Está en la página 1de 15

APLICACIÓN DE DATOS LiDAR EN LA ESTIMACIÓN DEL VOLUMEN

FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

APPLICATION LiDAR DATA IN ESTIMATING FOREST VOLUME


IN THE METROPOLITAN PARK SAN CARLOS
Cristian Danilo Martínez Tobón
Ingeniero Catastral y Geodesta, Ingetec S.A.
ingcrisma@gmail.com

Jhon Eric Aunta Duarte


Ingeniero Catastral y Geodesta, Dirección General Marítima,
Subdirección de Desarrollo Marítimo.
eric.aunta@gmail.com

Jorge Alberto Valero Fandiño


Ingeniero Civil, M.Sc en Hidrosistemas, Profesor de Planta Facultad de Medio Ambiente,
Universidad Distrital Francisco José de Caldas
jvalero.ud@hotmail.com

Fecha de recepción: 14 de septiembre de 2012


Fecha de aprobación: 14 de mayo de 2013

RESUMEN procedimiento metodológico para obtener


un modelo de regresión que relacione los
La tecnología LiDAR es una de las fuentes datos de altura normalizados, con la va-
de información geográfica que permite ob- riable de campo de Volumen Forestal. Se
tener puntos de coordenadas incluyendo realizan análisis de regresión apoyado en
la altura con mayor precisión. Una de las criterios de decisión estadísticos probando
principales aplicaciones que tiene LiDAR es varios modelos para seleccionar las varia-
en el sector forestal, pero que en Colom- bles que mejor representen el fenómeno,
bia el poco desarrollo de este sector limita se establece la prueba de bondad de ajuste
explorar la conveniencia del uso de datos tanto del modelo como de sus parámetros.
LiDAR para estimar recursos forestales. El Aunque el modelo que se obtiene no arro-
presente trabajo explora el uso de datos jo los resultados esperados en términos
LiDAR para la estimación del Volumen Fo- de la estimación del Volumen Forestal se
restal en el Parque Metropolitano Bosque analizan las causas de que eso ocurra. Fi-
San Carlos en Bogotá D.C. Se establece un nalmente, se valida el modelo aplicándolo
marco de antecedentes con estudios simi- para la totalidad de la zona de estudio y se
lares, se analiza un grupo de herramientas representa geográficamente a través de un
informáticas para el manejo de los datos mapa temático.
LiDAR y posteriormente, se establece un

7
Volumen Forestal, LiDAR, Análisis de Regresión, FUSION/LDV, MDV. Junio de 2013
UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERÍA NEOGRANADINA

Palabras clave: Volumen Forestal, LiDAR, INTRODUCCIÓN


Análisis de Regresión, FUSION/LDV, MDV.
El avance de la tecnología LiDAR como
fuente de información geográfica, permite
ABSTRACT obtener datos con un nivel de detalle que
con otras tecnologías de captura de infor-
LiDAR technology is a source of geographic mación no ha sido posible, lo cual ha dado
information for obtaining coordinate points como resultado que en diversos países pio-
including height, with more accurately, one neros en el manejo de esta tecnología como
of the main applications is having LiDAR in España, Holanda, Noruega, Estados Unidos,
forestry, but in Colombia the underdevelop- entre otros, la utilicen bastante en el campo
ment of this sector limits explore the con- forestal, específicamente en los inventarios
venience of using LiDAR data to estimate forestales y la obtención de diversas varia-
forest resources. This paper explores the bles dasométricas como el Volumen Fores-
use of LiDAR data for estimating forest vo­ tal, densidad, área basimétrica, biomasa,
lume in Metropolitan Park Forest San Carlos entre otras; obteniendo unos resultados
in Bogota DC Establishing a framework for satisfactorios en la rapidez de adquisición
background with similar studies; analyze a de los datos, el nivel de detalle y la precisión
group of tools to manage LiDAR data and planimetría y altimétrica.
subsequently establishing a methodologi-
cal procedure for a regression model rela­ Colombia es un país con gran riqueza bos-
ting the standard height data, with variable cosa y arbórea, sin embargo, la industria
field, forest volume. Regression analysis forestal y la preservación de los bosques
was performed on decision criteria sup- son temáticas muy poco desarrolladas. Las
ported statistical testing various models to pocas entidades que realizan estudios y
select the variables that best represent the actividades de tipo forestal especialmente,
phenomenon, establishing the goodness las realizadas para determinar recursos en
of fit test of the model and its parameters. términos de variables forestales como vo-
Although the model is obtained did not pro- lumen, biomasa, densidad, aún se realizan
duce the expected results in terms of esti- con las técnicas tradicionales.
mating forest volume examines the causes
of that happening. Finally the model is vali- Las aplicaciones que se han desarrollado en
Colombia a través de la utilización de datos
dated by applying it to the entire study area
LiDAR han sido orientadas a temas de to-
and represented geographically through a
pografía y obtención de Modelos Digitales
thematic map.
de Terreno de precisión.
Keywords: Volume Forestry, LiDAR, Re-
Con la intención de dar a conocer la aplica-
gression Analysis, FUSION / LDV, DVM.
ción de los datos LiDAR en el sector fores-
tal, se desarrolla un trabajo exploratorio en
donde se ilustra la conveniencia del uso de

