Cabrera Inventario LIDAR - aragon.es · • Software libre • FUSION (análisis y visualización)...

Inventario LiDAR

CURSO DE REDACCIN DE INSTRUMENTOS DE GESTIN FORESTAL EN AR AGN

Accin cofinanciada 80% Unin Europea y 20% Gobiern o de Aragn

Jess Cabrera Guarinos

Zaragoza, 3 y 4 de Noviembre de 2016

ndice



Introduccin Datos LiDAR PNOA Metodologa Resultados Limitaciones Conclusiones Retos y oportunidades

Fuente: Vosselman y Maas, 2010



Introduccin

LiDAR: Sensor activo basado en escner laser. Capacidad multiretorno



Introduccin



Introduccin

Tipos de inventario LiDAR: rbol individual

Identificacin de inventario pie a pie Densidad mnima entorno a 5 pulsos/m2



Introduccin

Tipos de inventario LiDAR: Mtodo de masa

Densidad LiDAR PNOA suficiente Muestreo en dos fases con estimador de

regresin

Introduccin



Inventario LiDAR:Muestreo en dos fases con estimador de regresin

1 Fase

Introduccin




2 Fase

Fuente: Rodrguez y Fernndez, 2013

Introduccin




Datos LiDAR PNOA Aragn: Capturados a lo largo de 2010 Densidad promedio de 0,5 pulsos/m2 Archivos formato .laz de 2 x 2 km



Datos LiDAR PNOA



Datos LiDAR PNOA

Datos LiDAR PNOA Aragn: Descargables en el centro nacional de

descargas de informacin geogrfica:

Pulsos clasificados automticamente: Ruido Solapes Vegetacin: baja, media, alta Edificaciones

http://centrodedescargas.cnig.es/CentroDescargas/buscadorCatalogo.do?codFamilia=LIDAR

Procesado: Software libre

FUSION (anlisis y visualizacin) MCC-LIDAR (anlisis) Fugroviewer (visualizacin)

Metodologa



Procesado: Depuracin de la nube de puntos LiDAR

(ruido)

Metodologa



Metodologa



Procesado: Clasificacin de los puntos en suelo y no suelo

Software MCC-LIDAR o FUSION (comando GroundFilter)

Metodologa



Procesado: Generacin de MDE resolucin 1 metro

FUSION (Comando GridSurfaceCreate)

Metodologa




Densidad LiDAR PNOA 1 pulso por cada 2 metros cuadrados

Proceso de interpolacin (errores admisibles no apreciables a simple vista)

Metodologa




Procesado: Normalizacin de la nube de puntos extraccin de

estadsticos


Metodologa



Procesado: Normalizacin de la nube de puntos extraccin de

estadsticos Comando CloudMetrics, estadsticas de cada parcela Comando GridMetrics, estadsticas continuas de toda la

superficie

Metodologa



Estadsticos

Distribucin vertical Percentiles Distribucin horizon tal

Media Varianza Percentil 01 Percentil 60Porcentaje de primeros retornos por encima X

metros

ModaCoef.

variacinPercentil 05 Percentil 70

Porcentaje de retornos por encima de X metros

Desviacin estndar

Rango intercuartlico

kurtosis Asimetra Percentil 50 Percentil 99Porcentaje de primeros

retornos por encima de la media

Fuente: http://forsys.cfr.washington.edu/fusion/FUSION_manual.pdfFuente: Rodrguez y Fernndez, 2013

Procesado: Extraccin de estadsticos

Metodologa



Procesado: Extraccin de estadsticos

FCC (%) Ortofoto

Metodologa





Metodologa

Datos de campo

Datos de campo Planificacin del inventario Adquisicin de los datos de campo Obtencin de variables dasomtricas



Metodologa

Planificacin del inventario de campo: Estratificacin Nmero y tamao de las parcelas Representatividad de la muestra



Metodologa

Planificacin del inventario de campo: Estratificacin

En funcin de la especie Cada especie tiene una morfologa caracterstica que hace que la

distribucin de la nube de puntos LiDAR sea diferente: forma de la copa, poda natural, insercin de las ramas, etc.

