No description available.

Memoria para optar al título profesional de Ingeniero en Recursos Naturales Renovables / Este estudio tiene como objetivo principal el generar y comparar modelos de estimación de biomasa aérea forestal utilizando los sensores pasivos LANDSAT ETM+ y ASTER GDEM, datos LiDAR e información de inventarios forestales del predio experimental Pantanillos, Región del Maule. De la imagen LANDSAT se utilizó la respuesta espectral además de obtener índices de vegetación y la transformación “Tasselep Cap”. A partir del ASTER GDEM se obtuvo información topográfica incluyendo pendiente, orientación y curvatura del terreno. Con los puntos LiDAR se calculó el Modelo Digital de Terreno (MDT), el Modelo Digital de Superficie (MDS) y el Modelo Digital de Copas (MDC). Para comparar el potencial de las fuentes de información en la estimación de biomasa aérea se establecieron tres modelos: el primero (M1) incluye como predictores las variables extraídas desde LANDSAT ETM+ y ASTER GDEM, mientras que el segundo (M2) reemplaza este último por el MDT de alta resolución LiDAR. Un tercer modelo (M3) incluye variables LANDSAT y los tres modelos digitales obtenidos a partir de LiDAR. Además de comparar los ajustes y errores de cada modelo propuesto se consideró el costo monetario de la adquisición y procesamiento de datos. Los modelos de estimación se realizaron a través del algoritmo basado en árboles de clasificación y regresión “Random Forest” el cual además entrega la importancia de todos los predictores en la estimación, información que fue utilizada para la selección de las mejores variables en cada modelo. Se realizaron estimaciones a nivel predial y estratificado por especie dominante (Pinus radiata, Eucalyptus globulus y renoval de Nothofagus glauca). A nivel predial los mejores resultados fueron los obtenidos por M3 con selección de variables (Pseudo R2 57.23% y RMSE 41.44 ton/ha), mientras que entre M1 y M2 no se observan grandes diferencias (Pseudo R2 de 37.63% y 39.79%, respectivamente). Los modelos de estimación por tipo de vegetación difieren en gran medida en cuanto a los ajustes obtenidos y a las variables seleccionadas. Tanto para pino como para renoval de hualo se obtienen mejores resultados con M3 (Pseudo R2 77.22% y 30.95%, respectivamente), mientras que en eucalipto los tres modelos propuestos presentas resultados similares, no sobrepasando un Pseudo R2 de 37.92%. En general, los modelos que incluyen variables LiDAR obtienen mejores ajustes, pero se debe considerar además el costo económico asociado que para el caso de M3 alcanza los 26313.87 USD, costo muy elevado en comparación a M1 que tiene un valor de 1306.43 USD. / The primary objective of this study is the development and comparison of statistical models to estimate aboveground forest biomass (AGB). The models were built based on data originating from the two passive optical remote sensing sensors LANDSAT ETM+ and ASTER GDEM in combination with LiDAR data and information gathered during forest inventories as conducted in the experimental test site Pantanillos, Región del Maule. Original reflectances, as well as vegetation indices and the “Tasseled Cap” transformation of the LANDSAT image were used as potential variables for the models. From the ASTER GDEM product topographic information including slope, curvature and aspect of the terrain were used. From the LiDAR point cloud a Digital Terrain Model (DTM), a Digital Surface Model (DSM) and a Canopy Height Model (CHM) were calculated and used as input variables. To compare the potential of the different information sources of remote sensing data to estimate AGB three different models were created. The first model (M1) uses variables as derived from LANDSAT ETM+ and ASTER GDEM, while in case of the second model (M2) the ASTER GDEM is replaced by the high resolution LiDAR DSM. In the third model (M3) the LANDSAT based variables were combined with the three high resolution digital height models derived from LiDAR data. Besides the comparison of the performance of the three models, monetary aspects of data acquisition and data processing have also been considered in the study. To realize the biomass estimation models the “Random Forest” algorithm for classification and regression trees was applied. “Random Forest” also introduces a measure of importance for each of the variables used in the model which allows for the selection of the best variables. Within the study general biomass models for the full test site as well as biomass models for areas, which were stratified based on the dominating tree species (Pinus radiata, Eucalyptus globulus and second growth natural forest of Nothofagus glauca) were tested. For the general models best results were obtained with M3 and selected variables (Pseudo R² of 57.23%, RMSE of 41.44 ton/ha), while for M1 and M2 no notable difference could be found (Pseudo R² of 37.63% and 39.79% respectively). The results of the stratified models showed large differences in model performance and selected variables. For both pine and second growth nothofagus areas better results were obtained with LiDAR based variables (Pseudo R² of 77.22% and 30.95% respectively). In case of eucalypt the three examined models all produced similar results, which were not surpassing a Pseudo R² of 37.92%. In general it can be concluded that model M3 which included LiDAR variables produced most accurate models, however, also the notably higher costs which reached a total of 26313.87 USD compared to the costs of 1306.43 USD as valid for M1 have to be considered.

