Español (pdf)
Articulo en XML
Referencias del artículo
Traducción automática
Enviar articulo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Tradicionalmente, los inventarios forestales se diseñaban para cubrir las necesidades de información relacionadas con la tala. En muchos países, estos datos se recogen en parcelas de muestreo para inferir sobre la población forestal. Según 1, estas parcelas pueden ser de forma circular, rectangular o lineal, y varían en tamaño desde los 100 m² hasta los 800 m², dependiendo de los objetivos básicos del levantamiento 2.
La altura (H) y el diámetro a la altura del pecho (DAP) son los parámetros más importantes medidos en un inventario con fines comerciales 3. Actualmente, estos datos se obtienen de la manera tradicional, mediante salidas al campo con un equipo capacitado, lo que requiere mano de obra, costos y tiempo. Se necesitan nuevos métodos que sean eficaces y eficientes, y que permitan obtener información detallada y actualizada, caracterizando la estructura y los componentes del bosque 4. A medida que la demanda de inventarios forestales continúa aumentando en un contexto de recursos financieros reducidos, las tecnologías de teledetección desempeñan un papel cada vez más importante 5. Aunque existen diferentes satélites que permiten obtener datos relevantes sobre un bosque, cuando se requieren datos biométricos con alta precisión es necesario utilizar otros equipos, como el LiDAR (Light Detection and Ranging). Sin embargo, el uso de esta tecnología está limitado debido a sus altos costos 6.
La fotogrametría digital ha evolucionado rápidamente en los últimos años, con la disponibilidad de software que utiliza algoritmos sofisticados para el procesamiento y extracción de datos 7. Estos algoritmos comienzan con la extracción automática de puntos clave en las imágenes, los cuales son identificados y emparejados entre sí. Posteriormente, se realizan ajustes de paquetes para calcular simultáneamente los parámetros de la cámara y generar un nuevo conjunto de puntos en 3D 8.
39. 40.La compresión de las dinámicas de las masas forestales es fundamental para su correcta gestión y ordenación, en ocasiones no basta con un inventario cualitativo, siendo necesaria una valoración cuantitativa, mediante la estimación de variables dasométricas 9.
10 menciona que el inventario forestal es el método más usado para medir y registrar los datos del bosque, el procesamiento de los datos obtenidos permite obtener información de cantidad y calidad del arbolado, el procesamiento de los datos obtenidos permite obtener información cantidad y calidad del arbolado, todas estas características requeridas para un inventario, generan problemas para evaluar una superficie forestal de grandes extensiones, no siempre se cuenta con los elementos necesarios para llevar a cabo; según 11 la forma de la distribución de las muestras es en gran parte del éxito del inventario forestal. Los drones se están utilizando para vigilar el estado de la sequía en los bosque y áreas naturales 12. Las aplicaciones RPAS, tal como la fotogrametría y topografía están plenamente operativas, consiguiendo un gran ahorro de tiempo y costos reduciendo los riesgos personales escenarios de acceso difícil o peligroso 13. El marcado avance en la tecnología y la disminución en los costos de adquisición ha permitido el uso de drones en el ámbito civil lo que se espera tenga grandes beneficios a la sociedad 14.
Otro problema ligado al tamaño de muestra son los altos costos del muestreo, ya que pequeños incrementos en precisión lo elevan considerablemente. Actualmente los vehículos aéreos no tripulados o también conocidos como drones han generado mucho interés por sus múltiples aplicaciones 15. Así como usos y tendencias de los VANT en los principales estudios científicos forestales favorecerá a potencializar los alcances en ciertas líneas de investigación forestal 16. Además, los costos y el conocimiento requerido para su implementación han disminuido constantemente debido a los avances rápidos en el desarrollo de unificación de hardware y software 17. Por ejemplo, los drones pueden ofrecer imágenes de alta calidad y alta resolución en días nublados 18.
45. 46.Mediante técnicas de procesamiento fotogramétricos AP-navegan, como la estructura de los algoritmos de movimiento, los vehículos aéreos no tripulados (drones) permiten una adquisición de datos hipertemporal e hiperespacial de nubes de puntos 3D 19. Por lo tanto, los drones han demostrado ser valiosas plataformas para las cámaras métricas, que permiten crear nubes de puntos fotogramétricos a través de la estructura de la técnica de movimiento de montaje; de tal manera se puede generar ortofotos, modelos e imágenes 3D con alta resolución. Actualmente se han hecho estudios recientes que han demostrado la capacidad de los drones, usados en los inventarios forestales 20 un ejemplo de un estudio hecho en frailejones en Carchi para la estimación de alturas 21. Los drones pueden ofrecer imágenes de alta calidad y alta resolución en días nublados 22.
