Evaluación de la correlación entre variables métricas derivadas de tecnología lidar y variables del sensor MISR, mediante modelos de regresión con redes neuronales

• Patricia Arrogante Funes ^[1] ; Carlos J. Novillo Camacho ^[1] ; Raúl Romero Calcerrada ^[1] ; René Vázquez Jiménez ^[1] ; Rocío Nayelly Ramos Bernal ^[1] ; Wendy Romero Rojas ^[2]
  1. [1] Universidad Rey Juan Carlos

     Universidad Rey Juan Carlos

     Madrid, España

     
  2. [2] Universidad Autónoma de Guerrero

     Universidad Autónoma de Guerrero

     México

     
• Localización: Naturaleza, territorio y ciudad en un mundo global, 2017, págs. 52-60
• Idioma: español
• Enlaces
  • Texto Completo Libro (pdf)
• Resumen
  • español

    El estudio de las masas forestales es fundamental para su correcta gestión y ordenación. La tecnología LiDAR aporta una nueva perspectiva a los inventarios forestales ya que ofrece de forma directa información tridimensional de toda la superficie a ordenar. El problema es que los costes de esta información son elevados y por ello una rápida actualización no está garantizada. Sensores pasivos en plataformas espaciales como es el Multiangle Imaging Spectro‐Radimeter (MISR), permiten obtener información multiespectral y multiangular cada como mucho 9 días, a 275 metros de resolución espacial y de forma gratuita. Se ha probado como los datos multiangulares permiten la caracterización del dosel vegetal. A este respecto nuestro objetivo fue el de establecer correlaciones entre las variables multiangualres derivadas del sensor MISR y estadísticos LiDAR, para así evaluar la posible conexión entre ambas tecnologías. Los resultados de los modelos de regresión con redes neuronales aplicados al Monte Cabeza de Hierro (Madrid), son prometedores, ofreciendo relaciones consistentes entre parámetros multiangulares y variables LiDAR como altura media y Fraccíón de Cabida Cubierta (Fcc) (p valores < 0.05, R de hasta 0.73 y RMSE rel. del 15%).

  • English

    The study of the forest masses is fundamental for its correct management and management. LiDAR technology brings a new perspective to forest inventories as it offers direct three‐dimensional information of the entire surface to be sorted. The problem is that the costs of this information are high and therefore a quick update is not guaranteed. Passive sensors on space platforms such as the Multiangle Imaging Spectro‐Radimeter (MISR) allow multispectral and multi‐ angle information to be obtained at most 9 days at 275 meters of spatial resolution and free of charge. It has been proved how the multiangle data allow the characterization of the vegetal canopy. In this regard, our objective was to establish correlations between the multi‐variable variables derived from the MISR sensor and LiDAR statistics, in order to evaluate the possible connection between the two technologies. The results of the neural network regression models applied to the Monte Cabeza de Hierro (Madrid) are promising, offering consistent relationships between multiangle parameters and LiDAR variables such as mean height and Covered Fraction (Fcc) (p values <0.05, R Of up to 0.73 and RMSE of 15%).