091 LIDAR Excelente Articulo_1

download 091 LIDAR Excelente Articulo_1

of 15

  • date post

    22-Feb-2018
  • Category

    Documents

  • view

    218
  • download

    0

Embed Size (px)

Transcript of 091 LIDAR Excelente Articulo_1

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    1/15

    7Junio de 20Volumen Forestal, LiDAR, Anlisis de Regresin, FUSION/LDV, MDV.

    APLICACIN DE DATOS LiDAR EN LA ESTIMACIN DEL VOLUMENFORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

    APPLICATION LiDAR DATA IN ESTIMATING FOREST VOLUME

    IN THE METROPOLITAN PARK SAN CARLOSCristian Danilo Martnez Tobn

    Ingeniero Catastral y Geodesta, Ingetec [email protected]

    Jhon Eric Aunta DuarteIngeniero Catastral y Geodesta, Direccin General Martima,

    Subdireccin de Desarrollo [email protected]

    Jorge Alberto Valero FandioIngeniero Civil, M.Sc en Hidrosistemas, Profesor de Planta Facultad de Medio Ambiente,

    Universidad Distrital Francisco Jos de [email protected]

    Fecha de recepcin:14 de septiembre de 2012Fecha de aprobacin:14 de mayo de 2013

    RESUMEN

    La tecnologa LiDAR es una de las fuentes

    de informacin geogrfica que permite ob-tener puntos de coordenadas incluyendo

    la altura con mayor precisin. Una de las

    principales aplicaciones que tiene LiDAR es

    en el sector forestal, pero que en Colom-

    bia el poco desarrollo de este sector limita

    explorar la conveniencia del uso de datos

    LiDAR para estimar recursos forestales. El

    presente trabajo explora el uso de datos

    LiDAR para la estimacin del Volumen Fo-

    restal en el Parque Metropolitano BosqueSan Carlos en Bogot D.C. Se establece un

    marco de antecedentes con estudios simi-

    lares, se analiza un grupo de herramientas

    informticas para el manejo de los datos

    LiDAR y posteriormente, se establece un

    procedimiento metodolgico para obtener

    un modelo de regresin que relacione los

    datos de altura normalizados, con la va-

    riable de campo de Volumen Forestal. Serealizan anlisis de regresin apoyado en

    criterios de decisin estadsticos probando

    varios modelos para seleccionar las varia-

    bles que mejor representen el fenmeno,

    se establece la prueba de bondad de ajuste

    tanto del modelo como de sus parmetros.

    Aunque el modelo que se obtiene no arro-

    jo los resultados esperados en trminos

    de la estimacin del Volumen Forestal se

    analizan las causas de que eso ocurra. Fi-nalmente, se valida el modelo aplicndolo

    para la totalidad de la zona de estudio y se

    representa geogrficamente a travs de un

    mapa temtico.

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    2/15

    UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERA NEOGRANADINA

    8Volmen 23 - 1 Cristian Danilo Martnez Tobn, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandio

    Palabras clave: Volumen Forestal, LiDAR,Anlisis de Regresin, FUSION/LDV, MDV.

    ABSTRACT

    LiDAR technology is a source of geographic

    information for obtaining coordinate points

    including height, with more accurately, one

    of the main applications is having LiDAR in

    forestry, but in Colombia the underdevelop-

    ment of this sector limits explore the con-

    venience of using LiDAR data to estimate

    forest resources. This paper explores the

    use of LiDAR data for estimating forest vo-

    lume in Metropolitan Park Forest San Carlos

    in Bogota DC Establishing a framework for

    background with similar studies; analyze a

    group of tools to manage LiDAR data and

    subsequently establishing a methodologi-

    cal procedure for a regression model rela-

    ting the standard height data, with variable

    field, forest volume. Regression analysis

    was performed on decision criteria sup-

    ported statistical testing various models to

    select the variables that best represent the

    phenomenon, establishing the goodness

    of fit test of the model and its parameters.

    Although the model is obtained did not pro-

    duce the expected results in terms of esti-

    mating forest volume examines the causes

    of that happening. Finally the model is vali-

    dated by applying it to the entire study area

    and represented geographically through a

    thematic map.

    Keywords: Volume Forestry, LiDAR, Re-gression Analysis, FUSION / LDV, DVM.

    INTRODUCCIN

    El avance de la tecnologa LiDAR como

    fuente de informacin geogrfica, permite

    obtener datos con un nivel de detalle que

    con otras tecnologas de captura de infor-

    macin no ha sido posible, lo cual ha dado

    como resultado que en diversos pases pio-

    neros en el manejo de esta tecnologa como

    Espaa, Holanda, Noruega, Estados Unidos,

    entre otros, la utilicen bastante en el campo

    forestal, especficamente en los inventarios

    forestales y la obtencin de diversas varia-

    bles dasomtricas como el Volumen Fores-

    tal, densidad, rea basimtrica, biomasa,

    entre otras; obteniendo unos resultadossatisfactorios en la rapidez de adquisicin

    de los datos, el nivel de detalle y la precisin

    planimetra y altimtrica.

