Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Comparación de Modelos de Altura de La Vegetación para Estimación de Biomasa en Un Bosque de Manglar en El Caribe Colombiano
Comparación de Modelos de Altura de La Vegetación para Estimación de Biomasa en Un Bosque de Manglar en El Caribe Colombiano
1-18 | ISSN (en línea): 2382-3518 / ISSN impreso: 1692-0074 | Universidad del Valle
https://doi.org/10.25100/eg.v0i19.9471
Espacios y Territorios
Para citar este artículo: Fuentes Delgado, J. (2020). Comparación de modelos de altura de la vegetación para estimación de biomasa en un
bosque de manglar en el Caribe Colombiano. Entorno Geográfico, (19), 1-18. doi: 10.25100/eg.v0i19.9471
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0.
Fuentes Delgado, J.
the tree mass., The use of stereo satellite pairs more viable alternative in availability and
is viable in large areas and not in small areas, cost.
where particularly in recent years, data taken Keywords: CHM, Mangrove, LIDAR,
with unmanned aerial vehicles seems to be a Biomass, Satellite.
2
Entorno Geográfico | N° 19 | enero-junio 2020 | pp. 1-18 | https://doi.org/10.25100/eg.v0i19.9471
Comparación de modelos de altura de la vegetación para estimación de biomasa en un bosque de manglar en el Caribe Colombiano
4
Entorno Geográfico | N° 19 | enero-junio 2020 | pp. 1-18 | https://doi.org/10.25100/eg.v0i19.9471
Comparación de modelos de altura de la vegetación para estimación de biomasa en un bosque de manglar en el Caribe Colombiano
Figura 2. Modelo de superficie LIDAR y Foto área RGB, (manglar Rincón Mosquito La
Guajira).
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0.
Comparación de modelos de altura de la vegetación para estimación de biomasa en un bosque de manglar en el Caribe Colombiano
Figura 3. Imágenes estereoscópicas del satélite EROS B tomadas en agosto de 2011 (manglar
Rincón Mosquito, La Guajira).
8
Entorno Geográfico | N° 19 | enero-junio 2020 | pp. 1-18 | https://doi.org/10.25100/eg.v0i19.9471
Comparación de modelos de altura de la vegetación para estimación de biomasa en un bosque de manglar en el Caribe Colombiano
ráster que se utilizará con el tamaño de celda variaciones de elevación de los objetos y
correcto. Normalmente, deben usarse superficies presentes en el momento de la
tamaños de celda cuatro veces el tamaño del toma de los datos; ya sea estos por
espaciado promedio (LIDAR). Esto permite herramientas fotogramétricas, LIDAR o
el promedio de píxeles y la eliminación de radar. Estos pueden tener una estructura de
celdas sin valores nulos. Si se utilizan representación de datos regular o irregular. La
tamaños de píxel más pequeños, la frecuencia diferencia principal de los modelos digitales
de las celdas nulas aumenta y puede sesgar los de terreno con los DSM es que los primeros
resultados. Para calcular la biomasa, se utilizó representan solo los valores de elevación de
la herramienta Raster calculator en ArcGIS los puntos más bajos de una superficie
Spatial Analyst aplicando la ecuación (terreno), a diferencia de los segundos que
alometrica (DAP,p,h) de Chave et al. (2005). representan la elevación de la capa superficial
Esta herramienta construye y ejecuta una de los objetos sobre el terreno. Los DTM
expresión simple de Álgebra de mapas (Digital Terrain Model por sus siglas en
utilizando la sintaxis de Python en una inglés) pueden ser un producto originado de
interfaz similar a una calculadora. algún proceso del DSM (Fuentes, Bolaños y
Rozo, 2012). Los modelos de altura de la
Generación de DSM y DTM vegetación o CHM (Canopy Height Models
Los modelos digitales de superficie DSM por sus siglas en inglés) representa la altura
(Digital Surface Model por sus siglas en real de los árboles, con la influencia de la
inglés) son la representación fiel de todas las elevación del suelo eliminada (ver Figura 4).
9
Fuentes Delgado, J.
matemático asociado a la posición del satélite obtuvieron los datos del DSM y DTM
para ambas imágenes estereoscópicas clasificados en la nube de puntos LIDAR,
mediante la manipulación de datos de órbita donde se pueden obtener los dos modelos del
y altura con los datos del punto de control lo terreno directamente.
