604.ppt [Modo de compatibilidad] - Congreso Forestal Español · Modelos Digitales de Elevaciones...
1
HERRAMIENTAS DE LOCALIZACIÓN DE ÁRBOLES INDIVIDUALES CON EL MÓDULO DE PROCESADO DE QGIS A PARTIR DE INFORMACIÓN LIDAR Y ORTOFOTOGRAFÍA AÉREA FCO JAVIER CANTERO FAUQUIER ¹ 1 MONTES. ETSI Montes, Forestal y del Medio Natural. Universidad Politécnica de Madrid. 2 Agresta S. Coop. C/ Duque de Fernán Núñez, 2, 1º 28012. Madrid. JOSÉ LUIS TOMÉ MORÁN ², JOSÉ ALFREDO BRAVO FERNÁNDEZ ¹, ALFREDO FERNÁNDEZ LANDA ² ¿Es posible realizar trabajos de localización e individualización de árboles a partir de archivos de LiDAR y ortofotografía públicos? OBJETIVO Este estudio pretende desarrollar una metodología que permita delimitar e individualizar el contorno de las copas de los árboles apostando por programas y archivos de código libre, de manera que cualquier usuario interesado pueda aplicar los desarrollos generados acercando las nuevas tecnologías enfocadas al campo de la ordenación y el inventario forestal. MATERIAL Y METODOS Tras procesar los datos brutos LiDAR del PNOA y obtener los Modelos Digitales de Elevaciones (MDE), de Superficies (MDS) y de Altura de la Vegetación (MDHV), se comienza a desarrollar un flujo de trabajo a partir de diferentes algoritmos y herramientas del Módulo de Procesado de QGIS. Figura 3. Resultado final en parcelas del encinar adehesado El Monte de Perales (Madrid) RESULTADOS Y DISCUSIÓN CONCLUSIONES La creación de la herramienta automática desarrollada supone un acercamiento de la tecnología LiDAR a través de los SIG al campo de la ingeniería forestal, permitiendo ejecutar de manera automatizada funciones de localización, delimitación e individualización de copas de árboles. Conociendo sus limitaciones, los parámetros de los distintos algoritmos que forman el flujo de trabajo pueden ajustarse para cualquier masa forestal dentro de los mismos. Una interesante conclusión de esta experiencia es la democratización actual de las nuevas tecnológicas, y la facilidad a la hora de trabajar con programas e información de código libre, que hoy día pueden competir directamente con otros equivalentes propietarios. El programa QGIS ofrece grandes posibilidades impulsado por una comunidad de usuarios que se expande exponencialmente, desarrollando nuevas herramientas y algoritmos de igual manera. Esto, unido a la tendencia de liberalización de la información pública motivada por la directiva INSPIRE (Directiva 2007/2/CE), que se traduce en la disponibilidad gratuita para todo el territorio nacional de la información del PNOA, posibilita la aplicación de esta metodología a todo aquel que esté interesado en la misma. Queda pendiente la exploración de la herramienta para el desarrollo de automatizaciones para la rodalización de masas forestales, donde consideramos que existe un enorme potencial trabajando con el módulo de procesado de QGIS. Figura 2. Esquema del flujo de trabajo en pinares mixtos (pino piñonero y resinero) en QGIS Figura 4. Segmentación del algoritmo Segmentation (meanshift) y resultado final en una parcela de pino piñonero en El Hoyo de Pinares (Ávila) Figura 1. Mapa de las parcelas empleadas en el estudio en el centro peninsular (Ávila y Madrid) En zonas en las que la Fcc y tangencia de copas es baja, como en encinares adehesados, los resultados obtenidos son sobresalientes. El principal algoritmo es el Segmentation (meanshift) que se encarga de delinear todos los elementos de la superficie de estudio. En áreas en las que los factores limitantes se ven acrecentados, como en las zonas de pinar, fue necesario desarrollar un flujo de trabajo extendido en el que se añade el complemento Semi-Automatic Classification Plugin de QGIS. Gracias a esta herramienta, puede realizarse una clasificación manual de los diferentes elementos segmentados en la parcela, afinando así el filtrado de estos en el resultado final. Especies objetivo: Encinares (Quercus ilex L.) adehesados en el Suroeste Madrid Pinares de pino piñonero (Pinus pinea L.) y de pino resinero (Pinus pinaster Ait.) en El Hoyo de Pinares, Ávila. Hay cuatro factores que condicionan la calidad de los resultados obtenidos: Fracción de cabida cubierta, tangencia de copas, afloramientos rocosos y efectos derivados de la calidad de la ortofotografía. Mayor FCC, tangencia de copas y afloramientos rocosos empeora la delimitación de las copas impidiendo, a menudo, la individualización de las mismas. Por este motivo, masas abiertas de pino piñonero orientadas a producción de piña obtienen mejores resultados que pinares cerrados de pino resinero orientados a producción de madera.
Transcript of 604.ppt [Modo de compatibilidad] - Congreso Forestal Español · Modelos Digitales de Elevaciones...
