ESTIMACIÓN DE LOS ERRORES COMETIDOS EN LA MEDICIÓN DE ALTURAS MEDIANTE VERTEX EN MASAS NATURALES DE

Documentos relacionados
Estimación de recursos forestales con tecnología LiDAR aerotransportada

Tesis doctoral. Estructura poblacional y flujo genético de Pinus pinaster Aiton en el noroeste de la Península Ibérica.

Evaluación de la producción de miera obtenida según diferentes métodos de resinación en un monte de la Serranía Baja de Cuenca

BASIFOR 2.0: APLICACIÓN INFORMÁTICA PARA EL MANEJO DE LAS BASES DE DATOS DEL INVENTARIO FORESTAL NACIONAL

Teoría de la decisión

BOLETÍN COMERCIAL DE LA MADERA

Estadística Inferencial. Estadística Descriptiva

PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2

DETERMINACIÓN DE LA CONSTANTE UNIVERSAL DE LOS GASES

Autor. Milagros Casado, Luis Acuña, Alfonso Basterra,

AFILIACIONES DE TRABAJADORES AL SISTEMA DE LA SEGURIDAD SOCIAL. OCTUBRE 2016

Equipos Cantidad Observacion Calibrador 1 Tornillo micrometrico 1 Cinta metrica 1 Esferas 3 Calculadora 1

Teoría de errores -Hitogramas

Probabilidad y Estadística, EIC 311

2007, de esta edición: JUNTA DE CASTILLA Y LEÓN CONSEJERÍA DE MEDIO AMBIENTE

Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.

CM0244. Suficientable

PROYECTO: CONSTRUIR LAS MATEMÁTICAS

Un Sistema de Uso libre para la Simulación de Alternativas

Estadística Descriptiva de una variable con STATGRAPHICS

Conceptos básicos de metrología

Prácticas de Ecología Curso 3 Práctica 1: Muestreo

Boletín de predicción de cosecha Castilla y León

Estadística Descriptiva. SESIÓN 11 Medidas de dispersión

Selección de fuentes de datos y calidad de datos

ANALISIS E INTERPRETACION DE DATOS SOBRE PERMANENCIA Y GASTOS DE LOS ALUMNOS EN LA UNIVERSIDAD NACIONAL DE INGENIERIA

Módulo de Estadística

matemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4

Repaso Estadística Descriptiva

Flor de Liana Carolina Torres Medina

Guión de Prácticas. PRÁCTICA METROLOGIA. Medición. 2. CONSIDERACIONES PREVIAS a tener en cuenta SIEMPRE

Código: ESA-343. Horas Semanales: 4. Prelaciones: CAL-265

Crear una tabla dinámica

Establecer un procedimiento de medición de inmisión de la exposición del público en general a las radiaciones electromagnéticas no ionizantes (RNI).

Desarrollo de un Modelo dinámico: nuevas metodologías estadísticas

APLICACIÓN DE LA TECNOLOGÍA LÍDAR AL ESTUDIO DE LA CUBIERTA VEGETAL Marc Coromines Munt 1, Ester Blanco Casellas 1 y Antonio Ruiz García 2

Medidas descriptivas I. Medidas de tendencia central A. La moda

Medidas de posición para variables cuantitativas

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS

Curso de Estadística Básica

Tema 2. Regresión Lineal

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS

LA REPRESENTACIÓN DE LA TIERRA 4. LAS COORDENADAS GEOGRÁFICAS

POTENCIAL DE BIOMASA: COMARCA DE PINARES

INDICE. Prólogo a la Segunda Edición

CÓMO HACER UN MAPA DE USOS DEL SUELO

Utilización de los recursos de flora y fauna silvestre y del recursos paisaje de un modo y a un ritmo que no ocasione la disminución a largo plazo de

ANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL

Descripción simultánea de varias variables con STATGRAPHICS

Distancia Mapa. Distancia Real. Escala mediana: 1:250,000 a 1: 1,000,000 Escala pequeña: 1:1,000,,000 o > Más área Menos detalle

La relación entre x y y es lineal, y el participante debe analizar esta tendencia lineal, según lo muestran los datos que recopilará.

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.

