Resumen

Recientemente, numerosos estudios han intentado determinar la altura de los bosques mediante técnicas de teledetección que no sólo presentan las ventajas de una rápida adquisición, procesamiento y análisis de datos, sino que también son rentables. Sin embargo, si no se dispone de datos suficientes para aplicar las últimas técnicas de teledetección, es necesario considerar muchos tipos de conjuntos de datos como sea posible. En este estudio, intentamos determinar la altura de los bosques utilizando datos LiDAR de retorno discreto, SRTM, datos SAR de banda L por satélite y datos ópticos. Experimentamos con las diferencias entre LiDAR DSM y DTM, así como SRTM DSM y LiDAR DTM. Además, aplicamos un algoritmo SBAS y regresión lineal al conjunto de datos. A partir de la evaluación cuantitativa, el RMSE y el R2 de la altura del bosque derivada de LiDAR (3,22 m y 0,43, respectivamente) y la altura del bosque derivada de SRTM (2,90 m y 0,50, respectivamente) fueron razonablemente buenos, especialmente si tenemos en cuenta las diferencias en el tiempo de adquisición de datos y los errores de medición en zonas montañosas. Además, mejoramos ligeramente el RMSE y el R2 de 2,90 m y 0,50, respectivamente, a 2,75 m y 0,54, respectivamente, corrigiendo el SRTM mediante el algoritmo SBAS. Además, fusionamos los conjuntos de datos mediante regresión lineal y obtuvimos alturas de bosque mejoradas con valores de RMSE y R2 de 2,68 m y 0,56, respectivamente. Para generar un mapa de alturas forestales, utilizamos el NDVI de las imágenes ópticas y enmascaramos las alturas inferiores a 2 m de cada sensor. Así, excluimos las zonas urbanas, las "superficies de tierra desnuda" y los arroyos de montaña de las imágenes de cada sensor. Por último, generamos un mapa de altura de los bosques superponiendo los conjuntos de datos. Los resultados de este estudio indican que cada sensor tiene potencial no sólo para determinar la altura de los bosques, sino también para extraer información complementaria sobre la superficie forestal. Además, este estudio demuestra el potencial de mejora utilizando el algoritmo SBAS y la regresión lineal.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:altura del bosque, mapa de altura del bosque, algoritmo sbas, regresión lineal, rmse, srtm, conjuntos de datos, sensor, estudio, información complementaria de la superficie forestal
• Keywords:forest height, forest height map, sbas algorithm, linear regression, rmse, srtm, datasets, sensor, study, complementary forest area information