Spectral and morphological characteristics comparison of native trees using aerial photographs and LiDAR data
Case Study: Corponor Ecological Park, Cúcuta (Colombia) by
Carlos Alberto Cañas Chacón 12111971
A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science – MSc
Advisor I Supervisor: Leonardo Zurita Arthos PhD
San José de Cúcuta - Colombia, Abril de 2024
COMPROMISO DE CIENCIA
Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente el resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.
San José de Cúcuta, Abril de 2024 (Lugar, Fecha) (Firma)
RESUMEN
El espacio verde y la flora en un contexto urbano representan el equilibrio, esto al atender las necesidades de la población cumpliendo al tiempo con los estándares de calidad ambiental. En dicho enfoque, toma importancia la gestión del arbolado urbano ya que en un escenario de variabilidad y cambio climático implica el esfuerzo de los entes gubernamentales, planificadores e instituciones públicas para garantizar acción frente a la conservación y gestión de la biodiversidad.
En el municipio de Cúcuta, Colombia, el Plan de Ordenamiento Territorial actual no plantea programas de silvicultura urbana que garanticen acciones para la adaptabilidad al cambio climático. Tampoco existen acciones para un adecuado manejo ni fortalecimiento jurídico y normativo para gestión de su mantenimiento, generando problemáticas como tala de árboles en desmedro de la afectación climática y conectividad biológica, fragmentación de ecosistemas, escenarios de amenaza por arboles abandonados, proliferación de plagas, entre otros.
El propósito del presente estudio es el de aportar información al municipio de Cúcuta sobre las características espectrales y morfológicas de especies arbóreas nativas ubicadas en el Parque Ecológico Corponor a través del uso de equipos aéreos no tripulados tipo dron y datos LiDAR, contribuyendo así en la misión del municipio de acercarse a la clasificación ecológica del arbolado urbano en el marco de la planificación y gestión urbanística.
Como resultado, se seleccionaron 6 especies arbóreas forestales nativas de estrato alto, siendo estas: Pithecellobim dulce (Gallinero), Tabebuia rosea (Urapo), Melicoccus bijugatus (Mamón), Ceiba pentandra (Ceiba), Albizia Samán (Samán) y Maclura tinctoria (Moral) cuyas características espectrales se basaron en la banda RGB a través de la fotogrametría e infrarrojo cercano (intensidad) a través de datos LiDAR, siendo destacable la banda G con valores de niveles digitales normalizados (NND) desde 30.88 hasta 40.57, así como valores de intensidad desde 11.67 hasta 18.04. Por otro lado, dentro de las características morfológicas, se identificó que el 67% de las especies poseen copa rala, un 83% de especies posee estructura de hoja compuesta y disposición sobre el tallo tipo alterna, además, de un 83% de especies catalogada con una estratificación media. Lo anterior permitió concluir que existe una relación directa entre la morfología y las características espectrales de las especies al relacionar las densidades de copa con mayores áreas de reflectancia y por ende mayor valor de intensidad, así como mayor grado de esparcimiento de hojas con menor área de reflectancia y consecuentemente menor valor de intensidad.
Green spaces and flora in an urban context represent balance, addressing the needs of the population while simultaneously meeting environmental quality standards. In this approach, the management of urban trees becomes important, as in a scenario of variability and climate change, it requires the efforts of governmental entities, planners, and public institutions to ensure action in the conservation and management of biodiversity
In Cúcuta, Colombia, the extant Territorial Planning Plan lacks urban forestry programs that ensure measures for climate change adaptability. Moreover, there are no strategies in place for proper management, nor a robust legal and regulatory framework for its upkeep. Such voids lead to challenges like unchecked tree felling detrimentally affecting climate patterns and biological connectivity, ecosystem fragmentation, hazards due to abandoned trees, and the rampant spread of pests, among others.
ThepurposeofthisstudyistocontributeinformationtothemunicipalityofCúcutaregarding the spectral and morphological characteristics of native tree species located in the Corponor EcologicalPark,usingunmannedaerialvehicles(drones)andLiDARdata.Thiscontribution aimstoassistthemunicipalityinadvancingtheecologicalclassificationofurbantreeswithin the framework of urban planning and management
As a result, 6 native high-canopy forest tree species were selected, namely: Pithecellobium dulce (Gallinero), Tabebuia rosea (Urapo), Melicoccus bijugatus (Mamón), Ceiba pentandra (Ceiba), Albizia saman (Samán), and Maclura tinctoria (Moral). Their spectral characteristics were determined based on RGB bands through photogrammetry and nearinfrared (intensity) through LiDAR data. The G band stood out with normalized digital level (NDN) values ranging from 30.88 to 40.57, as well as intensity values from 11.67 to 18.04. Furthermore, morphological characteristics revealed that 67% of the species have a sparse crown, 83% exhibit a compound leaf structure with an alternating arrangement on the stem, and 83% are categorized with a medium stratification. This analysis led to the conclusion that there is a direct correlation between morphology and spectral characteristics of the species. Specifically, higher crown densities were associated with greater areas of reflectance and, consequently, higher intensity values. Conversely, a greater degree of leaf spreading was correlated with asmallerareaofreflectanceand,hence,lower intensityvalues
2.2.1.1. Aplicación de la Teledetección y Espectroscopia para la Determinación de Firma Espectral.
2.2.2. Determinación de Características Morfológicas de Especies Vegetales.......
2.2.3. Aplicación de Características Pictórico-Morfológico de Imágenes Satelitales
2.2.4. Aplicación de sensores activos y pasivos......................................................
2.2.5.
3.3.1.
3.4. OBJETIVO 2: DETERMINAR LAS CARACTERÍSTICAS ESPECTRALES DE LAS ESPECIES FORESTALES ARBÓREAS NATIVAS SELECCIONADAS ..........31
3.4.1. Procesamiento de base modo estático 31
3.4.2. Obtención de datos LiDAR:..............................................................................32
3.4.3. Corrección de coordenadas de antena usada en el levantamiento PPK: 33
3.4.4. Procesamiento de datos: 34
3.4.5. Determinación de valores espectrales de individuos de interés en las bandas RGB a partir de fotografías aéreas y datos LiDAR 35
3.5. OBJETIVO 3: DETERMINAR LAS CARACTERÍSTICAS MORFOLÓGICAS DE LAS ESPECIES FORESTALES ARBÓREAS NATIVAS SELECCIONADAS..........36
3.6. OBJETIVO 4: COMPARAR LAS CARACTERÍSTICAS ESPECTRALES Y MORFOLÓGICAS ENTRE LAS ESPECIES IDENTIFICADAS.................................
4.1. OBJETIVO 1: SELECCIONAR LAS ESPECIES FORESTALES ARBÓREAS NATIVAS EMERGENTES O DE ESTRATO ALTO PRESENTES EN EL ÁREA DE
4.1.1. Identificación de especies forestales arbóreas del área de estudio.
4.2. OBJETIVO 2: DETERMINAR LAS CARACTERÍSTICAS ESPECTRALES DE LAS ESPECIES FORESTALES ARBÓREAS NATIVAS SELECCIONADAS
4.2.1.1. Caracterización espectral del Pithecellobim dulce (Gallinero)..............
4.2.1.2. Caracterización
4.2.1.3.
4.2.1.4. Caracterización de la Ceiba pentandra (Ceiba)......................................
4.2.1.5.
4.2.1.6. Caracterización del Maclura tinctoria (Moral).......................................
4.3.
4.3.1. Características morfológicas del Pithecellobium dulce (Roxb.) Benth. (Gallinero)....................................................................................................................
4.3.2. Características morfológicas de la Tabebuia rosea (Urapo)
4.3.3. Características morfológicas del Melicoccus bijugatus Jacq (Mamón) ........
4.3.4. Características morfológicas de la ceiba pentandra (L.) Gaertn. (Ceiba) 50
4.3.5. Características morfológicas de la Albizia Samán (Jacq.) Merr. (Samán) 51
4.3.6. Características morfológicas del Maclura tinctoria (L.) Steud. (Moral) .......53
4.4. OBJETIVO 4: COMPARAR LAS CARACTERÍSTICAS ESPECTRALES Y MORFOLÓGICAS ENTRE LAS ESPECIES IDENTIFICADAS.................................
GLOSARIO
AVHRR: Advanced Very High Resolution Radiometer (Radiometro Avanzado de muy Alta Resolución)
CAR: Corporación Autónoma Regional
CGO: Geomatics Office Software (Software de Oficina Geomática)
CORPONOR: Corporación Autónoma Regional de la Frontera Nororiental
GNSS: Global Navigation Satellite System (Sistema Global de Navegación por Satélite)
GPS: Global Positioning System (Sistema de Posicionamiento Global)
GSD: Ground Sampling Distance (Tamaño de pixel en terreno)
IFN4: Cuarto Inventario Forestal Nacional
IGAC: Instituto Geográfico Agustín Codazzi
LAS: Archive Log ASCII Standard
LiDAR: Light Detection and Ranging
ND: Niveles Digitales
NND: Niveles Digitales Normalizados
NOAA: National Oceanic and Atmospheric Administration (Oficina Nacional de Administración Oceánica y Atmosférica)
ODS: Objetivos de Desarrollo Sostenible
PPK: Post Processed Kinematic
RF: Random Forest (Bosques Aleatorios)
RGB: Red, Green, Blue (Rojo, Verde, Azul)
RTK: Real Time Kinematic (Navegación Cinética Satelital en Tiempo Real)
SAR: Synthetic Aperture Radar (Radar de Apertura Sintética)
SIRGAS: Sistema de Referencia Geodésico para las Américas
SMSC: Selva subcaducifolia
SMSP: Selva subperennifolia
UAV: Unmanned Aerial Vehicle (Vehículos Aéreos no Tripulados)
UgCS: Universal Ground Control Software (Software de Control Terrestre Universal)
VIS: Espectro Visible
LISTA DE FIGURAS
Figura 1. Mapa de localización del área de estudio...............................................................
Figura 2. Flujograma de metodología de investigación ......................................................
Figura 3. Caracterización espectral del Pithecellobim dulce (Gallinero)
Figura 4. Caracterización del Tabebuia rosea (Urapo)
Figura 5. Caracterización del Melicoccus bijugatus (Mamón) ...........................................
Figura 6. Caracterización del Ceiba pentandra (Ceiba).......................................................
Figura 7. Caracterización del Albizia saman (Samán)
Figura 8. Caracterización del Maclura tinctoria (Moral).....................................................
Figura 9. Imagen vectorizada de hoja (izquierda) y copa (derecha) de la especie Pithecellobium dulce (Gallinero) 46
Figura 10. Imagen vectorizada de hoja (izquierda) y copa (derecha) de la especie Tabebuia rosea (Urapo).......................................................................................................................
Figura 11. Imagen vectorizada de hoja (izquierda) y copa (derecha) de la Melicoccus bijugatus (Mamón) ..............................................................................................................
49
Figura 12. Imagen vectorizada de hoja (izquierda) y copa (derecha) de la ceiba pentandra (Ceiba) 51
Figura 13. Imagen vectorizada de hoja (izquierda) y copa (derecha) del Albizia Samán (Samán)................................................................................................................................52
Figura 14. Imagen vectorizada de hoja (izquierda) y copa (derecha) del Maclura tinctoria (Moral) 54
Figura 15. Familias de especies arbóreas nativas presentes en el Parque Ecológico Corponor 57
Figura 16. Porcentaje de especies nativas e introducidas en el Parque Ecológico Corponor .............................................................................................................................................
57
Figura 17. Ortomosaico del área de estudio........................................................................59
Figura 18. Nube de puntos sin clasificación 60
Figura 19. Nube de puntos con clasificación de vegetación media y alta...........................60
Figura 20. Digitalización de copas arbóreas seleccionadas.................................................61
Figura 21. Digitalización de copas arbóreas a partir de datos LiDAR 62
Figura 22. Nube de puntos de las copas arbóreas con simbología de altura en msnm........62
Figura 23. Vista en 3D de la nube de puntos de análisis.....................................................63
Figura 24. Hojas en fase joven (izquierda) y hojas en fase de maduración (derecha) de la especie Pithecellobim dulce (Gallinero)..............................................................................66
Figura 25. Hojas en fase joven (izquierda) y hojas en fase de senescencia (derecha) de la especie Tabebuia rosea (Urapo) ..........................................................................................67
Figura 26. Hojas en fase joven (izquierda) y hojas en fase de maduración (derecha) de la especie Melicoccus bijugatus (Mamón)..............................................................................68
Figura 27. Hojas en fase joven (izquierda), hojas en fase de maduración (centro) y hojas en fase de rebrote (derecha) de la especie Ceiba pentandra (Ceiba) 69
Figura 28. Hojas en fase joven (izquierda) y hojas en fase de maduración (derecha) de la especie Albizia Samán (Samán)..........................................................................................70
Figura 29. Hojas en fase de maduración (izquierda) y hojas en fase de senescencia (derecha) de la especie Maclura tinctoria (Moral) 71
LISTA DE TABLAS
Tabla 1. Composición florística Parque Ecológico Corponor.............................................37
Tabla 2. Especies forestales arbóreas nativas emergentes presentes en el Parque Ecológico Corponor..............................................................................................................................38
Tabla 3. Valores de intensidad y bandas RGB de la especie Pithecellobim dulce (Gallinero)
38
Tabla 4. Valores de intensidad y bandas RGB de la especie Tabebuia rosea (Urapo)........39
Tabla 5. Valores de intensidad y bandas RGB de la especie Melicoccus bijugatus (Mamón) 39
Tabla 6. Valores de intensidad y bandas RGB de la especie Ceiba pentandra (Ceiba).......40
Tabla 7. Valores de intensidad y bandas RGB de la especie Albizia Samán (Samán) .......40
Tabla 8. Valores de intensidad y bandas RGB de la especie Maclura tinctoria (Moral) 40
Tabla 9. Promedio de variables según la especie arbórea 41
Tabla 10. Normalización de niveles digitales......................................................................41
Tabla 11. Cuadro comparativo de características espectrales y morfológicas de las 6 especies arbóreas de interés 56
Tabla 12. Coordenadas corregidas.......................................................................................58
Tabla 13. Determinación de alturas reales de las especies arbóreas nativas emergentes presentes en el Parque Ecológico Corponor 61
1. INTRODUCCIÓN
1.1. ANTECEDENTES DEL PROBLEMA
La silvicultura urbana tiene como principales activos ambientales el espacio verde y la flora urbana, lo que significa un desafío para los entes gubernamentales como tomadores de decisiones y a los demás planificadores e instituciones públicas debido al equilibrio que se debe encontrar para darle atención a las necesidades de la población y en cumplir los estándares de calidad ambiental urbana. En este contexto, el arbolado urbano toma importancia en un escenario de variabilidad y cambio climático ya que implica un esfuerzo en torno a la conservación y gestión de la biodiversidad para una mejor adaptación a los efectos del cambio climático (Moreno y Hoyos, 2015).
