Estimación de variable dasométricas en masas de Pinus nigra a partir de datos LiDAR y fotogramétricos

Abstract

La estimación de las variables dasométricas de interés para la gestión de masas forestales ha sido tradicionalmente realizada con inventarios a partir únicamente de muestreos en campo. Con la introducción de tecnologías como la fotogrametría y la teledetección, se abre un campo de posibilidades para la mejorar la ejecución de estos trabajos en términos de cartografía temática, error de estimación, coste y tiempo invertido. En la actualidad, la reconstrucción automática 3D a partir de nubes de puntos obtenidos mediante fotogrametría o sensores LiDAR es un campo muy importante de investigación debido a sus numerosas aplicaciones. En la obtención de estos datos se utilizan frecuentemente aeronaves tripuladas convencionales; sin embargo, una nueva alternativa en aplicaciones forestales puede ser el uso de vehículos ultraligeros tripulados y no tripulados (UAVs) utilizando de técnicas fotogramétricas rigurosas con cámaras no métricas. En este trabajo se ha investigado la aplicación de datos procedentes de sensores LiDAR y fotogramétricos capturados sobre diferentes tipos de plataformas aerotransportadas en el desarrollo de un inventario forestal. Se ha realizado un vuelo con paramotor, integrando un sistema fotogramétrico de bajo coste con cámara no métrica, junto a una campaña de campo para la estimación de variables dasométricas: área basimétrica (G), número de pies (N) y volumen (VCC). Los resultados se han comparado con los obtenidos a partir de datos LiDAR procedente de PNOA a escala de rodal. El ajuste de los modelos de estimación ha puesto de manifiesto la correlación existente entre los estadísticos obtenidos de la nube de puntos y las variables dasométricas obtenidas a partir de mediciones en campo. Las precisiones en el proceso de modelización en términos de error medio cuadrático (RMSE), son: 5.7 y 6.1 m2 ha-1 en G; 374.6 y 294.6 pies ha-1 en N y 20.4 y 37.8 m3 ha-1 en VCC, utilizando LiDAR y nube fotogramétrica respectivamente. Los resultados aportados en este trabajo muestran que es posible realizar modelos predictivos a partir de datos fotogramétricos de bajo coste para estimar las principales variables dasométricas. Las precisiones obtenidas en el proceso de validación (realizado con el 30% de las parcelas) obtenidas con lidar y fotogrametría de bajo coste son similares (inferiores al 34%) en G, 6.2 y 7.6 m2 ha-1 y en VCC 32.8 y 46.2 m3 ha-1. En N la precisión a partir del dato LiDAR (510.3 pies ha-1) es inferior que la procedente de la nube (197.7 3 pies ha-1). El análisis de la nube fotogramétrica induce a pensar en la aplicación de métodos de árbol individual o métodos combinados que permitan explotar al máximo la alta resolución. En cualquier caso, el flujo fotogramétrico planteado ofrece una alternativa interesante que puede ser de mucha utilidad en la gestión forestal por parte de la administración pública a diferentes escalas.