Examinando por Materia "LiDAR"

Mostrando 1 - 2 de 2

Estimation of height and aerial biomass in Eucalyptus globulus plantations using UAV-LiDAR
(Elsevier B.V., 2024-12-22) Enriquez Pinedo, Lucía; Ortega Quispe, Kevin; Ccopi Trucios, Dennis; Urquizo Barrera, Julio; Rios Chavarría, Claudia; Pizarro Carcausto, Samuel; Matos Calderon, Diana; Patricio Rosales, Solanch; Rodríguez Cerrón, Mauro; Ore Aquino, Zoila; Paz Monge, Michel; Castañeda Tinco, Italo
The lack of precise methods for estimating forest biomass results in both economic losses and incorrect decisions in the management of forest plantations. In response to this issue, this study evaluated the effectiveness of using the DJI Zenmuse L1 LiDAR, mounted on a DJI Matrice 300 RTK UAV, to provide three-dimensional measurements of canopy structure and estimate the aboveground biomass of Eucalyptus globulus. Various LiDAR metrics were employed alongside field measurements to calibrate predictive models using multiple regression and machine learning algorithms. The results at the individual tree level show that RF is the most accurate model, with a coefficient of determination (R²) of 0.76 in the training set and 0.66 in the test set, outperforming Elastic Net (R² of 0.58 and 0.57, respectively). At the plot level, a multiple regression model achieved an R² of 0.647, highlighting LiDAR-derived metrics as key predictors. The findings revealed that the combination of LiDAR with advanced statistical techniques, such as multiple regression and Random Forest, significantly improves the accuracy of biomass estimation, surpassing traditional methods based on allometric equations. Therefore, the use of LiDAR in conjunction with machine learning represents an effective alternative for biomasss estimation, with great potential in such plantations and contribute to more sustainable exploitation of timber resources.
Integración de VANT-LiDAR con imágenes multiespectrales para la estimación del carbono almacenado en plantaciones forestales de Prosopis sp.
(Universidad Nacional de Trujillo. Facultad de Ciencia Agropecuarias, 2025-05-05) Chumbimune Vivanco, Sheyla Yanet; León Dextre, Hairo Alexander; Llanos Carrillo, Cristina Sofía; Millan Ramírez, José Edwin; Vilca Gamarra, Cesar Francisco; Vera Diaz, Elvis; Agurto Piñarreta, Alex Iván; Baselly Villanueva, Juan Rodrigo; Cruz Grimaldo, Camila Leandra
Los individuos del género Prosopis sp. conocidos como algarrobos; son especies claves en el desarrollo del bosque seco y recuperación de áreas degradadas en la Costa norte del Perú. La evaluación de plantaciones, cálculo de la biomasa aérea forestal (BAF) y carbono almacenado representa un papel importante en el manejo forestal y mitigación del cambio climático. Este estudio evalúa metodologías de monitoreo a través del uso de imágenes multiespectrales y LiDAR acopladas a un VANT, con la finalidad de realizar su validación y generar modelos que permitan estimar el carbono almacenado. Se evaluaron siete especies de Prosopis sp. con la metodología convencional y se encontraron diferencias significativas entre las especies para las características dasométricas e índices de vegetación, así como en la comparación con los datos obtenidos con el LiDAR. Se seleccionaron modelos para determinar BAF y la asociación entre el carbono aéreo obtenido con los modelos constituidos por datos de LiDAR e índices de vegetación que presentaron correlaciones significativas (p < 0,05), se construyeron siete modelos para predicción de carbono y destaca el modelo que tiene como variables regresoras la altura total y área de copa obtenidas del LiDAR, así como los índices CIgreen, GNDVI, RECI, LCI y NDVI (R² = 0,77). Lo cual confirma que el uso de la metodología LiDAR con los índices de vegetación permite una estimación más práctica del carbono almacenado en la plantación.