Gracias a estas herramientas se pueden caracterizar de manera eficiente en escalas de centímetros los diferentes estratos forestales 23. Las grandes cantidades de datos recopilados por los vehículos aéreos no tripulados equipados con sensores a bordo pueden ayudar a proporcionar información 24. El objetivo del presente trabajo fue evaluar la capacidad de las nuevas tecnologías fotogramétricas para la estimación de una de las variables dasométricas forestales de un inventario en rodales sin manejo, con vehículos aéreos no tripulados (drones).
II. MATERIAL Y MÉTODOS
La presente investigación se desarrolló en una plantación forestal ubicada en la parroquia San Juan, cantón Riobamba, provincia de Chimborazo. La ubicación geográfica es 9 819 065 Norte, 749 464 Este (UTM, Zona 17S, Datum WGS84) y a una altitud de 3 268 msnm. La temperatura promedio anual es de 12°C, precipitación promedio anual de 800-1000 mm, velocidad del viento 3,4 Km/h. Corresponde a Bosque húmedo montano. Suelo franco -arenoso, topografía con pendientes irregulares hasta el 40%.
Mediante un reconocimiento de la plantación por los 2 rodales coetáneos, se ubicaron y georreferenciaron árboles a ser objeto de medición generando un mapa con el Software ArcGIS 10.6.1. 2.1(Figura 1)
Actividades previas para la recolección de datos
Durante la implementación del experimento, se podaron árboles para asegurar una mejor movilidad del equipo, eliminando obstáculos durante su uso con los diferentes tipos de Dron. Luego, cada uno de los árboles fue marcado con una franja de espray de color rojo a la altura del pecho (1,30 m). Esta marca permite una mayor visualización de la nube de puntos generada durante el procesamiento por un software específico.
Medición de alturas
En este estudio se midió la altura total de una muestra de 30 árboles tomando como referencia el estudio realizado por 25. Se escogieron 15 árboles en el rodal joven (6 años) y 15 árboles en el rodal adulto (25 años) los cuales fueron seleccionados de forma aleatoria dentro de toda el área de investigación. El equipo de medición utilizado fue el clinómetro digital haglof y con un distanciómetro marca Leica D5 se midió la distancia del punto del observador al árbol.
Obtención de imágenes de dron y puntos de control
Para las fotografías se utilizó el dron Mavic Air 2, del cual las características son: cámara de 48 megapíxeles en fotografía, resolución de video 4k, distancia de vuelo 6 km, tiempo de vuelo 20 min, con una estación RTK de marca Trimble se tomó 5 puntos de control considerando las irregularidades del terreno.
Planificación y ejecución del vuelo con UAV
La planificación del vuelo se lo realizó mediante la aplicación Dronelink. Para la planificación se consideró una altura de 90 metros, que proporcionó un tamaño de pixel 2.77 cm y un traslape vertical y horizontal del 80% entre fotografías. El vuelo tuvo un tiempo de duración de 10:08 minutos, cubrió aproximadamente 1 hectárea y se utilizó una batería. El resultado final del vuelo generó 120 fotografías.
Puntos de control en tierra - GCP
Los puntos de control terrestre son ubicaciones específicas en el área de interés que tienen coordenadas conocidas. Estos puntos se establecen principalmente para proporcionar información valiosa en los procesos de georreferenciación de objetos o fenómenos espaciales, según las necesidades y características de cada proyecto 26.
Para obtener las coordenadas geográficas se emplearon tres unidades receptoras GNSS (Sistema Global de Navegación por Satélite) L1/ L2 de doble frecuencia. Un receptor GNSS se usa como base durante 4 horas de adquisición, mientras que los otros dos funcionan como receptores móviles (hover), con un tiempo de adquisición de 15 minutos, y se distribuyen en cada vértice. La base se colocó a 60 metros de la posición de la unidad móvil.
Validación
Para la comparación o validación de los datos del dron se realizó un muestreo simple al azar, seleccionando una muestra de n=15 árboles/rodal del censo del procesamiento de las imágenes con dron (Figura 2). Físicamente se fue a cada rodal para medir alturas totales (m) para la comprobación.