PROTOCOLO PARA LA OBTENCIÓN DE DATOS REGENERACIÓN NATURAL Y PRIMER DESARROLLO DE RODALES FORESTALES EN EL CENTRO DE ESPAÑA

MATEMÁTICA DE CUARTO 207

DISTRIBUCIÓN DEL INGRESO REGIONAL EN CHILE: MATRIZ DE CONTABILIDAD SOCIAL PARA LA REGIÓN DE ANTOFAGASTA

UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE AGRONOMIA DEPARTAMENTO DE PRODUCCIÓN ANIMAL CÁTEDRA DE RECURSOS PARA LA ALIMENTACIÓN ANIMAL Maracay

Hipótesis Alterna (H1): Existen relaciones entre dos variables cuantitativas (peso semillas y porcentaje

Boletín de Predicción de Cosecha Castilla y León

Medidas de Tendencia Central.

MEDICION DE CANTIDADES FISICAS

Implementación de sistema electrostático de aplicaciín para helicópteros en paltos (informe técnico)

Formulario de Verificación

Observatorio de precios de productos forestales. Madera con destino trituración

Cuestionario de Depresión Barcelona Evaluación y curso de la depresión

DIRECCIÓN ACADÉMICA PLANEACIÓN DIDÁCTICA

Tema 3. Relación entre dos variables cuantitativas

El importe medio de las hipotecas constituidas en mayo aumenta un 19,2% en tasa interanual y alcanza los euros

Exactitud y Linearidad del Calibrador

1. Para lograr un poder adquisitivo positivo, el dinero hipotecado tendría que ser obtenido a una tasa de interés que sea:

Probabilidad y Estadística

3.2. Medición de copas y raíces

a) DISTRIBUCIÓN DE LA SUPERFICIE POR PROVINCIAS Y COMUNIDADES AUTÓNOMAS (CCAA)

Cartografía de Vegetación en la Comunidad de Madrid utilizando información LiDAR del Plan Nacional de

EVALUACIÓN DEL CUESTIONARIO. Screening del deterioro cognitivo en Psiquiatría SCIP-S

Fundamentos de Estadística y Simulación Básica

INDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos

Medición y estimación del software. Técnicas y métodos para mejorar la calidad y la productividad

Relación entre la altura y la distancia del suelo al ombligo

Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

UNIVERSIDAD DE BURGOS Acceso a GRADOS en el curso Ponderaciones de las materias de Bachillerato

PREVALENCIA DE LAS INFECCIONES VIH Y VHC EN INSTITUCIONES PENITENCIARIAS

Planificación didáctica de MATEMÁTICAS 3º E.S.O.

MEDICIÓN Y PROPAGACIÓN DE ERRORES. Comprender el proceso de medición y expresar correctamente el resultado de una medida realizada.

Cuantificación de compuestos por cromatografía: Método del Patrón Interno

ADMINISTRACION DE OPERACIONES

DOCUMENTO DE APOYO PARA PROYECTOS

BASIFOR: APLICACIÓN INFORMÁTICA PARA EL MANEJO DE BASES DE DATOS DEL SEGUNDO INVENTARIO FORESTAL NACIONAL

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

FICHA TÉCNICA DE LOS INDICADORES. A. Identificación del indicador Documentos bibliográficos disponibles por estudiante

Histogramas. Para crear un histograma. Para crear un histograma podemos utilizar el procedimiento Generador de gráficos en el Menú: o Gráficos:

VALOR UMBRAL Y VALORES OBJETIVOS DINÁMICOS DE UN INDICADOR. APLICACIÓN AL INDICADOR DE SINIESTRALIDAD EN CARRETERAS

Escuela de Ciencias Básicas Tecnología e Ingeniería CIENCIAS BÁSICAS. UNIDAD: Conceptos Preliminares e Investigación Descriptiva

Métodos de inventario baratos para masas de quercíneas con escaso valor comercial.

Hoja 6: Estadística descriptiva

Inventario Nacional Forestal de Costa Rica

RELACION, ELONGACION-PESO DE UN RESORTE

Probabilidad y Estadística

INDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso

Tiempo VST 7.1 INTRODUCCIÓN

CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES

Transcripción:

ESTIMACIÓN DE LOS ERRORES COMETIDOS EN LA MEDICIÓN DE ALTURAS MEDIANTE VERTEX EN MASAS NATURALES DE Pinus sylvestris L. y Pinus pinaster Ait. DE LOS SISTEMAS CENTRAL E IBÉRICO MERIDIONAL Lizarralde, I. 1,2 ; Rodriguez, F. 3 ; Bravo, F. 1 ; Ordóñez, C. 1 1 Dept. de Producción Vegetal y Recursos Forestales E.T.S. de Ingenierías Agrarias. Universidad de Valladolid Avda. de Madrid, 44 34004 PALENCIA Tfno. 979 108432 Fax 979 108440 correo electrónico: ilizarraldet@cesefor.com 2 Dirección actual: CESEFOR Pol. Ind. Las Casas, Calle C, Parcela 4 42005 Soria 3 Departamento de Producción Vegetal y Ciencia Forestal E.T.S. de Enginyeria Agrària. Universitat de Lleida Resumen El desarrollo y utilización de nuevos instrumentos de medición de variables dasométricas en los inventarios forestales ha supuesto en los últimos años una importante mejora en la precisión y el tiempo utilizado en los trabajos de inventario. Este hecho se acentúa en masas naturales donde resulta muy complicado utilizar sistemas más antiguos (Blume-Leiss, Suunto ) debido a la dificultad de marcar una distancia exacta desde donde medir, unido a la necesidad de corregir las medidas con la pendiente de la parcela. En el presente trabajo se estudia la precisión obtenida en la medición de alturas mediante el sistema Vertex, sobre árboles en pie, en masas naturales de Pinus sylvestris L. y Pinus pinaster Ait. en los Sistemas Central e Ibérico Meridional. Para su comprobación, los pies fueron posteriormente apeados y medidos con cinta métrica. A través del análisis estadístico de los errores cometidos, se estima la precisión del instrumento utilizado. Palabras clave: Vertex, masas naturales, alturas, error INTRODUCCIÓN El uso de los hipsómetros tradicionales (Blume-Leiss, Suunto, etc.) para la estimación de alturas de árboles se ha sustentado en la determinación de la distancia al objeto medible a través de visor dióptrico o mediante cinta métrica (AUNÓS Y RODRÍGUEZ, 2002). Con el desarrollo de nuevos instrumentos de medición, esta realidad ha cambiado ya que en la actualidad no es necesario medir la distancia entre el aparato y el objeto a medir. Uno de estos aparatos que han permitido este avance es el Vertex, instrumento que gracias a un telémetro, calcula instantáneamente las distancias. Ultimamente, el Vertex está siendo un aparato ampliamente utilizado en los inventarios forestales, y debido a sus ventajas, es probable que su utilización se haga aún más generalizada. Las características más interesantes del Vertex son las siguientes (AUNÓS Y RODRÍGUEZ, 2002): - Permitir el emplazamiento del observador a cualquier distancia, y no a distancias prefijadas como en el caso de los hipsómetros convencionales provistos de visor dióptrico, y sin más condición de que desde el emisor se visualice el receptor - La apreciación más diáfana del extremo o punta del árbol - Alcanzar, presumiblemente, un mayor nivel de exactitud en las mediciones, tanto de la distancia, en especial cuando se trabaja sobre terrenos en pendiente puesto que el Vertex la corrige automáticamente, como de la altura a causa principalmente de la ausencia de error en la evaluación de la distancia - Lograr una reducción notable en el tiempo de medición invertido

