Individualización de copas en encinares (Quercus ilex l.) mediante el empleo de técnicas de segmentación de imágenes y clasificación por objetos
A la hora de caracterizar una masa forestal, se hace imprescindible conocer la densidad, lo que puede hacerse a través de la individualización de las copas de cada árbol o pie. En el presente artículo se muestra el flujo de trabajo desarrollado para la individualización de copas en encinares mediant...
| Autores: | , , |
|---|---|
| Tipo de recurso: | artículo |
| Fecha de publicación: | 2022 |
| País: | España |
| Institución: | Universidad de Huelva (UHU) |
| Repositorio: | Arias Montano. Repositorio Institucional de la Universidad de Huelva |
| Idioma: | español |
| OAI Identifier: | oai:ariasmontano.uhu.es:10272/22026 |
| Acceso en línea: | https://hdl.handle.net/10272/22026 |
| Access Level: | acceso abierto |
| Palabra clave: | Método árbol individual PNOA Lidar Tangencia de copas Dehesa OBIA Individual tree method eCognition Developer Tangent crown 3106 Ciencia Forestal |
| Sumario: | A la hora de caracterizar una masa forestal, se hace imprescindible conocer la densidad, lo que puede hacerse a través de la individualización de las copas de cada árbol o pie. En el presente artículo se muestra el flujo de trabajo desarrollado para la individualización de copas en encinares mediante el empleo de técnicas de segmentación y clasificación basada en objetos (OBIA), analizando su efectividad en cuatro formaciones caracterizadas por alta/baja densidad y presencia/ausencia de estrato arbustivo. Para ello se combinaron los productos del Plan Nacional de Ortofotografía Aérea correspondientes a ortofotografía NIR y primera cobertura lidar. El estudio se llevó a cabo en cuatro áreas de entre 23.20 y 50.09 ha localizadas en la hoja Calañas-Huelva H50-0959, cada una de ellas representativa de una formación. Como entrada en el proceso de segmentación se emplearon las cuatro bandas espectrales de la ortofotografía NIR y un modelo digital de vegetación (MDV) obtenido mediante la nube de puntos lidar. El flujo de segmentación se desarrolló de forma iterativa mediante el software eCognition Developer. Se realizaron sucesivas segmentaciones y clasificaciones de objeto, de tal manera que los objetos que cumplieron una serie de criterios mínimos de individualización salieron del flujo y quedaron caracterizados como individuos. Los resultados de la metodología propuesta mostraron una alta capacidad de individualización de copas de entre el 81.23 % y el 96.86 % de acierto según el tipo de masa estudiado, posibilitando la individualización en encinares con tangencia de copas y adyacentes a matorral. |
|---|