Lo anterior amerita una correcta planificación y manejo teniendo en cuenta diferentes criterios urbanísticos, ecológicos y sociales ya que, el abordar la problemática de una inadecuada gestión del arbolado urbano, parte de primeramente conocer e identificar las especies de acuerdo a cada estrato ya sean estos arbóreos y/o arbustivos presentes en las áreas deinterés, solo así sereconocelapotencialidaddeaportarhábitat para muchas especies de fauna y de calidad urbana
En Colombia, la Constitución Política Nacional de 1991 identifica los árboles como parte de los bienes comunes y del patrimonio ambiental de la ciudad en el artículo 79, al promulgar que toda persona tiene derecho a gozar de un ambiente sano y el artículo 80, al establecer que el estado planificará el manejo y aprovechamiento de los recursos naturales, para garantizar su desarrollo sostenible, su conservación, restauración o sustitución. También, lo hace a través de la ley 1454 de 2011 (Ley N°1454, 2011, art. 2°) al establecer la finalidad del ordenamiento territorial como “el instrumento de planificación y de gestión de las entidades territoriales y un proceso de construcción colectiva de país, con responsabilidad fiscal, buscando lograr una adecuada organización político administrativa del Estado en el territorio, para facilitar el desarrollo institucional, el fortalecimiento de la identidad cultural y el desarrollo territorial, entendido este como desarrollo económicamente competitivo, socialmente justo, ambientalmente y fiscalmente sostenible, regionalmente armónico, culturalmente pertinente, atendiendo a la diversidad cultural y físico geográfica de
Colombia”. Por otra parte, los Objetivos de Desarrollo Sostenible (ODS) están vinculados con el arbolado urbano, refiriéndose más concretamente a: El objetivo 3 (Salud y Bienestar), El Objetivo 11 (Ciudades y Comunidades Sostenibles), el Objetivo 13 (Acción por el Clima) y el Objetivo 15 (Vida de Ecosistemas Terrestres) (ONU, 2018), este elemento puede ayudar a la calidad ambiental urbana al fomentar reducir la huella de carbono de las ciudades, mantener los ecosistemas y promover el cuidado ambiental.
En el caso del municipio de Cúcuta, el Plan de Ordenamiento Territorial actual no plantea programas de silvicultura urbana que garanticen una caracterización del arbolado, una guía de gestión para su adecuado manejo ni fortalecimiento jurídico y normativo para gestión de su mantenimiento. Dado esto, se generan problemáticas en la ciudad como: tala de árboles en desmedro de la afectación climática y conectividad biológica, fragmentación de ecosistemas y corredores biológicos, carencia de planes de manejo en los establecimientos de zonas verdes, destrucción de túneles naturales, escenarios de amenaza por arboles abandonados, proliferación de plagas, entre otros (Carvajal, 2022)
1.2. OBJETIVOS
1.2.1.Objetivo general:
Comparar las características espectrales y morfológicas de especies forestales arbóreas nativas del Parque Ecológico Corponor del municipio de Cúcuta, Colombia a partir de fotografías aéreas y datos LiDAR
1.2.2.Objetivos específicos:
1) Seleccionar las especies forestales arbóreas nativas emergentes o de estrato alto presentes en el área de estudio
2) Determinar las características espectrales de las especies forestales arbóreas nativas seleccionadas
3) Determinar las características morfológicas de las especies forestales arbóreas nativas seleccionadas.
4) Comparar las características espectrales y morfológicas entre las especies identificadas.
1.3.
PREGUNTA DE INVESTIGACIÓN
A partir de lo expuesto anteriormente, la pregunta principal es:
¿Qué características distintivas existen en las diferentes especies arbóreas presentes en el parqueEcológicoCorponordelmunicipiodeCúcutaalseranalizadasmediante herramientas de teledetección?
Además de la pregunta de investigación, surgen otras preguntas como:
1. ¿Cuáles son las especies forestales arbóreas presentes en el área de estudio?
2. ¿Cuáles son las especies forestales arbóreas nativas emergentes o de estrato alto en el área de estudio?
3. ¿Qué tan viable es la discriminación de especies forestales arbóreas nativas de estudio a partir de sus características espectrales?
4. ¿Qué tan posible es la identificación de especies forestales arbóreas a partir de las características morfológicas identificables en las imágenes aéreas y datos LiDAR?
1.3.1. Hipótesis
Es viable la identificación y clasificación de especies forestales arbóreas nativas de interés del Parque Ecológico Corponor a través de fotografía aérea y datos LiDAR usando sus características espectrales y morfológicas.
1.4. JUSTIFICACIÓN
La ciudad es considerada parte de un ecosistema. Aunque la ciudad es un espacio parcialmente artificial, debido a acciones antropológicas, su entorno es parcialmente natural, de modo que, entre la ciudad y su entorno natural, ocurre una simbiosis por la relación entre ambos en un espacio urbanizado, denominado el ecosistema urbano (Amaya, 2005, p. 4). En este contexto, Colombia y sus ciudades en su proceso de urbanización, se caracterizan por su gran dispersión, planificación deficiente, con problemáticas de contaminación y
distanciamiento de la naturaleza (Ruiz, Rubiano, González, Lulle y Bodnar, 2007). Por lo que cada vez se reconoce más la importancia que tiene lo “natural” en las ciudades, como es el caso del arbolado urbano, ya que hoy en día se reconoce como factor de calidad de vida para los ciudadanos por sus funciones desde el punto de vista ornamental, social y ecológico, por lo que, es visto como un componente de sustentabilidad y, a su vez, como un objeto de la planificación y de la gestión urbana y ambiental (Moreno y Hoyos, 2015)
El arbolado urbano y su importante aporte como medida para contrarrestar el cambio climático y mejorar las condiciones ambientales, la calidad de vida y la salud de la población en el espacio urbano nacional amerita una cuidadosa planificación y manejo, desde su registro, promoción y regulación en el marco de los criterios urbanísticos, ecológicos y sociales (Rueda, 2012). En este contexto, el municipio de Cúcuta no cuenta con un sistema para la gestión del arbolado urbano, por lo que su capacidad de control sobre las especies arbóreas del territorio es mínima. Es por esto que la identificación de las especies forestales urbanas del municipio de Cúcuta, es decir, su inventario o censo del arbolado es relevante, ya que se constituye como un aspecto primordial a subsanar para iniciar en la planificación y gestión de la arborización de la ciudad. Las metodologías tradicionales para la elaboración de inventarios forestales se efectúan de forma presencial, lo cual representa un gran desgaste por sus largas jornadas de trabajo y se complica en la medida que aumentan las áreas a inventariar (Wallace, Lucieer y Watson, 2014). Es por este motivo que el presente trabajo se enfoca en el uso de la teledetección para el censo del arbolado en una zona de interés para la ciudad, ya que se basa en dos técnicas como lo son el análisis de imágenes aéreas obtenidas a través del uso de vehículos aéreos no tripulados (UAV) tipo Dron y en el análisis de información obtenida a través de sistema LiDAR (Light Detection and Ranging o Laser Imaging Detection and Ranging). Estos sistemas se reconocen por su calidad, practicidad y facilidad de uso al permitir la identificación de diferentes especies arbóreas por medio del hallazgo de sus características espectrales (Llorca, 2015) y morfológicas (Yépez y Lozano, 2014). Por tanto, los resultados de este estudio se convertirían en un aporte al municipio de Cúcutaensumisióndeacercarsealaclasificación ecológicadelarboladourbanoenelmarco de la planificación y gestión urbanística.
1.5.
ALCANCE
Estetrabajo pretendeaplicarlateledetección medianteel uso deequipos aéreos notripulados tipo dron y datos LiDAR como herramientas de planificación y gestión del arbolado urbano para la identificación y comparación de características espectrales y morfológicas de especies forestales arbóreas nativas de interés, en el cual, se esperan niveles de resolución espacial y LiDAR de 3 a 5 centímetros, de igual manera, se espera niveles de precisión de RTK (Real Time Kinematic) o navegación cinética satelital en tiempo real centimétricas.
Para ello se tuvo en cuenta las especies forestales arbóreas emergentes o de estrato alto del parque ecológico Corponor en el municipio de Cúcuta, el cual es el lugar objeto de estudio, permitiendo aportar tanto a la institución de educación superior como al ente gubernamental información basedesus composiciones florísticas. Además,las fichas de caracterización por especie arbórea y las características espectrales obtenidas como resultado de este estudio, serán de utilidad para los profesionales interesados en la planificación y gestión de arbolado en general ya que servirán de base para la profundización en estos temas y/o la metodología llevada a cabo podrá ser replicada en otros espacios, lo que se presta para establecer comparaciones de interés.
2. MARCO TEÓRICO
2.1. LA TELEDETECCIÓN Y SUS CARACTERÍSTICAS
López (2019) define la teledetección como un sistema para la adquisición de información de objetos sin que exista un contacto material con ellos Esto es posible por el uso de sensores instalados en plataformas espaciales (aeronaves o satélites) gracias a la interacción electromagnética existente entre la tierra y el sensor, siendo la fuente de radiación proveniente del sol o del propio sensor. Este sistema engloba los procesos que permiten obtener una imagen y su posterior tratamiento e interpretación (Villajos, 1993). Dichas imágenes son tomadas por cámaras multiespectrales, las cuales pueden capturar hasta 6 bandas espectrales y están seleccionadas en los rangos del verde, rojo e infrarrojo cercano, donde la vegetación presenta su mayor reflectancia (Niño, 2019).
2.1.1. Imágenes RGB, Multiespectrales e Hiperespectrales
Las imágenes RGB (del inglés de Red, Green, Blue, en español rojo, verde y azul) captan solo una fracción del espectro visible ya que guardan información en 3 bandas que representan tres longitudes de ondas distintas: roja, verde y azul. Por tanto, cada pixel de dicha imagen tiene un valor particular para la región roja, verde y azul, que se traduce en un espacio de color tridimensional utilizado para generar el color de un objeto
Por otro lado, las imágenes multiespectrales la conforman entre 3 y 20 longitudes de onda distintas que no necesariamente deben ser continuas y las imágenes hiperespectrales se conforman por más de 20 longitudes de onda distintas que además deben ser continuas, por lo que, con una imagen multiespectral se puede obtener los valores de intensidad en las longitudes de onda discretas y con una imagen hiperespectral se obtiene es el espectro continuo o firma espectral del objeto de análisis (Sánchez, 2016).
2.1.2. Sensores
Un sensor es un aparato que permite la captura de imágenes a distancia, así como el registro y almacenamiento de la información territorial en forma de energía radiante o radioeléctrica.
Este sensor es transportado en una plataforma y en los casos en que su registro sea digital, llevará incorporado los sistemas de transformación de información analógica (energía) en digital (convertidores analógicos /digitales), por lo que puede captar información para diferentes regiones del espectro y cada una de estas regiones se denomina canal o banda (Arozarena y Otero, 2002).
Los sensores pasivos son aquellos que aprovechan la energía solar, que ilumina la superficie de la tierra y permite la clasificación de objetos según sus niveles de absorción o reflectancia de las diferentes longitudes de onda del espectro electromagnético. Estos sensores generalmente trabajan sobre el rango del visible e infrarrojo dentro del espectro electromagnético y como ejemplo de sensores pasivos se encuentran los sensores fotográficos y sensores multiespectrales. (Delgado, 2009).
Los sensores activos son aquellos que poseen su propia fuente de energía, es decir, generan su propia radiación y reciben esa información reflejada por los objetos. Los sensores activos más comunes son los sensores de RADAR y el LiDAR (basado en tecnología láser). (Universidad de Murcia, s.f.).