En el caso del presente trabajo, donde se trata de masas naturales, las ventajas pueden ser aún más claras, sobre todo respecto al tiempo empleado ya que en primer lugar, la irregularidad de la disposición de los pies haría mucho más costosa la necesidad de colocación del aparato a una distancia determinada. Por otro lado, el Vertex corrige la distancia con respecto a la pendiente en el mismo momento de realizarse la medida. No se ha realizado un estudio de comparación de tiempos ya que el objetivo del trabajo no ha sido su comparación con otros hipsómetros, pero parece lógico pensar que gracias a las características antes mencionadas, el ahorro de tiempo puede ser muy importante, más incluso que en su utilización en plantaciones coetáneas ya que en masas naturales, los casos en los que exista cierta pendiente son muy abundantes. MATERIAL Y MÉTODOS Datos Los datos utilizados han sido extraídos de la base de datos de la red de parcelas del Grupo de Manejo Forestal Sostenible de la Universidad de Valladolid (Campus de Palencia). En concreto se utilizaron un total de 328 árboles dispuestos en 72 parcelas de pino silvestre situadas en las provincias de Burgos, Segovia y Soria y 273 árboles en 64 parcelas situadas en las provincias de Cuenca, Soria y Teruel. En la tabla 1 se expone un resumen descriptivo de cada una de las muestras. El inventario de estas parcelas se realizó entre los años 2002 y 2004. En él, se midieron, además de otras variables tanto de árbol como de masa, la altura de todos los pies mediante Vertex. Una vez finalizado el inventario, se procedió a apear entre 3 y 6 árboles de cada parcela. Así, se midió la altura del árbol apeado con cinta métrica. Esta última se consideró como dato real, y se comparó con la altura medida en pie mediante Vertex. Análisis estadístico El análisis estadístico de los datos se basó en el cálculo de errores cometidos con la utilización del Vertex. Se calculó el sesgo (media aritmética de los errores individuales) y el error absoluto medio (media aritmética del valor absoluto del error) para cada especie y se relacionaron con una serie de variables de masa. El posterior análisis de los errores y las correlaciones se llevó con el procedimiento CORR del paquete estadístico SAS/STAT (SAS INS., 2000). RESULTADOS Y DISCUSIÓN A continuación, se exponen los resultados obtenidos en el trabajo. Para una mejor comprensión, se exponen los resultados separados por especies. Para pino silvestre, se puede ver el resumen de los errores cometidos en la tabla 2. El error medio absoluto es de 111,5 cm, lo que da una idea de la precisión que puede obtenerse con el Vertex. Sin embargo, si se tiene en cuenta el error medio, se observa que los errores se compensan entre árboles, dando unos muy buenos resultados a nivel de rodal. Además, en la tabla 3 se expone el análisis de correlaciones entre los errores y las variables de masa analizadas. En dicha tabla se observa que cuanto mayor es el diámetro cuadrático medio (Dg), el diámetro dominante (Do), la altura dominante (Ho) y la altura total (HT), mayor es el error absoluto, por lo que existe una correlación positiva. Por el contrario, cuanto mayor es el Índice de Sitio (SI) y la densidad (N), menor es este error absoluto. Respecto al error medio, cuanto mayor es la altura total (HT) real, el área basimétrica (SBA) y el Índice de Reineke (SDI), mayor es el error. Esto se traduce en que en árboles grandes, los errores

son positivos, es decir, que el Vertex subestima la altura. Estas relaciones deben tomarse con cautela ya que las correlaciones entre errores y variable son muy bajas en todos los casos. El resumen de los errores para pino negral y el análisis de correlaciones entre los errores cometidos y las variables de masa están descritos en las tablas 4 y 5. En la tabla 4 se observa que el error medio absoluto es de 67,1 cm mientras que el error medio es de -5,1 cm. El error medio absoluto es bastante menor en pino negral que en pino silvestre. Esto podría explicarse por la menor altura del pino negral, y por lo tanto, la mayor facilidad para su correcta medición. Con el error medio también se comprueba que los errores se compensan entre ellos, si bien no en la medida en la que ocurre con el pino silvestre. En la tabla 5 se muestra como cuanto menor es el diámetro cuadrático medio, la altura dominante y el Índice de Sitio, mayor es el error absoluto, por lo que la correlación es negativa. Sin embargo, cuanto mayor es la densidad, mayor es el error absoluto del aparato. Por otro lado, con el error medio ocurre igual que con el pino silvestre, es decir, cuanto mayor es la altura total real, mayor es el error, lo que se traduce en que el Vertex subestima la altura total. Al igual que en pino silvestre, las correlaciones son muy bajas, por lo que estas relaciones deben tenerse en cuenta en su medida. En los gráficos 1 y 2 se muestran la distribución de los errores mediante histogramas y diagramas de cajas. Ambas especies, aunque más claramente el pino silvestre siguen una distribución normal en sus errores, con una media muy cercana al cero. No se ven tendencias de subestimación o sobrestimación claras. Por lo que muestran los diagramas de cajas, los mayores errores cometidos son casi siempre negativos para el pino silvestre, es decir, en los valores extremos, tiende a sobrestimar. Por el contrario, para pino negral, los mayores errores son positivos, por lo tanto, subestimando las alturas. Esto podría explicarse por las alturas medias de cada especie. Si la distancia entre el emisor y el receptor es similar en ambas especies, parece lógico que sobrestime las mayores alturas por encontrarse más próximo al árbol. CONCLUSIONES A pesar de que los resultados obtenidos no permiten extraer unas conclusiones definidas y claras, se denotan ciertas tendencias en la utilización del Vertex: Los errores cometidos son relativamente bajos y se compensan en gran medida entre árboles, por lo que los resultados a nivel de rodal son excelentes. En un primer análisis parece ser que no existen correlaciones entre los errores y las distintas variables de masa, por lo que los errores puede que estén más relacionados con el operario o con características propias del aparato. El Vertex es un aparato cada vez más utilizado en los inventarios y se comprueba que además de las ventajas propias del aparato (cálculo automático de las distancias, corrección de pendientes ) tiene una alta fiabilidad, quedando esta más patente aún en masas naturales. BIBLIOGRAFÍA AUNÓS, A Y RODRÍGUEZ, F.; 2002. Precisión y rendimientos comparativos de dos tipos de hipsómetros en la medición de alturas en choperas. Montes, 68:21-24 SAS INST. INC. Cary, NC.; 2000. SAS/STAT User s guide versión 8. 3884 pp. Agradecimientos La realización de este trabajo ha sido posible gracias a la ayuda del Ministerio de Ciencia y Tecnología con el proyecto 'Dinámica de rodales de pino negral (Pinus pinaster Ait.) en el Sistema Ibérico Meridional: Estructura genética, regeneración y dinámica forestal' (código: AGL2001-1780) y

