Monitoreo de La Alteración Del Dosel en Bosques Nativos: March 2019

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/332083104
MONITOREO DE LA ALTERACIÓN DEL DOSEL EN BOSQUES NATIVOS
Book · March 2019
CITATION READS
1 425
2 authors:
Alvaro G. Gutierrez Ignacio Díaz-Hormazábal

University of Chile Chile National Forest Service
105 PUBLICATIONS 7,019 CITATIONS 21 PUBLICATIONS 364 CITATIONS
SEE PROFILE SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Representatividad del Sistema Nacional de Áreas Silvestres Protegidas del Estado de Chile en relación a la ocurrencia de fauna terrestre amenazada View project
FONDO DE INVESTIGACIÓN DEL BOSQUE NATIVO (FIBN), Proyecto 027/2015 View project
All content following this page was uploaded by Alvaro G. Gutierrez on 29 March 2019.
The user has requested enhancement of the downloaded file.

MONITOREO DE LA ALTERACIÓN
DEL DOSEL EN BOSQUES NATIVOS
Guía Metodológica
AUTORES
Alvaro G. Gutiérrez
Ignacio Díaz-Hormazábal
MONITOREO DE LA ALTERACIÓN
DEL DOSEL EN BOSQUES NATIVOS
Guía Metodológica
AUTORES
MONITOREO DE LA ALTERACIÓN DEL DOSEL EN BOSQUES NATIVOS.
GUÍA METODOLÓGICA
Autores
Diseño
Cynthia Aguilera
Primera Edición. Distribución gratuita, sin valor comercial.

Esta guía es producto del proyecto 027/2015 que fue financiado por el Fondo de Investigación del
Bosque Nativo.
Se autoriza la reproducción parcial de la información aquí contenida siempre y cuando se cite la
presente publicación como fuente. Citar de la siguiente manera:
Alvaro G. Gutiérrez & Ignacio Díaz-Hormazábal. 2018. Monitoreo de la alteración del dosel en
bosques nativos. Guía metodológica. Universidad de Chile. Santiago, Chile. 42 pp.
Contacto: bosqueciencia@gmail.com
www.bosqueciencialab.org
PRESENTACIÓN
En las últimas décadas, ha aumentado la a la representatividad de sus bosques en el país,

preocupación por la degradación de los bosques a pudiendo encontrar aún tanto bosques intactos,
escala global. Las evidencias científicas acumuladas como bosques adultos en distintos niveles de
sugieren que desacelerar el proceso de degradación alteración.
de bosques, es un componente clave para mitigar los
A través del uso de sensores remotos y análisis
efectos del cambio climático global y necesaria para
geoespaciales, se explica cómo desarrollar la
asegurar la provisión de servicios ecosistémicos.
caracterización de claros en el dosel, con el fin de
Actualmente existe un vacío de información en Chile
obtener métricas que permitan determinar el estado
referido a la superficie y localización de los bosques
de degradación de bosques adultos, fundadas
nativos degradados. Esta incertidumbre limita la toma
en la teoría ecológica de la dinámica sucesional.
de decisiones para la planificación tanto del uso del
Los métodos propuestos son de rápida medición
recurso forestal, como de los territorios dominados
y permiten determinar, la presencia, tamaño y
por bosques nativos en el país. Avanzar en la
distribución de tamaños de claros en el dosel,
estimación de la superficie de bosques nativos en
criterio ecológico clave para expresar el tiempo
proceso de degradación y establecer un mecanismo
sucesional necesario para retornar a una estructura
de monitoreo de las alteraciones en el dosel de los
con características similares a la de un bosque
bosques, lo suficientemente eficiente, preciso y de
adulto intacto.
bajo costo, se transforma hoy en una prioridad para
el desarrollo sustentable de Chile, considerando los Las técnicas descritas en esta guía pueden facilitar
compromisos internacionales que ha adquirido el la aplicación de la Ley sobre Recuperación de
Estado, por ejemplo, a través de los mecanismos Bosque Nativo y Fomento Forestal (Ley 20283) y
REDD+ (Reducing Emissions from Deforestation generar propuestas para la mejora de su articulado
and Forest Degradation). y reglamento, principalmente aquellos asociados
a nuevas tecnologías, índices y protocolos de
Gracias al financiamiento del Fondo de
validación para el monitoreo permanente y catastro
Investigación del Bosque Nativo, surge esta guía
de bosque nativo, la priorización de terrenos
metodológica que detalla cómo mapear y evaluar
degradados para la bonificación, y el refinamiento de
la alteración del dosel de bosques nativos adultos.
las definiciones asociadas al estado de degradación
Las 3 etapas metodológicas que se desarrollan en
de bosques nativos.
esta guía se ejemplifican en el capítulo 4 con un
caso estudio desarrollado en la Región de Los Ríos, Alvaro Gutiérrez I.
la cual provee oportunidades excepcionales, debido Ignacio Díaz-Hormazábal
3
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
4
AGRADECIMIENTOS
El presente trabajo se desarrolló con el Nacional de Áreas Silvestres Protegidas del Estado
financiamiento del Fondo de Investigación del (SNASPE); Parque Nacional Puyehue (Río Bueno) y al
Bosque Nativo, de la Corporación Nacional Forestal Parque Nacional Mocho Choshuenco (Panguipulli).
(CONAF), a través del proyecto 027/2015.
En especial también damos los agradecimientos
Agradecemos la disposición de los propietarios y a los profesionales y técnicos que apoyaron las
administradores de los predios y Áreas Protegidas campañas de terreno; Alejandro Oyarzun, Esteban
del SNASPE donde se realizaron los muestreos: Arias, Romina Novoa, Andrés Lara, Diego Nuñez,
Las iniciativas de conservación privada; San Javiera Poblete, Yall Asenie, Vinci Urra, Tamara
Pablo de Tregua (Panguipulli), Mavidahue (Lago Matamala y German Arias. También agradecemos
Ranco), Raulintal (La Unión), Reserva Costera al Guardaparque César Cea del Parque Nacional
Valdiviana (Valdivia), Pilunkura (Valdivia), al Bien Puyehue y a los dueños de los predios privados con
Nacional Protegido Llancahue (Valdivia). Predios iniciativas de conservación; Francisco Rojel y familia,
privados; Sendero Parque Epulafquen (Panguipulli), Noe Catalán y familia, Pascual Alba y familia.
Ankacoihue (Panguipulli), Cutipay (Valdivia). Sistema
5
ÍNDICE
MARCO TEORICO 8
Capítulo 1. Medición de la estructura del dosel en terreno 11
12
Definición de Claros de dosel
13
Diseño de muestreo de claros de dosel a escala de rodal
15
Medición del tamaño de un claro de dosel
Capítulo 2. Mapeo de claros mediante RPAS 19
Introducción 20
Regulación, características y capacidades de los RPAS 21
Consideraciones antes del vuelo 22
Parámetros para un adecuado vuelo fotogramétrico 23
Consideraciones de precisión de los resultados 26
Software y procesamiento. 27
Capítulo 3. Segmentación de imágenes 29
Introducción 30
Algoritmo Mean-Shift 30
Implementación en Orfeo Toolbox (OTB) 31
Clasificación de los segmentos 33
Capítulo 4. Caso estudio 37
Selección de los bosques de estudio 38
Levantamiento de vuelos de alta resolución espacial 40
Segmentación de imágenes y clasificación de claros. 40
Validación de la segmentación de claros 42
Resultados 42
Conclusiones 43
BIBLIOGRAFIA 44
ANEXOS 47
6
Índice de figuras
Figura 1. Representación esquemática de la definición de claro efectivo y expandido. Adapta

