Individualización de copas en encinares (quercus ilexl.) mediante el empleo de técnicas de segmentación de imágenes y clasificación por objetos

  1. Agustín Jiménez Fernández Palacios 1
  2. Francisco Javier Vázquez Piqué 2
  3. Anabel Calzado Carretero 2
  1. 1 epartamento de Ciencias Agroforestales, Universidad de Huelva
  2. 2 Departamento de Ciencias Agroforestales, Universidad de Huelva
Journal:
Geofocus: Revista Internacional de Ciencia y Tecnología de la Información Geográfica

ISSN: 1578-5157

Year of publication: 2022

Issue: 29

Pages: 131-144

Type: Article

DIALNET GOOGLE SCHOLAR lock_openDialnet editor

More publications in: Geofocus: Revista Internacional de Ciencia y Tecnología de la Información Geográfica

Abstract

When characterising a forest cover, it is of utmost importance to know its density, which can be done through the crown individualisation of each tree or foot. The present article shows the work flow developed for crown individualisation in holm oaks by means of segmentation and classification by objects techniques (OBIA), analysing its effectiveness in four forest formations characterised by high/low density and presence/absence of shrub stratum. For this, we combined the products of “Plan Nacional de Ortofotografía Aérea” relating to NIR orthophotography and first coverage lidar data. The study was conducted in four areas between 23.20 and 50.09ha within the map sheet Calañas-Huelva H50-0959, each representing a formation. As input in the segmentation process, we employed the four spectrum bands of the orthophotography and a digital vegetation model (DVM) obtained by the cloud lidar point. The segmentation flow was iteratively run through the eCognition Developer software. We performed successive segmentations and object classifications, in such a way that the objects which met a series of minimum requirements of individualisation got out of the flow and remained characterized as individual objects. The results of the proposed methodology showed a high capacity for crown individualisation, between 81.23% and 96.86% of success rate depending upon the type of formation studied, enabling the individualisation in holm oaks with crown tangent and adjacent to shrub.