2.1.3. Uso de drones para la obtención de imágenes
Para la toma de imágenes, los drones se constituyen como un tipo particular de vehículos aéreos no tripulados (UAV) que ofrece ventajas comparativas respecto a otras tecnologías remotas como las imágenes satelitales, ya que la resolución espacial es mejor, existe una programación de vuelo más sencilla, con mayor detalle y con una frecuencia establecida. En este contexto, es necesario 1) definir el objeto de interés, 2) elegir la tecnología adecuada, 3) elegir la espacial, 4) elegir la altura del vuelo, 5) definir la trayectoria, 6) ejecutar el vuelo y
adquirir las imágenes, 7) obtener ortofotos y finalmente, como último paso, hacer el mosaico en un mapa unificado (mapeado de información; Barreiro, 2016).
2.1.4. Reflectancia
La reflectancia es la proporción de energía reflejada con respecto a la energía incidente en un cuerpo o superficie, esta varía en función de las longitudes de onda y dicha longitud de onda reflejada (no la absorbida) determina el color de un objeto (Esri, s.fa)
La reflectancia es una medida muy usada para las mediciones espectrales de diferentes objetos como la vegetación, incluso en diferentes días y condiciones de iluminación, por lo que esta medida es independiente de las variaciones en la iluminación. Las mediciones espectrales se traducen en comportamientos únicos de reflejo de energía que se denomina firma espectral, la cual permite caracterizar e identificar diferentes superficies, objetos o materiales, y visto desde un contexto forestal permite identificar diferentes especies forestales presentes en un lugar específico (Córdova, 2018).
En el contexto forestal, Peña, Rentería, Velásquez, Ojeda y Barrera (2019) concuerdan en que el estudio de las características biológicas, químicas y física de la vegetación, la reflectancia y absorbancia de las hojas, se relacionan con la cantidad de agua, los pigmentos fotosintéticos, la composición de la cutícula, la estructura interna de la hoja, enfermedades, entre otros…
2.1.5. Niveles Digitales (ND)
Cabrera, Galindo y Vargas (2011,p. 51)definen los NivelesDigitales como “valornumérico discreto asignado por el sistema formador de imágenes a cada celda, en respuesta a la irradiancia recibida sobre el plano focal del sensor” . De esta manera, en términos de reflectancia, Portiansky (2013) considera el Nivel Digital como el valor asignado a un determinado pixel, a partir del cual se puede calcular la reflectancia, siendo este un valor de 8 bits que puede estar entre 0 y 255 implicando que para un ND de 0 no hay reflectancia y para un valor de 255 una reflectancia máxima.
El fin de la normalización es el de minimizar o ajustar las diferencias en valores basados en tamaños de áreas o números de entidades por áreas o atributos, este proceso implica dividir un valor de atributo numérico por otro. Al normalizar valores de los campos de clasificación, se puede mostrar cómo los datos se relacionan con los valores de otro campo y de esta manera facilitar la lectura y comprensión de los datos (Esri, s f b)
2.1.6. Tecnología LiDAR
Zuria y Martínez (2019) describen la tecnología LiDAR como una técnica de teledetección de sistema de medición masiva de posiciones de forma remota, cuya base es un sensor de barrido laser que emite pulsos y registra los retornos contra la superficie. Dichos pulsos de luz laser pueden ser reflejados por diferentes superficies como las copas de los árboles, troncos, ramas, suelo, entre otros…permitiendo obtener imágenes tridimensionales de los objetos reflejados ya que permite la generación de nube de puntos 3D a partir de fotografías tomadas con cámara e instaladas en UAVs (López, Martí, Estornell y Fernández, 2019) por lo que se convierte en una herramienta muy útil para la caracterización de estructura forestal en las tres dimensiones. Por otra parte, se denomina LiDAR cuando dicho sensor se ubica en un vehículo aéreo.
El funcionamiento del sistema LiDAR consiste en la medición del tiempo de viaje entre el pulso emitido por el sensor láser y el pulso que recibe del objetivo, donde, dicha medición de distancia se obtiene al multiplicar este intervalo de tiempo por la velocidad de la luz y dividirlo entre dos (Næsset y Økland, 2002).
Dentrode los beneficios oventajas deusaresta tecnologíaenun contextode estudioforestal, se encuentra (Zuria y Martínez, 2019):
• Captura la estructura tridimensional en la caracterización estructural forestal
• Reducción de costos al disminuir la intensidad de muestreo en comparación con el muestro tradicional.
• Generación de datos cartográficos con precisión.
• Adquisición de datos ambientales con gran rapidez.
• Útil para la evaluación y monitoreo forestal en cuanto a su estado fitosanitario.
2.1.6.1.
Intensidad LiDAR
Los sensores LiDAR no solo permiten la captura de información geométrica x, y, z de los diferentes elementos presentes en el área de estudio, sino, también permite la captura de la intensidad de cada pulso retornado Este término es un valor numérico que representa la fuerza con la que el láser rebota en un objeto basado en su reflectividad. Por lo general, este parámetro se registrará como un campo de 8 bit o de 16 bit permitiendo la creación de imágenes en escala de grises y asignando a valores bajos de intensidad tonalidades de gris oscuras y a los valores de intensidad altos, tonalidades de gris claras. La intensidad depende de la composición superficial de los objetos donde se refleja el láser ya que, un número bajo indica que hay baja reflectividad (por ejemplo, el asfalto), mientras que un número alto, es señal de alta reflectividad (por ejemplo, el suelo desnudo) (Soto, 2022).
Estas imágenes proporcionan información visual adicional que sirve de ayuda en la clasificación de puntos LiDAR, de hecho, esto se puede comprobar realizando la comparación de un bloque LiDAR coloreado usando una ortofoto RGB y el mismo bloque LiDAR coloreado por intensidad. Este campo tiene diferentes aplicaciones en el campo ambiental y forestal como: Clasificación de nubes de puntos, Clasificación de vegetación,
Diferenciar objetos, Diferenciar tipos de suelo, Identificación de zonas húmedas en áreas forestales, entre otras… (Ruiz Fernández, 2020).
2.2. APLICACIONES DE LA TELEDETECCIÓN
2.2.1.Características Espectrales de la vegetación y su comportamiento
El estudio de la vegetación mediante la teledetección se relaciona con las características espectrales de la misma, esto al presentar una reflectividad a la radiación solar en regiones del espectro electromagnético como el espectro visible e infrarrojo cercano, comúnmente, este estudio se relaciona en mayor medida con las hojas (Chuvieco, 2010)
Según Baret y Andrieu (1994), existen tres tipos de variables que se relacionan principalmente con las propiedades reflectivas de la vegetación, siendo estas: la estructura de la cubierta vegetal (índice foliar, orientación de las hojas, distribución y tamaño), las
propiedades ópticas de los elementos reflectantes (tallos, hojas, flores y frutos) y la geometría de la observación (orientación relativa entre el sol y la superficie, además de la situación del sensor con respecto a esta última)
Al analizar el comportamiento espectral de la vegetación se encuentra que, en el espectro visible (VIS), la vegetación tiene una baja reflectividad, ya que los pigmentos de las plantas como clorofila (verde y verde intenso), xantofila (amarillo) y caroteno (naranja) absorben fuertemente las longitudes de onda del rojo y azul para realizar el proceso de la fotosíntesis (Steven, Malthus y Baret, 2016), siendo solo la banda verde del espectro aquella que presenta una alta reflectividad haciendo que las hojas presenten una coloración verde para el ojo humano. Por otra parte, en el espectro infrarrojo cercano, la vegetación tiene una alta reflectividad debido a la estructura esponjosa del mesófilo por sus cavidades de aire existentes en las células, es decir, dicha reflectividad depende de la estructura interna de la hoja viva (Campbell y Wynne, 2011).
Debido al análisis de caracterización y comportamiento espectral de la vegetación es posible explicar los cambios fisiológicos que ocurren en respuesta a la variación de un determinado factor, como ejemplo de ello, se tiene que bajo la determinación de las firmas espectrales se puede observar si la planta posee o no estrés, es posible además estimar su potencial hídrico por medio del método de reflectancia espectral, incluso pueden ser utilizados para calcular índices de reflectancia espectral (Lobos y Hancock, 2015) siendo útiles para determinar parámetros de vegetación como: actividad fotosintética, productividad, estrés hídrico, área foliar, estimación y evaluación del vigor de la vegetación, cuantificar y relacionar propiedades de las plantas, entre otros (Berrío, Mosquera, y Alzate, 2015)
2.2.1.1. Aplicación de la Teledetección y Espectroscopia para la Determinación de Firma Espectral.
Barreto (2020) presenta un trabajo donde se aplica la teledetección como método de percepción remota para la obtención de imágenes multiespectrales. Su objetivo fue el hallazgo de una firma espectral y proporcionar la identificación aproximada de parches de Retamo espinoso (Ulex europeus) presentes en los cerros orientales de la cuidad de Bogotá. En esta investigación, usó herramientas de software libre como QGIS para el desarrollo de
la firma espectral y la clasificación de coberturas asociadas a dichos parches, obteniendo como resultado, la firma espectral mediante el uso de los 11 puntos de control identificados,así como, la clasificación supervisada a través de una serie de polígonos donde se estimó la presencia de retamo espinoso, concluyendo que el comportamiento de reflectancia para la especie presenta los mayores valores en las longitudes de onda correspondientes al infrarrojo cercano. Por otro lado, la espectroscopia se aplica para el mismo fin, un ejemplo de ello es el trabajo realizado por Mesa (2019) quien, en su tesis de maestría evalúo el potencial de clasificación de 3 especies forestales de interés localizados en tres campus universitarios de la ciudad de Medellín, en Colombia. Para ello, aplicó un análisis discriminante lineal a los datos multiespectrales e hiperespectrales respectivamente obtenidos a partir de una imagen de alta resolución espacial con 4 bandas espectrales (R, G, B y NIR) y la adquisición de espectros foliares de reflectancia tomados en 3 alturas de la copa con el uso de espectrómetro. Como conclusión, la autora afirma que los datos hiperespectrales son una fuente potencial de información para la identificación de especies forestales.
2.2.2. Determinación de Características Morfológicas de Especies Vegetales
A través de la observación de la copa arbórea de los individuos de interés en las imágenes aéreas captadas, se pueden identificar las características pictórico-morfología de las especies seleccionadas, conceptualizando este término dentro del proceso de análisis de imagen, donde se consideran como propiedades presentes en una imagen como por ejemplo forma, color, tamaño, textura, etc.… que sirven como evidencia en la identificación de objetos y su diferenciación de otras coberturas (Castellanos, 2016).
2.2.3. Aplicación de Características Pictórico-Morfológico de Imágenes Satelitales
En una tesis de maestría desarrollada en el páramo de Guerrero de Colombia, Chávez (2014) aplicó el método combinado de interpretación visual y clasificación automática de imágenes para la identificación y mapeo de diferentes comunidades de frailejón. Se concluyó, que la técnica combinada en la que se determinaron características pictórico-morfológicas, más la generación de las curvas espectrales de reflectancia de las diferentes densidades de las
comunidades de frailejón, permitieron obtener una metodología que mejora los procesos de generación de mapas a escalas grandes de esta cobertura, especie de alto valor ecosistémico y estratégico.
2.2.4. Aplicación de sensores activos y pasivos
En una tesis de maestría desarrollada en el municipio de La Paz en Baja California, Sánchez (2011) realizó un estudio con varios sensores satelitales pasivos y activos en la Bahía de Campeche, con el objetivo de analizar la dinámica superficial de mesoescala de la zona, con datos diarios y promediados de temperatura superficial del mar con sensor NOAA-AVHRR (National Oceanic and Atmospheric Administration - Advanced Very High Resolution Radiometer),composicióndeimágenes del sensor SeaWIFS,imágenes deRadardeApertura Sintética (SAR) y campos de viento diarios procedentes del sensor QuikSCAT, de los meses de septiembre y octubre de 1999. Como resultado, en las imágenes de temperatura de septiembre se aprecian filamentos de mayor temperatura asociados a los frentes generados por los ríos de la zona costera, también, en las imágenes del SeaWIFS se observan patrones similares de circulación, con una mayor abundancia de clorofila “a” en la zona costera. Por otro lado, respecto a los campos de vientos, éstos fueron predominantemente del noroeste y suroeste para el mes de septiembre y finalmente, las imágenes SAR fueron útiles en la detección de estructuras marinas y atmosféricas como la existencia de frentes de pluma de río. Esta investigación comprueba la gran utilidad de los sensores activos durante la época de estudio, al detectar estructuras marinas y oceanográficas.
2.2.5. Aplicación tecnología LiDAR en el ámbito ambiental y forestal
Ortiz et al. desarrollaron en la península de Yucatán, México el año 2019, un estudio donde se estimó la biomasa aérea de dos tipos de selva mediana: subperennifolia (SMSP) y subcaducifolia (SMSC) empleando datos LiDAR. En esta investigación se usaron datos de 365 unidades de muestreo del Inventario Nacional Forestal y de Suelos de México para la calibración de modelos de biomasa aérea usando regresión lineal múltiple y Random Forest (RF).Como resultado, el modelo de regresión lineal múltiple logró explicar la varianza en un 62% para los 2 tipos de selva mediana y los modelos generados a través de RF lograron explicar la varianza en un 57% para la SMSP y un 52% para la SMSC, por lo que, a partir
de los modelos generados, se obtuvieron los mapas de biomasa aérea sobre las franjas de datos LiDAR, conociendo la distribución espacial de dichas selvas.