de Runkle (1992). 12
Figura 2. Representación esquemática del muestreo en transecto. 13
Figura 3. Orientación de transecto. 14
Figura 4. Marcación del rumbo mediante puntero laser. 15
Figura 5. Medición bidimensional de un claro asumiendo una forma elíptica. 16
Figura 6. Esquema de proyección ortogonal y la vista en perspectiva. 22
Figura 7. Esquemas de vuelo. 22
Figura 8. Imagen que ejemplifica el efecto de paralaje en dos fotografías de una línea de
vuelo. 24
Figura 9. Vuelo con traslape 25
Figura 10. Esquema de vuelo con traslape 25
Figura 11. Diferencias de GSD producto de diferentes alturas de vuelo y traslape. 26
Figura 12. Aplicación Monteverdi, activación de herramientas OTB. 26
Figura 13. Herramienta de segmentación. 31
Figura 14. Árbol de clasificación de claros. Los recuadros indican formatos raster, los óvalos
indican vectores y los rombos son reglas analizadas a través de geoprocesos en un SIG 32
Figura 15. Esquema de transecto de claros y parcelas de estructura 34
Figura 16. Ejemplificación del proceso de segmentación y clasificación mediante NDVI 39
Figura 17. Umbral de selección para la función de densidad del NDVI en la imagen segmentada 41
Figura 18. Relación lineal entre las áreas de claros estimadas en terreno vs. las estimadas a
partir de la segmentación para todos los bosques estudiados. r2 =0.84 (p-value <0.001) 41
Índice de tablas
Tabla 1. Sitios de estudio 39
Tabla 2. Métricas de claros obtenidas mediante segmentación 42
7
MARCO TEÓRICO
Un bosque nativo no alterado por el hombre et al. 2014). Este valor concuerda con lo medido
presenta características estructurales únicas en otros bosques adultos, como por ejemplo en
(Franklin et al. 1981; Wirth et al. 2009; Gutiérrez et bosques templados lluviosos de Norte América
al. 2009). Cuando ocurre el proceso de degradación (Lertzman et al. 1996). Claros producidos por caídas
se genera pérdida de funcionalidad, cambios en de árboles que tengan superficie por sobre los 1000
la biodiversidad y alteraciones en la estructura m2 son raros en bosques nativos adultos de Chile.
de los bosques (Gazhoul et al. 2015). En Chile se Adicionalmente, en bosques intactos la distribución
han documentado componentes estructurales de de frecuencia de claros tiene una tendencia media
los bosques nativos intactos (i.e. sin alteraciones del orden de 250 m2 y el porcentaje de claros en el
humanas evidentes) tales como, la presencia de dosel por lo general es <10% de la superficie total
árboles longevos y de gran tamaño, alta acumulación del bosque (Gonzalez et al. 2014; Lara et al. 2014).
de áreas basales, altas acumulaciones de troncos Por lo tanto, tiene sentido postular que los bosques
y material leñoso muerto, estructuras verticales nativos degradados presentarán variaciones en la
complejas, entre otros (Schlegel & Donoso 2008; estructura de dosel que los diferencian de bosques
Armesto et al. 2009; Gutiérrez et al. 2009). Por lo intactos.
tanto, para poder distinguir criterios que definan la
Avances recientes en la tecnología geoespacial
degradación de bosques nativos, necesariamente se
hacen posible contar con sensores de mayor
debe incorporar el conocimiento estructural que se
resolución (e.g. WorldView 4, 1.2 m en sus
ha acumulado sobre bosques intactos en el país.
bandas multiespectrales y 0.3 m en pancromático).
Una variable poco explorada para la identificación Esta tecnología permite desarrollar métodos
de bosques degradados es la estructura del dosel. automatizados de análisis (Lakshmanan 2012) para
En este sentido, la fracción de la superficie del dosel estudiar la estructura del dosel de bosques a alta
del bosque en claros, su frecuencia de tamaños y resolución espacial. Este nivel de detalle espacial
los tamaños promedios de claros en un bosque, combinado con series de imágenes satelitales de
son variables que permitirían establecer de manera menor resolución espacial como Landsat o MODIS,
remota y a escalas espaciales amplias (>1000 km2) permiten estudiar en forma cuantitativa tendencias
una aproximación del estado de degradación de espaciotemporales de la estructura de los bosques.
un bosque (De Sy et al. 2012). Por ejemplo, se Por otro lado, en los últimos años los vehículos
ha planteado que comúnmente los tamaños de aéreos tripulados por control remoto (por su sigla
claros en bosques adultos intactos en Chile tienen en inglés RPAS, remotely piloted aircraft system)
superficies <1000 m2 (Gonzalez et al. 2014; Lara aparecen como una alternativa para el monitoreo
8
MARCO TEÓRICO
de bosques. Esta tecnología es de bajo costo y muy geográficas. Sin embargo, esto plantea el reto de
eficiente ya que permite explorar áreas extensas desarrollar herramientas analíticas geoespaciales
de bosques en cuestión de minutos. Los RPAS son para optimizar el esfuerzo computacional (e. g.
altamente flexibles en su uso y pueden alcanzar una análisis de imágenes basadas en objetos) y la minería
resolución espacial de un par de centímetros con de datos para distinguir patrones a partir de grandes
alta precisión al volar más cerca de la vegetación sets de datos (Hastie et al. 2011). Para incorporar
(Matese et al. 2015). este conocimiento en el contexto de la degradación
de bosques nativos, en lo que sigue se propone
La disponibilidad de imágenes satelitales y las
un marco metodológico para el análisis de las
capacidades computacionales actuales hacen
alteraciones del dosel en bosques nativos.
viable expandir análisis geoespaciales, con un
centimétrico de resolución, a grandes escalas
9
10
CAPÍTULO 1
Medición de la estructura del dosel en terreno
MARCO TEÓRICO
Definición de claros de dosel

Se define como claro en el dosel de un bosque a microclima asociados con la formación de un claro no
un área del piso del bosque directamente bajo la se limitan tan solo al área proyectada verticalmente
superficie abierta del dosel producida por la caída de desde el borde de la copa de los árboles que forman
uno o varios árboles (Runkle 1992). En esta guía se la apertura (claro efectivo, Figura 1), sino que también
expande esta definición incorporando aberturas de se experimentan cambios de microclima en el área
dosel producidas por cortas de uno o más árboles. que se extiende a las bases de los árboles del dosel
Runkle (1992) distingue dos tipos de claros: efectivo que rodean la apertura (claro expandido, Figura 1).
y expandido, argumentando que los cambios en el
Claro efectivo
Claro expandido
Figura 1. Representación esquemática de la definición de claro efectivo y expandido. Adapta de Runkle (1992).
Existe desacuerdo sobre la definición del cierre del claro mediante herramientas de percepción remota,
claro, Runkle (1992) sostuvo que los rebrotes en el en esta guía se define como claro cerrado en terreno
claro deben ser mayores a 10 metros sobre el nivel a aquellos que presenten una regeneración mayor a
del suelo para que un claro se considere cerrado, la mitad de la altura de los árboles adyacentes, lo cual
mientras que Brokaw (1982) argumentó que una es suficiente para que se dificulte su identificación
altura de 2 metros era suficiente (Schliemann & mediante fotografías aéreas o imágenes satelitales.
Bockheim 2011). En términos de la apreciación del
12
CAPÍTULO 1
Diseño de muestreo de claros de dosel a escala de rodal

Una vez seleccionado el rodal, se puede proceder transecto y la longitud que se encuentra bajo claros,
a la caracterización de claros en el dosel. Uno de los con lo que finalmente se expresa como la fracción
métodos comúnmente usado para la caracterización de la longitud del transecto que se encuentra bajo
de claros de dosel es el muestreo de intersección de claros dividido por la longitud total del transecto
líneas (LIS, Runkle 1992, Figura 2). A lo largo de los (Runkle 1985, Figura 2).
transectos de línea, se registra la longitud total del
(Distancia del transecto en claro*100%)

(distancia total del transecto)
Una complicación inherente al LIS es que un del espacio de dosel, el porcentaje de claros en
transecto de línea es más probable que se cruce con transecto, y la distribución de sus tamaños en el área
un espacio grande que uno pequeño, sin embargo, de estudio (Schliemann & Bockheim 2011).
permite realizar una caracterización de la distribución
Figura 2. Representación esquemática del muestreo en transecto.
13
MARCO TEÓRICO
Se puede realizar un transecto de al menos 1,000 que serán capturas posteriormente.

m de longitud, para así capturar la heterogeneidad
El transecto se debe orientar con una brújula
inherente en la estructura de los bosques. El transecto
rumbera de precisión, y las distancias pueden ser
puede ser seccionado adecuándose al área de estudio
medidas con cintas métricas avanzando en rangos
y asegurando cubrir la variabilidad espacial del rodal
no mayores a 5 metros para evitar desviaciones,
en cuestión. Los transectos deben ser establecidos
pero en este caso deben corregirse las distancias
con un mínimo de 50 m de distancia entre ellos para
por la pendiente (Figura 3). Para optimizar el trabajo
asegurar que los claros no se sobrepongan. El punto
en terreno se recomienda la medición de distancias
de inicio y final del transecto, además de cada claro
con Vertex IV (o similar), que entrega la distancia
intersectado se registra mediante un receptor GNSS
corregida. Instrumentos que miden distancias
(Global Navigation Satellite System o Sistema global
mediante ultrasonido, como Vertex IV, son de gran
de navegación por satélite), asegurando alcanzar
utilidad para aumentar la eficiencia y disminuir las
precisiones < 5 metros, lo que permitirá co-registrar
incertezas en bosques con bajo ingreso de luz o con
espacialmente el transecto con las imágenes aéreas
sotobosque denso.
Figura 3. Orientación de transecto.
14
CAPÍTULO 1
Idealmente la persona que indica el rumbo puede