8
Volúmen 23 - 1 Cristian Danilo Martínez Tobón, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandiño
APLICACIÓN DE DATOS LiDAR EN LA ESTIMACIÓN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

este tipo de tecnologías para la gestión y acceso a la información de ese tipo es limi-
manejo de los recursos forestales. tada, desde el punto de vista de la conse-
cución de los datos y, que además el sector
Es así, como a través del análisis de los di- forestal está muy poco desarrollado y es
versos métodos y técnicas que han sido de- poco conocido, el estudio se aplica en una
sarrolladas por distintos autores, que han zona muy pequeña comparada con las zo-
generado trabajos donde estiman variables nas de estudio de otros autores, el área de
forestales a partir de los datos LiDAR, se estudio corresponde al Parque Metropoli-
elige y aplica una metodología para obtener tano Bosque San Carlos de la ciudad de Bo-
un modelo matemático que permita la es- gotá D.C y un sector aledaño al mismo.
timación y predicción del Volumen Forestal
en el área de estudio seleccionada. El objetivo principal es el desarrollo de una
metodología que permita estimar el Volu-
Generalmente, la caracterización o cálculo men Forestal para el área de estudio, desde
de recursos forestales requiere de un in- la información que otorgan los datos LiDAR,
ventario en campo para medir alguna varia-
incluyendo un análisis de las principales
ble forestal (volumen, biomasa, densidad,
técnicas que han desarrollado otros auto-
etc.,) y dependiendo del área de estudio
res para objetivos similares, análisis para
pueden existir diversos factores que hagan
el procesamiento y manejo de los datos Li-
de ese inventario un trabajo de campo bas-
DAR, la selección y propuesta metodológica
tante dispendioso.
para encontrar la relación entre el Volumen
Una de las variables más importantes en Forestal y la información de datos LiDAR
los inventarios forestales es el Volumen Fo- y, finalmente, la estimación del Volumen
restal; es un dato que representa recursos Forestal para la totalidad de la zona de es-
en términos de cantidad maderable- apro- tudio, acompañada de la representación a
vechable de los individuos arbóreos y que través de un mapa temático que ilustre las
en el sector comercial de las maderas, en cantidades calculadas.
países donde existen grandes extensiones
de bosques plantados con fines comercia-
les, es de vital importancia. 1. ANTECEDENTES

Por lo anterior, la estimación del Volumen LiDAR es un sensor láser aerotransportado,


Forestal a partir de datos LiDAR permi- que permite obtener puntos georreferencia-
te mostrar el panorama de oportunidades dos de todos los elementos sobre la superfi-
a diversos sectores estatal, comercial, de cie terrestre. El principio de funcionamiento
aplicar tecnologías de este tipo para bene- es el cálculo del tiempo que toma una señal
ficio y desarrollo del sector. láser en ir y regresar, la cual es enviada a la
superficie y, la posición de cada uno de los
Dado que en Colombia la tecnología LiDAR puntos es ajustada en el espacio gracias a
apenas está siendo utilizada y por ende el los Sistemas de Posicionamiento Global por

9
Volumen Forestal, LiDAR, Análisis de Regresión, FUSION/LDV, MDV. Junio de 2013
UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERÍA NEOGRANADINA

Satélite, GNSS, que se acoplan al sensor en cuestión. Los resultados obtenidos mues-
el avión y estaciones de control en tierra. tran que el volumen del tronco de los árbo-
les de coníferas se puede estimar con ma-
Sin lugar a duda, una de las aplicaciones más yor precisión que el volumen de troncos de
desarrolladas con el uso de datos LiDAR se árboles de hoja caduca, obteniendo un R2
ha dado en el campo forestal; en países de 0,91 con Raíz del Error Cuadrático de la
donde la preservación de bosques y su ex- Media (RMSE) de 0,43 m3 y un R2 de 0,79
plotación comercial tienen importancia, se con RMSE de 0,50 m3, respectivamente [1].
han desarrollado trabajos cuyo objetivo ha
sido encontrar alguna relación de la nube de Popescu en su trabajo sobre la medición
puntos con coordenadas tridimensionales individual de variables forestales encontró
que otorga LiDAR y alguna variable forestal. que, para especies de pinos cuya morfolo-
gía presenta una mejor definición, la esti-
Los estudios que se han desarrollado han mación de variables como la biomasa tuvo
tomado dos enfoques para la estimación de un R2 de 0.82 con un RMSE de 29 Mg/ha,
variables forestales, el primer enfoque está en el caso del Volumen Forestal se obtuvo
orientado a la identificación de individuos un R2 de 0.83 con un error de 47,9 m3/ha;
individuales para posteriormente, calcular mientras en especies de árboles caducifo-
algún tipo de variable dasométrica. El se- lios los resultados para la biomasa fueron
gundo enfoque está orientado a la caracte- de un coeficiente de determinación R2 de
rización de pequeñas zonas para posterior- 0.32 con un RMSE de 44 Mg/ha y, en el
mente, extrapolar esa caracterización a una caso del Volumen Forestal el R2 fue de 0.39
región mucho mayor en términos de área. con un RMSE de 52.84 m3/ha [2].

