1*índice de penetración láser+ A2*Desviación absoluta de la mediana 0.53 139.71
A0 -89.5733 0.0558
A1 911.8164 <.0001
A2 22.47737 0.0136
VOL=A0+A1*((Todos los retornos sobre la altura media) /
(Total de primeros retornos) * 100))+A2* Elevación media
cuadrática+A3*Coeficiente de variación de intensidad
0.79 2.07
A0 2.812044 0.0027
A1 0.109815 <.0001
A2 0.404383 <.0001
A3 -16.6025 <.0001
Modelos de regresión lineal múltiple para la estimación de variables forestalesResultados
Comparación: Predichos vs. observados
a) área basal (m2/sitio), b) biomasa total (kg/sitio), c) cobertura arbórea (m2/sitio) y d) volumen (m3/sitio). La líneanegra muestra la relación 1 a 1.
Las variables dasométricas estimadas a partir de datos LiDAR tienen mayor precisión quelas estimaciones obtenidas mediante un inventario tradicional, con la ventaja de crearmapas que muestran su variación espacial.
Excepto para cobertura vegetal, las estimaciones del inventario basadas en datos LiDAR,con cualquiera de los métodos utilizados (RL, ER, ER), se encuentran dentro del intervalode confianza (95 %) estimado mediante el inventario forestal tradicional.
Conclusiones
Ortiz-Reyes, A.D., J.R. Valdez-Lazalde, H. M. de los Santos Posadas, G. Ángeles-Pérez, F. Paz Pellat y T. Martínez-Trinidad. 2015. Inventario y cartografía de variables del bosque con datos derivados de LiDAR: comparación de métodos. Madera y Bosques 21(3): 111-128. ISSN: 1405-0471.
Ortiz-Reyes, A.D., J.R. Valdez-Lazalde, G. Ángeles-Pérez, R. Birdsey y A. Peduzzi. 2015. LiDAR aerotransportado para el manejo de recursos forestales. In: Avances y Perspectivas de Geomática con Aplicaciones Ambientales, Agrícolas y Urbanas. Y. Fernández Ordoñez, M. Escalona Maurice y J. René Valdez Lazalde, Eds. Colegio de Postgraduados. Montecillo, Edo. de México. pp. pp. 67-89.
Torres-Vivar, J.E., J. R. Valdez-Lazalde, G. Ángeles-Pérez, H. M. de los Santos-Posadas y C. A. Aguirre-Salado. 2017. Inventario y mapeo de un bosque manejado de pino patulacon datos del sensor SPOT 6. Rev. Mex. Cien. Ftales. 8(39): 25-43. ISSN: 2007-1132.
Top Related