Estimation of gap fraction and clumping index with Terrestrial and Airborne Laser Scanner data

摘要

El dosel forestal es una zona de intercambio de flujos y energía entre la superficie de la tierra y la atmósfera. Su estructura está representada por la organización espacial de todos los elementos vegetales que se encuentran sobre la superficie. La estructura del dosel condiciona una serie de variables microclimáticas en el interior de este espacio, las que influyen en la disponibilidad de los recursos y el comportamiento de las especies que cohabitan en él. Existe una serie de variables que permiten describir la estructura del dosel. Entre las más importantes se encuentran el índice de área foliar, cuyo cálculo y corrección depende de otros parámetros como la fracción de huecos (gap fraction, GF) y el índice de agrupamiento foliar (clumping index, CI). En este documento se estudian y desarrollan métodos para la estimación de GF y CI a partir de escáneres láser terrestres y aerotransportados (Terrestrial (TLS) and Airborne (ALS) Laser Scanners). Para lograr esto, se llevaron a cabo mediciones con TLS en Las Majadas del Tiétar (Cáceres, España) en el año 2009 y con ALS en Jasper Ridge (California, EE.UU.) en el 2007. En el caso de la estimación de GF a partir TLS, se desarrolló un nuevo método que calculaba la proporción entre píxeles vacíos y su totalidad a partir de imágenes angulares, una vez que se conocía su resolución. La validación del método fue realizada mediante simulaciones de datos con diversas resoluciones angulares y patrones de huecos en el dosel. El método se comparó también con los resultados de GF a partir de fotografías hemisféricas (hemispherical photography, HP), una vez que los datos TLS se reproyectaron para simular HP (TLS-SHP). La estimación del CI se llevó a cabo aplicando la teoría de la distribución del tamaño de los huecos de Chen y Cihlar (1995) sobre las TLS-SHP, que se contrastó con los valores de CI de las HP. En la zona de Jasper Ridge las estimaciones de GF se realizaron empleando métricas basadas en la ley de transmisividad de Beer-Lambert que miden el porcentaje de retornos láser que llegan al suelo, considerando parcelas circulares de datos ALS con diferentes tamaños de radio, para compararlas con la GF estimado de las HP. Del mismo modo, se probó también con la relación entre las intensidades de los retornos del suelo y las de todos ellos al interior de las parcelas. El CI se estimó a partir de métricas ALS derivadas de la altura de la vegetación y se relacionaron con el CI de las HP. Además, se adaptó con el mismo propósito el índice de segregación espacial de Pielou (1962), que se aplicó sobre imágenes de GF generadas para parcelas de datos ALS con distintos tamaños de radio y que fueron comparadas con el CI generado desde las HP. Para los experimentos llevados a cabo con los datos TLS, la GF fue sobreestimada en un 14% respecto a las HP, siendo las correlaciones estadísticamente significativas. El algoritmo desarrollado es operativo siempre y cuando el ruido en los datos angulares sea inferior al 6% de la resolución angular. Por encima de este umbral el método presentó un alto error, especialmente en los datos simulados con una estructura de huecos agrupados (cluster). El CI se subestimó en 27% respecto a los valores obtenidos por las HP. Los principales problemas vienen dados por la diferencia en la distribución del tamaño de los huecos registrados por las HP y las TLS-SHP. Por otra parte, la GF derivada de los datos ALS subestimó en un 3% y sobrestimó en un 43% comparado con las HP, para las parcelas de bosque y matorral, respectivamente. La GF obtenida presentó una clara dependencia del radio de los datos ALS considerados, que varió según el tipo de vegetación. Respecto a las estimaciones del CI, las métricas ALS de las alturas de la vegetación no mostraron buenos resultados. Esta circunstancia es contraria a estudios previos, lo que parece indicar que estas relaciones empíricas sólo funcionarían para el tipo de vegetación y sitio para el que fueron desarrolladas. Sin embargo, la modificación del algoritmo de Pielou subestimó el CI en sólo 6% y 4% para las parcelas de bosques y matorrales, respectivamente. Las posibles causas de estas diferencias radican en las distintas perspectivas y resolución espacial que poseen los datos ALS y HP.