En el Parque Nacional Forestal Bávaro, se En un estudio realizado en Korea sobre la


llevó a cabo la estimación del volumen del estimación del volumen y la biomasa en el
tallo, el Diámetro a la Altura de Pecho – cual identifican primero el individuo, con-
DAP, mediante análisis de regresión con los cluyen que en los intentos de estimar el
datos completos de las formas de las seña- volumen y la biomasa en individuos de pino
les LiDAR basados en la técnica de cortes coreano se obtiene en el mejor de los casos
de segmentación normalizada. La metodo- un 68% de calidad de la estimación para el
logía consistió en descomponer la forma de volumen y de un 48% en la estimación de
la señal y obtener el ancho y la intensidad la biomasa, aduciendo que los resultados
de cada pulso de la señal. Posteriormen- no tan buenos se debieron a la dificultad de
te, se realizó una segmentación de árboles identificación de árboles individuales espe-
individuales aplicando la técnica de cortes cialmente, en zonas de alta (1340 árboles/
de segmentación normalizada sobre una ha) y media (370 áboles /ha) densidad [3].
estructura voxel. Se clasifican las especies
para árboles de coníferas y de hoja caduca En trabajos más generalizados, se realiza
y se realiza la estimación de las variables en un estudio en España, cuyo objetivo es ob-

10
Volúmen 23 - 1 Cristian Danilo Martínez Tobón, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandiño
APLICACIÓN DE DATOS LiDAR EN LA ESTIMACIÓN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

tener modelos que permitan estimar, a par- en datos LiDAR; concluyen que la principal
tir de datos LiDAR, variables dasométricas ventaja es la disminución del error y mejor
de interés para la gestión forestal, en pina- ajuste de los modelos de regresión [5].
res de Pinus Nigra Arnold de la Comarca de
la Serranía Alta de Cuenca. Estas variables
son: Volumen (m3/ha), biomasa total aérea 2. MATERIALES Y MÉTODOS
(kg/ha), área basimétrica (m2/ha) y densi-
dad (pies/ha). Dentro de los resultados se Para el desarrollo de la metodología em-
obtienen modelos de regresión con una alta pleada para la obtención del resultado final,
precisión en la estimación de las variables, en conjunto con el objetivo de dar a conocer
exceptuando la estimación de la densidad; las ventajas del uso de los datos LiDAR, se
para el volumen se obtuvo un R2 de 0,899, consultó y aplicó un análisis de las herra-
el área basimétrica un R2 de 0,880 y para el mientas informáticas que pudieran facilitar
número de pies por hectárea 0,527 [4]. el desarrollo del mismo.

Otros autores dan a conocer la ventaja e ido- Posterior al análisis de las mejores herra-
neidad del uso de los datos LiDAR para los mientas informáticas se elige uno de los
inventarios forestales y estimar parámetros métodos aplicados por los diversos auto-
forestales, justifican sus conclusiones desde res de estudios con temáticas similares, el
la comparación de los inventarios forestales análisis de regresión para relacionar los da-
tradicionales con los inventarios apoyados tos LiDAR con la variable en estudio.

Figura 1. Metodología Estimación del Volumen Forestal. Fuente: Los autores.

11
Volumen Forestal, LiDAR, Análisis de Regresión, FUSION/LDV, MDV. Junio de 2013
UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERÍA NEOGRANADINA

2.1 ÁREA DE ESTUDIO 27 A y 34 Bis sur. Se destaca la gran diver-


sidad de especies arbóreas presentes en el
La zona de estudio se sitúa en la ciudad área de estudio (más de 70 tipos de espe-
de Bogotá D.C, en el Parque Metropolitano cies), siendo relevantes el Eucalipto común,
Bosque de San Carlos, que se encuentra Ciprés Italiano, Acacia Japonesa, Guayacán
ubicado en la localidad de Rafael Uribe, en- de Manizales y Caucho Sabanero.
tre las carreras 13 y 13A y entre las calles

Figura 2. Localización del área de estudio. Fuente: Los autores.