Desde el punto de vista forestal, Yépez y Lozano (2014) utilizaron datos de LiDAR con el objetivo de estimar variables de árboles como la altura y el diámetro de copa en un área urbana al sur de Monterrey, esto, con el fin último de diseñar un método para cartografiar el arbolado de las ciudades. En cuanto a la metodología, usaron dos técnicas de extracción, en primer lugar, el diseño de filtros semiautomatizados para los puntos asociados a la vegetación y el uso de líneas de contorno sobre un modelo digital de superficie. Como resultado, se inventariaron 2.575 árboles y se realizó una comparación con la información que se obtuvo en campo usando técnicas tradicionales de inventario. En este análisis se verificó que el mapeo de las copas fue eficaz para 74.7 % de los individuos y se registró 6.4 % de error de medición en el geoposicionamiento e inventario, además, se observó una eficacia similar entre el muestreo en campo y la nube de puntos de LIDAR aéreo (xy=0.70m; z=0.10 m), de acuerdo con el análisis de regresión lineal de alturas (R2 = 0.885) y del ancho de copa (R2 = 0.902).
En este mismo contexto, se desarrolló al norte de la Península Ibérica, el estudio donde se evaluó la posibilidad de cuantificar estados sucesionales avanzados en bosques caducifolios a partir de datos LiDAR públicos. La metodología empleada se resume en 3 pasos, el primero consistió en contrastar las variables derivadas de los datos LiDAR con las derivadas del cuarto Inventario Forestal Nacional (IFN4). En segundo lugar, se construyeron modelos predictivos simples para la identificación de bosques viejos en parcelas del IFN4 y, por último, se conformó el modelo final con las variables LiDAR Altura desvest y Altura media2 (indicadoras de estructuras heterogéneas y árboles de tamaños diversos en las etapas más avanzadas del desarrollo), junto con la dominancia de diferentes especies arbóreas en las parcelas derivadas del IFN4. En cuanto a los resultados, se mostró la existencia de correlaciones en alturas máximas y medias, en relación con el tamaño de la subparcela, el ajuste varía de forma considerable con el diámetro de inventario considerado y en cuanto a la composición arbórea, las correlaciones LiDAR – IFN4 fueron mejores en parcelas de composiciónhomogénea,yenaquellasdominadas porQuercusspp,porloquelos resultados muestran que los datos LiDAR públicos disponibles en España pueden identificar estructuras forestales relacionadas con bosques caducifolios maduros (Navarro, Bañuelos y Quevedo, 2016).
3. METODOLOGÍA
3.1. DESCRIPCIÓN DEL ÁREA DE ESTUDIO
El parque Ecológico Corponor está ubicado en el municipio de Cúcuta, en el departamento de Norte de Santander (Colombia), este espacio público verde comprende una extensión de 37.912 metros cuadrados, de la ronda del Río Pamplonita, margen izquierda aguas abajo, que va desde el puente Elías M. Soto hasta el teatro Las Cascadas en el malecón de la ciudad.
Este espacio presta diferentes servicios ecosistémicos como, por ejemplo:
• Culturales: ya que el parque es propicio como espacio de recreación, ecoturismo y descanso a las habitantes de la ciudad. Así como espacio para generar salud física y emocional.
• Regulación: Debido a sus características naturales, el parque contribuye a la regulación del clima, polinización y regulación de la calidad del aire.
• Sostenimiento: Allí ocurren procesos importantes como la fotosíntesis de las plantas.
Por otra parte, es de resaltar las labores que la Corporación Autónoma Regional de la Frontera Nororiental (CORPONOR) realiza en este parque según los objetivos del Plan de Acción Institucional de Corponor 2020-2023 "Sostenibilidad Ambiental y Cambio Climático” y el proyecto “Sostenibilidad Ambiental en el hábitat urbana” (CORPONOR, 2020), donde realiza actividades enfocadas a la recuperación silvícola urbana y el manejo silvicultural de las áreas recuperadas (Establecimiento y conservación), para mejorar el entorno y la calidad de vida de los habitantes tanto a nivel Social y Cultural. Específicamente, la Corporación Autónoma Regional (CAR) se enfoca en la ejecución de actividades de mantenimiento y conservación de la cobertura vegetal presente en esta área, las cuales acarrea:
• Mantenimiento y conservación de áreas de Palmáceas, los árboles de café y pan coger, área de grama, área de maní forrajero, plántulas ornamentales, áreas de guadua, material ornamental que conforman los setos, senderos peatonales y borde de taludes
• Poda arbórea de árboles de porte alto, entre chiminangos, urapos, nim, morales, tulipanes, ceibas, almendrones, Oities etc.
• Retiro de material vegetal producto de podas y basuras.
• Arreglos imprevistos del sistema de riego (sondeo, limpieza de pozo y reparaciones en general)
• Suministro y siembra de 1.800 M2 de grama
Este parque es relevante para este estudio, ya que por su gran componente arbóreo supone un espacio propicio para la identificación y exploración de especies arbóreas forestales nativas mediante la aplicación de la teledetección, ya que, con su uso es posible obtener productos como la caracterización morfológica de dichas especies y sus firmas espectrales, el cual es el objetivo del presente estudio En la Figura 1 se observa su localización
3.2. FLUJOGRAMA METODOLÓGICO
Figura 1. Mapa de localización del área de estudio
Caracterización de especies con formulario digital
No
Inicio
Paso 1: Identificación de especies forestales arboreas del area de estudio
¿Existe informacion base para la identificación de especies en las áreas de estudio?
Si Elección de especies de interés
Toma de coordenadas de amarre con estación base GNSS marca iBase de CHCNAV
Procesamiento de coordenadas en GCO
Coordenadas geográficas
Paso 2: Obtención de imágenes aéreas y datos LiDAR bajo sistema PPK
Toma de imágenes aéreas con equipo UAV y cámara fotogramétrica
Levantamiento de información con equipo UAV y Sensor LiDAR "Alpha air 450"
Paso 3: Análisis y obtención de características espectrales en ArcGis Pro
Valores espectrales promedio por individuo arbóreo
Paso 3.1: Análisis morfológicos de las copas de los individuos arbóreos en ArcGis Pro Obtención de datos morfológicos
Ficha técnica por especie
Procesamiento de Datos en software CoPre Fin
Fotografías aéreas con corrección de coordenadas
Nube LAS con corrección de coordenadas
Procesamiento en PIX4D
Ortomosaico
Figura 2. Flujograma de metodología de investigación
En la figura 2, se presenta el flujograma con los pasos a seguir de la metodología a aplicar, la cual se traduce en 3 pasos de acuerdo a los objetivos planteados en el presente estudio, dichos pasos son: identificación de especies forestales arbóreas del área de estudio, la cual acarrea el proceso de caracterización arbórea y por ende el cumplimiento del objetivo específico N° 1, la definición de especies de interés teniendo en cuenta su estrato alto Como segundo paso se define la obtención de imágenes aéreas y datos LiDAR bajo sistema PPK usando equipo UAV y sensor LiDAR, lo anterior aprovechando el potencial para la captura de la estructura
tridimensional del componente arbóreo con fines de caracterización, así como la generación de datos cartográficos de la tecnología LiDAR, esto a través del procesamiento de datos de software especializado CoPre y finalmente, análisis y de características espectrales, a partir de datos RGB y reflectancia, así como análisis morfológicos de las copas de los individuos arbóreos que permiten el cumplimiento de los objetivos específicos N° 2 y 3 sobre la determinación de las características espectrales y morfológicas de las especies de interés. Lo anterior, permitirá obtener como resultado valores espectrales y datos morfológicos como insumo para su posterior comparación y recopilación de información en fichas técnicas.
Es importante mencionar que la metodología aquí planteada fue creada de acuerdo con la necesidad y la oportunidad de tener a la mano herramientas de teledetección como las imágenes aéreas tomadas por dron y datos LiDAR que permitieran obtener información fiable y por ende resultados confiables.
3.3. OBJETIVO 1: SELECCIONAR LAS ESPECIES
FORESTALES ARBÓREAS
NATIVAS EMERGENTES O DE ESTRATO ALTO PRESENTES EN EL ÁREA DE ESTUDIO
3.3.1. Identificación de especies forestales arbóreas del área de estudio
La identificación de especies forestales arbóreas se clasificó como primer paso de esta metodología ya que permitió identificar la descripción y cuantificación de los recursos forestales y madereros de la zona de interés, teniendo en cuenta características propias (Imaña, 2021), lo anterior permite una planificación y adecuado manejo forestal. Esta identificación es posible obtenerla de 2 maneras, la primera si se cuenta con información secundaria del área de estudio relativa a inventario forestal o, por el contrario, por medio de visitas de campo donde se elegirán y caracterizarán las especies de interés, esta última es la seleccionada en este caso ya que para la identificación de especies en las áreas de estudio, se
usó la aplicación de captura de datos inteligente “ArcGis Survey 123” con sistema RTK, ya que esta aplicación permite captura de datos por medio de formulario inteligente a través de dispositivos móviles incluso sin conexión a internet, permitiendo además la posibilidad de adjuntar archivos multimedia y la recopilación y análisis de datos es en tiempo real (Esri, s.f c)
3.3.2. Proceso de selección
La selección de especies se realizó con base en su altura por observación en campo, se realizó de esta manera por la posibilidad que brinda al facilitar el proceso de identificación de especies en las imágenes aéreas tomadas por el dron, esto por ser las más superficiales de todo el componente arbóreo presente en las áreas de estudio. A su vez, es una condición propia de la especie que permite que la información captada por el sensor LiDAR se haga con un nivel de detalle que, con otras tecnológicas de captura de información, no sería posible, ya que esta tecnología permite la obtención de diversas variables dasométricas de forma rápida, detallada y precisa (Martínez, Aunta y Valero , 2013)
3.4. OBJETIVO 2: DETERMINAR LAS CARACTERÍSTICAS ESPECTRALES DE LAS ESPECIES FORESTALES ARBÓREAS NATIVAS SELECCIONADAS
3.4.1. Procesamiento de base modo estático
Para la planeación de trabajo, se realizó posicionamiento estático con antena base con el fin de materializar y medir puntos de coordenadas GPS (Global Positioning System) para la georreferenciación. Aquí se hizo necesario emplear el método estático diferencial para el levantamiento de la información, ya que la Resolución 643 de 2018 del Instituto Geográfico
Agustín Codazzi (IGAC) establece que los puntos topográficos base deben ser georreferenciados mediante el posicionamiento con equipos GNSS (Global Navigation Satellite System o sistema global de navegación por satélite) de frecuencia sencilla o doble frecuencia. Este método inicia a partir de dos estaciones permanentes de la red MAGNA-ECO denominadas bases CORS, en este caso se usaron las correspondientes al municipio de San Alberto denominada “ALBE” y el municipio de Sardinata, denominada “SDTA” por lo que se tuvo en cuenta el tiempo de rastreo, el cual depende de la distancia existente entre la estación
de la red MAGNA-ECO y el punto topográfico base a posicionar, el cual se determina haciendo uso de la siguiente ecuación:
�� =65min+(3min��(�� 10))
Donde:
t = Tiempo de rastreo d = Distancia en kilómetros
Por otro lado, para la configuración de equipo GNSS y creación de proyecto se tuvo en cuenta los elementos de sistema de coordenadas, zona horaria y unidades de medida, ya que esto propicia las condiciones óptimas para precisiones centimétricas.
3.4.2. Obtención de datos LiDAR:
La obtención de datos LiDAR se hizo mediante el levantamiento de información con equipo “AlphaAir 450” (AA450), por un lado, la tecnología LiDAR es un sistema de escáner laser 3D para la adquisición de datos masivos que genera como producto un reporte de nube de puntos generada tridimensionalmente, partiendo de la medición de ángulos y distancias mediante un haz de luz laser, lo que lo hace atractivo por su detalle y reducido tamaño de archivos en comparación con la fotogrametría de alta resolución. Por otro lado, este equipo de cartografía 3D AA450 es un sistema todo en uno, por su característica liviana y resistente, integra un escáner laser de muy alto rendimiento que permite un escaneo de largo alcance (de hasta 450 m con una densidad alta de hasta 280 puntos por metro cuadrado) combinado con imágenes de alta resolución por su cámara profesional de 26 MP de grado industrial que proporciona una cobertura completa de nube de puntos mediante la colonización RGB y sistema de navegación inercial de alta precisión (de 5 a 10 cm) que permite una recopilación de datos de calidad, lo cual se hace necesario para el desarrollo de este trabajo (CHCNAV, 2023a).
El levantamiento de información se hizo bajo la modalidad PPK (Post Processed Kinematic). Esta modalidad permite que los receptores GPS con tecnología PPK incorporados en el dron obtenga precisiones absolutas centimétricas. En el posicionamiento PPK lascorrecciones de las coordenadas recopiladas se realizan tras haber acabado el vuelo lo que la hace una técnica de corrección GPS más robusta para georreferenciación de nube de puntos (De la Torre, 2020), por lo que la obtención de datos GNSS crudos se hizo en simultaneo con el vuelo de dron y LiDAR para el post proceso.
