INFOREST. Jornada Presentación InForest. Sistema de Gestión e Inventario Forestal: Aplicación de Imágenes de Satélite de Muy Alta Resolución

Transcripción

1 Jornada Presentación InForest INFOREST Sistema de Gestión e Inventario Forestal: Aplicación de Imágenes de Satélite de Muy Alta Resolución

2 Jornada Presentación InForest Sistemas de Información y Gestión Forestal y aplicaciones de las imágenes de satélite de muy alta resolución. Presentación y Objetivos Proceso de las Imágenes de Satélite Desarrollo del Sistema de Información Análisis de Resultados Conclusiones y Desarrollos Futuros

3 Presentación y Objetivos Objetivos: El objetivo principal es la creación de un Sistema de Información para la Gestión Forestal como proyecto piloto que permita un trabajo más fácil, rápido y completo. Determinación del grado de utilidad de las imágenes de satélite para la gestión forestal. Este objetivo se concreta en la necesidad de obtener información detallada útil para el inventario. Las imágenes utilizadas son Ikonos, LandSat y Aster. Antecedentes del proyecto: Montes de Valsaín.

4 Área de estudio Montes seleccionados: 106, 111, 109, 118 y 116. Provincia: Cuenca Término municipal y propietario: Cuenca. Superficie forestal: ha en 23 montes de utilidad pública, posibilidad maderable anual: m³ de madera. Aunque los modos de explotación son los mismos la zona de trabajo presenta interés desde la variabilidad de las condiciones fisiográficas y geológicas, así como de los ecosistemas asociados a las mismas, lo que la convierte en un área test idónea.

5 Proceso de Imágenes de Satélite OBJETIVOS Aportación de información de satélites Aster y Landsat como indicadores ambientales del estado de desarrollo vegetativo o vitalidad de la vegetación entre otros y su integración en el Sistema de Información. Determinación del grado de utilidad de las imágenes del satélite IKONOS para la gestión forestal. Variables Dasométricas: nº pies por hectárea, volumen maderable (valor económico del monte) Landsat Aster Ikonos

6 Sensores de alta resolución: ASTER Características: Lanzamiento: Diciembre 1999 (TERRA) Periodo de retorno: 4 a 16 días Rango dinámico: 8 a 12 bits según bandas Tamaño de escena: 60 x 60 Km Combinación de Bandas Imágenes Utilizadas: escena Agosto 2001 Índices e indicadores: combinaciones de bandas, salinidad, humedad, estrés vegetación. Modelo digital : Capacidad estereoscópica Combinación de Bandas EOS - ASTER Características espectrales Resolución 15 m 15 m 15 m 30 m 30 m 30 m 30 m 30 m 30 m 90 m 90 m 90 m 90 m 90 m

7 Sensores de alta resolución: Landsat Características: Lanzamiento: 15 Abril 1999 (Landsat 7) Periodo de retorno: 16 días Rango dinámico: 8 bits Imágenes de archivo disponibles desde Misiones con mejora progresiva de resolución espacial y espectral Imágenes utilizadas: Landsat y Landsat Ambas de primavera. Uso: Indices (NDVI), Mapa de Cambios entre 1987 y 2001, combinaciones de bandas. Principales diferencias entre el Landsat 7 y el Landsat 5 Adición al Landsat 7 de una banda Pancromática con resolución espacial de 15m. Perfeccionamiento del sistema de calibración radiométrica de los sensores, lo que garantiza una precisión radiométrica absoluta del 5%. Perfeccionamiento de la geometría de captura

8 Sensores de alta resolución: IKONOS-2 Características: Lanzamiento: 24 Septiembre 1999 Orbita: 681 Km Periodo de retorno: 1-3 días según sensor Rango dinámico: 11bits Capacidad estereoscópica Posibilidad de seleccionar: Área específica de adquisición Prioridad de adquisición Cobertura nubosa máxima Angulo máximo de observación Nivel de procesado del producto Imágenes utilizadas: Escena de archivo de verano de 2003 Nueva adquisición de verano de 2005 Nueva adquisición de primavera de 2006 Standard Imagery Pancromático Multiespectral Blanco y Negro Azul Verde Rojo NIR Características espectrales nm Resolución m m Tamaño de escena 11 x 11 km Area mínima 11 x 100 km 2 Area máxima km 2

