nova página do texto(beta)
Espanhol (pdf)
Artigo em XML
Referências do artigo
Tradução automática
Enviar este artigo por email
Citado por SciELO 
Similares em
SciELO 
Permalink
Introducción
Las empresas forestales requieren de información precisa y actualizada de los recursos forestales que manejan para optimizar la planeación de las actividades relacionadas con el manejo forestal sustentable. La tecnología LiDAR (Light Detection and Ranging) ha demostrado ser de gran apoyo para la generación de información para dichos objetivos. LiDAR se basa en sensores láser, capaces de generar datos georeferenciados con mayor rapidez y precisión que métodos tradicionales como la restitución aerofotogramétrica, la restitución satelital o los levantamientos topográficos (Renslow, Greenfield y Guay, 2000; Abellán, Calvet, Vilaplana y Blanchard, 2010; González-Ferreiro, Diéguez-Aranda y Miranda, 2012; Ortiz-Reyes et al., 2015). LiDAR ha sido ampliamente aplicado en el levantamiento de datos de inventario forestal. Sin embargo, también se ha extendido a la evaluación de calidad de madera, así como a estudios ecológicos que analizan los procesos de transpiración de las plantas y la diversidad de microhábitats (Dassot, Constant y Fournier, 2011).La restitución fotogramétrica es un proceso basado en técnicas estereoscópicas e imágenes generadas a partir de un vuelo fotogramétrico (Sifuentes y Vásquez, 1997). La restitución satelital, en cambio, se realiza sobre imágenes satelitales; así, por ejemplo, el SRTM (Shuttle Radar Topography Mission, SRTM) corresponde a información digital altimétrica obtenida mediante interferometría RADAR espacial (Sala, Matko, Falk y Grings. 2014). Estos dos métodos generan información de alta precisión; no obstante, Lorenzo, Isemburg, Arbelo y Alonso-Benito (2012) señalan que a diferencia de la tecnología LiDAR, dichos métodos no pueden representar la superficie del relieve en un área con vegetación densa y pendiente elevada, donde el suelo queda oculto. Los autores indican, además, que LiDAR es más preciso que la fotogrametría para generar datos altimétricos, permitiendo densidades mayores a 15 m-2 puntos, aún bajo cobertura arbórea, dando como resultado un modelado más continuo y homogéneo del terreno. Por su parte, Tomé, Sanjuanbenito y Fernández (2013) indican que los sensores LiDAR capturan datos tridimensionales de terreno y cobertura de forma continua, permitiendo describir con detalle la estructura forestal en cualquier punto del área sobrevolada.
En Chile, Medina (2011) evaluó la exactitud del método LiDAR para estimar la altura de árboles de Pinus radiata D. Don. Asimismo, Valencia et al. (2014) desarrollaron modelos para estimar la biomasa aérea en bosques de P. radiata en la región del Maule, a partir de datos LiDAR.
Las ventajas que tiene el uso de datos LiDAR en aplicaciones forestales es la buena penetración en el dosel, la alta resolución espacial, la generación de información plani-altimétrica y la estimación de algunas variables dasométricas (Falkowski et al. 2006). Además, esta tecnología ha mostrado una alta costo-eficiencia para asignar maquinaria en terreno y para operaciones de movimiento de tierra en construcción de caminos. Sin embargo, Ortiz-Reyes et al. (2015) señalan que para realizar dichos beneficios se requiere de una resolución adecuada; así, la estimación mejora considerablemente con densidades de puntos del vuelo superiores a los 0,5 m-2 puntos. Asimismo, Dassot et al. (2011) indican que LiDAR presenta muchas ventajas, respecto a los métodos fotograméticos y a los basados en imagen satelital; sin embargo, debe mejorar en dos aspectos para poder llegar a ser de uso generalizado, primero en el costo de los dispositivos, y luego en el desarrollo de software más eficiente para extraer y manejar la información.
No obstante lo anterior, la decisión de cambiarse a la tecnología LiDAR necesariamente pasa por un análisis técnico y económico que permita revelar los costos y beneficios involucrados en la decisión (Challis, Kokalj, Kincey, Moscrop y Howard, 2008; Ortiz-Reyes et al., 2015).
