En https://www.citac.org/ utilizamos cookies propias y de terceros para fines analíticos y para mostrarte publicidad personalizada en base a un perfil elaborado a partir de tus hábitos de navegación (por ejemplo, páginas visitadas).Para más información Política de cookies. Puedes aceptar todas las cookies pulsando el botón “Permitir cookies” o configurarlas o rechazar su uso clicando "Configurar cookies".
Las cookies estrictamente necesarias son aquellas de carácter técnico, que deben estar siempre activadas para que la web funcione correctamente, así como para que podamos guardar tus preferencias de ajustes de cookies.
Esta web utiliza Google Analitycs para recopilar información anónima que nos permita medir, por ejemplo, el número de visitantes del sitio, o las páginas más populares. Activando estas cookies, nos ayudarás a continuar mejorando nuestra web en base los intereses de nuestros usuarios.
Buscador :
Volver al Menú
Cursos ( 05/02/2025 - 27/03/2025 )
LIDAR FORESTAL: Métodos de masa El curso LIDAR FORESTAL: Métodos de masa aplicado al medio forestal permite al alumno realizar un inventario forestal completo mediante la tecnología LIDAR por el procedimiento de métodos de masa. El conocimiento de la tecnología LIDAR en el medio forestal se hace imprescindible en la actualidad para los profesionales del sector forestal, pues permite recabar un gran volumen de datos con menor esfuerzo que los sistemas tradicionales de inventarios medioambientales. Saber interpretar y conjugar los datos LIDAR con las distintas variables ambientales es fundamental para el gestor a la hora de tomar decisiones sobre la planificación de cualquier hábitat a estudiar.
LIDAR FORESTAL: Árbol individualEl curso LIDAR FORESTAL: Árbol Individual permite al alumno realizar un inventario forestal completo mediante la tecnología LIDAR por el procedimiento de Árbol Individual. Este tipo de inventarios nos permiten conocer, con una precisión muy alta, las características dendrométricas de árboles individuales o de grupos de éstos. Así, podemos determinar la cubicación comercial de cada árbol, su cantidad de biomasa o el CO fijado, siempre que encontremos una relación adecuada para ello. Los métodos de Árbol Individual proporcionan al gestor y propietario del monte una excelente herramienta para determinar los aprovechamientos y ajustar al máximo los recursos. Este curso es una continuación del curso LIDAR FORESTAL: Métodos de masa, se recomienda al alumno que tenga los siguientes conocimientos previamente a la realización del curso: Conocimiento de Sistemas de Información Geográfica, en especial el manejo de QGIS. Conocimiento de tratamientos de datos LiDAR con FUSION. Conocimientos de ajuste de modelos estadísticos. Deseable el manejo de R-Commander. Conocimientos previos necesarios: Para la realización del curso LIDAR FORESTAL: Árbol Individual. Este curso está diseñado principalmente para profesionales con conocimientos básicos en tecnología LIDAR aplicada al inventario forestal utilizando métodos de masa. Se recomienda tener una comprensión fundamental del software FUSION-LDV para el procesamiento de datos LiDAR, habilidades básicas en la creación de modelos lineales usando R-commander, y un nivel intermedio en el manejo del sistema de información geográfica QGIS para la aplicación práctica de los resultados. Aunque no es imprescindible, es beneficioso poseer un entendimiento de los métodos principales de inventario forestal y familiaridad con las variables más frecuentemente evaluadas en este ámbito. Softwares:
TEMARIO: MÉTODOS DE MASA
TEMA 01 | Introducción a la tecnología LiDAR La tecnología LiDAR LiDAR terrestre y LiDAR aerotransportado Funcionamiento del LiDAR aerotransportado Componentes básicos de un sistema LiDAR aerotransportado Comportamiento del pulso LiDAR Características de los datos LiDAR Parámetros principales de vuelo | Archivos LAS y archivos LAZ | Información del retorno Láser (LAS header) Pretratamiento de datos LIDAR Filtrado y clasificación de la nube de puntos | El comando GroundFilter de FUSION | Obtención de Modelos Digitales del Terreno (MDT) a partir de datos LiDAR: MDE, MDS y MDV | LiDAR vs fotogrametría FugroViewer Interfaz principal | Cinta específica | Panel de visualización de datos FUSION Menús principales | Herramientas principales | Visualización tridimensional de datos Ejercicios tutorizados: E01. Descarga y visualización de datos LiDAR del PNOA desde el IGN. | E02. Descompresión de datos LAZ a LAS | E03. Visualización de datos LiDAR con FUGRO Viewer | E04. Visualización de datos con FUSION Prácticas de evaluación tutorizadas: P01. Cuestionario 01 – Introducción a la tecnología LiDAR TEMA 02 | LiDAR y sector forestal Inventario forestal con Tecnología LiDAR. Inventario Forestal con Métodos de Masa Toma de datos en campo | Cálculo de estadísticos a partir de la nube de puntos del LiDAR. Ejercicios tutorizados: E01. GroundFilter | E02. GridSurfaceCreate | E03. DTM2ASCII | E04. CanopyModel | E05. ClipData | E06. CloudMetrics Prácticas de evaluación tutorizadas: P02 – Modelos digitales del terreno | P03 – Estadísticos de la nube de puntos LiDAR