2.2 DATOS DE CAMPO forma del tronco, altura del fuste, altura de
la copa, entre otras características. La in-
Los datos del inventario del arbolado fue- formación del inventario al ser cruzada con
ron capturados por el Jardín Botánico, José el área de estudio y depurarla al encontrar
Celestino Mutis en el año 2008. La informa- registros que no tenían la información com-
ción fue suministrada en formato Shapefile pleta, se obtuvo un total de 2821 puntos
(.shp), y contiene un total de 8027 puntos, conservando las características de los da-
de los cuales cada registro representa un tos originales descritos anteriormente.
árbol individual. Adicionalmente, cada re-
gistro contiene más de 60 atributos que 2.3 DATOS LiDAR
identifican cada árbol. Dentro de estas ca-
racterísticas se encuentra información aso- La nube de puntos LiDAR fue capturada en
ciada con el código del árbol, nombre cien- el año 2006 por la firma Merrick & Company,
tífico, nombre común, altura total, diámetro utilizando el sensor ALS40 con una taza de
a la altura de pecho, fisiología, tipo de árbol, repetición láser de 100 Hz a 58 KHz, ángu-

12
Volúmen 23 - 1 Cristian Danilo Martínez Tobón, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandiño
APLICACIÓN DE DATOS LiDAR EN LA ESTIMACIÓN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

lo de campo de vista entre 5 y 75° y ancho desarrollo del trabajo, además de no tener
de barrido y frecuencia de escaneo variable. un costo asociado por tratarse de una he-
La nube de puntos fue suministrada en dos rramienta de libre uso.
planchas en formato Log ASCII Standard
(.LAS), con un espaciado promedio de 1,73 Aunque los datos ya presentaban una cla-
puntos/m2 y discriminados en dos clases; sificación para la clase de terreno, se eligió
la clase 1 sin clasificar y la clase 2 el terreno, utilizar el algoritmo de generación de MDT
esto de acuerdo al estándar implementado que incluye FUSION/LDV y permite contro-
por la American Society for Photogramme- lar los resultados obtenidos para la superfi-
try and Remote Sensing – ASPRS. cie. El algoritmo permite primero filtrar sólo
los puntos de terreno a partir de una función
2.4 PROCESAMIENTO DATOS LiDAR que se ejecuta para cada punto de los datos
LiDAR de manera iterativa, permitiendo al
Inicialmente, se realiza un análisis del sof- usuario controlar qué puntos ingresaran a
tware disponible para procesar los datos formar parte del MDT. Posteriormente, se
LiDAR. Las herramientas analizadas fue- aplica otro algoritmo de FUSION que selec-
ron: ArcGIS de la Enviromental Systems ciona sólo los puntos con mayor altura en
Research Institute – ESRI, MARS Software un área determinada por el usuario en este
propietario de la firma Merrick & Company, caso 1 m2 y así, obtener el modelo digital
FUSION desarrollado por el Servicio Fores- de superficies – MDS.
tal y el Departamento de Agricultura de los
Estados Unidos y finalmente, el Software Cuando se tiene el MDT se normalizan las
Fugro Viewer. alturas de la nube de puntos, de tal forma,
que los valores de altura están referidos
El Software escogido para procesar los da- al terreno local y no a la superficie de re-
tos LiDAR fue FUSION/LDV al ser la herra- ferencia que tenían los datos (en este caso
mienta más completa para el tratamiento alturas elipsoidales). Las alturas referidas al
de los datos, al permitir no solo visualizar- MDV, es decir la diferencia de alturas entre
los, sino también ofrecer un nivel de proce- el MDT y el MDS, es identificada como el
samiento de los mismos aceptable para el Modelo Digital de Vegetación – MDV.
a. b.

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

13
Volumen Forestal, LiDAR, Análisis de Regresión, FUSION/LDV, MDV. Junio de 2013
UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERÍA NEOGRANADINA

2.5 ANÁLISIS DE LAS VARIABLES La selección de las celdas de muestra se


DE CAMPO realizó bajo un criterio de distribución es-
pacial ocupando toda el área de estudio.
Se verificó en campo el inventario del arbo- El resultado es un total de 120 celdas cua-
lado suministrado por el Jardín Botánico y dradas de tamaño 10 metros x 10 metros.
su posicionamiento con respecto al servicio El Volumen Forestal para cada celda de
WMS de la ortofoto del año 2007 propor- muestreo se obtuvo como la suma de los
cionado en la página web de la Infraestruc- volúmenes forestales para cada individuo
tura de Datos Espaciales para el Distrito arbóreo dentro de la celda.
Capital – IDECA, con el fin
de seleccionar las áreas de
muestra para la construcción
del modelo. La selección de
las áreas de muestra se ob-
tuvo de analizar la media de
la distancia entre individuos
arbóreos y dio como resulta-
do que la unidad de estudio
debían ser celdas cuadradas
de 10 metros de lado. Se ela-
boró una grilla con celdas de
10 metros de lado sobre la
totalidad del área de estudio.

