Estás en Inicio / Cursos ACEDIS / Ficha de curso /

Curso Práctico de Lidar Forestal. Métodos de Masa y Árbol Individual

Justificación / Objetivos

El LIDAR forestal se ha erigido como una herramienta invaluable en la gestión y estudio de los bosques, permitiendo un análisis detallado y preciso de la cobertura arbórea y las características del terreno. Dos enfoques esenciales en esta disciplina son los "Métodos de Masa" y la "Detección de Árboles Individuales".

Los "Métodos de Masa" en LIDAR forestal se centran en evaluar la estructura y densidad del bosque en su conjunto. Utilizando tecnología de escaneo láser, se capturan datos tridimensionales que, una vez procesados, brindan una imagen detallada de la vegetación, su altura y distribución. Esta información es vital para estimar volúmenes de biomasa, evaluar el estado de la vegetación y planificar la gestión forestal sostenible.

Por otro lado, la "Detección de Árboles Individuales" a través de LIDAR se enfoca en identificar y caracterizar árboles de manera singular. Esta técnica permite precisar información sobre la altura, diámetro y distribución espacial de cada árbol, incluso en áreas densamente pobladas. Esta data es esencial para evaluar el crecimiento de los árboles a lo largo del tiempo, monitorear la salud de especies específicas y realizar inventarios forestales minuciosos.

La combinación de estos dos enfoques en el LIDAR forestal proporciona una comprensión integral de los ecosistemas forestales. Al combinar la visión general de la estructura del bosque con la precisión en la identificación de árboles individuales, se logra una gestión más efectiva y una toma de decisiones informada en la conservación, manejo sostenible y aprovechamiento de los recursos forestales. En conjunto, estos métodos impulsan la investigación y la aplicación práctica para preservar la biodiversidad y los beneficios que los bosques proporcionan a nuestro planeta.

  • Utilizar los principales programas para el análisis y visualización de datos LIDAR: FugroViewer, FUSION.
  • Generar Modelos Digitales del Terreno y visualizarlos en QGIS.
  • Conocer los principales métodos de individualización y segmentación de árboles a partir de modelos digitales de vegetación con FUSION y SAGA.
  • Generar mapas de planificación medioambiental. Tras estimar las variables se podrá hacer mapas que ayuden al gestor a tomar las decisiones correctas en torno a las actuaciones a llevar a cabo en los espacios naturales.


Requisitos de acceso

Esta formación no tiene requisitos de acceso

Más información

Fecha de inicio:

Curso contínuo

Fecha de finalización:

Curso contínuo

Fecha tope matrícula:

Curso contínuo


Tipo de curso:

Curso de especialización

Metodología:

OnLine

Sedes:

Online


Duración estimada:

140 horas

Precio:

579 €

Titulación otorgada:

Emitida por el centro


Otros datos


El presente curso está dirigido a cualquier profesional arquitecto, arquitecto técnico, delineante, aparejador o ingeniero de la edificación, que necesite emplear Lidar con soltura en sus entornos laborales; así como a cualquier otro profesional que tenga un interés en estos campos y quiera desarrollar sus competencias en esta dirección.



