• Título:  APLICACIONES FORESTALES DE LOS DATOS LIDAR-PNOA EN AMBIENTE MEDITERRÁNEO: SU FILTRADO E INTERPOLACIÓN Y EL MODELADO DE PARÁMETROS ESTRUCTURALES CON APOYO EN TRABAJO DE CAMPO
• Autor:  Montealegre Gracia, Antonio Luis
• Universidad:  Universidad de Zaragoza
• Departamento:  Geografía y ordenación del territorio
• Fecha de Lectura:  19/05/2017
• Programa de doctorado:  Programa Oficial de Doctorado en Ordenación del Territorio y Medio Ambiente
• Dirección: 
  • LAMELAS GRACIA, MARÍA TERESA (DIRECTOR)
  • DE LA RIVA FERNÁNDEZ, JUAN (DIRECTOR)
• Tribunal: 
  • CHUVIECO SALINERO, EMILIO (PRESIDENTE)
  • PÉREZ CABELLO, FERNANDO (SECRETARIO)
  • MIRANDA BARROS, DAVID (VOCAL)
• Descriptores: 
  • TELEDETECCION
  • SISTEMAS DE INFORMACION GEOGRAFICA
  • INCENDIOS FORESTALES
  • PRODUCTOS FORESTALES
• Localización:  UNIVERSIDAD DE ZARAGOZA
• http://zaguan.unizar.es/record/61353
• Resumen:
  Antes de que surgiera la tecnología LiDAR (Light Detection and Ranging) aeroportada comercial de pulsos discretos y huella pequeña ¿también conocida como ALS (Airborne Laser Scanner)¿ allá por los años 90 del siglo XX y el uso de los datos fuera accesible para los investigadores en materia forestal, la mayoría de los estudios para derivar parámetros estructurales de la vegetación utilizaban sensores de teledetección ópticos ¿que solo proporcionan información espectral sobre la cubierta vegetal¿ y en menor medida sensores SAR (Systhetic Aperture Radar) ¿que aportan información relacionada con la estructura del dosel¿ debido a la sensibilidad de las microondas. Sin embargo, con la disponibilidad de datos LiDAR capturados para todo el territorio español en el marco del Plan Nacional de Ortofotografía Área (PNOA) ¿desde el año 2011 para la Comunidad Autónoma de Aragón¿ se ha abierto una nueva y fructífera línea de investigación. En esta tesis doctoral se ha hecho uso de dichos datos públicos para estimar parámetros estructurales relacionados con la vegetación, con apoyo en trabajo de campo para la calibración y la validación de los resultados. El tema de trabajo incorpora, además, dos aspectos que le confieren dificultad y complejidad, pero que, al mismo tiempo, le dotan de un interés añadido: en relación con los datos utilizados, la baja densidad de las nubes de puntos; respecto del área de estudio, sus características ambientales típicamente mediterráneas, de topografía accidentada y con formaciones forestales perennifolias, morfológicamente heterogéneas. La tesis se presenta como un compendio de cuatro artículos científicos que secuencialmente dan respuesta al objetivo principal planteado; a ellos se han añadido dos comunicaciones a congresos que profundizan todavía más en él. En primer lugar, se realizó un análisis comparativo de algoritmos de filtrado implementados en software libre con objeto de seleccionar el más adecuado para el área de estudio. En segundo lugar, se investigó sobre la idoneidad de los métodos de interpolación para generar modelos digitales de elevaciones (MDE), necesarios para la normalización de la altura de la nube de puntos. En tercer lugar, se modelaron parámetros estructurales de la vegetación a partir de métodos de regresión lineal y logística múltiples. Estas técnicas permiten, por una parte, el ajuste de modelos basados en la relación de datos estimados en parcelas de campo y datos derivados de las nubes de puntos LiDAR y, por otra, la cartografía de un conjunto de variables dasométricas (altura media de la masa forestal, diámetro cuadrático medio de los fustes, área basimétrica, volumen, densidad de pies de arbolado, ratio de copa y biomasa) y el impacto del fuego forestal sobre la estructura de la vegetación (severidad post¿fuego). Por último se generó, mediante técnicas de clasificación digital, un mapa de alta resolución espacial de modelos de combustible forestal basado en la combinación de datos LiDAR y de una imagen óptica multiespectral. Los resultados y conclusiones que se derivan de la investigación indican que la utilización de filtros basados en superficies, especialmente del algoritmo de curvatura multiescala, así como de métodos de interpolación como el ¿punto¿TIN¿raster¿ constituyen la mejor opción, frente al resto de metodologías existentes, para tratar nubes de puntos de baja densidad en ambientes mediterráneos, si bien parece que existe una cierta dependencia en relación con las características