Para el levantamiento de la información de imágenes aéreas y datos LiDAR bajo modalidad PPK, se llevó a cabo el siguiente procedimiento, siguiendo los requerimientos de la resolución 643 de 2018 del IGAC:
1. Planeación de trabajo (Distancia, tiempo y zona de trabajo)
2. Configuración equipo GNSS y creación de proyecto
3. Creación de misión en plataforma UgCS
4. Armar dron con equipo LiDAR
5. Ejecución de vuelo
6. Realizar seguimiento en plataforma UgCS
7. Finalización de vuelo.
3.4.3. Corrección de coordenadas de antena usada en el levantamiento PPK:
Se realizó en primera instancia la corrección de coordenada de antena GNS finales utilizada en el proceso PPK a través del software de postprocesamiento “Geomatics Office Software (CGO)” en donde se hace la corrección a partir de la red geodésica nacional del IGAC. En este software se editaron las características estudiadas y se utilizaron los resultados del postprocesamiento para la corrección de las coordenadas de campo (CHCNAV, 2023b)
Este procedimiento acarreó acciones de:
1. Cargue de información
2. Control de calidad de información cargada
3. Selección de puntos de control
4. Procesamiento de líneas bases
5. Configuración de parámetros de procesamiento de líneas bases
6. Generación de informe de ajuste de red
Es importanteaclararque enesteprocedimientosetuvo encuentavarias definiciones devalores para diferentes parámetros siguiendo los lineamientos de la resolución 643 de 2018 del IGAC, que permiten un resultado confiable en el contexto de corrección de coordenadas y que a su vez se debe ver reflejado en un valor óptimo de la variable Chi cuadrado en el informe de ajuste de red, entre ellas se encuentran:
• Descarga de información de datos crudos abiertos geodésicos de las antenas del IGAC (CORS), cuya carga de información se hicieron en el software CGO
• Descarga de coordenadas semanales SIRGAS (Sistema de Referencia Geodésico para las Américas) para la corrección con las coordenadas geocéntricas, cuya semana de trabajo en el calendario GNSS fuela2256lacual fuela últimasemanadisponibleparael procesamiento de datos.
• Descarga de ephemerides rápidas del día o días de posicionamiento, se decide la descarga de ephemerides rápidas ya que duran 2 días calendario en publicarse.
• Configuración de parámetros de procesamiento de líneas base, dentro de la configuración básica se eligieron parámetros de:
Mascara de elevación de posicionamiento: 5
Intervalo de procesamiento: toma de todos los datos a partir de 1 segundo
Numero de épocas: 1
Tipo de observación: Lc (Si se usa equipo de multifrecuencia “L1, L2 Y L5” para distancias superiores a 10 kilómetros)
Tipo de ephemerides: Precise
Tipo de constelaciones: GPS y GLONASS
Dentro de la configuración de procesamiento se eligieron parámetros de:
Procesamiento (Tipo de trabajo que se realizó): Static
Tempos de observación:
• Tiempo de observación minina de estático (minutos): 10
• Condición de procesamiento separada: 240
3.4.4. Procesamiento de datos:
El procesamiento de datos LiDAR se realizó en el software Copre para la generación de nube de puntos en formato LAS y fotografías aéreas corregidas. Este software especializado en nube de puntos permite un procesamiento preciso de las trayectorias mediante un algoritmo propio, lageorreferenciacióndenubesdepuntos eimágenes,elajustededatosparamejorarlaprecisión del postprocesamiento, la coloración de las nubes de puntos, el filtrado y otras funciones útiles como la generación de modelos ortográficos digitales, lo que lo hace una herramienta muy útil para la obtención de productos donde se haga necesaria la identificación de objetos con gran
nivel de detalle (CHCNAV, 2023c). Dentro del procesamiento de nube de puntos se realizó la clasificación por altura de cada individuo arbóreo, determinando los puntos de suelo, puntos de baja, media y alta vegetación, tomando en cuenta los datos del primer retorno del láser siendo estos alusivos a puntos de alta vegetación.
Posteriormente, las fotografías aéreas se analizaron en el programa fotogramétrico Pix4D con el fin de construir el ortomosaico a partir de imágenes aéreas del LiDAR, estas imágenes fueron corregidas bajo sistema PPK. La importancia del uso de este programa radica en los resultados de mapeo profesional que este proporciona en su procesos de digitalización al transformar las imágenes capturadas por el dron en modelos espaciales digitales que a su vez genera un informe de calidad que proporciona una vista previa de los resultados generados, detalles de calibración y muchos más indicadores de calidad del proyecto (PIX4D, 2023), seguidamente con este insumo y el inventario de campo generado en la primera fase, se procedió a crear la capa vectorial por cada copa de los individuos arbóreos de las especies de interés en el software
ArcGis Pro.
3.4.5. Determinación de valores espectrales de individuos de interés en las bandas RGB a partir de fotografías aéreas y datos LiDAR
La determinación de valores espectrales se realizó usando el software ArcGis Pro, donde la nube de puntos se clasificó por alturas para considerar únicamente las alturas de 5 metros hacia arriba, analizando de esta manera solo mediana y alta vegetación. Después, esta información se filtró teniendo en cuenta únicamente los primeros retornos de media y alta vegetación con el fin de llevar dicha nube de puntos a formato RASTER y realizar estadística zonal de cada individuo arbóreo, permitiendo obtener valores promedios de intensidad y RGB. Por otro lado, es válido recalcar que los valores obtenidos se expusieron en niveles digitales (ND) según la resolución radiométrica del sensor LiDAR y de la cámara fotogramétrica correspondiente a 16 bits y 8 bits respectivamente. Como resultado final, se obtiene las gráficas espectrales De igual manera, se unificaron los valores de RGB y de intensidad a partir de la normalización de los niveles digitales donde para la normalización de los niveles de la variable intensidad se hizo a razón de 65.335 correspondiente a la resolución radiométrica del sensor Livox del equipo “Alpha Air 450” (LiDAR). También, para la normalización de los niveles de las bandas RGB se realizó a razón de 255 correspondiente a la resolución radiométrica de la cámara fotogramétrica
integrada en el equipo “Alpha Air 450” para la coloración de nube de puntos y posterior graficación en su respectiva longitud de onda
3.5. OBJETIVO 3: DETERMINAR LAS CARACTERÍSTICAS MORFOLÓGICAS DE LAS ESPECIES FORESTALES ARBÓREAS NATIVAS SELECCIONADAS.
La determinación de características morfológicas se realizó a través de la observación de copa de 54 individuos arbóreos en el ortomosaico, donde, se identificaron características como: forma, tamaño, textura, tono, color y posición geográfica, cuyo resultado será un conjunto de fichas por especie arbórea identificado con sus respectivas características espectrales.
3.6.
OBJETIVO 4: COMPARAR LAS CARACTERÍSTICAS ESPECTRALES Y MORFOLÓGICAS ENTRE LAS ESPECIES IDENTIFICADAS.
La comparación estadística de las características espectrales y comparación estructural morfológicas de las especies identificadas y seleccionadas se realizó con base en los valores espectralesenlasbandas RGB yvaloresdeintensidad,asícomo,decaracterísticasmorfológicas como diámetro o área de copa, densidad y tamaño de hoja., esto con el fin de comprobar si la tecnología aplicaba a los inventarios forestales e identificar algunos criterios diferenciales de cada individuo basándose en sus características espectrales y morfológicas
4. RESULTADOS
4.1. OBJETIVO
1: SELECCIONAR LAS ESPECIES FORESTALES ARBÓREAS
NATIVAS EMERGENTES O DE ESTRATO ALTO PRESENTES EN EL
ÁREA
DE ESTUDIO
4.1.1. Identificación de especies forestales arbóreas del área de estudio.
La composición florística del área de estudio está representada por especies forestales arbóreas nativas e introducida, entre las que se identificaron 20 especies, las cuales se presentan en la Tabla 1. Tabla 1 Composición florística Parque Ecológico Corponor
A continuación, en la Tabla 2 se muestran las 6 especies arbóreas nativas emergentes presentes en el Parque Ecológico Corponor.
Tabla 2. Especies forestales arbóreas nativas emergentes presentes en el Parque Ecológico Corponor
Nombre Común
Gallinero
Nombre Científico
Pithecellobim dulce
Urapo Tabebuia rosea
Mamón
Melicoccus bijugatus
Ceiba Ceiba pentandra
Samán Albizia Samán
Moral Maclura tinctoria
*La altura real de dichas especies se mostrará en la tabla N° 13 en el subcapítulo 5.2 Sobre el procesamiento de datos
4.2. OBJETIVO 2: DETERMINAR LAS CARACTERÍSTICAS ESPECTRALES DE LAS ESPECIES FORESTALES ARBÓREAS NATIVAS SELECCIONADAS
En esta fase se obtuvieron a partir de la nube de puntos clasificada según el interés que fueron punto de retorno de primer grado y alturas medias y altas un producto tipo ráster según las variablesdeinterés, lo quepermitieronobtenervalores deintensidady enlas bandas RGB como se muestra en las Tablas 3,4,5,6,7 y 8 por cada especie de interés.
Tabla 3 Valores de intensidad y bandas RGB de la especie Pithecellobim dulce (Gallinero)
Tabla 4. Valores de intensidad y bandas RGB de la especie Tabebuia rosea (Urapo)
Tabla 5. Valores de intensidad y bandas RGB de la especie Melicoccus bijugatus (Mamón)
Tabla 6. Valores de intensidad y bandas RGB de la especie Ceiba pentandra (Ceiba)
Tabla 7. Valores de intensidad y bandas RGB de la especie Albizia Samán (Samán)
Tabla 8. Valores de intensidad y bandas RGB de la especie Maclura tinctoria (Moral)
Por otra parte, el análisis zonal estadístico permite determinar el promedio de las variables según la especie arbórea, las cuales se muestran en la Tabla 9
Tabla 9. Promedio de variables según la especie arbórea Especie
De acuerdo a lo anterior, se realiza la normalización de los niveles digitales anteriormente expuestos, obteniendo los siguientes resultados referenciados en la Tabla 10
Tabla 10 Normalización de niveles digitales
La caracterización espectral de este estudio se realizó a partir de la construcción de graficas de las respuestas espectrales para las 6 especies forestales arbóreas seleccionadas, en donde todas las especies presentaron alta variabilidad en la respuesta espectral de las bandas RGB, caso contrario para el infrarrojo cercano, la cual se refiere a la normalización de la intensidad, como se presenta a continuación en las figuras 3,4,5,6,7 y 8
Normalización de ND
4.2.1.1.Caracterización espectral del Pithecellobim dulce (Gallinero)
Pithecellobim dulce
Longitud de Onda (Nm)
Figura 3. Caracterización espectral del Pithecellobim dulce (Gallinero)
Para el caso de la especie Pithecellobim dulce (Gallinero), se observa una alta variabilidad en la banda RGB refiriéndose a un 18% para la banda R, 20% para la banda G y 5% para la banda B, caso contrario para la intensidad cuya variabilidad no supera el 6%.
4.2.1.2.Caracterización del Tabebuia rosea (Urapo)
Normalización
Tabebuia rosea
de Onda (Nm)
Figura 4. Caracterización del Tabebuia rosea (Urapo)
Para el caso de la especie Tabebuia rosea (Urapo), se observa una alta variabilidad en la banda RGB refiriéndose a un 24% para la banda R, 26% para la banda G y 16% para la banda B, caso contrario para la intensidad cuya variabilidad no supera el 14%.
4.2.1.3.Caracterización del Melicoccus bijugatus (Mamón)
Melicoccus bijugatus
Longitud de Onda (Nm)
5. Caracterización del Melicoccus bijugatus (Mamón)
Para el caso de la especie Melicoccus bijugatus (Mamón), se observa una alta variabilidad refiriéndose a un 19, 22 y 9% para las bandas RGB, caso contrario para la intensidad cuya variabilidad no supera el 12%
4.2.1.4.Caracterización de la Ceiba pentandra (Ceiba)
Normalización de
Longitud de Onda (Nm)
6. Caracterización del Ceiba pentandra (Ceiba)
Figura
Figura
Ceiba pentandra
Parael caso delaespecie Ceiba pentandra (Ceiba), seobservauna altavariabilidadrefiriéndose a un 16, 11 y 13% para las bandas RGB, caso contrario para la intensidad cuya variabilidad es del 13%.
4.2.1.5.Caracterización del Albizia saman (Samán)
7. Caracterización del Albizia saman (Samán)
Para el caso de la especie Albizia saman (Samán), se observa una alta variabilidad en la banda RGB refiriéndose a un 12% para la banda R, 14% para la banda G y 1% para la banda B, caso contrario para la intensidad cuya variabilidad no supera el 14%.
4.2.1.6.Caracterización del Maclura tinctoria (Moral)
Maclura tinctoria
8 Caracterización del Maclura tinctoria (Moral)
Figura
Figura
Finalmente, para el caso de la especie Maclura tinctoria (moral), se observa una alta variabilidad refiriéndose a un 23, 17 y 11% para las bandas RGB, caso contrario para la intensidad cuya variabilidad es del 12%.