estar equipada con un puntero láser para orientar
con precisión a otra persona que mide y registra las
distancias (Figura 4). Se recomienda que este puntero
laser o también llamado laser astronómico sea clase
tipo II, los cuales operan en potencias menores a un
milivatio (mW) y tienen muy bajo riesgo de dañar la
vista por cruces accidentales (ANSI Z136.1 2014).
Para cada claro interceptado se registra la distancia
del claro expandido y efectivo (Figura 2), y se
captura la coordenada del centro estimado entre la
intersección de inicio y fin de cada claro. Además, se
registra la coordenada del centro del claro efectivo,
aunque este se encuentre desviado del transecto.
Estas coordenadas permitirán ubicar los claros
posteriormente en las fotografías aéreas y evaluar o
comparar los muestreos.
Medición del tamaño de un claro

de dosel
Una vez que el claro ha sido claramente identificado

en el transecto, el tamaño del espacio abierto en
el dosel puede ser cuantificado mediante diversas
técnicas. La mayoría de los métodos se centran en
la proyección bidimensional de la apertura del dosel
al suelo del bosque (Schliemann & Bockheim 2011).
Para simplificaciones bidimensionales, en general
existen dos estrategias principales para la medición
en terreno. La primera y más sencilla es asumir
una forma elíptica y por lo tanto basta con hacer
mediciones de la longitud y el ancho de las líneas que
se proyectan desde los extremos del claro efectivo o
Figura 4. Marcación del rumbo mediante puntero laser.
15
MARCO TEÓRICO
del expandido y que se intersecan en algún punto en tiempo de muestreo al cubrir grandes superficies y
un ángulo de 90° (Figura 5). La segunda alternativa porque nos interesa validar los patrones de claros
es asumir una forma irregular y tomar desde el a escalas alcanzadas por sensores remotos. Sin
centro el largo y las coordenadas a diversos puntos embargo, hay que tener en cuenta que diferentes
del perímetro. Nuestra recomendación desde el métodos pueden producir estimaciones distintas
punto de vista del objetivo de este manual es utilizar para el mismo claro de dosel.
la primera alternativa, debido a que se optimiza el
Figura 5. Medición bidimensional de un claro asumiendo una forma elíptica.
La estimación del área individual de claros, asumiendo una forma elíptica es la siguiente:
Área claro = (π * Largo * Ancho)

4
16
CAPÍTULO 1
17
18
CAPÍTULO 2
Mapeo de claros mediante RPAS
MARCO TEÓRICO
Introducción
La distribución espacialmente explícita de claros satelitales sufren la saturación de la señal infrarroja,
cuantificada mediante los métodos tradicionales lo que podría dificultar la discriminación entre las
basados en muestreos en terreno, como la copas de los árboles y los claros con vegetación
proyección vertical de las copas de los árboles o las (Weiss & Baret 1999). Durante la última década
fotografías hemisféricas, son métodos tediosos y los sensores de alcance de la luz (e.g. LIDAR,
propensos a errores cuando el objetivo es mapear la acrónimo del inglés Light Detection and Ranging
estructura del dosel de forma extensiva en escalas o Laser Imaging Detection and Ranging) se han
espacialmente continuas (Malahlela et al. 2014). Esto utilizado para mitigar el problema de saturación
se suma al hecho de que los métodos basados en de los sensores multiespectrales convencionales
muestreos de campo generalmente están limitados (Malahlela et al. 2014). Sin embargo, los costos de
a áreas de fácil acceso, lo cual sesga la estimación adquisición de estos productos restringen su uso,
de claros en el dosel (Runkle 1982). y dejan fuera del alcance el muestreo de claros de
forma extensiva (Asner et al. 2004).
La teledetección es una alternativa más eficiente
o menos laboriosa, y ha mejorado la precisión Una solución a estos problemas viene hoy en día
para caracterizar la vegetación a resoluciones con la amplia disponibilidad de los vehículos aéreos
métricas hasta sub-métricas (Malahlela et al. no tripulados, o popularmente conocidos como
2014). En el pasado, esto se realizaba mediante drones, los cuales se pueden utilizar para mapear
fotografías aéreas con vuelos tripulados sin lograr con precisión los claros de dosel a una muy alta
resoluciones espaciales adecuadas, hoy en día las resolución (< 10 centímetros). La gran ventaja de
imágenes satelitales con sensores multiespectrales estos aparatos, independiente de la alta resolución
probablemente han sido la herramienta más que alcanzan las imágenes, es que las misiones de
utilizada para la detección de claros de dosel. Esto vuelo se pueden programar de forma muy flexible
debido a que tienen costos accesibles, abarcan y, debido a las bajas altitudes de vuelo, las imágenes
grandes superficies con resoluciones de hasta 50 rara vez se ven afectadas por la nubosidad. Esto los
centímetros y también porque tienen la capacidad de convierte en herramientas ideales para el monitoreo
utilizar la información espectral para diferenciar las de objetos ecológicos de interés y brindan una
zonas con y sin vegetación mediante las diferencias excelente oportunidad para el muestreo de la
en el espectro lumínico. Lamentablemente se estructura de dosel (Getzin et al. 2014).
ha documentado ampliamente que las imágenes
20
CAPÍTULO 2
Regulación, características y capacidades de los RPAS

El nombre oficialmente reconocido por la aeronaves, en general los equipos más comunes y
normativa chilena para estos aparatos es RPAS (del generalizados son los dispositivos de ala fija y los de
inglés Remotely Piloted Aircraft System o en español hélices rotatorias. Las indicaciones de este manual
Sistema Aéreo Tripulado por Control Remoto), y se están basadas en equipos de hélices rotatorias, los
encuentra regulado por Dirección de Aeronáutica cuales pueden ser considerados como equipos de
Civil (DGAC) mediante las normas DAN 151 y fotogrametría semiprofesional, aunque muchas de
DAN 91. La primera regula el vuelo en espacios las consideraciones son aplicables también para
públicos, mientras que la DAN 91 es la normativa equipos de ala fija. Un RPAS de hélices rotatorias,
que compete a este manual, regulando el vuelo puede llegar a alcanzar resoluciones de un par de
fuera de las zonas pobladas. La normativa exige centímetros dependiendo de la altura de vuelo,
solicitar la autorización de vuelo a la DGAC con abarcando una superficie aproximada de entre 20 a
siete días de anticipación, entregando un formulario 50 hectáreas en el tiempo efectivo que permite una
con antecedentes personales del operador, batería, lo cual bordea entre los 20 a 30 minutos.
coordenadas de la zona a sobrevolar, rango horario
El RPAS es un sistema que cuenta de tres elementos
del vuelo, entre otros aspectos. Una vez aceptada
básicos; una aeronave, un enlace de comunicaciones
la solicitud, la institución entregará el NOTAM
o radiocontrol y el dispositivo móvil con el software
(Notice To Airmen, o Información para aviadores)
que permite la visualización y configuración de la
donde finalmente el día del vuelo el operador
captura de datos. En el mercado de aplicaciones
deberá informar a la institución del despegue como
para dispositivos móviles existe una amplia gama
del aterrizaje. Además, debe considerar que los
de software, tanto para plataformas Android como
vuelos que se pretendan realizar dentro del Sistema
iOS, los que en su mayoría son gratuitos y ofrecen
Nacional de Áreas Silvestres Protegidas del Estado
distintos niveles de configuración. La programación
(SNASPE) deberá contar primero con la autorización
de una línea de vuelo mediante estas aplicaciones
de la Corporación Nacional Forestal (CONAF),
permite generar ortofotomosaicos, los que se
comunicándose directamente con la administración
refieren a composición de imágenes con proyección
del área protegida a visitar.
ortogonal donde cada pixel en la imagen es observado
Hoy en día tenemos una amplia oferta de estos en un ángulo recto de 90° y se encuentra en una
dispositivos, con diversas funciones y costos. La posición planimétrica que elimina las variaciones de
clasificación más básica suele referirse al sistema escala y los desplazamientos debidos al relieve y a la
de propulsión con el que están equipadas las inclinación (Figura 6).
21
MARCO TEÓRICO
Vista ortogonal Vista en perspectiva
Grilla simple Grilla doble