Figura 4. Distribución de las áreas de muestreo. Fuente: Los autores.

2.6 OBTENCIÓN DEL MODELO factor forma (0,7 para el eucalipto común
DE REGRESIÓN que es la especie predominante, 42% de las
especies en el área de estudio).
Las variables involucradas en la especifi-
cación del modelo de regresión son el Vo- Las variables independientes se obtienen
lumen Forestal, que es la variable depen- desde las herramientas de procesamiento
diente calculada por el Jardín Botánico de la y tratamiento del Software FUSION/LDV,
siguiente manera: en el cual se define las mismas áreas o uni-
dades de muestreo que se usaron para la
Volumen forestal árbol = Af × Area basal × ff (1)
variable dependiente y se calcula una serie
Donde, Af es la altura del fuste, área basal de medidas estadísticas de cada una de las
que se calcula a través del DAP, diámetro a áreas de muestreo, es decir, se resume el
la altura del pecho y su relación con la fór- MDV (Modelo Digital de Vegetación) esta-
mula del área de la circunferencia y ff es el dísticamente.

14
Volúmen 23 - 1 Cristian Danilo Martínez Tobón, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandiño
APLICACIÓN DE DATOS LiDAR EN LA ESTIMACIÓN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

Las estadísticas en las que se resume el Al realizar un análisis del fenómeno se


MDV son obtenidas usando el comando identifica que el Volumen Forestal es el vo-
Cloudmetrics de FUSION/LDV [6]. lumen de un cuasi-cilindro, que se encuen-
tra inmerso o bajo el volumen que genera
un árbol al colocarle una sábana encima y
cae hasta el suelo. Al generalizar este aná-
lisis a las áreas o celdas de muestreo se
asimila que el Volumen Forestal de dichas
celdas de muestreo, es la suma de todos
los volúmenes de los individuos dentro de
cada celda; y ese volumen está inmerso en
el volumen que ocupan todos los árboles en
esa celda al colocarles una sábana o cobija.

Son entonces esas 36 variables estadísti-


cas un resumen de esa situación, es así que
se plantea que una variable como la media,
deberá tener bastante influencia en un fu-
Figura 5. Fenómeno a estimar (Volumen Forestal en turo modelo ya que resumen esos picos y
función de las estadísticas de los LiDAR).
valles de las alturas (Aplana esa sábana que
Fuente: Los autores.
se imagina sobre los árboles), de la misma
Para la obtención de un modelo de regre- forma, al analizar las medidas de dispersión
sión se analiza la naturaleza del fenómeno como la desviación estándar, se concluye
y se justifica apoyándose en criterios es- que otorga una característica de la mor-
tadísticos, obteniendo como resultado las fología de los árboles, si la media tiene un
variables más opcionadas a representar el valor alto y la desviación estándar un valor
Volumen Forestal en términos de las altu- pequeño puede indicar que en esa área de
ras obtenidas de los datos LiDAR. muestreo se está frente a una zona muy
copada de ramas y hojas y además con ár-
boles altos, ya que muy pocos puntos del
3. RESULTADOS Y ANÁLISIS sensor lograron llegar al suelo.

Una vez fue calculado el Volumen Forestal Se encontró además que existen variables
para las 120 celdas de muestreo en térmi- que pueden dar información redundan-
nos de m3 por áreas de 100 m2, y el MDV te como los percentiles y que incluir todos
resumido estadísticamente para las mis- ellos en un modelo, puede ocasionar ruido
mas celdas, se obtuvo una variable depen- en el modelo.
diente y 36 variables independientes ob-
tenidas de la información de altura de los Para apoyar el análisis de la naturaleza del
datos LiDAR. fenómeno se realiza entonces una matriz

15
Volumen Forestal, LiDAR, Análisis de Regresión, FUSION/LDV, MDV. Junio de 2013
UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERÍA NEOGRANADINA

de correlación de todas las variables inclu- Al modelo obtenido se aplica una prueba
yendo el Volumen Forestal. De allí se eligen de bondad de ajuste tanto en el modelo
las variables independientes que mayor como en sus parámetros y se analizan los
correlación tienen con el Volumen Forestal supuestos de normalidad, autocorrelación
y además tienen correlaciones bajas entre y heterocedasticidad.
ellas mismas
Al realizar el proceso de selección de varia-
Se parte entonces de un modelo inicial de bles con el método Stipwise se obtuvo un
regresión de la forma: modelo de estimación del Volumen Fores-
tal, de la siguiente forma:
Vol_Forestal = β1 + β2 Elevmeani + β3 Elevstddevi
+ β4ElevCVi + β5ElevKurtosisi Vol_Forestal = - 5,7484618
+ β6Elevskewnessi + ui (2) + 0,68548776Elevmean
+ 3,38415621Elevskewness (3)
Para afinar el modelo se realiza un proce-
so de selección de variables paso a paso El valor del coeficiente de determinación R 2
(Stepwise), con el fin de incorporar solo las fue de 0,43, con un error medio cuadrático
variables más significativas en el modelo. de 3,51m 3 en un área de 100m 2 (Figura 6).