Estimación de alturas de árboles
Para el cálculo de las alturas de árboles de pino se utilizó la metodología propuesta por 27 en cuanto a la diferencia del DSM y DTM. A través de la información proporcionada por el DSM y DTM, se realizó el siguiente procedimiento en Arcgis:
1.- Se identificó los árboles de pino medidos en campo, y se los señalo mediante un archivo shapefile tipo “punto”.
Se utilizó la herramienta “Extract Multi Values to points” ubicada en la caja de herramientas “ArcToolBox”. En el cuadro de diálogo de la herramienta se insertó el archivo shapefile, y los 2 archivos ráster (DSM y DTM) (Figura 2). Esta herramienta permite obtener las altitudes correspondientes a ese punto, obteniéndolas del DSM y del DTM.
Finalmente, en la tabla de atributos del shapefile se creó un nuevo campo, donde, mediante el uso de la calculadora de campo, se restó los valores obtenidos del DSM y del DMT. Este valor, producto de la resta entre la altitud del DSM y DTM (en unidades de metros sobre el nivel del mar -msnm-), es la altura del árbol.
Validación del modelo digital con las alturas medidas en campo
Para la validación de las alturas obtenidas en el modelo digital se realizó en el software RStudio, siguiendo la metodología de 28
Herramienta “Extract Multi Values to Points”. Figura 2. Izq: DSM. Der: DTM. 56 1. Se escogieron 80 plantas de forma aleatoria para realizar una regresión lineal entre las alturas en campo y las generadas en el modelo, con la finalidad de obtener una ecuación que permita obtener los valores predichos de altura.
Se realizó una gráfica entre valores ajustados y residuos estandarizados de la regresión lineal para analizar la presencia de valores atípicos en el conjunto de datos. Los valores atípicos fueron eliminados y se realizó una nueva regresión lineal para obtener la ecuación. El conjunto de datos fue evaluado nuevamente con la gráfica de valores ajustados y residuos estandarizados.
La ecuación obtenida fue aplicada en las 20 plantas restantes, utilizando la información de alturas del modelo digital. A partir de los resultados obtenidos de alturas predichas de estas 20 plantas, y usando sus respectivas alturas obtenidas en campo, se calculó la Raíz del Error Cuadrático Medio (RMSE), el cual es un parámetro que permite medir el error existente entre 2 conjuntos de datos
Se utilizó las pruebas de Shapiro - Wilk, Kolmogorov y Jarque Bera para evaluar la normalidad de los residuales de la regresión. Si el valor de significancia (p) es menor a 0.05 (confianza del 95%), significará que los residuales no poseen una distribución normal, y que los parámetros del modelo no son exactos.
Además, mediante un análisis de la gráfica resultante entre los residuales y los valores ajustados de la regresión se evaluó la hipótesis de homocedasticidad.
III. RESULTADOS Y DISCUSIÓN
Obtención del procesamiento de imágenes y generación de DTM.
Como resultados del procesamiento de imágenes en el software Pix4D se obtuvo la ortofotografía del área de estudio, la cual fue cargada en ArcGIS 10.6.1 con la identificación de los puntos de control y de la muestra de 41 árboles de Pinus radiata D. DON medidos en campo. Además, mediante el procesamiento de las fotografías aéreas se obtuvo el DSM (Figura 4) y a partir de los puntos topográficos en campo el DTM (Figura 3) 29.
Los puntos de control tienen una precisión muy alta, que varía de milímetros a centímetros, lo que asegura una buena geolocalización de cada bloque respecto a su ubicación real. Al observar la resolución espacial del GSD en un proyecto fotogramétrico (Distancia de prueba de fuente), se puede ver que es mejor que la obtenida en el procesamiento de los GCP. Sin embargo, una menor calidad en los GCP puede ocasionar una pérdida de calidad en la nube de puntos generada por el proyecto.
Los GCP con menor precisión pueden introducir errores en el modelo generado. Esto ya ha sido observado por la medición del volumen de troncos. No obstante, aunque los valores de precisión de los GCP sean en milímetros y mejores que la resolución GSD, los resultados de la medición tienden a mejorar. Por lo tanto, para el proyecto en cuestión, es crucial utilizar GCP de alta precisión, especialmente cuando se considera una pequeña distancia entre los receptores GNSS Base y Hover, lo que aumenta las probabilidades de un buen procesamiento de la posición adoptada.
Validación de alturas del modelo digital frente a los datos tomados en campo con una prueba T.
Se realizó una prueba T para una muestra para determinar si la media de una muestra de datos es significativamente diferente de un valor de referencia o poblacional conocido (generalmente denotado como "µ").