Cada especie tiene su propia curva de produccin: Pinus halepensis 11,2 metros de Altura dominante -> 98 m3/ha Pinus sylvestris 11,1 metros de Altura dominante -> 162 m3/ha

No tiene sentido estratificar por calidad de estacin ni por FCC, ya que las variables LiDAR que se introducen en el modelo tienen en cuenta estas variaciones (percentiles y porcentaje de primeros retornos)

Pinus halepensis (30 aos calidad 20) 11,2 metros de Altura dominante -> 98 m3/ha

Pinus halepensis (80 aos calidad 11) 11,2 metros de Altura dominante -> 95 m3/ha

Estratificar si hay cambios de estructura (repoblacin, masa natural, forma principal de masa, etc)



Metodologa


En funcin de la especie (Uso de datos LiDAR)



Metodologa


En funcin de la especie (Uso de datos LiDAR)

Datos de campo




Datos de campo



Planificacin del inventario de campo: Nmero y tamao de las parcelas

Numero de parcelas: En base a la validez estadstica del modelo

Tamao muestral = 20 x (N de variables independientes)

Tamao de las parcelas: Radio 15 metros = 706,86 m2

Numero significativo de retornos LiDAR por parcela

Numero significativo de arboles por parcela

Tamao pixel =Tamao de la parcela Recomendable entre 15 y 30 metros



Metodologa

Planificacin del inventario de campo: Representatividad de la muestra

Divisin en zonas homogneas: Fraccin de cabida cubierta (FCC) Altura dominante (P95) Pendiente Presencia de sotobosque



Metodologa

Fraccin de cabida cubierta (FCC) Porcentaje de primeros retornos (FCC)

Fuente: http://forsys.cfr.washington.edu/fusion/FUSION_manual.pdf

Reclasificacin: Clase 1.000:

Altura dominante Percentil 95 de la altura de la nube de puntos LiDAR




Metodologa

Reclasificacin: Dehesa de los Enebrales:

Clase 100: 15 metros

Vald y Carrilanga: Clase 100: 9,5 metros

Pendiente Mapa de pendientes MDE LiDAR

Reclasificacin: Clase 10:

Presencia de sotobosque Densidad de retornos entre 1,5 y 6

metros de altura respecto del total

Reclasificacin: Clase 1: 15% (presencia de sotobosque).



Metodologa

Asignacin de parcelas por categoras

Categora Superficie (ha) N parcelas

1.xxx 83,3 1

3.121 70,9 7

3.122 43,8 4

3.132 40,3 4

3.131 31,2 3

3.111 30,8 3

3.221 30,1 3

4.121 29,6 3

2.132 28,3 3

3.231 27,4 3

2.122 21,4 2

3.112 18,3 2

2.121 16,6 2

4.111 15,0 1

3.232 12,3 1

4.221 12,1 1

Total 626,3 52

Categora Superficie (ha) N parcelas

1.xx0 42,9 13.220 11,8 14.220 8,9 12.120 8,3 13.120 7,8 13.230 7,1 12.130 4,9 14.210 4,7 13.210 4,7 12.220 3,9 02.110 3,8 0

2.230 3,8 0

3.110 3,6 0

3.130 2,8 0

2.210 1,8 0

4.230 1,7 0

Total 123,1 9

Dehesa de los Enebrales Vald y Carrilanga



Metodologa

Distribucin de parcelas Dirigida a cada categora y aleatoria dentro de cada

una Eliminacin efecto borde



Metodologa

Adquisicin de los datos de campo Parcelas de campo:

61 parcelas inventariadas entre junio y julio de 2013

Localizacin exacta del centro de la parcela, precisin submtrica en la localizacin del 95% de las parcelas (es necesario?)

Medicin de variables: Dimetros normales Seleccin aleatoria de 4 rboles tipo por

parcela: Medicin de la altura Medicin de la altura de la primera rama viva

Aspectos generales de la parcelaCURSO DE REDACCIN DE INSTRUMENTOS DE GESTIN FORESTAL EN AR AGN


Metodologa



Metodologa

Modelos de estimacin Variables originales y transformadas logartmicamente Combinacin de variables

Metodologa



Modelos de estimacin Seleccin de variables y ajuste de modelos

Preseleccin de estadsticos LiDAR Seleccin mtodo paso a paso software R Ajuste del modelo por mnimos cuadrados

