Por favor, use este identificador para citar o enlazar este ítem:
http://cibnor.repositorioinstitucional.mx/jspui/handle/1001/2153| Modelo para la identificación de especies de mangle mediante fotografía aérea con VANT y algoritmo de clasificación Random Forest, en Bahía de La Paz, BCS | |
| Francisco Andrés Roque Sosa | |
| César Augusto Salinas Zavala Raúl Octavio Martínez Rincón | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| índices de vegetación, espectro de luz visible, infrarrojo cercano, fotogrametría aérea, Random Forest Vegetation indices, visible light spectrum, near infrared, aerial photogrammetry, Random Forest | |
| "El manglar es un ecosistema altamente productivo y, de gran riqueza biológica, que proporciona gran variedad de recursos y servicios ambientales. En la península de Baja California, los manglares se encuentran en el límite norte de su distribución, por lo que presentan diferencias en su estructura y morfología con respecto a manglares en otras localidades más cercanas al ecuador donde estos se alcanzan tallas y abundancias más altas. Al mismo tiempo, su manejo y monitoreo ha sido intermitente, careciendo de información básica para su conservación. Esta investigación tiene como objetivo principal establecer un método para la identificación de especies de mangle en ecosistemas semiáridos basado en fotogrametría aérea y modelos de clasificación supervisada (Random Forest). Además, contempla la descripción de índices de vegetación (IV) basados tanto en la parte visible de la luz (RGB), como en el infrarrojo cercano (IRC). Los resultados de este trabajo sugieren que los IV por sí solos y basados en la parte visible de la luz, no muestran mejor desempeño en la identificación de las especies de mangle, que aquellos basados en el IRC (Precisión: RGB = 54.82 %, IRC = 60.98 %). Sin embargo, sí se incluye la altura de la vegetación, obtenida mediante fotogrametría, los IV basados en RGB obtienen mejores resultados de precisión que los basados en el IRC (Precisión: RGB = 95.09%; IRC = 61.63%). Al integrar todos los IV y la altura de la vegetación, fue posible clasificar correctamente a las 3 especies de mangle, con una precisión de 97.51% y 92.84%, usando los IV basados en el RGB o en el IRC, respectivamente. A partir del mejor modelo (usando todos los IV basados en el RGB y la altura) se generó un mosaico temático con las clases analizadas (A. germinans, B. marítima, L. racemosa, Matorral halófilo, R. mangle y Suelo), y se estimó que las especies de mangle, Avicennia germinans, Laguncularia racemosa y Rhizophora mangle, ocupan el 7.6%, 2.3% y 0.8 % de la superficie del área de estudio, respectivamente. Los resultados obtenidos de este trabajo muestran el alto potencial que tiene la fotogrametría aérea en conjunto con los métodos de clasificación supervisada para evaluar de manera remota la distribución espacial y el porcentaje de cobertura de las especies de mangle en ecosistemas semiáridos, información esencial para desarrollar planes de manejo para este tipo de vegetación." "The mangrove is a highly productive ecosystem with great biological richness, which provides a great variety of resources and environmental services. In the Baja California peninsula, mangroves are found at the northern limit of their distribution, so they present differences in their structure and morphology with respect to mangroves in other locations closer to the equator. At the same time, its management and monitoring has been intermittent, lacking basic information for its conservation. The main objective of this research is to establish a method for the identification of mangrove species in semi-arid ecosystems, based on aerial photogrammetry and supervised classification models. In addition, it contemplates the description of vegetation indices (VI) based on both the visible part of light (RGB) and the near infrared (NIR). The results of this work suggested that the VIs by themselves and in the visible part of the light, did not show better performance in the identification of mangrove species, than those based on the NIR (Precision: RGB = 54.82%, NIR = 60.98%). However, if the height of the vegetation is included, obtained by photogrammetry, the VIs based on RGB obtain better precision results than those based on the NIR (Precision: RGB = 95.09%; NIR = 61.63%). By integrating all the VIs and the height of the vegetation “Canopy Height Model” (CHM), it was possible to correctly classify the three mangrove species, with a precision of 97.51% and 92.84%, using the VIs based on RGB or NIR, respectively. From the best model (Random Forest using all the VI based on RGB and CHM) a thematic mosaic was generated with the analyzed classes (A. germinans, B. Maritime, L. racemosa, Halophilic scrub, R. mangle and Soil), and it was estimated that Avicennia germinans, Laguncularia racemosa and Rhizophora mangle occupy 7.6%, 2.3% and 0.8% of the surface of the study area, respectively. The results obtained from this work show the CHM potential of aerial photogrammetry, in conjunction with supervised classification methods, to evaluate remotely the spatial distribution and the percentage of cover of mangrove species in semi-arid ecosystems, essential to develop management plans for this type of vegetation." | |
| Centro de Investigaciones Biológicas del Noroeste, S.C. | |
| 2021 | |
| 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 | |
|---|---|---|---|---|
| roque_f TESIS.pdf | Tesis de Francisco Andrés Roque Sosa | 4.24 MB | Adobe PDF | Visualizar/Abrir |