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.
| Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/149597 |
| Date | January 2013 |
| Creators | Cortés Serey, Lissette Denisse |
| Contributors | Hernández Palma, Jaime, Corvalán Vera, Patricio, Galleguillos Torres, Mauricio, Mora González, Marcos |
| Publisher | Universidad de Chile |
| Source Sets | Universidad de Chile |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis |
Page generated in 0.0839 seconds