En ocasiones es necesario conocer el volumen de madera que se puede extraer de un monte con una simple visita a campo y echando un vistazo a la masa. Ayudándose de la variada cartografía temática disponible, hoy en día es posible determinar de una forma aproximada el número de pies de la parcela; que junto a un diámetro y altura medios, afinados por el experimentado ojo del selvicultor, permitirían estimar el volumen de madera del monte, dentro de unos márgenes razonables. Esta aproximación es lo que se conoce como estimación pericial de las existencias de un monte.
INTRODUCCIÓN
El inventario pie a pie de una masa arbolada no es siempre una opción viable. Es, de hecho, una elección válida únicamente en condiciones muy restringidas: una parcela pequeña, una masa de alto valor, etc. En el resto de ocasiones se recurre a muestreos, donde mediante técnicas estadísticas se calcula una estimación del volumen de existencias de madera. El número de árboles queda determinado entonces por medios indirectos.
Según mi experiencia personal, el número de pies es una de las variables más «traicioneras» en el inventario forestal, incluso en aquellas masas coetáneas procedentes de repoblación, en las que, a priori, sería fácil hacer un cálculo aproximado para su determinación. Dada su gran influencia en el resultado final, es importante tener una cifra lo más aproximada posible para dar una buena estimación de los volúmenes maderables.
A continuación, pasaré a enumerar dos métodos que nos permiten estimar la densidad de pies a partir de información cartográfica disponible en el Centro de Descargas del Instituto Geográfico Nacional y en el portal IBERPIX.
ZONA DE ESTUDIO, DATOS Y MÉTODO
La parcela seleccionada para esta experiencia se encuentra localizada en el concello de Monforte de Lemos: una repoblación de Pseudotsuga menziesii, de edad indeterminada pero no en turno de corta final (Figura 1). He elegido esta especie por su copa regular y su gran dominancia apical.
Figura 1. Parcela objeto de estudio.
Para averiguar el número de árboles, probaré dos métodos:
- Cuenta de ápices de los árboles en el modelo digital de vegetación (MDV)
- Cuenta de ápices a partir de la ortofoto de la parcela
El primer método se basa en la extracción del MDV a partir de la nube de puntos LiDAR de la zona. El segundo, en el análisis de una composición de ortofotos de la parcela a la máxima resolución posible.
CONTEO AUTOMÁTICO DE ÁPICES CON SAGA GIS
Para este método es necesario calcular primero el modelo digital de vegetación (MDV) a partir de la nube de puntos LiDAR de la parcela (puede bajarse desde el Centro de Descargas del IGN). Los pasos necesarios para elaborar el MDV figuran en una entrada anterior de mi blog, donde se explica cómo extraer el modelo digital de altura de copas.
Las nuevas versiones de QGIS traen aparejada a su instalación la posibilidad de operar con SAGA GIS de forma independiente, con un acceso directo desde el menú de inicio. En mi caso, trabajaré con SAGA GIS 2.3.2, donde el ráster del modelo de copas importado aparece como se muestra en la Figura 2.
Figura 2. Ráster del Modelo Digital de Vegetación cargado en SAGA GIS 2.3.2.
Se observa que el modelo no es de gran calidad, con una definición muy pobre. Esto es debido a que la densidad de puntos del archivo LiDAR para la zona no permite confeccionar un ráster con un tamaño de píxel menor de 1 metro de lado. El siguiente paso es aplicar un filtro gaussiano al ráster, para suavizarlo y eliminar ruido, con el resultado que aparece en la Figura 3.
Figura 3. Modelo Digital de Vegetación con filtro gaussiano aplicado.
Ahora es el momento de aplicar el algoritmo de segmentación (watershed segmentation), que dará como resultado un archivo shape de todos los ápices de árbol que ha detectado (Figura 4).
Figura 4. Ápices (y otras elevaciones fuera de la parcela) detectados por el algoritmo watershed segmentation, en color gris oscuro. Plano general y detalle (a la derecha).
Una vez cargado el archivo shape en QGIS, con la ortofoto del WMS PNOA de fondo, se puede apreciar que la detección ha sido deficiente; sin duda por el bajo número de retornos de la nube LiDAR, que asciende al orden de 1,30 puntos por metro cuadrado (Figura 5).
Figura 5. Archivo de puntos (en anaranjado) en QGIS representando los ápices detectados. Plano general y detalle.
CONTEO MEDIANTE ANÁLISIS DE IMÁGENES: eCognition
Entre otras muchas funciones, el programa eCognition de Trimble posee un potente algoritmo de reconocimiento de patrones en imágenes.
El primer paso para la cuenta de ápices será por lo tanto la composición de una ortoimagen del monte, a la máxima resolución posible. Esto se consigue, en mi caso particular, descargando imágenes parciales desde la plataforma IBERPIX y uniéndolas con el comando combinar ráster de QGIS (Figura 6). Se logra así un ráster con 0.11 metros de tamaño de píxel.
Figura 6. En sentido horario y empezando en la parte superior izquierda: ortofoto parcial del monte en Iberpix, a nivel máximo de ampliación; mosaico de ortofotos; ortofoto final combinación de las anteriores.
Es posible ahora exportar el ráster a varios formatos. En este caso, para trabajar con eCognition, optaré por *.img. Una vez ejecutado el programa, importo la imagen y elijo el proceso Template matching (Figura 7).
Figura 7. Importación del ráster y elección del proceso Template matching en eCognition.