Cumplimiento de hiptesis bsicas regresin lineal Seleccin del modelo

Estadsticos de bondad del ajuste

Metodologa



Modelos de estimacin Validacin

Validacin cruzada (sin muestra test) Comparacin del coeficiente de

determinacin corregido, del sesgo y de la raz de la media cuadrtica de los errores

Metodologa



Resultados



Errores



Error de la estimacin:

t= t de Student al 95% de probabilidad Sv= Desviacin tpica del estimador por regresin

De forma simplificada:

Errores



Error de la estimacin Inventario LiDAR -> Volumen -> 3,2%

61 parcelas R2=0,867 12000 pixeles (750 ha)

Inventario tradicional -> Volumen -> 9,7% 61 parcelas Desviacin tpica 41 m3/ha Media 105 m3/ha

Errores



Error de la estimacin Inventario LiDAR-> Volumen -> 3,1%

61 parcelas R2=0,867 3.613.120 pixeles (225.820 ha)

La muestra es representativa? El rango muestral recoge la variabilidad de la poblacin?

Errores



Error de la estimacin Planificacin adecuada del inventario

Muestra representativa Recoja toda la variabilidad de la poblacin

Limitaciones



Limitaciones: Inventario de masas irregulares pie a pie?

Pies dominados o sumergidos Regeneracin

La distribucin diamtrica Mtodo tradicional, mediando los datos de las

parcelas inventariadas

Datos LiDAR PNOA



Limitaciones: Cambios en la cubierta vegetal desde 2010

Limitaciones: Errores solapes de vuelos



Datos LiDAR PNOA

Vista general del Percentil 95 de la altura de la nube de puntos LiDAR en la zona de los montes de Zuera, bandeado de magnitud variable

Limitaciones: Errores solapes de vuelos



Datos LiDAR PNOA

Limitaciones: Solapes doble densidad de puntos

Diferencia en la precisin MDE

Ortofoto Perfil puntos LiDAR



Datos LiDAR PNOA

Limitaciones: Sotobosque bajo masas densas (Incluso MDE)



Datos LiDAR PNOA

Limitaciones: Diferenciacin suelo en matorrales regulares densos

Imagen Parcela Perfil puntos LiDAR



Datos LiDAR PNOA

Conclusiones



Resultados a escala de mucho detalle Utilidad para la estratificacin de la masa Obtencin de un MDE de precisin Mejora los errores de estimacin del inventario

tradicional Reduce el nmero de parcelas necesarias Buenas estimaciones para Volumen, AB, alturas

(variables no dependientes de la gestin Ley de Assmann)

En general, y sobre masas que han soportado diferentes intensidades de cortas, peor estimacin en pies/ha y dimetro medio.

Retos y oportunidades



Inventario de grandes superficies Aprovechar que tenemos informacin de todo

Aragn Oportunidad de obtener inventarios peridicos

Muestreo representativo Recoger toda la variabilidad posible: desde masas

jvenes a masas extra maduras

Nuevo vuelo LiDAR??

Bibliografa



Andersen, H. E., McGaughey, R. J. y Reutebuch, S. E. (2005). Estimating forest canopy fuel parameters using LiDAR data. Remote Sensing of Environment, Vol. 94 (4), pp. 441-449.

Baskerville, G.L. (1972). Use of logarithmic regression in the estimation of plant biomass. Can. J. For. Res. 2, 49-53.

Cochran, W. (1963): Tcnicas de muestreo. Continental S.A, Mexico D.F. Conds, S., Fernndez-Landa, A. y Rodrguez, F. (2013). Influencia del inventario de campo en

el error de muestreo obtenido en un inventario con tecnologa LiDAR. 6 Congreso Forestal Espaol, Vitoria, junio de 2013.

Diguez-Aranda, U., Barrio Anta, B., Castedo Dorado F. y lvarez Gonzlez, J. G. (2005). Relacin altura-dimetro generalizada para masas de Pinus sylvestris L. procedentes de repoblacin en el noroeste de Espaa. Invest Agrar: Sist Recur For, Vol. 14(2), pp. 229-241.

FAO (2004). National forest inventory. Field manual. Working Paper 94/E. Roma. Disponible en http://www.fao.org/docrep/008/ae578e/ae578e06.htm (ltimo acceso 8 de noviembre de 2013).