    Colombia es un pas con gran riqueza bos-

    cosa y arbrea, sin embargo, la industria

    forestal y la preservacin de los bosques

    son temticas muy poco desarrolladas. Las

    pocas entidades que realizan estudios y

    actividades de tipo forestal especialmente,las realizadas para determinar recursos en

    trminos de variables forestales como vo-

    lumen, biomasa, densidad, an se realizan

    con las tcnicas tradicionales.

    Las aplicaciones que se han desarrollado en

    Colombia a travs de la utilizacin de datos

    LiDAR han sido orientadas a temas de to-

    pografa y obtencin de Modelos Digitales

    de Terreno de precisin.

    Con la intencin de dar a conocer la aplica-

    cin de los datos LiDAR en el sector fores-

    tal, se desarrolla un trabajo exploratorio en

    donde se ilustra la conveniencia del uso de

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    3/15

    9Junio de 20

    APLICACIN DE DATOS LiDAR EN LA ESTIMACIN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

    Volumen Forestal, LiDAR, Anlisis de Regresin, FUSION/LDV, MDV.

    este tipo de tecnologas para la gestin y

    manejo de los recursos forestales.

    Es as, como a travs del anlisis de los di-

    versos mtodos y tcnicas que han sido de-sarrolladas por distintos autores, que han

    generado trabajos donde estiman variables

    forestales a partir de los datos LiDAR, se

    elige y aplica una metodologa para obtener

    un modelo matemtico que permita la es-

    timacin y prediccin del Volumen Forestal

    en el rea de estudio seleccionada.

    Generalmente, la caracterizacin o clculo

    de recursos forestales requiere de un in-

    ventario en campo para medir alguna varia-ble forestal (volumen, biomasa, densidad,

    etc.,) y dependiendo del rea de estudio

    pueden existir diversos factores que hagan

    de ese inventario un trabajo de campo bas-

    tante dispendioso.

    Una de las variables ms importantes en

    los inventarios forestales es el Volumen Fo-

    restal; es un dato que representa recursos

    en trminos de cantidad maderable- apro-vechable de los individuos arbreos y que

    en el sector comercial de las maderas, en

    pases donde existen grandes extensiones

    de bosques plantados con fines comercia-

    les, es de vital importancia.

    Por lo anterior, la estimacin del Volumen

    Forestal a partir de datos LiDAR permi-

    te mostrar el panorama de oportunidades

    a diversos sectores estatal, comercial, de

    aplicar tecnologas de este tipo para bene-

    ficio y desarrollo del sector.

    Dado que en Colombia la tecnologa LiDAR

    apenas est siendo utilizada y por ende el

    acceso a la informacin de ese tipo es limi-

    tada, desde el punto de vista de la conse-

    cucin de los datos y, que adems el sector

    forestal est muy poco desarrollado y es

    poco conocido, el estudio se aplica en unazona muy pequea comparada con las zo-

    nas de estudio de otros autores, el rea de

    estudio corresponde al Parque Metropoli-

    tano Bosque San Carlos de la ciudad de Bo-

    got D.C y un sector aledao al mismo.

    El objetivo principal es el desarrollo de una

    metodologa que permita estimar el Volu-

    men Forestal para el rea de estudio, desde

    la informacin que otorgan los datos LiDAR,incluyendo un anlisis de las principales

    tcnicas que han desarrollado otros auto-

    res para objetivos similares, anlisis para

    el procesamiento y manejo de los datos Li-

    DAR, la seleccin y propuesta metodolgica

    para encontrar la relacin entre el Volumen

    Forestal y la informacin de datos LiDAR

    y, finalmente, la estimacin del Volumen

    Forestal para la totalidad de la zona de es-

    tudio, acompaada de la representacin a

    travs de un mapa temtico que ilustre las

    cantidades calculadas.

    1. ANTECEDENTES

    LiDAR es un sensor lser aerotransportado,

    que permite obtener puntos georreferencia-

    dos de todos los elementos sobre la superfi-

    cie terrestre. El principio de funcionamiento

    es el clculo del tiempo que toma una seal

    lser en ir y regresar, la cual es enviada a la

    superficie y, la posicin de cada uno de los

    puntos es ajustada en el espacio gracias a

    los Sistemas de Posicionamiento Global por

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    4/15

    UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERA NEOGRANADINA

    10Volmen 23 - 1 Cristian Danilo Martnez Tobn, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandio

    Satlite, GNSS, que se acoplan al sensor en

    el avin y estaciones de control en tierra.

    Sin lugar a duda, una de las aplicaciones ms

    desarrolladas con el uso de datos LiDAR seha dado en el campo forestal; en pases

    donde la preservacin de bosques y su ex-

    plotacin comercial tienen importancia, se

    han desarrollado trabajos cuyo objetivo ha

    sido encontrar alguna relacin de la nube de

    puntos con coordenadas tridimensionales

    que otorga LiDAR y alguna variable forestal.