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

La figura anterior deja al descubierto que Para corregir estos problemas se realizó
la varianza del error no es constante. Se una transformación al modelo especifica-
realizó entonces una prueba de normali- do en (3), al observar el comportamiento
dad Jarque Bera en los residuos, el test de de los residuos que crecen al aumentar el
heterocedasticidad de White y la prueba d Volumen Forestal y el volumen frente a las
de Durbin Watson y, se comprobó que no variables independientes indicó un com-
existe normalidad en los residuos, hay pre- portamiento exponencial, así que se aplicó
sencia de autocorrelación y heterocedasti- una transformación logarítmica y se obtuvo
cidad. el siguiente modelo:

16
Volúmen 23 - 1 Cristian Danilo Martínez Tobón, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandiño
APLICACIÓN DE DATOS LiDAR EN LA ESTIMACIÓN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

ln (Vol_Forestal) = β1 + β2Elevmeani drada de tabla para 5 grados de libertad con


+ β2Elevskewnessi + ui (4) un 95% de confiabilidad es de 1,14. Como el
valor de Ji cuadrada calculada es mayor que
De nuevo, se analizaron los supuestos de la Ji cuadrada de tabla, la conclusión es que
normalidad, autocorrelación y heteroce- hay heterocedasticidad.
dasticidad y se obtuvieron los siguientes
resultados: Autocorrelación: Al realizar la prueba de
Durbin Watson se obtienen los siguientes
Normalidad: Al realizar la prueba Jarque resultados:
Bera se obtuvo:
Para k= 2 y n=120 con un porcentaje de
Tabla 1. Prueba de Normalidad Jarque Bera.
confiabilidad del 95% dL=1.706 y du=1.760,
n 120
Tabla 3. Test d de Durbin Watson.
kurtosis 1,893537
Asimetría -0,778674 Durbin - Número de Autocorrela-
Prob<DW
Watson observaciones ción
JB 18,24796582
Fuente: Los autores. 1,7654364 120 0,1138 0,0902
Fuente: Los autores.
Como el valor de JB no está cercano a cero,
entonces se comprueba que no existe nor- Se obtuvo un valor d de Durbin Watson de
malidad en los residuos. 1,76, lo que significa que no hay autocorre-
lación.
Homocedasticidad: Al realizar el test de
White se obtienen los siguientes resulta- Los resultados obtenidos después de
dos: transformar la variable dependiente, en
este caso el Volumen Forestal, nos indican
Tabla 2. Test de Heterocedasticidad de White. que ya no existe autocorrelación en los re-
siduos aunque todavía existe heterocedas-
R^2 0,04825938
ticidad y falta de normalidad.
N 120
Ji cuadrada calculada 5,7911257 Si se analiza esta situación se debe tener
en cuenta que existe diversidad de especies
Ji cuadrada tabla
1,145476 arbóreas en el parque, que se asumió una
(95% confiabilidad)
fórmula para el cálculo del Volumen Fores-
grados libertad 5 tal basados en que el 41% de los árboles
Fuente: Los autores. son eucaliptos, que no existe un patrón de
distribución de una especie respecto a otra,
En la Tabla 2 se observa que el valor de Ji es decir mezcla de especies en toda el área
cuadrada calculada es de 5,79, y la Ji cua- de estudio, lo cual genera un problema de

17
Volumen Forestal, LiDAR, Análisis de Regresión, FUSION/LDV, MDV. Junio de 2013
UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERÍA NEOGRANADINA

observación y afecta la normalidad de los Tabla 5. Análisis de varianza.


datos la cual se presume. Suma de los Cuadrado Relación
Fuente DF
cuadrados medio F
Lo anterior, conlleva a que el comportamiento
Modelo 2 40,991261 20,4956 47,8509
del Volumen Forestal y su relación con la altu-
ra media y la asimetría sea diferente depen- Error 117 50,113714 0,4283 Prob > F
diendo el tipo de especie presente, es decir, C. Total 119 91,104975 <,0001*
los árboles con altura baja pueden presentar Fuente: Los autores.
un Volumen Forestal muy dispar debido a la
morfología de cada tipo de especie, por otro Tabla 6. Parámetros estimados.
lado, árboles de gran altura pueden presentar
Error Relación
volúmenes forestales altos y variables, de- Término Estimado Prob>|t|
estándar t
pendiendo del tipo de especie y la densidad
Intercepto -0,538575 0,254659 -2,11 0,0366*
de los árboles. Este análisis conlleva a que la
varianza del error no es constante en la mues- Elev mean 0,1122602 0,01559 7,20 <,0001*

tra ya que la diversidad de especies arbóreas Elev


0,3388678 0,155206 2,18 0,0310*
hace que el Volumen Forestal sea muy dispar. skewness
Fuente: Los autores.
Sin embargo, se decide utilizar el modelo de
regresión de esta forma para realizar la es-
timación del Volumen Forestal.

