El LiDAR como herramienta para la aplicación de silvicultura hidrológica. adaptativa. Àngela. Manrique Alba

Transcripción

1 El LiDAR como herramienta para la aplicación de silvicultura hidrológica adaptativa Àngela Manrique Alba Antonio Dámaso D Del Campo, Miquel Fabra Crespo, Antonio Molina Herrera Grupo Re-Forest Forest,, Departamento de Ingeniería Hidráulica y Medio Ambiente. Universitat Politècnica de València 13 junio, Vitoria-Gasteiz

2 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones 1.Introducción En el ecosistema Mediterráneo existe una estrecha relación entre bosque-agua, debido a la escasez natural de agua. La falta de gestión conduce a masas forestales con elevada densidad, agrava las pérdidas p de lluvia por interceptación (GALLART y LLORENS, 2003). SELVICULTURA ADAPTATIVA (HIDROLÓGICA): Adaptación de los bosques a la escasez de agua que se espera con el cambio climático. La trascolación es un buen indicador del ciclo hidrológico, representa la mayor parte de la precipitación neta que alcanza el suelo. La interceptación n depende en gran medida de la estructura del dosel, modificarla es preciso caracterizarla con detalle. El uso de la tecnología LiDAR para obtener información n de estructura forestal es cada vez más frecuente en hidrología forestal (ROTH et al, 2007;MITCHELL et al, 2011).

3 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones 2.Objetivos 1 2 Estudiar la viabilidad de los datos LiDAR del PNOA como una herramienta útil para caracterizar la estructura de las masas forestales. PARCELAS: Establecer una relación entre la estructura del bosque (mediante LiDAR) ) y la trascolación,, que pueda extenderse a una sub-cuenca. 3 Identificar zonas con excesivas pérdidas p por intercepción. n. 4 Implementar de forma práctica una selvicultura orientada hidrológicamente gicamente.

4 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones LocalizaciónDiseño experimental y antecedentes Vuelo LiDAR y tratamiento de datos Variables de estructura forestal derivadas de LiDAR Modelización de trascolación con datos LiDAR Análisis de datos 3.Materiales y Métodos Subcuenca de 400 hectáreas con grandes extensiones de Pinus halepensis,, en el Monte de La Hunde y Palomeras, en el Sur de la provincia de Valencia. Clima mediterráneo, precipitación media anual de 466 mm y una temperatura media anual de 13,7ºC ( ). Figura 1.Subcuenca. de la Rambla de la Espadilla, parcelas (en rojo).

5 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones Localización Diseño experimental y antecedentes Vuelo LiDAR y tratamiento de datos Variables de estructura forestal derivadas de LiDAR Modelización de trascolación con datos LiDAR Análisis de datos 3.Materiales y Métodos Diseño experimental y antecedentes Escala parcela se basa en MOLINA y DEL CAMPO (2012), se monitorizó la trascolación y se relacionó con las variables forestales medidas de forma convencional en 11 parcelas. La estructura de las mismas parcelas se deriva de datos LIDAR,, se compara con la previamente medida y se relaciona con los datos de trascolación. Esta relación se extiende al conjunto de la sub-cuenca. Tratamiento LAI (m2 m-2) FC (%) D (árbol ha-1) Trascolación (%) FC LIDAR (%) (>2m) FC LIDAR (%) (>3m) Control (C) 2.6 ± ± ± 73,5 55.9(7.0) 84,09±13,5 82,44±14,4 Bajo (B) 1.9 ± ± ,8 ± 77,6 61.3(9.7) 82,04±8,46 80,44±8,32 Moderado (M) 1.5 ± ± ± (6.0) 69,78±4,57 68,61±4,34 Alto (A) 0.5 ± ± ,6 ± 33,5 83.8(5.1) 25,75±3,69 24,81±3,70 Tabla 1. Las medias ± desviaciones estándar para las variables de estructura forestal y trascolación acumulada en los tratamientos. LAI = índice de área foliar, FC = Cobertura, D = densidad, trascolación expresada en porcentaje del total de precipitación (%). (modificada de MOLINA y DEL CAMPO, 2012).