Tras elegir varias muestras del patrón que se desea identificar -copas de árboles-, y después de varios rejustes y cambios de umbral de detección (Figura 8), el programa marca aquellos lugares de la imagen donde identifica los ápices, como se muestra en la Figura 9.
Figura 8. Editor de modelos de eCognition, con varios patrones de copa para realizar la búsqueda de ápices.
Figura 9. Resultado de la búsqueda de ápices. Vista general y detalles.
El proceso ha de repetirse, variando umbrales y probando nuevos patrones, hasta que se obtenga un resultado fiable, y siempre evitando que haya dobles o triples positivos en la identificación del mismo árbol. La morfología de la copa del pino de Oregón facilita esta tarea. Como se aprecia en la Figura 9, el resutado es satisfactorio: la mayoría de árboles han sido detectados. El siguiente paso es exportar los puntos en formato shape, y abrirlos con QGIS. El archivo de superficie arbolada del monte (Figura 10) permite seleccionar aquellos ápices que caen dentro de la parcela, y descartar los que no interesan.
Figura 10. Zona arbolada de la parcela (en anaranjado) con ápices seleccionados (en blanco) y árboles fuera de la parcela (en rosado).
En total, el proceso ha detectado 2.978 árboles.
ESTIMACIÓN DE EXISTENCIAS
La parcela objeto de estudio fue sometida a un muestreo aleatorio simple de 11 parcelas circulares de 10 m de radio, con el que se calcularon unas existencias al 95 % de probabilidad de 1.040 metros cúbicos de madera. El error de muestreo se situó en el 16,58 %, lo que deja el intervalo de confianza para el valor real del volumen de madera del monte entre los 868 y los 1.212 metros cúbicos.
En mi caso, para el cálculo de existencias de madera emplearé dos valores representativos de las variables diámetro y altura de un hipotético árbol tipo, extraídos de los valores medidos en las parcelas de muestreo. La intención de este método es que los valores surjan fruto de una visita de campo de un tasador experimentado, mediante inspección ocular de la masa y alguna medición puntual. A continuación se tomarán esos valores, junto con el dato de número de árboles extraído en el apartado anterior, y se usará la tabla de cubicación de Diéguez Aranda et al. (2009) para Pseudotsuga menziessi y, así, dar un valor estimativo del volumen de madera de la masa.
RESULTADOS
Como valores representativos de diámetro y altura de árbol, he elegido la mediana de los valores muestreados en campo por dos razones:
- Las distribuciones de frecuencias de diámetros y alturas parecen algo sesgadas hacia la izquierda (Figura 11)
- La mediana es menos sensible que la media con respecto a los valores atípicos
Figura 11. Distribuciones de densidad de diámetros (d) y alturas (h) en las parcelas de muestreo. La línea vertical roja representa a la media y la negra a la mediana. La curva sombreada en rojo es la función de densidad de cada histograma, la curva sin sombreado es la curva de distribución normal para los valores de media y desviación típica de los datos de cada histograma.
Las medianas de diámetro y altura son, respectivamente, 23,1 cm y 16,6 m; que, junto al dato de 2.978 árboles, proporcionan un total de 892 metros cúbicos de madera.
CONCLUSIONES
El volumen de madera obtenido por este método es sensiblemente inferior al estimado mediante muestreo aleatorio: 892 metros cúbicos frente a 1.040. Era de esperar, dado que el programa de reconocimiento de imágenes no fue capaz de captar la totalidad de copas de la masa, con lo que la variable número de árboles queda estimada a la baja. Sin embargo, hay un par de cuestiones a favor del método probado:
- El volumen de madera estimado queda dentro del intervalo de confianza para el valor real del volumen de madera
- Con un esfuerzo y un tiempo de trabajo francamente menores, se ha conseguido una cota inferior al volumen real de madera que hay en el monte
De cara al propietario forestal este método permitiría conocer aproximadamente las existencias de madera de sus tierras y poder negociar mejor su venta. A su vez, al maderista le ayudaría a ajustar mejor su oferta.
CONSIDERACIONES FINALES
- Esta metodología solo aspira a proporcionar una estimación aproximada y a la baja de las existencias maderables del monte
- Su ámbito de aplicación son las masas procedentes de repoblación de especies con clara dominancia apical (coníferas, eucaliptos, etc). Fuera de esas condiciones el método puede no resultar fiable
- El conteo de ápices mediante SAGA GIS no ha dado números acertados, sin duda por la baja densidad de puntos del archivo LiDAR. De contar con más información los resultados serían bastante más satisfactorios, como puede verse en la entrada antes referida.
BIBLIOGRAFÍA
Diéguez Aranda U., Rojo Alboreca A., Castedo Dorado F., Álvarez González J.G., Barrio Anta M., Crecente Campo F., González González J.M., Pérez Cruzado C., Rodríguez Soalleiro R., López Sánchez C.A., Balboa Murias M.Á., Gorgoso Varela J.J., Sánchez Rodríguez F. (2009). Herramientas selvícolas para la gestión forestal sostenible en Galicia. Edita: Dirección Xeral de Montes, Consellería do Medio Rural, Xunta de Galicia. ISBN: 978-84-692-7395-1 [libro]
AGRADECIMIENTOS
A Carmen A., por sus correcciones y sugerencias; y a Guillermo R., por sus sugerencias.
Este obra está bajo una licencia de Creative Commons Reconocimiento 4.0 Internacional.
atlas_enxeñeria 