particulares de la zona de estudio. La aplicación de modelos de regresión lineal y logística ha revelado la existencia de una elevada relación entre el dato de campo y la capacidad explicativa de las variables derivadas de los retornos LiDAR relacionadas con la estructura de la vegetación, lo que ha permitido estimar diversas variables de inventario forestal a nivel de masa, útiles para los gestores del bosque, así como cartografiar el impacto del fuego sobre la estructura de la vegetación. Por otra parte, a la espera de la madurez en el desarrollo de nuevos sensores LiDAR multiespectrales, la combinación de sensores activos y pasivos es una buena alternativa para la obtención de una cartografía precisa sobre los tipos de combustibles forestales de un ecosistema mediterráneo continental. Referencias bibliográficas: Arroyo, L.A., Pascual, C., & Manzanera, J.A. (2008). Fire models and methods to map fuel types: the role of remote sensing. Forest Ecology and Management, 256, 1239¿1252. doi:10.1016/j.foreco.2008.06.048 ASPRS (2016). LASer File Format Exchange Activities [en línea]. [Consulta: 12 de diciembre de 2016]. Disponible en web: <https://www.asprs.org/committee-general/laser-las-file-format-exchange-activities.html> Bater, C.W., & Coops, N.C. (2009). Evaluating error associated with LiDAR-derived DEM interpolation. Computers and Geosciences, 35, 289¿300. doi:10.1016/j.cageo.2008.09.001 Chuvieco, E. (2009). Earth observation of wildland fires in Mediterranean ecosystems. Springer, Alcalá de Henares, 257 pp. Chuvieco, E. (2010). Teledetección ambiental. La observación de la Tierra desde el espacio. Ariel Ciencia, Barcelona, 594 pp.. Evans, J., & Hudak, A. (2007). A multiscale curvature algorithm for classifying discrete return LiDAR in forested environments. IEEE Transactions on Geoscience and Remote Sensing, 45, 1029¿1038. doi:10.1109/TGRS.2006.890412 García, M., Riaño, D., Chuvieco, E., & Danson, F.M. (2010). Estimating biomass carbon stocks for a Mediterranean forest in central Spain using LiDAR height and intensity data. Remote Sensing of Environment, 114, 816¿830. doi:10.1016/j.rse.2009.11.021 Gonzalez-Ferreiro, E., Dieguez-Aranda, U., & Miranda, D. (2012). Estimation of stand variables in Pinus radiata D. Don plantations using different LiDAR pulse densities. Forestry, 85, 281¿292. doi:10.1093/forestry/cps002 González-Olabarria, J.-R., Rodríguez, F., Fernández-Landa, A., & Mola-Yudego, B. (2012). Mapping fire risk in the Model Forest of Urbión (Spain) based on airborne LiDAR measurements. Forest Ecology and Management, 282, 149¿156. doi:10.1016/j.foreco.2012.06.056 Hyyppä, H., Yu, X., Hyyppä, J., Kaartinen, H., Kaasalainen, S., Honkavaara, E., & Rönnholm, P. (2005). Factors affecting the quality of DTM generation in forested areas. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 36, 85¿90. Lim, K., Treitz, P., Wulder, M., St-Onge, B., & Flood, M. (2003). LiDAR remote sensing of forest structure. Progress in Physical Geography, 27, 88-106. doi: 10.1191/0309133303pp360ra Lloyd, C.D., & Atkinson, P.M. (2006). Deriving ground surface digital elevation models from LiDAR data with geostatistics. International Journal of Geographical Information Science, 20, 535¿563. doi:10.1080/13658810600607337 Maltamo, M., Næsset, E., & Vauhkonen, J. (2014). Forestry Applications of Airborne Laser Scanning: Concepts and Case Studies. Springer, London, 464 pp. Meng, X., Currit, N., & Zhao, K. (2010). Ground filtering algorithms for Airborne LiDAR Data: A review of critical issues. Remote Sensing, 2, 833¿860. doi:10.3390/rs2030833 Montorio, R., Pérez-Cabello, F., García-Martín, A., Vlassova, L., & de la Riva, J. (2014). La severidad del fuego: revisión de conceptos, métodos y efectos ambientales. In: Geoecología, cambio ambiental y paisaje: homenaje al profesor José María García Ruiz. Instituto Pirenaico de Ecología, Universidad de La Rioja, pp. 427¿440. Næsset, E., & Gobakken, T. (2008). Estimation of above- and below-ground biomass across regions of the boreal forest zone using airborne laser. Remote Sensing of Environment, 112, 3079¿3090. doi:10.1016/j.rse.2008.03.004 Renslow, M. (2013). Manual of airborne topographic LiDAR. The American Society for Photogrammetry and Remote Sensing, Bethesda, 504 pp. Reutebuch, S.E., Andersen, H.