Finalmente, se realiza una transformación


inversa del modelo de regresión para esti-
mar directamente el Volumen Forestal ya
que se encontraba en términos del logaritmo
natural del volumen. Al realizar dicha trans-
formación obtenemos el siguiente modelo
de regresión definitivo sobre el que se hacen
las estimaciones del Volumen Forestal:

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

Tabla 4. Resumen del modelo. Figura 7. Volumen Forestal actual VS Volumen Fores-
tal predicho. Fuente: Los autores.
R cuadrado 0,449934

R cuadrado Ajustado 0,440532 En la Tabla 4 se observa que el valor de R 2


es de 0,4499, lo cual indica que la variación
Raíz del error medio cuadrático 0,654463
en el Volumen Forestal está explicado en un
Media de la respuesta 1,467266 44% por la variación conjunta en la elevación
Observaciones 120 media y el coeficiente de asimetría. Tam-
Fuente: Los autores. bién se observa que la calidad del modelo

18
Volúmen 23 - 1 Cristian Danilo Martínez Tobón, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandiño
APLICACIÓN DE DATOS LiDAR EN LA ESTIMACIÓN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

en términos del error medio cuadrático, en lumen Forestal para cada una aplicando la
la estimación del volumen, es de 0,65m 3 en ecuación (5).
un área de 100m 2.
Para la representación del Volumen Fo-
Posterior a la obtención del modelo se apli- restal estimado, se generó una tabla para
có el mismo a la totalidad del área de estu- vincularlos como un atributo en la capa que
dio. De nuevo se usó el Software FUSION/ contiene cada celda, se generó además una
LDV para obtener las estadísticas para cada máscara o plantilla para que en los lugares
celda de la totalidad del área de estudio. donde existen construcciones no se aplica-
Una vez se calculó la estadística para cada ra el valor calculado.
celda del área de estudio se estimó el Vo-

Volumen Forestal en m3 por áreas de


100 m2

Figura 8. Volumen Forestal. Fuente: Los autores.

Obsérvese que para las zonas que corres- en el modelo, se puede concluir que un es-
ponden a vías o áreas sin vegetación arbó- tudio que se lleve a cabo con esta tecnología
rea el volumen fue muy bajo, manteniendo y que pretenda estimar recursos forestales
la lógica del fenómeno; mientras que en las en zonas más homogéneas en términos de
áreas que en la ortofotografía se mostraba especies, va a tener muy buenos resultados
presencia de árboles presentan rangos de en términos de precisión.
valores más altos para la variable estimada,
manteniendo de nuevo la lógica del análisis Por otra parte queda totalmente demos-
y representando la naturaleza del fenóme- trado, al igual que en estudios realizados
no estudiado. por otros autores mencionados en los an-
tecedentes, que la estimación de variables
forestales en especies arbóreas que no
4. CONCLUSIONES presentan una morfología representada
por formas geométricas determinables fá-
En términos generales y teniendo en cuen- cilmente, presentan resultados regulares o
ta las dificultades y problemas encontrados modestos.

19
Volumen Forestal, LiDAR, Análisis de Regresión, FUSION/LDV, MDV. Junio de 2013
UNIVERSIDAD MILITAR NUEVA GRANADA - CIENCIA E INGENIERÍA NEOGRANADINA

