Estimación de variables dasométricas mediante tecnología LiDAR

Abstract

La técnica más común para estimar variables dasométricas a escalas grandes o pequeñas son los inventarios forestales que se basan en un muestreo en campo. En la actualidad la teledetección ofrece un abanico de posibilidades para contrubuir a esa tarea, tal es el caso de los datos LiDAR (Light Detection And Ranging) que permiten obtener una nube de puntos georreferenciados que dibuja tridimensionalmente el bosque. En este trabajo se estudió la relación entre datos derivados de LiDAR y datos medidos en campo para estimar variables dasométricas como: área basal (AB), biomasa total (BT), cobertura arbórea (COB) y volumen (VOL), mediante cuatro métodos: 1) regresión lineal múltiple, 2) regresión no lineal, 3) estimadores de razón y regresión e 4) inventario forestal tradicional. Las estimaciones totales derivadas de los tres primeros enfoques se encuentran dentro del intervalo de confianza al 95 % calculado mediante el inventario tradicional, siendo los valores estimados mediante estimadores de razón y regresión los más cercanos y precisos con AB=20,818.97 m2, BT=104,083.31 MG, COB=108.59 % y VOL=157,993.14 m3, seguidos de las estimaciones mediante modelos lineales. Las estimaciones de los modelos no lineales fueron los más optimistas con respecto al inventario tradicional. Los resultados indican una buena relación (R2> 0.50) entre las métricas de LiDAR y datos de campo, principalmente los percentiles de altura y las tasas de retorno sobre una altura definida. A partir de los modelos lineales se generó la cartografía de cada una de las variables de interés. Este estudio ratifica que el uso de los datos LiDAR es una herramienta que apoya el cálculo de inventarios forestales y puede ser usado a una escala regional. _______________ ESTIMATING DASOMETRIC VARIABLES THROUGH LiDAR TECHNOLOGY. ABSTRACT: The most common technique to estimate dasometric variables at large or small scales are field sampling-based forest inventories. At present remote sensing offers a range of possibilities to achieve that task, as is the case of LiDAR (Light Detection And Ranging) data, which through a georeferenced point cloud allows drawing the forest in three dimensions. In this paper the relationship between LiDAR data and data measured in the field was studied to estimate dasometrics variables as: basal área (BA), total biomass (TB), tree cover (TC) and timber volumen (TV) by four methods: 1) Multiple linear regression, 2) non-linear regression, 3) Ratio and regression estimators and 4) Traditional forest inventory. Total estimates derived from the first three approaches are within the 95 % confidence interval calculated by traditional inventory, being the estimated values through ratio and regression estimators the most nearby and precise with BA=20,818.97 m2, TB=104,083.31 MG, TC=108.59 % y TV=157,993.14 m3, followed by estimations thorugh linear models. Estimates thorugh non-linear models were the most optimistic compared with traditional inventory. Results indicate a good relationship (R2> 0.50) among LiDAR derived metrics and field data, particularly height percentiles and rates of return at a defined height. From linear models a map was generated of each of the variables of interest. This study confirms that the use of LiDAR data is a tool that supports the calculation of forest inventories and can be used at a regional scale.