La prueba t para una muestra es una herramienta común en la estadística y se utiliza en una variedad de aplicaciones, como comparar la eficacia de un tratamiento con respecto a un valor de referencia, evaluar la calidad de un proceso de fabricación, o verificar si una muestra proviene de una población con una media conocida.
El valor de p obtenido es 0,049 (Tabla 1) que indica que el resultado es estadísticamente significativo que indica que las diferencias observadas o los resultados encontrados en un estudio o experimento no se deben al azar, sino que son lo suficientemente grandes o notables como para considerar que representan una verdadera diferencia o efecto en la población de la que se extrajo la muestra. ya que el valor p es menor que α. En este caso, tendrías evidencia rechazar la hipótesis nula en favor de la hipótesis alternativa.
Luego se procedió a calcular el intervalo de confianza superior e inferior al 95%.
Se realizó el gráfico de dispersión y luego se añadieron las líneas de la media, los intervalos de confianza superior e inferior a fin de obtener el grafico de Análisis de Bland-Altman: Este análisis compara las diferencias entre las mediciones tomadas con dos instrumentos en función del valor promedio de las mediciones. Se crea un gráfico de Bland-Altman (Figura 5)que muestra las diferencias en el eje vertical y el promedio de las mediciones en el eje horizontal. Esto permite identificar cualquier sesgo sistemático entre las dos alturas y evaluar la concordancia.
Son 19 mediciones las cuales están dentro del intervalo de confianza sugiere que las mediciones son consistentes con el nivel de concordancia, los dos métodos de medición están en acuerdo y que las diferencias observadas son atribuibles a la variabilidad aleatoria en lugar de a sesgos sistemáticos.
Cabe indicar que 22 mediciones se ubican fuera del intervalo de confianza (15 mediciones por encima del intervalo de confianza superior y 7 mediciones por debajo del intervalo de confianza inferior), lo que indica que las diferencias entre los dos métodos de medición son mayores de lo esperado y que, en esos casos específicos, los dos métodos están en desacuerdo, lo que se consideraría una discrepancia aceptable o esperada.
Finalmente se realizó una regresión lineal entre la diferencia como variable dependiente y la media como variable independiente.
El valor de 0,143 del coeficiente de determinación (Tabla 2), también conocido como R cuadrado (R²), en un modelo de regresión lineal significa que aproximadamente el 14,3% de la variabilidad en la variable dependiente (diferencia) puede ser explicada por el modelo de regresión lineal utilizado. En otras palabras, el R cuadrado indica la proporción de la variación en la variable dependiente que es explicada por la variable independiente o variables independientes incluidas en el modelo.
Algunos estudios utilizan diferentes enfoques para capturar imágenes con alta superposición, tanto en parcelas circulares como desplazándose hasta 3 metros de distancia de los árboles. Al capturar imágenes durante la recolección, estas estuvieron expuestas a mayor luz, y los modelos procesados generaron ruido, dificultando la identificación de algunas ramas en los árboles, especialmente en nuestros modelos obtenidos con el Mavic 3 Multiespectral.
El ruido en estos modelos se manifestó como superposición de nubes de puntos en algunos casos y pérdidas en otros, impidiendo la identificación de algunas ramas que habían sido medidas directamente durante la recolección. Además, muchos árboles y bloques se superpusieron entre sí en varios modelos de nube de puntos, y algunos no fueron modelados, es decir, no aparecieron en la nube de puntos.
IV. CONCLUSIONES
La fotogrametría es una herramienta viable para la obtención de datos biométricos tales como, altura y diámetro a la altura del pecho de forma automatizada, los puntos de control terrestre deben considerarse estándares para obtener resultados más precisos en proyectos fotogramétricos, ya que permiten una buena geolocalización de un objeto en cuanto a su posición real, ayudando a mejorar la precisión de las estimaciones.
Para realizar proyectos fotogramétricos hay que tener en cuenta la distancia focal de las cámaras, ya que ellas con mayor distancia tienden a obtener detalles más pequeños en fotos en el plano horizontal. Se debe tener en cuenta la fase fenológica del rodal cuando el propósito es medir la altura total, ya que la luminosidad interna influye negativamente, provocando que algunas ramas no estén bien modeladas en la nube de puntos.
Los resultados de los coeficientes no son estadísticamente significativos, por lo que no se puede afirmar con confianza que tenga un efecto real en la variable dependiente (DIFERENCIA DE MEDICIONES) en función de los datos y el nivel de significancia seleccionado