    Los estudios que se han desarrollado han

    tomado dos enfoques para la estimacin de

    variables forestales, el primer enfoque est

    orientado a la identificacin de individuos

    individuales para posteriormente, calcular

    algn tipo de variable dasomtrica. El se-

    gundo enfoque est orientado a la caracte-

    rizacin de pequeas zonas para posterior-

    mente, extrapolar esa caracterizacin a una

    regin mucho mayor en trminos de rea.

    En el Parque Nacional Forestal Bvaro, se

    llev a cabo la estimacin del volumen del

    tallo, el Dimetro a la Altura de Pecho

    DAP, mediante anlisis de regresin con los

    datos completos de las formas de las sea-

    les LiDAR basados en la tcnica de cortes

    de segmentacin normalizada. La metodo-

    loga consisti en descomponer la forma de

    la seal y obtener el ancho y la intensidad

    de cada pulso de la seal. Posteriormen-

    te, se realiz una segmentacin de rboles

    individuales aplicando la tcnica de cortesde segmentacin normalizada sobre una

    estructura voxel. Se clasifican las especies

    para rboles de conferas y de hoja caduca

    y se realiza la estimacin de las variables en

    cuestin. Los resultados obtenidos mues-

    tran que el volumen del tronco de los rbo-

    les de conferas se puede estimar con ma-

    yor precisin que el volumen de troncos de

    rboles de hoja caduca, obteniendo un R2de 0,91 con Raz del Error Cuadrtico de la

    Media (RMSE) de 0,43 m3 y un R2 de 0,79

    con RMSE de 0,50 m3, respectivamente [1].

    Popescu en su trabajo sobre la medicin

    individual de variables forestales encontr

    que, para especies de pinos cuya morfolo-

    ga presenta una mejor definicin, la esti-

    macin de variables como la biomasa tuvo

    un R2 de 0.82 con un RMSE de 29 Mg/ha,

    en el caso del Volumen Forestal se obtuvo

    un R2 de 0.83 con un error de 47,9 m3/ha;

    mientras en especies de rboles caducifo-

    lios los resultados para la biomasa fueron

    de un coeficiente de determinacin R2 de

    0.32 con un RMSE de 44 Mg/ha y, en el

    caso del Volumen Forestal el R2 fue de 0.39

    con un RMSE de 52.84 m3/ha [2].

    En un estudio realizado en Korea sobre la

    estimacin del volumen y la biomasa en el

    cual identifican primero el individuo, con-

    cluyen que en los intentos de estimar el

    volumen y la biomasa en individuos de pino

    coreano se obtiene en el mejor de los casos

    un 68% de calidad de la estimacin para el

    volumen y de un 48% en la estimacin de

    la biomasa, aduciendo que los resultados

    no tan buenos se debieron a la dificultad de

    identificacin de rboles individuales espe-

    cialmente, en zonas de alta (1340 rboles/ha) y media (370 boles /ha) densidad [3].

    En trabajos ms generalizados, se realiza

    un estudio en Espaa, cuyo objetivo es ob-

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    5/15

    11Junio de 20

    APLICACIN DE DATOS LiDAR EN LA ESTIMACIN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

    Volumen Forestal, LiDAR, Anlisis de Regresin, FUSION/LDV, MDV.

    tener modelos que permitan estimar, a par-

    tir de datos LiDAR, variables dasomtricas

    de inters para la gestin forestal, en pina-

    res de Pinus Nigra Arnold de la Comarca de

    la Serrana Alta de Cuenca. Estas variablesson: Volumen (m3/ha), biomasa total area

    (kg/ha), rea basimtrica (m2/ha) y densi-

    dad (pies/ha). Dentro de los resultados se

    obtienen modelos de regresin con una alta

    precisin en la estimacin de las variables,

    exceptuando la estimacin de la densidad;

    para el volumen se obtuvo un R2 de 0,899,

    el rea basimtrica un R2 de 0,880 y para el

    nmero de pies por hectrea 0,527 [4].

    Otros autores dan a conocer la ventaja e ido-

    neidad del uso de los datos LiDAR para los

    inventarios forestales y estimar parmetros

    forestales, justifican sus conclusiones desde

    la comparacin de los inventarios forestales

    tradicionales con los inventarios apoyados

    en datos LiDAR; concluyen que la principal

    ventaja es la disminucin del error y mejor

    ajuste de los modelos de regresin [5].

    2. MATERIALES Y MTODOS

    Para el desarrollo de la metodologa em-

    pleada para la obtencin del resultado final,

    en conjunto con el objetivo de dar a conocer

    las ventajas del uso de los datos LiDAR, se

    consult y aplic un anlisis de las herra-

    mientas informticas que pudieran facilitar

    el desarrollo del mismo.

    Posterior al anlisis de las mejores herra-

    mientas informticas se elige uno de los

    mtodos aplicados por los diversos auto-

    res de estudios con temticas similares, el

    anlisis de regresin para relacionar los da-

    tos LiDAR con la variable en estudio.