TEMA 03 | Estimación de los modelos de transición de las parcelas de campo Introducción Muestreo aleatorio | Normalidad de las variables | Correlación lineal entre variables | Modelos por regresión lineal | Relaciones no lineales entre variables. El software R y su paquete R-Commander Introducción a R y Rcommander | Ajuste de modelos lineales simples en R-Commander | Ajuste y diagnosis de modelos de regresión múltiple con R-Commander. Ejercicios tutorizados: E01. Modelo de transición de la altura dominante | E02. Modelo de transición de volumen comercial con corteza Prácticas de evaluación tutorizadas: P04. Modelos de transición de Vcc y Nº de pies
LIDAR FORESTAL: Métodos de masa Modalidad: Online (vídeos y tutorías) Fechas: 5 de febrero - 26 de marzoLímite inscripción: 4 de febrero Carga lectiva Horas de vídeo: 12h Dedicación estimada: 85h Postformación: 180 días PARTE PRÁCTICA METODOS DE MASA Durante el curso el alumno realiza un ejemplo real de inventario forestal apoyado en datos LiDAR del PNOA aplicando el método de masa también conocido como ABA (Area Based Approach) por sus siglas en inglés: Primeros pasos para la creación de un inventario: Preparación de las carpetas de trabajo y descarga de datos LiDAR del PNOA en formato LAZ desde la página del Centro de descargas del CNIG. Descompresión de datos LAZ a LAS: Descomprimir los archivos con el software LasTaskTools del CNIG o con la herramienta libre LasZip del paquete LasTools. Visualización y evaluación inicial de datos: Evaluación manual de la nube de puntos mediante visualización de datos con FugroViewer y FUSION/LDV. Realizar perfiles longitudinales, visualizaciones 3D, mostrar datos por clasificación, recortes circulares… Primeros pasos con el procesador de datos LiDAR de FUSION: Aplicación del comando Groundfilter para filtrar la nube de puntos separando aquellos puntos pertenecientes al suelo de todos los demás y creación a partir del filtrado anterior de un MDE (Modelo Digital de Elevaciones) con la herramienta de interpolación GridSurfaceCreate. Transformación del MDE a formato visualizable en un SIG: Conversión mediante DTM2ASCII del archivo MDE.dtm a un archivo MDE.asc para poder integrar el resultado del Modelo Digital en QGIS. Recorte y normalización de datos LiDAR pertenecientes a la superficie de las parcelas de campo: Recorte de los datos LiDAR coincidentes con el área de las parcelas mediante el comando ClipData normalizando las alturas de los puntos por transformación de alturas ortométricas en alturas sobre el suelo utilizando para ello el MDE. Cálculo de estadísticos de los recortes de las parcelas con el comando CloudMetrics: Extracción de estadísticos de altura de vegetación y estadísticos de cobertura de los datos LiDAR pertenecientes a cada una de las parcelas de campo o submuestras normalizadas recortadas en el apartado anterior. Cálculo de estadísticos continuos para toda la superficie de trabajo con el algoritmo GridMetrics de FUSION: Computar, previa normalización con el MDE, los mismos estadísticos de altura de vegetación y de cobertura para cada una de las celdas de una malla (Grid) superpuesta sobre toda nuestra superficie de inventario. Integrar la malla de estadísticos continuos en QGIS: Incorporar la cuadrícula de estadísticos en el sistema de información geográfica QGIS. Modelización de variables dasométricas o de masa (VCC, Ab, Ho, Dg…): Ajustar modelos de regresión lineal con la librería R-Commander de R utilizando datos tomados en campo como variables dependientes y los estadísticos LiDAR calculados para la superficie de cada una de las parcelas como variables explicativas. Aplicar los modelos ajustados en la malla de estadísticos continuos integrada en QGIS: Calcular para cada celda del GRID las variables de masa a partir de los modelos obtenidos utilizando la calculadora de campos. Calcular variables de masa para nuestras superficies objetivo: Calcular promedios para las variables dasométricas a nivel de rodal, cantón o monte y discutir los resultados.