Temario cubierto

  1. INTRODUCCIÓN A LA TECNOLOGÍA LÍDAR
    1. Software empleado
      1. FugroViewer
      2. FUSION
      3. QGIS
      4. R y R-commander.
    2. Equipo necesario e instalación.
    3. Interfaz
      1. FugroViewer
      2. FUSION
      3. QGIS
      4. R y R-commander.
    4. La tecnología LiDAR
      1. Sensores activos frente a sensores pasivos
      2. LiDAR terrestre y LiDAR aerotransportado
      3. Funcionamiento del LiDAR aerotransportado
      4. Componentes básicos de un sistema LiDAR aerotransportado
      5. Comportamiento del pulso LiDAR
      6. Características de los datos LiDAR
      7. Pre-tratamiento de datos LiDAR
      8. Obtención de Modelos Digitales del Terreno (MDT) a partir de datos LiDAR: MDE, MDS y MDHV
      9. LiDAR vs fotogrametría.
    5. Ejercicios tutorizados:
      1. Descarga, visualización, clasificación de la nube de puntos y generación de Modelos Digitales del Terreno: MDE y MDHV
    6. Prácticas de evaluación tutorizadas
  2. LIDAR Y SECTOR FORESTAL
    1. Inventario forestal con Tecnología LiDAR.
    2. Inventario Forestal con Métodos de Masa
      1. Toma de datos en campo
      2. Cálculo de estadísticos a partir de la nube de puntos del LiDAR.
    3. Ejercicios tutorizados:
      1. Cortar y normalizar datos LiDAR
      2. Extracción de los estadísticos de parcelas de campo
      3. Estadísticos de vegetación continuos y visualización de estadísticos en QGIS.
    4. Prácticas de evaluación tutorizadas
      1. Cuestionario_LiDAR y sector forestal
      2. Parcelas de campo
      3. Estadísticos de parcelas de campo
      4. Estadísticos de vegetación continuos.
  3. ESTIMACIÓN DE VARIABLES FORESTALES. MÉTODOS DE MASA
    1. Introducción
      1. Muestreo aleatorio
      2. Normalidad de las variables
      3. Correlación lineal entre variables
      4. Modelos por regresión lineal
      5. Relaciones no lineales entre variables.
    2. El sotfware R y su paquete R-Commander
      1. Introducción a R y Rcommander
      2. Ajuste de modelos lineales simples en R-Commander
      3. Ajuste y diagnosis de modelos de regresión múltiple con R-Commander.
    3. Ejercicios tutorizados:
      1. Análisis descriptivo de variables y ajuste de modelos lineales.
    4. Prácticas de evaluación tutorizadas
  4. RESULTADOS FINALES
    1. El programa QGIS.
      1. Descarga e instalación
    2. Añadir información LiDAR a QGIS
      1. Cargar el archivo de texto (.csv)
      2. Creación de cuadrícula vectorial con datos LiDAR en QGIS
      3. Incorporar los modelos en QGIS
      4. Cálculo de errores.
    3. Ejercicios tutorizados:
      1. Integración en QGIS.
      2. Resultados finales.
    4. Prácticas de evaluación tutorizadas
    5. Incorporación de modelos estadísticos
      1. Corte de la nube de puntos según las copas
      2. Estadísticos de cada árbol
      3. Importación y unión de los estadísticos en QGIS
      4. Aplicación de modelos.
    6. Variables de masa a partir de árboles individuales
      1. Densidades de arbolado.
    7. Calidad del inventario de árbol individual
      1. Errores en la delineación de copas
      2. Errores en los datos LíDAR
      3. Errores en los modelos.
  5. OTRAS APLICACIONES LIDAR
  6. INTRODUCCIÓN ARBOL INDIVIDUAL
    1. Software empleado
      1. FugroViewer
      2. FUSION
      3. QGIS y SAGA
      4. R y R-commander
      5. Equipo necesario e instalación
      6. Interfaz.
  7. INVENTARIO LIDAR. ÁRBOL INDIVIDUAL
    1. Principios de la individualización de árboles
      1. Introducción
      2. Individualización y la estructura de la vegetación.
    2. Métodos de individualización de árboles
      1. El modelo digital de superficies
      2. Individualización con FUSION
      3. Individualización con QGIS-SAGA.
    3. Trabajo de campo
      1. Parcelas de campo
      2. Levantamiento del centro de la parcela
      3. Coordenadas de los árboles.
    4. Ejercicios tutorizados:
      1. Visualización de datos LIDAR y generación de MDT y MDS
      2. Individualización con FUSION
      3. Individualización por delineación de cuentas
      4. Individualización por recrecimiento de regiones
      5. Individualización por recrecimiento de regiones.
    5. Prácticas de evaluación tutorizadas
  8. ESTIMACIÓN DE VARIABLES FORESTALES. ÁRBOL INDIVIDUAL
    1. Preparación de los datos estadísticos
      1. Coordenadas de los árboles individuales
      2. Búsqueda de árboles en QGIS
      3. Obtención de los estadísticos.
    2. Estadísticos de la nube de puntos
      1. Medidas de tendencia central
      2. Medidas de dispersión
      3. Estadísticos de la nube de puntos y su relación forestal.
    3. La regresión lineal
      1. Introducción
      2. Muestreo aleatorio
      3. Normalidad
      4. Correlación
      5. La regresión lineal
      6. Relaciones no lineales entre variables.
    4. El sotfware R y su paquete R-Commander
      1. R y Rcommander
      2. Nuevo conjunto de datos
      3. Cargar conjunto de datos
      4. Importar datos
      5. Estadística descriptiva en R-Commander
      6. Correlación entre variables con R-Commander.
    5. Ajuste de modelos lineales simples en R-Commander
      1. Homocedasticidad de los errores
      2. Normalidad de los errores
      3. Relación lineal y ausencia de colinealidad
      4. Ausencia de observaciones atípicas.
    6. Ajuste y diagnosis de modelos de regresión múltiple con R-Commander
      1. Homocedasticidad
      2. Normalidad
      3. Linealidad
      4. Observaciones atípicas
      5. Colinealidad
      6. Análisis gráfico.
    7. Ejercicios tutorizados:
      1. Ajuste y diagnosis de Modelos.
    8. Prácticas de evaluación tutorizadas


Más información

Solicitar más información sobre este curso ›

Realizar Preinscripción a este curso ›


Ficha de curso

 

Accesos rápidos

 

Servicios ACEDIS

 

Enlaces relacionados

 

Catálogo de Noviembre 2024

Catálogo ACEDIS Formación