Plano
Figura 7. Esquemas de vuelo.
Consideraciones antes del vuelo

El uso y operación de los RPAS es relativamente
sencillo, sin embargo, el uso de estos equipos para
fotogrametría debe considerar algunas variables
ambientales y de configuración de parámetros del
Figura 6. Esquema de proyección ortogonal y la vista en
perspectiva. vuelo que influirán en la calidad y precisión del
producto final. Una vez que cuente con los permisos
de vuelo de las instituciones competentes, la primera
Las aplicaciones para programar vuelos
variable a considerar deben ser las condiciones
fotogramétricos permiten generar ortofotomosaicos
meteorológicas. En este sentido debe limitarse de
de grilla simple o de grilla doble (Figura 7). La grilla
realizar un vuelo cuando; 1) esté precipitando, debido
simple se recomienda para terrenos relativamente
a que se puede alterar la maniobrabilidad del equipo
planos y para cubrir grandes superficies rápidamente,
y porque generalmente estos no son impermeables,
mientras que la doble grilla permite tomar imágenes
2) las condiciones de temperatura sean muy bajas
desde múltiples ángulos, por lo que se capturan más
(<0°), ya que puede afectar el funcionamiento de
detalles verticales que permiten reconstruir modelos
las baterías, o 3) cuando la velocidad del viento
digitales de superficie con alta precisión y disminuir
supere los 30 km/hr dependiendo del peso de la
la distorsión de los ortofotomosaicos. Esta última
aeronave. Se sugiere también, revisar previamente
opción se recomienda para superficies fluctuantes
que el índice actividad electromagnética definido
en altura, tales como zonas con pendientes o con
por el NOAA (índice Kp, Administración Nacional
variaciones en la vegetación, sin embargo, se cubre
Oceánica y Atmosférica de los Estados Unidos), no
menor superficie ya que el tiempo de vuelo se
sea superior o igual a 5, lo que estaría indicando que
duplica.
22
CAPÍTULO 2
la actividad geomagnética en la tierra producto de y del radio control. También se sugiere mantener
tormentas solares podría afectar la transmisión de la la actualización estable de las aplicaciones para
aeronave, y por ende perder el control de la misma. programar los vuelos fotogramétricos. Debido
Para mantenerse al día de manera instantánea de las a que la tecnología de estos artefactos avanza
variables mencionadas existen aplicaciones gratuitas rápidamente, la actualización del software permite ir
para dispositivos móviles tales como “UAV Forecast”. solucionado posibles fallas encontradas en versiones
anteriores o contar con nuevas funcionalidades.
También es recomendable para la preparación
Otros aspectos de calibración de los dispositivos
del vuelo mantener actualizada la última versión
como la brújula y el acelerómetro de la aeronave
estable del firmware (software de control de
varían entre modelos y marcas, por lo que se sugiere
circuitos electrónicos) de los dispositivos, tanto de
remitirse a los manuales oficiales de cada RPAS.
la aeronave, como de todas las baterías a utilizar
Parámetros para un adecuado vuelo fotogramétrico

Realizar una adecuada configuración de un vuelo Por ejemplo, para el cálculo del ancho del GSD
fotogramétrico permitirá obtener productos útiles y considere los siguientes valores para un RPA de
de alta calidad sobre cobertura boscosa. Lo primero hélice rotatoria convencional volando a 100 metros
a considerar es la altura de vuelo, la cual tiene de altura:
directa relación con la resolución que se obtiene en
las imágenes mediante el parámetro denominado Ancho de imagen: 5472 px
GSD (Ground Sampling Distance) y que se calcula Ancho del sensor: 13,2 mm
mediante la siguiente ecuación: Distancia focal: 8.8 mm
GSD (cm)= (Av * Ds) Al sustituir los valores en la fórmula en centímetros,

(Df * Di) obtenemos el ancho del GSD:
Donde Av es la altura de vuelo programada, Ds

es la dimensión del sensor de la cámara (ancho o (10000 * 1,32) = 2,74 cm
largo), Df es la distancia focal del sensor, y Di es (0,88 * 5472)
la dimensión de la imagen que captura la cámara
(ancho o largo).
23
MARCO TEÓRICO
La altura de vuelo influye en la distorsión de superpuestas en una línea de vuelo. Este efecto es
perspectiva, y estas distorsiones dificultan la denominado “paralaje” y aumenta de manera radial
detección de similitudes visuales entre imágenes hacia los contornos de la imagen, siendo el centro
para la generación del ortofotomosaico. La de la fotografía el que presenta la menor distorsión
vegetación, debido a su compleja geometría (ramas (Figura 8).
y hojas), parece muy diferente entre imágenes
Figura 8. Imagen que ejemplifica el efecto de paralaje en dos fotografías de una línea de vuelo.
24
CAPÍTULO 2
Estas distorsiones se ven compensadas a medida

que se aumenta la altura de vuelo, sin embargo,
también se puede disminuir con la superposición Traslape Lateral
entre fotografías, concepto denominado “traslape”
(Figura 9). El traslape influye en la capacidad de
generar fotomosaicos debido que, a mayor traslape,
mayor es el área sin distorsión y por lo tanto mayor
es la probabilidad de encontrar similitudes entre
imágenes.
Traslape
frontal
Altura
de Vuelo
Zona de traslape Área de interés
Figura 9. Vuelo con traslape Figura 10. Esquema de vuelo con traslape
En general se recomienda para distintas alturas de Finalmente, incluso cuando se vuela a una altura
vuelo, que el traslape entre fotografías sea como constante, las imágenes de un proyecto pueden no
mínimo de un 60% en disposición lateral y de un tener el mismo GSD, debido a las diferencias de
70% frontal (Figura 10). Sin embargo, para vuelos elevación del terreno y a los cambios en el ángulo de
sobre vegetación se recomienda que el traslape la cámara durante el disparo (Figura 11). Dado que
supere el 70% en ambos sentidos y que la altura de el ortomosaico se crea utilizando la nube de puntos
vuelo permita abarcar la variabilidad y características en común entre fotografías gracias al traslape y las
distinguibles en el dosel, ya que las superficies posiciones de la cámara, es posible calcular un GSD
homogéneas dificultan la unión entre imágenes. promedio. Sin embargo, se recomienda procesar
25
MARCO TEÓRICO
imágenes capturadas a la misma altura de vuelo, también pueden procesar imágenes con GSD
permitiendo que todas las imágenes tengan el diferente, siempre y cuando el valor más alto sea
mismo nivel de detalles. Esto facilita la coincidencia menor al doble del GSD más bajo. Una alternativa
de puntos clave entre las imágenes y, por lo tanto, simple para cubrir zonas con cambios graduales de
ayuda a la reconstrucción del ortofotomosaico. En elevación, como laderas de cerros, es segmentar los
general las aplicaciones para procesar las fotografías vuelos (Figura 11).
Mayor altura de Menor altura de

Vuelo = menor GSD Vuelo = mayor GSD
!"#$%&'%"()"*+
Mayor traslape Menor traslape
Figura 11. Diferencias de GSD producto de diferentes alturas de vuelo y traslape.
Consideraciones de precisión de los resultados