Objetivos
En el presente trabajo se describe un estudio para evaluar la factibilidad técnico-económica de incorporar la tecnología LiDAR en una empresa forestal para mejorar la precisión en información plani-altimétrica. Los objetivos específicos del estudio fueron: i. comparar la precisión de las estimaciones altimétricas y planimétricas obtenidas con LiDAR, métodos fotogramétricos, y restitución de imágenes satelitales, y ii. realizar el análisis beneficio-costo de la implementación de LiDAR en una empresa forestal. Las hipótesis de trabajo son: a) que LiDAR presenta ganancias significativas en precisión altiplanimétrica respecto a procesos fotogramétricos y de restitución satelital, y b) que LiDAR genera mayor eficiencia económica que un método fotogramétrico, en estudios altimétricos y planimétricos, requeridos para planificar faenas forestales de cosecha, construcción de caminos y establecimiento de plantaciones.
Materiales Y Métodos
El estudio altimétrico se realizó en el predio Palinco (1154 ha) y el análisis planímetro en el predio San Antonio (55 ha), ambos ubicados en la Región del Biobío (Chile) y pertenecientes a la empresa Forestal Mininco S.A. El predio Palinco se ubica en la comuna de Yumbel (Latitud: -37° 03’ 33” Longitud: -72° 41’ 58”), posee un clima cálido y templado, una temperatura y precipitación media anual de 13,4 °C y 1122 mm, respectivamente (Kottek, Grieser, Beck, Rudolf y Rubel, 2006). El predio San Antonio se ubica en la Comuna de Hualqui (Latitud: -37° 29’ 43” Longitud: -72° 43 31´”), posee un clima templado cálido, con una temperatura y precipitación media anual de 13 °C y 1428 mm, respectivamente. La ubicación de los predios, en la Región del Biobío y en Chile, se ilustran en la figura 1.
Los suelos de ambos predios pertenecen a la Asociación Copiulemu, caracterizada por suelos profundos y formados in situ a partir de rocas graníticas de la Cordillera de la Costa. Son suelos de textura francoarcillosa, que permiten un buen desarrollo radicular y con poros abundantes en todo el perfil, por lo que tienen buena capacidad de retención y almacenamiento de agua.
Análisis de precisión altimétrica
Mediante una estación total calibrada marca Trimble, modelo M3, con precisión angular de 5 s y precisión distancia de 3 mm + 1 ppm, desde base geodésica (ETBG), se generaron tres transectos altitudinales de 793 m, 838 m y 898 m de longitud, tomando 81, 89 y 85 puntos por transecto, respectivamente, obteniendo así tres perfiles altitudinales. Estos puntos de referencia con coordenadas x, y, z fueron comparados con aquellos generados por: i) un modelo de elevación del terreno generado a partir de los datos LiDAR, ii) una base SRTM de 30 m × 30 m, y iii) un proceso fotogramétrico tradicional (PFG). Los datos fueron derivados a partir de un vuelo LiDAR de la empresa DIGIMAPAS del año 2007-2008
Análisis de precisión planimétrica
El análisis se desarrolló a partir de la generación de cuatro polígonos con límites definidos por caminos forestales. Para generar la información planimétrica de referencia, los polígonos fueron medidos en terreno con GPS submétrico marca Trimble, modelo Pro XRS. Luego, a cada polígono se le generaron dos planimetrías de contraste, una basada en datos LIDAR, y otra en métodos fotogramétricos (rectificación de fotografías aéreas con una resolución de pixel de 1 m), estableciéndose así la superficie total del área estudiada. La figura 2 sintetiza los procesos para el análisis altimétrico y el análisis planimétrico.
Comparación de LiDAR con los métodos tradicionales
Para evaluar el mejor método se utilizó la raíz del error medio cuadrático (RMSE) [1] y como medida de sesgo se utilizó la diferencia agregada (DIFA) [2].
donde:
RMSE=raíz del error medio cuadrática
n= número de observaciones
donde:
DIFA es la diferencia agregada
Además, se corrieron pruebas Fisher (F) y de Student (t) para determinar diferencias de varianza y medias, respectivamente, entre los datos generados por la estación y aquellos derivados de los métodos alternativos.