    Figura 1. Metodologa Estimacin del Volumen Forestal. Fuente:Los autores.

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    6/15

    UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERA NEOGRANADINA

    12Volmen 23 - 1 Cristian Danilo Martnez Tobn, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandio

    2.1 REA DE ESTUDIO

    La zona de estudio se sita en la ciudad

    de Bogot D.C, en el Parque Metropolitano

    Bosque de San Carlos, que se encuentraubicado en la localidad de Rafael Uribe, en-

    tre las carreras 13 y 13A y entre las calles

    27 A y 34 Bis sur. Se destaca la gran diver-

    sidad de especies arbreas presentes en el

    rea de estudio (ms de 70 tipos de espe-

    cies), siendo relevantes el Eucalipto comn,

    Ciprs Italiano, Acacia Japonesa, Guayacnde Manizales y Caucho Sabanero.

    Figura 2.Localizacin del rea de estudio. Fuente: Los autores.

    2.2 DATOS DE CAMPO

    Los datos del inventario del arbolado fue-

    ron capturados por el Jardn Botnico, Jos

    Celestino Mutis en el ao 2008. La informa-

    cin fue suministrada en formato Shapefile

    (.shp), y contiene un total de 8027 puntos,

    de los cuales cada registro representa un

    rbol individual. Adicionalmente, cada re-

    gistro contiene ms de 60 atributos queidentifican cada rbol. Dentro de estas ca-

    ractersticas se encuentra informacin aso-

    ciada con el cdigo del rbol, nombre cien-

    tfico, nombre comn, altura total, dimetro

    a la altura de pecho, fisiologa, tipo de rbol,

    forma del tronco, altura del fuste, altura de

    la copa, entre otras caractersticas. La in-

    formacin del inventario al ser cruzada con

    el rea de estudio y depurarla al encontrar

    registros que no tenan la informacin com-

    pleta, se obtuvo un total de 2821 puntos

    conservando las caractersticas de los da-

    tos originales descritos anteriormente.

    2.3 DATOS LiDAR

    La nube de puntos LiDAR fue capturada en

    el ao 2006 por la firma Merrick & Company,

    utilizando el sensor ALS40 con una taza de

    repeticin lser de 100 Hz a 58 KHz, ngu-

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    7/15

    13Junio de 20

    APLICACIN DE DATOS LiDAR EN LA ESTIMACIN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

    Volumen Forestal, LiDAR, Anlisis de Regresin, FUSION/LDV, MDV.

    lo de campo de vista entre 5 y 75 y ancho

    de barrido y frecuencia de escaneo variable.

    La nube de puntos fue suministrada en dos

    planchas en formato Log ASCII Standard

    (.LAS), con un espaciado promedio de 1,73puntos/m2 y discriminados en dos clases;

    la clase 1 sin clasificar y la clase 2 el terreno,

    esto de acuerdo al estndar implementado

    por la American Society for Photogramme-

    try and Remote Sensing ASPRS.

    2.4 PROCESAMIENTO DATOS LiDAR

    Inicialmente, se realiza un anlisis del sof-

    tware disponible para procesar los datos

    LiDAR. Las herramientas analizadas fue-

    ron: ArcGIS de la Enviromental Systems

    Research Institute ESRI, MARS Software

    propietario de la firma Merrick & Company,

    FUSION desarrollado por el Servicio Fores-

    tal y el Departamento de Agricultura de los

    Estados Unidos y finalmente, el Software

    Fugro Viewer.

    El Software escogido para procesar los da-

    tos LiDAR fue FUSION/LDV al ser la herra-

    mienta ms completa para el tratamiento

    de los datos, al permitir no solo visualizar-

    los, sino tambin ofrecer un nivel de proce-

    samiento de los mismos aceptable para el

    desarrollo del trabajo, adems de no tener

    un costo asociado por tratarse de una he-

    rramienta de libre uso.

    Aunque los datos ya presentaban una cla-sificacin para la clase de terreno, se eligi

    utilizar el algoritmo de generacin de MDT

    que incluye FUSION/LDV y permite contro-

    lar los resultados obtenidos para la superfi-

    cie. El algoritmo permite primero filtrar slo

    los puntos de terreno a partir de una funcin

    que se ejecuta para cada punto de los datos

    LiDAR de manera iterativa, permitiendo al

    usuario controlar qu puntos ingresaran a

    formar parte del MDT. Posteriormente, se

    aplica otro algoritmo de FUSION que selec-

    ciona slo los puntos con mayor altura en

    un rea determinada por el usuario en este

    caso 1 m2 y as, obtener el modelo digital

    de superficies MDS.

    Cuando se tiene el MDT se normalizan las

    alturas de la nube de puntos, de tal forma,

    que los valores de altura estn referidos

    al terreno local y no a la superficie de re-

    ferencia que tenan los datos (en este caso

    alturas elipsoidales). Las alturas referidas al

    MDV, es decir la diferencia de alturas entre

    el MDT y el MDS, es identificada como el

    Modelo Digital de Vegetacin MDV.