Magíster en Ingeniería de Negocios con Tecnologías de Información. Ingeniera Civil Industrial / El desarrollo de la agricultura en Chile requiere de un esfuerzo científico y tecnológico para mantener al país a la vanguardia en los mercados mundiales. El Instituto de Investigaciones Agropecuarias (INIA) es el organismo estatal encargado de esta misión, generando y transfiriendo conocimiento, experiencias y tecnologías desde las investigaciones a los agricultores y a las demás instituciones estatales y privadas que los respaldan. El Ministerio de Agricultura (MINAGRI) a través del Subdepartamento de Información, Monitoreo y Prevención del Departamento de Gestión Integral de Riesgo, evalúa y decreta las Emergencias Agrícolas con una base técnica de información desarrollada por el INIA en su Boletín Nacional de Análisis de Riesgos Agroclimáticos para las principales especies frutales y cultivos, y la ganadería. Dicho Boletín compara el comportamiento de zonas anómalas utilizando sus datos históricos, sin lograr clasificar las cubiertas estudiadas, lo que no permite dimensionar a cabalidad el daño producido por las emergencias. El proyecto de tesis presentado aborda esa problemática al diseñar e implementar un proceso automatizado de detección de cubiertas en imágenes satelitales, utilizando algoritmos de minería de datos, para la monitorización de una localidad específica . La herramienta tecnológica diseñada apoya la clasificación de imágenes satelitales Landsat de las comunas en estudio: Lonquimay y Los Sauces. Las imágenes procesadas se clasifican entre 8 categorías, entregando un archivo con las cubiertas clasificadas y un reporte de la clasificación realizada. De acuerdo a las evaluaciones realizadas por los expertos de los organismos involucrados que han acompañado el desarrollo de este proyecto, es posible concluir que la información obtenida para ambas comunas en estudio es útil para la temporada de verano en Lonquimay y para primavera y verano en Los Sauces. Con esto se aporta información extra para la toma de decisiones en las Emergencias Agrícolas de esas temporadas, aunque la base de puntos conocidos debe ser mejorada para obtener resultados más confiables. El proceso de clasificación de imágenes satelitales presentado se creó con el propósito de ser parte de las actividades de Transferencia que realiza INIA; no solo para la redacción del Boletín Agrometeorológico, sino también como una base para la mejora continua de clasificaciones en imágenes satelitales. Éstas pueden formar parte de futuros proyectos de INIA con otras Instituciones públicas o privadas. El proyecto entrega un VAN de CLP $60MM, el cual permitiría mejorar la inversión en recursos de procesamiento (humanos y tecnológicos) o mejorar la base de puntos conocidos en terreno, manteniendo el tipo de imágenes utilizadas (Landsat). El uso de imágenes de mejor calidad y que no sean gratuitas implicaría un costo que no compensaría los beneficios supuestos, además de la necesaria actualización de los algoritmos. Como siguiente paso se requiere de una base sólida de puntos conocidos en terreno. Es importante destacar que la solución presentada es directamente escalable para otras comunas de interés, por lo que INIA podría incorporarla en nuevos (o antiguos) servicios.

El presente estudio consistió en la evaluación de la aplicabilidad de la interpolación fractal en la automatización del downscaling en imágenes satelitales de temperatura de superficie, en terrenos de topografía compleja mediante evaluaciones cuantitativa y cualitativa. El método escogido para realizar la interpolación fractal es el Morphologically Constrained Midpoint Displacement (Belhadj, 2007). La evaluación del método se realizó, en primera instancia, por una evaluación cuantitativa. Esta consistió en la degradación de la imagen satelital original de temperatura (de resolución 1,1 km), a la mitad (2,2 km) y a la cuarta parte (4,4 km), luego se realizó la interpolación de las imágenes degradadas para llevarlas a la resolución de la imagen original y se estimó la diferencia entre la imagen de temperatura original y las interpoladas por fractales mediante el cálculo de la raíz del error cuadrado medio (RECM), además de otros análisis estadísticos básicos. El segundo método de evaluación fue cualitativo y para éste se contó con la colaboración de un experto en agroclimatología, quien evaluó el downscaling de la imagen de temperatura original. En esta etapa la imagen fue llevada a una resolución de 70 metros aproximadamente. El experto realizó un análisis de la imagen de temperatura para comprender el fenómeno observado e hizo una descripción del comportamiento esperable en las distintas zonas que determinó que son de interés y representativas para el presente estudio. Para poder verificar si las unidades identificadas por el experto responden al comportamiento descrito, se realizaron gráficos para mostrar el comportamiento de la temperatura con respecto al relieve en las distintas zonas identificadas. Los resultados de las evaluaciones arrojaron RECM de 0,2°C y 0,5°C para las mejores interpolaciones de las imágenes degradadas a la mitad y a la cuarta parte, respectivamente; y de 0,6°C para las interpolaciones con peores resultados en ambos casos, observando que el parámetro de Hurst, que controla la dimensión fractal en el algoritmo de interpolación, tiene gran influencia en los resultados de las interpolaciones. En tanto, la evaluación cualitativa determinó que en la imagen del downscaling presentada al experto se observa gran similitud de las formas espaciales en la distribución de las temperaturas con respecto a la imagen original de temperatura de superficie y que las tres unidades climáticas identificadas en la imagen se comportaron bajo patrones característicos del régimen térmico para las zonas descritas. En conclusión, el método de downscaling evaluado en esta memoria de título muestra resultados prometedores para la derivación de temperatura de superficie a mayor detalle.

