Search

Conocer el riesgo de que se produzca un incendio en un área determinada es clave para llevar a cabo labores de prevención y de gestión de operativos de extinción. La dificultad de conocer este riesgo reside en las características particulares de cada lugar de la geografía, ya que un mismo índice de riesgo puede no tener la misma bondad en diferentes regiones. Debido a esto, se ha desarrollado un índice para Galicia capaz de adaptarse fácilmente a otros puntos de la geografía española. Se basa en un índice ya existente desarrollado por el ICONA al que se añade una modificación que tiene en cuenta la recurrencia de incendios. Se calculan los pesos para ambos subíndices, ICONA y recurrencia, que conforman el nuevo índice a partir de máquinas de soporte vectorial. Se comprueba que en Galicia el valor de riesgo aportado por el nuevo índice es mayor que el ofrecido por el ICONA.

Terrestrial Laser Scanning (TLS) devices show great potential for application in Forest Inventories (FIs) as they are capable of registering high resolution point clouds rapidly and automatically. Nevertheless, operational use of TLS for FI purposes has been hampered by the absence of algorithms for processing the acquired data, particularly in the single-scan mode, as occlusions result in loss of information. The R package FORTLS has been developed to overcome this obstacle, as it automates the processing of single-scan TLS point cloud data for forestry purposes and includes several features that deal with occlusions. FORTLS makes use of the main advantage of the single-scan scenario in FI, thus improving the efficiency of data acquisition and post-processing. All of these features of the FORTLS package are potentially valuable for the operational use of TLS in FIs, in combination with inference techniques derived from model-based and model-assisted approaches

Knowing the risk of a forest fire occurring in a given area is key to carrying out prevention and management of fire extinguishing operations. The difficulty of knowing this risk lies in the particular characteristics of each geographical place, since the same risk index may not have the same validity in different regions. Due to this, a risk index for Galicia ca- pable of adapting to different parts of the geography of Spain has been developed. It is based on an existing risk index developed by ICONA to which a modification has been added which takes into account the recurrence of forest fires. The weights for both sub-indices, ICONA, and recurrence, that make up the new index are calculated from support vector ma- chines. In Galicia, the risk value provided by the new index is found to be higher than that provided by ICONA, Conocer el riesgo de que se produzca un incendio en un área determinada es clave para llevar a cabo labores de prevención y de gestión de operativos de extinción. La dificultad de conocer este riesgo reside en las características particulares de cada lugar de la geografía, ya que un mismo índice de riesgo puede no tener la misma bondad en diferentes regiones. Debido a esto, se ha desarrollado un índice capaz de adaptarse a diferentes puntos de la geografía española. Se basa en un índice ya existente desarrollado por el ICONA al que se añade una modificación que tiene en cuenta la recurrencia de incendios. En primer lugar, se realiza una revisión de los índices de riesgo existentes en la literatura. A continuación, se presenta el índice propuesto, el proceso de validación del mismo, y se muestran algunos resultados obtenidos.

Terrestrial Laser Scanning (TLS) enables rapid, automatic, and detailed 3D representation of surfaces with an easily handled scanner device. TLS, therefore, shows great potential for use in Forest Inventories (FIs). However, the lack of well-established algorithms for TLS data processing hampers operational use of the scanner for FI purposes. Here, we present FORTLS, which is an R package specifically developed to automate TLS point cloud data processing for forestry purposes. The FORTLS package enables (i) detection of trees and estimation of their diameter at breast height (dbh), (ii) estimation of some stand variables (e.g., density, basal area, mean, and dominant height), (iii) computation of metrics related to important tree attributes estimated in FIs at stand level, and (iv) optimization of plot design for combining TLS data and field measured data. FORTLS can be used with single-scan TLS data, thus, improving data acquisition and shortening the processing time as well as increasing sample size in a cost-efficient manner. The package also includes several features for correcting occlusion problems in order to produce improved estimates of stand variables. These features of the FORTLS package will enable the operational use of TLS in FIs, in combination with inference techniques derived from model-based and model-assisted approaches

Terrestrial Laser Scanning (TLS) with LiDAR devices has emerged as a new technique of high potential value for implementation in forest inventories (FI). In this study we developed an algorithm to produce stand basal area metrics (G). The research was performed in 40 plots established in mature Pinus sylvestris stands covering the area of distribution and range of site qualities for this species in Spain. The proposed algorithm was obtained in four main steps: (1) normalization of point clouds obtained by TLS; (2) identification of individual trees; (3) reduction of the point cloud density; and (4) determination of Gmetrics. The G estimated in plots of 7 m of radius yielded the best results, with a Pearson correlation coefficient value of 0.86. This enabled us to produce a linear regression model with values of 0.75 for R2adj and 10.66 m2 for RMSE across all plots. Examination of the linear regression model by site yielded higher values of R2adj and RMSE, of respectively 0.82 and 8.57 m2. Although the results indicate that TLS is a good tool forestimating G in mature P. sylvestris stands, further research covering all stages of development is required for comparison of G values estimated in stands with different structures., El láser escáner terrestre (TLS) ha surgido como un nuevo dispositivo de tecnología LiDAR con un gran potencial para ser implementado en inventarios forestales (IIFF). En este trabajo se ha desarrollado un algoritmo con el que se obtienen métricas capaces de estimar el área basimétrica a nivel de parcela (G) en base a una única medición del TLS. El estudio se ha realizado en masas maduras de Pinus sylvestris, inventariadas mediante una red de 40 parcelas que cubren casi por completo el área de distribución y rango de calidades de la especie en España. Este algoritmo se compone de cuatro pasos fundamentales: (1) normalización de la nube de puntos obtenida con el TLS, (2) identificación de los árboles, (3) reducción de la densidad de la nube de puntos, y (4) obtención de las métricas relacionadas con el G. Los mejores resultados se han obtenido con el G estimada en parcelas de 7 m de radio, alcanzando un coeficiente de correlación de Pearson de 0.86 significativo al 95 %. Esto ha permitido obtener modelos de regresión lineal simple con valores de R2adjy RECM de 0.75 y 10.66 m2 para toda la colección de parcelas, y 0.82 y 8.57 m2 para las parcelas agregadas por sitio. Aunque estos resultados sugieren que el TLS podría ser útil para la estimación del G en pinares de P. sylvestris, sería necesario contrastarlo en masas que cubran todos los estados de desarrollo para validar su uso en un mayor rango de estados estructurales.