Garca, A. (1992). Estadstica Aplicada: Conceptos Bsicos. Madrid, Editorial UNED. Garca, D. (2010). Estimacin de variables de inters forestal basada en datos LIDAR en el

monte nmero 117 del C.U.P. Trmino Municipal de Cuenca. Madrid, Universidad Politcnica de Madrid.

Garca, M., Riao, D., Chuvieco, E. y Danson, F. M. (2010). Estimating biomass carbon stocks for a Mediterranean forest in central Spain using LiDAR height and intensity data. RemoteSensing of Environment, Vol. 114 (4), pp.816-830.

Hopkinson, C.; Chasmer, L. (2009). Testing LiDAR models of fractional cover across multipleforest ecozones. Remote Sensing of Environment 113: 275-288.

Hyypp, J. e Inkinen, M. (1999). Detecting and estimating attributes for single trees using laser scanner. The Photogrammetric Journal of Finland, Vol. 16 (2), pp. 27-42.

Kraus, K. y Pfeifer, N. (1998). Determination of terrain models in wooded areas with airbornelaser scanner data. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 53(4), pp.193-203.

Kozak, A. y Kozak, R.A. (2003). Does cross validation provide additional information in theevaluation of regression models? Can. J. For. Res. 33: 976987.

Li, Y., Andersen, H.-E. y McGaughey, R. (2008). A comparison of statistical methods forestimating forest biomass from light detection and ranging data. Western Journal of AppliedForestry, Vol. 23 (4), pp.223-231.

Montealegre, A, Lamelas, M.T., Tanase, M. y De la Riva, J. (2013): Forest fire severityassessment using LiDAR data in a Mediterranean environment. Proceedings of the 9th EARSeLForest Fire Special Interest Group Workshop. Coombe Abbey, Warwickshire, UK, 15-17 October 2013, pp. 107-111.

Myers, R. H. (1990). Classical and Modern Regression with Applications. PWS-Kent Publishing Company.

Nsset, E. (2002). Predicting forest stand characteristics with airborne scanning laser using a practical two-stage procedure and field data. Remote Sensing of Environment, Vol. 80 (1), pp. 8899.

Nsset, E. (1997). Determination of mean tree height of forest stands using airborne laser scanner data. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 52 (2), pp. 4956.

Bibliografa



Ojeda, J.C. (2011). PNOA- LiDAR Plan Nacional de Ortofotografa Area. Mesa redonda de Globalgeo 2011 Barcelona: Saln Internacional de la Geomtica y Geotelemtica, Barcelona, Espaa. Disponible en http://www.ign.es/PNOA/docum/Mesa_redonda_GlobalGeo2011.pdf (ltimo acceso 14 de noviembre de 2013).

Popescu, S. C. (2007). Estimating biomass of individual pine trees using airborne LiDAR. Biomass & Bioenergy, Vol. 31 (9), no. 9, pp. 646-655.

Riao, D., Chuvieco, E., Conds, S., Gonzlez-Matesanz, J., Ustin, S.L. (2004). Generation of crown bulk density for Pinus sylvestris L. from lidar. Remote Sens. Environ.92, 345-352.

Rodrguez, F y Fernndez, A. (2013). Introduccin a la tecnologa y visualizacin de datos. Material docente del Curso prctico de Aplicaciones Forestales de la Tecnologa LIDAR. Agresta S. Coop. y Dielmo 3D.

Sprugel, D. G. (1983). Correcting for Bias in Log-Transformed Allometric Equations. Ecology64:209210.

Vosselman, G. & Maas, H. G. (2010). Airborne and Terrestrial Laser Scanning. Dunbeath: Whittles publishing.

Bibliografa



Muchas gracias por su atencin!

Jess Cabrera Guarinos

Asistencia tcnica SARGA en

DIRECCIN GENERAL DE GESTIN FORESTAL, CAZA Y PESCA

Plaza San Pedro Nolasco, 7 (Edif. Maristas), 1 planta

50.071 Zaragoza

[email protected]

[email protected]

Zaragoza 3 y 4 noviembre 2016

Inventario LiDAR



Cabrera Inventario LIDAR - aragon.es · • Software libre • FUSION (análisis y visualización)...

Documents

Transcript of Cabrera Inventario LIDAR - aragon.es · • Software libre • FUSION (análisis y visualización)...