![Page 1: 604.ppt [Modo de compatibilidad] - Congreso Forestal Español · Modelos Digitales de Elevaciones (MDE), de Superficies (MDS) y de Altura de la Vegetación (MDHV), se comienza a desarrollar](https://reader034.fdocuments.es/reader034/viewer/2022042521/5f4e439f38bf841c7c714ab1/html5/thumbnails/1.jpg)
HERRAMIENTAS DE LOCALIZACIÓN DE ÁRBOLES INDIVIDUALES CON EL MÓDULO DE PROCESADO DE QGIS A PARTIR DE INFORMACIÓN LIDAR Y ORTOFOTOGRAFÍA AÉREA
FCO JAVIER CANTERO FAUQUIER ¹
1 MONTES. ETSI Montes, Forestal y del Medio Natural. Universidad Politécnica de Madrid.2 Agresta S. Coop. C/ Duque de Fernán Núñez, 2, 1º 28012. Madrid.
JOSÉ LUIS TOMÉ MORÁN ², JOSÉ ALFREDO BRAVO FERNÁNDEZ ¹, ALFREDO FERNÁNDEZ LANDA ²
¿Es posible realizar trabajos de localización e individualización de árboles a partir de archivos de LiDAR y ortofotografía públicos?
OBJETIVO
Este estudio pretende desarrollar una metodología que permita delimitar e individualizar el contorno de las copas de los árboles apostando por programas yarchivos de código libre, de manera que cualquier usuario interesado pueda aplicar los desarrollos generados acercando las nuevas tecnologías enfocadas alcampo de la ordenación y el inventario forestal.
MATERIAL Y METODOS Tras procesar los datos brutos LiDAR del PNOA y obtener losModelos Digitales de Elevaciones (MDE), de Superficies (MDS) yde Altura de la Vegetación (MDHV), se comienza a desarrollar unflujo de trabajo a partir de diferentes algoritmos y herramientasdel Módulo de Procesado de QGIS.
Figura 3. Resultado final en parcelas del encinar adehesado El Monte de Perales (Madrid)
RESULTADOS Y DISCUSIÓN
CONCLUSIONES
La creación de la herramienta automática desarrollada supone un acercamiento de la tecnología LiDAR a través de los SIG al campo de la ingeniería forestal,permitiendo ejecutar de manera automatizada funciones de localización, delimitación e individualización de copas de árboles. Conociendo sus limitaciones, losparámetros de los distintos algoritmos que forman el flujo de trabajo pueden ajustarse para cualquier masa forestal dentro de los mismos.
Una interesante conclusión de esta experiencia es la democratización actual de las nuevas tecnológicas, y la facilidad a la hora de trabajar con programas einformación de código libre, que hoy día pueden competir directamente con otros equivalentes propietarios. El programa QGIS ofrece grandes posibilidadesimpulsado por una comunidad de usuarios que se expande exponencialmente, desarrollando nuevas herramientas y algoritmos de igual manera. Esto, unido a latendencia de liberalización de la información pública motivada por la directiva INSPIRE (Directiva 2007/2/CE), que se traduce en la disponibilidad gratuita paratodo el territorio nacional de la información del PNOA, posibilita la aplicación de esta metodología a todo aquel que esté interesado en la misma.
Queda pendiente la exploración de la herramienta para el desarrollo de automatizaciones para la rodalización de masas forestales, donde consideramos que existeun enorme potencial trabajando con el módulo de procesado de QGIS.
Figura 2. Esquema del flujo de trabajo en pinares mixtos (pino piñonero y resinero) en QGIS
Figura 4. Segmentación del algoritmo Segmentation (meanshift) y resultado final en una parcela de pino piñonero en El Hoyo de Pinares (Ávila)
Figura 1. Mapa de las parcelas empleadas en el estudio en el centro peninsular (Ávila y Madrid)
En zonas en las que la Fcc y tangencia de copas es baja, como enencinares adehesados, los resultados obtenidos son sobresalientes.
El principal algoritmo es el Segmentation (meanshift) que seencarga de delinear todos los elementos de la superficie deestudio.
En áreas en las que los factores limitantes se ven acrecentados, como en las zonas depinar, fue necesario desarrollar un flujo de trabajo extendido en el que se añade elcomplemento Semi-Automatic Classification Plugin de QGIS. Gracias a estaherramienta, puede realizarse una clasificación manual de los diferentes elementossegmentados en la parcela, afinando así el filtrado de estos en el resultado final.
Especies objetivo:Encinares (Quercus ilex L.)adehesados en el SuroesteMadridPinares de pino piñonero(Pinus pinea L.) y de pinoresinero (Pinus pinaster Ait.)en El Hoyo de Pinares, Ávila.
Hay cuatro factores que condicionan la calidad de los resultados obtenidos:Fracción de cabida cubierta, tangencia de copas, afloramientos rocosos y efectosderivados de la calidad de la ortofotografía. Mayor FCC, tangencia de copas yafloramientos rocosos empeora la delimitación de las copas impidiendo, amenudo, la individualización de las mismas. Por este motivo, masas abiertas depino piñonero orientadas a producción de piña obtienen mejores resultados quepinares cerrados de pino resinero orientados a producción de madera.