-E., & McGaughey, R.J. (2005). Light Detection and Ranging (LiDAR): an emerging tool for multiple resource inventory. Journal of Forestry, 103, 286-292. Riaño, D., Chuvieco, E., Salas, J., Palacios-Orueta, A., Bastarrika, A. (2002). Generation of fuel type maps from Landsat TM images and ancillary data in Mediterranean ecosystems. Canadian Journal of Forest Research, 32, 1301¿1315. doi:10.1139/x02-052 Riaño, D., Meier, E., Allgöwer, B., Chuvieco, E., & Ustin, S.L. (2003). Modeling airborne laser scanning data for the spatial generation of critical forest parameters in fire behavior modeling. Remote Sensing of Environment, 86, 177¿186. doi:10.1016/s0034-4257(03)00098-1 Rosette, J., Suárez, J., Nelson, R., Los, S., Cook, B., & North, P. (2012). LiDAR remote sensing for biomass assessment. In: T., Fatoyinbo (Ed.), Remote sensing of biomass: Principles and applications. InTech, Rijeka, Croatia, pp. 3¿26. Ruiz-Peinado, R., del Rio, M., & Montero, G. (2011). New models for estimating the carbon sink capacity of Spanish softwood species. Forest Systems, 20, 176-188. doi:10.5424/fs/2011201-11643 Sithole, G., & Vosselman, G. (2004). Experimental comparison of filter algorithms for bare-Earth extraction from airborne laser scanning point clouds. ISPRS Journal of Photogrammetry and Remote Sensing, 59, 85¿101. doi:10.1016/j.isprsjprs.2004.05.004 Smith, S.L., Holland, D.A., & Longley, P.A. (2004). The importance of understanding error in LiDAR digital elevation models. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 35, 996¿1001. Smre¿ek, R., & Danihelová, Z. (2013). Forest stand height determination from low point density airborne laser scanning data in Roznava Forest enterprise zone (Slovakia). IForest - Biogeosciences and Forestry, 6, 48-54. doi:10.3832/ifor0767-006 Stere¿czak, K., & Kozak, J. (2011). Evaluation of digital terrain models generated in forest conditions from airborne laser scanning data acquired in two seasons. Scandinavian Journal of Forest Research, 26, 374¿384. doi:10.1080/02827581.2011.570781 Sterenczak, K., Ciesielski, M., Balazy, R., & Zawila-Niedzwiecki, T. (2016). Comparison of various algorithms for DTM interpolation from LiDAR data in dense mountain forests. European Journal of Remote Sensing, 49, 599¿621. doi:10.5721/EuJRS20164932 Streutker, D.R., & Glenn, N.F. (2006). LiDAR measurement of sagebrush steppe vegetation heights. Remote Sensing of Environment, 102, 135¿145. doi:10.1016/j.rse.2006.02.011 Su, J., & Bork, E. (2006). Influence of vegetation, slope and LiDAR sampling angle on DEM accuracy. Photogrammetric Engineering and Remote Sensing, 72, 1265¿1274. doi: 10.14358/PERS.72.11.1265 Tanase, M.A., de la Riva, J., & Pérez-Cabello, F. (2011). Estimating burn severity at the regional level using optically based indices. Canadian Journal of Forest Research, 41, 863¿872. doi:10.1139/x11-011 Vosselman, G. (2000). Slope based filtering of laser altimetry data. International Archives of Photogrammetry and Remote Sensing, 33, 935¿942. Vosselman, G., & Maas, H.-G. (2010). Airborne and Terrestrial Laser Scanning. Whittles Publishing, Dunbeath, Escocia, 318 pp: Watt, M.S., Adams, T., Watt, P., & Marshall, H. (2013). Influence of stand and site conditions on the quality of digital elevation models underlying New Zealand forests. New Zealand Journal of Forestry Science, 43, 1-9. doi:10.1186/1179-5395-43-5 Wehr, A., & Lohr, U. (1999). Airborne laser scanning--an introduction and overview. ISPRS Journal of Photogrammetry and Remote Sensing, 54, 68-82. doi:10.1016/s0924-2716(99)00011-8 Wulder, M.A., White, J.C., Nelson, R.F., Næsset, E., Ørka, H.O., Coops, N.C., Hilker, T., Bater, C.W., & Gobakken, T. (2012). LiDAR sampling for large-area forest characterization: A review. Remote Sensing of Environment, 121, 196¿209. doi:10.1016/j.rse.2012.02.001 Zhang, K., Chen, S., Whitman, D., Shyu, M., Yan, J., Zhang, C., & Member, S. (2003). A progressive morphological filter for removing nonground measurements from Airborne LiDAR Data. IEEE Transactions on Geoscience and Remote Sensing, 41, 872¿882. doi:10.1109/TGRS.2003.810682 Zhang, K., & Whitman, D. (2005). Comparison of three algorithms for filtering airborne lidar data. Photogrammetric Engineering and Remote Sensing, 71, 313¿324. doi:10.14358/PERS.71.3.313 Zhang, J., & Lin, X. (2013). Filtering airborne LiDAR data by embedding smoothness-constrained segmentation in progressive TIN densification. ISPRS Journal of Photogrammetry and Remote Sensing, 81, 44¿59. doi:10.1016/j.isprsjprs.2013.04.001