    Figura 3. a.Modelo Digital de Terreno DTM; b.Modelo Digital de Vegetacin DVM. Fuente:Los autores.

    a. b.

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    8/15

    UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERA NEOGRANADINA

    14Volmen 23 - 1 Cristian Danilo Martnez Tobn, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandio

    2.5 ANLISIS DE LAS VARIABLESDE CAMPO

    Se verific en campo el inventario del arbo-

    lado suministrado por el Jardn Botnico y

    su posicionamiento con respecto al servicio

    WMS de la ortofoto del ao 2007 propor-

    cionado en la pgina web de la Infraestruc-

    tura de Datos Espaciales para el Distrito

    Capital IDECA, con el fin

    de seleccionar las reas de

    muestra para la construccin

    del modelo. La seleccin de

    las reas de muestra se ob-

    tuvo de analizar la media de

    la distancia entre individuos

    arbreos y dio como resulta-

    do que la unidad de estudio

    deban ser celdas cuadradas

    de 10 metros de lado. Se ela-

    bor una grilla con celdas de

    10 metros de lado sobre la

    totalidad del rea de estudio.

    La seleccin de las celdas de muestra se

    realiz bajo un criterio de distribucin es-

    pacial ocupando toda el rea de estudio.

    El resultado es un total de 120 celdas cua-

    dradas de tamao 10 metros x 10 metros.El Volumen Forestal para cada celda de

    muestreo se obtuvo como la suma de los

    volmenes forestales para cada individuo

    arbreo dentro de la celda.

    Figura 4.Distribucin de las reas de muestreo. Fuente:Los autores.

    2.6 OBTENCIN DEL MODELODE REGRESIN

    Las variables involucradas en la especifi-

    cacin del modelo de regresin son el Vo-

    lumen Forestal, que es la variable depen-

    diente calculada por el Jardn Botnico de la

    siguiente manera:

    Volumen forestal rbol =Af Area basal ff (1)

    Donde, Afes la altura del fuste, rea basal

    que se calcula a travs del DAP, dimetro a

    la altura del pecho y su relacin con la fr-

    mula del rea de la circunferencia y ffes el

    factor forma (0,7 para el eucalipto comn

    que es la especie predominante, 42% de las

    especies en el rea de estudio).

    Las variables independientes se obtienen

    desde las herramientas de procesamiento

    y tratamiento del Software FUSION/LDV,

    en el cual se define las mismas reas o uni-

    dades de muestreo que se usaron para lavariable dependiente y se calcula una serie

    de medidas estadsticas de cada una de las

    reas de muestreo, es decir, se resume el

    MDV (Modelo Digital de Vegetacin) esta-

    dsticamente.

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    9/15

    15Junio de 20

    APLICACIN DE DATOS LiDAR EN LA ESTIMACIN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

    Volumen Forestal, LiDAR, Anlisis de Regresin, FUSION/LDV, MDV.

    Las estadsticas en las que se resume el

    MDV son obtenidas usando el comando

    Cloudmetricsde FUSION/LDV [6].

    Al realizar un anlisis del fenmeno se

    identifica que el Volumen Forestal es el vo-

    lumen de un cuasi-cilindro, que se encuen-

    tra inmerso o bajo el volumen que genera

    un rbol al colocarle una sbana encima ycae hasta el suelo. Al generalizar este an-

    lisis a las reas o celdas de muestreo se

    asimila que el Volumen Forestal de dichas

    celdas de muestreo, es la suma de todos

    los volmenes de los individuos dentro de

    cada celda; y ese volumen est inmerso en

    el volumen que ocupan todos los rboles en

    esa celda al colocarles una sbana o cobija.

    Son entonces esas 36 variables estadsti-

    cas un resumen de esa situacin, es as que

    se plantea que una variable como la media,

    deber tener bastante influencia en un fu-

    turo modelo ya que resumen esos picos y

    valles de las alturas (Aplana esa sbana que

    se imagina sobre los rboles), de la misma

    forma, al analizar las medidas de dispersin

    como la desviacin estndar, se concluye

    que otorga una caracterstica de la mor-

    fologa de los rboles, si la media tiene un

    valor alto y la desviacin estndar un valor

    pequeo puede indicar que en esa rea de

    muestreo se est frente a una zona muy

    copada de ramas y hojas y adems con r-

    boles altos, ya que muy pocos puntos del

    sensor lograron llegar al suelo.

    Se encontr adems que existen variables

    que pueden dar informacin redundan-

    te como los percentiles y que incluir todos

    ellos en un modelo, puede ocasionar ruidoen el modelo.

    Para apoyar el anlisis de la naturaleza del

    fenmeno se realiza entonces una matriz

    Figura 5.Fenmeno a estimar (Volumen Forestal enfuncin de las estadsticas de los LiDAR).Fuente:Los autores.

    Para la obtencin de un modelo de regre-

    sin se analiza la naturaleza del fenmeno

    y se justifica apoyndose en criterios es-

    tadsticos, obteniendo como resultado lasvariables ms opcionadas a representar el

    Volumen Forestal en trminos de las altu-

    ras obtenidas de los datos LiDAR.