9 Campaña de Campo Introducción y objetivo Metodología Desarrollo de la campaña Ejemplo de estadillo y fotografías

10 Campaña de Campo

11 Metodología de Proceso de Imágenes Metodología de trabajo: El trabajo se ha estructurado en dos fases principales: la ortorrectificación de la imagen y preparación del material de referencia y el tratamiento digital y extracción de información. La primera ha servido para familiarizarse con la zona de trabajo y las imágenes, los datos disponibles para llevar a cabo el estudio y las necesidades de información. La segunda en la realización de una serie de procesos cuyo objeto ha sido el de determinar las posibilidades de Ikonos para el inventario forestal y para generar variables dasométricas.

12 Proceso de Generación de Ortoimágenes IKONOS color real con 4m de resolución IKONOS 432 multiespectral con 4m de resolución IKONOS pancromática con 1m de resolución Ortorrectificación de la imagen de verano del año Registro de la imagen de primavera del año Corrección Atmosférica. Mosaico de escenas. Fusión y realce de imagen.

13 Caracterización de masas forestales Método de clasificación: La clasificación no supervisada se ha empleado con el objeto de agrupar píxeles basándose en estadísticas, sin clases de entrenamiento predefinidas. Clasificación no supervisada e Ikonos falso Color (4-3-1) de la misma zona. Se ha aplicado una técnica de clasificación denominada Isodata que agrupa los valores en torno a las medias de clases uniformemente distribuidas. Una vez seleccionadas las bandas y los índices que se van a utilizar de entre aquellos que mejor definen las características de la vegetación, se definen los parámetros de la clasificación y se aplican los algoritmos. El proceso es iterativo.

14 Caracterización de masas forestales Tipo de información Banda Descripción Rango espectral Bit Filtros - ventana Bandas MS originales B2 Azul nm B3 Verde nm B4 Rojo nm B5 IR cercano nm 16 NA NDVI NDVI (IR cercano - rojo) / ( IR cercano - rojo) NA V_B3 Información textural B3, verde nm V_B4 Información textural B4, rojo nm Varianza 7x7 Bandas MS filtradas V_B5 Información textural B5, IR cercano nm M_B3 Información contextual B3, verde nm 16 M_B4 Información contextual B4, rojo nm Media 7x7 M_B5 Información contextual B5, IR cercano nm NDVI filtrado V_NDVI Información textural NDVI Varianza 7x M_NDVI Información contextual NDVI Media 7x7

15 Caracterización de masas forestales Proceso post-clasificación: A la imagen clasificada se le han aplicado varios procesos sucesivos destinados a mejorar la calidad de los resultados: Categorización: agrupación de las clases estadísticas obtenidas por la clasificación (25) atendiendo a sus características espectrales y a los datos de verdad terreno. El resultado es la obtención de un grupo de clases con sentido físico. Filtrado: con objeto de aumentar la homogeneidad visual de la imagen. Clasificación multicriterio: introducción de una serie de criterios destinados a reducir la mezcla espectral entre clases próximas.

