LIDAR FORESTAL: Árbol individual

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.

• Conocer los principales métodos de individualización de árboles.
• Utilizar los principales programas de análisis y visualización de datos LIDAR: FrugoViewer, FUSION, QGIS, SAGA.
• Estimar variables dendrométricas 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.
• 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.