Existen dos medidas de precisión en los área o volumen de los objetos distinguidos en la
ortofotomosaicos o modelos digitales de superficie imagen. Sin embargo, tenga en cuenta que a modo
(MDS) derivados de un RPAS, la precisión relativa general la exactitud relativa de un RPAS puede ser
y la precisión absoluta. La precisión relativa es la de 1 a 3 veces el GSD promedio, por lo que, si el
precisión de un pixel en el mapa en relación con otros GSD es de 2 cm, la precisión será del orden de los
en el mismo mapa, por lo tanto, esta es la precisión 6 cm, lo cual puede ser despreciable para calcular
que influye directamente en las medidas de longitud, métricas de claros de dosel.
26
CAPÍTULO 2
En cambio, la precisión absoluta es el grado en En el caso que necesite mejorar estas precisiones,
que la posición de un pixel en un mapa corresponde se pueden capturar puntos de control de terreno
con la posición real en un sistema de coordenadas. (GCP - Ground Control Points) mediante un receptor
En este caso, la precisión absoluta que alcanza un GNSS diferencial a nivel de centímetros. Estos
RPAS puede llegar en promedio a un metro en puntos se deben distribuir uniformemente en el área
horizontal y tres metros en vertical. En este caso de estudio sobre marcadores con características
la precisión absoluta no influye en las métricas de visibles y de un tamaño tal que sea posible de
claro, aunque podría influir si queremos realizar un identificarlos en las fotografías aéreas capturadas.
monitoreo de largo plazo y remedir los cambios en Posteriormente estos puntos pueden ser usados
el dosel en un par de años, de todas formas, esto en la construcción de los fotomosaicos ubicándolos
se puede solucionar usando la imagen del primer sobre los marcadores de las imágenes capturadas, de
muestreo como georreferencia para corregir las esta forma se corrigen en gran parte las distorsiones
mediciones posteriores. y por lo tanto se aumenta la precisión.
Software y procesamiento
Como ya se mencionó al inicio de este capítulo, en para el mapeo de vegetación de alta resolución,
el mercado de aplicaciones para dispositivos móviles siempre y cuando se consideren las variables antes
existe una amplia gama de software para controlar y mencionadas.
programar un vuelo fotogramétrico median RPAS, Por su lado, las aplicaciones de pago entregan
tanto para plataformas Android como iOS, los que funcionalidades extras, tales como; programar
en su mayoría son gratuitos y ofrecen distintos cambios de altura de vuelo en base a un modelo
niveles de configuración. Algunos buenos ejemplos digital de elevación (MDE), aunque para esto
de aplicaciones gratuitas son “DroneDeploy”, es necesario contar con un MDE con el detalle
“Pix4Dcapture” y “PrecisionFlight”, las cuales también adecuado para la escala de análisis que permite
ofrecen procesamientos en nubes virtuales para el RPAS. También se pueden derivar MDE, curvas
la generación de fotomosaicos y MDS. No es de nivel y de superficies, calcular volúmenes, entre
necesario entregar detalles de la funcionalidad de otros, sin embargo, la mayoría de estas funciones
cada aplicación debido a que esta tecnología avanza también están disponibles en softwares gratuitos de
rápidamente, y constantemente se remueven o sistemas de información geográfica (SIG).
agregan nuevas funcionalidades. A la fecha estas
aplicaciones permiten obtener buenos resultados
27
28
CAPÍTULO 3
Segmentación de imágenes
MARCO TEÓRICO
Introducción
La resolución espacial de las imágenes aéreas propiedades espectrales, tamaño, forma, textura y
ha aumentado de forma tan considerable, que del entorno que rodea a los píxeles (Schiewe 2002).
el análisis tradicional basado en píxeles resulta Los objetos se forman basándose en un parámetro
insuficiente debido a su incapacidad para manejar la de escala, que es el valor que determina el cambio
alta variabilidad interna de escenas complejas (Dey máximo posible de heterogeneidad y, por lo tanto,
et al. 2010). Esto forzó la investigación de nuevos el tamaño de los objetos que se generan (Mansor
algoritmos de clasificación basada en la detección de et al. 2003). No existe un enfoque único que pueda
objetos en imágenes, rescatando antiguas técnicas resolver el problema de la segmentación para la
matemáticas para la segmentación de imágenes gran variedad de imagen existentes en la actualidad.
(Schiewe 2002, Dey et al. 2010). Los algoritmos de segmentación más efectivos
se obtienen al personalizar cuidadosamente la
La segmentación puede crear objetos de imagen
combinación de estos parámetros (OTB 2018). Por
que se asemejan mucho al tamaño y la forma
lo tanto, el mayor desafío de este método está en
de las características reales de la imagen. La
determinar la medida de homogeneidad adecuada
técnica analiza imágenes digitales utilizando la
que puede discriminar los objetos de interés.
homogeneidad de los objetos en términos de sus
Algoritmo Mean-Shift
En los últimos años, muchos algoritmos de que mediante diversas iteraciones converge
segmentación de imágenes están disponibles; rápidamente en el máximo local de la función de
método de contorno activo, cuencas hidrográficas, densidad de probabilidad, mostrado muy buenos
basado en bordes, umbrales, etc. La mayoría de resultados en la segmentación de imágenes de
estos algoritmos son paramétricos y requieren que alta resolución espacial (Comaniciu & Meer 2002,
la imagen presente un fuerte gradiente (Deng et al. Deng et al. 2014, Kaur 2015), además se encuentra
2014). El algoritmo Mean-Shift o de cambio medio, implementado en diversos softwares de libre acceso
propuesto por Fukunaga & Hostetler (1975), es un que permitirán su ejemplificación en este manual.
algoritmo de estimación de densidad no paramétrica
30
CAPÍTULO 3
Implementación en Orfeo Toolbox (OTB)

La implementación de este algoritmo será explicada hardware para imágenes de alta resolución.
a continuación mediante el software libre Orfeo
El programa se encuentra disponible en el siguiente
Toolbox (OTB). El programa se encuentra disponible
link: https://www.orfeo-toolbox.org/download/
en multiplataformas como Linux, OS X y Windows.
Todos los algoritmos de OTB son accesibles desde Monteverdi no necesita instalación, solo se debe
los visualizadores Monteverdi, QGIS, Python, la descomprimir el archivo descargado y ejecutar el
línea de comandos o C ++. En este caso utilizaremos archivo correspondiente según el sistema operativo
Monteverdi que es una herramienta de visualización que se utilice en el computador. Para activar las
incorporada en la descarga de OTB, de fácil uso y herramientas de OTB se debe seleccionar View ->
que hace énfasis en el procesamiento acelerado por OTB-Applications browser (Figura 12).
Figura 12. Aplicación Monteverdi, activación de herramientas OTB.
31
MARCO TEÓRICO
Luego de activar la caja de herramientas diríjase a la lista Segmentation -> Segmentation y se abrirá la
siguiente ventana (Figura 13):
Figura 13. Herramienta de segmentación.
Esta aplicación permite realizar varios algoritmos resultado y depende en gran parte del tamaño de
de segmentación, entre los que se encuentran; la imagen de entrada.
Mean-Shift, componentes conectadas, cuencas 4. Range radius: es el radio de búsqueda de la
hidrográficas y perfiles morfológicos (OTB, 2018). distancia espectral. Este afecta la cantidad de
En este caso nos concentraremos en Mean-Shift. segmentos generados. Debe mantenerse bajo si
Estos son los parámetros de configuración de la el contraste en la imagen es bajo.
segmentación: 5. Mode convergence threshold: es parte del
1. Input Image: Ingrese la imagen a ser segmentada. esquema iterativo de algoritmo, la iteración se
detendrá si el vector de desplazamiento medio
2.Segmentation algorithm: seleccione el algoritmo
está por debajo de este umbral o si el número de
Mean-Shift.
iteraciones alcanza el número máximo definido.
3. Spatial radius: es el radio de búsqueda espacial
6. Maximum number of iterations: es parte del
de pixeles vecinos. Este afecta el suavizado del
esquema iterativo del algoritmo. Itera el proceso
32
CAPÍTULO 3
en una nueva posición espacial y espectral hasta El resto de las opciones definen el modo de
que se cumplan las condiciones de convergencia procesamiento del archivo de salida. La aplicación
definidas. puede generar dos tipos de salidas: 1) archivo
vectorial, procesando la imagen por partes,
7. Minimum region size: es el tamaño mínimo
permitiendo realizar la segmentación de imágenes
posible de un segmento en píxeles. Los clústeres
muy grandes. 2) archivo ráster etiquetado, en este
más pequeños se fusionarán con el clúster
modo, la aplicación generará un ráster etiquetado,
vecino según la radiometría más cercana. Si se
pero no se pueden manejar grandes imágenes con
establece en 0, no se realiza ningún filtro. Este
esta opción.
parámetro debe elegirse en función del tamaño
de los segmentos que podrían causar ruido en el En modo vectorial, en la pestaña Output vector
resultado. file guarde el resultado en formato ESRI Shapefile.
Para esto es muy importante que el nombre del
Tenga en cuenta que, si dos píxeles caen dentro
archivo sea acompañado de la extensión “.shp” (e.g.
de un rango espectral o espacial determinado, no
Segmentos1.shp), de lo contrario al momento de
necesariamente significa que terminarán en el
ejecutar la aplicación, se mostrara una ventana de
mismo segmento. Es probable, pero depende de la
error.
distribución de los otros píxeles a su alrededor (OTB
2018, Comaniciu & Meer 2002). Además, estos También considere el modo de escritura para el
parámetros se ajustan para cada imagen mediante archivo de salida. Puede crear un nuevo archivo
la interpretación visual del resultado. Por lo que se vectorial, sobrescribir, o anexar nuevas geometrías
debe repetir el procedimiento las veces que sea al ya existente. Puede agregar filtros por máscaras,
necesario, llevando un registro de los parámetros, simplificar la forma de los polígonos, entre otras
hasta obtener el producto deseado. opciones.
Clasificación de los segmentos

El paso final de la segmentación es la clasificación segmentación a la banda pancromática que es la
de los segmentos. Para realizar un proceso eficiente que tiene mayor resolución (< 0.6 m), para luego
y semiautomatizado es necesario contar con extraer el valor promedio del NDVI de las bandas
información auxiliar para cada segmento generado. multiespectrales de cada segmento (Figura 14).
Si se usan imágenes multiespectrales, es posible Usando reglas simples de reclasificación del NDVI de
calcular índices como el NDVI (índice normalizado los segmentos, los claros pueden ser filtrados en un
de vegetación) u otro, los cuales permiten clasificar SIG en base a algunos de los siguientes supuestos:
los segmentos como claros potenciales en función
• Los claros tienen NDVI > 0 lo cual permite
de algunos supuestos. En estos casos se realiza la
descartar cuerpos de agua u otros objetos oscuros.
33
MARCO TEÓRICO
• El NDVI de los claros es menor al NDVI del • Un claro debe estar rodeado completamente
bosque porque las zonas cubiertas con bosque por bosque. Esto permite descartar áreas de bajo
tienen mayor biomasa verde. NDVI que están fuera del bosque, como límites de
caminos o senderos.
Imágen pancromática Imágen multiespectral

