Detalle del registro

Estimation of aerial biomass using discrete-wave LiDAR data in combination with different vegetation indices in plantations of Pinus radiata (D. DON), Región del Maule, Chile.

Universidad Católica de Temuco

 
Título Estimation of aerial biomass using discrete-wave LiDAR data in combination with different vegetation indices in plantations of Pinus radiata (D. DON), Región del Maule, Chile.
 
Tema Biomasa
Pinus radiata
 
Descripción The aerial biomass of Pinus radiata plantations in the Región del Maule, Chile, was estimated from linear models using databases of LiDAR and multispectral LANDSAT ETM+. Six descriptive height variables were obtained from the LiDAR point cloud; the 25%, 50%, 75%, 95% and 100% percentiles and the mean height. Two variables associated with the density of points were also obtained, which relate the returns between fixed weighted intervals calculated as a function of the observed biomass. For multispectral variables we used NDVI, corrected NVDI (NDVIc) and the “Tasseled Cap” components brilliance, greenness and humidity. The results showed coefficients of determination (R2) between 0.801 and 0.814, with errors between 36.07 and 36.11 ton ha-1 for the models generated using height percentiles, and R2 from 0.807 to 0.823 with errors between 36.06 and 36.84 ton ha-1 for transformed LiDAR data. Finally, the stepwise model using all available variables had R2 of 0.821-0.835 with errors of 34.28 - 36.31 ton ha-1.
La biomasa aérea en bosques de pino insigne en la región del Maule, Chile, fue estimada utilizando modelos lineales sobre la base de datos LiDAR y multiespectrales de LANDSAT ETM+. De la nube de puntos LiDAR se obtuvo un total de seis variables descriptivas de altura, los percentiles 25% , 50%, 75% , 95% , 100% y la altura promedio, y dos variables asociadas a la densidad de puntos, las cuales relacionan los retornos entre intervalos fijos ponderadores calculados en función de la biomasa observada. Para las variables multiespectrales, se utilizó: El NDVI, el NDVI corregido (NDVIc) y los componentes “Tasseled Cap” Brillantez, Verdor y Humedad. Los resultados mostraron coeficientes de determinación (R2) entre 0,801 y 0,814 con errores entre 36,07 y 36,11 ton ha-1 para los modelos generados a partir de percentiles de altura y R2 entre 0,807 y 0,823 con errores entre 36,06 y 36,84 ton ha-1 para datos de transformaciones de información LiDAR. Finalmente, el modelo “Stepwise” que involucra todas las variables disponibles tiene un ajuste de R2 entre 0,821 y 0,835 con errores entre 34,28 y 36,31 ton ha-1.
 
Fecha 2015-01-12T13:44:15Z
2015-01-12T13:44:15Z
2015-01-12
 
Tipo Artículo de Revista
 
Enlace Sustainability, Agri, Food and Environmental Research, Vol.2, N°3, 30-49, 2014
0719-3726
http://hdl.handle.net/10925/1627
 
Idioma en
 
Derechos This journal is licensed under a Creative Commons Attribution 3.0 License
 
Fuentes Sustainability, Agri, Food and Environmental Research - SAFER