Clasificación supervisada de imágenes PNOA-NIR y fusión con datos LiDAR-PNOA como apoyo en el inventario forestal: Caso de estudio: Dehesas

espanolLa estimacion de las metricas dasometricas como apoyo en un inventario forestal se puede abordar mediante la aplicacion de distintas tecnologias y, si bien el muestreo de campo es la tecnica mas extendida, la aparicion y desarrollo de las tecnicas de teledeteccion aumentan las posibilidades de actuacion en este ambito. Estas nuevas tecnicas de teledeteccion permiten minimizar los costes tanto economicos como en tiempo de la adquisicion de datos sin menosprecio de la exactitud de las mediciones realizadas. En este sentido, las ortofotos del PNOA-NIR, que incluyen la informacion espectral del infrarrojo cercano, permiten obtener distintos indices de vegetacion y suelo, aportando informacion valiosa en el analisis de la vegetacion. En este trabajo se realiza una clasificacion supervisada de las imagenes PNOA-NIR para, junto con los datos LiDAR-PNOA, determinar mediciones dendometricas en dehesas (area de copa, diametro de copa y altura maxima de arbolado) y otros parametros relacionados con la espesura (factor de cabida cubierta y densidad). La metodologia se plantea mediante la aplicacion exclusivamente de software de codigo abierto. A traves de los resultados obtenidos es posible delimitar de forma detallada la estructura de la copa, asi como la reduccion de la incertidumbre en las zonas de sombra del arbolado. La evaluacion del clasificador empleado, Random Forest, alcanza un porcentaje de predicciones correctas del 96.72% con una confianza media en la clasificacion de los pixeles de arbolado del 93%. Por tanto, el metodo propuesto resulta adecuado para su aplicacion en dehesas y otras masas abiertas sin tangencia de copas. EnglishObtaining dasometric attributes as support in a forest inventory can be addressed through the application of different technologies and, although field sampling is the most widespread technique, the current development of remote sensing techniques offer new opportunities. These new techniques make it possible to minimize both economic and time-related costs of acquiring data without disregarding the accuracy of the measurements made. In this sense, the orthophotos of the PNOA-NIR, which include near infraredspectral information, allow us to obtain different indices of vegetation and soil, providing valuable information in the analysis of the vegetation. In this work a supervised classification of the PNOA-NIR images is carried out and a data fusion with the LiDAR-PNOA data is made, to obtain dendometric measurements on tree-grass environments (dehesas) (crown area, crown diameter and maximum tree height) and other parameters related to the canopy spatial distribution (tree canopy cover factor and density). The methodology is based on the application of open source software exclusively. The obtained results delineate the structure of the crown in detail, reducing the uncertainty of the crown perimeter in shaded areas. The evaluation of the classifier used, Random Forest (RF), reaches a percentage of correct predictions of 96.72% and an average confidence when classifying tree pixels of 93%. Therefore, the proposed method is suitable for application in tree-grass environments and other forest areas without tree crown tangency.