Search

El objetivo de esta tesis es diseñar metodologías que identifiquen la distribución vertical de la vegetación independientemente de los ecosistemas que componen la zona de estudio. Esta tesis, al enmarcarse en un doctorado industrial, incorpora el objetivo de crear desarrollos metodológicos que impulsen la competitividad de la empresa en el mercado laboral. Con este objetivo último, la tesis ha implementado tres metodologías ágiles, precisas y aplicables a gran escala, cuya finalidad ha sido identificar la estructura tridimensional de la vegetación que condiciona las coberturas del suelo presentes y, por tanto, la gestión aplicable en cada caso. Esta tesis incorpora tres capítulos, independientes entre sí, cada uno con un reto metodológico. El Capítulo 3 buscó detectar árboles individuales de plantaciones jóvenes de Pinus pinaster y Pinus radiata en parcelas permanentes destinadas a investigación, delinear sus copas y evaluar su altura. El Capítulo 4 incluye una metodología capaz de identificar las coberturas de suelo presentes en una interfaz urbano-forestal, las cuales están relacionadas directamente con la distribución vertical de la vegetación. El Capítulo 5 incluye el desarrollo de una metodología para identificar un umbral capaz de adaptarse a la estructura real de cada parcela. Este umbral sería una alternativa generalizable a todo un monte y replicable sin necesidad de nuevas mediciones en campo. Paralelamente a estos trabajos se ha participado en dos registros de la propiedad intelectual, easyLaz® y easySat®, cuya finalidad es el procesado de información LiDAR y multiespectral respectivamente.

Máster Univ. en Formación del Profes. en E.S.O., Bachillerato, F.P. y E.Ii. Estamos ante un documento que engloba lo que trabajaremos en la materia de Lengua castellana y literatura en un curso completo. A través de actividades enfocadas en una metodología actualizada, cubriremos las necesidades del alumnado y paliaremos aquellas deficiencias que el sistema educativo aún presenta. Enfocaremos la especialidad desde la parte más práctica y creativa, desarrollando la interdisciplinariedad y centrándonos en los múltiples recursos de los que disponemos. Enlazaremos la asignatura con el arte, las TIC, las plataformas más actualizadas que rondan en la web, las experiencias del alumnado, etc. En cada una de las situaciones de aprendizaje buscamos el éxito y llegar a la meta: aprender juntos y sentir que estamos ante conocimientos útiles. Conocer e indagar entre la diversa metodología nos permite ser profesionales con criterio en el aula y alcanzar un rango notable en la clase. No solo entra en juego la metódica, también aquello que programemos será, gran parte, enfocado a controlar el comportamiento actitudinal de los jóvenes. Hacer un estudio del grupo, observar cómo es el ritmo de la clase y elaborar unas sesiones con pruebas de diagnóstico, siempre es conveniente, ya que analizar nos va a permitir gestionar al colectivo. No obstante, una vez que conozcamos el nivel, comenzaremos a impartir contenidos propios de la especialidad. Sin duda, hemos querido seguir la estela de la línea de trabajo de La Salle, dándole protagonismo a la metódica cooperativa. Sin embargo, no nos hemos olvidado del trabajo individual y del gran grupo en sí. Reconocemos la importancia desde los distintos enfoques dependiendo de lo que se quiera estudiar. Por ende, solo nos queda disfrutar con los discentes de un aprendizaje variado y experiencial

Premio extraordinario de Trabajo Fin de Máster curso 2015-2016. Geomática, Teledetección y Modelos Espaciales Aplicados a la Gestión Forestal Las nuevas normativas de la PAC incluyen un coeficiente de obligado cumplimiento, denominado Coeficiente de Admisibilidad de Pastos, que valora los pastos en función del carácter productivo o improductivo de la superficie pastable, con el objetivo de evitar que las zonas que realmente son objeto de pastoreo queden sin subvencionar. Las superficies consideradas como improductivas son principalmente pastos leñosos y arbustivos. Su puesta en valor para aprovechamientos pascícolas implica conocer su estructura y, por tanto, su accesibilidad al ganado. Con el fin de poder hacer esta valoración, es necesario desarrollar una metodología capaz de clasificar la estructura de las formaciones vegetales. En este Trabajo Fin de Máster se han combinado datos LiDAR, información espectral procedente del satélite SENTINEL-2, con trabajos de campo usando el algoritmo Random Forest, técnica englobada en los modelos no-paramétricos de aprendizaje automático, Machine Learning. Mediante este algoritmo se ha clasificado la vegetación con el objetivo de detectar diferentes tipos de vegetación y, en especial, la presencia de matorral bajo arbolado, para así evaluar su admisibilidad a pastos. Los modelos obtenidos arrojan precisiones de 66,12 % sobre la población y un índice de kappa de 0,2902. Los RMSE han sido de 278,68 en arbolado con sotobosque arbustivo; 413,99 para arbolado con sotobosque herbáceo; 84,12 en canchal; 25,01 en matorral y 591,71 para pastizal.