6 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones Localización Diseño experimental y antecedentes Vuelo LiDAR y tratamiento de datos Variables de estructura forestal derivadas de LiDAR Modelización de trascolación con datos LiDAR Análisis de datos 3.Materiales y Métodos Diseño experimental y antecedentes Escala parcela se basa en MOLINA y DEL CAMPO (2012), se monitorizó la trascolación y se relacionó con las variables forestales medidas de forma convencional en 11 parcelas. La estructura de las mismas parcelas se deriva de datos LIDAR,, se compara con la previamente medida y se relaciona con los datos de trascolación. Esta relación se extiende al conjunto de la sub-cuenca. Tratamiento LAI (m2 m-2) FC (%) D (árbol ha-1) Trascolación (%) FC LIDAR (%) (>2m) FC LIDAR (%) (>3m) Control (C) 2.6 ± ± ± 73,5 55.9(7.0) 84,09±13,5 82,44±14,4 Bajo (B) 1.9 ± ± ,8 ± 77,6 61.3(9.7) 82,04±8,46 80,44±8,32 Moderado (M) 1.5 ± ± ± (6.0) 69,78±4,57 68,61±4,34 Alto (A) 0.5 ± ± ,6 ± 33,5 83.8(5.1) 25,75±3,69 24,81±3,70 Tabla 1. Las medias ± desviaciones estándar para las variables de estructura forestal y trascolación acumulada en los tratamientos. LAI = índice de área foliar, FC = Cobertura, D = densidad, trascolación expresada en porcentaje del total de precipitación (%). (modificada de MOLINA y DEL CAMPO, 2012).

7 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones Localización Diseño experimental y antecedentes Vuelo LiDAR y tratamiento de datos Variables de estructura forestal derivadas de LiDAR Modelización de trascolación con datos LiDAR Análisis de datos 3.Materiales y Métodos Diseño experimental y antecedentes Escala parcela se basa en MOLINA y DEL CAMPO (2012), se monitorizó la trascolación y se relacionó con las variables forestales medidas de forma convencional en 11 parcelas. La estructura de las mismas parcelas se deriva de datos LIDAR,, se compara con la previamente medida y se relaciona con los datos de trascolación. Esta relación se extiende al conjunto de la sub-cuenca. Tratamiento LAI (m2 m-2) FC (%) D (árbol ha-1) Trascolación (%) FC LIDAR (%) (>2m) FC LIDAR (%) (>3m) Control (C) 2.6 ± ± ± 73,5 55.9(7.0) 84,09±13,5 82,44±14,4 Bajo (B) 1.9 ± ± ,8 ± 77,6 61.3(9.7) 82,04±8,46 80,44±8,32 Moderado (M) 1.5 ± ± ± (6.0) 69,78±4,57 68,61±4,34 Alto (A) 0.5 ± ± ,6 ± 33,5 83.8(5.1) 25,75±3,69 24,81±3,70 Tabla 1. Las medias ± desviaciones estándar para las variables de estructura forestal y trascolación acumulada en los tratamientos. LAI = índice de área foliar, FC = Cobertura, D = densidad, trascolación expresada en porcentaje del total de precipitación (%). (modificada de MOLINA y DEL CAMPO, 2012).

8 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones Localización Diseño experimental y antecedentes Vuelo LiDAR y tratamiento de datos Variables de estructura forestal derivadas de LiDAR Modelización de trascolación con datos LiDAR Análisis de datos 3.Materiales y Métodos Vuelo LiDAR y tratamiento de datos Los datos LiDAR fueron obtenidos por el PNOA (Plan Nacional de Ortofotogrametría aérea) en Noviembre de Todos los retornos de LiDAR se clasificaron entre puntos de superficie del terreno y dosel con Dielmo Open LiDAR (GARCÍA, A, 2009). Herramienta integrada en el software gvsig. Modelo digital del terreno (MDT) Modelo digital de superficie (MDS). Modelo digital de cubierta vegetal (MDC) A partir de los datos LiDAR se derivan un total de tres variables de estructura forestal con Ferramentes LiDAR Balma Forestal que funciona sobre gvsig. Fracción de cabida cubierta (%) Densidad (árboles ( ha-1) Altura de cada árbol (m)