Memoria para optar al Título Profesional de Ingeniero en Recursos Naturales Renovables / No autorizada por el autor para estar disponible el texto completo en línea / Este estudio tiene como objetivo principal el generar y comparar modelos de estimación de biomasa aérea forestal utilizando los sensores pasivos LANDSAT ETM+ y ASTER GDEM, datos LiDAR e información de inventarios forestales del predio experimental Pantanillos, Región del Maule. De la imagen LANDSAT se utilizó la respuesta espectral además de obtener índices de vegetación y la transformación “Tasselep Cap”. A partir del ASTER GDEM se obtuvo información topográfica incluyendo pendiente, orientación y curvatura del terreno. Con los puntos LiDAR se calculó el Modelo Digital de Terreno (MDT), el Modelo Digital de Superficie (MDS) y el Modelo Digital de Copas (MDC). Para comparar el potencial de las fuentes de información en la estimación de biomasa aérea se establecieron tres modelos: el primero (M1) incluye como predictores las variables extraídas desde LANDSAT ETM+ y ASTER GDEM, mientras que el segundo (M2) reemplaza este último por el MDT de alta resolución LiDAR. Un tercer modelo (M3) incluye variables LANDSAT y los tres modelos digitales obtenidos a partir de LiDAR. Además de comparar los ajustes y errores de cada modelo propuesto se consideró el costo monetario de la adquisición y procesamiento de datos. Los modelos de estimación se realizaron a través del algoritmo basado en árboles de clasificación y regresión “Random Forest” el cual además entrega la importancia de todos los predictores en la estimación, información que fue utilizada para la selección de las mejores variables en cada modelo. Se realizaron estimaciones a nivel predial y estratificado por especie dominante (Pinus radiata, Eucalyptus globulus y renoval de Nothofagus glauca). A nivel predial los mejores resultados fueron los obtenidos por M3 con selección de variables (Pseudo R2 57.23% y RMSE 41.44 ton/ha), mientras que entre M1 y M2 no se observan grandes diferencias (Pseudo R2 de 37.63% y 39.79%, respectivamente). Los modelos de estimación por tipo de vegetación difieren en gran medida en cuanto a los ajustes obtenidos y a las variables seleccionadas. Tanto para pino como para renoval de hualo se obtienen mejores resultados con M3 (Pseudo R2 77.22% y 30.95%, respectivamente), mientras que en eucalipto los tres modelos propuestos presentas resultados similares, no sobrepasando un Pseudo R2 de 37.92%. En general, los modelos que incluyen variables LiDAR obtienen mejores ajustes, pero se debe considerar además el costo económico asociado que para el caso de M3 alcanza los 26313.87 USD, costo muy elevado en comparación a M1 que tiene un valor de 1306.43 USD.