que permitió reconstruir tridimensionalmente
el área de estudio en un DMS de 2 metro de
resolución espacial, posterior mente se 3. Resultados
convirtió al nivel del terreno con el algoritmo
DSM2DTM del programa PCI Geomatica, Estimación de la altura de la
esta función convierte un modelo de vegetación
superficie digital ráster (DSM o elevación) en Con el geoprocesamiento de datos de
un modelo digital de terreno desnudo (DTM). elevación LIDAR y de satélite se pueden
Los filtros se utilizan para eliminar elementos revelar las características de un bosque. En
de la superficie, como edificios y árboles. los resultados (ver Figura 5), el verde
Luego de obtener la topografía desde los representa la vegetación baja y el rojo
datos de satélite se procedió a generar el representa la vegetación alta. En este ejemplo,
modelo de superficie desde los datos LIDAR, se puede ver claramente una diferencia en el
para ello se importaron los puntos de detalle de los árboles en el área analizada, con
elevación desde el formato LAS, este es un la información LIDAR arroja alturas
formato de archivo diseñado para el máximas de 25 metros a diferencia de los 21
intercambio y archivo de datos de nube de metros en alturas máximas de los datos de
puntos LIDAR, desde los archivos se satélite.
11
Fuentes Delgado, J.
Luego de calcular la biomasa total desde los los resultados de las distintas mediciones al
datos de satélite y LIDAR, se comparó la nivel del muestreo en campo y de toda el área
medida de biomasa tomada en campo sobre del manglar (ver Tabla 2).
un área de 20 m2 y se extrapolo al área total
del manglar para realizar una comparación de
12
Entorno Geográfico | N° 19 | enero-junio 2020 | pp. 1-18 | https://doi.org/10.25100/eg.v0i19.9471
Comparación de modelos de altura de la vegetación para estimación de biomasa en un bosque de manglar en el Caribe Colombiano
estimar los atributos de la masa arbórea al., 2019). Una alternativa más económica al
utilizando imágenes estéreo de satélite, por uso de información LIDAR a partir de
esta razón se evalúo y comparo la integridad imágenes estereoscópicas, es la generación de
y precisión vertical de los modelos extraídos modelos de superficie desde los datos
de la altura de la vegetación particularmente tomados con vehículos aéreos no tripulados o
en un área pequeña y de poca extensión como drones. En los últimos años se ha
el manglar Rincón Mosquito. incrementado su utilización en la generación
de modelos DSM, varios estudios han
Los costos de adquisición relativamente altos evaluado de manera efectiva la combinación
evitan que el LIDAR se use en vastos de técnicas modernas de comparación de
territorios. Los enfoques de estimación imágenes y sistemas aéreos no tripulados para
LIDAR en biomasa pueden ser tan certeros extraer parámetros estructurales biofísicos y
como los enfoques de medición en biomasa verticales de árboles en diferentes tipos del
(alométricos) usados a nivel de parcela bosque australiano (Hung, Bryson y
(Asner, 2009). Al considerar alternativas al Sukkarieh, 2012; Wallace et al., 2012, 2016).
LIDAR para estudios continuos de áreas (Goldbergs et al., 2018b) evaluaron la
amplias, se deben considerar enfoques más eficiencia de las imágenes aéreas de drones de
rentables que utilicen datos satelitales bajo costo para estimar los parámetros
(Goldbergs et al., 2019). Las principales estructurales de los árboles y cuantificar la
ventajas de los datos satelitales sobre los biomasa en las sabanas tropicales
datos de LIDAR incluyen una resolución australianas.
temporal más alta, un costo más bajo, una
cobertura de área más amplia y un contenido
de imagen espacialmente más homogéneo 5. Conclusiones
con información multiespectral (Immitzer et El uso de herramientas geoespaciales muestra
al., 2016). En el caso de estudio del manglar una fácil integración y gran aplicabilidad
Rincón Mosquito el uso de imágenes dentro de los proyectos de estimación de
satelitales de alta resolución, no permitió carbono, particularmente en el cálculo de
obtener un resultado satisfactorio sobre la alturas y cuantificación de biomasa aérea. El
estimación de la biomasa aérea desde un objetivo principal de este análisis fue evaluar
DSM satelital, teniendo en cuenta que el área el potencial de imágenes estéreo de alta
analizada fue relativamente pequeña 12.9 ha. resolución satelital vs datos de LIDAR
En comparación con los buenos resultados en aerotransportado, para estimar las variables
áreas de mayor extensión obtenidos por otros de altura de la vegetación (CHM). Con los
estudios con imágenes estéreo derivadas de pares estéreo de satélite se derivó un DSM, en
satélite de muy alta resolución para generar la misma área y condiciones, se utilizó un
modelos de superficie y respaldar el DSM derivado de LIDAR y se analizó el
inventario y monitoreo forestal (White et al., cálculo de biomasa comparándolos con datos
2013). Sin embargo, el rendimiento de la tomados en campo con una parcela
coincidencia de imágenes aplicado a las tradicional.
imágenes estéreo satelitales de muy alta
resolución para el inventario forestal no se ha En términos de escalas detalladas se puede
estudiado de manera intensiva (Goldbergs et concluir que el sensor con mayor precisión es
14
Entorno Geográfico | N° 19 | enero-junio 2020 | pp. 1-18 | https://doi.org/10.25100/eg.v0i19.9471
Comparación de modelos de altura de la vegetación para estimación de biomasa en un bosque de manglar en el Caribe Colombiano
15
Fuentes Delgado, J.