    3. RESULTADOS Y ANLISIS

    Una vez fue calculado el Volumen Forestal

    para las 120 celdas de muestreo en trmi-

    nos de m3 por reas de 100 m2, y el MDV

    resumido estadsticamente para las mis-

    mas celdas, se obtuvo una variable depen-

    diente y 36 variables independientes ob-

    tenidas de la informacin de altura de los

    datos LiDAR.

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    10/15

    UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERA NEOGRANADINA

    16Volmen 23 - 1 Cristian Danilo Martnez Tobn, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandio

    de correlacin de todas las variables inclu-

    yendo el Volumen Forestal. De all se eligen

    las variables independientes que mayor

    correlacin tienen con el Volumen Forestal

    y adems tienen correlaciones bajas entreellas mismas

    Se parte entonces de un modelo inicial de

    regresin de la forma:

    Vol_Forestal =1+

    2Elevmean

    i+

    3Elevstddev

    i

    +4ElevCV

    i+

    5ElevKurtosis

    i

    +6Elevskewness

    i+u

    i (2)

    Para afinar el modelo se realiza un proce-

    so de seleccin de variables paso a paso(Stepwise), con el fin de incorporar solo las

    variables ms significativas en el modelo.

    Al modelo obtenido se aplica una prueba

    de bondad de ajuste tanto en el modelo

    como en sus parmetros y se analizan los

    supuestos de normalidad, autocorrelacin

    y heterocedasticidad.

    Al realizar el proceso de seleccin de varia-

    bles con el mtodo Stipwise se obtuvo un

    modelo de estimacin del Volumen Fores-

    tal, de la siguiente forma:

    Vol_Forestal= - 5,7484618

    +0,68548776Elevmean

    +3,38415621Elevskewness (3)

    El valor del coeficiente de determinacin R2fue de 0,43, con un error medio cuadrtico

    de 3,51m3en un rea de 100m2(Figura 6).

    Figura 6.Modelo de prediccin y residuales. Fuente:Los autores.

    La figura anterior deja al descubierto que

    la varianza del error no es constante. Se

    realiz entonces una prueba de normali-

    dad Jarque Bera en los residuos, el test deheterocedasticidad de White y la prueba d

    de Durbin Watson y, se comprob que no

    existe normalidad en los residuos, hay pre-

    sencia de autocorrelacin y heterocedasti-

    cidad.

    Para corregir estos problemas se realiz

    una transformacin al modelo especifica-

    do en (3), al observar el comportamiento

    de los residuos que crecen al aumentar elVolumen Forestal y el volumen frente a las

    variables independientes indic un com-

    portamiento exponencial, as que se aplic

    una transformacin logartmica y se obtuvo

    el siguiente modelo:

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    11/15

    17Junio de 20

    APLICACIN DE DATOS LiDAR EN LA ESTIMACIN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

    Volumen Forestal, LiDAR, Anlisis de Regresin, FUSION/LDV, MDV.

    ln (Vol_Forestal) = 1+

    2Elevmean

    i

    +2Elevskewness

    i+u

    i (4)

    De nuevo, se analizaron los supuestos de

    normalidad, autocorrelacin y heteroce-

    dasticidad y se obtuvieron los siguientes

    resultados:

    Normalidad: Al realizar la prueba JarqueBera se obtuvo:

    Tabla 1.Prueba de Normalidad Jarque Bera.

    n 120

    kurtosis 1,893537

    Asimetra -0,778674

    JB 18,24796582

    Fuente:Los autores.

    Como el valor de JB no est cercano a cero,

    entonces se comprueba que no existe nor-

    malidad en los residuos.

    Homocedasticidad: Al realizar el test de

    White se obtienen los siguientes resulta-dos:

    Tabla 2.Test de Heterocedasticidad de White.

    R^2 0,04825938

    N 120

    Ji cuadrada calculada 5,7911257

    Ji cuadrada tabla(95% confiabilidad)

    1,145476

    grados libertad 5

    Fuente:Los autores.

    En la Tabla 2 se observa que el valor de Ji

    cuadrada calculada es de 5,79, y la Ji cua-

    drada de tabla para 5 grados de libertad con

    un 95% de confiabilidad es de 1,14. Como el

    valor de Ji cuadrada calculada es mayor que

    la Ji cuadrada de tabla, la conclusin es que

    hay heterocedasticidad.

    Autocorrelacin: Al realizar la prueba deDurbin Watson se obtienen los siguientes

    resultados:

    Para k= 2 y n=120 con un porcentaje de

    confiabilidad del 95% dL=1.706 y du=1.760,

    Tabla 3.Test d de Durbin Watson.

    Durbin -Watson

    Nmero de

    observaciones

    Autocorrela-cin

    Prob

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    12/15

    UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERA NEOGRANADINA

    18Volmen 23 - 1 Cristian Danilo Martnez Tobn, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandio

    observacin y afecta la normalidad de losdatos la cual se presume.