El láser escáner terrestre (TLS) ha surgido como un nuevo dispositivo de tecnología LiDAR con un gran potencial para ser implementado en inventarios forestales (IIFF). En este trabajo se ha desarrollado un algoritmo con el que se obtienen métricas capaces de estimar el área basimétrica a nivel de parcela (G) en base a una única medición del TLS. El estudio se ha realizado en masas maduras de Pinus sylvestris, inventariadas mediante una red de 40 parcelas que cubren casi por completo el área de distribución y rango de calidades de la especie en España. Este algoritmo se compone de cuatro pasos fundamentales: (1) normalización de la nube de puntos obtenida con el TLS, (2) identificación de los árboles, (3) reducción de la densidad de la nube de puntos, y (4) obtención de las métricas relacionadas con el G. Los mejores resultados se han obtenido con el G estimada en parcelas de 7 m de radio, alcanzando un coeficiente de correlación de Pearson de 0.86 significativo al 95 %. Esto ha permitido obtener modelos de regresión lineal simple con valores de R2adjy RECM de 0.75 y 10.66 m2 para toda la colección de parcelas, y 0.82 y 8.57 m2 para las parcelas agregadas por sitio. Aunque estos resultados sugieren que el TLS podría ser útil para la estimación del G en pinares de P. sylvestris, sería necesario contrastarlo en masas que cubran todos los estados de desarrollo para validar su uso en un mayor rango de estados estructurales, Terrestrial Laser Scanner (TLS) has emerged as a new LiDAR device with high potential to be implemented in forest inventories (FI). In this work has been developed an algorithm to obtain metrics related to stand basal area (G). The research has been performed in mature stands of Pinus sylvestris through 40 plots covering almost all the distribution area and range of site qualities for this species in Spain. This algorithm is based on four main steps: (1) normalisation of point clouds obtained with TLS, (2) identification of individuals trees, (3) reduction in density of the point cloud, and (4) obtaining metrics related to G. The G estimated in plots of 7 m of radio shown the best results with a Pearson correlation coefficient value of 0.86. This has enabled to achieve a linear regression model with values of 0.75 and 10.66 m2 for R2adj and RMSE respectively for all the plots. Assessing linear regression model by site, R2adj and RMSE reached higher values of 0.82 y 8.57 m2. Although these results suggest TLS as a good tool to estimate G in mature stands of P. sylvestris, further research covering all the develop stages is necessary to contrast estimated G in stands with different structures

España é un dos países europeos con maior superficie forestal, pois conta cun total de 27,7 millóns de hectáreas de superficie forestal, o que equivale a máis da metade do seu territorio. Á súa vez, tamén é un dos países máis afectados por incendios forestais, aparecendo nos primeiros postos en número de incendios e superficie afectada. En concreto, o noroeste de España, e especialmente Galicia, é unha das zonas máis afectadas nos últimos anos. Debido a esta problemática nacional e global xorden varios proxectos de investigación e de transferencia. A nivel de transferencia, a través do Centro para o Desenvolvemento Tecnolóxico Industrial (CDTI) téñense subvencionado diferentes proxectos, moitos deles a modo de consorcio formado por empresas, organismos públicos de investigación (OPIs) e outras institucións, ao abeiro de diversos programas. Por exemplo, a nivel internacional, o proxecto ”Sistema intelixente para detectar incendios forestais e dirixir a extinción de incendios baseado en visión artificial, mapas 3D e tecnoloxía GIS“ (EFIRE) do programa Eurostars (período de execución 2011 a 2014). A nivel nacional, o proxecto ”Tecnoloxías para o combate integral contra incendios forestais e para a conservación dos nosos bosques“ (PROMETEO), que contou co maior financiamento concedido ata a data, do Programa CENIT (período de execución 2010 a 2014). No caso de Galicia o proxecto ”Tecnoloxías avanzadas para a extinción de grandes incendios forestais“ (LUMES), do programa INNTERCONECTA (período de execución 2013 a 2014), e o proxecto ”Misións críticas de emerxencias con medios aéreos tripulados e non tripulados en voo cooperativo“ (ENJAMBRE) do programa CIEN (período de execución 2014 a 2018). O equipo de investigación do que forman parte os autores deste traballo participou no consorcio dos dous últimos a través do Instituto Tecnolóxico de Matemática Industrial (ITMATI). A continuación preséntase con máis detalle a participación en ENJAMBRE e a concreción en dous dos alg