Cottam, G., y Curtis, J. T. (1956). The Use of based approaches for savanna biomass
Distance Measures in Phytosociological uncertainty estimation from airborne
Sampling. Ecology, 37(3), 451-460. doi: LiDAR. Remote Sensing of Environment,
10.2307/1930167 205, 141-150. doi:
Chave, J., Andalo, C., Brown, S., Cairns, M. A., 10.1016/j.rse.2017.11.010
Chambers, J. Q., Eamus, D., Yamakura, T. Goldbergs, G., Maier, S. W., Levick, S. R., y
(2005). Tree allometry and improved Edwards, A. (2018b). Efficiency of
estimation of carbon stocks and balance in Individual Tree Detection Approaches
tropical forests. Oecologia, 145(1), 87-99. Based on Light-Weight and Low-Cost
doi: 10.1007/s00442-005-0100-x UAS Imagery in Australian Savannas.
Eggleston, S., Buendia, L., Miwa, K., Ngara, T., y Remote Sensing, 10(2), 161.
Tanabe, K. (2006). 2006 IPCC guidelines Goldbergs, G., Maier, S. W., Levick, S. R., y
for national greenhouse gas inventories Edwards, A. (2019). Limitations of high-
(Vol. 5). Hayama, Japan: Institute for resolution satellite stereo imagery for
Global Environmental Strategies. estimating canopy height in Australian
Fuentes, J. E., Bolaños, J. A., y Rozo, D. M. tropical savannas. International Journal of
(2012). Modelo digital de superficie a Applied Earth Observation and
partir de imágenes de satélite IKONOS Geoinformation, 75, 83-95. doi:
para el análisis de áreas de inundación en 10.1016/j.jag.2018.10.021
Santa Marta, Colombia. Boletín de Hung, C., Bryson, M., y Sukkarieh, S. (2012).
Investigaciones Marinas y Costeras - Multi-class predictive template for tree
INVEMAR, 41, 251-266. crown detection. ISPRS Journal of
Fuentes, J., Varga, D., y Pintó, J. (2018). The Photogrammetry and Remote Sensing, 68,
Use of High-Resolution Historical Images 170-183. doi:
to Analyse the Leopard Pattern in the Arid 10.1016/j.isprsjprs.2012.01.009
Area of La Alta Guajira, Colombia. Immitzer, M., Stepper, C., Böck, S., Straub, C., y
Geosciences, 8(10), 366. doi: Atzberger, C. (2016). Use of WorldView-
10.3390/geosciences8100366 2 stereo imagery and National Forest
García Arbeláez, C., Barrera, X., Gómez, R., y Inventory data for wall-to-wall mapping of
Suárez Castaño, R. (2015). El ABC de los growing stock. Forest Ecology and
compromisos de Colombia para la Cop 21. Management, 359, 232-246. doi:
Bogotá: WWF-Colombia. 10.1016/j.foreco.2015.10.018
García, M., Saatchi, S., Ustin, S., y Balzter, H. Lefsky, M. A., Cohen, W. B., Harding, D. J.,
(2018). Modelling forest canopy height by Parker, G. G., Acker, S. A., y Gower, S. T.
integrating airborne LiDAR samples with (2002a). Lidar remote sensing of above-
satellite Radar and multispectral imagery. ground biomass in three biomes. Global
International Journal of Applied Earth Ecology and Biogeography, 11(5), 393-
Observation and Geoinformation, 66, 159- 399. doi: 10.1046/j.1466-
173. doi: 10.1016/j.jag.2017.11.017 822x.2002.00303.x
Goldbergs, G., Levick, S. R., Lawes, M., y Lefsky, M. A., Cohen, W. B., Parker, G. G., y
Edwards, A. (2018a). Hierarchical Harding, D. J. (2002b). Lidar Remote
integration of individual tree and area- Sensing for Ecosystem Studies: Lidar, an
16
Entorno Geográfico | N° 19 | enero-junio 2020 | pp. 1-18 | https://doi.org/10.25100/eg.v0i19.9471
Comparación de modelos de altura de la vegetación para estimación de biomasa en un bosque de manglar en el Caribe Colombiano
17
Fuentes Delgado, J.
18
Entorno Geográfico | N° 19 | enero-junio 2020 | pp. 1-18 | https://doi.org/10.25100/eg.v0i19.9471
Copyright of Entorno Geográfico is the property of Universidad del Valle and its content may
not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's
express written permission. However, users may print, download, or email articles for
individual use.