Análisis Beneficio/Costo de la incorporación de la tecnología LiDAR
La evaluación económica se basó en un flujo descontado de 10 años (2010-2020) donde se evaluó el beneficio neto de incorporar la tecnología LiDAR para fines de planificar faenas de caminos, cosecha y establecimiento de plantaciones. Se compararon ingresos y costos de la condición sin proyecto, donde se opera con un sistema fotogramétrico tradicional, con la alternativa de incorporar LiDAR. Los costos pertinentes por incorporar LiDAR se basaron en una base de datos gráfica de 700 000 ha de predios de la empresa a una escala 1:10 000, que en términos de superficie total cubierta (superficie intrapredial y extrapredial) equivale a 2000 000 ha.
Los costos y beneficios correspondientes a las condiciones con proyecto y sin él, se presentan en la tabla 1.El valor actual neto (VAN) fue descontado a una tasa de interés de 10%. La pertinencia de los costos y beneficios a considerar se basó en el enfoque de Del Sol (1999). El costo de la adopción de la tecnología es de USD 1,17 millones.
Tabla 1 Resumen de costos y beneficios asociados a las condiciones con y sin proyecto.
| Condición con proyecto | Condición sin proyecto | ||
| Descripción costos | Descripción beneficios | Descripción costos | Descripción beneficios |
| Adquisición de datos LiDAR (DTM). | Reducción en costos de caminos. | Costo de restitución aerofotogramétrica. | No se detectaron beneficios que se pierdan. |
| Compra de ortofotos para actualizar la nueva base de datos. | Reducción en costos de cosecha. | Actualización vuelo fotogramétrico para evaluación de compra de predios. | |
| Actualización de base de datos gráfica. | Reducción en costos de establecimiento. | Actualización de información de caminos. | |
| Compra de datos LiDAR para proyectos específicos. | |||
Resultados
Precisión Altimétrica
La tabla 2 presenta los intervalos de error absoluto de precisión altimétrica de los sistemas LiDAR, base SRTM de 30 m × 30 m y método PFG, respecto a la medida de referencia (ETBG). La mayor precisión, con 100% de los puntos bajo un error de 5 m, fue de LiDAR; además, en el caso de LiDAR, 92% de los puntos en los tres transectos presentó un error menor a un metro.
Tabla 2 Error en precisión altimétrica de los métodos LiDAR, SRTM (30 m × 30 m) y PFG.
| Intervalo error | T1 | T2 | T3 | Total | |
| (m) | (81 puntos) | (89 puntos) | (85 puntos) | (255 puntos) | |
| LIDAR | 0-5 | 100 | 100 | 100 | 100 |
| 0-5 | 43 | 48 | 76 | 56 | |
| Base SRTM | 5-10 | 38 | 36 | 24 | 33 |
| 10-15 | 14 | 15 | 0 | 9 | |
| 15-20 | 5 | 1 | 0 | 2 | |
| 0-5 | 62 | 53 | 44 | 53 | |
| Método PFG | 5-10 | 33 | 44 | 52 | 43 |
| 10-15 | 5 | 3 | 4 | 4 | |
| 15-20 | 0 | 0 | 0 | 0 |
Para los sistemas alternativos, base SRTM y método PFG, se observó menor precisión; así 56% y 53% del error altimétrico se mantuvo en el intervalo de 0 m a 5 m, respectivamente. Además, el sistema SRTM presentó 2% de los puntos en el nivel de mayor error (15 m - 20 m), en cambio el método PFG no presentó errores en dicho intervalo; sino que los concentró en altitudes menores a 10 m (96%).
La prueba t de medias no generó diferencias significativas entre la información de la estación total y LiDAR, y entre la estación total y el método PFG (P > 0,05). Por el contrario, la prueba t si fue significativa cuando se compararon los datos de la estación total con el sistema SRTM (P < 0,05). En relación con la prueba F para varianzas, no hubo diferencias significativas entre la varianza de los datos generados por la estación total y LiDAR (P > 0,05). Por el contrario, las varianzas entre los datos de la estación total, el método PFG y el sistema SRTM fueron significativas (P < 0,05).
