摘要：La tecnología LiDAR, tanto en sus versiones aerotransportada como terrestre, ha adquirido relevancia en los últimos años en la realización de inventarios forestales que permiten entender y adecuar la gestión de los ecosistemas forestales. En este estudio, se evaluó la clasificación por composición de especies en un bosque mediterráneo mediante el árbol de decisión C4.5. Para ello, se emplearon diferentes conjuntos de datos derivados de LiDAR discreto (ALS D ), LiDAR de retorno de onda completa ( full-waveform , ALS FW ) y láser escáner terrestre (TLS) como datos de entrada de la clasificación. La composición de especies se dividió en cinco clases: parcelas puras de Quercus ilex (QUI); puras de Pinus halepensis regenerado (HALr); puras de P. halepensis (HAL); puras de P. pinaster (PIN); y mixta de P. pinaster y Q. suber (mPIN). Además, se realizó una subdivisión de la clase HAL en cobertura de sotobosque escasa y densa. Como resultado se obtuvo una fiabilidad del 85,2% en la clasificación de las clases HAL, PIN y mPIN combinando ALSF W y TLS. En la clasificación de las cinco composiciones de especies, la fiabilidad alcanzada empleando ALS FW y ALS D fue del 77,0%. Finalmente, en la clasificación de las subclases de cobertura de sotobosque se logró un 90,9% de fiabilidad con ALS FW . En general, la combinación de ALS FW y TLS mejoró los resultados en un 7,4% en la clasificación de las clases HAL, PIN y mPIN en comparación con el uso de los datos de los sensores por separado, y en un 33,3% con respecto al uso de ALS D . Las métricas ALS FW , en particular aquellas diseñadas especialmente para la detección del sotobosque, mejoraron la precisión en un 9,1% con respecto a las métricas derivadas de ALS D . Estos análisis muestran que el uso del ALS FW y TLS mejora la clasificación de los ecosistemas forestales con presencia de sotobosque y diferentes especies arbóreas en los estratos intermedios con respecto al ALS D .
其他摘要：LiDAR technology –airborne and terrestrial- is becoming more relevant in the development of forest inventories, which are crucial to better understand and manage forest ecosystems. In this study, we assessed a classification of species composition in a Mediterranean forest following the C4.5 decision tree. Different data sets from airborne laser scanner full-waveform (ALS FW ), discrete (ALS D ) and terrestrial laser scanner (TLS) were combined as input data for the classification. Species composition were divided into five classes: pure Quercus ilex plots (QUI); pure Pinus halepensis dense regenerated (HALr); pure P. halepensis (HAL); pure P. pinaster (PIN); and mixed P. pinaster and Q. suber (mPIN). Furthermore, the class HAL was subdivided in low and dense understory vegetation cover. As a result, combination of ALS FW and TLS reached 85.2% of overall accuracy classifying classes HAL, PIN and mPIN. Combining ALS FW and ALS D , the overall accuracy was 77.0% to discriminate among the five classes. Finally, classification of understory vegetation cover using ALS FW reached an overall accuracy of 90.9%. In general, combination of ALS FW and TLS improved the overall accuracy of classifying among HAL, PIN and mPIN by 7.4% compared to the use of the data sets separately, and by 33.3% with respect to the use of ALS D only. ALS FW metrics, in particular those specifically designed for detection of understory vegetation, increased the overall accuracy 9.1% with respect to ALS D metrics. These analyses show that classification in forest ecosystems with presence of understory vegetation and intermediate canopy strata is improved when ALS FW and/or TLS are used instead of ALS D .