16 Delimitación de copas

17 Análisis Multitemporal de los Datos Clasificación Multitemporal Detección anual de cambios - NDVI

18 Calibración de Resultados Con la Campaña de Campo y con el Inventario Forestal , , , , , ,000 Área Basimétrica Inventario Cabida Cubierta Clasificación 2005 Las siguiente figuras se corresponden con los Montes 108, 116 y 111, respectivamente. 0, Área Basimétrica Inventario Cabida Cubierta Clasificación TRAMO 2ª - A - II TRAMO 1ª - C - III TRAMO 2ª - A - VI Se compara el Área Basimétrica del Inventario Forestal con la Fracción de Cabida Cubierta de la clasificación de Las ordenadas representan m². TRAMO 2ª - B - III , ,000 TRAMO 2ª - B ,000 V , , , , , ,000 0,000 TRAMO 1ª - B - III TRAMO - EII TRAMO - F_II Área Basimétrica Inventario TRAMO TRAMO Cabida 1ª - B -Cubierta 1ª - B - Clasificación V 2005 VI TRAMO A - II TRAMO A - III TRAMO - F_III TRAMO BII TRAMO B - III TRAMO B - IV TRAMO A - IV TRAMO C - III TRAMO C - II TRAMO D - I TRAMO D - III TRAMO E - V TRAMO - F_V TRAMO E-IV TRAMO D - V TRAMO - F_I TRAMO F-IV TRAMO D - IV TRAMO - EIII TRAMO D - II

19 Análisis de Variables Dasométricas Área Basimétrica: Se considera que esta variable no puede ser reflejada de manera significativa para conocer de manera directa su valor a partir de los datos del satélite. Sin conocer el estado de desarrollo de la vegetación (en la clasificación no se ha encontrado un criterio claro) no existe correlación directa. Volumen Maderable: Volumen maderable por clase diamétrica/superficie de cabida cubierta de la clasificación: coeficiente < 1. Este coeficiente servirá para calcular el volumen con capturas futuras. Inventario cada 10 años.

20 Análisis del Sistema de Información USUARIOS Y REQUISITOS INVENTARIO DE DATOS: Cartografía temática Cartografía 1: : Ríos y embalses, Términos Municipales, Carreteras y caminos Toponimia Mapa Topográfico Ortofotos Divisiones dasocráticas Datos de inventario Modelo digital Imágenes de satélite Mapa Geológico MEDIOS TÉCNICOS CONCLUSIONES

21 Desarrollo del Sistema de Información OBJETIVOS: - Facilitar el acceso a toda la información disponible. - Garantizar la gestión de la información. Herramientas de consulta y generación de mapas. - Cruce de información entre las diversas fuentes de información. - Evaluar la eficacia, la eficiencia y la efectividad de las intervenciones desarrolladas según los Planes de Ordenación. - Facilitar a Organismos el ejercicio de su función.

22 Modelo de Datos y Arquitectura del Sistema

23 Interfaz del Sistema de Información

24 Vistas Temáticas

25 Vistas Temáticas

26 Herramientas y Funcionalidades Barras de Herramientas desarrolladas: Caja de Herramientas (ArcToolbox): Generación de Mapas:

27 Conclusiones Conclusiones: Las imágenes de IKONOS proporcionan una herramienta para la generación de cartografía en el rango de escalas útiles al inventario. El grado de precisión de los resultados de la clasificación de las coníferas es elevado, presentando escasa confusión con otras clases. La clasificación permite identificar una serie de clases de pinar correlacionadas con variables que pueden hacer de los resultados una fuente de información para la gestión forestal. El volumen de información aportado y su precisión cartográfica es superior al obtenido por las técnicas convencionales para las variables analizadas. El proyecto actual responde a una fase inicial que es capaz de facilitar al Servicio Forestal el acceso a toda la información disponible relativa a los Montes de la zona de estudio y facilitar el cruce de información entre las diversas fuentes de información. El Sistema de Información además es flexible para en un futuro poder modificar y mejorar su funcionamiento.

28 Desarrollos Futuros: Desarrollos Futuros y Mejoras Implantación de servicios para el seguimiento y la evaluación de cambios en la estructura y composición de las superficies forestales con el fin de establecer políticas de gestión eficaces. Sistema de seguimiento y evaluación de los daños resultantes de los incendios forestales. Desarrollo de Sistemas de Información para el análisis y control de plagas. Mejoras: Visualización de datos en ArcView. Más herramientas según necesidades creadas mediante el uso de la aplicación. Incorporación a la aplicación y al modelo de datos de un posible aumento del volumen de datos. Mejora de los algoritmos de estudio de delimitación de copas con Definiens.