Los estadísticos RMSE y DIFA, que evalúan las diferencias entre el sistema de referencia (estación total) y los métodos LiDAR, base SRTM y método PFG, se presentan en la tabla 3. El menor RMSE y la menor DIFA se generó con la aplicación del método LIDAR, los mayores valores están dados por el sistema SRTM.
Precisión planimétrica
La prueba t de medias no generó diferencias significativas (P > 0,05) entre la información planimétrica de referencia (GPS) y los datos generados por LiDAR. Lo mismo ocurrió al comparar los datos de GPS con el método fotogramétrico. La misma tendencia se observó con la prueba F de varianzas; vale decir que no hubo diferencias significativas entre la varianza de los datos generados por el GPS y LiDAR, y GPS y método fotogramétrico (P > 0,05).
Además, los valores del RMSE y la DIFA fueron muy similares entre los métodos LiDAR y método fotogramétrico, lo cual apoya las tendencias obtenidas en los tests de Student (t) y de Fisher (F) (Tabla 4).
Tabla 4 Raíz del error medio cuadrático (RMSE) y la diferencia agregada (DIFA) para el análisis planimétrico.
| Estadísticos | LiDAR | Método fotogramétrico |
| RMSE | 47,496 | 49,237 |
| DIFA | 2255,881 | 2424,300 |
Así, en el caso del análisis planimétrico, no hubo diferencias significativas entre LiDAR y el método alternativo, basado en rectificación de fotografías aéreas.
Análisis Beneficio/Costo
La evaluación económica entregó resultados rentables, con un VAN10% de USD 2 095 000 y un valor anual equivalente de USD 309 960 año-1, para un flujo de 10 años. Los costos se concentran en los cuatro primeros años del proyecto, a partir de ese momento se generan beneficios que fluctúan entre USD 650 000 y USD 690 000 por año. Por ello, se concluye que la decisión de moverse de un sistema basado en técnicas fotogramétricas y topográficas a un sistema LiDAR es económicamente ventajoso.
Discusión
LiDAR es una tecnología que proporciona muchas ventajas operativas y económicas en la captura de datos de terreno, y que se destaca por otras disciplinas como la topografía o la fotogrametría (Ojeda, Vallejo, Hernández y Álvarez, 2007; Tomé et al., 2013; Valencia et al., 2014). No obstante, como lo indica Dassot et al., (2011), LiDAR ya alcanzó madurez en su desarrollo a nivel de hardware, aunque continúa siendo muy costoso, y además ahora se requieren mejores herramientas de software para aprovechar todo su potencial en captura de datos. Aunque varios estudios mencionan las ventajas de usar sistemas láser aerotrans-portados en manejo silvícola, también señalan limitantes, como el costo de los datos, y la necesidad de herramientas estandarizadas para procesar los datos, ya que la magnitud de datos en bruto no es útil en sí misma, y aún existe un reducido número de algoritmos, comercialmente disponibles, para su procesamiento (Wulder, 2003). En el mismo sentido, Beland et al., (2019) indican que la superioridad de LiDAR para uso forestal está en la velocidad, la cobertura y la capacidad para describir atributos 3D en comparación con métodos alternativos.
Conclusiones
La aplicación que se documenta en este estudio indicó que el método LiDAR presentó ventajas significativas, en precisión altimétrica, respecto a los métodos de comparación (Base SRTM y método PFG). Este aumento en precisión fue luego valorado en términos de sus efectos en la reducción de costos en faenas de caminos, cosecha y establecimiento de plantaciones. Este estudio de costos y beneficios, a partir del enfoque de Del Sol (1999) permitió evaluar la factibilidad económica de implementar el sistema LiDAR en una empresa forestal. Sin embargo, queda por evaluar el aumento potencial en valor que LiDAR podría proveer a la empresa, considerando las mejoras en software de procesamiento planteadas por Dassot et al. (2011).
