Evaluación del vigor de árboles aplicando índices de vegetación a imágenes captadas remotamente en la Universidad Nacional Agraria La Molina

Abstract

El análisis del estado de salud de la vegetación arbórea es importante al momento de tomar decisiones para su manejo y aprovechamiento, por ello existen diversos métodos para su estudio, donde la aplicación de índices multiespectrales, como el NDVI, con tecnología RPA se realiza para observar el vigor arbóreo, sin embargo, su empleo suele ser costoso, por esa razón, se han desarrollado índices alternativos para sensores RGB cuyo uso es más accesible. En el presente estudio se aplican el NDVI y los índices ópticos: GLI, NGRDI, RG, TGI, VARI y vNDVI sobre copas arbóreas de zonas con vegetación arbórea densa y dispersa, empleando un Phantom 4 multiespectral; la metodología consistió en clasificar el vigor arbóreo mediante clasificación supervisada con el algoritmo Random Forest, entrenando clasificadores en base a una muestra de campo e información radiométrica de los índices de vegetación, en el entrenamiento se consideró la inclusión del DSM y otros parámetros como el aumento en el “Maximum number of trees in the forest” y el “Maximum depth of the tree”, encontrándose que los 2 primeros lograron aumentar la precisión de los mapas con índices RGB en vegetación densa; de entre todos los índices el NDVI resultó con los mayores índices de kappa que no mejoró variando otros parámetros, lo que indica que éstos no aportaron en mejorar la precisión de los mapas; en la vegetación dispersa los índices RGB tuvieron precisiones aceptables donde la clasificación pudo verse afectada por factores como la fenología de los árboles o sombras en el mosaico; para la vegetación densa los índices RGB alcanzaron mayor precisión, encontrándose que aquellos índices con las bandas rojas, verdes y azul se desempeñan mejor que los índices que sólo operan con la banda roja y verde.The analysis of the health status of tree vegetation is important at decision moments for its management and use, that is why several methods for its study exists, where the multispectral index application, such the NDVI with RPA technology, is released to observe the tree vigor, however, it is usually expensive, for that reasson, alternative index have been developed for RGB sensors wich use is more accessible. In this study, the NDVI and the optical index: GLI, NGRDI, RG, TGI, VARI and vNGRDI are applied to tree canopies in areas with dense and dispersed tree vegetation using a multiespectral Phantom 4; methodology consisted of classifying tree vigor through supervised classification with the Random Forest algorithm, training classifiers based on a field sample and vegetation index radiometric information. In training the DSM and other parameters such the increasing of the “Maximum number of trees in the forest” and the “Maximum depth of the tree” were incluided, finding that the 2 first helped to increase the precision maps with RGB index on dense vegetation; among all index, the NDVI resulted with the highest kappa index wich did not increased by varying other parameters, indicating that they didn´t help improve the precisión; for dispersed vegetation, the RGB index had acceptable precisión, wich classification could have been affected by factors such tree phenology or ilumination; for dense vegetation, the RGB index achieved greater precision, finding that index with red, green and blue bands performs better than index wich operates with red and green band only.