Aplicando UAV-LiDAR de alta resolución y modelado estructural cuantitativo para estimar atributos de árboles en un sistema de cultivo-ganadería-bosque
Autores: Dalla Corte, Ana Paula; de Vasconcellos, Bruna Nascimento; Rex, Franciel Eduardo; Sanquetta, Carlos Roberto; Mohan, Midhun; Silva, Carlos Alberto; Klauberg, Carine; de Almeida, Danilo Roberti Alves; Zambrano, Angelica Maria Almeyda; Trautenmüller, Jonathan William; Leite, Rodrigo Vieira; do Amaral, Cibele Hummel; Veras, Hudson Franklin Pessoa; da Silva Rocha, Karla; de Moraes, Anibal; Karasinski,
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Aplicando UAV-LiDAR de alta resolución y modelado estructural cuantitativo para estimar atributos de árboles en un sistema de cultivo-ganadería-bosque
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Atributos de árboles
Enfoque QSM
Datos LiDAR
Atributos de árboles individuales
Componentes de biomasa
Modelos derivados del campo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Los atributos individuales de los árboles, como el volumen del tronco y la biomasa, suelen preverse utilizando modelos alométricos tradicionales derivados de campo. Sin embargo, estos modelos se derivan de datos recopilados de áreas pequeñas y carecen de un nivel de detalle de los componentes del árbol (por ejemplo, tronco, ramas y hojas). Las técnicas de teledetección, como el Modelado de Estructura Cuantitativa (QSM) aplicado a datos LiDAR de alta densidad, emergen como una solución prometedora para obtener estimaciones extensas y detalladas de los atributos de los árboles. Utilizamos datos LiDAR de alta densidad a bordo de un Vehículo Aéreo No Tripulado (UAV) para evaluar el rendimiento del enfoque QSM en la estimación de atributos individuales de árboles derivados de campo, como el diámetro a la altura del pecho (dbh), la altura del árbol (ht) y el volumen (v), así como la biomasa aérea del tronco (SAGB), de las ramas (BAGB) y total (TAGB) de los árboles de eucalipto. Se utilizó QSM en dos enfoques diferentes: (i) utilizando dbh y h derivados de QSM y luego aplicados en las ecuaciones basadas en campo para la estimación del volumen y (ii) derivando el volumen del árbol directamente de QSM. En general, todos los modelos ajustados utilizando el enfoque QSM fueron satisfactorios, pero con una ligera tendencia a la sobreestimación de dbh (9.33%), ht (12.40%), v-QSM1 (26.35%), v-QSM2 (26.66%), TAGB (27.08%), SAGB (25.57%) y BAGB (20.08%). No se notaron diferencias significativas al estimar el dbh, el volumen del árbol, el tronco y la biomasa aérea. A pesar de la sobreestimación, este estudio indica que utilizar el enfoque QSM para estimar atributos individuales de árboles a partir de UAV-LiDAR es una alternativa prometedora para apoyar el proceso de toma de decisiones en actividades de manejo forestal, especialmente al considerar la arquitectura del árbol y los componentes de biomasa.
Descripción
Los atributos individuales de los árboles, como el volumen del tronco y la biomasa, suelen preverse utilizando modelos alométricos tradicionales derivados de campo. Sin embargo, estos modelos se derivan de datos recopilados de áreas pequeñas y carecen de un nivel de detalle de los componentes del árbol (por ejemplo, tronco, ramas y hojas). Las técnicas de teledetección, como el Modelado de Estructura Cuantitativa (QSM) aplicado a datos LiDAR de alta densidad, emergen como una solución prometedora para obtener estimaciones extensas y detalladas de los atributos de los árboles. Utilizamos datos LiDAR de alta densidad a bordo de un Vehículo Aéreo No Tripulado (UAV) para evaluar el rendimiento del enfoque QSM en la estimación de atributos individuales de árboles derivados de campo, como el diámetro a la altura del pecho (dbh), la altura del árbol (ht) y el volumen (v), así como la biomasa aérea del tronco (SAGB), de las ramas (BAGB) y total (TAGB) de los árboles de eucalipto. Se utilizó QSM en dos enfoques diferentes: (i) utilizando dbh y h derivados de QSM y luego aplicados en las ecuaciones basadas en campo para la estimación del volumen y (ii) derivando el volumen del árbol directamente de QSM. En general, todos los modelos ajustados utilizando el enfoque QSM fueron satisfactorios, pero con una ligera tendencia a la sobreestimación de dbh (9.33%), ht (12.40%), v-QSM1 (26.35%), v-QSM2 (26.66%), TAGB (27.08%), SAGB (25.57%) y BAGB (20.08%). No se notaron diferencias significativas al estimar el dbh, el volumen del árbol, el tronco y la biomasa aérea. A pesar de la sobreestimación, este estudio indica que utilizar el enfoque QSM para estimar atributos individuales de árboles a partir de UAV-LiDAR es una alternativa prometedora para apoyar el proceso de toma de decisiones en actividades de manejo forestal, especialmente al considerar la arquitectura del árbol y los componentes de biomasa.