Por favor, use este identificador para citar o enlazar este ítem:
http://cibnor.repositorioinstitucional.mx/jspui/handle/1001/2037| Fotogrametría aérea aplicada a encinos (Quercus spp.) en Sierra La Laguna, B.C.S. Recomendaciones para su identificación y conservación | |
| MARIANA RAMIREZ VARGAS | |
| Raúl Octavio Martínez Rincón Alfredo Ortega Rubio | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Espectro de luz visible, infrarrojo cercano, fotogrametría aérea, clasificación supervisada, modelo de elevación del dosel Visible light spectrum, near infrared, aerial photogrammetry, supervisedclassification, canopy height model | |
| "Vegetation monitoring is essential to design strategies for forest management and conservation. As an efficient alternative for monitoring, precise methods have been developed such as airborne multispectral sensors, which process images through photogrammetry, technique which determines the shape, size and position of objects without being in contact with them. This option implies multiple benefits for vegetation monitoring because joined with vegetation indexes (VIs) estimation, it is possible to evaluate vegetation species thanks to the spectral signature that identifies each of them. The main objective of this work was to implement a supervised classification model using high resolution aerial images to identify, quantify and estimate the coverage and height of San Antonio oaks in BCS, where three species of Quercus develop. The methodological framework is applied in a 20.9 hectares polygon in which oaks were geo-positioned and identified, the height of 30% of the oaks was measured using an hypsometer. The imagery was acquired with an unmanned aerial vehicle equipped with two sensors to measure reflectance in the visible part of light (RGB) and in the near infrared (NIR). From the aerial images, VIs were estimated in the dry and rainy season. Besides the mosaics created with each sensor, the Digital Surface and Terrain Model were built and from those, the canopy height model (CHM), which contains the oak´s height data was built. The results suggest that by their own, VIs based on RGB bands on the dry season, show better performance (accuracy 50%, Kappa 0.25) than those based on the NIR band (accuracy 53%, kappa 0.15) or in the rainy season with an RGB index (accuracy 47%, kappa 0.18). Integrating the CHM to the algorithm, performance improves when it was evaluated by a VI based on RGB in the dry season (accuracy 72.7%, kappa 0.59), unlike the model with an NIR index (accuracy 62.4%, kappa 0.40) or in the rainy season with an RGB index (accuracy 66.3%, kappa 0.44). Once all the vegetation indexes (RGB and NIR) and the CHM are included in the classification algorithm, the RGB model achieves an accuracy of 81% in the dry season against the 74% obtained in the rainy season model and also the 71% with all the NIR indexes in the dry season..." "El monitoreo de la vegetación resulta imprescindible para diseñar estrategias referentes al manejo y conservación forestal. Como alternativa eficiente se han desarrollado métodos precisos como sensores multiespectrales aerotransportados, que mediante fotogrametría procesan imágenes para conocer la forma, tamaño y posición de los objetos sin estar en contacto con ellos. Esta opción implica beneficios para el monitoreo de la vegetación ya que aunada a la estimación de índices de vegetación (IV) es posible evaluar a las especies vegetales gracias a la firma espectral que las identifica. En este sentido, el objetivo principal de este trabajo fue implementar un modelo de clasificación supervisada utilizando imágenes aéreas de alta resolución para identificar y estimar la cobertura y la altura de los encinos en San Antonio de la Sierra, B.C.S, localidad en la que se desarrollan tres especies del género Quercus. La metodología se aplicó en un polígono de 20.9 hectáreas, en el que se geo-posicionaron e identificaron los encinos; con un hipsómetro se midió la altura del 30% de los encinos. Para lo anterior, se obtuvieron imágenes con un vehículo aéreo no tripulado, equipado con dos sensores para medir la reflectancia en la parte visible de la luz (RGB) y en el infrarrojo cercano (NIR). A partir de las imágenes aéreas se estimaron los IV en la temporada seca y de lluvias. Además de los mosaicos creados de cada sensor, se construyó el Modelo digital de superficie, de terreno y a partir de estos el modelo de elevación del dosel (MED) que contenía los datos de altura de los encinos. Los resultados sugieren que por sí solos los IV basados en las bandas RGB en la temporada de estiaje, muestran un mejor desempeño (precisión 50%, kappa 0.25) que aquellos basados en el NIR (precisión 53%, kappa 0.15) o en la temporada de lluvias con IV RGB (precisión 47%, kappa 0.18). Al integrar los datos de altura de la vegetación, obtenidos mediante los modelos fotogramétricos, el desempeño mejora al evaluar un IV RGB en época seca (precisión 72.7%, kappa 0.59) a diferencia del modelo con un IV basado en el NIR (precisión 62.4%, kappa 0.40) o en época lluviosa con un IV RGB (precisión 66.3%, kappa 0.44)..." | |
| Centro de Investigaciones Biológicas del Noroeste, S. C. | |
| 2020-10 | |
| Tesis de maestría | |
| Español | |
| ECOLOGÍA VEGETAL | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Tesis de Maestría en Ciencias en Uso, Manejo y Preservación de los Recursos Naturales |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| ramirez_m TESIS.pdf | Tesis de Mariana Ramírez Vargas | 6.88 MB | Adobe PDF | Visualizar/Abrir |