Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Monitoreo de La Alteración Del Dosel en Bosques Nativos: March 2019
Monitoreo de La Alteración Del Dosel en Bosques Nativos: March 2019
net/publication/332083104
CITATION READS
1 425
2 authors:
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.
Autores
Alvaro G. Gutiérrez
Ignacio Díaz-Hormazábal
Diseño
Cynthia Aguilera
Contacto: bosqueciencia@gmail.com
www.bosqueciencialab.org
PRESENTACIÓN
3
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
4
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
Índice de figuras
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
10
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
CAPÍTULO 1
Medición de la estructura del dosel en terreno
MARCO TEÓRICO
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
CAPÍTULO 1
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
13
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
MARCO TEÓRICO
14
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
CAPÍTULO 1
15
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
La estimación del área individual de claros, asumiendo una forma elíptica es la siguiente:
16
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
CAPÍTULO 1
17
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
18
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
CAPÍTULO 2
21
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
MARCO TEÓRICO
22
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
23
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
CAPÍTULO 2
Traslape
frontal
Altura
de Vuelo
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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).
!"#$%&'%"()"*+
26
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
28
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
CAPÍTULO 3
31
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
MARCO TEÓRICO
Luego de activar la caja de herramientas diríjase a la lista Segmentation -> Segmentation y se abrirá la
siguiente ventana (Figura 13):
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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.
33
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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.
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
CAPÍTULO 3
35
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
36
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
CAPÍTULO 4
Caso de estudio
37
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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.
38
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
CAPÍTULO 4
39
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
MARCO TEÓRICO
40
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
CAPÍTULO 4
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
MARCO TEÓRICO
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).
42
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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 appli- cations 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.
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
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
47
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
48
Monitoreo de la alteración del dosel en bosques nativos. Guía metodológica
View publication stats