Alta resolución (0.5 m) Resolución (2 m)
Segmentación Aritmética de bandas
Segmentos NDVI
Extracción de medias
Si
NDVI por Segmentos
Segmentos NDVI > umbral
de bosque
No
Segmentos
potencial
claro
Si
Segmentos
¿Rodeado por bosque? de claro
No
Segmentos
no claro
Figura 14. Árbol de clasificación de claros. Los recuadros indican formatos raster, los óvalos indican vectores y los
rombos son reglas analizadas a través de geoprocesos en un SIG.
34
CAPÍTULO 3
En el caso de las imágenes capturadas mediante variaciones topográficas, diferencias importantes en

RPAS, cuando no se cuenta con un sensor la altura del dosel o por las variaciones de luminosidad
multiespectral, y por lo tanto no es posible calcular en claros que se encuentran en proceso de cierre
índices de vegetación como el NDVI, la clasificación (con regeneración), lo cual muchas veces dificulta
de claros se puede abarcar mediante las siguientes una identificación adecuada de las aperturas.
dos metodologías.
La segunda opción y más recomendada, es generar
La primera, consiste en extraer el valor promedio un vuelo fotogramétrico de grilla doble para construir
de la tonalidad de la imagen por segmento, lo cual el modelo de superficies del dosel del bosque. Una
se obtiene realizando vuelos fotogramétricos en vez generado el modelo, mediante la reclasificación
condiciones de iluminación lateral (amanecer o de las alturas se pueden identificar los claros del
atardecer), lo que permite oscurecer las zonas con dosel directamente o extraer el valor de altura por
aperturas. Sin embargo, esta opción no siempre segmento.
es posible de realizar debido a razones logísticas,
35
36
CAPÍTULO 4
Caso de estudio
37
MARCO TEÓRICO
Introducción
Se presenta un caso de estudio que se llevó a que las métricas de estructura de dosel sean
cabo en la Región de Los Ríos y en el límite norte representativas de los bosques adultos de la región.
de la región de Los Lagos. La primera acotación No se consideró la categoría Renovales, ya que la
del área de estudio se realizó mediante el catastro densidad de copas en renovales tiende a ser alta y
vegetacional de la región (CONAF et al. 2008). Para por lo tanto la presencia de claros en el dosel es
esto, se utilizaron las categorías: Bosque nativo baja. Los límites de los rodales definidos por CONAF
adulto, Bosque nativo adulto-renoval y Bosque et al. (2008) de las categorías señaladas demarcaron
nativo achaparrado, debido a que se esperaba la primera acotación de los bosques bajo de estudio.
Selección de los bosques de estudio

Se seleccionaron cuatro bosques (referidos desde de Tregua y Epulafquen (tipo forestal Coihue-Raulí-
ahora como bosques de referencia) que no han sido Tepa, CORATE) ambos localizados en la comuna de
alterados por su escasa accesibilidad, protección Panguipulli; Antillanca (tipo forestal Lenga), ubicado
temprana, y/o que en las últimas décadas han en el Parque Nacional Puyehue; Hueicolla (tipo
contado con protección permanente en áreas forestal Siempreverde) que se encuentra inmerso en
silvestres protegidas. Además, se consideraron la Reserva Costera Valdiviana (Tabla 1). Además, se
atributos estructurales que permitieron estimar la seleccionaron nueve bosques en diversos estados
condición de estado sucesional avanzado, adulto de alteración debido a cortas de diversa intensidad
o de bosque antiguos tales como estructura de (desde ahora denominados bosques alterados).
tamaños, ausencia de evidencias de cortas o La selección apuntó a obtener un gradiente de
incendios recientes, presencia de grandes árboles, alteración, es decir bosques con cortas selectivas
entre otros (Gutiérrez et al., 2009). La selección (aproximadamente 10% del área basal removida)
consideró que los bosques de referencia fueran a bosques intensamente floreados (80% del área
representativos de los principales tipos forestales basal removida).
de la región, seleccionando los sitios de San Pablo
38
CAPÍTULO 4
Tabla 1. Sitios de estudio.
SITIO LATITUD LONGITUD TIPO FORESTAL ALTERACIÓN

Antillanca -72.19788 -40.78272 Lenga No aparente
Afquintuhue -72.10125 -39.93495 Lenga Media
San Pablo de Tregua -72.09107 -39.60029 CORATE No aparente
Epulafquen -71.74661 -39.75718 CORATE No aparente
Choshuenco -72.12013 -39.93671 CORATE Baja
Ankacoihue -71.86720 -39.77533 CORATE Alta
Raulintal 1 -73.37298 -40.22426 CORATE Alta
Hueicolla -73.60518 -40.15636 Siempreverde No aparente
Llancahue -73.13362 -39.84219 Siempreverde Baja
Cutipay -73.35960 -39.84038 Siempreverde Media
Lomas del Sol -73.13963 -39.83454 Siempreverde Media
Pilolcura -73.33636 -39.70295 Siempreverde Alta
Raulintal 2 -73.38763 -40.23689 Siempreverde Alta
En cada bosque se colectó información de la estructura de claros siguiendo la metodología descrita en

este manual (Figura 15).
Figura 15. Esquema de transecto de claros y parcelas de estructura.
39
MARCO TEÓRICO
Levantamiento de vuelos de alta resolución espacial

Para cada bosque estudiado se utilizó un Sistema realizados siempre en condiciones de iluminación
Aéreo Tripulado por Control Remoto (RPAS, Phantom lateral, vale decir al amanecer o en el atardecer.
3 Pro), para generar un mosaico fotogramétrico Adicionalmente se complementó este análisis con
del área cubierta por el transecto. Los vuelos imágenes satelitales de alta resolución (2.4/1.2 m
fotogramétricos se programaron mediante la multiespectral y 0.6/0.3 m pancromático) de los
aplicación gratuita Pix4Dcapture (https://pix4d. sensores WorldView y QuickBird respectivamente,
com/). Se voló a una altura de 100 metros sobre el las cuales cubrían las áreas de cinco de los bosques
nivel del suelo y a una velocidad fija de vuelo de 8 estudiados. Todas las imágenes fueron corregidas
m/s, además de asegurar entre fotografías un 95% radiométricamente para transformar los niveles
de traslape frontal y 80% lateral. Se obtuvieron digitales a valores de reflectividad utilizando los
levantamientos fotogramétricos con resoluciones de métodos propuestos por (Kuester 2016).
entre 6 y 8 cm para cada bosque. Los vuelos fueron
Segmentación de imágenes y clasificación de claros

Para distinguir los claros en el dosel de cada para luego extraer el valor promedio del índice
bosque, se realizó una segmentación de las imágenes normalizado de vegetación (NDVI, por sus siglas en
mediante el método Mean-Shift. Los parámetros inglés) calculado de las bandas multiespectrales de
de ajuste del algoritmo fueron determinados para cada segmento (Figura 16). Esto permitió clasificar
cada imagen mediante la interpretación visual del los segmentos como claros potenciales a partir de
resultado. En el caso de las imágenes satelitales, la la función de densidad de probabilidad del NDVI de
segmentación se realizó a la banda pancromática todos los segmentos de la unidad territorial.
40
CAPÍTULO 4
Figura 16. Ejemplificación del proceso de segmentación y clasificación mediante NDVI.
Los supuestos utilizados para la clasificación 5% de probabilidad, es decir todos los segmentos
fueron los mencionados en la Figura 14 de este con valores menores al 5% de probabilidad fueron
manual. El umbral seleccionado se definió en un clasificados como claros potenciales (Figura 17).
Figura 17. Umbral de selección para la función de densidad del NDVI en la imagen segmentada.
En el caso de las imágenes capturadas mediante RPAS se utilizó el Modelo Digital de Superficie generado con cada
vuelo para realizar la selección de los segmentos que correspondían a claros de dosel.
41
MARCO TEÓRICO
Validación de la segmentación de claros