La Consejería del Medio Ambiente de la Junta de Castilla y León mediante un convenio con la UVa para el desarrollo de modelos de crecimiento y producción para pino silvestre.

Tabla 1: Principales estadísticos descriptivos de cada una de las muestras empleadas. H real H Vertex N SBA Dg Ho Do SDI SI Pinus sylvestris Promedio 1913,96 1913,21 872,58 52,87 309,96 204,81 407,53 1027,95 23,56 Desv. Std 475,72 473,52 606,47 12,41 82,37 44,40 78,57 231,92 5,03 Max 3240,00 3150,00 3462,50 82,15 511,19 313,68 583,26 1515,17 36,40 Min 461,45 458,29 212,21 12,05 80,70 42,96 75,63 224,20 4,93 Pinus pinaster Promedio 1974,24 1948,56 911,75 54,56 309,93 209,24 406,54 1059,68 24,29 Desv. Std 497,51 498,08 646,32 12,88 87,49 47,75 87,35 238,83 4,93 Max 3240,00 3150,00 3462,50 82,15 511,19 313,68 583,26 1515,17 36,40 Min 461,45 458,29 212,21 12,05 80,70 42,96 75,63 224,20 4,93 Tabla 2: Resumen de los errores cometidos en pino silvestre, donde el error absoluto medio (eam) es la media aritmética del valor absoluto de los errores y el sesgo es la media aritmética de los errores individuales. eam Sesgo n 328 328 Media 111,46-1,1 Varianza 12742,3 25202,4 Desviación standard 112,88 158,75 Minimo 0,0-924,0 Maximo 924,0 560,0 Rango 924,0 1484,0 Stnd. skewness 19,99-6,30 Stnd. kurtosis 42,13 19,10 Tabla 3: Correlaciones de los errores con las principales variables de masa en pino silvestre Dg Do FCC Ho Hreal N SBA SDI SI Eam 0,181 0,146-0,064 0,193 0,133-0,142 0,020-0,033-0,124 p 0,001 0,008 0,245 0,000 0,016 0,010 0,712 0,550 0,024 sesgo -0,032-0,036-0,037 0,033 0,192 0,081 0,194 0,211-0,024 p 0,001 0,516 0,509 0,551 0,000 0,144 0,000 0,000 0,661 Tabla 4: Resumen de los errores cometidos en pino negral, donde el error absoluto medio (eam) es la media aritmética del valor absoluto de los errores y el sesgo es la media aritmética de los errores individuales. eam Sesgo n 272 272 Media 67,11-5,06 Varianza 3869,9 8364,8 Desviación standard 62,21 91,46 Minimo 0,0-331,0 Maximo 402,0 402,0 Rango 402,0 733,0 Stnd. skewness 10,64 1,40 Stnd. kurtosis 12,90 5,96

Tabla 5: Correlaciones de los errores con las variables de masa para pino negral Dg Do FCC Ho Hreal N SBA SDI SI Eam -0,120-0,087 0,085-0262 -0,075 0,136-0,009 0,058-0,311 p 0,047 0,153 0,162 0,000 0,215 0,024 0,888 0,341 0,000 sesgo 0,101 0,080 0,072 0,101 0,144-0,053 0,047-0,003 0,014 p 0,095 0,188 0,234 0,097 0,017 0,387 0,435 0,966 0,822 Gráfico 1: Histograma de sesgo por especie Gráfico 2: Diagramas de cajas del sesgo por especie