    Lo anterior, conlleva a que el comportamiento

    del Volumen Forestal y su relacin con la altu-

    ra media y la asimetra sea diferente depen-

    diendo el tipo de especie presente, es decir,

    los rboles con altura baja pueden presentar

    un Volumen Forestal muy dispar debido a la

    morfologa de cada tipo de especie, por otro

    lado, rboles de gran altura pueden presentar

    volmenes forestales altos y variables, de-

    pendiendo del tipo de especie y la densidad

    de los rboles. Este anlisis conlleva a que la

    varianza del error no es constante en la mues-

    tra ya que la diversidad de especies arbreashace que el Volumen Forestal sea muy dispar.

    Sin embargo, se decide utilizar el modelo deregresin de esta forma para realizar la es-timacin del Volumen Forestal.

    Finalmente, se realiza una transformacininversa del modelo de regresin para esti-mar directamente el Volumen Forestal yaque se encontraba en trminos del logaritmo

    natural del volumen. Al realizar dicha trans-formacin obtenemos el siguiente modelo

    de regresin definitivo sobre el que se hacenlas estimaciones del Volumen Forestal:

    Volumen Forestal

    =e(-0,53857 + 0,1122602Elevmean + 0,3388678Elevskewness) (5)

    Tabla 4. Resumen del modelo.

    R cuadrado 0,449934

    R cuadrado Ajustado 0,440532

    Raz del error medio cuadrtico 0,654463

    Media de la respuesta 1,467266

    Observaciones 120

    Fuente:Los autores.

    Tabla 5.Anlisis de varianza.

    Fuente DFSuma de loscuadrados

    Cuadradomedio

    RelacinF

    Modelo 2 40,991261 20,4956 47,8509

    Error 117 50,113714 0,4283 Prob > F

    C. Total 119 91,104975 |t|

    Intercepto -0,538575 0,254659 -2,11 0,0366*

    Elev mean 0,1122602 0,01559 7,20

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    13/15

    19Junio de 20

    APLICACIN DE DATOS LiDAR EN LA ESTIMACIN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

    Volumen Forestal, LiDAR, Anlisis de Regresin, FUSION/LDV, MDV.

    en trminos del error medio cuadrtico, en

    la estimacin del volumen, es de 0,65m3en

    un rea de 100m2.

    Posterior a la obtencin del modelo se apli-c el mismo a la totalidad del rea de estu-

    dio. De nuevo se us el Software FUSION/

    LDV para obtener las estadsticas para cada

    celda de la totalidad del rea de estudio.

    Una vez se calcul la estadstica para cada

    celda del rea de estudio se estim el Vo-

    lumen Forestal para cada una aplicando la

    ecuacin (5).

    Para la representacin del Volumen Fo-

    restal estimado, se gener una tabla paravincularlos como un atributo en la capa que

    contiene cada celda, se gener adems una

    mscara o plantilla para que en los lugares

    donde existen construcciones no se aplica-

    ra el valor calculado.

    Volumen Forestal en m3por reas de100 m2

    Figura 8. Volumen Forestal. Fuente:Los autores.

    Obsrvese que para las zonas que corres-ponden a vas o reas sin vegetacin arb-

    rea el volumen fue muy bajo, manteniendo

    la lgica del fenmeno; mientras que en las

    reas que en la ortofotografa se mostraba

    presencia de rboles presentan rangos de

    valores ms altos para la variable estimada,

    manteniendo de nuevo la lgica del anlisis

    y representando la naturaleza del fenme-

    no estudiado.

    4. CONCLUSIONES

    En trminos generales y teniendo en cuen-

    ta las dificultades y problemas encontrados

    en el modelo, se puede concluir que un es-tudio que se lleve a cabo con esta tecnologa

    y que pretenda estimar recursos forestales

    en zonas ms homogneas en trminos de

    especies, va a tener muy buenos resultados

    en trminos de precisin.

    Por otra parte queda totalmente demos-

    trado, al igual que en estudios realizados

    por otros autores mencionados en los an-

    tecedentes, que la estimacin de variablesforestales en especies arbreas que no

    presentan una morfologa representada

    por formas geomtricas determinables f-

    cilmente, presentan resultados regulares o

    modestos.

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    14/15

    UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERA NEOGRANADINA

    20Volmen 23 - 1 Cristian Danilo Martnez Tobn, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandio

    Si se es estricto, los resultados de este tra-

    bajo muestran que no es recomendable

    aplicar el modelo obtenido en reas con

    gran diversidad arbrea, ya que la varian-

    za de los errores no se mantiene constantea pesar de realizar una transformacin al

    modelo, lo cual se ve reflejado en que las

    estimaciones realizadas pueden llegar a ser

    errneas.

    Se espera cumplir con la intencin de mos-

    trar a la comunidad nacional y local, inclu-

    yendo los sectores acadmicos, comercia-

    les y estatales, las ventajas y riqueza de

    informacin que se obtiene con sensores

    LiDAR a travs de la aplicacin prctica en

    un campo en el que esta tecnologa ha en-

    contrado bastantes aplicaciones.