4.3. OBJETIVO 3: DETERMINAR LAS CARACTERÍSTICAS MORFOLÓGICAS DE LAS ESPECIES FORESTALES ARBÓREAS NATIVAS SELECCIONADAS.
A través de la observación de la copa arbórea y de las hojas de los individuos de interés mostrados en las imágenes de digitalización de polígonos, a continuación, se presentan las características morfológicas de las 6 especies forestales en investigación
4.3.1. Características morfológicas del Pithecellobium dulce (Roxb.) Benth. (Gallinero)
Descripción general: Árbol hermafrodita de hasta 15 metros de altura y 80 centímetros de diámetro con corteza escamosa gris blanquecino con aguijones dispersos.
• Hojas: Hojas compuestas, alternas y bipinnadas cada pina está conformada por dos foliolos.
• Flores: Flores de color blanco verdoso, fragantes.
• Frutos: Legumbre alargada retorcida dehiscente, color verde inmadura y rojizo maduro.
• Semilla: Semillas negras lustrosas aplanadas con un arilo blanco dulce.
A continuación, en la figura 9, se presenta la hoja vectorizada y copa de la especie descrita.
Figura 9. Imagen vectorizada de hoja (izquierda) y copa (derecha) de la especie Pithecellobium dulce (Gallinero)
4.3.2. Características morfológicas de la Tabebuia rosea (Urapo)
Descripción general: Árbol hermafrodita de hasta 25 metros de altura y 90 centímetros de diámetro, corteza ligeramente fisurada, blanco-grisáceo.
• Hojas: Hojas digitadas, posee 5 folíolos, enteros, coriáceos, elípticos a elípticooblongos, ápice agudo a acuminado. Inflorescencia panícula terminal, dicótoma.
• Flores: Flores con el cáliz cupular, corola rosada o magenta
• Frutos: Cápsulas dehiscentes estrechas, lisas, con 2 suturas laterales, péndulas, verdes inmaduros, pardo oscuras maduras, escamosas, con el cáliz persistente
A continuación, en la figura 10, se presenta la hoja vectorizada y copa de la especie descrita.
4.3.3. Características morfológicas del Melicoccus bijugatus Jacq (Mamón)
Descripción general: Árbol dioico o monoico de hasta 20 metros de altura y 80 centímetros de diámetro, corteza gris blanquecina.
• Hojas: alternas, helicoidales, compuestas, pinnadas, raquis frecuentemente alado con dos pares de foliolos opuestos.
• Flor: Flores pequeñas blanco amarillentas, agrupadas en panículas terminales.
• Fruto: Drupa redonda de cascara verde delgada y quebradiza con una semilla, aunque ocasionalmente hay frutos con dos, agrupados generalmente en racimos.
• Semillas: Semillas redondas en frutos con una sola semilla, cuando el fruto contiene dos semillas estas son plano convexas.
A continuación, en la figura 11, se presenta la hoja vectorizada y copa de la especie descrita.
Figura 10. Imagen vectorizada de hoja (izquierda) y copa (derecha) de la especie Tabebuia rosea (Urapo)
Figura 11. Imagen vectorizada de hoja (izquierda) y copa (derecha) de la Melicoccus bijugatus (Mamón)
4.3.4. Características morfológicas de la ceiba pentandra (L.) Gaertn. (Ceiba)
Descripción general: Árbol hermafrodita de hasta 50 m de altura, y 2 metros de diámetro, grandes raíces tablares, con tronco grueso, muy espinoso cuando joven, lisos y grisáceos de adulto.
• Hojas: Hojas compuesto-digitadas, con 5 a 9 folíolos lanceolados u oblongos, acuminados, dispuestos en abanico al final del largo pecíolo.
• Flor: Flores en racimos laterales cerca del extremo de las ramas.
• Fruto: Fruto en cápsula coriácea, piriforme a elipsoide.
• Semillas: Semillas negras rodeadas de abundante lana blanquecina.
A continuación, en la figura 12, se presenta la hoja vectorizada y copa de la especie descrita.
4.3.5. Características morfológicas de la Albizia Samán (Jacq.) Merr. (Samán)
Descripción: Árbol hermafrodita de hasta 20 metros y 2 metros de diámetro con copa apararasolada, corteza es gruesa, escamosa y de color gris.
• Hojas: Hojas son alternas, bipinnadas compuestas y los folíolos que la componen son ovalados, en las noches se pliegan.
• Flores: Flores axilares en umbelas rojizas.
• Fruto: Legumbre color verde oscuro inmadura, marrón oscuro madura, indehiscente aplanada y de consistencia dura.
• Semillas: Semilla color marrón rojizo rodeado por una pulpa dulce y pegajosa.
A continuación, en la figura 13, se presenta la hoja vectorizada y copa de la especie descrita.
Figura 12. Imagen vectorizada de hoja (izquierda) y copa (derecha) de la ceiba pentandra (Ceiba)
Figura 13. Imagen vectorizada de hoja (izquierda) y copa (derecha) del Albizia Samán (Samán)
4.3.6. Características morfológicas del Maclura tinctoria (L.) Steud. (Moral)
Descripción general: Árbol dioico, alcanza hasta 25 m de altura y 90 centímetros de diámetro. Corteza color pardo grisácea con numerosas lenticelas amarillentas, agrietadas y escamosas.
• Hojas: Hojas simples, alternas, dispuestas en dos hileras, ovaladas, acuminadas y con la base plana o cordada, pueden ser enteras, aserradas, dentadas o hasta lobuladas, ramas con presencia de espinas.
• Flor: Las masculinas aparecen en amentos y las femeninas en cabezuelas solitarias.
• Fruto: Sincarpos, son pequeños y dispuestos en cabezuela, contienen una pulpa carnosa y comestible, verde claro inmaduro y verde oscuro maduro, con pequeños filamentos, tiene gran número de semillas.
• Semillas: Semillas planas color café, con una base redondeada.
A continuación, en la figura 14, se presenta la hoja vectorizada y copa de la especie descrita.
A manera de complemento, en el anexo 1 del presente documento, se compila la información recolectada en esta investigación en fichas técnicas de cada una de las 6 especies arbóreas nativas estudiadas. En estas, se relaciona su descripción, etimología, orden, origen, importancia ecológica, importancia económica, característica espectral, caracterización de hoja y copa de árbol.
Figura 14. Imagen vectorizada de hoja (izquierda) y copa (derecha) del Maclura tinctoria (Moral)
4.4. OBJETIVO 4: COMPARAR
LAS CARACTERÍSTICAS ESPECTRALES Y MORFOLÓGICAS ENTRE LAS ESPECIES IDENTIFICADAS
En la Tabla 11 se presenta en forma de cuadro comparativo, las características espectrales y morfológicas de las 6 especies arbóreas de interés, donde se comparan datos espectrales de longitud de onda en las bandas RGB e infrarrojo cercano con datos morfológicos como estratificación, forma de copa de árbol, estructura de hoja, entro otras, destacando una mayor valoración en la banda G (Verde) cuyo valor máximo de 18,04 NND fue por parte de la especie Melicoccus bijugatus (Mamón), además se identificó que 67% de especies con copa rala, un 83% de especies con estructura de hoja compuesta y disposición sobre el tallo tipo alterna, además, de un 83% de especies cuya estratificación se cataloga como media.
Tabla 11. Cuadro comparativo de características espectrales y morfológicas de las 6 especies arbóreas de interés
Valores en el rango espectral (NND) Copa Forma de copa Hoja (Según su estructura) Hoja (Según su disposición sobre el tallo) Estratificación
Nombre común
5. ANÁLISIS DE LOS RESULTADOS
5.1. SOBRE LA IDENTIFICACIÓN DE ESPECIES FORESTALES
Dentro del área inventariada se identificaron 20 especies, distribuidas en 11 familias como se observa en la figura 15, en la que se puede evidenciar que la familia predominante en la zona de estudio fue la Fabaceae Por otro lado, también se evidencia en la figura 16 que el 85% de estas son nativas y el porcentaje restante son especies introducidas según la aplicación de flores y líquenes de Colombia.
Figura 15. Familias de especies arbóreas nativas presentes en el Parque Ecológico Corponor
Figura 16. Porcentaje de especies nativas e introducidas en el Parque Ecológico Corponor
De acuerdo a lo anterior, se da respuesta a la primera pregunta sobre cuáles son las especies forestales arbóreas presentes en el área de estudio, siendo estas: Cañaguate, Caoba, Caracolí,
Introducida
Nativa
Ceiba, Cují, Falso samán, Gallinero, Guácimo, Hobo, Javillo, Leucaena, Mamón, Matarratón, Moral, Neem, Pardillo, Sangre Drago, Samán, Tachuelo y Urapo De igual forma, para dar respuestaalapreguntade investigación sobrecuáles son lasespeciesforestales arbóreas nativas emergentes o de estrato alto en el área de estudio, se realizó la selección de 6 especies, siendo estas Pithecellobim dulce (Gallinero), Tabebuia rosea (Urapo), Melicoccus bijugatus (Mamón), Ceiba pentandra (Ceiba), Albizia Samán (Samán) y Maclura tinctoria (Moral).
5.2. SOBRE EL PROCESAMIENTO DE DATOS
El procesamiento del punto base en modo estático se realizó teniendo en cuenta que la CORS
“ALBE” era la más lejana con 100 kilómetros, por lo que aplicando la fórmula que se refiere en la metodología, esta dio como resultado un tiempo rastreo de 6 horas, por lo que el estático se realizó durante dicho tiempo. Según la corrección de coordenadas del punto base realizada, se obtuvo valores de error de grado centimétrico para la antena base de la siguiente manera: el este (E) con 1.68 cm, al norte (N) con 1.10 cm y elevación (Z) con 4.99 cm como se puede verificar en la Tabla 12. De igual manera, el reporte de calidad del procesamiento de corrección en el programa CGO dio como resultado un valor de Chi cuadrado de 7.93, cuya determinación es de carácter aprobatorio.
Tabla 12. Coordenadas corregidas
Ahora bien, para la obtención de datos LiDAR, se tuvo en cuenta las coordenadas corregidas del punto base usando metodología PPK. También es importante mencionar que este proceso permitió la corrección en la generación de datos de la nube de puntos y las fotografías aéreas.
Por otro lado, el ortomosaico con un GSD (Ground Sampling Distance) de 1 cm generado a partir del procesamiento en el programa PIX4D con las fotografías aéreas tomadas en el área de estudio permitió obtener información morfológica de los árboles de estrato alto de interés.
Ver Figura 17
En las Figuras 18 y 19, se observan los mapas de nube de puntos sin clasificación y con clasificación de vegetación media y alta respectivamente, estos mapas permitieron visualizar a grandetallela alturade cadaindividuo arbóreo. Enestesentido,las alturas conrespecto al suelo se trabajaron en un rango de 0 a 5 metros clasificado como estrato bajo, de 5 a 15 metros clasificado como estrato medio y finalmente, de 15 a 20 metros clasificados como estrato alto. En la figura 19, se puede observar que los puntos más bajos de la vegetación media tienen una coloración azul y los puntos más altos clasificados como estrato alto tienen una coloración amarilla y rojiza.
Figura 17. Ortomosaico del área de estudio
Ahora bien, respecto a la verificación de alturas de las especies emergentes elegidas, en primera instancia, hay que mencionar que las alturas fueron observadas en la actividad de inventario forestal, cuyos datos seajustaroncon lanubedepuntos LAS,en dondesedeterminó un polígono con los límites de la copa de cada individuo arbóreo, seguidamente se realizó el procesamiento con la nube de puntos, obteniendo de este buffer los puntos correspondientes y que sirven de análisis para tomar la cota de altura mayor y altura menor del árbol, para posteriormente hacer larestayobtenerlaalturareal decadaindividuoypromediar,siendoestaslasquesereferencian en la Tabla 13, dando respuesta a su vez a la segunda pregunta de investigación sobre cuáles son las especies forestales arbóreas nativas de estrato alto presentes en el área de estudio .
Figura 18. Nube de puntos sin clasificación
Figura 19. Nube de puntos con clasificación de vegetación media y alta
Tabla 13. Determinación de alturas reales de las especies arbóreas nativas emergentes presentes en el Parque Ecológico Corponor
8
5.3.SOBRE LA DETERMINACIÓN DE VALORES ESPECTRALES
La digitalización de polígonos de la copa de cada individuo arbóreo a partir de la fotografía aérea y visualización de los datos de intensidad de la nube de puntos LAS que se muestra en las Figuras 20 y 21, se consolidó como el primer paso en la determinación de características espectrales
Figura 20 Digitalización de copas arbóreas seleccionadas
En las Figuras 22 y 23, se muestran los puntos coloreados de tonos fríos como el morado, identifican cotas mínimas desde los 304.79 metros, pasando por los tonos azules y verdes, así como aquellos coloreados con tonos cálidos como el amarillo, naranja y rojo que denotan cotas máximas de hasta 327.06 metros, cabe resaltar que en la figura también se podrá visualizar a detalle el rango colorimétrico de acuerdo a las alturas.