9 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones Localización Diseño experimental y antecedentes Vuelo LiDAR y tratamiento de datos Variables de estructura forestal derivadas de LiDAR Modelización de trascolación con datos LiDAR Análisis de datos 3.Materiales y Métodos Modelización de trascolación con datos LiDAR La TRASCOLACIÓN (como porcentaje de las precipitaciones brutas) se relaciona con la ESTRUCTURA FORESTAL caracterizada con LiDAR. Las relaciones se aplican a toda la cuadrícula cula 10x10m para obtner la trascolación en toda la sub-cuenca cuenca. La trascolación se ha dividido en clases,, la trascolación considerada normal de 70-88% (media ± coeficiente de variación) (LLORENS y DOMINGO,2007). Clases Rango de Trascolación (%) Intervención selvícola I 0-59% Necesaria II 60-69% Recomendada III 70-88% Si hay convergencia de otros objetivos IV >89% Sin intervención Tabla 2. Definición de clases de trascolación y la necesidad de intervención correspondiente de acuerdo con los criterios hidrológicos.

10 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones 4.Resultados Predicción de la estructura forestal con LiDAR Modelado de trascolación mediante LiDAR a escala parcela y subcuenca Predicción de la estructura forestal con LiDAR De acuerdo con los resultados, la cobertura forestal, no difiere significativamente entre LiDAR y los datos de inventario de campo. 100 z= 2 m FCC inventario (%) y = x R² = FCC LiDAR (%) Figura 2. Modelos de regresión lineal simple para la fracción de cabida derivada de los métodos de inventario LiDAR o convencional. Figura 3. Resultados de la fracción de cabida cubierta (%) a nivel de subcuenca derivada de datos LiDAR

11 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones 4.Resultados Predicción de la estructura forestal con LiDAR Modelado de trascolación mediante LiDAR a escala parcela y subcuenca Modelado de trascolación mediante LiDAR a escala parcela y subcuenca Después s de aplicar esta ecuación a toda la subcuenca se obtuvo un mapa de trascolación de 10X10 m. Valores entre 94,89-52,83%. Aplicación potencial de Selvicultura hidrológica recomendada en Rodales de Clase I 100 z= 2 m Throoughfall (%) y = x R² = Cover LiDAR (trees/ha) Figura 4. Izqda: Regresión lineal entre trascolación y estructura (cobertura del dosel, %) y, dcha: Modelización de trascolación para celdas de 10X10 metros.

12 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones 5.Discusión y Conclusiones Los resultados de la comparación entre inventario tradicional y LiDAR son satisfactorios, no existen diferencias importantes entre los dos métodos de medición. LiDAR gran ventaja para grandes extensiones, a pesar de cierto grado de error cubre superficies imposibles con el método tradicional. La cobertura medida con LiDAR,, se considera más precisa que los métodos tradicionales: es sistemática tica y se obtiene con una precisión de 0,5 puntos / m². El modelo de trascolación,, permite establecer relaciones entre la estructura y la hidrología a escala de cuenca. Con el modelo de trascolación para la cobertura forestal (25% de la superficie, 102 hectáreas) necesitaria una intervención selvicultural con objetivo hidrológico, aumentar la trascolación.. Para concluir, los modelos pueden ser utilizados como base para la aplicación de selvicultura hidrológica adaptativa,, muy necesario para mejorar la adaptación de las masas al cambio climático.

13 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones 5.Discusión y Conclusiones Los resultados de la comparación entre inventario tradicional y LiDAR son satisfactorios, no existen diferencias importantes entre los dos métodos de medición. LiDAR gran ventaja para grandes extensiones, a pesar de cierto grado de error cubre superficies imposibles con el método tradicional. La cobertura medida con LiDAR,, se considera más precisa que los métodos tradicionales: es sistemática tica y se obtiene con una precisión de 0,5 puntos / m². El modelo de trascolación,, permite establecer relaciones entre la estructura y la hidrología a escala de cuenca. Con el modelo de trascolación para la cobertura forestal (25% de la superficie, 102 hectáreas) necesitaria una intervención selvicultural con objetivo hidrológico, aumentar la trascolación.. Para concluir, los modelos pueden ser utilizados como base para la aplicación de selvicultura hidrológica adaptativa,, muy necesario para mejorar la adaptación de las masas al cambio climático.