Se analizaron las similitudes y diferencias entre distribuciones de frecuencias (Royston 1982, Dallal
el área de claros medida en terreno y la obtenida & Wilkinson 1986). Se utilizó un ajuste de máxima
a partir de la segmentación de imágenes aéreas verosimilitud para determinar las distribuciones
de alta resolución de los mismos sitios de estudio. asociadas a cada set de datos (Venables & Ripley
Se utilizaron los estadísticos pareados Shapiro- 2003) y se realizaron correlaciones lineales entre las
Wilk (muestras <50) y Lilliefors (muestras >50) métricas de terreno y por segmentación.
para determinar diferencias significativas en las
Resultados
La segmentación de las imágenes de alta Hueicolla y Antillanca un 2.4% de superficie de
resolución logró distinguir claros >2.3 m² en el dosel bosque en claro, mientras que en San Pablo de
de los bosques de referencia estudiados (Tabla 2). Tregua y Epulafquen esta superficie fue cerca del
Los bosques de Hueicolla y Antillanca presentaron 30% (Tabla 2). El índice de forma y la distancia entre
tamaño medio de claros de 22 m² y 25 m², claros también varió, con Hueicolla y Antillanca
respectivamente, mientras que San Pablo de Tregua siendo los más regulares (1.7) y con mayor distancia
y Epulafquen presentaron tamaños medios de 225 promedio entre claros (7.2 m) en comparación a San
m² y 422 m² respectivamente. Estas diferencias Pablo de Tregua y Epulafquen que presentaron un
también se observaron en la superficie relativa de índice de forma promedio de 2.2 y distancias de 4.8
claros segmentados, presentando en promedio m (Tabla 2).
Tabla 2. Métricas de claros obtenidas mediante segmentación en los bosques estudiados.
Métrica Antillanca d.e. Tregua d.e. Epulafquen d.e. Hueicollla d.e.

Área del rodal (m²) 64,800.0 194,400.0 194,400.0 129,600.0
Área total de claros (m²) 2,057.8 47,254.2 67,623.3 2,006.6
Superficie de bosque en claro (%) 3.2 24.3 34.8 1.5
Promedio de área en claro (m²) 22.9 ±20.1 225.0 ±306.2 422.6 ±696.2 25.7 ±18.9
Área mínima (m) 2.3 7.8 14.4 4.5
Promedio Índice de forma 1.7 ±0.3 2.1 ±0.5 2.2 ±0.7 1.8 ±0.3
Índice de forma menor 1.2 1.3 1.3 1.3
Índice de forma mayor 2.9 4.2 5.3 2.8
Promedio distancia entre claros (m) 6.0 ±7.4 4.8 ±6.5 4.7 ±6.4 8.4 ±12.6
Distancia mínima entre claros (m) 0.0 0.0 0.0 0.0
Distancia máxima entre claros (m) 35.9 38.7 30.9 70.0
42
CAPÍTULO 4
La estimación de áreas de claros obtenidas a partir segmentación, lo cual refleja la mayor sensibilidad
de la segmentación siguió la tendencia esperada con de este método y la mayor superficie que se puede
respecto a los valores obtenidos en terreno usando explorar a través de los vuelos con RPAS de alta
el transecto de muestreo (Figura 18). Se observaron resolución.
leves sobreestimaciones de áreas de claros usando
Figura 18. Relación lineal entre las áreas de claros estimadas en terreno vs. las estimadas a partir de la
segmentación para todos los bosques estudiados. r2 =0.84 (p-value <0.001).
Las distribuciones de frecuencia de áreas de claros no difirieron significativamente entre los datos de
terreno y los segmentados en la imagen satelital, siendo la distribución Log-Normal la que mejor se ajustaba
a las distribuciones de frecuencia de claros.
Conclusiones
Los resultados demuestran el potencial que tiene El uso de esta tecnología, a través de la metodología
el uso de RPAS para la detección de claros en el presentada en este manual, tiene un gran potencial
dosel. La información obtenida mediante RPAS tuvo para aumentar la eficiencia del trabajo en terreno
un ajuste alto con relación a los datos obtenidos y disminuir los costos asociados a la determinación
en terreno. Por lo tanto, la detección de claros del de métricas de claros y determinar el estado de
dosel por medio de RPAS es un método válido para degradación de bosques nativos adultos.
la medición de cambios en el dosel de los bosques.
43
BIBLIOGRAFÍA
ANSI Z136.1, 2014. American National Standard for Safe Use of Lasers. Pp 255.
Armesto, J.J., Smith-Ramírez, C., Carmona, M.R., Celis-Diez, J.L., Díaz, I.A., Gaxiola, A., Gutiérrez, A.G.,
Núñez-Avila, M.C., Pérez, C.A. & Rozzi, R. 2009. Old-Growth Temperate Rainforests of South America:
Conservation, Plant–Animal Interactions, and Baseline Biogeochemical Processes. Old-Growth Forests
Ecological Studies. (eds C. Wirth, G. Gleixner & M. Heimann), pp. 367–390. Springer Berlin Heidelberg.
Asner, G. P., M. Keller, R. Pereira Jr., J. C. Zweede, and J. N. M. Silva. 2004. Canopy Damage and Recovery
after Selective Logging in Amazonia: Field and Satellite Studies. Ecological Applications 14: 280–298.
doi:10.1890/01-6019.
Brokaw, Nicholas V.L. 1982. Treefalls: frequency, timing, and consequences. In: Leigh, E.G., Jr. Rand, A.S.
Windsor, D.M., eds. The ecology of a tropical forest: seasonal rhythms •and long-term changes. Washington,
DC: Smithsonian Institution Press: 101-108.
Comaniciu, D., y Meer, P. 2002. Mean shift: A robust approach toward feature space analysis. IEEE Transactions
on Pattern Analysis and Machine Intelligence, 24(5), 603–619. https://doi.org/10.1109/34.1000236
CONAF (Corporación Nacional Forestal, CL), CONAMA (Comisión Nacional del Medio Ambiente, CL),
Universidad Austral de Chile. 2008. Catastro de uso del suelo y vegetación. Monitoreo y actualización
región de los Ríos y provincias de Osorno y Llanquihue. Periodo 1998-2006. 19 p.
Dallal, G.E. y Wilkinson, L. 1986. An analytic approximation to the distribution of Lilliefors' test for normality.
The American Statistician, 40, 294–296.36
De Sy, V., Herold, M., Achard, F., Asner, G.P., Held, A., Kellndorfer, J., y Verbesselt, J. 2012. Synergies
of multiple remote sensing data sources for REDD+ monitoring. Current Opinion in Environmental
Sustainability, 4, 696–706.
Deng C, S Li, F Bian, y Yang. 2014. Remote Sensing Image Segmentation Based on Mean Shift Algorithm
with Adaptive Bandwidth. En Geo-Informatics in Resource Management and Sustainable Ecosystem. Second
International Conference, GRMSE 2014 Ypsilanti, MI, USA, October 3–5, 2014 Proceedings.
Dey, V., Zhang, Y., Zhong, M., 2010. a Review on Image Segmentation Techniques With. ISPRS TC VII Symp.
– 100 Years ISPRS XXXVIII, 31–42. doi:10.1016/0031-3203(93)90135-J
44
BIBLIOGRAFÍA
Franklin, J.F., Cromack, K.J., Denison, W., McKee, A., Maser, C., Sedell, J., Swanson, F. y Juday, G. 1981.
Ecological Characteristics of Old-Growth Douglas-Fir Forests.
Fukunaga, K., Hostetler, L. 1975. The estimation of the gradient of a density function, with applications in
pattern recognition. IEEE Transactions on Information Theory 21(1), 32–40.
Ghazoul, J., Burivalova, Z., Garcia-Ulloa, J., & King, L.A. 2015. Conceptualizing Forest Degradation. Trends
in Ecology & Evolution, 30, 622–632.
Getzin, S., Nuske, R. S., y Wiegand, K. 2014. Using unmanned aerial vehicles (UAV) to quantify spatial gap
patterns in forests. Remote Sensing, 6(8), 6988–7004. https://doi.org/10.3390/rs6086988
Gonzalez, M.E., Amoroso, M., Lara, A., Veblen, T.T., Donoso, C., Kitzberger, T., Mundo, I., Holz, A., Casteller,
A., Paritsis, J., Munoz, A., Suarez, L.M. y Promis, A. 2014. Ecología de disturbios y su influencia en los bosques
templados de Chile y Argentina. Ecologia Forestal. Bases para el manejo sustentable y conservación de los bosques
nativos de Chile pp. 411–504. Ediciones UACH
Gutiérrez, A.G., Armesto, J.J., Aravena, J.-C., Carmona, M., Carrasco, N.V., Christie, D.A., Peña, M.-P., Pérez,
C. y Huth, A. 2009. Structural and environmental characterization of old-growth temperate rainforests of
northern Chiloé Island, Chile: Regional and global relevance. Forest Ecology and Management, 258, 376–388.
Hastie, T., Tibshirani, R., y Friedman, J. H. 2011. The elements of statistical learning : data mining, inference,
and prediction. https://doi.org/10.1007/BF02985802
Kaur, H. 2015. Review of Remote Sensing Image Segmentation Techniques. Int. J. Adv. Res. Comput. Eng.
Technol. 4, 1667–1674.
Kuester, M. 2016. Absolute radiometric calibration: 2015v2. Digital Globe.
Lakshmanan V, Automating the Analysis of Spatial Grids: A Practical Guide to Data Mining Geospatial Images
for Human and Environmental Applications. 2012. Springer, ISBN: 978-94-007-4074-7.
Lara, A., Amoroso, M., Bannister, J.R., Donoso, C., Gonzalez, M.E., Vargas, R., Smith-Ramírez, C., Arellano,
G. y Gutiérrez, A.G. 2014. Sucesión y dinámica de bosques templados en Chile. Ecología Forestal. Bases para
el manejo sustentable y conservación de los bosques nativos de Chile pp. 323–410. Ediciones UACH.
Lertzman, K.P., Sutherland, G.D., Inselberg, A. y Saunders, S.C. 1996. Canopy Gaps and the Landscape
Mosaic in a Coastal Temperate Rain Forest. Ecology, 77, 1254–1270.
45
Malahlela, O., Cho, M. A., & Mutanga, O. 2014. Mapping canopy gaps in an indigenous subtropical coastal
forest using high-resolution WorldView-2 data. International Journal of Remote Sensing, 35(17), 6397–
6417. https://doi.org/10.1080/01431161.2014.954061
Mansor, S. B., Mispan, M. R., Ahmad, N., y Sulaiman, W. N. 2003. Feature extraction based on object
oriented analysis. Proceedings of ATC, 1–10. doi:10.1038/kisup.2013.30
Matese, A.; Toscano, P.; Di Gennaro S.F.; Genesio, L.; Vaccari, F.P.; Primicerio, J.; Belli, C.; Zaldei, A.;
Bianconi, R.; Gioli, B. 2015. Intercomparison of UAV, aircraft and satellite remote sensing platforms for
precision viticulture. Remote Sensing. Volume 7. Number 3. Pages 2971–2990. doi:10.3390/rs70302971 .
OTB. 2018. The ORFEO Tool Box Software Guide Updated for OTB-6.4.0. OTB Development Team.
Royston P. 1982. An extension of Shapiro and Wilk's W test for normality to large samples. Applied Statistics,
31, 115–124.
Runkle, J.R., 1982. Patterns of disturbance in some old-growth mesic forests of eastern North America.
Ecology 63, 1533–1546.
Runkle, J. R. 1992. Guidelines and Sample Protocol for Samping forest Gaps. Department of Agriculture,
Forest Service. https://doi.org/10.1029/2010WR009341.Citation
Schiewe, J., 2002. Segmentation of High-Resolution Remotely Sensed Data - Concepts, Applications and
Problems. Symp. Geospatial theory, Process. Appl. XXXIV, 6. doi:10.4095/219885 (ESS Cont.# 20043083)
Schlegel, B.C. y Donoso, P.J. 2008. Effects of forest type and stand structure on coarse woody debris in
old-growth rainforests in the Valdivian Andes, south-central Chile. Forest Ecology and Management, 255,
1906–1914.
Schliemann, S. A., y Bockheim, J. G. 2011. Methods for studying treefall gaps: A review. Forest Ecology and
Management, 261(7), 1143–1151. https://doi.org/10.1016/j.foreco.2011.01.011
Venables, W. N. and Ripley, B. D. 2002. Modern Applied Statistics with S. Fourth edition. Springer.
Weiss, M., and F. Baret. 1999. “Evaluation of Canopy Biophysical Variable Retrieval Performances from the
Accumulation of Large Swath Satellite Data.” Remote Sensing of Environment 70: 293–306.
Wirth, C., Gleixner, G. & Heimann, M. 2009. Old-Growth Forests: Function, Fate and Value. Springer Science
& Business Media.
46
ANEXOS
ANEXOS
Lista de instrumentos para el trabajo en terreno:
• Receptor GNSS • Brújula rumbera
• Laser astronómico clase tipo II • Clinómetro
• Huincha de distancia o distanciómetro o • Libreta de anotaciones
Vertex IV
Tabla de parámetros básicos para un vuelo fotogramétrico
Traslape frontal > 70%