Figura 21 Digitalización de copas arbóreas a partir de datos LiDAR
Figura 22 Nube de puntos de las copas arbóreas con simbología de altura en msnm
En esta fase se obtuvieron a partir de la nube de puntos clasificada según el interés que fueron punto de retorno de primer grado y alturas medias y altas un producto tipo ráster según las variables de interés, lo que permitieron obtener valores de intensidad y de RGB para cada individuo arbóreo, en este sentido, y teniendo en cuenta la normalización de los niveles digitales, se determinó que la mayor variabilidad espectral se da en la banda RGB en comparación con el infrarrojo cercano la cual se refiere a la normalización de la intensidad, esto ya que los porcentajes de variabilidad, sobre todo para la banda G (verde) fluctúa entre el 11 y 26% correspondiente a la Ceiba y Urapo respectivamente, caso contrario para el infrarrojo cercano cuyas fluctuaciones se encuentran entre el 6 y 14% Correspondiente al Gallinero para el menor valor, además de Ceiba y Samán para el mayor valor. De acuerdo a lo anterior, es posible responder a la tercera y cuarta pregunta de investigación, cuya respuesta es que, si es viable la discriminación de especies forestales a partir de sus características espectrales, así como la identificación de sus características morfológicas a partir de imágenes y datos LiDAR.
5.4.SOBRE LA COMPARACIÓN DE LAS CARACTERISTICAS ESPECTRALES Y MORFOLÓGICAS
La investigación se realizó en temporadas sin etapa de floración y sin percepción de frutos de las especies seleccionadas, esto con el fin de realizar el análisis teniendo en común las mismas características fenológicas. De acuerdo a lo anterior y evidenciando que es posible la identificación de especies forestales arbóreas a partir de las características morfológicas identificables en las imágenes aéreas y datos LiDAR se tiene que:
Figura 23 Vista en 3D de la nube de puntos de análisis
• Las especies Ceiba (Ceiba pentandra), Samán (Albizia Samán) y Mamón (Melicoccus bijugatus) presentaron mayores valores de intensidad en el análisis espectral, siendo una característica común de estas tres especies la presencia de copas densas, además, al observar la fotografía de las hojas de dichas especies se puede apreciar también que coincidencialmente sus hojas son lisas brillantes en comparación con las otras especies, lo que permite suponer que hay mayores probabilidades de reflejar la luz solar y por lo tanto reflejar con mayor fuerza la luz del láser del sensor LiDAR
• Las especies Ceiba (Ceiba pentandra), Samán (Albizia Samán) y Mamón (Melicoccus bijugatus) al ser de copa densa permite que haya un área con mayor superficie reflectante como son las hojas y por ende mayores valores de intensidad en comparación con aquellas que son parcialmente densas y que exponen sus ramas primarias y/o secundarias, esto debido a que aquellas superficies que son rugosas y presentan humedad como las ramas presentan valores de intensidad bajos (Soto, 2022).
• Las especies como el Gallinero (Pithecellobim dulce), Moral (Maclura tinctoria) y Urapo (Tabebuia rosea) presentan menores valores de intensidad, esto debido a que existe menor área de reflectancia al presentar un mayor grado de esparcimiento de las hojas, lo que permitió que el láser del LiDAR tomara mayor información de las superficies de las ramas y menor información de las hojas de los individuos de las especies que se referencian.
• Según los valores de RGB se identifica que la combinación RGB de la especie Gallinero (Pithecellobim dulce) arroja un color verde más claro que la especie Samán (Albizia Samán), razón por la cual el primero es el predominante en la banda del R y el Samán (Albizia Samán) el valor que menos predomina en dicha banda.
• Se percibe que las especies Ceiba (Ceiba pentandra), Samán (Albizia Samán) y Mamón (Melicoccus bijugatus) presentan forma de copa densa redondeadas y las especies Gallinero (Pithecellobim dulce), Moral (Maclura tinctoria) y Urapo (Tabebuia rosea) son ralas o esparcidas irregulares.
• En cuanto al área de copa, las especies Samán (Albizia Samán), Gallinero (Pithecellobim dulce) y Ceiba (Ceiba pentandra) presentaron las mayores áreas, las cuales van desde los 109 hasta los 223 metros cuadrados, a la par, las hojas de dichas especies son las de mayor tamaño en comparación con las hojas de especies como el mamón, Urapo y moral, ya que son hojas compuestas, algunas bipinnadas
• En cuanto a la altura, el Gallinero (Pithecellobim dulce), la Ceiba (Ceiba pentandra) y el moral (Maclura tinctoria) al sobrepasar los 15,7 metros, se consideran las especies más emergentes entre las especies arbóreas estudiadas.
• Teniendo en cuenta que, en este estudio, los valores obtenidos de las variables de interés a analizar son valores de referencias de las etapas de desarrollo, se percibió que aquellos individuos de especies forestales arbóreas que poseían hojas jóvenes, obtuvieron valores de intensidad mayores como por ejemplo el Samán (con valores desde 5631.54 hasta 15.657), la Ceiba (con valores desde 6872.88 hasta 15.107) y el Mamón (con valores desde 7166.09 hasta 14.735), entre otros, en contraste, al estar las hojas en fase de maduración o senescencia, los valores de intensidad disminuyeron aproximadamente hasta en un 35%, 53% y 33% respectivamente. En las Figuras 24 a 29 se presentan las imágenes captadas por la cámara fotogramétrica de las diferentes especies forestales arbóreas de interés cuyas hojas se visualizaron en diferentes etapas de desarrollo.
Figura 24 Hojas en fase joven (izquierda) y hojas en fase de maduración (derecha) de la especie Pithecellobim dulce (Gallinero)
Figura 25 Hojas en fase joven (izquierda) y hojas en fase de senescencia (derecha) de la especie Tabebuia rosea (Urapo)
Figura 26. Hojas en fase joven (izquierda) y hojas en fase de maduración (derecha) de la especie Melicoccus bijugatus (Mamón)
Figura 27 Hojas en fase joven (izquierda), hojas en fase de maduración (centro) y hojas en fase de rebrote (derecha) de la especie Ceiba pentandra (Ceiba)
Figura 28 Hojas en fase joven (izquierda) y hojas en fase de maduración (derecha) de la especie Albizia Samán (Samán)
Finalmente, dando respuesta a la pregunta de investigación general sobre la relación que existe entre las características espectrales y morfológicas de los individuos arbóreos del área de estudio mediante herramientas de teledetección, se tiene que son los niveles de intensidad y
Figura 29 Hojas en fase de maduración (izquierda) y hojas en fase de senescencia (derecha) de la especie
Maclura tinctoria (Moral)
RGB (espectrales) las que permiten aportar información no visible al ojo humano y de forma remota de los individuos de interés, la cual, aunada a las características visibles (morfológicas) de los mismos permiten relacionar sus propiedades y particularidades, facilitando con ello la identificación de las especies presentes de forma remota, siendo particularmente eficaz para aquellos sitios de difícil acceso por condiciones climáticas, geográficas o sociales de las zonas.
Comparando este estudio con el realizado por Mesa (2019), en el que determinó la variabilidad en la respuesta espectral de 10 especies forestales y teniendo en común con este estudio la selección de las especies Tabebuia rosea y Pithecellobium dulce, se tiene que:
Para la especie Tabebuia rosea en el estudio realizado por Mesa, se pudo identificar que esta tuvo una respuesta espectral media en la banda RGB entre 45 y 60 niveles digitales, además de una intensidad de aproximadamente 120 niveles digitales, mientras que en el presente estudio tuvo una respuesta espectral en la banda RGB entre 20 y 37 niveles digitales normalizados, además de una intensidad de aproximadamente 17 niveles digitales normalizados.
Deigual manera, parala especie Pithecellobium dulce en el estudiorealizadoporMesa, se pudo identificar que esta tuvo una respuesta espectral media en la banda RGB entre 40 y 60 niveles digitales, además de una intensidad de aproximadamente 100 niveles digitales, mientras que en el presente estudio tuvo una respuesta espectral en la banda RGB entre 15 y 40 niveles digitales normalizados, además de una intensidad de aproximadamente 12 niveles digitales normalizados.
La variabilidad en los resultados de los dos estudios mencionados resulta del uso de diferentes herramientas de recolección de información. Por un lado se encuentra el estudio de Mesa, quien usó ortofotos de la zona de estudio y espectroscopía de reflectancia en el visible e infrarrojo cercano, de acuerdo a esto, el autor menciona que los resultados presentaron alta variabilidad y no obtuvieron buenos resultados en la clasificación de las especies seleccionadas ya que las ortofotos de la zona de estudio presentaban baja resolución espectral causando limitaciones y suprimiendo variaciones sutiles de las especies estudiadas, además, referencia que el espectrómetro es adecuado para la adquisición de espectros a escala de hoja y/o individuo, sin embargo, implica un procesamiento complejo y mucho tiempo de análisis.
Por otro lado, en este estudio se usó fotografías aéreas y datos LiDAR con el fin de optimizar los procesos de obtención de información a través de dron y vuelos programados, además del uso de sensor que permitiera la obtención de datos LiDAR cuyo rango espectral incluyó el
espectrovisibleeinfrarrojocercano,permitiendoasílaobtencióndedatosconmayorcobertura, fiabilidad y por ende resultados confiables.
Como propuesta de mejora en la metodología usada, se recomienda realizar el levantamiento devuelo reduciendoladistanciaentrelíneas de vuelo yaumentar el porcentajedesuperposición frontal y lateral, esto debido a que los valores aumentan cuando el escaneo se realiza con 90 grados y disminuyen cuando se alejan, por lo que reducir las líneas de vuelos y/o realizando doble pase en la planeación del vuelo aportarán menos variación de los valores de la misma especie por individuos. De igual forma, es recomendable contar con un área mayor de estudio que permita obtener mayores muestras por cada especie arbórea, así como tener en cuenta los tiempos de crecimiento de las diferentes especies, con el fin de obtener información tanto espectral como morfológica en las diferentes etapas de vida de los individuos de interés.
6. CONCLUSIONES
De las 20 especies identificadas en el área de estudio, se determinó que las especies forestales arbóreas nativas catalogadas como emergentes eran: Pithecellobim dulce (Gallinero), Tabebuia rosea (Urapo), Melicoccus bijugatus (Mamón), Ceiba pentandra (Ceiba), Albizia Samán (Samán) y Maclura tinctoria (Moral) con una altura promedio de 16.1, 15.4, 14.3, 15.8, 12.9 y 15.8 metros respectivamente.
La determinación de los valores espectrales permitió obtener valores de intensidad y de RGB para cada especie arbórea de interés En este sentido, y teniendo en cuenta la normalización de los niveles digitales (NND), se determinó que la mayor variabilidad espectral se da en la banda RGB en comparación con el infrarrojo ya que los porcentajes de variabilidad, sobre todo para la banda G (verde) fluctúa entre el 11 y 26%, caso contrario para el infrarrojo cercano cuyas fluctuaciones se encuentran entre el 6 y 14%.
La determinación de características morfológicas de cada especie arbórea permitió determinar que el 67% de las especies poseen copa rala, un 83% posee estructura de hoja compuesta, así como disposición sobre el tallo tipo alterna, además, un 83% se identificó como estrato medio.
Las especies Ceiba pentandra (Ceiba), Albizia Samán (Samán) y Melicoccus bijugatus (Mamón) presentaron mayores valores de intensidad en el análisis espectral, las cuales se relacionan con la característica morfológica de copa densa, lo que permite suponer que hay mayores probabilidades de reflejar la luz solar y por lo tanto reflejar con mayor fuerza la luz del láser del sensor LiDAR, caso contrario sucedió con las especies Pithecellobim dulce (Gallinero), Maclura tinctoria (Moral) y Tabebuia rosea (Urapo) ya que presentaron menores valores de intensidad, esto debido a que existe menor área de reflectancia al presentar un mayor grado de esparcimiento de las hojas
De acuerdo a la fase de desarrollo en la que se encuentre la especie arbórea, estas obtienen diferentes valores de intensidad ya que se percibió que aquellos individuos de especies forestales arbóreas que poseían hojas jóvenes obtuvieron mayores valores de intensidad que
aquellos en estado de maduración o senescencia, entendiendo que valores altos de intensidad se refieren a altas reflectividades y aquellos bajos de intensidad son bajas reflectividades.
Esteestudiorepresentaunavanceinnovadorenla identificación deespecies arbóreas pormedio del hallazgo de sus características espectrales integrando tecnología LiDAR con RGB al aportar resultados de especies nativas del ecosistema de bosque seco tropical, lo cual, permite tener una noción a partir de la aplicación de esta tecnología de cómo poder diferenciar la vegetación a ese nivel de detalle, ya que es muy limitada la información encontrada que tenga dicha integración en la caracterización espectral de la vegetación.
No se pudo determinar que tanto varía la intensidad en relación al ángulo de escaneo del sensor LiDAR, ya que ello implicaba el desarrollo de varios vuelos y cambios de traslapes – solapes del plan de vuelo del dron, sin embargo, la literatura menciona que, a mayor cercanía de 0 grados del ángulo de escaneo, y con un traslape y solape en horizontal y vertical del 100% mayor es la intensidad
Finalmente, es válido afirmar que se confirma la hipótesis de que es posible comparar las características espectrales y morfológicas de los individuos arbóreos del Parque Ecológico Corponor a través de herramientas de teledetección como fotografías aéreas y datos LiDAR.