Bibliographic References

  • Agresta S. Coop. (2017). Manual para la cuantificación de existencias de biomasa en masas forestales de matorral mediante metodología LiDAR. [Consulta: 08-03-2021]. Disponible en http://enerbioscrub.ciemat.es/documents/210922/222403/Manual+Lidar/82b0b5a5-1f52-4007-a7f5-7d4ce2d6429e
  • Amiri, N. (2014). Assessment of marker-controllled watershed segmentation algorithm for individual tree top detection and Crown delineation (Master thesis). University of Twenty. Twenty.
  • Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, 65, 2–16. https://doi.org/10.1016/j.isprsjprs.2009.06.004
  • Bork, E.W., Su, J.G. (2007). Integrating LIDAR data and multispectral imagery for enhanced classification of rangeland vegetation: A meta analysis, Remote Sensing of Environment, 111:1, 11-24.
  • Borlaf-Mena, I., Tanase, M., Gómez-Sal, A. (2019). Methods for tree cover extraction from high resolution orthophotos and airborne LiDAR scanning in Spanish dehesas. Revista de Teledetección, 53, 17-32. https://doi.org/10.4995/raet.2019.11320
  • Cantero Fauquier, F., Tomé Morán, J., Bravo Fernández, J., Fernández-Landa, A. (2017). Herramientas de localización de árboles individuales con el módulo de procesado de QGIS a partir de información LiDAR y ortofotografía aérea en 7º Congreso Forestal Español "Gestión del monte: servicios ambientales y bioeconomía". Plasencia, Sociedad Española de Ciencias Forestales.
  • Castillejo-González, I.L., Medina Guerrero, J.M., García-Ferrer Porras, A., Mesas-Carrascosa, F.J., Sánchez de la Orden, M. (2010). Utilización de imágenes de satélite de alta resolución espacial en la determinación de la fracción de cabida cubierta en sistemas adehesados en XIV Congreso Nacional de las Tecnologías de la Información Geográfica: La Información Geográfica al servicio de los ciudadanos. Sevilla, Secretariado de Publicaciones de la Universidad de Sevilla, pp. 62-71.
  • Definiens (2018). Definiens Developer Reference Book. Munich, Definens AG.
  • Fragoso-Campón, L., Quirós Rosado, E., Gutiérrez Gallego, J.A. (2020). Clasificación supervisada de imágenes PNOA-NIR y fusión con datos LiDAR-PNOA como apoyo en el inventario forestal. Caso de estudio: Dehesas. Cuadernos de la Sociedad Española de Ciencias Forestales. 45:3, 77-96. https://doi.org/10.31167/csecfv0i45.19882
  • González-Ferreiro, E., Diéguez-Aranda, U., Miranda, D. (2012). Estimation of stand variables in Pinus radiata D. Don plantations using different LiDAR pulse densities. Forestry: An International Journal of Forest Research, 85:2, 281–292. https://doi.org/10.1093/forestry/cps002
  • González-Jaramillo, V., Buján, S., González-Ferreiro, E., Barreiro-Fernandez, L., Dieguez-Aranda, U., Miranda, D. (2013). Caso de estudio: estimación de volumen a partir de datos LiDAR para pino radiata en el municipio de Guitiriz. Geoespacial. 10, 45-57.
  • Hu, Y., Dong, Y., Batunacun. (2018). An automatic approach for land-change detection and land updates based on integrated NDVI timing analysis and the CVAPS method with GEE support. ISPRS Journal of Photogrammetry and Remote Sensing, 146, 347-359. https://doi.org/10.1016/j.isprsjprs.2018.10.008
  • Hyyppä, J., Inkinen, M. (1999). Detecting and estimating attributes for single trees using laser scanner. Photogramm J Finl. The photogrammetric journal of Finland. 16, 27-42.
  • Kucharczyk, M., Hay, G.J., Ghaffarian, S., Hugenholtz, C.H. (2020). Geographic Object-Based Image Analysis: A Primer and Future Directions. Remote Sensing. Multidisciplinary Digital Publishing Institute. 12, 2012. https://doi.org/10.3390/rs12122012
  • Kumar, S., Gautam, G., Saha, S.K. (2015). Hyperspectral remote sensing data derived spectral indices in characterizing salt-affected soils: a case study of Indo-Gangetic plains of India. Environ Earth Sci 73, 3299-3308. https://doi.org/10.1007/s12665-014-3613-y
  • Lavado, J.F., Jariego, A., Schnabel, S., Gómez, A. (2012). Análisis de la evolución histórica del arbolado de la dehesa mediante fotointerpretación y análisis OBIA en XV Congreso Nacional de Tecnologías de la Información Geográfica: Tecnologías de Información Geográfica en el contexto de Cambio Global. Madrid, Instituto de Economía, Geografía y Demografía, pp. 92-100.
  • Liu, Y., Guo, Q., Kelly, M. (2008). A framework of region-based spatial relations for non-overlapping features and its application in object based image analysis. ISPRS Journal of Photogrammetry & Remote Sensing, 63, 461–475. https://doi.org/10.1016/j.isprsjprs.2008.01.007
  • Lu, D., Weng, Q. (2007). A survey of image classification methods and techniques for improving
  • classification performance. International Journal of Remote Sensing, 28, 823-870. https://doi.org/10.1080/01431160600746456
  • Mcgaughey, R.J. (2015). Fusion/LDV: Software for LiDAR Data Analysis and Visualization. Portland, USDA Forest Service, Pacific Northwest Research Station.
  • MITMA (2020). Plan Nacional de Ortofotografía Aérea (PNOA). Madrid, Ministerio de Transporte, Movilidad y Agenda Urbana. [Consulta: 03-12-2020]. Disponible en https://pnoa.ign.es/presentacion-y-objetivo
  • Platt, R., Rapoza, L. (2008). An Evaluation of an Object-Oriented Paradigm for Land Use/Land Cover Classification. The Proffesional Geographer, 60, 87-100. https://doi.org/10.1080/00330120701724152
  • Ramírez Cisneros, J., Blanco Martínez, J., Cerrillo Cuenca, A., Marqués Rodriguez, G., Valcarce Diñeiro, R., Llordén Pozo, J.M. (2013). Generación de cartografía de modelos de combustibles a partir de datos LiDAR y análisis de imágenes orientado a objetos para su integración en Wildfire Analyst en VI Congreso Forestal Español. Vitoria-Gasteiz, Sociedad Española de Ciencias Forestales.
  • Rodríguez-Galiano, V.F, Ghimire, B., Rogan, J., Chica-Olmo, M., Rigol-Sanchez, J.P. (2011). An assessment of the effectiveness of a random forest classifier for land-cover classification. ISPRS Journal of Photogrammetry and Remote Sensing, 67, 93-104. https://doi.org/10.1016/j.isprsjprs.2011.11.002
  • Sebem, E., González Rivera, C., García Rodríguez. R., De La Vega Panizo, R., Valverde Gonzalo, A. (2005). Aportación del NDVI y los sistemas expertos en la mejora de la clasificación temática de imágenes multiespectrales en Anais XII Simpósio Brasileiro de Sensoriamento Remoto. Goiânia, INPE, pp. 2763-2771.
  • Vásconez, N.L., Sevilla, H.C. (2018). Uso De Los Sensores Remotos En Mediciones Forestales. European Scientific Journal, 14:15, 58-77. https://doi.org/10.19044/esj.2018.v14n15p58
  • Weber, C., Petropoulou, C., Hirsch, J. (2005). Urban development in the Athens metropolitan area using remote sensing data with supervised analysis and GIS. International Journal of Remote Sensing, 26:4, 785-796. https://doi.org/10.1080/01431160512331316856
Data source: Dialnet