    AGRADECIMIENTOS

    A la empresa Merrick & Company, por su

    apoyo a travs del permiso de uso de los

    datos LiDAR tomados por ellos en la ciudad

    de Bogot D.C. en el ao 2006. Al Jardn Bo-

    tnico Jos Celestino Mutis, por su apoyo a

    travs del permiso de uso de la informacin

    georreferenciada del censo arbolo urbano

    de Bogot para el rea de estudio y las ase-

    soras prestadas para la definicin de las

    variables que permiten calcular el Volumen

    Forestal.

    REFERENCIAS BIBLIOGRFICAS

    [1] Yao Wei, Krzystek Peter, Heurich Marco. (2012),Tree species classication and estimation ofstem volume and DBH based on single tree ex-traction by exploiting airborne full-waveform Li-

    DAR data, En: Remote Sensing of Environment,Volume 123, p. 368.

    [2] Popescu S. C., Wynne R. H. y Nelson R. F.(2003), Measuring individual tree crown dia-meter with LiDAR and assessing its influenceon estimating forest volume and biomass, En:Canadian Journal of Remote Sensing, Volume29 (5), p 564-577.

    [3] Doo-Ahn Kwak, Woo-Kyun Lee, Hyun-Kook Cho,Seung-Ho Lee, Yowhan Son, Menas Kafatos,So-Ra Kim.,(2010) Estimating stem volumeand biomass of Pinus koraiensis using LiDARdata. En: Journal of Plant Research SpringerJapan, Volume 123, Issue 4, pp 421-432, ISSN0918-9440.

    [4] Garca Garca David. (2010), Estimacin devariables de inters forestal basada en datosLiDAR en el monte nmero 117 del C.U.P. tr-mino municipal de Cuenca, 194 p. Trabajo deGrado (Ingeniera Tcnica Forestal), Universi-dad Politcnica de Madrid.

    [5] Martn Gil Alberto. (2010), Estructura forestal ytrabajos selvcolas en el MUP de Sinarcas (Va-lencia) Comparacin entre inventarios foresta-les tradicionales y mediante tecnologa LiDAR,104 p. Trabajo de Grado (Ingeniera Tcnica

    Forestal) Universidad Politcnica de Valencia.

    [6] Robert J. McGaugheey, (2010) Manual FU-SION/LDV Software for LiDAR Data Analysisand Visualization, U.S. Department of Agricul-ture, Forest Service.

    [7] H. Weinacker, B. Koch, U. Heyder, R. Weiancker,(2004). Development of ltering, segmentationand modeling modules for lidar and multis-pectral data as a fundament of an automaticforest inventory system. En: Proceedings of

    ISPRS Working Group on Laser-Scanners forForest and Landscape Assessment Instru-ments, Processing Methods and Applications,Freiburg Germany, pp 50-55.

    [8] J. Breidenbach, E. Naesset, V. Lien, T. Go-bakken, S. Solberg, (2010). Prediction of spe-

  • 7/24/2019 091 LIDAR Excelente Articulo_1

    15/15

    21Junio de 20

    APLICACIN DE DATOS LiDAR EN LA ESTIMACIN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

    Volumen Forestal, LiDAR, Anlisis de Regresin, FUSION/LDV, MDV

    cies specic forest inventory attributes usinga nonparametric semi-individual tree crownapproach based on fused airborne laser scan-ning and multispectral data. En: Remote Sen-sing of Environment 114, pp 911-924.

    [9] M. Garcia, E. Prado, D. Riao, E. Chuvieco, F.M.Danson, (2009). Ajuste planimtrico de datosLiDAR para la estimacin de caractersticasdasomtricas en el Parque Natural del AltoTajo, En: Geofocus, Volumen 9, pp 184-208,ISSN 1578-5157.

    [10] Sorin C Popescu, Zhao Kaiguang, (2008). Avoxel-based LiDAR method for estimatingcrown base height for deciduous and pinetrees. En: Remote Sensing of Environment 112,pp 767-787.

    [11] Sorin Popescu, Randolph Wynne, Ross Nelson,(2002). Estimating plot-level tree heights withLiDAR: local ltering with a canopy-height ba-sed variable window size. En: Computers andElectronics in Agriculture 37, pp 71-95.

    [12] J. Vauhkonen, I. Korpela, M. Maltamo, T. Toko-la, (2010). Imputation of single-tree attributesusing airborne laser scanning-based height,intensity and alpha shape metrics. En: RemoteSensing of Enviroment 114, pp 1263-1276.

    [13] Y. Kim, Z. Yang, W.B. Cohen, D. Pflugmacher,C.L. Lauver, J.L. Vankat, (2009). Distinguishingbetween live and dead standing tree biomasson the North Rim of Grand Canyon NationalPark, USA using small-footprint LiDAR data.En: Remote Sensing 113, pp 193-203.