Si se es estricto, los resultados de este tra- DAR data, En: Remote Sensing of Environment,
bajo muestran que no es recomendable Volume 123, p. 368.
aplicar el modelo obtenido en áreas con [2] Popescu S. C., Wynne R. H. y Nelson R. F.
gran diversidad arbórea, ya que la varian- (2003), Measuring individual tree crown dia-
za de los errores no se mantiene constante meter with LiDAR and assessing its influence
a pesar de realizar una transformación al on estimating forest volume and biomass, En:
Canadian Journal of Remote Sensing, Volume
modelo, lo cual se ve reflejado en que las
29 (5), p 564-577.
estimaciones realizadas pueden llegar a ser
erróneas. [3] Doo-Ahn Kwak, Woo-Kyun Lee, Hyun-Kook Cho,
Seung-Ho Lee, Yowhan Son, Menas Kafatos,
Se espera cumplir con la intención de mos- So-Ra Kim.,(2010) Estimating stem volume
and biomass of Pinus koraiensis using LiDAR
trar a la comunidad nacional y local, inclu- data. En: Journal of Plant Research Springer
yendo los sectores académicos, comercia- Japan, Volume 123, Issue 4, pp 421-432, ISSN
les y estatales, las ventajas y riqueza de 0918-9440.
información que se obtiene con sensores
[4] García García David. (2010), Estimación de
LiDAR a través de la aplicación práctica en variables de interés forestal basada en datos
un campo en el que esta tecnología ha en- LiDAR en el monte número 117 del C.U.P. tér-
contrado bastantes aplicaciones. mino municipal de Cuenca, 194 p. Trabajo de
Grado (Ingeniería Técnica Forestal), Universi-
dad Politécnica de Madrid.
AGRADECIMIENTOS [5] Martín Gil Alberto. (2010), Estructura forestal y
trabajos selvícolas en el MUP de Sinarcas (Va-
A la empresa Merrick & Company, por su lencia) Comparación entre inventarios foresta-
apoyo a través del permiso de uso de los les tradicionales y mediante tecnología LiDAR,
datos LiDAR tomados por ellos en la ciudad 104 p. Trabajo de Grado (Ingeniería Técnica
Forestal) Universidad Politécnica de Valencia.
de Bogotá D.C. en el año 2006. Al Jardín Bo-
tánico José Celestino Mutis, por su apoyo a [6] Robert J. McGaugheey, (2010) Manual FU-
través del permiso de uso de la información SION/LDV Software for LiDAR Data Analysis
georreferenciada del censo arbolo urbano and Visualization, U.S. Department of Agricul-
ture, Forest Service.
de Bogotá para el área de estudio y las ase-
sorías prestadas para la definición de las [7] H. Weinacker, B. Koch, U. Heyder, R. Weiancker,
variables que permiten calcular el Volumen (2004). Development of filtering, segmentation
Forestal. and modeling modules for lidar and multis-
pectral data as a fundament of an automatic
forest inventory system. En: Proceedings of
ISPRS Working Group on Laser-Scanners for
REFERENCIAS BIBLIOGRÁFICAS Forest and Landscape Assessment Instru-
ments, Processing Methods and Applications,
[1] Yao Wei, Krzystek Peter, Heurich Marco. (2012), Freiburg Germany, pp 50-55.
Tree species classification and estimation of
stem volume and DBH based on single tree ex- [8] J. Breidenbach, E. Naesset, V. Lien, T. Go-
traction by exploiting airborne full-waveform Li- bakken, S. Solberg, (2010). Prediction of spe-

20
Volúmen 23 - 1 Cristian Danilo Martínez Tobón, Jhon Eric Aunta Duarte, Jorge Alberto Valero Fandiño
APLICACIÓN DE DATOS LiDAR EN LA ESTIMACIÓN DEL VOLUMEN FORESTAL EN EL PARQUE METROPOLITANO BOSQUE SAN CARLOS

cies specific forest inventory attributes using [11] Sorin Popescu, Randolph Wynne, Ross Nelson,
a nonparametric semi-individual tree crown (2002). Estimating plot-level tree heights with
approach based on fused airborne laser scan- LiDAR: local filtering with a canopy-height ba-
ning and multispectral data. En: Remote Sen- sed variable window size. En: Computers and
sing of Environment 114, pp 911-924. Electronics in Agriculture 37, pp 71-95.

[9] M. Garcia, E. Prado, D. Riaño, E. Chuvieco, F.M. [12] J. Vauhkonen, I. Korpela, M. Maltamo, T. Toko-
Danson, (2009). Ajuste planimétrico de datos la, (2010). Imputation of single-tree attributes
LiDAR para la estimación de características using airborne laser scanning-based height,
dasométricas en el Parque Natural del Alto intensity and alpha shape metrics. En: Remote
Tajo, En: Geofocus, Volumen 9, pp 184-208, Sensing of Enviroment 114, pp 1263-1276.
ISSN 1578-5157.
[13] Y. Kim, Z. Yang, W.B. Cohen, D. Pflugmacher,
[10] Sorin C Popescu, Zhao Kaiguang, (2008). A C.L. Lauver, J.L. Vankat, (2009). Distinguishing
voxel-based LiDAR method for estimating between live and dead standing tree biomass
crown base height for deciduous and pine on the North Rim of Grand Canyon National
trees. En: Remote Sensing of Environment 112, Park, USA using small-footprint LiDAR data.
pp 767-787. En: Remote Sensing 113, pp 193-203.

21
Volumen Forestal, LiDAR, Análisis de Regresión, FUSION/LDV, MDV. Junio de 2013

También podría gustarte