EEl potencial de la tecnología LiDAR

http://geoforest.unizar.es/

Características de la tecnología LiDAR (Vosselman y Maas, 2010).

La tecnología LiDAR (Light Detection AndRanging) es un tipo de teledetección activa quese basa en la medición del tiempo transcurridoentre la emisión de un pulso de energía láser y sullegada al sensor, después de haber sido reflejadopor algún elemento de la superficie terrestre.

El sistema transforma los tiempos encoordenadas Y muy precisascorrespondientes a las localizaciones (nubes depuntos) donde se han producido las reflexiones.

Datos 3D que permiten reconstruir la superficietopográfica, incluso en zonas donde está oculta por eldosel forestal, y modelizar variables dasométricas,gracias a la capacidad de penetración del pulso láser yal registro de múltiples retornos o ecos.

Comportamiento de los pulsos láser (Vosselman

y Maas, 2010).

Pre-tratamiento de la nube de puntos (a)

2) VALIDACIÓN DE LA CLASIFICACIÓN

Zona test T1

Zona test T22.2) Clasificación manual de los 424 puntos LiDAR. Apoyo en visor 3D, ortofoto, valores de intensidad y trabajo de campo (replanteo de puntos con GPS-GNSS centimétrico).

2.1) Selección de parcelas deØ 3 m para extraer un total de424 puntos LiDAR.

Ø 3 m

Puntos LiDAR

Es necesario clasificar o filtrar lasnubes de puntos para separar losretornos de terreno del resto(vegetación); esto permite crear MDEs.

El Grupo GEOFOREST hadesarrollado una metodología semi-empírica para comparar la calidad dedistintos algoritmos de filtrado (basadosen superficies, densificación de un TINy morfológicos) aplicados a las nubesde puntos del vuelo LiDAR PNOA.

Ó Ó

EEnr(v

Ededeyd

Zona test T1

Zona test T2

1) FILTRADO AUTOMÁTICO DE LAS NUBES DE PUNTOS

g )

El Grupo GEOFOREST ha

(

E

3) RESULTADOSMejores algoritmos para filtrar la nube de puntos del LiDAR PNOA

0

20,8

39,6

20,8

13,7

14,6

83,3

82,8

72,9

0 20 40 60 80 100

1

2

3Acierto globalError Tipo IIError Tipo I

Basado en superficie: MCC s 1 t 0,3

Densificación de un TIN: LASTools

Morfológico:ALDpat (Zhang et al., 2003)

(%)

ZZona ttestt TT2222.22))Z

CCllaassiiffiiccaacciióónn mmaannuuaall ddee llooss 442244 ppuunnttooss LLiiDDAARR. AAppooyyoo eenn vviissoorr 33DD, oorrttooffoottoo, valoresZona tesZona tes de intensidad t T2T2 y trabajo de campo (replanteo de puntos con GPS-GNSS centtiimééttriico)).

PS-GNSS

Zo

222..111))) SSSeeellleeecccccciiióóónnn dddeee pppaaarrrccceeelllaaasss dddeeeØØ 33 mm ppaarraa eexxttrraaeerr uunn ttoottaall ddee442244 ppuunnttooss LLiiDDAARR.

Ø 3 m

Puntos LiDAR

NUEVAS LÍNEAS DE INVESTIGACIÓN:

Estudiar la influencia en el error de las diferentes cubiertas del suelo, el efecto del desnivel topográfico y la influencia de la densidad de puntos en el proceso de filtrado.

Analizar el error derivado del proceso de interpolación para crear MDE.

Estimación de variables dasométricas

Diámetro y superficie de copa

Longitudde copa

Subestimación

Alturadel

fuste

Alturatotal

Volumen

Diámetro

GEOFOREST investiga sobre la capacidad del LiDAR aeroportado del PNOA para estimarvariables dasométricas de la vegetación en entornos forestales mediterráneos.

A nivel internacional elLiDAR ha demostrado seruna herramienta útil para:

Calcular modelos digitalesde altura del dosel.

Derivar variables de inventario forestal (por ej. volumen, biomasa, calidad del sitio, etc.).

Tipificar masas y estratos.

Estudiar el paisaje.

Aplicaciones en incendios forestales (b)

Localización del área de estudio y de las 50 parcelas donde se ha medido la severidad tras el incendio de Zuera del año 2008.

Legend

Parcela no quemada Severidad moderada Severidad alta

Análisis estadístico- Correlación de Spearman- Análisis de la varianza- Regresión Logística

Puntos de suelo 2x2 m pixel

FUSIONsoftware

Nube de puntos LiDAR original Nube clasificada Modelo Digital de Elevaciones

Datos LiDAR

alturas locales y variables extraídas de

las parcelas (distribución de las alturas de los puntos y número de retornos por pulso).

Valores de severidaden el campo

Parcela CBI Ø 30 m

Área de estudio

Parámetros estructurales de la vegetación derivables con LiDAR.

GEOFOREST ha estudiado lasconsecuencias del fuegoforestal utilizando valores deseveridad medidos en campo(índice CBI de Key y Benson,2006) y datos de alturas yretornos LiDAR para ayudar a lagestión de estos territorios.

La información LiDAR permiteuna aproximación geométricafiable de los cambios ocurridosen la estructura vertical delbosque tras el incendio.

El carácter pionero de lametodología propuesta se basa enanalizar la relación estadísticaexistente entre el valor de severidadpor parcela y las distintas variablesderivadas de los puntos de la nube.

NUEVAS LÍNEAS DE INVESTIGACIÓN:

Relacionar nuevos valores de CBI con LiDAR para otras zonas de Aragón.

Generar modelos de combustible con técnicas de fusión de datos LiDAR e imágenes de alta resolución.

Los resultados obtenidos demuestran que el LiDAR puedeproporcionar un apoyo inicial para la cuantificación del dañocausado por el fuego forestal.

(a) Montealegre, A.L., Lamelas, M.T., de la Riva, J. (2013). Evaluación de métodos de filtrado para la clasificación de la nube de puntos del vuelo LiDAR PNOA. En A.Fernández Renau González Anleo, y E. de Miguel Llanes (Eds), Teledetección. Sistemas operacionales de observación de la Tierra, INTA. Madrid, 184-187.(b) Montealegre, A.L., Lamelas, M.T., Tanase, M., de la Riva, J. (2013). Forest fire severity assessment using LiDAR data in a Mediterranean environment. Póster. En M.Waldram, K. Tansey and S. Page (Eds), Proceedings of the 9th EARSeL Forest Fire Special Interest Group Workshop. Warwickshire, UK, 107-111.

Grupo GEOFOREST-IUCA: de la Riva, J.1; Alonso, J.1; Echeverría, MªT.1; García-Martín, A.2; Ibarra, P.1; Lamelas, MªT.2; León, J.1; Montealegre, A.1; Montorio, R.1; Pérez-Cabello, F.1; Rodrigues, M.1; Rosero, O.1; Vlassova, L.1,3

(1) Departamento de Geografía y Ordenación del Territorio; (2) Centro Universitario de la Defensa de Zaragoza. Universidad de Zaragoza; (3) Universidad Técnica Estatal de Quevedo, Ecuador.