LIDAR FORESTAL: Métodos de masa y árbol individual

Durante el curso el alumno realiza un ejemplo real de inventario forestal apoyado en datos LiDAR del PNOA aplicando el método de masa también conocido como ABA (Area Based Approach) por sus siglas en inglés:

• Primeros pasos para la creación de un inventario: Preparación de las carpetas de trabajo y descarga de datos LiDAR del PNOA en formato LAZ desde la página del Centro de descargas del CNIG.
• Descompresión de datos LAZ a LAS: Descomprimir los archivos con el software LasTaskTools del CNIG o con la herramienta libre LasZip del paquete LasTools.
• Visualización y evaluación inicial de datos: Evaluación manual de la nube de puntos mediante visualización de datos con FugroViewer y FUSION/LDV. Realizar perfiles longitudinales, visualizaciones 3D, mostrar datos por clasificación, recortes circulares…
• Primeros pasos con el procesador de datos LiDAR de FUSION: Aplicación del comando Groundfilter para filtrar la nube de puntos separando aquellos puntos pertenecientes al suelo de todos los demás y creación a partir del filtrado anterior de un MDE (Modelo Digital de Elevaciones) con la herramienta de interpolación GridSurfaceCreate.
• Transformación del MDE a formato visualizable en un SIG: Conversión mediante DTM2ASCII del archivo MDE.dtm a un archivo MDE.asc para poder integrar el resultado del Modelo Digital en QGIS.
• Recorte y normalización de datos LiDAR pertenecientes a la superficie de las parcelas de campo: Recorte de los datos LiDAR coincidentes con el área de las parcelas mediante el comando ClipData normalizando las alturas de los puntos por transformación de alturas ortométricas en alturas sobre el suelo utilizando para ello el MDE.
• Cálculo de estadísticos de los recortes de las parcelas con el comando CloudMetrics: Extracción de estadísticos de altura de vegetación y estadísticos de cobertura de los datos LiDAR pertenecientes a cada una de las parcelas de campo o submuestras normalizadas recortadas en el apartado anterior.
• Cálculo de estadísticos continuos para toda la superficie de trabajo con el algoritmo GridMetrics de FUSION: Computar, previa normalización con el MDE, los mismos estadísticos de altura de vegetación y de cobertura para cada una de las celdas de una malla (Grid) superpuesta sobre toda nuestra superficie de inventario.
• Integrar la malla de estadísticos continuos en QGIS: Incorporar la cuadrícula de estadísticos en el sistema de información geográfica QGIS.
• Modelización de variables dasométricas o de masa (VCC, Ab, Ho, Dg…): Ajustar modelos de regresión lineal con la librería R-Commander de R utilizando datos tomados en campo como variables dependientes y los estadísticos LiDAR calculados para la superficie de cada una de las parcelas como variables explicativas.
• Aplicar los modelos ajustados en la malla de estadísticos continuos integrada en QGIS: Calcular para cada celda del GRID las variables de masa a partir de los modelos obtenidos utilizando la calculadora de campos.
• Calcular variables de masa para nuestras superficies objetivo: Calcular promedios para las variables dasométricas a nivel de rodal, cantón o monte y discutir los resultados.

• Aprender a visualizar e interpretar datos LIDAR.
• Utilizar los principales programas de visualización y análisis de datos LIDAR: FugroViewer FUSION, QGIS.
• Estimar variables de inventarios forestales a partir de los datos LIDAR, mediante el uso del programa estadístico R y R-Commander.
• Elaborar cartografía temática desde datos LIDAR: Modelos Digitales del Terreno, modelos de alturas de vegetación, etc.
• Generar mapas de planificación medioambiental. Tras estimar las variables se podrá hacer mapas que ayuden al gestor a tomar las decisiones correctas en torno a las actuaciones a llevar a cabo en los espacios naturales.

Durante el curso el alumno realiza todos los pasos necesarios para obtener una cuantificación de valores dendrométricos de cada uno de los árboles de un monte o zona de trabajo:

• En los primeros pasos aprenderemos el manejo de diversos algoritmos implementados en FUSION y SAGA para la individualización y segmentación de árboles individuales a partir de un modelo digital de alturas de vegetación generado mediante una nube de puntos LiDAR, para ello veremos:
  • Análisis y visualización de la nube de puntos LiDAR con Fugroviewer y FUSION.
  • Flujo de trabajo inicial con FUSION.
    • Análisis de la densidad de la nube de puntos LiDAR (comando Catalog).
    • Creación de un modelo digital del terreno disponible para QGIS a partir de una nube de puntos clasificada (comando GridSurfaceCreate y DTM2ASCII).
    • Extracción de Modelos Digitales de Superficies MDS y Modelos Digitales de Altura de Vegetación MDHV (comando CanopyModel).
• Flujo de trabajo para la individualización de copas utilizando diversas metodologías:
  • Individualización con FUSION (CanopyMaxima) y visualización en LDV.
  • Individualización con SAGA desde QGIS (algoritmos Watershed y Simple Region Growing)
  • Visualización de resultados en QGIS
• En una segunda fase procederemos a recoger los datos necesarios para poder configurar modelos lineales predictivos de variables dendrométricas. Para ello necesitaremos datos de campo que actuaran como variables dependientes y estadísticos extraídos de la nube de punto LiDAR que actúen como variables explicativas:
  • Breve explicación de la toma de datos en campo. Particularidades de un inventario LiDAR con método de árbol individual. 
  • Importación a QGIS de la base de datos de campo.
  • Flujo de trabajo FUSION para la obtención de estadísticos LiDAR de los árboles muestra (Comandos PolyclipData, ClipData y Cloudmetrics).
• A partir de este momento estamos en disposición de construir modelos de regresión:
  • Configuración de la base de datos estadística de tipo Lineal, Exponencial y Potencial.
  • Importación de datos a R-commander y ajuste de modelos estadísticos de regresión lineal para las variables dendrométricas medidas en campo.
• Finalmente, con los modelos ajustados, podemos realizar predicciones sobre todos y cada uno de los árboles individualizados al principio del curso:
  • Nueva configuración del comando CloudMetrics de FUSION para la extracción de estadísticos de todos árboles del monte o región de trabajo.
  • Implementación de resultados en QGIS y unión con las copas delineadas.
  • Estimación de variables dendrométricas desde la calculadora de campos de QGIS utilizando los modelos predictivos.
  • Análisis de la calidad de resultados del inventario.

• Utilizar los principales programas para el análisis y visualización de datos LIDAR: FugroViewer, FUSION.
• Generar Modelos Digitales del Terreno y visualizarlos en QGIS.
• Conocer los principales métodos de individualización y segmentación de árboles a partir de modelos digitales de vegetación con FUSION y SAGA.
• Construir modelos predictivos de variables dendrométricas a partir de los datos LIDAR y datos de campo, mediante el uso del programa estadístico R y su librería R-Commander.
• Generar coberturas de interés para la planificación forestal.