In this study, the stand volume (V, m3 ha‑1) of Pinus radiata plantations of the province of Lugo (NW of Spain) was estimated using LiDAR-derived metrics from the low-density countrywide LiDAR dataset provided by the Spanish National Aerial Photography Program. The estimate was based on a oriented field inventory design to improve the fit of the model and on a inferential method based on the variability of the model parameter estimation and the variability of the LiDAR variable in the target population, which allowed to estimate the population mean and the standard error of V. A total of 25 permanent field inventory plots −that represent adequately the existing range of ages, stand densities and sites of the species in the province− were measured in order to fit the empirical relationship between field‑measured V and LiDAR‑derived metrics, using linear and (multiplicative) power function models. Regression analysis indicated a strong relationship between V and the 70 percentile of the LiDAR normalized height distribution (h70) using a power function model (R2 = 0.899; RMSE = 63.4 m3 ha‑1). The selected model was applied to all timber and high-pole development stands of P. radiata with coverage of this species superior to the 60 % according to the Spanish National Forest Map. Finally, a spatial-explicit map that describes V was produced. In 2009, the estimated mean population for V was 166.3 m3 ha‑1 with a relative sampling error of 13.9 %. This methodology will allow generating thematic maps every six years (temporal resolution scheduled for the PNOA LiDAR flights)., Se estimó el volumen de madera de rodal (V, m3 ha‑1) de Pinus radiata en la provincia de Lugo (NO España) a partir de métricas de datos LiDAR de baja resolución del PNOA (Plan Nacional de Ortofotografía de España). La estimación se basó en un diseño de muestreo orientado para mejorar el ajuste del modelo y en un método inferencial basado en la variabilidad de la estimación de los parámetros del modelo y en la variabilidad de la variable LiDAR en la población objetivo, lo que permitió estimar la media poblacional y el error en la estimación de V. Se usaron 25 parcelas permanentes, que cubren el rango existente de calidad, edad y densidad en los rodales de la especie en la provincia y se ajustaron modelos lineales y potenciales. El mejor resultado se obtuvo con un modelo potencial entre V y el percentil 70 de la altura normalizada (h70) (R2 = 0,899; REMC = 63,4 m3 ha‑1). Dicho modelo se aplicó a todas las teselas de P. radiata de la provincia de Lugo con estados de desarrollo de latizal y fustal y con ocupación de la especie superior al 60 % según el Mapa Forestal de España. Luego, se elaboró un mapa espacialmente explícito que describe V a escala provincial. En 2009 la media poblacional estimada para V fue de 166,3 m3 ha‑1, con un error relativo de muestreo del 13,9 %. Esta metodología permitirá generar mapas temáticos cada seis años (periodicidad programada para los vuelos LiDAR del PNOA).

30 Pág. Centro de Investigación Forestal (CIFOR), Understorey evaluation is essential in wildlife habitat management, biomass storage and wildfire suppression, among other areas. The lack of a standardised methodology in the field measurements, and in their subsequent analysis, forces researchers to look for procedures that effectively extract understorey data to make management decisions corresponding to actual stand conditions. In this sense, when analysing the understorey characteristics from LiDAR data, it is very usual to ask: “what value should we set the understorey height range to?” It is also usual to answer by setting a numeric value on the basis of previous research. Against that background, this research aims to identify the optimal height to canopy base (HCB) filter–LiDAR metric relationship for estimating understorey height (UH) and understorey cover (UC) using LiDAR data in the Pokupsko Basin lowland forest complex (Croatia). First, several HCB values per plot were obtained from field data (measured HCBi—HCBM-i, where i ɛ (minimum, maximum, mean, percentiles)), and then they were modelled based on LiDAR metrics (estimated HCBi—HCBE-i). These thresholds, measured and estimated HCBi per plot, were used as point cloud filters to estimate understorey parameters directly on the point cloud located under the canopy layer. In this way, it was possible to predict the UH with errors (RMSE) between 0.90 and 2.50 m and the UC with errors (RMSE) between 8.8 and 18.6 in cover percentage. Finally, the sensitivity analysis showed the HCB filter (the upper threshold to select the understorey LiDAR points) is the most important factor affecting the UH estimates, while this factor and the LiDAR metric are the most important factors affecting the UC estimates., This research was funded by the Department of Economy, Industry and Competitiveness, Spanish Government (DI-16-08446, Saray Martín-García), by the European Commission through the project ‘My Sustainable Forest’ (H2020-EO-2017; 776045) and by the Croatian Science Foundation under the project IP-2016-06-7686 “Retrieval of Information from Different Optical 3D Remote Sensing Sources for use in Forest Inventory (3D-FORINVENT)”. The work of doctoral student Luka Jurjevi´c has been fully supported by the “Young researchers” career development project—training of doctoral students” of the Croatian Science Foundation funded by the European Union from the European Social Fund.

Centro de Investigación Forestal (CIFOR), Progress in high-throughput phenotyping and genomics provides the potential to understand the genetic basis of plant functional differentiation. We developed a semi-automatic methodology based on unmanned aerial vehicle (UAV) imagery for deriving tree-level phenotypes followed by genome-wide association study (GWAS). An RGB-based point cloud was used for tree crown identification in a common garden of Pinus halepensis in Spain. Crowns were combined with multispectral and thermal orthomosaics to retrieve growth traits, vegetation indices and canopy temperature. Thereafter, GWAS was performed to analyse the association between phenotypes and genomic variation at 235 single nucleotide polymorphisms (SNPs). Growth traits were associated with 12 SNPs involved in cellulose and carbohydrate metabolism. Indices related to transpiration and leaf water content were associated with six SNPs involved in stomata dynamics. Indices related to leaf pigments and leaf area were associated with 11 SNPs involved in signalling and peroxisome metabolism. About 16-20% of trait variance was explained by combinations of several SNPs, indicating polygenic control of morpho-physiological traits. Despite a limited availability of markers and individuals, this study is provides a successful proof-of-concept for the combination of high-throughput UAV-based phenotyping with cost-effective genotyping to disentangle the genetic architecture of phenotypic variation in a widespread conifer., This work was supported by the Spanish Government, grant number RTI2018-094691-B-C31 (MCIU/AEI/FEDER, EU). We thank Ricardo Alía (CIFOR-INIA) for providing the genotypic data. We thank three anonymous reviewers whose insightful comments and suggestions helped to improve the manuscript. The authors declare no conflicts of interest.AGL2015-68274-C3-3-R, 14 Pág.