Traslape lateral > 70%
Altura de vuelo > 60 m
GSD 6-8 cm
Velocidad fija de vuelo 8-13 m/s
Glosario de acrónimos usados en el texto

CONAF : Corporación Nacional Forestal. NDVI : Índice Normalizado de Vegetación.
DAP : Diámetro a 1.3 m de altura de fuste. NOAA : Administración Nacional Oceánica y
DGAC : Dirección de Aeronáutica Civil. Atmosférica de los Estados Unidos.
GCP : Puntos de control en terreno. NOTAM: Notice To Airmen, o Información para
GNSS : Sistema global de navegación por satélite. aviadores.
GSD : Ground Sampling Distance (resolución de OTB : Orfeo toolbox.
la imagen). RPAS : Remotely Piloted Aircraft System o en
LIDAR : Light Detection and Ranging o Laser Sistema Aéreo Tripulado por Control Remoto.
Imaging Detection and Ranging. SIG : Sistemas de información geográfica.
MDE : Modelo digital de elevación. SNASPE: Sistema Nacional de Áreas Silvestres
MDS : Modelo digital de superficie. Protegidas.
MODIS: Moderate Resolution Imaging
Spectroradiometer.
47
48
View publication stats

Monitoreo de La Alteración Del Dosel en Bosques Nativos: March 2019

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Monitoreo de La Alteración Del Dosel en Bosques Nativos: March 2019

Cargado por

Copyright:

Formatos disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

MONITOREO DE LA ALTERACIÓN DEL DOSEL EN BOSQUES NATIVOS

Book · March 2019

Alvaro G. Gutierrez Ignacio Díaz-Hormazábal

SEE PROFILE SEE PROFILE

The user has requested enhancement of the downloaded file.

Primera Edición. Distribución gratuita, sin valor comercial.

En las últimas décadas, ha aumentado la a la representatividad de sus bosques en el país,

Figura 1. Representación esquemática de la definición de claro efectivo y expandido. Adapta

Definición de claros de dosel

Diseño de muestreo de claros de dosel a escala de rodal

(Distancia del transecto en claro*100%)

Figura 2. Representación esquemática del muestreo en transecto.

Se puede realizar un transecto de al menos 1,000 que serán capturas posteriormente.

Figura 3. Orientación de transecto.

Idealmente la persona que indica el rumbo puede

Medición del tamaño de un claro

Una vez que el claro ha sido claramente identificado

Figura 5. Medición bidimensional de un claro asumiendo una forma elíptica.

Área claro = (π * Largo * Ancho)

Regulación, características y capacidades de los RPAS

Vista ortogonal Vista en perspectiva

Grilla simple Grilla doble

Consideraciones antes del vuelo

Parámetros para un adecuado vuelo fotogramétrico

GSD (cm)= (Av * Ds) Al sustituir los valores en la fórmula en centímetros,

Donde Av es la altura de vuelo programada, Ds

Estas distorsiones se ven compensadas a medida

Zona de traslape Área de interés

Mayor altura de Menor altura de

Mayor traslape Menor traslape

Figura 11. Diferencias de GSD producto de diferentes alturas de vuelo y traslape.

Consideraciones de precisión de los resultados

Implementación en Orfeo Toolbox (OTB)

Figura 12. Aplicación Monteverdi, activación de herramientas OTB.

Figura 13. Herramienta de segmentación.

Clasificación de los segmentos

Imágen pancromática Imágen multiespectral

Segmentación Aritmética de bandas

En el caso de las imágenes capturadas mediante variaciones topográficas, diferencias importantes en

Selección de los bosques de estudio

Tabla 1. Sitios de estudio.

SITIO LATITUD LONGITUD TIPO FORESTAL ALTERACIÓN

En cada bosque se colectó información de la estructura de claros siguiendo la metodología descrita en

Figura 15. Esquema de transecto de claros y parcelas de estructura.

Levantamiento de vuelos de alta resolución espacial

Segmentación de imágenes y clasificación de claros

Figura 16. Ejemplificación del proceso de segmentación y clasificación mediante NDVI.

Validación de la segmentación de claros

Tabla 2. Métricas de claros obtenidas mediante segmentación en los bosques estudiados.

Métrica Antillanca d.e. Tregua d.e. Epulafquen d.e. Hueicollla d.e.

Kuester, M. 2016. Absolute radiometric calibration: 2015v2. Digital Globe.

Tabla de parámetros básicos para un vuelo fotogramétrico

Traslape frontal > 70%

Glosario de acrónimos usados en el texto

También podría gustarte