14 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones 5.Discusión y Conclusiones Los resultados de la comparación entre inventario tradicional y LiDAR son satisfactorios, no existen diferencias importantes entre los dos métodos de medición. LiDAR gran ventaja para grandes extensiones, a pesar de cierto grado de error cubre superficies imposibles con el método tradicional. La cobertura medida con LiDAR,, se considera más precisa que los métodos tradicionales: es sistemática tica y se obtiene con una precisión de 0,5 puntos / m². El modelo de trascolación,, permite establecer relaciones entre la estructura y la hidrología a escala de cuenca. Con el modelo de trascolación para la cobertura forestal (25% de la superficie, 102 hectáreas) necesitaria una intervención selvicultural con objetivo hidrológico, aumentar la trascolación.. Para concluir, los modelos pueden ser utilizados como base para la aplicación de selvicultura hidrológica adaptativa,, muy necesario para mejorar la adaptación de las masas al cambio climático.

15 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones 5.Discusión y Conclusiones Los resultados de la comparación entre inventario tradicional y LiDAR son satisfactorios, no existen diferencias importantes entre los dos métodos de medición. LiDAR gran ventaja para grandes extensiones, a pesar de cierto grado de error cubre superficies imposibles con el método tradicional. La cobertura medida con LiDAR,, se considera más precisa que los métodos tradicionales: es sistemática tica y se obtiene con una precisión de 0,5 puntos / m². El modelo de trascolación,, permite establecer relaciones entre la estructura y la hidrología a escala de cuenca. Con el modelo de trascolación para la cobertura forestal (25% de la superficie, 102 hectáreas) necesitaria una intervención selvicultural con objetivo hidrológico, aumentar la trascolación.. Para concluir, los modelos pueden ser utilizados como base para la aplicación de selvicultura hidrológica adaptativa,, muy necesario para mejorar la adaptación de las masas al cambio climático.

16 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones 5.Discusión y Conclusiones Los resultados de la comparación entre inventario tradicional y LiDAR son satisfactorios, no existen diferencias importantes entre los dos métodos de medición. LiDAR gran ventaja para grandes extensiones, a pesar de cierto grado de error cubre superficies imposibles con el método tradicional. La cobertura medida con LiDAR,, se considera más precisa que los métodos tradicionales: es sistemática tica y se obtiene con una precisión de 0,5 puntos / m². El modelo de trascolación,, permite establecer relaciones entre la estructura y la hidrología a escala de cuenca. Con el modelo de trascolación para la cobertura forestal (25% de la superficie, 102 hectáreas) necesitaria una intervención selvicultural con objetivo hidrológico, aumentar la trascolación.. Para concluir, los modelos pueden ser utilizados como base para la aplicación de selvicultura hidrológica adaptativa,, muy necesario para mejorar la adaptación de las masas al cambio climático.

17 1. Introducción 2. Objetivos 3. Material y Métodos 4. Resultados 5. Discusión y Conclusiones 5.Discusión y Conclusiones Los resultados de la comparación entre inventario tradicional y LiDAR son satisfactorios, no existen diferencias importantes entre los dos métodos de medición. LiDAR gran ventaja para grandes extensiones, a pesar de cierto grado de error cubre superficies imposibles con el método tradicional. La cobertura medida con LiDAR,, se considera más precisa que los métodos tradicionales: es sistemática tica y se obtiene con una precisión de 0,5 puntos / m². El modelo de trascolación,, permite establecer relaciones entre la estructura y la hidrología a escala de cuenca. Con el modelo de trascolación para la cobertura forestal (25% de la superficie, 102 hectáreas) necesitaria una intervención selvicultural con objetivo hidrológico, aumentar la trascolación.. Para concluir, los modelos pueden ser utilizados como base para la aplicación de selvicultura hidrológica adaptativa,, muy necesario para mejorar la adaptación de las masas al cambio climático.

18 Agradecimientos A la Generalitat Valenciana y el personal de VAERSA por su apoyo al permitir el uso del monte experimental de La Hunde y su ayuda en la realización del trabajo de campo. Contacto ancamga@dihma.upv.es