TEMARIO: ÁRBOL INDIVIDUAL
LIDAR FORESTAL: Árbol individual Modalidad: Online (vídeos y tutorías) Fechas: 27 de marzo - 15 de mayoLímite inscripción: 26 de marzoHoras de vídeo: 8h Dedicación estimada: 50h Postformación: 180 días PARTE PRÁCTICA ARBOL INDIVIDUAL Durante el curso el alumno realiza todos los pasos necesarios para obtener una cuantificación de valores dendrométricos de cada uno de los árboles de un monte o zona de trabajo: En los primeros pasos aprenderemos el manejo de diversos algoritmos implementados en FUSION y SAGA para la individualización y segmentación de árboles individuales a partir de un modelo digital de alturas de vegetación generado mediante una nube de puntos LiDAR, para ello veremos: Análisis y visualización de la nube de puntos LiDAR con Fugroviewer y FUSION. Flujo de trabajo inicial con FUSION. Análisis de la densidad de la nube de puntos LiDAR (comando Catalog). Creación de un modelo digital del terreno disponible para QGIS a partir de una nube de puntos clasificada (comando GridSurfaceCreate y DTM2ASCII). Extracción de Modelos Digitales de Superficies MDS y Modelos Digitales de Altura de Vegetación MDHV (comando CanopyModel). Flujo de trabajo para la individualización de copas utilizando diversas metodologías: Individualización con FUSION (CanopyMaxima) y visualización en LDV. Individualización con SAGA desde QGIS (algoritmos Watershed y Simple Region Growing) Visualización de resultados en QGIS En una segunda fase procederemos a recoger los datos necesarios para poder configurar modelos lineales predictivos de variables dendrométricas. Para ello necesitaremos datos de campo que actuaran como variables dependientes y estadísticos extraídos de la nube de punto LiDAR que actúen como variables explicativas: Breve explicación de la toma de datos en campo. Particularidades de un inventario LiDAR con método de árbol individual. Importación a QGIS de la base de datos de campo. Flujo de trabajo FUSION para la obtención de estadísticos LiDAR de los árboles muestra (Comandos PolyclipData, ClipData y Cloudmetrics). A partir de este momento estamos en disposición de construir modelos de regresión: Configuración de la base de datos estadística de tipo Lineal, Exponencial y Potencial. Importación de datos a R-commander y ajuste de modelos estadísticos de regresión lineal para las variables dendrométricas medidas en campo. Finalmente, con los modelos ajustados, podemos realizar predicciones sobre todos y cada uno de los árboles individualizados al principio del curso: Nueva configuración del comando CloudMetrics de FUSION para la extracción de estadísticos de todos árboles del monte o región de trabajo. Implementación de resultados en QGIS y unión con las copas delineadas. Estimación de variables dendrométricas desde la calculadora de campos de QGIS utilizando los modelos predictivos. Análisis de la calidad de resultados del inventario.
MÉTODOS DE MASA
ÁRBOL INDIVIDUAL
Profesionales del sector agrícola
IMASGAL
ONLINE SOLO
febrero 2025
5 feb 2025
27 mar 2025
Vote:
Resultados:
0 Votos
Palabra clave
Cursos
Cristóbal Bordiú, 19-21, 3ºD. 28003 Madrid Tel. 91 533 48 11 | colegio@citac.orgDesarrollado por PKF ATTEST