7. REFERENCIAS BIBLIOGRÁFICAS
Amaya, C. (2005). El ecosistema urbano: simbiosis espacial entre lo natural y lo artificial. Revista forestal latinoamericana, 37, 1-16
Arozarena, A y Otero, I. (2002). Sistemas de captura y análisis de la información territorial Ed. Fundación Conde del Valle de Salazar. Madrid
Baret, F., y Andrieu, B. (1994). Intérêt du moyen infrarouge réflectif pour caractériser la végétation. Bulletin-Société française de photogrammétrie et de télédétection [ Interés del infrarrojo medio reflectante para caracterizar la vegetación] Boletín-Sociedad Francesa de Fotogrametría y Teledetección, (136), 8-22. Accedido el 13 de enero de 2023 en http://pascalfrancis.inist.fr/vibad/index.php?action=getRecordDetail&idt=3393756
Barreiro, P. (2016). Uso de drones para una agricultura de detalle. Vida Rural,419, 80-85. Accedido el 13 de enero de 2023 en https://oa.upm.es/65858/
Barreto, E. M. (2020). Desarrollo de una firma espectral para la identificación de parches de retamo espinoso (Ulex europeus) en los cerros orientales de la ciudad de Bogotá, usando imágenes satelitales SENTINEL-2. Universidad Militar Nueva Granada, Bogotá, Colombia.
Berrío, V. A., Mosquera, J., y Alzate, D. F. (2015). Uso de drones para el análisis de imágenes multiespectrales en agricultura de precisión. @ limentech, Ciencia y Tecnología Alimentaria, 13(1).
Cabrera, E., Galindo, G., y Vargas, D. (2011). Protocolo de Procesamiento Digital de Imágenes paralaCuantificación de laDeforestación enColombia,Nivel NacionalEscalaGruesa y Fina. Instituto de Hidrología, Meteorología, y Estudios Ambientales IDEAM. Bogotá D.C., Colombia. 44 p.
Campbell, J. B., y Wynne, R. H. (2011). Introduction to remote sensing [Introducción a la teledetección]. Guilford press.
Carvajal, E. (2022). Implementación de un plan de capacitación y educación ambiental para el programa de silvicultura urbana del municipio de Cúcuta, contrato interadministrativo 3093. Alianza estratégica para el empoderamiento de la comunidad s [Diapositivas de PowerPoint]. Accedido el 13 de enero de 2023 en
Castellanos, H. (2016). Diseño metodológico para clasificar zonas mineras a cielo abierto a través del procesamiento digital de imágenes de sensores remotos, aplicado en el nororiente del Departamento de Antioquía. Universidad Nacional de Colombia, Bogotá, Colombia.
Chávez, M (2014). Metodología para identificar frailejón (Espeletia sp) usando las características pictórico-morfológicas de imágenes de satélite para su patronamiento espectral. Universidad Nacional de Colombia, Bogotá, Colombia.
CHCNAV, CHC Navigation. (2023a). Productos. Alpha Air 450. Chcnav.com. Accedido el 15 de abril de 2023 en https://chcnav.com/product-detail/alphaair-450
CHCNAV, CHC Navigation. (2023b). Productos. CGO2: Software de Post Procesamiento. Chcnav.com. Accedido el 16 de abril de 2023 en https://chcnav.com/es/productdetail/cgo2-software-de-post-procesamiento
CHCNAV, CHC Navigation. (2023c). Productos. Copre: Procesamiento LiDAR Software. Chcnav.com. Accedido el 16 de abril de 2023 en https://chcnav.com/es/productdetail/software-de-procesamiento-lidar-copre
Chuvieco, E. (2010). Teledetección Ambiental: La observación de la tierra desde el espacio. Editorial Ariel.
Corte Constitucional de la Republica de Colombia. (1991). Constitución Política de Colombia, Capítulo 3. De los Derechos Colectivos y del Ambiente, Articulo 79 y 80 Bogotá, Colombia.
Córdova, M. D. (2018). Determinación de la firma espectral del estrato herbazal-arbustal del páramo en la subcuenca del Río Chambo, provincia de. Escuela Superior Politécnica de Chimborazo, Riobamba, Ecuador.
CORPONOR, Corporación Autónoma Regional de la Frontera Nororiental. (2020). Acciones operativas PAI 2020-2023. En CORPONOR (Eds.), Plan de Acción Institucional de Corponor 2020-2023. (pp. 185). https://corponor.gov.co/web/index.php/planes/plande-accion-corporativo/plan-de-accion-institucional-pai-2020-2023/
De la Torre, Á. (2020). Drones y movilidad segura y conectada. Revista Digital del Cedex, (197), 12-23.
Delgado, O. (2009). Nuevos sensores de teledetección GEOMÁTICA. Revista de la Universidad de Azuay Verdad (49). https://doi.org/10.33324/uv.vi49
Esri, Environmental Systems Research Institute (s.f.a). Reflectancia. Diccionario SIG de Esri Accedido el 20 de marzo de 2023, en https://support.esri.com/es-es/gisdictionary/reflectance
Esri, Environmental Systems Research Institute(s.f.b). Dibujar datasets ráster temáticos que representan datos continuos Administrar datos. ArcGIS Desktop. Accedido el 01 de mayo de 2023, en https://desktop.arcgis.com/es/arcmap/latest/manage-data/rasterand-images/drawing-thematic-raster-datasets-representing-continuous-data.htm
Esri, Environmental Systems Research Institute(s.f.c). ArcGis Survey 123. Accedido el 20 de marzo de 2023, en https://www.esri.com/en-us/arcgis/products/arcgissurvey123/overview
IGAC, Instituto Geográfico Agustín Codazzi (2018). Resolución 643 de 2018, por el cual se adoptan las especificaciones técnicas de levantamiento planimétrico para las actividades debarrido predialmasivo ylasespecificacionestécnicas del levantamiento topográfico planimétrico para casos puntuales.
Imaña, J. (2021). Inventario Forestal En J, Imaña (Eds.), Parcelas terrestres de muestreo en los inventarios forestales (pp. 1-21). Brasilia: Universidad de Brasilia.
Ley N° 1454, por el cual se dictan normas orgánicas sobre ordenamiento territorial y se modifican otras disposiciones. Congreso de la Republica de Colombia, Bogotá, Colombia, 28 de junio de 2011.
Lobos, G. A., y Hancock, J. F. (2015). Breeding blueberries for a changing global environment: a review [Mejoramiento de arándanos para un entorno global cambiante: una revisión]. Frontiers in plant science, 6, 782.
López, I., Martí, J., Estornell, J., y Fernández, A. (2019). Comparación de parámetros de olivos a partir de UAV y datos LiDAR aéreos. En L. Ruiz, J. Cremades, A, Calle yJ. Antuña, Teledetección: Hacia una visión global del cambio climático, XVIII Congreso de la Asociación Española de Teledetección: Hacia una visión global del cambio climático, Valladolid, España.
López, C. (2019). Fundamentos de la teledetección. En C. López (Eds.) Fundamentos básicos de Teledetección. (pp. 3). Chile: Universidad Católica del Norte
Llorca, R. (2015). Rodalización y delimitación de la unidad árbol en áreas forestales y agrícolas a partir de datos LiDAR aéreo. Universidad Politécnica de Valencia, Valencia, España.
Martínez, C., Aunta, J. y Valero, J. A. (2013). Aplicación de datos LiDAR en la estimación del volumen forestal en el parque metropolitano Bosque San Carlos. Ciencia e Ingeniería Neogranadina, 23(1), 7-21.
Mesa, M. (2019). Variabilidad en la respuesta espectral de especies forestales en un contexto urbano. Universidad Nacional de Colombia, Medellín, Colombia.
Moreno, F. y Hoyos, C. (Eds.). (2015). Guía para el manejo del arbolado urbano en el Valle de Aburrá. Medellín: Área Metropolitana del Valle de Aburrá & Universidad Nacional de Colombia. Metropol.gov.co. Accedido el 1 de abril de 2023 en https://www.metropol.gov.co/ambiental/Documents/Zonas%20verdes/Guiaparaelma nejodelarboladourbanoenelValledeAburraNuevo.pdf
Navarro, E. P., Bañuelos, M. J., y Quevedo, M. (2016). Combinando datos LiDAR e inventario forestal para identificar estados avanzados de desarrollo en bosques caducifolios. Ecosistemas, 25(3), 35-42.
Næsset, E. y Økland, T. (2002). Estimating tree height and tree crown properties using airborne scanning laser in a boreal nature reserve. Remote Sensing of Environment, 79(1), 105115. doi: 10.1016/S0034-4257(01)00243-7
Niño, J. A. (2019). Fijación de agroquímicos en cultivos de frijol (phaseolus vulgaris) a partir deimágenesmultiespectralestomascondrone.casodeestudioveredaSubia,Silvania–Cundinamarca. Universidad de Cundinamarca, Fusagasugá, Colombia.
ONU, Organización de las Naciones Unidas (2018), La Agenda 2030 y los Objetivos de Desarrollo Sostenible: una oportunidad para América Latina y el Caribe. Accedido el 12 de febrero de 2023, en https://repositorio.cepal.org/handle/11362/40155.4
Ortiz, A. D., Valdez, J. R., Ángeles, G., los Santos, D., Schneider, H. y Peduzzi, A. (2019). Transectos de datos LiDAR: Una estrategia de muestreo para estimar biomasa aérea en áreas forestales. Revista Madera y bosques. 25(3).
Peña, L., Rentería, V., Velásquez, C., Ojeda, M. L., y Barrera, E. (2019). Absorbancia y reflectancia de hojas de Ficus contaminadas con nanopartículas de plata. Revista mexicana de física, 65(1), 95-105.
Pix4D. (2023). Producto. Pix4Dmapper. Pix4D.com. Accedido el 16 de abril de 2023 en https://www.pix4d.com/es/producto/pix4dmapper-fotogrametria-software/
Portiansky, E. L. (2013). Análisis multidimensional de imágenes digitales. Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias.
Rueda, S. (2012). El urbanismo ecológico. Agencia de Ecología Urbana de Barcelona, Barcelona, 18-20.
Ruiz Fernández, L. Á. (2020). Cartografía de variables forestales a partir de datos LiDAR. ETSI. Geodésica, Cartográfica y Topográfica. Universitat Politècnica de València. Accedido el 10 de marzo de 2023 en https://riunet.upv.es/bitstream/handle/10251/147476/Ruiz%20%20Cartograf%C3%ADa%20de%20variables%20forestales%20a%20partir%20de% 20datos%20LiDAR.pdf?sequence=1
Ruiz, M., Rubiano, N. L., González, A., Lulle, T. y Bodnar, Y. (2007). Ciudad, espacio y población: el proceso de urbanización en Colombia. Universidad Externado de Colombia. Fondo de Población de Naciones Unidas (UNFPA), Bogotá.
Sánchez, f. (2011). Aplicación de sensores activos y pasivos en la circulación superficial de mesoescala en la parte sur del golfo de México (bahía de campeche). Instituto Politécnico Nacional, La Paz, México.
Sánchez, B, E. (2016). Procesado de imágenes hiperespectrales. Escuela Técnica Superior De Ingeniería Y Sistemas De Telecomunicación Madrid, España.
Soto, J. (2022). Teledetección/Intensidad de un LiDAR, qué es y para qué se utiliza. Arcgis.com. Accedido el 15 de marzo de 2023, en https://geoinnova.org/blogterritorio/intensidad-de-un-lidar-que-es-y-para-que-se-utiliza/#respond
Steven, M., Malthus, T., y Baret, F. (2016). Toward standardization of vegetation indices. In P. Thenkabail (Ed.), Remotely Sensed Data Characterization, Classification, and Accuracies (pp. 175-193). Taylor y Francis Group, LLC.
Universidad de Murcia. (s.f). Tema 3. Plataformas, Sensores y Canales. Apuntes de la asignatura Teletedección en Geografía SIG y Teledetección en la Universidad de Murcia. Accedido el 10 de marzo de 2023, en https://www.um.es/geograf/sigmur/teledet/tema03.pdf
Villajos, S. O. (1993). La radiación electromagnética. En S, O, Villajos (Eds.), Teledetección fundamental. Escuela Universitaria de Ingeniería Técnica Topográfica (pp. 21-27). 3ra ed. Universidad Politécnica de Madrid.
Wallace, L., Lucieer, A., y Watson, C. S. (2014). Evaluating tree detection and segmentation routines on very high resolution UAV LiDAR data. IEEE Transactions on Geoscience and Remote Sensing, 52(12), 7619-7628.
Yépez, F , y Lozano, D. (2014). Mapeo del arbolado urbano con lidar aéreo. Revista mexicana de ciencias forestales, 5(26), 58-75.
Zuria, I. y Martínez, M. (2019). Herramientas de análisis espacial para estudios de biodiversidad. En: Moreno CE (Ed) La biodiversidad en un mundo cambiante: Fundamentos teóricos y metodológicos para su estudio. Universidad Autónoma del Estado de Hidalgo/Libermex, Ciudad de México, pp. 21-38.