La escorrentía generada por el derretimiento de nieves constituye una de las principales fuentes de agua para sus diferentes usos. Es por eso que en Chile, la hidrología de nieves constituye un área de investigación que se encuentra en constante crecimiento. El principal objetivo de esta investigación es reconstruir el equivalente en agua en la cuenca alta del río Aconcagua para dos ciclos de deshielo (septiembre 2007-febrero 2008 y septiembre 2008-febrero 2009). Para ello, se implementó un modelo distribuido de base física en la cuenca de estudio. Dicho modelo, con el apoyo de la información adicional del tipo meteorológica, permitió reconstruir el equivalente en agua a escala temporal diaria y a una resolución espacial de 500 m. Como objetivos secundarios, se aplicó el modelo en una cuenca vecina para así establecer comparaciones en las variables predominantes del modelo, además de determinar la respuesta de escorrentía de deshielo asociada a la reconstrucción del equivalente en agua. Los resultados indican que la metodología utilizada es apropiada para la reconstrucción espacial y temporal del equivalente en agua. Por otra parte, se obtuvo una adecuada modelación en una cuenca vecina; determinándose de que existe una importante influencia de la orientación de la cuenca (norte-sur o este-oeste) en el balance radiativo del manto nival. De los resultados obtenidos, se lograron establecer 3 principales conclusiones: (i) se estimó que el 32% del volumen de agua potencialmente disponible para el derretimiento no se refleja necesariamente como escorrentía superficial de deshielo; (ii) la pérdida de información debido a la cobertura nubosa sobre la cuenca puede alcanzar el 12%, por lo que se debe idear una metodología adecuada que sea capaz de reemplazar tal información; y (iii) el balance radiativo es una de las variables más importantes en la modelación por lo que debe existir una estimación adecuada para la modelación. Finalmente, la dinámica de la serie de procesos que ocurren continuamente sobre el manto nival generalmente se caracteriza por ser de difícil parametrización por lo que la modelación obtenida se considera una adecuada aproximación, y se cuentan con grandes expectativas para cuando efectivamente sea validado.

Ingeniero Civil / Los humedales altiplánicos corresponden a sistemas acuáticos complejos que se generan en cuencas endorreicas. Se componen normalmente por una laguna somera de alta salinidad, un bofedal y cursos naturales, principalmente formados por afloramientos de agua subterránea. Estos sistemas tienen particularidades únicas, asociadas a las condiciones climáticas y geográficas extremas que posee la región del Altiplano, caracterizándose por tener una alta biodiversidad y riqueza endémica. Sin embargo, han sido declarados como ecosistemas frágiles ante factores como el cambio climático y la minería. Lo anterior hace relevante el estudio y la conservación de estos sistemas debido al alto valor ecológico, científico y cultural que poseen. Lamentablemente, en la región Altiplánica existe poca información de monitoreo climático, y ésta, a su vez es acotada en el tiempo y espacio, de manera que los productos satelitales y los reanálisis atmosféricos se presentan como una herramienta útil para subsanar esta falta de información. En este trabajo se desarrolla una metodología que permite estimar el balance hídrico en humedales altiplánicos a partir de productos satelitales y reanálisis atmosféricos. Para lo anterior se utilizó el modelo propuesto por de la Fuente & Niño (2010), el cual permitió calcular el caudal afluente a los cuerpos de agua en los salares a partir de la evaporación potencial, superficie de los cuerpos de agua y salinidad de los aportes. La evaporación potencial se obtuvo mediante el uso del método aerodinámico a nivel horario propuesto por Thornthwaite & Holzman (1939), utilizando como forzantes la temperatura del aire, la humedad relativa, y el viento proveniente de los reanálisis atmosféricos ERA-Interim, además de la temperatura del aire calibrada mediante del producto LST MODIS. Por otro lado, la superficie de los cuerpos de agua se obtuvo a través del análisis automatizado de las imágenes de Landsat 5 y Landsat 8, haciendo uso del índice NDWI. Esta metodología se aplicó en el Salar del Huasco y Salar de Coposa, los cuales fueron escogidos principalmente por su contraste en términos de intervención antrópica. Finalmente, se analizó la precipitación de la zona mediante el producto TRMM-TMPA y su relación con el fenómeno del Niño-Oscilación Sur. Mediante la aplicación de esta metodología se logró observar la alta dependencia al nivel freático de los salares, además de los perjuicios en la disponibilidad hídrica por la sobreexplotación de los acuíferos de la zona y la lenta recuperación de estos sistemas. Mediante las herramientas implementadas se logró representar de manera adecuada la evolución y tendencia temporal de la superficie de los cuerpos de agua en los salares, así como la temperatura del aire y la humedad relativa. No obstante, ERA-Interim subestima significativamente la variabilidad del viento, limitando la correcta modelación de la evaporación potencial de la zona. Por otra parte, TRMM-TMPA mostró ser una herramienta útil para conocer la estacionalidad de la precipitación, pero presenta dificultades en reproducir su variabilidad. En general, los productos satelitales y de reanálisis presentaron un buen comportamiento, a pesar de sus limitaciones de resolución espacial. Sin embargo, para el mejoramiento en el uso de estos productos, se hace indispensable una buena red de monitoreo para calibrar esta información y mejorar así la reconstrucción de las series climáticas históricas. En particular, la medición del viento, parámetro que generalmente se excluye en los estudios, resultó ser fundamental para la estimación de la variabilidad histórica del balance hídrico en salares. / Este trabajo ha sido parcialmente financiado por el proyecto Fondecyt 1140821